Эконометрика. Эконометрика. 18.09. Севостьянова. Занятие по дисциплине эконометрика порядок выполнения задания
![]()
|
Ксения Севостьянова. СПБ19-1Б-ЭК01. ЗАДАНИЕ НА СЕМИНАРСКОЕ ЗАНЯТИЕ ПО ДИСЦИПЛИНЕ ЭКОНОМЕТРИКА Порядок выполнения задания: 2.Выполнить лабораторные работы № 1 и 2 на стр. 11: -построение линии регрессии проводить с помощью поля корреляции; -подбор наиболее достоверного уравнения проводить также с помощью поля корреляции. 3.Отчет по выполненной работе представить в следующей форме: -условие задания; -скриншоты с Excel всех расчетов в соответствии с пунктами задания; -выводы по работе. Лабораторная работа № 1 Задание. На основании данных табл. П1 для соответствующего варианта (табл. 1.1): 1. Вычислить линейный коэффициент парной корреляции. 2. Проверить значимость коэффициента парной корреляции. 3. Построить доверительный интервал для линейного коэффициента парной корреляции Условие задания: Наличие предметов длительного пользования в домашних хозяйствах по регионам Российской Федерации (европейская часть территории без республик Северного Кавказа) (по материалам выборочного обследования бюджетов домашних хозяйств; на 100 домохозяйств; штук) Севостьянова вариант 12, поэтому у меня 1 столбец (телевизоры) и 5 столбец (персональные компьютеры). По исходным данным составим табл.1.1 Далее мы находим линейный коэффициент парной корреляции с помощью Анализа данных. ![]() Линейный коэффициент парной корреляции равен 0,39406306 или множественному R Вывод: как мы знаем из свойств линейного парного коэффициента корреляции: если коэффициент больше 0,3 и меньше 0,7, то связь между наличием телевизоров и персональных компьютеров в домашних хозяйствах регионов Российской Федерации — умеренная Следующее, что нам необходимо найти будет значимость коэффициента парной корреляции. Проверим коэффициент парной корреляции на уровне значимости, то есть с вероятностью ошибки 5%. Выдвигаем гипотезы: H0: pxy =0, т.е. отсутствует линейная зависимость между х и у. Н1: pxy ≠0, т.е. существует линейная зависимость между х и у. Используется t-критерий Стьюдента. Рассчитываем наблюдаемое значение критерия: Чтобы найти tкр, нам нужно воспользоваться функцией СТЬЮДРАСПОБР(α;n-2), где α- вероятность ошибки, (в функцию вводим 0,05) n-кол-во наблюдений (эти данные можно взять с регрессионной статистики) Для нахождения tнабл воспользуемся формулой, где k =n-2 ![]() Тогда tкр и tнабл равны: ![]() ![]() Также итог tнабл мы можем проверить в уже готовом анализе данных в t-статистике ![]() Т.е. мы можем сделать вывод, что расчет по формуле проведен верно. Вывод: Если tнабл > tкр, то гипотеза H0 отвергается с вероятностью ошибки меньше чем 5%. Это свидетельствует о значимости линейного коэффициента корреляции rху и статистической существенности зависимости между факторным и результативным признаками. Построим доверительный интервал для линейного коэффициента корреляции, используя выражение: Находим доверительный интервал с помощью формулы: ![]() ![]() Т. е. истинное значение парного линейного коэффициента корреляции находится в пределах от 0,140116 до 0,64801. ВЫВОД ПО РАБОТЕ: В данной лабораторной работе были разобраны темы линейного коэффициента парной корреляции, значимость этого коэффициента и доверительный интервал. Доверительный интервал показал, что в ходе лабораторной работы вычисления были сделаны правильно, значимость коэффициента подтвердилась. Лабораторная работа № 2 Задание. На основании данных табл. П1 для соответствующего варианта (табл. 1.1): Виды кривых выравниваний по 12 варианту: линейная, показательная, логарифмическая. Построить предложенные уравнения регрессии, включая линейную регрессию. По исходным данным необходимо построить уравнения регрессии. Мы делаем это в Экселе с помощью точечной диаграммы, а также добавляя линии тренда по заданному варианту. ![]() На диаграмме четко прослеживаются все заданные уравнения регрессий. Вычислить индексы парной корреляции для каждого уравнения. Далее необходимо найти индексы. Для линейной регрессии мы находили ранее. Для нелинейных же требуется использовать формулу: уже данный в диаграмме квадрат индекса детерминации возвести в корень. ![]() Проверить значимость уравнений регрессии и отдельных коэффициентов линейного уравнения. С помощью функции СТЬЮДРАСП находим требуемое задание. ![]() Определить лучшее уравнение регрессии на основе средней ошибки аппроксимации. Следующее задание снова возвращает нас к величине достоверности аппроксимации. Данная величина также является показателем средней ошибки аппроксимации. Чем больше R2, тем лучше уравнение регрессии. ![]() По данной таблице видно, что лучшим уравнение регрессии является логарифмическое уравнение. Определить средний коэффициент эластичности. С помощью функции Линейн Для расчёта параметров уравнения линейной регрессии ![]() Для уравнения прямой средний (общий) коэффициент эластичности определим по формуле: ![]() По функции СрЗнач находим средние значения столбца В и С и вставляем в формулу, показанную выше ![]() Таким образом, при изменении зависимости персональных компьютеров от телевизоров на 1% от своего среднего значения кол-во персональных компьютеров изменится в среднем на 3,7%. ВЫВОД 1. В ходе лабораторной работы были построены уравнения регрессии трех видов: Линейное, показательное и логарифмическое. 4. При построении интервального прогноза для значения x = xmax по уравнению линейной регрессии, оба уравнения лежат в положительном интервале. 5. Средний коэффициент эластичности показал, что в линейной регрессии на 3,7% в среднем по совокупности изменится результат y от своей величины при изменении фактора x на 1% от своего значения. |