Главная страница
Навигация по странице:

  • Решение

  • 2. Матрица парных коэффициентов корреляции R

  • задачи предпринимательство. Задача 1 Имеются данные об урожайности зерновых в хозяйствах в области


    Скачать 270.77 Kb.
    НазваниеЗадача 1 Имеются данные об урожайности зерновых в хозяйствах в области
    Анкорзадачи предпринимательство
    Дата14.11.2022
    Размер270.77 Kb.
    Формат файлаdocx
    Имя файла1.docx
    ТипЗадача
    #788574
    страница2 из 3
    1   2   3

    Задача 5

     Годовое потребление некоторого товара и доходы населения (тыс. руб.) за 1989-1997 гг. приведены в таблице:

    Годы

    1

    2

    3

    4

    5

    6

    7

    8

    9

    Потребление

    46

    50

    54

    59

    62

    67

    75

    86

    100

    Доходы

    53

    57

    64

    70

    73

    82

    95

    110

    127

    Задание: Построить уравнение регрессии, включив в него фактор времени, если известно, что  599, 731, 52179, 64361, 42367.
    Решение:
    Определим вектор оценок коэффициентов регрессии. Согласно методу наименьших квадратов, вектор s получается из выражения: s = (XTX)-1XTY
    К матрице с переменными Xj добавляем единичный столбец:


    Матрица XT

    1

    1

    1

    1

    1

    1

    1

    1

    1

    46

    50

    54

    59

    62

    67

    75

    86

    100

    53

    57

    64

    70

    73

    82

    95

    110

    127


    Умножаем матрицы, (XTX)

    XT X =

    9

    599

    731

    599

    42367

    52179

    731

    52179

    64361














    В матрице, (XTX) число 9, лежащее на пересечении 1-й строки и 1-го столбца, получено как сумма произведений элементов 1-й строки матрицы XT и 1-го столбца матрицы X
    Умножаем матрицы, (XTY)

    XT Y =

    45

    3369

    4184














    Находим обратную матрицу (XTX)-1

    (XT X) -1 =

    14,794

    -1,4649

    1,0196

    -1,4649

    0,1606

    -0,1136

    1,0196

    -0,1136

    0,08052














    Вектор оценок коэффициентов регрессии равен

    Y(X) =

    14,794

    -1,4649

    1,0196

    -1,4649

    0,1606

    -0,1136

    1,0196

    -0,1136

    0,08052










    *

    45

    3369

    4184










    =

    -3,5036

    -0,01219

    0,1147














    Уравнение регрессии (оценка уравнения регрессии)
    Y = -3.5036-0.01219X1 + 0.1147X2
    Интерпретация коэффициентов регрессии. Константа оценивает агрегированное влияние прочих (кроме учтенных в модели хi) факторов на результат Y и означает, что Y при отсутствии xi составила бы -3.5036. Коэффициент b1 указывает, что с увеличением x1 на 1, Y снижается на 0.01219. Коэффициент b2 указывает, что с увеличением x2 на 1, Y увеличивается на 0.1147.
    2. Матрица парных коэффициентов корреляции R.
    Число наблюдений n = 9. Число независимых переменных в модели равно 2, а число регрессоров с учетом единичного вектора равно числу неизвестных коэффициентов. С учетом признака Y, размерность матрицы становится равным 4. Матрица, независимых переменных Х имеет размерность (9 х 4).
    Матрица A, составленная из Y и X

    1

    1

    46

    53

    1

    2

    50

    57

    1

    3

    54

    64

    1

    4

    59

    70

    1

    5

    62

    73

    1

    6

    67

    82

    1

    7

    75

    95

    1

    8

    86

    110

    1

    9

    100

    127


    Транспонированная матрица.

    1

    1

    1

    1

    1

    1

    1

    1

    1

    1

    2

    3

    4

    5

    6

    7

    8

    9

    46

    50

    54

    59

    62

    67

    75

    86

    100

    53

    57

    64

    70

    73

    82

    95

    110

    127


    Матрица XTX.

    9

    45

    599

    731

    45

    285

    3369

    4184

    599

    3369

    42367

    52179

    731

    4184

    52179

    64361


    Полученная матрица имеет следующее соответствие:

    ∑n

    ∑y

    ∑x1

    ∑x2

    ∑y

    ∑y2

    ∑x1 y

    ∑x2 y

    ∑x1

    ∑yx1

    ∑x1 2

    ∑x2 x1

    ∑x2

    ∑yx2

    ∑x1 x2

    ∑x2 2


    Найдем парные коэффициенты корреляции.


    Значения парного коэффициента корреляции свидетельствует о весьма сильной линейной связи между x1 и y.

    Значения парного коэффициента корреляции свидетельствует о весьма сильной линейной связи между x2 и y.

    Значения парного коэффициента корреляции свидетельствует о весьма сильной линейной связи между x2 и x1.

    Признаки x и y

    ∑xi



    ∑yi



    ∑xi*yi



    Для y и x1

    599

    66.556

    45

    5

    3369

    374.333

    Для y и x2

    731

    81.222

    45

    5

    4184

    464.889

    Для x1 и x2

    731

    81.222

    599

    66.556

    52179

    5797.667


    Дисперсии и среднеквадратические отклонения.

    Признаки x и y









    Для y и x1

    277.802

    6.667

    16.667

    2.582

    Для y и x2

    554.173

    6.667

    23.541

    2.582

    Для x1 и x2

    554.173

    277.802

    23.541

    16.667


    Матрица парных коэффициентов корреляции R:

    -

    y

    x1

    x2

    y

    1

    0.9656

    0.967

    x1

    0.9656

    1

    0.9988

    x2

    0.967

    0.9988

    1


    Рассчитаем наблюдаемые значения t-статистики для ryx1 по формуле:

    где m = 1 - количество факторов в уравнении регрессии.

    По таблице Стьюдента находим Tтабл
    tкрит(n-m-1;α/2) = (7;0.025) = 2.841
    Поскольку tнабл > tкрит, то отклоняем гипотезу о равенстве 0 коэффициента корреляции. Другими словами, коэффициент корреляции статистически - значим
    Рассчитаем наблюдаемые значения t-статистики для ryx2 по формуле:

    Поскольку tнабл > tкрит, то отклоняем гипотезу о равенстве 0 коэффициента корреляции. Другими словами, коэффициент корреляции статистически - значим
    1   2   3


    написать администратору сайта