Расчет коэффициента регрессии

Оценка коэффициентов регрессии с использованием формул для расчета ковариации двух случайных величин и выборочной дисперсии. Построение регрессионной зависимости и ее экономическая интерпретация. Проверка оценки с помощью коэффициента детерминации.

Рубрика Экономика и экономическая теория
Вид лабораторная работа
Язык русский
Дата добавления 11.05.2016
Размер файла 104,6 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

1. Рассчитать и оценить коэффициенты регрессии по методу наименьших квадратов (используя Cov(x,y) и Var(x)).

2. Построить регрессионную зависимость и дать экономическую интерпретацию.

3. Проверить качество оценки с использованием коэффициента детерминации, используя формулы

регрессия дисперсия экономический детерминация

4. Прокомментировать полученный результат.

Задача: изучив теоретическую часть материала перейти к практическим расчетам заданных величин, освоение методики построения уравнения парной линейной регрессии.

Оценим коэффициенты регрессии с использованием формул для расчета ковариации двух случайных величин и выборочной дисперсии.

Пусть Х -экспорт в миллионах долларов США, Y -производство в тоннах. Промежуточные результаты расчета приведены в таблице 1.

Таблица 1 - Расчет коэффициента регрессии по методу МНК

№ п/п

Год

Экспорт в миллионах долларов США (x)

Производство в тоннах (y)

x2

y2

xy

1

1998

71314

952

71314

952

67890928

2

1999

72885

1089

72885

1089

79371765

3

2000

103093

1087

103093

1087

112062091

4

2001

99969

1029

99969

1029

102868101

5

2002

106712

1031

106712

1031

110020072

6

2003

133656

1089

133656

1089

145551384

7

2004

181600

1080

181600

1080

196128000

8

2005

241473

1051

241473

1051

253788123

9

2006

301244

1063

301244

1063

320222372

10

2007

351928

1068

351928

1068

375859104

11

2008

467581

1006

467581

1006

470386486

12

2009

301667

893

301667

893

269388631

13

2010

397068

1073

397068

1073

426053964

14

2011

516718

1050

516718

1050

542553900

15

2012

524735

1034

524735

1034

542575990

16

2013

525976

1004

525976

1004

528079904

17

2014

497834

1017

497834

1017

506297178

18

2015

490123

966

490123

966

473458818

Сумма

5385576

18582

5385576

18582

5522556811

Средние

299198,67

1032,3333

299198,7

1032,333

306808711,7

Сумма*2

10771152

37056

10771152

37164

11045113622

Средние^2

89519844129,77

1065712,042

Суммируя по всем n наблюдениям, запишем S в виде:

S=yi2+na2+b2xi2-2ayi+2abxi-2bxiyi

S= 18582+18+5385576-a37056+ab10771152-b11045113622

Условия первого порядка для минимума, то есть и , принимают вид:

.

.

Эти уравнения известны как нормальные уравнения для коэффициентов регрессии. Уравнение позволяет выразить a через и пока неизвестное b. Подставим вместо xi, получим:

.

Следовательно,

.

Подставив выражение для a в уравнение и помня, что xi равно , имеем:

Проведем расчет:

=2an-37056+10771152b=0

=10771152b+10771152a-11045113622=0

a=1032,3333-299198,67b

Получаем следующую систему уравнений:

36a-37056+10771152b=0

10771152b+10771152a-11045113622=0

Подставим а во второе уравнение:

10771152b+10771152(1032,3333-299198,67b )-11045113622=0

3222703581615,84b=74305266,9616

b = 0,79, следовательно a= 235,616.

Оценим коэффициенты регрессии с использованием формул для расчета ковариации двух случайных величин и выборочной дисперсии. Результаты расчета приведены в таблице 2.

Таблица 2 - Оценка коэффициента регрессии b

№ п/п

Год

x

y

1

1997

71314

952

-227884,67

-80,33333

18306734,89

51931421302

2

1998

72885

1089

-226313,67

-56,666667

12824441,11

51217875720

3

1999

103093

1087

-196105,67

54,666667

-10720443,11

38457432499

4

2000

99969

1029

-199229,67

-3,333333

664098,8889

39692460080

5

2001

106712

1031

-192486,67

-1,333333

256648,8889

37051116844

6

2002

133656

1089

133656

56,666667

7573840

17863926336

7

2003

181600

1080

-117598,67

47,666667

-5605536,444

13829446402

8

2004

241473

1051

-57725,667

18,666667

-1077545,778

3332252592

9

2005

301244

1063

2045,33333

30,666667

62723,55556

4183388,444

10

2006

351928

1068

52729,3333

35,666667

1880679,556

2780382594

11

2007

467581

1006

168382,333

-26,33333

-4434068,111

28352610179

12

2008

301667

893

2468,33333

-139,3333

-343921,1111

6092669,444

13

2009

397068

1073

97869,3333

40,666667

3980019,556

9578406407

14

2010

516718

1050

217519,333

17,666667

3842841,556

47314660374

15

2011

524735

1034

225536,333

1,6666667

375893,8889

50866637653

16

2012

525976

1004

226777,333

-28,33333

-6425357,778

51427958914

17

2013

497834

1017

198635,333

-15,33333

-3045741,778

39455995648

18

2014

490123

966

190924,333

-66,33333

-12664647,44

36452101059

Сумма

5385576

18582

5450660,332

519615116542

Средние

299198,67

1032,3333

302814,4629

28867497814

Так как Cov (х, y) =19319,24и Var(x) =34577,99, то

Таким образом, при расчете коэффициентов регрессии разными способами мы получили равные значения.

Для полученной регрессионной зависимости проверим качество оценки с использованием коэффициента детерминации R2. Результаты расчетов приведены в таблице 3.

Таблица 3 - Расчет коэффициента детерминации R2

Год

x

y

e

1997

71314

952

56573,676

-55621,676

1998

72885

1089

57814,766

-56725,766

1999

103093

1087

81679,086

-80592,086

2000

99969

1029

79211,126

-78182,126

2001

106712

1031

84538,096

-83507,096

2002

133656

1089

105823,856

-104734,856

2003

181600

1080

143699,616

-142619,616

2004

241473

1051

190999,286

-189948,286

2005

301244

1063

238218,376

-237155,376

2006

351928

1068

278258,736

-277190,736

2007

467581

1006

369624,606

-368618,606

2008

301667

893

238552,546

-237659,546

2009

397068

1073

313919,336

-312846,336

2010

516718

1050

408442,836

-407392,836

2011

524735

1034

414776,266

-413742,266

2012

525976

1004

415756,656

-414752,656

2013

497834

1017

393524,476

-392507,476

2014

490123

966

387432,786

-386466,786

Сумма

5385576

18582

4258846,13

-4240264,13

Средние

299198,67

1032,3333

236602,563

-235570,229

Год

1997

32381481847

6453,444444

32410400034

1998

3217812528

3211,111111

3342547168

1999

6495084326

2988,444444

6671473090

2000

6112444826

11,11111111

6274402482

2001

6973435082

1,777777778

7146689675

2002

10969390061

3211,111111

11198688499

2003

20340354868

2272,111111

20649579639

2004

36080351354

348,4444444

36480727253

2005

56242672366

940,4444444

56747994664

2006

76834704124

1272,111111

77427924160

2007

13588116435

693,4444444

13662215619

2008

56482059805

19413,77778

56907317203

2009

97872829949

1653,777778

98545349515

2010

16596916579

312,1111111

16682654168

2011

1711838564

2,777777778

17203961234

2012

1720211712

802,7777778

17285411673

2013

1540621812

235,1111111

15486286436

2014

1493577332

4400,111111

15010412823

Сумма

1358472138

48224

13671111234

Средние

75470685799

2679,111111

75950534319

Представим графическую модель полученной регрессионной зависимости i= 235,616+0,79xi (рисунок 1).

Оценена регрессия i =235,616+0,79xi.

Полученный результат можно истолковать следующим образом. Коэффициент при xi показывает, что если x увеличивается на 1 единицу, то возрастает на 0,61 единицы. В нашем случае, коэффициент наклона показывает, что если число совершенных преступлений увеличится на 1 тыс., то число потерпевших возрастет на 0,61 человека.

Постоянная а в уравнении показывает прогнозируемый уровень y, когда x=0. Таким образом, в случае, когда число совершенных преступлений равно нулю, число потерпевших равно1414,6367 человек. Однако подобная буквальная интерпретация может привести к неверным результатам, т.к. x=0 находится достаточно далеко от выборочных значений x. Экстраполяция влево может нарушить точность линии регрессии.

Для проверки значимости модели регрессии используется F-критерий Фишера. Для модели парной регрессии:

.

Так как расчетное значение с 1= 2 и 2 = (18 - 2 - 1) степенями свободы, где k - количество факторов, включенных в модель, больше табличного 3,68, при заданном уровне значимости, модель считается значимой.

Для оценки качества модели рассчитаем коэффициент детерминации:

.

Чем ближе R2 к 1, тем выше качество модели.

Полученное значение коэффициента корреляции rx,y свидетельствует о взаимной согласованности изменения переменных X и Y:

.

Таки образом, цель регрессионного анализа состоит в объяснении поведения зависимой переменной Y. Для определения качества такой оценки служит коэффициент детерминации R2. Максимальное значение коэффициента R2 равно единице. Мы заинтересованы в таком выборе коэффициентов a и b, чтобы максимизировать R2. В нашем случае R2=0,4761, следовательно, можно говорить о том, что в выборке присутствует видимая связь между Y и X. Коэффициент корреляции =0,69, что также говорит о достаточно хорошем качестве выбранной модели.

Размещено на Allbest.ru

...

Подобные документы

  • Расчет параметров уравнения линейной регрессии, экономическая интерпретация регрессии. Определение остаточной суммы квадратов. Выполнение предпосылок МНК. Расчет коэффициента детерминации, проверка значимости уравнения регрессии с помощью критерия Фишера.

    контрольная работа [317,0 K], добавлен 11.05.2009

  • Экономическая интерпретация коэффициентов регрессии. Графическое представление фактических и модельных значений точки прогноза, уравнений регрессии (гиперболической, степенной, показательной). Нахождение коэффициентов детерминации и эластичности.

    контрольная работа [324,1 K], добавлен 13.04.2010

  • Гипотезы о нормальном и о равномерном распределении. Оценка параметров регрессии. Расчет математического ожидания и дисперсии. Расчет коэффициентов регрессии. Использование статистического критерия хи-квадрат. Построение сгруппированной выборки.

    курсовая работа [185,4 K], добавлен 20.04.2015

  • Построение корреляционного поля между ценой акции и доходностью капитала. Гипотеза о тесноте и виде зависимости между доходностью и ценой. Расчет коэффициента детерминации. Оценка статистической значимости уравнения регрессии с помощью F-критерия Фишера.

    контрольная работа [274,3 K], добавлен 25.09.2013

  • Составление матрицы парных коэффициентов корреляции. Построение уравнения регрессии, характеризующего зависимость цены от всех факторов. Проведение регрессионного анализа с помощью пакета SPSS. Экономическая интерпретация коэффициентов модели регрессии.

    лабораторная работа [2,5 M], добавлен 27.09.2012

  • Основные этапы многофакторного корреляционного анализа и интерпретация его параметров. Назначение коэффициентов эластичности и стандартизированных бетта-коэффициентов. Расчет значимости коэффициентов регрессии и корреляции с помощью f-критерия Стьюдента.

    контрольная работа [605,2 K], добавлен 29.07.2010

  • Составление матрицы парных коэффициентов корреляции переменных. Построение линейного уравнения регрессии, характеризирующее зависимость цены от факторов. Оценка статистической значимости параметров в регрессионной модели с помощью t-критерия Стьюдента.

    лабораторная работа [1,6 M], добавлен 13.04.2010

  • Исходные данные о продаже квартир на вторичном рынке жилья исследуемого региона, этапы нахождения на данной основе парной регрессии, уравнения линейной регрессии, выборочной дисперсии и ковариации. Определение средней стоимости квартиры, ее вариации.

    контрольная работа [80,7 K], добавлен 14.04.2011

  • Основные виды и способы статистического наблюдения. Правила формирования выборки. Построение и анализ вариационных рядов распределения. Отбор факторов в регрессионную модель. Проверка значимости коэффициентов регрессии и коэффициента корреляции.

    курсовая работа [1,4 M], добавлен 25.03.2012

  • Проверка статистической гипотезы о значимости коэффициента функции регрессии. Практическое применение интерполирования. Применение процедуры линеаризации в решении нелинейной задачи регрессии. Построение квадратичной модели полулогарифмической функции.

    курсовая работа [291,1 K], добавлен 23.03.2015

  • Проведение расчета абсолютных, относительных, средних величин, коэффициентов регрессии и эластичности, показателей вариации, дисперсии, построение и анализ рядов распределения. Характеристика аналитического выравнивания цепных и базисных рядов динамики.

    курсовая работа [351,2 K], добавлен 20.05.2010

  • Исследование типа регрессии между случайными переменными. Построение эмпирического уравнения регрессии. Расчет выборочных средних, дисперсий и среднеквадратического отклонения. Определение показателя тесноты связи как линейного коэффициента корреляции.

    контрольная работа [513,5 K], добавлен 02.05.2015

  • Изучение и оценка коэффициентов и уравнения линейной регрессии показателей грузоперевозок по РБ за 2011-2012 гг. Проверка гипотез о значениях коэффициентов регрессии, построение доверительных интервалов, анализ статистической однородности и независимости.

    курсовая работа [773,3 K], добавлен 23.10.2012

  • Виды и способы статистического наблюдения. Построение и анализ вариационных рядов распределения. Оценка параметров генеральной совокупности банков на основе выборочных данных. Расчет парного коэффициента корреляции и уравнения однофакторной регрессии.

    контрольная работа [712,1 K], добавлен 30.03.2014

  • Проверка выполнения предпосылок МНК. Значимость параметров уравнения регрессии с помощью t-критерия Стьюдента и F-критерия Фишера. Средняя относительная ошибка аппроксимации. Гиперболические, степенные и показательные уравнения нелинейной регрессии.

    контрольная работа [253,4 K], добавлен 17.03.2011

  • Cущность аналитической, комбинационной и структурной равноинтервальной группировок, их практическое применение в статистике. Построение рядов распределения и их гистограммы. Проверка теоремы о разложении дисперсии. Расчет коэффициента детерминации.

    курсовая работа [268,2 K], добавлен 07.04.2010

  • Порядок построения линейного уравнения парной регрессии, расчет коэффициентов и оценка статической значимости параметров регрессии и корреляции. Точность прогноза. Множественная регрессия и корреляция. Системы эконометрических уравнений. Временные ряды.

    контрольная работа [1,3 M], добавлен 24.09.2013

  • Классическая линейную модель множественной регрессии. Значимость уравнения регрессии и его коэффициентов. Доверительный интервал. Матрица парных коэффициентов корреляции. Модель множественной регрессии. Автокорреляция.

    контрольная работа [172,9 K], добавлен 17.01.2004

  • Расчет параметров линейной и степенной парной регрессии. Показатели корреляции и детерминации, методика их расчета. Средняя ошибка аппроксимации. Оценка с помощью F-критерия Фишера статистической надежности результатов регрессионного моделирования.

    контрольная работа [25,2 K], добавлен 20.11.2014

  • Расчет параметров линейного уравнения множественной регрессии с перечнем факторов по данным о деятельности компаний США. Оценка силы связи факторов с результатом с помощью средних (общих) коэффициентов эластичности. Доверительный интервал прогноза.

    лабораторная работа [666,9 K], добавлен 21.04.2015

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.