Здесь нужно прикрепить контрольную работу
ВАРИАНТЫ ЗАДАНИЙ ДЛЯ ВЫПОЛНЕНИЯ КОНТРОЛЬНОЙ РАБОТЫ
Для студентов 2 курса экономического факультета (заочное образование)
(дисциплина «Эконометрика)
Выбор варианта контрольной работы.
Работа включает в себя выполнение двух задач:
- парная регрессия и корреляция
- множественная регрессия и корреляция
Выбор варианта задания осуществляется следующим образом (см. таблицу «выбор варианта контрольной работы).
Например: Фамилия студента Иванов, номер зачетной книжки 21019 - номер варианта контрольной работы- 2,3
Парная регрессия – вариант задания №2, множественная регрессия №3.
Краткие теоретические сведения, примеры выполнения заданий и варианты заданий изложены ниже.
Таблица (выбор варианта контрольной работы)
Первая буква фамилии | Последняя цифра номера зачетной книжки
| ||||
1,0 | 2,9 | 3,8 | 4,7 | 5,6 | |
А, Ж, П, С, Я | 1,3 | 2,4 | 5,6 | 7,8 | 9,10 |
Б, З, Р, Ю,О | 1,2 | 2,5 | 2,6 | 3,9 | 4,5 |
В, И, Ц, Ч | 1,4 | 2,3 | 2,7 | 3,8 | 4,6 |
Г, Т, Ш, Щ, Ё | 1,5 | 1,10 | 2,8 | 3,7 | 4,8 |
Д, Л, У, Э, Н | 1,6 | 1,9 | 2,9 | 3,6 | 4,9 |
М Ф, Х, К, Е | 1,7 | 1,8 | 3,4 | 3,5 | 4,10 |
1. Парная регрессия и корреляция
1.1. Теоретическая часть.
Линейная регрессия сводится к нахождению уравнения вида
или .
Уравнение вида позволяет по заданным значениям фактора x находить теоретические значения результативного признака y, подставляя в него фактические значения фактора x.
Построение линейной регрессии сводится к оценке ее параметров – a и b.
Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности в целом наблюдаемых данных.
Каждую пару наблюдений xi ,yi можно представить в виде точки на плоскости ху. Такое графическое построение называется полем корреляции. В этом случае наилучшей считается функция, график которой проходит через наибольшее количество точек или как можно ближе к ним.
В каждом из наблюдений величину случайной компоненты можно определить как разность между фактическим значением результата и рассчитанным по уравнению регрессии:
Параметр b называют коэффициентом регрессии, рассчитывается по формуле:
Его величина показывает, насколько в среднем изменяется значение результативного признака при изменении факторного на единицу.
Параметр а оценивается по следующей формуле:
1.2. Пример выполнения задания.
В таблице 1 приведены условные данные, характеризующие среднедушевой прожиточный минимум в день на одного трудоспособного, руб., х и среднедневную заработную плату
Таблица.1
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 78 | 133 |
2 | 82 | 148 |
3 | 87 | 134 |
4 | 79 | 154 |
5 | 89 | 162 |
6 | 106 | 195 |
7 | 67 | 139 |
8 | 88 | 158 |
9 | 73 | 152 |
10 | 87 | 162 |
11 | 76 | 159 |
12 | 115 | 173 |
Требуется:
1. Построить линейное уравнение парной регрессии от .
2. Рассчитать линейный коэффициент парной корреляции и среднюю ошибку аппроксимации.
3. Оценить статистическую значимость параметров регрессии и корреляции с помощью -критерия Фишера и -критерия Стьюдента.
4. Выполнить прогноз заработной платы при прогнозном значении среднедушевого прожиточного минимума , составляющем 107% от среднего уровня.
5. Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.
6. На одном графике построить исходные данные и теоретическую прямую.
Решение
1. Вспомогательные дополнительные расчеты для определения параметров уравнения линейной регрессии представлены в таблице 2.
Таблица 2 – Дополнительные расчеты
| ||||||||
1 | 78 | 133 | 10374 | 6084 | 17689 | 149 | -16 | 12,0 |
2 | 82 | 148 | 12136 | 6724 | 21904 | 152 | -4 | 2,7 |
3 | 87 | 134 | 11658 | 7569 | 17956 | 157 | -23 | 17,2 |
4 | 79 | 154 | 12166 | 6241 | 23716 | 150 | 4 | 2,6 |
5 | 89 | 162 | 14418 | 7921 | 26244 | 159 | 3 | 1,9 |
6 | 106 | 195 | 20670 | 11236 | 38025 | 174 | 21 | 10,8 |
7 | 67 | 139 | 9313 | 4489 | 19321 | 139 | 0 | 0,0 |
8 | 88 | 158 | 13904 | 7744 | 24964 | 158 | 0 | 0,0 |
9 | 73 | 152 | 11096 | 5329 | 23104 | 144 | 8 | 5,3 |
10 | 87 | 162 | 14094 | 7569 | 26244 | 157 | 5 | 3,1 |
11 | 76 | 159 | 12084 | 5776 | 25281 | 147 | 12 | 7,5 |
12 | 115 | 173 | 19895 | 13225 | 29929 | 183 | -10 | 5,8 |
Итого | 1027 | 1869 | 161808 | 89907 | 294377 | 1869 | 0 | 68,9 |
Среднее значение | 85,58 | 155,75 | 13484,02 | 7492,25 | 24531,42 | – | – | 5,7 |
12,84 | 16,05 | – | – | – | – | – | – | |
164,94 | 257,76 | – | – | – | – | – | – |
;
.
Получено уравнение регрессии:
С увеличением среднедушевого прожиточного минимума на 1 руб. среднедневная заработная плата должна возрасти в среднем на 0,92 руб.
2. Тесноту линейной связи оценит коэффициент корреляции:
Это означает, что 52% вариации заработной платы () объясняется вариацией фактора – среднедушевого прожиточного минимума.
Качество модели определяет средняя ошибка аппроксимации:
.
где
Качество построенной модели оценивается как хорошее, так как не превышает 8-10%.
3. Оценку значимости уравнения регрессии в целом проведем с помощью -критерия Фишера. Фактическое значение -критерия:
Табличное значение критерия при пятипроцентном уровне значимости и степенях свободы и составляет . Так как Fфакт = 10,83> Fтабл = 4,96, то уравнение регрессии признается статистически значимым. Табличное значение критерия Фишера можно определить использую функцию FРАСПОБР.
Оценку статистической значимости параметров регрессии проведем с помощью -статистики Стьюдента и путем расчета доверительного интервала каждого из показателей.
Табличное значение -критерия для числа степеней свободы и составит .
Определим случайные ошибки , , :
;
;
.
Тогда
Фактические значения -статистики превосходят табличное значение:
; ; ,
поэтому параметры , и являются статистически значимыми для уравнения регрессии.
Рассчитаем доверительные интервалы для параметров регрессии и . Для этого определим предельную ошибку для каждого показателя:
;
.
Доверительные интервалы
Анализ верхней и нижней границ доверительных интервалов приводит к выводу о том, что с вероятностью параметры и , находясь в указанных границах, не принимают нулевых значений, т.е. не являются статистически незначимыми и существенно отличны от нуля.
4. Полученные оценки уравнения регрессии позволяют использовать его для прогноза. Если прогнозное значение прожиточного минимума составит: руб., тогда прогнозное значение заработной платы составит: руб.
5. Ошибка прогноза составит:
.
Предельная ошибка прогноза, которая в случаев не будет превышена, составит:
.
Доверительный интервал прогноза:
руб.;
руб.
Выполненный прогноз среднемесячной заработной платы является надежным () и находится в пределах от 131,66 руб. до 190,62 руб.
6. В заключение решения задачи построим на одном графике исходные данные и теоретическую прямую (рис. D.1):
Рис. 1.
1.3. Варианты индивидуальных заданий по теме «Парная регрессия и корреляция»
Задание
1. Построить линейное уравнение парной регрессии от по исходными данным своего варианта, приведенных в таблицах 3-12.
2. Рассчитать линейный коэффициент парной корреляции и среднюю ошибку аппроксимации.
3. Оценить статистическую значимость параметров регрессии и корреляции с помощью -критерия Фишера и -критерия Стьюдента.
4. Выполнить прогноз заработной платы при прогнозном значении среднедушевого прожиточного минимума , составляющем:
- 115% от среднего уровня;
- 130% от среднего уровня.
5. Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.
6. На одном графике построить исходные данные и теоретическую прямую.
Вариант 1
Таблица 3 – Исходные данные для построения уравнения линейной регрессии
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 82 | 125 |
2 | 77 | 131 |
3 | 85 | 146 |
4 | 79 | 139 |
5 | 93 | 143 |
6 | 100 | 159 |
7 | 72 | 135 |
8 | 90 | 152 |
9 | 71 | 127 |
Вариант 2
Таблица 4 – Исходные данные для построения уравнения линейной регрессии
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 74 | 122 |
2 | 81 | 134 |
3 | 90 | 136 |
4 | 79 | 125 |
5 | 89 | 120 |
6 | 87 | 127 |
7 | 77 | 125 |
8 | 93 | 148 |
9 | 70 | 122 |
10 | 93 | 157 |
Вариант 3
Таблица 5 – Исходные данные для построения уравнения линейной регрессии
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 77 | 123 |
2 | 85 | 152 |
3 | 79 | 140 |
4 | 93 | 142 |
5 | 89 | 157 |
6 | 81 | 181 |
7 | 79 | 133 |
8 | 97 | 163 |
Вариант 4
Таблица 6 – Исходные данные для построения уравнения линейной регрессии
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 83 | 137 |
2 | 88 | 142 |
3 | 75 | 128 |
4 | 89 | 140 |
5 | 85 | 133 |
6 | 79 | 153 |
7 | 81 | 142 |
8 | 97 | 154 |
9 | 79 | 132 |
10 | 90 | 150 |
11 | 84 | 132 |
Вариант 5
Таблица 7 – Исходные данные для построения уравнения линейной регрессии
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 79 | 134 |
2 | 91 | 154 |
3 | 77 | 128 |
4 | 87 | 138 |
5 | 84 | 133 |
6 | 76 | 144 |
7 | 84 | 160 |
8 | 94 | 149 |
9 | 79 | 125 |
10 | 98 | 163 |
Вариант 6
Таблица 8 – Исходные данные для построения уравнения линейной регрессии
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 92 | 147 |
2 | 78 | 133 |
3 | 79 | 128 |
4 | 88 | 152 |
5 | 87 | 138 |
6 | 75 | 122 |
7 | 81 | 145 |
8 | 96 | 141 |
9 | 80 | 127 |
Вариант 7
Таблица 9 – Исходные данные для построения уравнения линейной регрессии
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 75 | 133 |
2 | 78 | 125 |
3 | 81 | 129 |
4 | 93 | 153 |
5 | 86 | 140 |
6 | 77 | 135 |
7 | 83 | 141 |
8 | 94 | 152 |
9 | 88 | 133 |
10 | 99 | 156 |
11 | 80 | 124 |
Вариант 8
Таблица 10 – Исходные данные для построения уравнения линейной регрессии
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 69 | 124 |
2 | 83 | 133 |
3 | 92 | 146 |
4 | 97 | 153 |
5 | 88 | 138 |
6 | 93 | 159 |
7 | 74 | 145 |
8 | 79 | 152 |
Вариант 9
Таблица 11 – Исходные данные для построения уравнения линейной регрессии
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 78 | 133 |
2 | 94 | 139 |
3 | 85 | 141 |
4 | 73 | 127 |
5 | 91 | 154 |
6 | 88 | 142 |
7 | 73 | 122 |
8 | 82 | 135 |
9 | 99 | 142 |
10 | 113 | 168 |
11 | 69 | 124 |
12 | 83 | 130 |
Вариант 10
Таблица 12 – Исходные данные для построения уравнения линейной регрессии
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, Д.Е., | Среднедневная заработная плата, Д.Е., |
1 | 97 | 161 |
2 | 73 | 131 |
3 | 79 | 135 |
4 | 99 | 147 |
5 | 86 | 139 |
6 | 91 | 151 |
7 | 85 | 135 |
8 | 77 | 132 |
9 | 89 | 161 |
Вопросы для самоконтроля:
1. По каким вычислениям можно судить о значимости модели в целом?
2. Зачем необходимо рассчитывать t-критерий Стьюдента?
3. Зачем необходимо оценивать интервалы прогноза по линейному уравнению регрессии?
4. В каких пределах должна находиться ошибка аппроксимации, чтобы можно было сделать вывод о хорошем подборе модели к исходным данным?
2. Множественная регрессия и корреляция
2.1. Теоретическая часть.
Уравнение множественной регрессии:
где y – зависимая переменная (результативный признак), xi– независимые, или объясняющие, переменные (признаки-факторы).
Множественная регрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах и целом ряде других вопросов эконометрики. В настоящее время множественная регрессия – один из наиболее распространенных методов в эконометрике. Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное их воздействие на моделируемый показатель.
Построение уравнения множественной регрессии начинается с решения вопроса о спецификации модели. Он включает в себя два круга вопросов: отбор факторов и выбор вида уравнения регрессии.
Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям.
1. Они должны быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то ему нужно придать количественную определенность.
2. Факторы не должны быть интеркоррелированы и тем более находиться в точной функциональной связи.
Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии факторов. Влияние других, не учтенных в модели факторов, оценивается как с соответствующей остаточной дисперсией .
При дополнительном включении в регрессию фактора коэффициент детерминации должен возрастать, а остаточная дисперсия уменьшаться:
и .
Если же этого не происходит и данные показатели практически не отличаются друг от друга, то включаемый в анализ фактор не улучшает модель и практически является лишним фактором.
2.2. Пример выполнения задания.
По предприятиям региона изучается зависимость выработки продукции на одного работника (тыс. руб.) от ввода в действие новых основных фондов ( от стоимости фондов на конец года) и от удельного веса рабочих высокой квалификации в общей численности рабочих ().
Таблица 13
Номер предприятия | Номер предприятия | ||||||
1 | 7,0 | 3,9 | 10,0 | 11 | 9,0 | 6,0 | 21,0 |
2 | 7,0 | 3,9 | 14,0 | 12 | 11,0 | 6,4 | 22,0 |
3 | 7,0 | 3,7 | 15,0 | 13 | 9,0 | 6,8 | 22,0 |
4 | 7,0 | 4,0 | 16,0 | 14 | 11,0 | 7,2 | 25,0 |
5 | 7,0 | 3,8 | 17,0 | 15 | 12,0 | 8,0 | 28,0 |
6 | 7,0 | 4,8 | 19,0 | 16 | 12,0 | 8,2 | 29,0 |
7 | 8,0 | 5,4 | 19,0 | 17 | 12,0 | 8,1 | 30,0 |
8 | 8,0 | 4,4 | 20,0 | 18 | 12,0 | 8,5 | 31,0 |
9 | 8,0 | 5,3 | 20,0 | 19 | 14,0 | 9,6 | 32,0 |
10 | 10,0 | 6,8 | 20,0 | 20 | 14,0 | 9,0 | 36,0 |
Требуется:
1. Построить линейную модель множественной регрессии. Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.
2. Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их.
3. Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.
4. С помощью -критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации .
5. С помощью частных -критериев Фишера оценить целесообразность включения в уравнение множественной регрессии фактора после и фактора после .
6. Составить уравнение линейной парной регрессии, оставив лишь один значащий фактор.
Решение
Для удобства проведения расчетов поместим результаты промежуточных расчетов в таблицу:
Таблица 14
№ | |||||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
1 | 7,0 | 3,9 | 10,0 | 27,3 | 70,0 | 39,0 | 15,21 | 100,0 | 49,0 |
2 | 7,0 | 3,9 | 14,0 | 27,3 | 98,0 | 54,6 | 15,21 | 196,0 | 49,0 |
3 | 7,0 | 3,7 | 15,0 | 25,9 | 105,0 | 55,5 | 13,69 | 225,0 | 49,0 |
4 | 7,0 | 4,0 | 16,0 | 28,0 | 112,0 | 64,0 | 16,0 | 256,0 | 49,0 |
5 | 7,0 | 3,8 | 17,0 | 26,6 | 119,0 | 64,6 | 14,44 | 289,0 | 49,0 |
6 | 7,0 | 4,8 | 19,0 | 33,6 | 133,0 | 91,2 | 23,04 | 361,0 | 49,0 |
7 | 8,0 | 5,4 | 19,0 | 43,2 | 152,0 | 102,6 | 29,16 | 361,0 | 64,0 |
Продолжение таблицы 14
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
8 | 8,0 | 4,4 | 20,0 | 35,2 | 160,0 | 88,0 | 19,36 | 400,0 | 64,0 |
9 | 8,0 | 5,3 | 20,0 | 42,4 | 160,0 | 106,0 | 28,09 | 400,0 | 64,0 |
10 | 10,0 | 6,8 | 20,0 | 68,0 | 200,0 | 136,0 | 46,24 | 400,0 | 100,0 |
11 | 9,0 | 6,0 | 21,0 | 54,0 | 189,0 | 126,0 | 36,0 | 441,0 | 81,0 |
12 | 11,0 | 6,4 | 22,0 | 70,4 | 242,0 | 140,8 | 40,96 | 484,0 | 121,0 |
13 | 9,0 | 6,8 | 22,0 | 61,2 | 198,0 | 149,6 | 46,24 | 484,0 | 81,0 |
14 | 11,0 | 7,2 | 25,0 | 79,2 | 275,0 | 180,0 | 51,84 | 625,0 | 121,0 |
15 | 12,0 | 8,0 | 28,0 | 96,0 | 336,0 | 224,0 | 64,0 | 784,0 | 144,0 |
16 | 12,0 | 8,2 | 29,0 | 98,4 | 348,0 | 237,8 | 67,24 | 841,0 | 144,0 |
17 | 12,0 | 8,1 | 30,0 | 97,2 | 360,0 | 243,0 | 65,61 | 900,0 | 144,0 |
18 | 12,0 | 8,5 | 31,0 | 102,0 | 372,0 | 263,5 | 72,25 | 961,0 | 144,0 |
19 | 14,0 | 9,6 | 32,0 | 134,4 | 448,0 | 307,2 | 92,16 | 1024,0 | 196,0 |
20 | 14,0 | 9,0 | 36,0 | 126,0 | 504,0 | 324,0 | 81,0 | 1296,0 | 196,0 |
Сумма | 192 | 123,8 | 446 | 1276,3 | 4581 | 2997,4 | 837,74 | 10828,0 | 1958,0 |
Ср. знач. | 9,6 | 6,19 | 22,3 | 63,815 | 229,05 | 149,87 | 41,887 | 541,4 | 97,9 |
Найдем средние квадратические отклонения признаков:
;
;
.
1. Вычисление параметров линейного уравнения множественной регрессии.
Для нахождения параметров линейного уравнения множественной регрессии
необходимо решить следующую систему линейных уравнений относительно неизвестных параметров , , :
либо воспользоваться готовыми формулами:
; ;
.
Рассчитаем сначала парные коэффициенты корреляции:
;
;
.
Находим
;
;
.
Таким образом, получили следующее уравнение множественной регрессии:
.
Коэффициенты и стандартизованного уравнения регрессии находятся по формулам:
;
.
Т.е. уравнение будет выглядеть следующим образом:
.
Так как стандартизованные коэффициенты регрессии можно сравнивать между собой, то можно сказать, что ввод в действие новых основных фондов оказывает большее влияние на выработку продукции, чем удельный вес рабочих высокой квалификации.
Сравнивать влияние факторов на результат можно также при помощи средних коэффициентов эластичности:
.
Вычисляем:
; .
Т.е. увеличение только основных фондов (от своего среднего значения) или только удельного веса рабочих высокой квалификации на 1% увеличивает в среднем выработку продукции на 0,61% или 0,20% соответственно. Таким образом, подтверждается большее влияние на результат фактора , чем фактора .
2. Коэффициенты парной корреляции мы уже нашли:
; ; .
Они указывают на весьма сильную связь каждого фактора с результатом, а также высокую межфакторную зависимость (факторы и явно коллинеарны, т.к. ). При такой сильной межфакторной зависимости рекомендуется один из факторов исключить из рассмотрения.
Частные коэффициенты корреляции характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании (устранении влияния) других факторов, включенных в уравнение регрессии.
При двух факторах частные коэффициенты корреляции рассчитываются следующим образом:
;
.
Если сравнить коэффициенты парной и частной корреляции, то можно увидеть, что из-за высокой межфакторной зависимости коэффициенты парной корреляции дают завышенные оценки тесноты связи. Именно по этой причине рекомендуется при наличии сильной коллинеарности (взаимосвязи) факторов исключать из исследования тот фактор, у которого теснота парной зависимости меньше, чем теснота межфакторной связи.
Коэффициент множественной корреляции определить через матрицу парных коэффициентов корреляции:
,
где
– определитель матрицы парных коэффициентов корреляции;
– определитель матрицы межфакторной корреляции.
;
.
Коэффициент множественной корреляции
.
Аналогичный результат получим при использовании других формул:
;
;
.
Коэффициент множественной корреляции показывает на весьма сильную связь всего набора факторов с результатом.
3. Нескорректированный коэффициент множественной детерминации оценивает долю вариации результата за счет представленных в уравнении факторов в общей вариации результата. Здесь эта доля составляет и указывает на весьма высокую степень обусловленности вариации результата вариацией факторов, иными словами – на весьма тесную связь факторов с результатом.
Скорректированный коэффициент множественной детерминации
определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий. Он дает такую оценку тесноты связи, которая не зависит от числа факторов и поэтому может сравниваться по разным моделям с разным числом факторов. Оба коэффициента указывают на весьма высокую (более ) детерминированность результата в модели факторами и .
4. Оценку надежности уравнения регрессии в целом и показателя тесноты связи дает -критерий Фишера:
.
В нашем случае фактическое значение -критерия Фишера:
.
Получили, что (при ), т.е. вероятность случайно получить такое значение -критерия не превышает допустимый уровень значимости . Следовательно, полученное значение не случайно, оно сформировалось под влиянием существенных факторов, т.е. подтверждается статистическая значимость всего уравнения и показателя тесноты связи .
5. С помощью частных -критериев Фишера оценим целесообразность включения в уравнение множественной регрессии фактора после и фактора после при помощи формул:
;
.
Найдем и .
;
.
Имеем
;
.
Получили, что . Следовательно, включение в модель фактора после того, как в модель включен фактор статистически нецелесообразно: прирост факторной дисперсии за счет дополнительного признака оказывается незначительным, несущественным; фактор включать в уравнение после фактора не следует.
Если поменять первоначальный порядок включения факторов в модель и рассмотреть вариант включения после , то результат расчета частного -критерия для будет иным. , т.е. вероятность его случайного формирования меньше принятого стандарта . Следовательно, значение частного -критерия для дополнительно включенного фактора не случайно, является статистически значимым, надежным, достоверным: прирост факторной дисперсии за счет дополнительного фактора является существенным. Фактор должен присутствовать в уравнении, в том числе в варианте, когда он дополнительно включается после фактора .
6. Общий вывод состоит в том, что множественная модель с факторами и с содержит неинформативный фактор . Если исключить фактор , то можно ограничиться уравнением парной регрессии:
, .
2.3. Варианты индивидуальных заданий по теме «Множественная регрессия и корреляция»
По предприятиям региона изучается зависимость выработки продукции на одного работника (тыс. руб.) от ввода в действие новых основных фондов (% от стоимости фондов на конец года) и от удельного веса рабочих высокой квалификации в общей численности рабочих (%) (смотри таблицу своего варианта).
Требуется:
1. Построить линейную модель множественной регрессии. Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.
2. Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их.
3. Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.
4. С помощью -критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации .
5. С помощью частных -критериев Фишера оценить целесообразность включения в уравнение множественной регрессии фактора после и фактора после .
6. Составить уравнение линейной парной регрессии, оставив лишь один значащий фактор.
Вариант 1
Таблица 15
Номер предприятия | Номер предприятия | ||||||
1 | 6 | 3,6 | 9 | 9 | 9 | 6,3 | 21 |
2 | 6 | 3,6 | 12 | 10 | 11 | 6,4 | 22 |
3 | 6 | 3,9 | 14 | 11 | 11 | 7 | 24 |
4 | 7 | 4,1 | 17 | 12 | 12 | 7,5 | 25 |
5 | 7 | 3,9 | 18 | 13 | 12 | 7,9 | 28 |
6 | 7 | 4,5 | 19 | 14 | 13 | 8,2 | 30 |
7 | 8 | 5,3 | 19 | 15 | 13 | 8 | 30 |
8 | 8 | 5,3 | 19 | 16 | 13 | 8,6 | 31 |
Вариант 2
Таблица 16
Номер предприятия | Номер предприятия | ||||||
1 | 6 | 3,5 | 10 | 10 | 10 | 6,3 | 21 |
2 | 6 | 3,6 | 12 | 11 | 11 | 6,4 | 22 |
3 | 7 | 3,9 | 15 | 12 | 11 | 7 | 23 |
4 | 7 | 4,1 | 17 | 13 | 12 | 7,5 | 25 |
5 | 7 | 4,2 | 18 | 14 | 12 | 7,9 | 28 |
6 | 8 | 4,5 | 19 | 15 | 13 | 8,2 | 30 |
7 | 8 | 5,3 | 19 | 16 | 13 | 8,4 | 31 |
8 | 9 | 5,3 | 20 | 17 | 14 | 8,6 | 31 |
9 | 9 | 5,6 | 20 | 18 | 14 | 9,5 | 35 |
Вариант 3
Таблица 17
Номер предприятия | Номер предприятия | ||||||
1 | 7 | 3,7 | 9 | 8 | 11 | 6,3 | 22 |
2 | 7 | 3,7 | 11 | 9 | 11 | 6,4 | 22 |
3 | 7 | 3,9 | 11 | 10 | 11 | 7,2 | 23 |
4 | 7 | 4,1 | 15 | 11 | 12 | 7,5 | 25 |
5 | 8 | 4,2 | 17 | 12 | 12 | 7,9 | 27 |
6 | 8 | 4,9 | 19 | 13 | 13 | 8,1 | 30 |
7 | 8 | 5,3 | 19 | 14 | 13 | 8,4 | 31 |
Вариант 4
Таблица 18
Номер предприятия | Номер предприятия | ||||||
1 | 7 | 3,5 | 9 | 11 | 10 | 6,3 | 22 |
2 | 7 | 3,6 | 10 | 12 | 10 | 6,5 | 22 |
3 | 7 | 3,9 | 12 | 13 | 11 | 7,2 | 24 |
4 | 7 | 4,1 | 17 | 14 | 12 | 7,5 | 25 |
5 | 8 | 4,2 | 18 | 15 | 12 | 7,9 | 27 |
6 | 8 | 4,5 | 19 | 16 | 13 | 8,2 | 30 |
7 | 9 | 5,3 | 19 | 17 | 13 | 8,4 | 31 |
8 | 9 | 5,5 | 20 | 18 | 14 | 8,6 | 33 |
9 | 10 | 5,6 | 21 | 19 | 14 | 9,5 | 35 |
10 | 10 | 6,1 | 21 | 20 | 15 | 9,6 | 36 |
Вариант 5
Таблица 19
Номер предприятия | Номер предприятия | ||||||
1 | 7 | 3,6 | 9 | 9 | 10 | 6,3 | 21 |
2 | 7 | 3,6 | 11 | 10 | 11 | 6,9 | 23 |
3 | 7 | 3,7 | 12 | 11 | 11 | 7,2 | 24 |
4 | 8 | 4,1 | 16 | 12 | 12 | 7,8 | 25 |
5 | 8 | 4,3 | 19 | 13 | 13 | 8,1 | 27 |
6 | 8 | 4,5 | 19 | 14 | 13 | 8,2 | 29 |
7 | 9 | 5,4 | 20 | 15 | 13 | 8,4 | 31 |
8 | 9 | 5,5 | 20 | 16 | 14 | 8,8 | 33 |
Вариант 6
Таблица 20
Номер предприятия | Номер предприятия | ||||||
1 | 7 | 3,5 | 9 | 12 | 10 | 6,3 | 21 |
2 | 7 | 3,6 | 10 | 13 | 10 | 6,8 | 22 |
3 | 7 | 3,8 | 14 | 14 | 11 | 7,2 | 24 |
4 | 7 | 4,2 | 15 | 15 | 12 | 7,9 | 25 |
5 | 8 | 4,3 | 18 | 16 | 12 | 8,1 | 26 |
6 | 8 | 4,7 | 19 | 17 | 13 | 8,3 | 29 |
7 | 9 | 5,4 | 19 | 18 | 13 | 8,4 | 31 |
8 | 9 | 5,6 | 20 | 19 | 13 | 8,8 | 32 |
9 | 10 | 5,9 | 20 | 20 | 14 | 9,6 | 35 |
10 | 10 | 6,1 | 21 | 21 | 14 | 9,7 | 36 |
11 | 9 | 6.0 | 20 | 22 | 14 | 10 | 37 |
Вариант 7
Таблица 21
Номер предприятия | Номер предприятия | ||||||
1 | 7 | 3,8 | 11 | 11 | 10 | 6,8 | 21 |
2 | 7 | 3,8 | 12 | 12 | 11 | 7,4 | 23 |
3 | 7 | 3,9 | 16 | 13 | 11 | 7,8 | 24 |
4 | 7 | 4,1 | 17 | 14 | 12 | 7,5 | 26 |
5 | 7 | 4,6 | 18 | 15 | 12 | 7,9 | 28 |
6 | 8 | 4,5 | 18 | 16 | 12 | 8,1 | 30 |
7 | 8 | 5,3 | 19 | 17 | 13 | 8,4 | 31 |
8 | 9 | 5,5 | 20 | 18 | 13 | 8,7 | 32 |
9 | 9 | 6,1 | 20 | 19 | 13 | 9,5 | 33 |
10 | 10 | 6,8 | 21 | 20 | 14 | 9,7 | 35 |
Вариант 8
Таблица 22
Номер предприятия | Номер предприятия | ||||||
1 | 7 | 3,8 | 9 | 10 | 11 | 7,1 | 22 |
2 | 7 | 4,1 | 14 | 11 | 11 | 7,5 | 23 |
3 | 7 | 4,3 | 16 | 12 | 12 | 7,8 | 25 |
4 | 7 | 4,1 | 17 | 13 | 12 | 7,6 | 27 |
5 | 8 | 4,6 | 17 | 14 | 12 | 7,9 | 29 |
6 | 8 | 4,7 | 18 | 15 | 13 | 8,1 | 30 |
7 | 9 | 5,3 | 20 |
Резюме оценивания
Скрыто от студентов | Нет |
---|---|
Участники | 77 |
Ответы | 29 |
Требуют оценки | 0 |