АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция
|
Определяем детерминант d, т.е. определитель матрицы парных коэффициентов парной корреляции
Отчет по лабораторной работе № 3
По дисциплине «Эконометрика»
Тема работы «определение и устранение мультиколлинеарности»
студентки 2-го курса
ДЭБ-113 группы
Мойсеюк Виктории
Проверил:
Доц.Горбунов А.М.
Смоленск 2014год
Цель работы:
Закрепление лекционного материала и приобретение навыков построения многофакторных регрессионных моделей.
Ответы на контрольные вопросы:
- Как проверить гипотезу об адекватности линейной регрессионной модели?
Значимость F определяет адекватность модели по критерию Фишера: если Значимость F < 0,05, то модель адекватна. Адекватность устанавливается также и по величине R-квадрат.
- Поясните понятие "линейные модели с переменной структурой"?
При изменении (уменьшений) количества признак-факторов качество модели не ухудшается, а её анализ и прогнозирование улучшаются.
- Что такое мультиколлинеарность?
Линейная зависимость признак факторов.
- Какими способами мультиколлинеарность можно устранить?
-Вычитание признак факторов
-Умножение одного фактора на другой
-Исключение тенденции с помощью вычитания одного фактора от другого(х1-х2)
- Каким образом можно дать количественную оценку мультиколлинеарности?
Определяем детерминант d, т.е. определитель матрицы парных коэффициентов парной корреляции.
- Мультиколлинеарности нет
- Мультиколлинеарность есть.
Задание 1. Для линейного двухфакторного уравнения регрессии имеется следующая таблица данных:
- Определяем коэффициент корреляции r12 и ;
0,000748793-определитель
- Проводим преобразование факторов: u1 = x1; u2 = x1 – x2 и определить коэффициент корреляции r12(u), а также матрицу ;
0,188759866-определитель
3. Строим две двухфакторные регрессионные модели: для исходных и преобразованных входных переменных;
ВЫВОД ИТОГОВ
|
|
|
|
|
|
|
|
|
|
|
|
| Регрессионная статистика
|
|
|
|
|
| Множественный R
| 0,961831942
|
|
|
|
|
| R-квадрат
| 0,925120684
|
|
|
|
|
| Нормированный R-квадрат
| 0,850241368
|
|
|
|
|
| Стандартная ошибка
| 0,386986605
|
|
|
|
|
| Наблюдения
|
|
|
|
|
|
|
|
|
|
|
|
|
| Дисперсионный анализ
|
|
|
|
|
|
| df
| SS
| MS
| F
| Значимость F
|
| Регрессия
|
| 3,700482736
| 1,850241
| 12,35482
| 0,074879
|
| Остаток
|
| 0,299517264
| 0,149759
|
|
|
| Итого
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Коэффициенты
| Стандартная ошибка
| t-статистика
| P-Значение
| Нижние 95%
| Верхние 95%
| Y-пересечение
| -8,44466E-17
| 0,173065671
| -4,9E-16
|
| -0,74464
| 0,744641
| Переменная X 1
| -2,926265884
| 1,934933023
| -1,51233
| 0,269596
| -11,2516
| 5,399079
| Переменная X 2
| 3,827834859
| 1,934933023
| 1,978278
| 0,186492
| -4,49751
| 12,15318
|
ВЫВОД ИТОГОВ
|
|
|
|
|
|
|
|
|
|
|
|
| Регрессионная статистика
|
|
|
|
|
| Множественный R
| 0,96183194
|
|
|
|
|
| R-квадрат
| 0,92512068
|
|
|
|
|
| Нормированный R-квадрат
| 0,85024137
|
|
|
|
|
| Стандартная ошибка
| 0,3869866
|
|
|
|
|
| Наблюдения
|
|
|
|
|
|
|
|
|
|
|
|
|
| Дисперсионный анализ
|
|
|
|
|
|
| df
| SS
| MS
| F
| Значимость F
|
| Регрессия
|
| 3,700482736
| 1,850241368
| 12,35482
| 0,074879
|
| Остаток
|
| 0,299517264
| 0,149758632
|
|
|
| Итого
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Коэффициенты
| Стандартная ошибка
| t-статистика
| P-Значение
| Нижние 95%
| Верхние 95%
| Y-пересечение
| -8,5303E-17
| 0,173065671
| -4,9289E-16
|
| -0,74464
| 0,744641
| Переменная X 1
| 0,9208529
| 0,194468086
| 4,735239187
| 0,04182
| 0,084124
| 1,757582
| Переменная X 2
| -0,38471188
| 0,194468086
| -1,9782777
| 0,186492
| -1,22144
| 0,452017
|
Задание 2. Для линейного трехфакторного уравнения регрессии имеются следующие данные:
10,3
| 20,8
| 4,1
|
| 10,3
| 4,1
| 14,6
|
| 20,3
|
| 14,6
| 20,3
| 11,4
|
| 9,8
|
| 11,4
| 9,8
| 17,1
| 30,5
| 8,1
|
| 17,1
| 8,1
| 10,6
| 21,7
| 17,7
|
| 10,6
| 17,7
| Решение:
1) определить корреляционную матрицу R и содержащийся в этих данных размер коллинеарности как det(R);
5,2014E-06-определитель
2) рассчитать размер коллинеарности, в случае если из уравнения выводится переменная x2;
0,0015452-определитель
3) учесть дополнительную внешнюю информацию, что a1 = 1,5a2 и определить размер коллинеарности в этом случае;
1,11022E-16-определитель
ВЫВОД ИТОГОВ
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Регрессионная статистика
|
|
|
|
|
|
| Множественный R
| 0,999245
|
|
|
|
|
|
| R-квадрат
| 0,998491
|
|
|
|
|
|
| Нормированный R-квадрат
| 0,993964
|
|
|
|
|
|
| Стандартная ошибка
| 1,182835
|
|
|
|
|
|
| Наблюдения
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Дисперсионный анализ
|
|
|
|
|
|
| df
| SS
| MS
| F
| Значимость F
|
|
| Регрессия
|
| 925,8009
| 308,6003
| 220,5709
| 0,049447
|
|
| Остаток
|
| 1,399098
| 1,399098
|
|
|
|
| Итого
|
| 927,2
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Коэффициенты
| Стандартная ошибка
| t-статистика
| P-Значение
| Нижние 95%
| Верхние 95%
| Нижние 95,0%
| Y-пересечение
| 16,13098
| 14,5747
| 1,10678
| 0,467761
| -169,058
| 201,3201
| -169,058
| Переменная X 1
| 0,648123
| 3,351447
| 0,193386
| 0,878388
| -41,936
| 43,2323
| -41,936
| Переменная X 2
| 0,446874
| 2,367887
| 0,188723
| 0,881252
| -29,64
| 30,53373
| -29,64
| Переменная X 3
| 2,09088
| 0,158702
| 13,17489
| 0,048228
| 0,074382
| 4,107378
| 0,074382
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| ВЫВОД ИТОГОВ
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Регрессионная статистика
|
|
|
|
|
|
| Множественный R
| 0,999218
|
|
|
|
|
|
| R-квадрат
| 0,998437
|
|
|
|
|
|
| Нормированный R-квадрат
| 0,996875
|
|
|
|
|
|
| Стандартная ошибка
| 0,851155
|
|
|
|
|
|
| Наблюдения
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Дисперсионный анализ
|
|
|
|
|
|
| df
| SS
| MS
| F
| Значимость F
|
|
| Регрессия
|
| 925,7511
| 462,8755
| 638,9211
| 0,001563
|
|
| Остаток
|
| 1,448929
| 0,724464
|
|
|
|
| Итого
|
| 927,2
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Коэффициенты
| Стандартная ошибка
| t-статистика
| P-Значение
| Нижние 95%
| Верхние 95%
| Нижние 95,0%
| Y-пересечение
| 18,83271
| 1,967838
| 9,570254
| 0,010743
| 10,36579
| 27,29963
| 10,36579
| Переменная X 1
| 1,279471
| 0,14514
| 8,815409
| 0,012625
| 0,654983
| 1,90396
| 0,654983
| Переменная X 2
| 2,115838
| 0,06313
| 33,5158
| 0,000889
| 1,844213
| 2,387463
| 1,844213
| | | | | | | | | | | | | | | | | | | | | | | | ВЫВОД ИТОГОВ
|
|
|
|
|
|
|
|
|
|
|
|
| Регрессионная статистика
|
|
|
|
|
| Множественный R
| 0,999245
|
|
|
|
|
| R-квадрат
| 0,998491
|
|
|
|
|
| Нормированный R-квадрат
| 0,996982
|
|
|
|
|
| Стандартная ошибка
| 0,836395
|
|
|
|
|
| Наблюдения
|
|
|
|
|
|
|
|
|
|
|
|
|
| Дисперсионный анализ
|
|
|
|
|
| df
| SS
| MS
| F
| Значимость F
|
| Регрессия
|
| 925,8009
| 462,9004
| 661,7059
| 0,001509
|
| Остаток
|
| 1,399112
| 0,699556
|
|
|
| Итого
|
| 927,2
|
|
|
|
|
|
|
|
|
|
|
|
| Коэффициенты
| Стандартная ошибка
| t-статистика
| P-Значение
| Нижние 95%
| Верхние 95%
| Y-пересечение
| 16,17677
| 2,203982
| 7,339791
| 0,018061
| 6,693797
| 25,65974
| Переменная X 1
| 0,439263
| 0,048943
| 8,974943
| 0,012188
| 0,228677
| 0,649849
| Переменная X 2
| 2,091304
| 0,062383
| 33,52369
| 0,000889
| 1,822892
| 2,359716
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| | | | | | | | | | |
Задание 3.
1.Используя матрицу данных к заданию 3 предыдущей лабораторной работы, установить, какие факторы мультиколлинеарны.
2. Для указанных данных, исключив зависимые факторы, построить уравнение множественной регрессии.
3. Для ряда набора экзогенных переменных сравнить результаты прогноза по регрессионной модели с полным набором фактором и по усеченной модели. Пояснить результат.
Решение:
y
| x1
| x2
| x3
| x4
| x5
| x6
| 0,904
|
| 75,5
| 56,1
| 25,2
|
|
| 0,922
|
| 78,5
| 61,8
| 21,8
|
| 78,2
| 0,763
|
| 78,4
| 59,1
| 25,7
|
|
| 0,923
|
| 77,7
| 63,3
| 17,8
|
| 77,2
| 0,918
|
| 84,4
| 64,1
| 15,9
|
| 77,2
| 0,906
|
| 75,9
|
| 22,4
|
| 77,2
| 0,905
|
|
| 50,7
| 20,6
|
| 75,7
| 0,545
|
| 67,5
| 57,1
| 25,2
|
| 62,6
| 0,894
|
| 78,2
|
| 20,7
|
|
| 0,9
|
| 78,1
| 61,8
| 17,5
|
| 78,2
| 0,932
|
| 78,6
| 58,6
| 19,7
|
|
| 0,74
|
|
| 71,7
| 18,5
|
| 67,6
| 0,701
|
| 59,2
|
| 42,4
|
| 69,8
| 0,744
|
| 90,2
| 63,9
|
|
| 68,4
| 0,921
|
| 72,8
| 59,1
| 20,2
|
| 77,9
| 0,927
|
| 67,7
| 47,5
| 25,2
|
| 78,1
| 0,802
|
| 82,6
| 65,3
| 22,4
|
| 72,5
| 0,747
|
| 74,4
| 53,2
| 22,7
|
| 66,6
| 0,927
|
| 83,3
| 67,9
| 18,1
|
| 76,7
| 0,721
|
| 83,7
| 61,7
| 20,1
|
| 68,8
| 0,913
|
| 73,8
| 52,9
| 17,3
|
| 76,8
| 0,918
|
| 79,2
| 59,9
| -16,8
|
| 78,1
| 0,833
| 99,2
| 71,5
| 51,5
| 29,9
|
| 73,9
| 0,914
|
| 75,3
| 61,2
| 20,3
|
| 78,6
| 0,923
|
|
| 53,1
| 14,1
|
| 78,5
| ВЫВОД ИТОГОВ
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Регрессионная статистика
|
|
|
|
|
|
|
|
| Множественный R
| 0,982479
|
|
|
|
|
|
|
|
| R-квадрат
| 0,965266
|
|
|
|
|
|
|
|
| Нормированный R-квадрат
| 0,953687
|
|
|
|
|
|
|
|
| Стандартная ошибка
| 0,215204
|
|
|
|
|
|
|
|
| Наблюдения
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Дисперсионный анализ
|
|
|
|
|
|
|
|
| df
| SS
| MS
| F
| Значимость F
|
|
|
|
| Регрессия
|
| 23,16637
| 3,861062
| 83,36954
| 3,8E-12
|
|
|
|
| Остаток
|
| 0,833627
| 0,046313
|
|
|
|
|
|
| Итого
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Коэффициенты
| Стандартная ошибка
| t-статистика
| P-Значение
| Нижние 95%
| Верхние 95%
|
|
|
| Y-пересечение
| -1,8E-15
| 0,043041
| -4,1E-14
|
| -0,09043
| 0,090425
|
|
|
| Переменная X 1
| -0,148
| 0,062137
| -2,38181
| 0,028469
| -0,27854
| -0,01745
|
|
|
| Переменная X 2
| 0,088005
| 0,088979
| 0,989057
| 0,335745
| -0,09893
| 0,274944
|
|
|
| Переменная X 3
| -0,08252
| 0,071898
| -1,14777
| 0,266088
| -0,23358
| 0,06853
|
|
|
| Переменная X 4
| 0,038828
| 0,05393
| 0,719974
| 0,480786
| -0,07447
| 0,152131
|
|
|
| Переменная X 5
| 0,142954
| 0,064157
| 2,228166
| 0,03886
| 0,008164
| 0,277743
|
|
|
| Переменная X 6
| 0,890665
| 0,065513
| 13,59521
| 6,6E-11
| 0,753027
| 1,028303
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Yt=-1,8*10^(-17)+(-0,14)*t*x1+0.08*t*x2+(-0.08)*t*x3+0.03*t*x4+0.14*t*x5+0.89*t8x6
|
корреляция
0,002322-определитель
y
| x2
| x5
| x6
| 0,904
| 75,5
|
|
| 0,922
| 78,5
|
| 78,2
| 0,763
| 78,4
|
|
| 0,923
| 77,7
|
| 77,2
| 0,918
| 84,4
|
| 77,2
| 0,906
| 75,9
|
| 77,2
| 0,905
|
|
| 75,7
| 0,545
| 67,5
|
| 62,6
| 0,894
| 78,2
|
|
| 0,9
| 78,1
|
| 78,2
| 0,932
| 78,6
|
|
| 0,74
|
|
| 67,6
| 0,701
| 59,2
|
| 69,8
| 0,744
| 90,2
|
| 68,4
| 0,921
| 72,8
|
| 77,9
| 0,927
| 67,7
|
| 78,1
| 0,802
| 82,6
|
| 72,5
| 0,747
| 74,4
|
| 66,6
| 0,927
| 83,3
|
| 76,7
| 0,721
| 83,7
|
| 68,8
| 0,913
| 73,8
|
| 76,8
| 0,918
| 79,2
|
| 78,1
| 0,833
| 71,5
|
| 73,9
| 0,914
| 75,3
|
| 78,6
| 0,923
|
|
| 78,5
|
0,025337-определитель
У=-0,76301+0,001691*х1+3,63*10^(-5)*х2+0,018369*х3
Поиск по сайту:
|