Xreferat.com » Рефераты по экономике » Корреляционно-регрессионный анализ

Корреляционно-регрессионный анализ

Таким образом , из анализа исключаются все факторные признаки,

кроме Х7,X9


Проверить построенную модель на гетероскедастичность. Построить обобщенную модель множественной регрессии (случай гетероскедастичности остатков)

1.4 Построение и исследование новой модели регрессии.

1.4.1 Вычисление оценок коэффициентов регрессии

Регрессионная модель примет вид:

Корреляционно-регрессионный анализ Корреляционно-регрессионный анализ

Корреляционно-регрессионный анализ

Вывод т.к. Корреляционно-регрессионный анализ около 1, то можно считать , что связь тесная.


Проверка значимости и построение доверительных интервалов для коэффициентов регрессии

Проверим значимость уравнения регрессии:

H0:<регрессионная модель незначима>

H1:<регрессионная модель значима>

Fвычисленное=57.1

Fкритическое (0,05;2;24)=3,40 так как Fвычисленное > Fкритическое ,

то принимается гипотеза Н1 , следовательно в уравнении коэффициенты регрессии должны быть значимыми.

Проверим значимость коэффициентов регрессии

Корреляционно-регрессионный анализ tкритическое =2.064


tвычисленное = .

Корреляционно-регрессионный анализ коэффициент значим.

Корреляционно-регрессионный анализ коэффициент значим

.

коэффициенты значимы, посколькуКорреляционно-регрессионный анализ> tкритическое =2.064, Корреляционно-регрессионный анализ< tкритическое ,


Построим доверительный интервал для коэффициентов по формуле:

Корреляционно-регрессионный анализ

где Корреляционно-регрессионный анализ остаточная дисперсия

Используя пакет STADIA находим доверительный интервал для коэффициента при переменной Х7,Х9.


Корреляционно-регрессионный анализ

Корреляционно-регрессионный анализ

1.4.2 Построение доверительного интервала для результативного признака

Корреляционно-регрессионный анализ Доверительный интервал для результативного признака будем строить , исходя из формулы:

Корреляционно-регрессионный анализ Корреляционно-регрессионный анализ ,

где t-значение статистики Стьюдента при Корреляционно-регрессионный анализи Корреляционно-регрессионный анализ

степенях свободы.

Корреляционно-регрессионный анализ

Построим доверительный интервал прогноза в точке Корреляционно-регрессионный анализ, используя пакет STADIA ,находим:

Корреляционно-регрессионный анализ


Исследование модели на наличие гетероскедастичности


Критерий ранговой корреляции Спирмена. По выборочным данным строим регрессионную модель, которую оцениваем с помощью МНК. Вычисляем регрессионные остатки: еi=уi-эi. Данные объясняющих переменных и остатки ранжируют, после чего исследуют зависимость между хi и εi. Для этого выдвигаем гипотезу Нo: нет зависимости между объясняющей переменной и регрессионными остатками ( она равносильна гипотезе о том, что нет явления гетероскедастичности), Нı: есть зависимость, т.е. явление гетероскедастичности наблюдается. Для проверки гипотезы строится статистика, распределенная нормально с математическим ожиданием равным нулю и дисперсией равной 1: t=Корреляционно-регрессионный анализRх.е ,

где Rx,e=1-6*Корреляционно-регрессионный анализ -коэффициент ранговой корреляции Спирмена, где Di2= rang xi- rang ei .


На заданном уровне значимости α=0.05 по таблице нормального распределения находим tкр

Если tн>t, то нулевую гипотезу отвергаем, значит есть явления гетероскеластичности, в противном случае явление гетероскедастичности наблюдаем. В случае наличия гетероскедастичности, используя ОМНК оценим


регрессию, взяв в качестве матрицы Ω=Корреляционно-регрессионный анализ


Проверим наличие гетероскедастичности по переменной Х7

Корреляционно-регрессионный анализКорреляционно-регрессионный анализ

Корреляционно-регрессионный анализ


Корреляционно-регрессионный анализ


rang xi


rang ei


Di


Di2


21.3

69.2

77.9

17.1

18.4

37.9

72.2

27.5

58.2

46.2

74

43.5

18.8

59.5

52.2

65.1

60.2

2.63

84

19.8

78.7

62

104

69.3

78.9

15.1

51.5

84.98

30.58

38.42

60.34

60.22

60.79

29.82

70.57

34.51

64.73

36.63

32.84

62.64

34.07

39.27

28.46

30.27

69.04

25.42

53.13

28.00

38.79

32.04

38.58

18.51

57.62

20.80

-0.917

2.18

0.808

-5

-7.52

-17.5

7.55

-10.2

11.5

-21.7

2.23

0.909

-7.49

19.7

4.75

-10.3

11.9

10.8

-4.14

-8.63

-6.32

-13.4

-3.89

-5.4

-1.42

19.6

32

2,5

19,5

24

4,5

2,5

8,5

18

8,5

14

11

21

10

7

12,5

12,5

16

19,5

4,5

26

6

22

16

27

23

25

1

16

15

18

16

11

7

2

21

5

23

1

19

17

8

26

20

4

24

22

12

6

9

3

13

10

14

25

27

-15

-18

8

-11

-7

-2

-3

-5

-9

10

2

-7

-1

-26

-20

12

-24

-22

14

0

13

13

14

13

11

-24

-11

225

324

64

121

49

4

9

25

81

100

4

49

1

676

400

144

576

484

196

0

169

169

196

169

121

576

121


Приведем график зависимости регрессионных остатков Корреляционно-регрессионный анализ от изменения признака Х7.

Корреляционно-регрессионный анализ

По оси ординат (У) отражено значение остатков , по оси абсцисс (х) значение признака. Как видно визуально гетероскедастичность отсутствует.

Ранговый коэффициент корреляции будет Rx,e= 0,0681, t=Корреляционно-регрессионный анализRх.е =-0,3472 0,3472<1.96 , следовательно согласно критерию гетероскедастичность линейного вида отсутствует.


Проверим наличие гетероскедастичности по переменной Х9

Корреляционно-регрессионный анализКорреляционно-регрессионный анализ

Корреляционно-регрессионный анализ


Корреляционно-регрессионный анализ


rang xi


rang ei


Di


Di2


21.3

69.2

77.9

17.1

18.4

37.9

72.2

27.5

58.2

46.2

74

43.5

18.8

59.5

52.2

65.1

60.2

2.63

84

19.8

78.7

62

104

69.3

78.9

15.1

51.5

84.98

30.58

38.42

60.34

60.22

60.79

29.82

70.57

34.51

64.73

36.63

32.84

62.64

34.07

39.27

28.46

30.27

69.04

25.42

53.13

28.00

38.79

32.04

38.58

18.51

57.62

20.80

-0.917

2.18

0.808

-5

-7.52

-17.5

7.55

-10.2

11.5

-21.7

2.23

0.909

-7.49

19.7

4.75

-10.3

11.9

10.8

-4.14

-8.63

-6.32

-13.4

-3.89

-5.4

-1.42

19.6

32

21

10

5

25

22,5

20

2,5

26

11

15

4

16

24

6,5

13

2,5

18

27

6,5

22,5

1

8

14

12

9

17

19

15

18

16

11

7

2

21

5

23

1

19

17

8

26

20

4

24

22

12

6

9

3

13

10

14

25

27

6

-8

-11

14

-7

18

-21

21

-12

14

-15

-1

16

-26

-7

-4

-6

5

-12

-6

-8

5

1

2

-5

-8

-8

36

64

121

196

49

324

441

441

144

196

225

1

256

676

49

16

36

25

144

36

64

25

1

4

25

64

64


Приведем график зависимости регрессионных остатков Корреляционно-регрессионный анализ от изменения признака Х9.

Корреляционно-регрессионный анализ

По оси ординат (У) отражено значение остатков , по оси абсцисс (х) значение признака. Как видно визуально гетероскедастичность отсутствует.

Ранговый коэффициент корреляции будет Rx,e= -0,1364, t=Корреляционно-регрессионный анализRх.е =-0,6955 0,6955<1.96 , следовательно согласно критерию гетероскедастичность линейного вида отсутствует.


Устранение гетероскедастичности обобщенным методом наименьших квадратов.


Если явление гетероскедастичности наблюдается, то оценки, полученные с помощью МНК, являются смещенными и состоятельными. В этом случае следует использовать ОМНК для построения коэффициентов регрессии: bомнк=(ΧТΩˉ№X)ˉ№X ТΩˉ№Y, где Ω - диагональная матрица, которую необходимо оценить. Тогда оценка регрессии будет иметь вид:Ŷ=Xbомнк. Проверка на значимость уравнения регрессии осуществляется с помощью статистики , распределенной по закону Фишера -Снедокера.


FН= Корреляционно-регрессионный анализ, где QR=(Xb)ТΩ-1(Хb) , Qост=(У-Хb)ТΩ-1(У-Хb)

Проверка на значимость коэффициентов регрессии осуществляется с помощью статистики, распределенной по закону Стьюдента.

tн=Корреляционно-регрессионный анализ , где Sbj=Ŝ [ ( XТΩ-1Х)-1] jjКорреляционно-регрессионный анализ , Ŝ=Корреляционно-регрессионный анализ

Поскольку гетероскедастичности нет ,то нет необходимости применения ОМНК.


Исследование модели на наличие автокорреляции.


На практике можно провести примеры, когда построенная регрессионная модель оказывается значимой, дисперсии оценок этой модели малы, но модель оказывается неадекватной описываемому процессу. Причина этого может быть в наличии явления автокорреляции - это явление, заключающееся в том, что значения случайной составляющей в любом наблюдении зависит от его значений во всех других наблюдениях. Если в этом случае проанализировать поведение остатков, то зачастую можно выявить следующие тенденции:

● значения регрессионных остатков в соседних точках оказываются одного знака. В данном случае имеет место положительная автокорреляция.

● значения регрессионных остатков в соседних точках оказываются разного знака (по закономерности ). В этом случае имеет место отрицательная автокорреляция остатков.

Явление автокорреляции по поведению остатков можно выявить, если достаточна частота наблюдений. Автокорреляция выявляется с помощью статистики Дарбина- Уотсона:


d=Корреляционно-регрессионный анализ

Если наличие автокорреляции отсутствует, то значение статистики должно быть близкой к двум. При наличии положительной автокорреляции величина d близка к нулю (меньше двух); при отрицательной автокорреляции она близка к значению 4. Вычисляют верхнюю Корреляционно-регрессионный анализи нижнююКорреляционно-регрессионный анализ границы для критического значения статистики. Возможны три ситуации:

Если d<dКорреляционно-регрессионный анализ, то делаем вывод о наличии автокорреляции;

Если d>dКорреляционно-регрессионный анализ, то нет автокорреляции;

Если dКорреляционно-регрессионный анализКорреляционно-регрессионный анализ<d<dКорреляционно-регрессионный анализ, то в этом случае мы не можем ни принять ни отклонить нулевую гипотезу и анализ осуществляется с помощью нового критерия: d’=4-d.

В случае наличия автокорреляции ее необходимо устранить, т.к построенные оценки коэффициентов регрессии будут смещенными и состоятельными. В литературе большое внимание уделяется зависимости первого порядка между регрессионными остатками: Корреляционно-регрессионный анализ=Корреляционно-регрессионный анализ+Корреляционно-регрессионный анализ, где Корреляционно-регрессионный анализ<1; Корреляционно-регрессионный анализ-случайные величины, обладающие свойствоми: МКорреляционно-регрессионный анализ=0; DКорреляционно-регрессионный анализ=Корреляционно-регрессионный анализ, cov[Корреляционно-регрессионный анализ,Корреляционно-регрессионный анализ] =0 при iКорреляционно-регрессионный анализj т.е. относительно Корреляционно-регрессионный анализ мы имеем линейную регрессионную гомоскедастичную модель. Наша цель- построить ковариационную матрицу вектора регрессионных остатков, найти ее оценку и построить модель ОМНК. Исследуем случайные величины Корреляционно-регрессионный анализ:

Корреляционно-регрессионный анализ МКорреляционно-регрессионный анализ= Корреляционно-регрессионный анализКорреляционно-регрессионный анализМКорреляционно-регрессионный анализ=0

Корреляционно-регрессионный анализ DКорреляционно-регрессионный анализ=Корреляционно-регрессионный анализКорреляционно-регрессионный анализ, т.е. дисперсия регрессионных остатков постоянная величина.

Корреляционно-регрессионный анализ Корреляционно-регрессионный анализ=Корреляционно-регрессионный анализКорреляционно-регрессионный анализ

Таким образом, указали вид ковариационной матрицы вектора регрессионных остатков. Для оценки коэффициентов регрессии ОМНК необходимо построить матрицу. Используя вид Корреляционно-регрессионный анализможно указать Корреляционно-регрессионный анализ.

Корреляционно-регрессионный анализ Корреляционно-регрессионный анализ

На практике величина Корреляционно-регрессионный анализ неизвестна. Рассмотрим способом оценивания с помощью метода Кокрейна-Оркатта, который представляет собой итерационный подход, включающий следующие этапы:

Оценивается регрессия МНК: У=ХКорреляционно-регрессионный анализКорреляционно-регрессионный анализ;

Вычисляются остатки eКорреляционно-регрессионный анализ;

Оценивается регрессионная зависимость еКорреляционно-регрессионный анализот еКорреляционно-регрессионный анализ: еКорреляционно-регрессионный анализ=Корреляционно-регрессионный анализ, коэффициент при еКорреляционно-регрессионный анализ представляет оценку Корреляционно-регрессионный анализКорреляционно-регрессионный анализ,

Строится Корреляционно-регрессионный анализ. Используя эту матрицу оцениваем регрессионную зависимость У от Х ОМНК.

Повторно вычисляют еКорреляционно-регрессионный анализпроцесс возвращается к пункту 3.

Процесс заканчивается, когда значения Корреляционно-регрессионный анализна последнем и предпоследнем этапах будут примерно одинаковыми.

Таким образом указан один из способов построения матрицы Корреляционно-регрессионный анализ, в случае зависимости регрессионных остатков первого порядка. Используя матрицу Корреляционно-регрессионный анализ можно построить вектор оценок коэффициентов регрессии ОМНК, проверить на значимость уравнение регрессии, построить доверительные интервалы по вышеописанным формулам

Проверим наличие автокорреляции в модели. Составим расчетную таблицу:

Корреляционно-регрессионный анализ

Корреляционно-регрессионный анализ

Корреляционно-регрессионный анализ

Корреляционно-регрессионный анализ

0.917

2.18

0.808

-5

-7.52

-17.5

7.55

-10.2

11.5

-21.7

2.23

0.909

-7.49

19.7

4.75

-10.3

11.9

10.8

-4.14

-8.63

-6.32

-13.4

-3.89

-5.4

-1.42

19.6

2.18

0.808

-5

-7.52

-17.5

7.55

-10.2

11.5

-21.7

2.23

0.909

-7.49

19.7

4.75

-10.3

11.9

10.8

-4.14

-8.63

-6.32

-13.4

-3.89

-5.4

-1.42

19.6

32

9,59141

1,88238

33,7329

6,3504

99,6004

627,502

315,063

470,89

1102,24

572,645

1,74504

70,5432

739,296

223,502

226,503

492,84

1,21

223,204

20,1601

5,3361

50,1264

90,4401

2,2801

15,8404

441,84

153,76

0,840889

4,7524

0,652864

25

56,5504

306,25

57,0025

104,04

132,25

470,89

4,9729

0,826281

56,1001

388,09

22,5625

106,09

141,61

116,64

17,1396

74,4769

39,9424

179,56

15,1321

29,16

2,0164

384,16

Посчитаем критерий Дарбина-Уотсона:

d=Корреляционно-регрессионный анализ=5998.124/2736.788= 2.191

Поскольку d>2 то альтернатива отсутствию автокорреляции будет существование отрицательной автокорреляции. По таблице находим для n=27, k=2 (число объясняющих переменных) и уровня значимости a=0,05 : d1=1.24 и d2 = 1.56 Т.к.

4 – d= 1.809 > d2=1.56 следовательно автокорреляции нет.

Устранение автокорреляции 1 – го порядка обобщенным методом наименьших квадратов.

Наша цель- построить ковариационную матрицу вектора регрессионных остатков, найти ее оценку и построить модель ОМНК. Исследуем случайные величины Корреляционно-регрессионный анализ:

Корреляционно-регрессионный анализ МКорреляционно-регрессионный анализ= Корреляционно-регрессионный анализКорреляционно-регрессионный анализМКорреляционно-регрессионный анализ=0

Корреляционно-регрессионный анализ DКорреляционно-регрессионный анализ=Корреляционно-регрессионный анализКорреляционно-регрессионный анализ, т.е. дисперсия регрессионных остатков постоянная величина.

Корреляционно-регрессионный анализ Корреляционно-регрессионный анализ=Корреляционно-регрессионный анализКорреляционно-регрессионный анализ

Таким образом, указали вид ковариационной матрицы вектора регрессионных остатков. Для оценки коэффициентов регрессии ОМНК необходимо построить матрицу. Используя вид Корреляционно-регрессионный анализможно указать Корреляционно-регрессионный анализ.

Корреляционно-регрессионный анализ Корреляционно-регрессионный анализ

На практике величина Корреляционно-регрессионный анализ неизвестна. Рассмотрим способом оценивания с помощью метода Кокрейна-Оркатта, который представляет собой итерационный подход, включающий следующие этапы:

Оценивается регрессия МНК: У=ХКорреляционно-регрессионный анализКорреляционно-регрессионный анализ;

Вычисляются остатки eКорреляционно-регрессионный анализ;

Оценивается регрессионная зависимость еКорреляционно-регрессионный анализот еКорреляционно-регрессионный анализ: еКорреляционно-регрессионный анализ=Корреляционно-регрессионный анализ, коэффициент при еКорреляционно-регрессионный анализ представляет оценку

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.
Подробнее

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: