Экономический анализ зависимости цены автомобиля от его возраста и мощности двигателя

Экономический анализ зависимости цены автомобиля от его возраста и мощности двигателя с помощью коэффициентов парной корреляции и множественной регрессии. Прогноз объёма продаж. Проверка регрессионных моделей на автокорреляцию и мультиколлинеарность.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 07.01.2013
Размер файла 537,1 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/

Размещено на http://www.allbest.ru/

Федеральное агентство по образованию

НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ И УПРАВЛЕНИЯ - «НИНХ»

Кафедра высшей математики

Вариант №2

Контрольная работа по учебной дисциплине «Эконометрика»

Выполнил:

Студент группы ФКП-021

Ахметжанова Оксана

№ зачетной книжки:102259

Новосибирск 2012

Задача 1

В базе данных магазина, торгующего подержанными автомобилями, содержится информация об их потребительских свойствах и ценах. Для анализа зависимости цены автомобиля Y от его возраста X1 и мощности двигателя X2 из базы данных выбраны сведения о 16 автомобилях. Эти сведения приведены в таблице 1.

Таблица 1

Номер автомобиля, i

Цена (тыс. у.е.), yi

Возраст (лет), xi1

Мощность двигателя (л.с.), xi2

1

6,0

6,0

142

2

2,3

7,0

93

3

4,3

6,0

116

4

7,2

3,0

101

5

8,4

3,0

127

6

6,8

4,0

111

7

5,5

4,0

92

8

4,7

5,0

100

9

4,9

5,0

108

10

5,5

5,0

120

11

7,6

4,0

145

12

7,6

4,0

145

13

8,5

3,0

131

14

4,0

7,0

134

15

2,9

7,0

94

16

5,5

6,0

141

1. Парные зависимости

1.1 Построить поля рассеяний для цены Y и возраста автомобиля X1, а также для цены Y и мощности двигателя X2. На основе их визуального анализа выдвинуть гипотезы о виде статистической зависимости Y от X1 и Y от X2 и записать их математически.

1.2 Методом наименьших квадратов найти оценки линейных уравнений регрессии: , .

1.3 С помощью коэффициентов парной корреляции проанализировать тесноту линейной связи между ценой и возрастом автомобиля, а также между ценой и мощностью двигателя. Проверить их значимость с надёжностью 0,9.

1.4 Проверить статистическую значимость параметров и уравнений регрессии с надёжностью 0,9.

1.5 Построить доверительные полосы надёжности 0,95 для среднего значения цены автомобиля в зависимости от его возраста, а также от мощности двигателя. Изобразить графически линии регрессии и доверительные полосы вместе с полями рассеяний.

1.6 На продажу поступила очередная партия однотипных автомобилей. Их возраст 3 года, мощность двигателя 165 л.с. Рассчитать точечный и интервальный прогноз среднего значения цены поступивших автомобилей в зависимости от возраста и мощности двигателя с доверительной вероятностью 0,95.

2. Множественная зависимость.

2.1 По методу наименьших квадратов найти оценки коэффициентов множественной линейной регрессионной модели

2.2 Проверить статистическую значимость параметров и уравнения множественной регрессии с надёжностью 0,9.

2.3 Рассчитать точечный и интервальный прогноз среднего значения цены поступивших автомобилей возраста 3 года и мощностью двигателя 165 л.с. с доверительной надёжностью 0,95.

3. Экономическая интерпретация.

На основе полученных в пунктах 1 и 2 статистических характеристик провести содержательный экономический анализ зависимости цены автомобиля от его возраста и мощности двигателя.

Решение

1. Парные зависимости

1.1. Построим поля рассеяний для цены Y и возраста автомобиля X1, а также для цены Y и мощности двигателя X2.

На основе визуального анализа выдвигаем гипотезы о линейной статистической зависимости Y от X1 и Y от X2 и записываем их математически.

1.2. Методом наименьших квадратов найдём оценки линейных уравнений регрессии:

, .

Оценки параметров можно получить по формулам.

Составим расчётную таблицу:

i

yi

yi2

xi1

xi12

xi1•yi

xi2

xi22

xi2•yi

1

6

36

6,0

36

36

142

20164

852

2

2,3

5,29

7,0

49

16,1

93

8649

213,9

3

4,3

18,49

6,0

36

25,8

116

13456

498,8

4

7,2

51,84

3,0

9

21,6

101

10201

727,2

5

8,4

70,56

3,0

9

25,2

127

16129

1066,8

6

6,8

46,24

4,0

16

27,2

111

12321

754,8

7

5,5

30,25

4,0

16

22

92

8464

506

8

4,7

22,09

5,0

25

23,5

100

10000

470

9

4,9

24,01

5,0

25

24,5

108

11664

529,2

10

5,5

30,25

5,0

25

27,5

120

14400

660

11

7,6

57,76

4,0

16

30,4

145

21025

1102

12

7,6

57,76

4,0

16

30,4

145

21025

1102

13

8,5

72,25

3,0

9

25,5

131

17161

1113,5

14

4

16

7,0

49

28

134

17956

536

15

2,9

8,41

7,0

49

20,3

94

8836

272,6

16

5,5

30,25

6,0

36

33

141

19881

775,5

Сумма

91,7

577,45

79,0

421

417

1900

231332

11180,3

Среднее

5,731

36,091

4,938

26,313

26,063

118,75

14458,25

698,769

Следовательно:

- зависимость цены от возраста.

- зависимость цены от мощности.

1.3. С помощью коэффициентов парной корреляции проанализируем тесноту линейной связи между ценой и возрастом автомобиля, а также между ценой и мощностью двигателя. Проверить их значимость с надёжностью 0,9.

Коэффициент парной корреляции определяем по формуле:

Проанализируем тесноту линейной связи между ценой и возрастом автомобиля.

Рассчитаем матрицу парных коэффициентов корреляции:

Делаем вывод о сильной отрицательной (обратной) связи.

Проанализируем тесноту линейной связи между ценой и мощностью двигателя.

Рассчитаем матрицу парных коэффициентов корреляции:

Делаем вывод об умеренной прямой связи.

Проверим значимость коэффициентов корреляции с надёжностью 0,9.

Проверка осуществляется по формуле:

В нашем случае для первого коэффициента:

Условие выполняется, следовательно, коэффициент корреляции существенно отличен от нуля.

В нашем случае для второго коэффициента:

Условие выполняется, следовательно, коэффициент корреляции существенно отличен от нуля.

1.4. Проверим статистическую значимость параметров и уравнений регрессии с надёжностью 0,9.

Проверим с помощью критерия Фишера значимость уравнения регрессии (адекватность модели исследуемой зависимости):

1)

Рассчитаем коэффициенты детерминации для зависимости y от x1:

т.е. вариация цены на 79,7% объясняется возрастом автомобиля;

Рассчитаем фактическое значение F - статистики Фишера по формуле:

Пусть доверительная вероятность р=0,9. По таблице найдём: Ft(0,1; 1; 14)=3,1

Т.к. FФ >Ft (0,1; 1; 14), то признается статистическая значимость уравнения.

Проверим статистическую значимость параметров полученной модели:

Для парной регрессии существует связь между статистиками Стьюдента и Фишера:

,

Для зависимости y от x1 получаем: . Т.к. это значение больше =1,761, поэтому гипотезу о равенстве нулю коэффициента б1 отвергаем.

2)

Рассчитаем коэффициенты детерминации для зависимости y от x2:

т.е. вариация цены всего лишь на 28,6% объясняется мощностью автомобиля;

Рассчитаем фактическое значение F - статистики Фишера:

Пусть доверительная вероятность р=0,9. По таблице найдём: Ft (0,1; 1; 14)=3,1

Т.к. FФ >Ft (0,1; 1; 14), то признается статистическая значимость уравнения.

Проверим статистическую значимость параметров полученной модели:

Для парной регрессии существует связь между статистиками Стьюдента и Фишера:

,

Для зависимости y от x2 получаем: . Т.к. это значение больше =1,761, поэтому гипотезу о равенстве нулю коэффициента в1 также отвергаем.

1.5. Построим доверительные полосы надёжности 0,95 для среднего значения цены автомобиля в зависимости от его возраста, а также от мощности двигателя. Изобразим графически линии регрессии и доверительные полосы вместе с полями рассеяний.

Доверительные интервалы среднего значения цены для рассчитываем по формуле:

где - соответственно верхняя и нижняя границы доверительного интервала в точке; - значение независимой переменной x1, для которой определяется доверительный интервал; - квантиль распределения Стьюдента с доверительной вероятностью 1- и числом степеней свободы n-2. При =0,1 t0,05;14=1,761.

Значение стандартной ошибки Sy определяется по формуле:

где ; - остаточная дисперсия уравнения регрессии.

Рассмотрим первое уравнение парной регрессии.

- зависимость цены от возраста.

Составим расчётную таблицу

Таблица 1

i

yi

xi1

еi

еi2

(xi-xср)2

Sy

1,761•Sy

1

6

6

4,503

1,50

2,24

1,129

0,606

1,067

3,436

5,570

2

2,3

7

3,347

-1,047

1,10

4,254

0,861

1,517

1,830

4,863

3

4,3

6

4,503

-0,203

0,04

1,129

0,606

1,067

3,436

5,570

4

7,2

3

7,971

-0,771

0,59

3,754

0,825

1,454

6,517

9,425

5

8,4

3

7,971

0,429

0,18

3,754

0,825

1,454

6,517

9,425

6

6,8

4

6,815

-0,015

0,00

0,879

0,580

1,022

5,793

7,838

7

5,5

4

6,815

-1,315

1,73

0,879

0,580

1,022

5,793

7,838

8

4,7

5

5,659

-0,959

0,92

0,004

0,482

0,849

4,810

6,508

9

4,9

5

5,659

-0,759

0,58

0,004

0,482

0,849

4,810

6,508

10

5,5

5

5,659

-0,159

0,03

0,004

0,482

0,849

4,810

6,508

11

7,6

4

6,815

0,785

0,62

0,879

0,580

1,022

5,793

7,838

12

7,6

4

6,815

0,785

0,62

0,879

0,580

1,022

5,793

7,838

13

8,5

3

7,971

0,529

0,28

3,754

0,825

1,454

6,517

9,425

14

4

7

3,347

0,653

0,43

4,254

0,861

1,517

1,830

4,863

15

2,9

7

3,347

-0,447

0,20

4,254

0,861

1,517

1,830

4,863

16

5,5

6

4,503

0,997

0,99

1,129

0,606

1,067

3,436

5,570

Сумма

91,7

79

91,7

0,00

10,54

30,938

Сред

5,731

4,938

5,731

0,00

0,659

Представим полученные результаты графически

Рассмотрим второе уравнение парной регрессии.

- зависимость цены от мощности.

Составим расчётную таблицу:

Таблица 2

i

yi

xi2

еi

еi2

(xi-xср)2

Sy

1,761•Sy

1

6

142

6,916

-0,92

0,84

540,563

0,763

1,345

5,572

8,261

2

2,3

93

4,419

-2,119

4,49

663,063

0,814

1,433

2,985

5,852

3

4,3

116

5,591

-1,291

1,67

7,563

0,486

0,857

4,734

6,448

4

7,2

101

4,826

2,374

5,63

315,063

0,661

1,163

3,663

5,990

5

8,4

127

6,152

2,248

5,05

68,063

0,525

0,925

5,227

7,077

6

6,8

111

5,336

1,464

2,14

60,063

0,520

0,916

4,420

6,253

7

5,5

92

4,368

1,132

1,28

715,563

0,835

1,470

2,898

5,837

8

4,7

100

4,775

-0,075

0,01

351,563

0,678

1,195

3,581

5,970

9

4,9

108

5,183

-0,283

0,08

115,563

0,554

0,975

4,208

6,159

10

5,5

120

5,795

-0,295

0,09

1,563

0,482

0,850

4,945

6,645

11

7,6

145

7,069

0,531

0,28

689,063

0,824

1,452

5,618

8,521

12

7,6

145

7,069

0,531

0,28

689,063

0,824

1,452

5,618

8,521

13

8,5

131

6,356

2,144

4,60

150,063

0,574

1,010

5,345

7,366

14

4

134

6,509

-2,509

6,29

232,563

0,619

1,090

5,419

7,598

15

2,9

94

4,470

-1,570

2,46

612,563

0,793

1,397

3,072

5,867

16

5,5

141

6,865

-1,365

1,86

495,063

0,744

1,310

5,555

8,176

Сумма

91,7

1900

91,7

0,00

37,064

5707,000

Сред

5,731

118,75

5,731

0,00

2,316

Представим полученные результаты графически

1.6. На продажу поступила очередная партия однотипных автомобилей. Их возраст 3 года, мощность двигателя 165 л.с. Рассчитаем точечный и интервальный прогноз среднего значения цены поступивших автомобилей в зависимости от возраста и мощности двигателя с доверительной вероятностью 0,95.

Подставляем в первую модель возраст 3 года, получаем точечный прогноз:

тыс. у.е.

Подставляем точечный прогноз среднего цены и в уравнения границ доверительного интервала

и получаем интервальный прогноз с доверительной вероятностью 0,95:

, или тыс. у.е.; тыс. у.е.

Подставляем во вторую модель мощность 165 л.с., получаем точечный прогноз:

тыс. у.е.

Подставляем точечный прогноз среднего цены и в уравнения границ доверительного интервала

и получаем интервальный прогноз с доверительной вероятностью 0,95:

, или тыс. у.е.; тыс. у.е.

2. Множественная зависимость

2.1. По методу наименьших квадратов находим оценки коэффициентов множественной линейной регрессионной модели

Система нормальных уравнений имеет вид.

Находим численные значения оценок в данной задаче. Обозначим:

; ; ;

Тогда

Для этого выполним следующие расчеты:

Множественная линейная регрессионная модель

имеет вид:

2.2. Проверим статистическую значимость параметров и уравнения множественной регрессии с надёжностью 0,9.

Расчётная таблица 3

i

yi

xi1

xi2

yiп

e 2

(yi -yiср) 2

1

6

6

142

5,503

0,247

0,052

2

2,3

7

93

2,406

0,011

11,057

3

4,3

6

116

4,437

0,019

1,675

4

7,2

3

101

7,086

0,013

1,835

5

8,4

3

127

8,152

0,062

5,860

6

6,8

4

111

6,408

0,154

0,458

7

5,5

4

92

5,629

0,017

0,010

8

4,7

5

100

4,869

0,029

0,743

9

4,9

5

108

5,197

0,088

0,285

10

5,5

5

120

5,689

0,036

0,002

11

7,6

4

145

7,802

0,041

4,288

12

7,6

4

145

7,802

0,041

4,288

13

8,5

3

131

8,316

0,034

6,681

14

4

7

134

4,087

0,008

2,704

15

2,9

7

94

2,447

0,205

10,786

16

5,5

6

141

5,462

0,001

0,072

Сумма

91,7

79

1900

91,292

1,004

50,798

Средее

5,73125

4,9375

118,75

5,706

0,063

3,175

По таблице критических точек определяем фактическое значение t-критерия Стьюдента:

t0,9;13=1,771.

Рассчитаем стандартные ошибки коэффициентов регрессии по формуле:

j=0,1,…,m,

где zjj - диагональные элементы обратной матрицы (XTX)-1, которые равны соответственно:

3,71617

0,03281

0,00018

,

,

,

Т.к. неравенство tФ > t0,9;13=1,771 выполняется для всех коэффициентов, то коэффициенты уравнения регрессии статистически значимы, т.е. они существенно отличны от нуля.

Проверим статистическую значимость параметров и уравнения множественной регрессии с надёжностью 0,9:

Проверка осуществляется по формуле:

,

где rxy - коэффициент множественной корреляции.

Коэффициент множественной корреляции определяется по формуле:

Коэффициент детерминации равен: 0,98, следовательно, множественная регрессия объясняет 98% колебаний значений y. Это свидетельствует о значительном суммарном влиянии независимых переменных x1 и x2 на y.

Проверим статистическую значимость коэффициента множественной корреляции.

В нашем случае:

Условие выполняется, следовательно, коэффициент множественной корреляции существенно отличен от нуля.

Проверим уравнение регрессии на значимость:

для зависимости у от х1 и x2.

При уровне значимости =0,1 и количестве степеней свободы df1=1, df2=16-3=13 определяем, что табличное значение F-статистики Фишера будет равно Fт(0,1;1;13)=3,136. Т.к. Fт<Fф то признается статистическая значимость уравнения регрессии, и оно может быть использовано в прикладных целях.

2.3. Рассчитаем точечный и интервальный прогноз среднего значения цены поступивших автомобилей возраста 3 года и мощностью двигателя 165 л.с. с доверительной надёжностью 0,95.

Точечный прогноз рассчитаем по формуле:

В нашем случае: тыс. у.е.

Интервальный прогноз рассчитаем по формуле

,

где , ,

Вычисляем:

;

Тогда

При этом t0,95;13=1,771

Поэтому:

или ; тыс. у.е.

Оформим результаты в таблице.

Таблица 4

Точечный прогноз

Интервальный прогноз

(1; 3; 165)

9,71

0,199

9,357

10,063

3. Экономическая интерпретация

На основе полученных в пунктах 1 и 2 статистических характеристик провести содержательный экономический анализ зависимости цены автомобиля от его возраста и мощности двигателя.

Цена от возраста

На основе визуального анализа поля рассеяния выдвигаем гипотезу о линейной зависимости цены от возраста, методом наименьших квадратов получаем уравнение парной регрессии: - зависимость цены от возраста. Первый коэффициент определяет цену автомобиля с возрастом 0 лет, эта цена равна 11,44 тыс. у.е., второй коэффициент означает изменение цены в зависимости от изменения возраста, при «старении» на 1 год цена уменьшается в среднем на 1,156 тыс. у.е., при этом данные коэффициенты существенно отличны от нуля, то есть статистически значимы. Коэффициент парной корреляции, равный -0,893, означает, что между возрастом и ценой существует сильная связь, носящая обратный характер: с увеличением возраста уменьшается цена, при этом коэффициент статистически значим, то есть существенно отличен от нуля.

В целом уравнение регрессии статистически значимо с надёжностью 0,9.

Если поступает автомобиль с возрастом 3 года, то его прогнозная цена составит 7,971 тыс. у.е., и будет находиться в интервале 6,517?9,425 тыс. у.е. с надёжностью 0,95.

Цена от мощности

На основе визуального анализа поля рассеяния выдвигаем гипотезу о линейной зависимости цены от возраста, методом наименьших квадратов получаем уравнение парной регрессии: - зависимость цены от мощности. Первый коэффициент определяет цену автомобиля мощности 0 л.с., в нашем случае экономической интерпретации не имеет, второй коэффициент означает изменение цены в зависимости от изменения мощности, при увеличении мощности на 1 л.с. цена увеличивается в среднем на 0,051 тыс. у.е., при этом данные коэффициенты существенно отличны от нуля, то есть статистически значимы. Коэффициент парной корреляции, равный 0,535 означает, что между возрастом и ценой существует умеренная связь, носящая прямой характер: с увеличением мощности увеличивается цена, при этом коэффициент статистически значим, то есть существенно отличен от нуля.

В целом уравнение регрессии статистически значимо с надёжностью 0,9.

Если поступает автомобиль с мощностью 165 л.с., то его прогнозная цена составит 8,089 тыс. у.е., и будет находиться в интервале 5,846?10,331 тыс. у.е. с надёжностью 0,95.

Множественная регрессия

Получено уравнение, моделирующее зависимость цены от возраста и мощности одновременно: , уравнение статистически значимо, вариация y на 98% объясняется вариацией входящих сюда переменных x1 и x2.

Точечный прогноз даёт значение у=9,71 тыс. у.е., интервальный - (9,357; 10,063) тыс. у.е. - в этом интервале находится прогнозная цена с вероятностью 95%.

Задача 2

В базе данных магазина также содержится информация об объёме ежемесячных продаж автомобилей за прошлый год, представленная в таблице 5.

Таблица 5

Месяц, i

Объём продаж (тыс. у.е.), zt

1

606

2

639

3

702

4

790

5

980

6

973

7

1064

8

1070

9

1200

10

1180

11

1257

12

1167

1. Представить графически ежемесячные объёмы продаж автомагазина. На основе визуального анализа построенного графика выдвинуть гипотезу о виде статистической зависимости объёма продаж от времени и записать её математически.

2. Методом наименьших квадратов найти оценку уравнения линейного тренда

3. Для линии тренда построить доверительную полосу надёжности 0,975. Нарисовать её на графике вместе с линией тренда и исходным временным рядом.

4. С помощью уравнения тренда найти точечный и интервальный прогноз (надёжности 0,975) среднего объёма продаж для t = 15.

корреляция регрессия цена

Решение

1. Представим графически ежемесячные объёмы продаж автомагазина.

Построим ломаную кривую изменения объема продаж от времени

На основе визуального анализа построенного графика выдвигаем гипотезу о линейном виде статистической зависимости объёма продаж от времени и запишем её математически:

2. Методом наименьших квадратов находим оценки уравнения линейного тренда

Система нормальных уравнений имеет вид:

При этом коэффициенты находятся из уравнений.

Составим расчётную таблицу

Таблица 6

Месяц, t

Объём продаж (тыс. у.е.), zt

zt•t

t2

1

606

606

1

2

639

1278

4

3

702

2106

9

4

790

3160

16

5

980

4900

25

6

973

5838

36

7

1064

7448

49

8

1070

8560

64

9

1200

10800

81

10

1180

11800

100

11

1257

13827

121

12

1167

14004

144

Сумма(=78)

11628

84327

650

Получаем

Следовательно, уравнение тренда (регрессии) будет иметь вид

3. Для линии тренда построим доверительную полосу надёжности 0,975 и нарисуем её на графике вместе с линией тренда и исходным временным рядом.

Доверительные интервалы для объёма продаж рассчитываем по формуле.

где - соответственно верхняя и нижняя границы доверительного интервала в точке ;

- квантиль распределения Стьюдента с доверительной вероятностью 1- и числом степеней свободы n-2. При =0,05 t0,025;10=2,228.

Расчётная таблица 7

t

zt

еi

еi2

(ti-tср)2

Sz

2,228•Sz

1

606

632,654

-26,654

710,428

30,25

37,857

84,345

548,309

716,998

2

639

693,808

-54,808

3003,883

20,25

33,064

73,667

620,140

767,475

3

702

754,96

-52,962

2804,925

12,25

28,659

63,853

691,109

818,814

4

790

816,115

-26,115

682,013

6,25

24,848

55,362

760,754

871,477

5

980

877,269

102,731

10553,611

2,25

21,943

48,888

828,381

926,158

6

973

938,423

34,577

1195,564

0,25

20,335

45,306

893,117

983,729

7

1064

999,577

64,423

4150,333

0,25

20,335

45,306

954,271

1044,883

8

1070

1060,731

9,269

85,919

2,25

21,943

48,888

1011,842

1109,619

9

1200

1121,88

78,115

6102,013

6,25

24,848

55,362

1066,523

1177,246

10

1180

1183,038

-3,038

9,232

12,25

28,659

63,853

1119,186

1246,891

11

1257

1244,192

12,808

164,037

20,25

33,064

73,667

1170,525

1317,860

12

1167

1305,346

-138,346

19139,658

30,25

37,857

84,345

1221,002

1389,691

Сумма (=78)

11628

11628

0,000

48601,615

143

Среднее (=6,5)

969,0

969,0

0,000

4050,135

11,917

- стандартная ошибка

; - остаточная дисперсия уравнения регрессии.

Рассмотрим уравнение парной регрессии.

Иллюстрируем графически

4. С помощью уравнения тренда найти точечный и интервальный прогноз (надёжности 0,975) для среднего объёма продаж для t=15.

Точечный прогноз

тыс. у.е.

Интервальный прогноз

, или

тыс. у.е.

тыс. у.е.

Задача 3

Проверка моделей на автокорреляцию и мультиколлинеарность

1. Для регрессионных моделей:

и

с помощью критерия Дарбина - Уотсона проверить наличие или отсутствие автокорреляции на уровне значимости б=0,05.

2. Для регрессионной модели

проверим наличие или отсутствие мультиколлинеарности, используем:

а) парный коэффициент корреляции (приближённо);

б) критерий «хи - квадрат» ч2 на уровне значимости б=0,05.

Решение

1. Для регрессионных моделей

и

с помощью критерия Дарбина - Уотсона проверить наличие или отсутствие автокорреляции на уровне значимости б=0,05.

Статистика Дарбина - Уотсона имеет вид

Таблица 8

i

ei

(ei-ei-1)2

ei

(ei-ei-1)2

1

0,497

-26,654

2

-0,106

0,364

-54,808

792,639

3

-0,137

0,001

-52,962

3,408

4

0,114

0,063

-26,115

720,716

5

0,248

0,018

102,731

16601,331

6

0,392

0,021

34,577

4644,947

7

-0,129

0,271

64,423

890,793

8

-0,169

0,002

9,269

3041,947

9

-0,297

0,016

78,115

4739,793

10

-0,189

0,012

-3,038

6585,947

11

-0,202

0,000

12,808

251,101

12

-0,202

0,000

-138,346

22847,485

13

0,184

0,149

14

-0,087

0,073

15

0,453

0,292

16

0,038

0,172

Итого:

1,454

61120,107

а)

Получаем

В задаче число наблюдений n=16, число объясняющих переменных m=2.

По таблице находим d1=0,982; du=1,539. В нашем случае d1<d<du, поэтому ничего нельзя сказать о наличии или об отсутствии автокорреляции.

б)

Получаем

В задаче число наблюдений n=12, число объясняющих переменных m=1.

Согласно теории [1], d - статистика Дарбина - Уотсона определена для объёмов выборки не менее 15, следовательно, в данном случае применение этой статистики не совсем корректно. Примем n=15, тогда при одной объясняющей переменной m=1 получим:

По таблице находим d1=0,982; du=1,539. В нашем случае du<d<du, ничего нельзя сказать о наличии или об отсутствии автокорреляции.

2. Для регрессионной модели

проверим наличие или отсутствие мультиколлинеарности, используем:

а) парный коэффициент корреляции (приближённо);

- уравнение регрессии.

Находим коэффициент парной корреляции между объясняющими переменными, для вычислений воспользуемся Excel (статистическая функция КОРРЕЛ), получаем:

Вычисляем t-статистику.

- можно говорить, что коэффициенты не коррелируют между собой, следовательно, мультиколлинеарность отсутствует.

б) критерий «хи - квадрат» ч2 на уровне значимости б=0,05.

Рассчитаем определитель матрицы коэффициентов парной корреляции:

По формуле

получаем:

Табличное значение статистики равно: чтабл2=3,84

Так как чфакт2=0,202 меньше чтабл2=3,84, то можно сделать окончательный вывод об отсутствии мультиколлинеарности.

Литература

1. Н.Ш. Кремер, Б.А. Путко. Эконометрика; М.: ЮНИТИ - ДАНА, 2002.

2. Эконометрика: Методические указания к выполнению контрольной работы для студентов заочной формы обучения по всем специальностям / Н.В. Воронович, Г.Л. Русин - Новосибирск: НГУЭУ, 2005.

Размещено на Allbest.ru


Подобные документы

  • Характеристика зависимости цены автомобиля от его возраста и мощности двигателя на основе полученных статистических данных (линейной зависимости). Расчет мультиколлинеарности между объясняющими переменными, анализ надежности оценок параметров модели.

    контрольная работа [60,0 K], добавлен 21.03.2010

  • Доверительные интервалы для среднего значения цены автомобиля в зависимости от его возраста для уравнения регрессии в расчетах парной и множественной зависимостей. График ежемесячных объемов продаж магазина. Коэффициенты регрессионного уравнения тренда.

    контрольная работа [499,1 K], добавлен 16.09.2011

  • Взаимосвязь между двумя выбранными переменными на фоне действия остальных показателей. Матрица парных коэффициентов корреляции. Уравнение множественной регрессии. Расчет коэффициентов для проверки наличия автокорреляция. Вариации зависимой переменной.

    контрольная работа [43,7 K], добавлен 03.09.2013

  • 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

  • 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

  • Параметры автомобиля, которые влияют на стоимость. Обозначение границ выборки. Использование множественной регрессии. Построение с помощью эконометрического программного пакета Eviews симметричной матрицы парных коэффициентов корреляции между факторами.

    контрольная работа [348,7 K], добавлен 13.05.2015

  • Исследование зависимости сменной добычи угля на одного рабочего от мощности пласта путем построения уравнения парной линейной регрессии. Построение поля корреляции. Определение интервальных оценок заданных коэффициентов. Средняя ошибка аппроксимации.

    контрольная работа [2,1 M], добавлен 09.08.2013

  • Построение линейной модели зависимости цены товара в торговых точках. Расчет матрицы парных коэффициентов корреляции, оценка статистической значимости коэффициентов корреляции, параметров регрессионной модели, доверительного интервала для наблюдений.

    лабораторная работа [214,2 K], добавлен 17.10.2009

  • Исследование зависимости часового заработка одного рабочего от общего стажа работы после окончания учебы с помощью построения уравнения парной линейной регрессии. Вычисление описательных статистик. Построение поля корреляции и гипотезы о форме связи.

    контрольная работа [226,6 K], добавлен 11.08.2015

  • 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

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.