Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Y - зависимая переменная (результативный признак),Содержание книги
Поиск на нашем сайте
x1, x2,..., хm – независимые, объясняющие, переменные (признак-факторы), ε - возмущение или стохастическая переменная, включающая влияние неучтенных в модели факторов. Основные типы функций, используемые при количественной оценке связей: Линейная функция: y=a0+а1 x1 +а2 x2 +,..., +аm хm; Параметры а1 , а2,… аm называются коэффициентами «чистой» регрессии и характеризуют среднее изменение результата с изменением соответствующего фактора на единицу при неизменном значении других факторов, закрепленных на среднем уровне. Нелинейные функции: y=a x1b1x2b2 ... хm b m –степенная функция; b1,b2,…,bm - коэффициенты эластичности; показывают на сколько % изменится в среднем результат при изменении соответствующего фактора на 1% и при неизменности действия других факторов. Обозначим: X - прямоугольная матрица наблюдений независимых переменных размерностью n (n - число наблюдений) на (m +1) - число оцениваемых коэффициентов, включая свободный член.
- вектор наблюденных значений зависимой переменной размерностью n. - вектор искомых оценок коэффициентов регрессии размерностью (m + 1). Для нахождения МНК – оценок коэффициентов регрессии, как и прежде, минимизируют остаточную сумму квадратов: Истинное значение коэффициента регрессии отличается от его оценки. Может иметь место случай, когда оценка отличается от нуля, хотя истинное значение коэффициента равно нулю. В этом случае xi не влияет на выход, а про коэффициент bi говорят, что он незначимо отличается от нуля. Незначимые коэффициенты исключают из уравнения регрессии, а оставшиеся оценки пересчитывают. Сводка формул для множественной регрессии: Оценка коэффициента множественной детерминации где ∆ и ∆1 – определители матрицы парных коэффициентов корреляции и расширенной матрицы парных коэффициентов корреляции. . F – критерий значимости уравнения в целом t – критерий значимости коэффициентов регрессии
После определения точечных оценок коэффициентов теоретического уравнения регрессии могут быть рассчитаны интервальные оценки коэффициентов. Доверительный интервал, накрывающий с доверительной вероятностью =1−α неизвестное значение параметра , определяется неравенством
Здесь Проще всего провести построение множественной регрессии с помощью с помощью инструмента анализа данных Регрессия. Для этого выполняют команду Сервис-Анализ данных-Регрессия-OK.
Задание 1. В табл. 4.1 приведены данные за 11 дней о курсе доллара (x1 руб.), фондовом индексе (x2) и котировке акций (y, ден. ед.).
Таблица 4.1 Требуется: 1) построить уравнение множественной линейной регрессии и дать экономическую интерпретацию коэффициентов уравнения; 2) оценить стандартную ошибку регрессии и стандартные ошибки коэффициентов; 3) построить доверительные интервалы для коэффициентов регрессии, соответствующие доверительной вероятности ; 4) оценить статистическую значимость коэффициентов регрессии с помощью t -критерия при уровне значимости ; 5) оценить на уровне 0,05 полученное уравнение на основе коэффициента детерминации и F - критерия Фишера; 6) сделать выводы по качеству построенной модели. Метод исключения в проверке спецификации модели При выборе формы спецификации модели первоначально рассматривается уравнение множественной линейной регрессии y = β0 + β1x1 + β2x2 + …+ βnxn + ε (1) Для перехода к адекватной форме модели далее применяется алгоритм пошагового регрессионного анализа методом исключения переменных. При этом выполняются следующие действия: · строится регрессионная модель методом наименьших квадратов; · оценивается значимость коэффициентов регрессии; · выявляется наличие зависимости между факторными признаками путем анализа матрицы парных коэффициентов корреляции и матрицы частных коэффициентов корреляции; · строится новое уравнение регрессии с исключением незначимых и части взаимно коррелирующих переменных. При этом из числа коррелирующих переменных в модели оставляют те, которые более соответствуют ее экономическому содержанию, либо те, которые имеют наибольшее значение частной корреляции с зависимой переменной. Задание 2. Имеются следующие данные по 20 сельскохозяйственным районам: Y – урожайность зерновых культур (ц/га); X1 – число колесных тракторов (приведенной мощности) на 100 га; X2 – число зерноуборочных комбайнов на 100 га; X3 – число орудий поверхностной обработки почвы на 100 га; X4 – количество удобрений, расходуемых на гектар; X5 – количество химических средств оздоровления растений, расходуемых на гектар. Требуется провести пошаговый регрессионный анализ урожайности Y на основе исходных данных (табл. 1) Таблица 1 Исходные данные
Указание: для окончательного выбора модели воспользуйтесь критерием Фишера в отношении коэффициентов сравниваемых спецификаций. Для этого рассчитывают статистику Здесь используются коэффициенты детерминации из регрессии первоначальной (неогр) и регрессии с исключенными переменными (огр), причем q – число исключений, n – число наблюдений, p – число факторов в исходной регрессии. Находят табличное (критическое) значение F табл со степенями свободы q и n - p – 1. Если F факт > F табл, то нулевая гипотеза отклоняется в пользу альтернативной: имеющиеся данные противоречат гипотезе об эквивалентности моделей.
2-й учебный вопрос. Основы обработки данных в GRETL Подготовка данных в Excel для импорта в GRETL Создайте новую рабочую книгу Excel. Убедитесь, что все импортируемые данные расположены на одном листе с названием без символов кириллицы или со стандартным названием (Лист1 для русифицированной версии Excel). Данные должны быть размещены в столбцах (или строках) без пропусков ячеек. Не допускайте также объединения ячеек импортируемого столбца (строки). В первой ячейке столбца (строки) укажите имя переменной (без символов кириллицы), которое понадобится для импорта данного столбца (строки) в G RETL. Желательно сразу указывать такие имена рядов данных, по которым можно будет легко идентифицировать импортируемую переменную в дальнейшем при работе с ней в GRETL. Установите формат импортируемых ячеек на «Общий», проверьте отсутствие нечисловых значений в ячейках: текста, значений со знаком процента «%» и т.п. Сохраните рабочую книгу Excel в формате Excel с именем файла без символов кириллицы.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2016-12-17; просмотров: 374; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.222.120.93 (0.007 с.) |