|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
РЕШЕНИЕ ТИПОВОГО ПРИМЕРА. СОДЕРЖАНИЕ С. ЛАБОРАТОРНАЯ РАБОТА № 1 «Математическое моделирование экономических процессов с помощью парных регрессионныхСОДЕРЖАНИЕ
ЛАБОРАТОРНАЯ РАБОТА № 1 «Математическое моделирование экономических процессов с помощью парных регрессионных моделей» Данные представлены таблицей значений независимой переменной X и зависимой переменной Y. Задание 1. Вычислить коэффициент корреляции и сделать вывод о тесноте и направлении связи. 2. На уровне значимости α = 0,05 проверить гипотезу о значимости коэффициента корреляции. 3. Составить уравнение парной регрессии Y = b 0 + b 1 X. 4. Нанести данные на чертеж и изобразить прямую регрессии. 5. С помощью коэффициента детерминации R 2 оценить качество построенной модели. 6. Оценить значимость уравнения регрессии с помощью дисперсионного анализа. 7. При уровне значимости a = 0,05 построить доверительные интервалы для оценки параметров регрессии β 1, β 0 и сделать вывод об их значимости. 8. При уровне значимости a = 0,05 получить доверительные интервалы для оценки среднего и индивидуального значений зависимой переменной Y, если значение объясняющей переменной X принять равным x*.
РЕШЕНИЕ ТИПОВОГО ПРИМЕРА
Пусть имеются следующие данные:
1. Вычисление коэффициента корреляции rxy проведем по формуле: , а расчёт параметров b 1 и b 0 выборочного уравнения парной регрессии соответственно по формулам: , , где , , а n – объём выборки. Для расчётов удобно использовать следующую таблицу:
Таблица 1 – Вспомогательная таблица для расчета параметров уравнения парной регрессии
Замечание. Столбцы 7 – 9 таблицы 1 заполняются после получения выборочного уравнения прямой регрессии и будут необходимы для выполнения последующих пунктов задания. Используя результаты вычислений, представленные в таблице 1, найдём значение выборочного коэффициента корреляции: . Полученное значение коэффициента корреляции свидетельствует о том, что между переменными и имеется высокая корреляционная связь. Данная связь характеризуется как положительная, т. е. с увеличением одной из переменных значения другой переменной также увеличиваются.
2. Для оценки значимости коэффициента корреляции следует использовать статистику , которая в условиях нулевой гипотезы H0: ρxy = 0 имеет распределение Стьюдента с числом степеней свободы, равным n – 2. В нашем случае получаем следующее расчётное значение статистики: . Используя таблицы распределения Стьюдента при заданном уровне надёжности γ = 0,95 (γ = 1 – α) и числе степеней свободы, равном 8, определим критическое значение статистики: t крит= t (0,95;8) = 2,31. Поскольку | t расч| > t крит, то нулевую гипотезу о равенстве нулю коэффициента корреляции отвергаем с вероятностью ошибки меньше 5% и делаем вывод о значимости коэффициента корреляции.
3. Для того чтобы составить выборочное уравнение прямой регрессии, необходимо вычислить коэффициенты b 1 и b 0. Используя результаты расчётов, представленных в таблице 1, находим: , b 0 = 60 – 2,302*83 = –131,066. Таким образом, получаем следующее регрессионное уравнение: Y = -131,066 + 2,302* X.
4. Прямая регрессии представлена на рисунке 1. Рисунок 1 – График линейной регрессионной модели
5. Качество регрессионной модели может быть оценено с помощью коэффициента детерминации R 2, который определяется формулой: , где ŷi = b 0 + b 1 xi, – расчётные (прогнозные) значения величины , полученные подстановкой соответствующих значений X в уравнение регрессии. Для вычисления этих значений используются столбцы 7 – 9 таблицы 1. В нашем случае имеем: . Коэффициент детерминации показывает, какую часть вариации (дисперсии) зависимой переменной Y воспроизводит (объясняет) построенное уравнение регрессии. В нашем случае построенное уравнение регрессии на 77,3% объясняет зависимость переменной от переменной X.
Замечание. Для проверки правильности расчётов можно воспользоваться соотношением .
6. Проверка значимости уравнения регрессии заключается в установлении его существенности. Другими словами эта проверка даёт ответ на вопрос о том, насколько можно быть уверенным, что рассматриваемая регрессионная зависимость действительно наличествует в генеральной совокупности, а не является результатом случайного отбора наблюдений. Проверка значимости регрессионной зависимости производится методом однофакторного дисперсионного анализа, где в качестве фактора выступает построенное уравнение регрессии. Результаты дисперсионного анализа принято представлять в виде стандартной таблицы 2. Таблица 2 – Результаты дисперсионного анализа
В нашем случае при расчёте сумм квадратов следует принять во внимание следующие равенства: ; RSS = TSS – ESS. С учётом результатов, представленных в таблице 1, получим следующие значения: TSS = 42854 – 10*602 = 6854; ESS = 1554,796; Тогда таблица дисперсионного анализа примет вид таблицы 3. Таблица 3 – Результаты дисперсионного анализа
При отсутствии линейной зависимости между переменными X и Y статистика имеет распределение Фишера с числом степеней свободы v 1 = 1; v 2 = n – 2 = 8. Принимая стандартный 5% уровень значимости, в таблице критических точек распределения Фишера находим F крит = F (0,05;1;8) = 5,32. Поскольку F расч = 27,267 превышает F крит = 5,32, то делаем вывод о значимости уравнения регрессии.
7. Исправленные выборочные оценки стандартных отклонений (ошибок) МНК-коэффициентов регрессии вычисляются по формулам:
Используя результаты вычислений из предыдущих пунктов, получаем: ; . Отсюда: ; . Доверительные интервалы для коэффициентов регрессии β 1 и β 0имеют соответственно вид: [ b 1 – t крит* S (b 1); b 1 + t крит* S (b 1)]; [ b 0 – t крит* S (b 0); b 0 + t крит* S (b 0)]. Если окажется, что доверительный интервал включает 0, то соответствующий коэффициент регрессии объявляется незначимым. При заданном уровне значимости a = 0,05 и числе степеней свободы, равном n – 2, где n – заданный объем выборки (у нас n = 10) критическое значение статистики Стьюдента t крит = 2,31. Теперь строим доверительные интервалы для β 1 и β 0 соответственно: [2,302 – 2,31*0,441; 2,302 + 2,31*0,441] = [1,28; 3,32]; [–131,066 – 2,31*36,88; –131,066 + 2,31*36,88] = [–216,26; –45,87]. Поскольку ни один из полученных интервалов не включает нулевое значение, делаем вывод о значимом отличии от нуля коэффициентов β 1 и β 0.
8. Интервал для прогноза среднего значения зависимой переменной при значении объясняющей переменной x* (точнее, прогноза ) по линейному уравнению регрессии имеет вид: , где tγ находят по таблицам критических точек распределения Стьюдента для заданных значений g и числа степеней свободы v = n – 2 (в случае парной регрессии). Мы уже знаем, что при n = 10 и g = 0,95 (т.е. α = 0,05) tγ = 2,31. Вычисляем с учетом полученных ранее результатов: . Из выборочного уравнения прямой регрессии имеем: . Получаем окончательный вид искомого доверительного интервала: или [54,21; 75,00]. Для расчета доверительного интервала возможных индивидуальных значений наблюдений при значении объясняющей переменной x* применяется формула: , где . Окончательно получаем: = = . Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.022 сек.) |