- •Оглавление
- •1. Основы эконометрики. Типы данных, используемых в эконометрике. Оценка тесноты линейной связи. 3
- •Введение
- •Основы эконометрики. Типы данных, используемых в эконометрике. Оценка тесноты линейной связи.
- •Линейные регрессионные модели.
- •Использование средств Excel для проведения регрессионного анализа
- •3. Примеры использования различных функций Excel для оценки параметров парной линейной регрессии
- •5. Умножаем матрицу на y.
- •Вычисляем обратную матрицу .
- •4. Умножаем обратную матрицу на транспонированную матрицу .
- •4. Некоторые вопросы применения моделей множественной регрессии.
- •Свойства оценок мнк.
- •4.1. Проверка условия гомоскедастичности случайной составляющей (возмущения).
- •Упорядочение п наблюдений по мере возрастания переменной х.
- •4.2. Проверка условия независимости случайных составляющих в различных наблюдениях.
- •4.3. Проверка условия независимости объясняющих факторов
- •4.4. Регрессионные модели с переменной структурой (фиктивные переменные).
- •5. Комплексный пример исследования экономических данных с использованием корреляционно-регрессионного анализа
- •5.1. Матрица коэффициентов парной корреляции. Выбор факторных признаков для построения регрессионной модели
- •5.2.А. Выбор факторных признаков для построения регрессионной модели на основе анализа матрицы коэффициентов парной корреляции.
- •5.2.Б. Выбор факторных признаков для построения регрессионной модели методом исключения.
- •5.3. Оценка качества модели регрессии
- •5.4. Оценка значимости уравнения регрессии и его коэффициентов
- •5.5. Проверка условия независимости остатков
- •5.6. Оценка влияния факторов, включенных в модель, на объем реализации
- •5.7. Оценка точечных и интервальных прогнозных оценок объема реализации на два квартала вперед
- •Задачи для самостоятельного решения.
- •7. Задания для выполнения контрольной работы
- •Литература
- •Приложение. Значения статистик Дарбина-Уотсона при 5%-ном уровне значимости.
Вычисляем обратную матрицу .
Выделяем диапазон для размещения обратной матрицы (H12:I13).
В категории Математические выбираем функцию вычисления обратной матрицы =МОБР(H8:I9), в качестве массива указываем диапазон ячеек H8:I9, где размещена матрица, к которой надо вычислить обратную.
Затем следует нажать клавиши CTRL+SHIFT+ENTER.
4. Умножаем обратную матрицу на транспонированную матрицу .
Выделяем диапазон ячеек для результата умножения матриц (H16:Q17) размером 2*10. Результатом является массив с таким же числом строк, как обратная матрица , т.е. 2 и с таким же числом столбцов, как матрица , т.е. 10.
Затем вводится формула умножения матриц = МУМНОЖ(H12:I13, D4: E13).
Затем следует нажать клавиши CTRL+SHIFT+ENTER.
5. Умножаем матрицу на y.
Выделяем диапазон ячеек для результата умножения матриц (H19: H20) размером 2*1.
Затем вводится формула умножения матриц = МУМНОЖ(H16:Q17, B4: B13).
Затем следует нажать клавиши CTRL+SHIFT+ENTER.
В ячейках H19: H20 будут находиться параметры модели линейной регрессии а0 =102,5 и а1=46,87.
В матричной форме расчет параметров модели может быть представлен на рис. 3.8 -3.9.
3.8. Фрагмент рисунка 3.7 в режиме «Показать формулы».
Рис. 3.9. Вычисления параметров модели с помощью матричных функций МУМНОЖ и МОБР.
Решение 1) d)
Построение модели линейной регрессии зависимости стоимости ущерба, нанесенного пожаром от расстояния до ближайшей пожарной станции с использованием функции ЛИНЕЙН табличного процессора Excel.
Рассмотрим технологию оценки параметров модели линейной регрессии зависимости стоимости ущерба, нанесенного пожаром от расстояния до ближайшей пожарной станции на основании данных (табл. 1.2) с использованием с использованием функции ЛИНЕЙН.
Вначале выделяем диапазон для размещения результатов выполнения функции ЛИНЕЙН. На листе выделяется область высотой 5 строк и шириной равной количеству столбцов с данными, в нашем примере их два (F5:G9). Затем вызываем функцию ЛИНЕЙН.
При применении функции ЛИНЕЙН табличного процессора Excel на экран дисплея выдается диалоговое окно (рис. 3.10) для задания значений (у) и (х).
Рис. 3.10. Диалоговое окно функции ЛИНЕЙН
В данном окне в строке «Известные значения y» следует внести все 10 значений из столбца y, а в строке «Известные значения x» - соответственно все 10 значений из столбца x. Если необходимо выполнить оценку двух параметров – постоянного и регрессионного, то в строке «Конст» следует указать значение 1. Так как при оценке параметров модели нас, в первую очередь, интересуют статистические сведения, то в окне строки «Статистика» следует указать значение 1. После ввода всех значений, как показано на рис. 3.11, следует нажать клавиши CTRL+SHIFT+ENTER.
После этого, будет выдан результат, как показано на рис. 3.12.
3.11. Диалоговое окно функции ЛИНЕЙН после задания необходимых данных
Рис. 3.12.Результат выполнения функции ЛИНЕЙН
-
46,87
102,50
4,26
14,50
R2
0,94
18,01
F
121,10
8
ν
ESS
39276,94
2594,66
RSS
Слева и справа от полученных значений указаны их обозначения (наименования), которые поясняются ниже:
и – оценки параметров полученной парной регрессии (1-я строка);
и – стандартные ошибки оцененных параметров (2-я строка);
R2 – коэффициент детерминации (3-я строка, 1-ый столбец);
– стандартная ошибка полученной регрессии (3-я строка, 2-ой столбец);
F – статистика Фишера полученной парной регрессии (4-я строка, 1-ый столбец);
ν – степень свободы (3-я строка, 2-ой столбец);
RSS - (5-я строка, 1-ый столбец);
ESS - квадрат остатков для полученной парной регрессии (5-я строка, 2-ой столбец).
Итак, в первой строке выдаются значения параметров и , а во второй стоке соответственно их стандартные ошибки и .
В ячейках F8 и G8 будут находиться параметры модели линейной регрессии =102,5 и =46,87.
2) Проверим качество уравнения регрессии.
Качество модели оценивается коэффициентом детерминации R2.
=1-25,947/418,716=0,938
Величина R2 = 0,938 означает, что фактором расстояния до ближайшей пожарной станции можно объяснить 93,8% вариации (разброса) стоимости ущерба, нанесенного пожаром.
Точность модели оценим с помощью средней ошибки аппроксимации (2.11) Еотн=5,6%. Точность модели хорошая.
Оценим значимость уравнения регрессии с помощью критерия Фишера. Расчетное значение F- критерия вычислим по формуле (2.9)
Расчетное значение F- критерия Фишера можно найти в таблице Дисперсионный анализ протокола Excel.
Уравнение регрессии значимо на уровне α, если расчетное значение F>Fтабл., где Fтабл. – табличное значение F-критерия Фишера
Табличное
значение F-критерия можно найти с помощью
функции FРАСПОБР1.
Табличное значение F-критерия при α=0.05
при
и
составляет 5,318.
Поскольку
F
>F
,
уравнение регрессии следует признать
значимым.
Оценим значимость коэффициентов полученной модели, используя результаты отчета Excel. Это можно сделать тремя способами.
Коэффициент уравнения регрессии признается значимым в том случае, если:
Наблюдаемое значение t-статистики Стьюдента для этого коэффициента больше, чем критическое (табличное) значение статистики Стьюдента (для заданного уровня значимости, например,
и числа степеней свободы df=n-k-1,где
n
– это число
наблюдений,
аk
– число
факторов в модели);Р-значение t-статистики Стьюдента для этого коэффициента меньше, чем уровень значимости, например, ;
Доверительный интервал для этого коэффициента (вычисленный с некоторой доверительной вероятностью, например 95%) не содержит ноль внутри себя, т.е., если нижняя 95% и верхняя 95% границы доверительного интервала имеют одинаковые знаки.
Значимость коэффициента проверим по второму и третьему способам, используя данные табл. 3.3.
Р-значение ( ) = 0,00 < 0,01 < 0,05.
Следовательно, коэффициент ( ) значим при 1%-ном уровне, а тем более при 5%-ном уровне значимости.
Нижняя 95% граница равна 3,70 и верхняя 95% граница равна 5,67, границы доверительного интервала имеют одинаковые знаки, следовательно, коэффициент ( ) значим.
3)
Для того, чтобы оценить
стоимость ущерба, нанесенного пожаром,
если расстояние до ближайшей пожарной
станции уменьшится на 10 % от своего
среднего уровня, необходимо найти
ожидаемое значение фактора х,
затем следует
подставить значение
|
Доверительный
интервал для прогнозов индивидуальных
значений
определяется
из соотношения (2.18):
Коэффициент
Стьюдента
для
m=8
степеней свободы и уровня значимости
0,01 равен 1,86; стандартная ошибка равна
1,801.
Таким
образом, прогнозное значение
=23,45
c
вероятностью 90% будет находиться между
верхней границей, равной 29,97
и нижней
границей, равной 19,93.
Рис. 3.13. Выполнение пункта 3 в Excel.
Рис. 3.14. График модели парной регрессии зависимости стоимости ущерба, нанесенного пожаром от расстояния до ближайшей пожарной станции точечный и интервальный прогноз.

в полученную модель: