Эконометрика Вариант 1 (3 задачи). Титульный лист эконометрика
![]()
|
Задание 2Имеются данные по ряду стран: Таблица 4 Данные по странам
Задание: 1) Определите парные и частные коэффициенты корреляции. Сделайте выводы. 2) Постройте линейное уравнение множественной регрессии и поясните смысл его параметров. Рассчитайте скорректированный коэффициент детерминации. 3) Проверьте значимость уравнения регрессии на 95% уровне. 4) Рассчитайте коэффициенты эластичности. Дайте их интерпретацию 5) Постройте 95% доверительные интервалы для коэффициентов регрессии. Проверьте значимость каждого из коэффициентов. Решение: 1. Расчет парных и частных коэффициентов корреляции Факторы, включаемые в модель должны иметь достаточно тесную связь с результативным признаком. ![]() ![]() Вывод. Связь продолжительности жизни при рождении у с фактором х1 очень слабая. Фактор х1 не следует включать в модель. Факторы, включаемые в модель должны быть слабо связаны между собой, факторы не должны быть коллинеарными (линейнозависимыми). ![]() Вывод. Связь между факторами практически отсутствует, факторы не являются коллинеарными, линейнозависимыми. Рассчитаем частные коэффициенты корреляции: ![]() Т.е. если устранить влияние фактора х2, то связь между у и х1 будет слабой и прямой. ![]() Т.е. если устранить влияние фактора х1, то связь между у и х2 будет очень тесной и прямой. ![]() Т.е. если устранить влияние результативного признака у, то связь между х1и х2 будет слабой и обратной. Целесообразно удалить из анализа фактор х1 и строить регрессионную модель только с фактором х2. Таблица 5 Вспомогательная таблица для расчета коэффициентов парной корреляции
2. Построим линейное уравнение множественной регрессии Общий вид линейного двухфакторного уравнения регрессии: ![]() ![]() ![]() ![]() ![]() ![]() Расчет средних квадратических отклонений: ![]() ![]() ![]() Параметры модели найдем через линейные коэффициенты парной корреляции и средние квадратические отклонения: ![]() ![]() ![]() Получили двухфакторную модель регрессии: ![]() Вывод. Коэффициент регрессии ![]() ![]() ![]() Коэффициент регрессии ![]() ![]() ![]() Коэффициент детерминации: ![]() Вывод. 81,62% вариации результативного признака ![]() ![]() Скорректированный коэффициент детерминации позволяет учесть при оценке качества модели соотношение количества наблюдений и количества оцениваемых параметров модели. ![]() Вывод. Показатели детерминации близки к единице, это говорит о высоком качестве модели регрессии. 3. Проверим значимость уравнения регрессии на 95% уровне Выдвигаем нулевую гипотезу о том, что найденные показатели тесноты связи случайны, т.е. равны нулю: ![]() Для проверки нулевой гипотезы рассчитываем значение F-критерия Фишера: ![]() По таблице значений критерия Фишера находим табличное (критическое) значение критерия на уровне значимости α = 0,05 и с числом степеней свободы df1 =k = 2 (число факторов в модели) и df2 = n– k – 1 = 12 – 3 = 9: Fтабл = 4,26 Вывод. Поскольку Fтабл < F, то нулевую гипотезу отклоняем. В качестве альтернативы принимаем гипотезу о том, что характеристики тесноты связи не случайны, т.е. значима построенная модель регрессии. 4. Рассчитаем коэффициенты эластичности Коэффициент эластичности показывает насколько процентов в среднем изменяется значение результативного признака при увеличении фактора ![]() ![]() Расчет коэффициентов эластичности: ![]() ![]() Вывод. При увеличении фактора ![]() ![]() ![]() ![]() 5) Построим 95% доверительные интервалы для коэффициентов регрессии Находим стандартные ошибки коэффициентов регрессии: ![]() ![]() По таблице значений критерия Стьюдента находим табличное (критическое) значение критерия на уровне значимости α = 0,05 и с числом степеней свободы df = n– k – 1 = 12 – 3 = 9: ![]() Интервальная оценка β1: ![]() -0,0058 ![]() Вывод. С вероятностью 95% значение коэффициента регрессии β1 будет находится в пределах от -0,0558 до 0,0129. Т.к. в доверительный интервал попадает 0, то параметр не является статистически значимым. Доверительный интервал для коэффициента регрессии β2: ![]() 0,2745 ![]() Вывод. С вероятностью 95% значение коэффициента регрессии β2 будет находится в пределах от 0,2745 до 0,5856. Т.е. с вероятностью 95% при увлечении ВВП на душу населения х2 на 1 тыс. долл. значение продолжительности жизни у возрастет не менее, чем на 0,2745 лет, но не более чем на 0,5856 лет. Т.к. в доверительный интервал не попадает 0, то параметр является статистически значимым. |