Определение параметров уравнения множественной регрессии

Оценка линейного коэффициента множественной корреляции, коэффициента детерминации, средних коэффициентов эластичности, бетта–, дельта–коэффициентов двухфакторной регрессионной модели. Коэффициент детерминации модели, прогноз результирующего показателя.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 16.04.2012
Размер файла 197,5 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

2

Размещено на http://www.allbest.ru/

Контрольная работа

Определение параметров уравнения множественной регрессии

Задание 1

множественная корреляция регрессионная модель двухфакторная

По десяти кредитным учреждениям получены данные, характеризующие зависимость объема прибыли (Y) от среднегодовой ставки по кредитам (X1), ставки по депозитам (X2) и размера внутрибанковских расходов (X3).

Требуется:

1. Осуществить выбор факторных признаков для построения двухфакторной регрессионной модели.

2. Рассчитать параметры модели.

3. Для характеристики модели определить:

Ш линейный коэффициент множественной корреляции,

Ш коэффициент детерминации,

Ш средние коэффициенты эластичности, бетта-, дельта-коэффициенты.

Дать их интерпретацию.

4. Осуществить оценку надежности уравнения регрессии.

5. Оценить с помощью t-критерия Стьюдента статистическую значимость коэффициентов уравнения множественной регрессии.

6. Построить точечный и интервальный прогнозы результирующего показателя.

7. Отразить результаты расчетов на графике.

Выполнение задач отразить в аналитической записке, приложить компьютерные распечатки расчетов.

1. Построение системы показателей (факторов). Анализ матрицы коэффициентов парной корреляции. Выбор факторных признаков для построения двухфакторной регрессионной модели.

В этом примере n = 10, m = 3.

При вычислении коэффициента корреляции по формуле:

.

В таблице 2.3 приведены сводные результаты корреляционного анализа.

Таблица 2

Y

X1

X2

X3

Объем прибыли

Среднегодовые ставки по кредитам

ставки по депозитам

размер внутрибанковских расходов

22

30

20

32

44

34

52

56

66

68

176

170

156

172

162

160

166

156

152

138

150

154

146

134

132

126

134

126

88

120

86

94

100

96

134

114

122

118

130

108

Таблица 2.1.

t

Y

X1

1

22

176

-20,4

416,16

15,2

231,04

-310,08

2

30

170

-12,4

153,76

9,2

84,64

-114,08

3

20

156

-22,4

501,76

-4,8

23,04

107,52

4

32

172

-10,4

108,16

11,2

125,44

-116,48

5

44

162

1,6

2,56

1,2

1,44

1,92

6

34

160

-8,4

70,56

-0,8

0,64

6,72

7

52

166

9,6

92,16

5,2

27,04

49,92

8

56

156

13,6

184,96

-4,8

23,04

-65,28

9

66

152

23,6

556,96

-8,8

77,44

-207,68

10

68

138

25,6

655,36

-22,8

519,84

-583,68

?

424

1608

0

2742,4

-

1113,6

-1231,2

сред

42,4

160,8

-

-

-

-

-

знач

Таблица 2.2

t

Y

X2

1

22

150

-20,4

416,16

19

361

-387,6

2

30

154

-12,4

153,76

23

529

-285,2

3

20

146

-22,4

501,76

15

225

-336

4

32

134

-10,4

108,16

3

9

-31,2

5

44

132

1,6

2,56

1

1

1,6

6

34

126

-8,4

70,56

-5

25

42

7

52

134

9,6

92,16

3

9

28,8

8

56

126

13,6

184,96

-5

25

-68

9

66

88

23,6

556,96

-43

1849

-1014,8

10

68

120

25,6

655,36

-11

121

-281,6

?

424

1310

0

2742,4

-

3154

-2332

сред

42,4

131

-

-

-

-

-

знач

Таблица 2.3

t

Y

X3

1

22

86

-20,4

416,16

-24,2

585,64

493,68

2

30

94

-12,4

153,76

-16,2

262,44

200,88

3

20

100

-22,4

501,76

-10,2

104,04

228,48

4

32

96

-10,4

108,16

-14,2

201,64

147,68

5

44

134

1,6

2,56

23,8

566,44

38,08

6

34

114

-8,4

70,56

3,8

14,44

-31,92

7

52

122

9,6

92,16

11,8

139,24

113,28

8

56

118

13,6

184,96

7,8

60,84

106,08

9

66

130

23,6

556,96

19,8

392,04

467,28

10

68

108

25,6

655,36

-2,2

4,84

-56,32

?

424

1102

0

2742,4

-

2331,6

1707,2

сред

42,4

110,2

-

-

-

-

-

знач

Таблица 2.4

t

Х1

X2

Х1-

1-)2

Х2-

2-)2

1-)* (Х2-)

1

176

150

15,2

231,04

19

361

288,8

2

170

154

9,2

84,64

23

529

211,6

3

156

146

-4,8

23,04

15

225

-72

4

172

134

11,2

125,44

3

9

33,6

5

162

132

1,2

1,44

1

1

1,2

6

160

126

-0,8

0,64

-5

25

4

7

166

134

5,2

27,04

3

9

15,6

8

156

126

-4,8

23,04

-5

25

24

9

152

88

-8,8

77,44

-43

1849

378,4

10

138

120

-22,8

519,84

-11

121

250,8

?

1608

1310

-

1113,6

-

3154

1136

сред

160,8

131

-

-

-

-

-

знач

Таблица 2.5

t

Х1

X3

Х1-

1-)2

Х3-

3-)2

1-)* (Х3-)

1

176

86

15,2

231,04

-24,2

585,64

-367,84

2

170

94

9,2

84,64

-16,2

262,44

-149,04

3

156

100

-4,8

23,04

-10,2

104,04

48,96

4

172

96

11,2

125,44

-14,2

201,64

-159,04

5

162

134

1,2

1,44

23,8

566,44

28,56

6

160

114

-0,8

0,64

3,8

14,44

-3,04

7

166

122

5,2

27,04

11,8

139,24

61,36

8

156

118

-4,8

23,04

7,8

60,84

-37,44

9

152

130

-8,8

77,44

19,8

392,04

-174,24

10

138

108

-22,8

519,84

-2,2

4,84

50,16

?

1608

1102

-

1113,6

-

2331,6

-701,6

сред

160,8

110,2

-

-

-

-

-

знач

Таблица 2.6

t

Х2

X3

Х2-

2-)2

Х3-

3-)2

2-)* (Х3-)

1

150

86

19

361

-24,2

585,64

-459,8

2

154

94

23

529

-16,2

262,44

-372,6

3

146

100

15

225

-10,2

104,04

-153

4

134

96

3

9

-14,2

201,64

-42,6

5

132

134

1

1

23,8

566,44

23,8

6

126

114

-5

25

3,8

14,44

-19

7

134

122

3

9

11,8

139,24

35,4

8

126

118

-5

25

7,8

60,84

-39

9

88

130

-43

1849

19,8

392,04

-851,4

10

120

108

-11

121

-2,2

4,84

24,2

?

1310

1102

0

3154

-

2331,6

-1854

сред

131

110,2

-

-

-

-

-

знач

Таблица 2.7.

Объем прибыли

Среднегодовые ставки по кредитам

Ставки по депозитам

Размер внутрибанковских расходов

Столбец 1

Столбец 2

Столбец 3

Столбец 4

Объем прибыли

Среднегодовые ставки по кредитам

Ставки по депозитам

Размер внутрибанковских расходов

1

-0,705

-0,793

0,675

1

0,606

-0,435

1

-0,684

1

Анализ результатов коэффициентов парной корреляции показывает, что зависимая переменная, т.е. объем прибыли имеет тесную связь:

- со ставками по депозитам ( )

- со среднегодовыми ставками по кредитам( )

В этом примере n=10, m = 3, после исключения незначимых факторов n = 10, k = 2.

Выбор вида модели и оценка ее параметров.

Таблица 2.8

Y

X1

X2

Объем прибыли

Среднегодовые ставки по кредитам

ставки по депозитам

22

30

20

32

44

34

52

56

66

68

176

170

156

172

162

160

166

156

152

138

150

154

146

134

132

126

134

126

88

120

Уравнение множественной регрессии может быть представлено в виде:

Y = f(в , X) + е

Для оценки параметров уравнения множественной регрессии применяют МНК.

Определим вектор оценок коэффициентов регрессии. Согласно методу наименьших квадратов, вектор s получается из выражения:

s = (XTX)-1XTY

Матрица X

1

176

150

1

170

154

1

156

146

1

172

134

1

162

132

1

160

126

1

166

134

1

156

126

1

152

88

1

138

120

Матрица Y

22

30

20

32

44

34

52

56

66

68

Матрица XT

1

1

1

1

1

1

1

1

1

1

176

170

156

172

162

160

166

156

152

138

150

154

146

134

132

126

134

126

88

120

Умножаем матрицы, (XTX)

Расписать как получили каждый элемент матрицы (что на что умножали цифрами):

а11=

а12=

а21=

а22=

а13=

В матрице, (XTX) число 10, 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)

аналогично расписать цифрами что на что умножали.

Находим обратную матрицу (XTX)-1 аналогично расписать, как нашли каждое значение

23.87

-0.16

0.0166

-0.16

0.0014

-0.0005

0.0166

-0.0005

0.0005

Вектор оценок коэффициентов регрессии равен

s = (XTX)-1XTY =

Уравнение регрессии (оценка уравнения регрессии)

Y = 202.3647-0.5554X1-0.5393X2

Регрессионный анализ составлен на основе прил. №1

Таблица 2.9

Регрессионная статистика

Принятые наименования

формула

Результат

1

Коэффициент множественной корреляции

0,841

2

Коэффициент детерминации, R2

0,708

3

Скорректированный R2

0,625

4

Стандартная ошибка

10,7

5

Количество наблюдений

n

10

Таблица 2.10

df - число степеней свободы

SS - сумма квадратов

MS

F-критерий Фишера

Регрессия

k=2

Остаток

n - k - 1=7

Итого

N - 1 =9

Таблица 2.11

Коэффициенты

Стандартная ошибка

t-статистика

Y - пересечение

Реклама

Индекс потребительских расходов

202,365

-0,555

-0,539

52,253

0,403

0,239

3,873

-1,378

-2,252

Таблица 2.12 Оценка качества модели

Y(X1,X2)

ei

ei2

ei - ei-1

(ei - ei-1)2

23.71

-1.71

2.93

0

0

24.89

5.11

26.16

-6.82

46.58

36.98

-16.98

288.19

22.09

488

34.56

-2.56

6.56

-14.41

207.79

41.19

2.81

7.87

-5.37

28.81

45.54

-11.54

133.19

14.35

205.83

37.89

14.11

198.99

-25.65

657.78

47.76

8.24

67.85

5.87

34.44

70.48

-4.48

20.06

12.72

161.7

61

7

49.05

-11.48

131.85

424

0

800.85

-8.71

1962.77

42.4

0

80.08

-0.87

196.28

Проверку независимости проведем с помощью d-критерия Дарбина - Уотсона.

В качестве критических табличных уровней при N = 10, двух объясняющих факторах при уровне значимости в 5% возьмем величины d1 = 0,98 и d2 = 1,54.

Автокорреляция отсутствует, если выполняется следующее условие:

d1 < DW и d2 < DW < 4 - d2.

По таблице Дарбина-Уотсона для n=9 и k=1 (уровень значимости 5%) находим: d1 = 1.08; d2 = 1.36.

Поскольку 0,98 < 2,451 и 1,54 < 2,451 < 4 - 1,54, то автокорреляция остатков присутствует.

Вычислим для модели коэффициент детерминации

Если расчетное значение с k1=(m) и k2=(n-m-1) степенями свободы больше табличного при заданном уровне значимости, то модель считается значимой.

Он показывает долю вариации результативного признака под воздействием изучаемых факторов. Следовательно, около 71% вариация зависимой переменной учтено в модели и обусловлено влиянием включенных факторов

Средним коэффициентом эластичности, показывающим на сколько процентов среднем по совокупности изменится результат y от своей средней величины при измени фактора xi на 1% от своего среднего значения;

Частный коэффициент эластичности E1 < 1. Следовательно, его влияние на результативный признак Y незначительно.

Частный коэффициент эластичности E2 < 1. Следовательно, его влияние на результативный признак Y незначительно.

- в-коэффициенты, показывающие, что, если величина фактора изменится на одно среднеквадратическое отклонение Sxi, то значение результативного признака изменится в среднем на в своего среднеквадратического отклонения;

- долю каждого фактора в общей вариации результативного признака определяют коэффициенты раздельной детерминации (отдельного определения):

d2i = ryxiвi.

d21 = -0.7 * -0.0209 = 0.0147.

d22 = -0.79 * -0.0121 = 0.0096.

Проверка гипотезы H0 о статистической значимости уравнения регрессии и показателя тесноты связи (R2 = 0) производится по F-критерию Фишера сравнением

Fфакт с Fтабл.

Оценка статистической значимости парной линейной регрессии производится по следующему алгоритму:

1. Выдвигается нулевая гипотеза о том, что уравнение в целом статистически незначимо: H0: R2=0 на уровне значимости б.

2. Далее определяют фактическое значение F-критерия:

где m=2 для множественной регрессии с двумя факторами.

3. Табличное значение определяется по таблицам распределения Фишера для заданного уровня значимости, принимая во внимание, что число степеней свободы для общей суммы квадратов (большей дисперсии) равно 2 и число степеней свободы остаточной суммы квадратов (меньшей дисперсии) при линейной регрессии равно n-2-1.

4. Если фактическое значение F-критерия меньше табличного, то говорят, что нет основания отклонять нулевую гипотезу.В противном случае, нулевая гипотеза отклоняется и с вероятностью (1-б) принимается альтернативная гипотеза о статистической значимости уравнения в целом.

Табличное значение критерия со степенями свободы k1=2 и k2=7, Fkp = 4.74

Поскольку фактическое значение F > Fkp, то коэффициент детерминации статистически значим (найденная оценка уравнения регрессии статистически надежна).

Оценка значимости коэффициентов регрессии с помощью t-критерия Стьюдента.

Оценка значимости коэффициентов регрессии b1 и b2 производится с помощью t-критерия Стьюдента и связана с сопоставлением их значений с величиной случайных ошибок mb1 и mb2. Более простым способом расчета фактических значений tb1 и tb2 является их определение через критерии F:

Проверим гипотезу H0 о равенстве отдельных коэффициентов регрессии нулю (при альтернативе H1 не равно) на уровне значимости б=0.05.

tкрит (n-m-1;б/2) = (7;0.025) = 2.365

(расписать, как рассчитали числитель и знаменатель)

Поскольку 3.87 > 2.365, то статистическая значимость коэффициента регрессии b0 подтверждается (отвергаем гипотезу о равенстве нулю этого коэффициента).

(расписать, как рассчитали числитель и знаменатель)

Поскольку 1.38 < 2.365, то статистическая значимость коэффициента регрессии b1 не подтверждается (принимаем гипотезу о равенстве нулю этого коэффициента).

(расписать, как рассчитали числитель и знаменатель)

Поскольку 2.25 < 2.365, то статистическая значимость коэффициента регрессии b2 не подтверждается (принимаем гипотезу о равенстве нулю этого коэффициента).

Построить точечный и интервальный прогнозы результирующего показателя.

Таблица 2.13

Объем прибыли

Среднегодовые ставки по кредитам

ставки по депозитам

абсолютные приросты

y

X1

X2

xi-xi-1

xi-xi-1

22

176

150

-

-

30

170

154

-6

4

20

156

146

-14

-8

32

172

134

16

-12

44

162

132

-10

-2

34

160

126

-2

-6

52

166

134

6

8

56

156

126

-10

-8

66

152

88

-4

-38

68

138

120

-14

32

?

-

-

-38

-30

Ср.зн.

-

-

-4,22

-3,33

Для получения прогнозных оценок зависимостей переменных по модели

Y = 202,365-0,555X1-0,539X2

Подставим в нее найденные прогнозные значения факторов X1 и X2.

Yt=11 = 202,365-0,555*(138-4,22)-0,539*(120-3.33)=65.22

Yt=12 = -1471,438 + 9,5684,85 + 15,754112,488 = 69.36

tкрит (n-m-1;б/2) = (7;0.025) = 2.365

Доверительный интервал прогноза будет иметь следующие границы:

Верхняя граница прогноза

Yp (N+1) + U(1)

Нижняя граница прогноза:

Yp (N+1) - U(1).

Результаты прогнозных оценок модели регрессии.

Таблица 2.14

Таблица прогнозов (р=95%)

Упреждение

Прогноз

Нижняя граница

Верхняя граница

1

65,22

39,91

90,52

2

69,36

44,04

94,67

Отразить результаты расчетов на графике.

Рисунок 1.Фактический и расчетный ряд.

Приложение1

ВЫВОД ИТОГОВ

Регрессионная статистика

Множественный R

0,841413

R-квадрат

0,707975

Нормированный R-квадрат

0,62454

Стандартная ошибка

10,69612

Наблюдения

10

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

2

1941,552

970,7758

8,485289

0,013458

Остаток

7

800,8485

114,4069

Итого

9

2742,4

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y-пересечение

202,3647

52,25349

3,87275

0,00611

78,80482

325,9246

78,80482

325,9246

Переменная X 1

-0,55543

0,403

-1,37824

0,210569

-1,50837

0,397513

-1,50837

0,397513

Переменная X 2

-0,53933

0,239463

-2,25223

0,059004

-1,10557

0,026915

-1,10557

0,026915

ВЫВОД ОСТАТКА

Наблюдение

Предсказанное Y

Остатки

Стандартные остатки

1

23,71029

-1,71029

-0,18131

2

24,88557

5,114434

0,54218

3

36,97618

-16,9762

-1,79964

4

34,56121

-2,56121

-0,27151

5

41,19416

2,805841

0,297447

6

45,54097

-11,541

-1,22346

7

37,89379

14,10621

1,495397

8

47,76269

8,237311

0,873236

9

70,47877

-4,47877

-0,47479

10

60,99637

7,003625

0,742453

Размещено на Allbest


Подобные документы

  • Расчет линейного коэффициента парной и частной корреляции. Статистическая значимость параметров регрессии и корреляции. Анализ корреляционного поля данных. Точность прогноза, расчет ошибки и доверительный интервал. Коэффициент множественной детерминации.

    контрольная работа [155,8 K], добавлен 11.12.2010

  • Экономическая интерпретация коэффициентов множественной регрессии. Доверительные интервалы для параметров множественной регрессии. Скорректированный коэффициент детерминации. Средние коэффициенты эластичности. Прогноз фундаментального исследования.

    контрольная работа [866,7 K], добавлен 07.02.2009

  • Определение параметров линейной регрессии и корреляции с использованием формул и табличного процессора MS Excel. Методика расчета показателей парной нелинейной регрессии и корреляции. Вычисление значений линейных коэффициентов множественной детерминации.

    контрольная работа [110,4 K], добавлен 28.07.2012

  • Ковариационная матрица оценок коэффициентов регрессии. Оценка дисперсии ошибок. Сущность теоремы Гаусса-Маркова. Проверка статистических гипотез, доверительные интервалы. Расчет коэффициента детерминации, скорректированного коэффициента детерминации.

    контрольная работа [1,4 M], добавлен 28.07.2013

  • Понятие модели множественной регрессии. Сущность метода наименьших квадратов, который используется для определения параметров уравнения множественной линейной регрессии. Оценка качества подгонки регрессионного уравнения к данным. Коэффициент детерминации.

    курсовая работа [449,1 K], добавлен 22.01.2015

  • Построение модели множественной линейной регрессии по заданным параметрам. Оценка качества модели по коэффициентам детерминации и множественной корреляции. Определение значимости уравнения регрессии на основе F-критерия Фишера и t-критерия Стьюдента.

    контрольная работа [914,4 K], добавлен 01.12.2013

  • Выбор факторных признаков для двухфакторной модели с помощью корреляционного анализа. Расчет коэффициентов регрессии, корреляции и эластичности. Построение модели линейной регрессии производительности труда от факторов фондо- и энерговооруженности.

    задача [142,0 K], добавлен 20.03.2010

  • Описание классической линейной модели множественной регрессии. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности. Оценка модели парной регрессии с наиболее значимым фактором. Графическое построение интервала прогноза.

    курсовая работа [243,1 K], добавлен 17.01.2016

  • Расчет параметров линейного уравнения множественной регрессии; определение сравнительной оценки влияния факторов на результативный показатель с помощью коэффициентов эластичности и прогнозного значения результата; построение регрессионной модели.

    контрольная работа [1,1 M], добавлен 29.03.2011

  • Расчёт параметров линейного уравнения регрессии. Оценка регрессионного уравнения через среднюю ошибку аппроксимации, F-критерий Фишера, t-критерий Стьюдента. Анализ корреляционной матрицы. Расчёт коэффициентов множественной детерминации и корреляции.

    контрольная работа [241,8 K], добавлен 29.08.2013

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.