Множественная корреляция и регрессия.
Эконометрический анализ при нарушении классических предположений
![Реферат: Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений](https://gugn.ru/work/6775300/cover.png)
Найдем коэффициенты корреляции с помощью функции КОРРЕЛ и составим корреляционную матрицу. Коэффициенты ryx1=0,953 910 484, ryx2=-0,466 628 029, ryx3=0,943 286 416 показывают связь между результативным признаком у и факторами х1, х2, х3 соответственно; коэффициенты rx1x2=-0,277 483 687, rx1x3=0,962 893 243, rx2x3=0,962 045 218показывают связь между факторными признаками. Следовательно, данное… Читать ещё >
Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений (реферат, курсовая, диплом, контрольная)
Лабораторная работа № 2.
«Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений».
Выполнила: Богуш Кристина 12 МДНД Цели:
- -освоить методы отбора экзогенных переменных и оценки качества полученного уравнения;
- -научиться использовать надстройку «Анализ данных» пакета MS Excel при построении и анализе моделей множественной регрессии;
- -изучить предпосылки метода наименьших квадратов (условия Гаусса-Маркова), научиться обнаруживать и устранять нарушение этих предпосылок.
Исходные данные:
множественный корреляция регрессия.
y. | X1. | X2. | X3. |
Ход работы.
- 1. Считая, что междурезультативным и факторными признаками имеет место линейная связь, найти линейное уравнение связи (регрессии), проверить значимость его коэффициентов.
- 2. Найти парные коэффициенты корреляции и составить корреляционную матрицу. По полученным данным сделать вывод о тесноте связи между рассматриваемыми переменными. Проверить значимость коэффициентов корреляции и проанализировать полученные данные. Сделать вывод о наличии либо отсутствии мультиколлинеарности и при необходимости устранить мультиколлинеарность.
- 3. Найти линейное уравнение регрессии для преобразованной модели. Для полученной линейной модели определить коэффициенты эластичности. Сделать выводы.
- 4. Проверить адекватность модели по критерию Фишера и определить среднюю относительную ошибку аппроксимации. Уровень значимости б=0,1.
Решение:
Уравнение множественной линейной регрессии имеет следующий вид:
Y=b0 +b1x1+…+bkxk.
Оценка параметров b0, b1,b2,…, bkобычно осуществляется по методу наименьших квадратов:
![Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений.](/img/s/9/64/1780864_1.png)
min.
Для получения уравнения регрессии используем команды меню Сервис-Анализ данных-Регрессия. Укажем исходные эндогенные и экзогенные переменные, а также заданный уровень значимости. Получим следующий результат.
![Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений.](/img/s/9/64/1780864_2.png)
Запишем уравнение регрессии:
y=26,472 121+0,478 851×1−0,379 969×2+0,2 595×3.
Найдем коэффициенты корреляции с помощью функции КОРРЕЛ и составим корреляционную матрицу. Коэффициенты ryx1=0,953 910 484, ryx2=-0,466 628 029, ryx3=0,943 286 416 показывают связь между результативным признаком у и факторами х1, х2, х3 соответственно; коэффициенты rx1x2=-0,277 483 687, rx1x3=0,962 893 243, rx2x3=0,962 045 218показывают связь между факторными признаками.
Так как rx1x2=-0,277 483 687<0,8 и rx2x3=0,9 620 452 180,8, поэтому связь между факторами х1 и х3 достаточно сильная, имеет место мультиколлинеарность. Для устранения мультиколлинеарности применим метод исключения факторов.
Проверим значимость коэффициентов регресси по критерию Стьюдента. Значения t-статистики (фактические значения) для показателей х1 и х3 равны соответственно.
Наименьшее значение t-статистики у фактора х3. Исключим фактор х3 из рассмотрения и будем искать зависимость между факторами у и х1, х2.
Значимость коэффициентов корреляции проверяется по критерию Стьюдента. Выдвигаем нулевую гипотезу H0: коэффициент корреляции равен нулю; конкурирующая гипотеза H1: r?0.Если расчетное значение tрасч. Выше табличного, то можно сделать вывод, что величина коэффициента корреляции является значимой, следовательно, нулевая гипотеза отвергается.
При уровне значимости б=0,1 и с учетом того, что в задании количество степеней свободы равно: y=n-k-1=10−1-1=8, получим табличное значение критерия (функция СТЬЮДРАСПОБР). Вычислим фкактическое значение:
![Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений.](/img/s/9/64/1780864_3.png)
tyx1=.
Поскольку фактическое значение критерия в первых двух случаях выше табличного, то связь между результативными факторными показателями x1и x2 является надежной, а величина коэффициентов корреляции — значимой. Про фактор х3 можно сказать, что коэффициент корреляции значимым не является.
Матрица коэффициентов парной корреляции имеет вид (после исключения фактора х3):
0,953 910 484. | 0,466 628 029. | ||
К=. | 0,953 910 484. | 0,277 483 687. | |
0,466 628 029. | 0,277 483 687. |
Связь между оставшимися факторами достаточно слабая (rx1x2=-0,277 483 687<0,8).
Расчет коэффициента множественной корреляции производится на основе значений коэффициентов парной корреляции:
R=.
![Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений.](/img/s/9/64/1780864_4.png)
Где detK-определитель корреляционной матрицы;К11 -алгебраическое дополнение элемента первой строки и первого столбца матрицы К.
Найдем коэффициент множественной корреляции по формуле:
R=0,978 599 146.
Коэффициент детерминации D=0,957 656 288. Это значит, что изменение рентабельности на 95,8% зависит от изменения исследуемых факторов, а на долю других факторов приходится 4,2% изменения результативного показателя. После исключения фактора коэффициент детерминации уменьшился несущественно. Значит, в корреляционную модель удалось включить наиболее существенные факторы.
Найдем уравнение регрессии для преобразованной модели.
![Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений.](/img/s/9/64/1780864_5.png)
Проверим значимость коэффициентов нового уравнения регрессии по критерию Стьюдента. Значения t-статистики для показателей х1 и х2 равны соответственно 10,600 и -2,596, tтабл.=1,859, следовательно, коэффициенты нового уравнения регрессии являются значимыми, а мультиколлинеарность устранена.
Запишем уравнение регрессии:
Y=. | 26,55 221+0,482 978×1−0,38 169×2. |
Определение уравнения линейной регрессии осуществляется также с помощью функции ЛИНЕЙН категории Статистические. Для записи результат нужно выделить область размером 5х (к+1), где к-число переменных, а затем вызвать функцию ЛИНЕЙН. В диалоговом окне требуется задать следующие аргументы: интервал значений Yi; блок значений Xi; константу; статистику. В полях Константа и Статистика следует задать значение Истина. Задав аргументы, необходимо нажать Ctrl+Shift+Enter. Вывод результата осуществляется в следующем формате:
![]() … | ||
… | ||
… | ; | ; |
… | ; | ; |
![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() … | ; | ; |
Fрасч.=.
![Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений.](/img/s/9/64/1780864_20.png)
Используется для проверки значимости множественного коэффициента регрессии.
Проверим правильность полученных результатов, используя функцию ЛИНЕЙН:
— 0,381 692 393. | 0,482 978 425. | 26,55 221. |
0,147 011 301. | 0,45 563 807. | 7,360 938. |
0,954 123 962. | 1,366 438 707. | #Н/Д. |
72,79 255 196. | #Н/Д. | |
271,8 299 168. | 13,7 008 318. | #Н/Д. |
Уравнение регрессии и коэффициент детерминации совпадают с полученными ранее.
Коэффициенты эластичности рассчитываются по формуле:
Эi=.
![Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений.](/img/s/9/64/1780864_21.png)
И показывают, на сколько процентов в среднем изменяется функция с изменением аргумента на 1%.
Так, для переменной х1 коэффициент равен 0,7275, а для переменной х2 -0,4101.
Согласно полученным данным, рентабельность возрастает на 0,7275% при увеличении производительности труда на 1%; на 0,4101- при увеличении продолжительности оборота оборотных средств на 1%.
Критерий Фишера. Значимость построенной модели проверяется следующим образом. Выдвигаем гипотезу H0: модель незначима. Конкурирующая гипотеза H1: модель значима. Гипотеза проверяется по критерию Фишера. Фактическая величина Fрасч сопоставляется с табличной и делается заключение о надежности связи. Если Fрасч? Fтабл при заданном уровне значимости б, то линейную модель можно считать адекватной.
Fрасч=72,792 Fтабл=3,113.
Так как Fрасч? Fтабл, то построенную модель можно считать адекватной.
Для статистической оценки точности уравнения связи используется также средняя относительная ошибка аппроксимации:
Еотн=.
![Множественная корреляция и регрессия. Эконометрический анализ при нарушении классических предположений.](/img/s/9/64/1780864_22.png)
Чем меньше теоретическая линия регрессии отклоняется от фактической, тем меньше средняя относительная ошибка аппроксимации Еотн=1,82%.
Средняя ошибка мала, что также свидетельствует об адекватности модели.
Следовательно, данное уравнение можно использовать для практических целей: оценки результатов хозяйственной деятельности; расчета влияния факторов на прирост результативного показателя; подсчета резервов повышения уровня исследуемого показателя; планирования и прогнозирования его величины.