Эконометрика. Контрольная работа. 3 курс. Эконометрика. КР 3 курс. Контрольная работа по дисциплине Эконометрика Вариант 1 Содержание задача парная регрессия 2 задача множественная регрессия и корреляция 13
![]()
|
ЗАДАЧА 2. Множественная регрессия и корреляцияИзучается зависимость показателя y от факторов х1 и х2. Требуется (длявсехвариантов): Построить линейную модель множественной регрессии. Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат. Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их. С помощью F-критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации. С помощью частных F-критериев Фишера и t-статистики Стьюдента оценить целесообразность включения в уравнение множественной регрессии фактора х1 после х2 и фактора х2 после х1. По возможности составить уравнение линейной парной регрессии, оставив лишь один значащий фактор.
(вариант 1) Составим сводную таблицу оценки зависимости производительности труда от трудоемкости продукции и удельного веса покупных изделий. Занесем данные в таблицу 5. Таблица 5 – Оценка зависимости производительности труда (у) от трудоемкости продукции (х1) и удельного веса покупных изделий (х2)
Найдем дисперсию: ![]() Найдем среднеквадратическое отклонение: ![]() Составим парные коэффициенты корреляции, сделав выводы об их зависимости: ![]() Мы видим, что коэффициент корреляции по модулю сильно ближе к значению 1. Поэтому зависимость производительности труда (у) от трудоемкости продукции (х1) заметная, обратная. ![]() Мы видим, что коэффициент корреляции по модулю близок к 1. Поэтому Зависимость производительности труда (у) от удельного веса покупных изделий (х2) тесная, прямая. ![]() Мы видим, что коэффициент корреляции по модулю близок к 1. Поэтому взаимосвязь между трудоемкостью продукции (х1) и удельным весом покупных изделий (х2) – тесная, обратная. Обычный вид уравнения множественной регрессии: ![]() Для расчета параметров линейного уравнения множественной регрессии будем использовать -коэффициенты (ибо упрощаются расчеты и не нет нужды использовать матричный метод для расчетов параметров уравнения регрессии): ![]() ![]() Составим уравнение множественной регрессии в обычном виде: ![]() Сделаем небольшие выводы по высчитанным параметрам. Параметр а1 позволяет нам увидеть, что с увеличением трудоемкости продукции (х1) на 1 ед. производительность труда (у) в среднем снизится на 8,800 тыс.руб./чел. Параметр уравнения а2 позволяет понять, что с увеличением удельного веса покупных изделий (х2) на 1 ед. производительность труда (у) в среднем вырастет на 5,476 тыс.руб./чел. Стандартизированные коэффициенты регрессии имеют следующие значения: ![]() Итогом по проделанным вычислениям будет следующее: при увеличении трудоемкости продукции (х1) на 1 от своей средней производительность труда (у) снизится на 0,358; а при увеличении удельного веса покупных изделий (х2) на 1 от своей средней производительность труда (у) вырастет на 0,437. Стоит заметить, что начения 1 и 2 по модулю очень близки. Далее произведем вычисление средних коэффициентов эластичности: ![]() Произведя вычисление частных коэффициентов эластичности можно с уверенностью сказать, что результат – производительность труда (у) – более эластичен к изменению трудоемкости продукции (х1) и менее – к изменению удельного веса покупных изделий (х2). Теперь приведем ранжирование факторов: Ранг 1 – удельный вес покупных изделий (х2) – больше β2 и r ух2. Ранг 2 – трудоемкость продукции (х1) – меньшее β1 и rух1. Найдем значение множественного коэффициента корреляции: ![]() Мы видим, что множественный коэффициент корреляции имеет значение выше 0,7, можно говорить о наличии тесной зависимости производительности труда (у) от двух факторов: трудоемкости продукции (х1) и удельного веса покупных изделий (х2). Теперь вычислим частные коэффициенты корреляции и оценим зависимость труда: ![]() Очевидно, что исключая влияние фактора х2 зависимость производительности труда (у) от трудоемкости продукции (х1) умеренная, обратная. ![]() Можно понять, что исключая влияние фактора х1 зависимость производительности труда (у) от удельного веса покупных изделий (х2) умеренная, прямая. ![]() Мы можем говорить о заметной связи факторов друг с другом, ибо коэффициент корреляции по модулю сильно отклоняется от значения 1 и от значения 0. Следующим шагом найдем общий F-критерий Фишера. Выдвигаем гипотезу: уравнение регрессии является статистически ненадежным. Фактическое значение F-критерия рассчитывается по формуле: ![]() Табличное значение F-критерия мы найдем по таблице Фишера по известным уровню значимости и степеням свободы: = 0,05 (уровень значимости); к1 = п – т – 1 = 14 – 2 – 1 = 11; к2 = т = 2 Fтабл = 3,982 Сравнивая фактическое и табличное значения F-критерия, получаем: Fфакт > Fтабл (6,847 > 3,982) Подытоживая мы убедились в гипотезе о том, что уравнение множественной регрессии является статистически ненадежным, не соответствуя при этом данным, ибо фактическое значение F-критерия превышает табличное т.е. уравнение множественной регрессии действительно является надежным и статистически значимым. t-критерий Стьюдента: Табличное значение t-критерия находится по таблице Стьюдента: = 0,05 (уровень значимости); df = п – 2 = 14 – 2 = 12 (число степеней свободы); tтабл = 2,179 Вычислим t-критерий Стьюдента для оценки параметра регрессии а1: Выдвигаем гипотезу: параметр регрессии а1 имеет случайный характер и а1=0. Фактическое значение t-критерия рассчитывается по формуле: ![]() ![]() Сравнивая фактическое и табличное значения t-критерия, получаем: tфакт< tтабл (1,165 < 2,179) Проанализируем итоги вычислений. Мы видим, что выдвинутая гипотеза о том, что параметр регрессии а1 имеет случайный характер и равен нулю, соответствует данным. Поэтому параметр а1 уравнения парной регрессии не является статистически незначимым. Вычислим t-критерий Стьюдента для оценки параметра регрессии а2: Выдвигаем гипотезу: параметр регрессии а2 имеет случайный характер и а2=0. Фактическое значение t-критерия рассчитывается по формуле: ![]() ![]() Сравнивая фактическое и табличное значения t-критерия, получаем: tфакт< tтабл (1,421< 2,179) Итогом для нас будет следующее: выдвинутая гипотеза о том, что параметр регрессии а2 имеет случайный характер и равен нулю, соответствует данным. Поэтому параметр а2 уравнения парной регрессии не является статистически незначимым. Проведем анализ частных F-критериев Фишера: Выдвигаем гипотезу №1: фактор х1 из модели можно исключить. Фактическое значение F-критерия рассчитывается по формуле: ![]() Сравнивая фактическое и табличное значения F-критерия, получаем: Fфакт < Fтабл (1,356 < 3,982) Мы подтвердили гипотезу о том, что фактор х1 из модели можно исключить, т.е. влияние фактора х1 на результат при наличии в модели фактора х2 не является значимым. Выдвигаем гипотезу №2: фактор х2 из модели можно исключить. Фактическое значение F-критерия рассчитывается по формуле: ![]() Сравнивая фактическое и табличное значения F-критерия, получаем: Fфакт < Fтабл (2,021 < 3,982) Мы подтвердили гипотезу о том, что фактор х2 из модели можно исключить верна, т.е. влияние фактора х2 на результат при наличии в модели фактора х1 не является значимым. Итогом для нас будет следующее: мы поняли, что наименьшее значение частного F-критерия Фишера у фактора х1, поэтому исключим именно его из расчетов. Модель парной линейной регрессии: В общем виде линейное уравнение парной регрессии выглядит следующим образом: ![]() Используем метод наименьших квадратов для нахождения необходимых параметров: ![]() Вычислим параметры: ![]() Линейное уравнение парной регрессии будет выглядеть так: ![]() По расчетам мы делаем вывод о параметре уравнения b, который показывает, что с увеличением удельного веса покупных изделий (х2) на 1 ед. производительность труда (у) в среднем вырастет на 8,866 тыс.руб./чел. |