Уравнения линейной регрессии, коэффициент регрессии

Размещено на /

Федеральное агентство по образованию

Всероссийский заочный финансово-экономический институт

Контрольная работа

по дисциплине «Эконометрика»

Архангельск

2008

Условие задачи

По предприятиям лёгкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (Y, млн. руб.) от объема капиталовложений (X, млн. руб.).

Требуется:

1. Найти параметры уравнения линейной регрессии, дать экономическую интерпретацию коэффициента регрессии.

2. Вычислить остатки; найти остаточную сумму квадратов; оценить дисперсию остатков ; построить график остатков.

3. Проверить выполнение предпосылок МНК.

4. Осуществить проверку значимости параметров уравнения регрессии с помощью t-критерия Стьюдента (α=0,05).

5. Вычислить коэффициент детерминации, проверить значимость уравнения регрессии с помощью F-критерия Фишера (α=0,05), найти среднюю относительную ошибку аппроксимации. Сделать вывод о качестве модели.

6. Осуществить прогнозирование среднего значения показателя Y при уровне значимости α=0,1, если прогнозное значение фактора X составляет 80% от его максимального значения.

7. Представить графически фактические и модельные значения Y точки прогноза.

8. Составить уравнения нелинейной регрессии:

Гиперболической;

Степенной;

Показательной.

Привести графики построенных уравнений регрессии.

9. Для указанных моделей найти коэффициенты детерминации, коэффициенты эластичности и средние относительные ошибки аппроксимации. Сравнить модели по этим характеристикам и сделать вывод.

регрессия уравнение стьюдент фишер аппроксимация

Решение задачи.

1. Найти параметры уравнения линейной регрессии, дать экономическую интерпретацию коэффициента регрессии.

Для нахождения параметров уравнения линейной регрессии решим систему нормальных уравнений:

n=10

Найдём параметры уравнения линейной регрессии, используя надстройку «Мастер диаграмм» в Excel, тип диаграммы – точечная, выделяем столбцы (А1:В11), выбираем команду «Добавить линию тренда», выбираем 2 последние команды:

- показывать уравнение на диаграмме;

- поместить на диаграмму величину достоверности аппроксимации.

Общий вид уравнения регрессии имеет вид:

коэффициент регрессии.

Величина коэффициента регрессии () показывает, на сколько в среднем изменяется значение результата с изменением фактора на 1 единицу. Т.о в нашем случае, с увеличением объема капиталовложений (Х) на 1 млн.руб. объём выпуска продукции (У) возрастает в среднем на 0,761 млн.руб. (рис. 1).

Рис. 1

2. Вычислить остатки; найти остаточную сумму квадратов; оценить дисперсию остатков . Построить график остатков.

Вычислим остатки по формуле:

Оценка дисперсии остатков:

По следующим данным строим график остатков (рис. 2):

Рис. 2

3. Проверить выполнение предпосылок МНК.

1. Случайный характер остатков (критерий поворотных точек, критерий пиков):

,

где n- количество наблюдений;

m – количество поворотных точек (пиков).

Точка считается поворотной, если она больше предшествующей и последующей (или меньше).

является поворотной точкой

является поворотной точкой

не является поворотной точкой

не является поворотной точкой

не является поворотной точкой

является поворотной точкой

не является поворотной точкой

является поворотной точкой.

m=4

m=4>2, следовательно неравенство выполняется, свойство выполняется.

2. Независимость значений остатков (отсутствие автокорреляции). Критерий Дарбина-Уотсона.

сравниваем с двумя табличными:

, следовательно, свойство выполняется, остатки независимы.

3. Подчинение остатков нормальному закону (R/S критерий).

Расчётный критерий сравниваем с двумя табличными, если расчётный критерий попадает внутрь табличного интервала, то свойство выполняется.

(2,67;3,57)

1,216 < 2,67, следовательно, свойство не выполняется, остатки не подчинены нормальному закону.

4. Проверка равенства М(Е)=0, средняя величина остатков равна 0 (критерий Стьюдента).

Если < , то свойство выполняется.

2,2281

, следовательно, свойство выполняется.

5. Гомоскедастичность остатков, то есть дисперсия остатков () одинаково для каждого значения (остатки имеют постоянную дисперсию).

Если дисперсия остатков неодинакова, то имеет место гетероскедастичность.

Если предпосылки не выполняются, то модель нужно уточнять. Применяем тест Голдфельд-Квандта:

упорядочить (ранжировать) наблюдения по мере возрастания фактора «Х».

2) исключить d-средних наблюдений.

,

где n – количество наблюдений.

разделить совокупность на две группы: с малыми и большими значениями «Х» и для каждой из частей найти уравнение регрессии.

найти остаточную сумму квадратов отклонений () для каждого уравнения регрессии.

применяют критерий Фишера:

Если , то гетероскедастичность имеет место, то есть пятая предпосылка не выполняется.

Упорядочим наблюдениям по мере возрастания переменной Х:

X5=12; Y5=21 и Х6=14; Y6=20 исключаем.

; n=10

n=4

n=4

, так как

, значит, пятая предпосылка выполняется, следовательно, модель нужно адекватна.

4. Осуществить проверку значимости параметров уравнения регрессии с помощью t-критерия Стьюдента (α=0,05).

;

, следовательно, параметр значим.

, следовательно, коэффициент регрессии значим.

Интервальная оценка:

а0: 11,781 2,31*1,617

а0: 11,781 3,735

Нижняя граница: 11,781-3,735=8,046

Верхняя граница: 11,781+3,735=15,516

а0: (8,04615,516), следовательно, параметр а0 значим, так как в эти границы не попадает 0.

а1: 0,761 2,31*0,11

а1: 0,761