Xreferat.com » Рефераты по экономико-математическому моделированию » Cтатистическая надежность регрессионного моделирования

Cтатистическая надежность регрессионного моделирования

Вариант 4-1


1. Рассчитайте параметры уравнения линейной регрессии

2. Оцените тесноту связи с помощью показателей корреляции и детерминации

3. Определите среднюю ошибку аппроксимации. Сделайте выводы

4. Оцените статистическую надежность регрессионного моделирования с помощью F-критерия Фишера и t-критерия Стьюдента

5. Оцените полученные результаты, оформите выводы


№ набл. Район Средний размер назначенных ежемесячных пенсий, тыс.руб., y Прожиточный минимум в среднем на одного пенсионера в месяц, тыс.руб., x




1 Брянская обл. 240 178
2 Владимирская обл. 226 202
3 Ивановская обл. 221 197
4 Калужская обл. 226 201
5 Костромская обл. 220 189
6 г.Моска 250 302
7 Москавская обл. 237 215
8 Орловская обл. 232 166
9 Рязанская обл. 215 199
10 Смоленская обл. 220 180
11 Тверская обл. 222 181
12 Тульская обл. 231 186
13 Ярославская обл. 229 250

Fтабл.=4,84(α =0,05)

 =9,29 =34,75
1. Расчет параметров уравнения линейной регрессии по данным таблицы:


Решение:


1. Уравнение линейной регрессии имеет следующий вид:

Cтатистическая надежность регрессионного моделирования


№ наблюдения

х

y

X2

X·Y

 yx y- yx Ai
1 178 240 31684 42720 222,51 17,49 7,29
2 202 226 40804 45652 227,67 -1,67 0,74
3 197 221 38809 43537 226,59 -5,59 2,53
4 201 226 40401 45426 227,45 -1,45 0,64
5 189 220 35721 41580 224,87 -4,87 2,22
6 302 250 91204 75500 249,17 0,83 0,33
7 215 237 46225 50955 230,46 6,54 2,76
8 166 232 27556 38512 219,93 12,07 5,20
9 199 215 39601 42785 227,02 -12,02 5,59
10 180 220 32400 39600 222,94 -2,94 1,34
11 181 222 32761 40182 223,15 -1,15 0,52
12 186 231 34596 42966 224,23 6,77 2,93
13 250 229 62500 57250 237,99 -8,99 3,93

Сумма

 2646 2969 554262 606665


Ср. значение

 203,54 228,38 42635,54 46666,54

2,77

Найдем b:

Cтатистическая надежность регрессионного моделирования


Тогда

Cтатистическая надежность регрессионного моделирования


Уравнение линейной регрессии имеет вид:

ŷx =184,239+0,215x

2. а) Рассчитываем коэффициент корреляции:

по формуле:


rxy = b — = 0,21 =0,78


с помощью статистической функции КОРРЕЛ-r =0,78

Связь между переменными x и y прямая, средняя, близкая к сильной, т.е. величина среднемесячной пенсии в значительной мере зависит от прожиточного минимума в среднем на одного пенсионера в месяц

б) Для определения средней ошибки аппроксимации рассчитываем столбцы


yx , y- yx , Ai :

Ai = y- yx * 100, А = 1/n∑ni=1 Ai


Получаем значение средней ошибки аппроксимации


А = 2,77%


Величина ошибки аппроксимации говорит о хорошем качестве модели.

в) Величина коэффициента детерминации получена с помощью функции


ЛИНЕЙН R2 = rxy2 = 0,61,


то есть в 61% случаев изменения среднемесячного прожиточного минимума на одного пенсионера приводят к изменению среднемесячной пенсии. Другими словами – точность подбора регрессии 61 % - средняя.


3. Оценка статистической значимости


а) по критерию Фишера:

1. Выдвигаем нулевую гипотезу о статистической незначимости параметров регрессии и показателя корреляции а = b = rxy =0;

2. Фактическое значение критерия получено из функции ЛИНЕЙН


∑(ỹx-y)І/m rІxy0,61

Fфакт= = (n-2) = (13-2) = 1,56*11 = 17,2;

∑(y-ỹ)І /(n-m-1) 1-rІxy 1-0,61

3. Fтабл =4,84


4. Сравниваем фактическое и табличное значения критерия Fфакт> Fтабл , т.е.нулевую гипотезу отклоняем и делаем вывод о статистической значимости и надежности полученной модели.

б) по критерию Стьюдента:

1. Выдвигаем гипотезу о статистически незначимом отличии показателей от нуля: a = b = rІxy = 0;

2. Табличное значение t – критерия зависит от числа степеней свободы и заданного уровня значимости α. Уровень значимости – это вероятность отвергнуть правильную гипотезу.


Cтатистическая надежность регрессионного моделированияrxy √(n-m)

t=

Cтатистическая надежность регрессионного моделирования√(1- r2xy)


Где n – количество наблюдений; m – количество факторов.

t= 0,78√(13-2)= 2,59=4,18

Cтатистическая надежность регрессионного моделирования√(1-0,61)0,62

3. Фактические значения t-критерия рассчитываются отдельно для каждого параметра модели. С этой целью сначала определяются случайные ошибки параметров mа , mb, mrxy .


Cтатистическая надежность регрессионного моделированияmа=Sост √∑х2 = 1,65;

mb= Sост = 0,004

Cтатистическая надежность регрессионного моделированияnσх σх√n

Cтатистическая надежность регрессионного моделированияmrxy= √(1- r2xy) = 0,062

n-m-1


Cтатистическая надежность регрессионного моделированиягде Sост=√(∑ (y- yx ) ) = 5 = 0,5

n-m-110

Рассчитываем фактические значения t – критерия:


tфа =a/ mа =111,66

tфb =b/ mb =53,75

tфrxy= rxy/mrxy = 12,58


tфа>tтабл ; tфb>tтабл ; tфrxy >tтабл . Нулевую гипотезу отклоняем , параметры a, b, rxy - не случайно отличаются от нуля и являются статистически значимыми и надежными.

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты:

  • Уравнения регрессии. Коэффициент эластичности, корреляции, детерминации и F-критерий Фишера

    Построение поля корреляции и формулировка гипотезы о линейной форме связи. Расчет уравнений различных регрессий. Расчет коэффициентов эластичности, корреляции, детерминации и F-критерия Фишера. Расчет прогнозного значения результата и его ошибки.

  • Определение зависимости цены товара

    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.

  • Построение регрессионной модели

    Порядок построения линейного регрессионного уравнения, вычисление его основных параметров и дисперсии переменных, средней ошибки аппроксимации и стандартной ошибки остаточной компоненты. Построение линии показательной зависимости на поле корреляции.

  • Парная регрессия

    Сущность и основные этапы проведения регрессионного анализа. Виды ошибок и возможности их прогнозирования. Построение поля корреляции и гипотеза о форме связи. Порядок произведения расчета прогнозного значения результата по линейному уравнению регрессии.

  • Примеры решения эконометрических заданий

    Вычисление уравнений регрессии для различных показателей продукции. Определение выборочной корреляции между двумя величинами. Расчет коэффициента детерминации и статистики Дарбина-Уотсона. Вычисление выборочной частной автокорреляции 1-го порядка.

  • Корреляционный и регрессионный анализ

    Построение линейного уравнения парной регрессии, расчет линейного коэффициента парной корреляции и средней ошибки аппроксимации. Определение коэффициентов корреляции и эластичности, индекса корреляции, суть применения критерия Фишера в эконометрике.

  • Расчет показателей эконометрики

    Поля корреляции, характеризующие зависимость ВРП на душу населения от размера инвестиций в основной капитал. Оценка параметров уравнения парной линейной регрессии. Коэффициент множественной корреляции. Способы оценки параметров структурной модели.

  • Уравнения линейной регрессии

    Параметры уравнения и экономическое толкование коэффициента линейной регрессии. Расчет коэффициентов детерминации и средних относительных ошибок аппроксимации. Построение структурной формы модели с использованием косвенного метода наименьших квадратов.

  • Эконометрическое моделирование: расчет коэффициентов корреляции и регрессии, анализ одномерного временного ряда

    Эконометрическое моделирование стоимости квартир в московской области. Матрица парных коэффициентов корреляции. Расчет параметров линейной парной регрессии. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.

  • Исследование моделей

    Линейная регрессивная модель. Степенная регрессивная модель. Показательная регрессивная модель. Регрессивная модель равносторонней гиперболы. Преимущества математического подхода. Применение экономико-математических методов и моделей.

  • Математические модели задач и их решение на ЭВМ

    Расчет оптимального числа поездов, при которых перевозится максимальное число пассажиров, плана перевозки с минимальными расходами. Выбор стратегии выпуска новой продукции. Построение регрессионной модели зависимости расходов на питание от дохода семьи.

  • Построение корреляции исследуемых зависимостей

    Изучение зависимости прибыли банков от вложений в уставные капиталы предприятий графическим методом подбора вида уравнения регрессии. Построение модели объема выпуска продукции по данным численности рабочих, элекровооруженности и потери рабочего времени.

  • Зависимость цены от качества

    Расчет матрицы парных коэффициентов корреляции и статистической значимости коэффициентов регрессии. Оценка статистической значимости параметров регрессионной модели с помощью t-критерия. Уравнение множественной регрессии со статистически факторами.

  • Экономическая интерпретация коэффициента регрессии

    Параметры уравнения линейной регрессии. Вычисление остаточной суммы квадратов, оценка дисперсии остатков. Осуществление проверки значимости параметров уравнения регрессии с помощью критерия Стьюдента. Расчет коэффициентов детерминации и эластичности.

  • Эконометрика

    Расчет параметров парной линейной регрессии. Оценка статистической значимости уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента. Построение матрицы парных коэффициентов корреляции. Статистический анализ с помощью ППП MS EXCEL.

  • Показатели эконометрики

    Этапы и проблемы эконометрических исследований. Параметры парной линейной регрессии. Оценка тесноты связи с помощью показателей корреляции и детерминации. Расчет коэффициентов автокорреляции второго порядка для временного ряда расходов на потребление.

  • Уравнения регрессии

    Особенности расчета параметров уравнений линейной, степенной, полулогарифмической, обратной, гиперболической парной и экспоненциальной регрессии. Методика определения значимости уравнений регрессии. Идентификация и оценка параметров системы уравнений.

  • Особенности решения задач в эконометрике

    Построение поля корреляции с формулировкой гипотезы о форме связи. Построение моделей парной регрессии. Оценка тесноты связи с помощью коэффициента (индекса) корреляции. Расчет прогнозного значения результата и доверительного интервала прогноза.

  • Прогноз среднего значения цены

    Расчет прогноза среднего значения цены и доверительных интервалов для него, используя статистический подход. Методы построения полей рассеяния между ценой и возрастом автомобиля, между ценой и мощностью автомобиля. Обоснование гипотезы о наличии тренда.

  • Расчет коэффициента эластичности и показателей корреляции и детерминации

    Построение поля корреляции, расчет уравнений линейной парной регрессии, на основе данных о заработной плате и потребительских расходах в расчете на душу населения. Анализ коэффициента эластичности, имея уравнение регрессии себестоимости единицы продукции.