Основы корреляции и расчет значимых коэффициентов

Корреляционное поле между объемом предложения блага и его ценой. Расчет коэффициентов линейного уравнения множественной регрессии и пояснение экономического смысла его параметров. Коэффициенты автокорреляции, наличие сезонных колебаний во временном ряде.

Рубрика Экономико-математическое моделирование
Вид практическая работа
Язык русский
Дата добавления 16.12.2014
Размер файла 153,2 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/

  • Оглавление
  • 1. Ситуационная (практическая) задача № 1
  • 2. Ситуационная (практическая) задача № 2
  • 3. Тестовые задания
  • Список литературы
  • 1. Ситуационная (практическая) задача № 1
  • Предполагается, что объем предложения Y некоторого блага для функционирующей в условиях конкуренции фирмы линейно зависит от цены этого блага X1 и заработной платы X2 сотрудников фирмы, производящих данное благо. Статистические данные за 18 месяцев собраны в следующую таблицу:
  • месяц

    Y, тыс. ед.

    X1, руб.

    X2, тыс. руб.

    месяц

    Y, тыс. ед.

    X1, руб.

    X2, тыс. руб.

    1

    35

    10

    12

    10

    94

    55

    15

    2

    35

    15

    10

    11

    93

    50

    15

    3

    38

    20

    8

    12

    75

    35

    15

    4

    49

    25

    9

    13

    85

    40

    16

    5

    60

    40

    9

    14

    105

    55

    17

    6

    69

    37

    10

    15

    100

    45

    17

    7

    75

    43

    12

    16

    108

    65

    15

    8

    73

    35

    14

    17

    110

    60

    17

    9

    75

    38

    13

    18

    115

    68

    17

    • Требуется:
    • 1. Построить корреляционное поле между объемом предложения блага и его ценой. Выдвинуть гипотезу о тесноте и виде зависимости между указанными показателями.
    • 2. Оценить тесноту линейной связи между объемом предложения блага и его ценой с надежностью 0,9.
    • 3. Рассчитать коэффициенты линейного уравнения регрессии для зависимости объема предложения блага от его цены.
    • 4. Проверить статистическую значимость параметров уравнения регрессии с надежностью 0,9 и построить для них доверительные интервалы.
    • 5. Рассчитать коэффициент детерминации. С помощью F -критерия Фишера оценить статистическую значимость уравнения регрессии с надежностью 0,9.
    • 6. Дать точечный и интервальный прогноз с надежностью 0,9 объема предложения, если цена блага составит 30 руб.
    • 7. Рассчитать коэффициенты линейного уравнения множественной регрессии и пояснить экономический смысл его параметров.
    • Проанализировать статистическую значимость коэффициентов множественного уравнения с надежностью 0,9 и построить для них доверительные интервалы.
    • 9. Найти коэффициенты парной и частной корреляции. Проанализировать их.
    • 10. Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.
    • 11. С помощью F -критерия Фишера оценить адекватность уравнения регрессии с надежностью 0,9.
    • 12. Дать точечный и интервальный прогноз с надежностью 0,9 объема предложения блага для фирмы, если цена блага составит 30 руб., а заработная плата сотрудников фирмы равна 11 тыс. руб.
    • 13. Проверить построенное уравнение на наличие мультиколлинеарности по: критерию Стьюдента; критерию ч2. Сравнить полученные результаты.
    • Решение:
    • 1. Построить корреляционное поле между объемом предложения блага и его ценой. Выдвинуть гипотезу о тесноте и виде зависимости между указанными показателями.
    • На основе анализа поля рассеяния выдвигаем гипотезу о том, что зависимость между объемом предложения блага и его ценой описывается линейной регрессионной моделью .
    • 2. Оценить тесноту линейной связи между объемом предложения блага и его ценой с надежностью 0,9.
    • Оценим тесноту линейной связи с помощью коэффициента корреляции. Его можно рассчитать по формуле:
    • Для расчета заполним таблицу:
    • i

      yi

      xi1

      xi1yi

      1

      35

      10

      100

      1225

      350

      2

      35

      15

      225

      1225

      525

      3

      38

      20

      400

      1444

      760

      4

      49

      25

      625

      2401

      1225

      5

      60

      40

      1600

      3600

      2400

      6

      69

      37

      1369

      4761

      2553

      7

      75

      43

      1849

      5625

      3225

      8

      73

      35

      1225

      5329

      2555

      9

      75

      38

      1444

      5625

      2850

      10

      94

      55

      3025

      8836

      5170

      11

      93

      50

      2500

      8649

      4650

      12

      75

      35

      1225

      5625

      2625

      13

      85

      40

      1600

      7225

      3400

      14

      105

      55

      3025

      11025

      5775

      15

      100

      45

      2025

      10000

      4500

      16

      108

      65

      4225

      11664

      7020

      17

      110

      60

      3600

      12100

      6600

      18

      115

      68

      4624

      13225

      7820

      Итого

      1394

      736

      34686

      119584

      64003

      • Тогда:
      • Проверим значимость коэффициента корреляции на уровне значимости 0,1. Для этого рассчитаем значения выражения
      • Находим критическое значение критерия Стьюдента по таблице критических точек:
      • tкр=t(1-;n-2)=t(0,95;16)=1,746.
      • Т.к. условие tф > tкр выполняется, то коэффициент парной корреляции статистически значим, т.е. они существенно отличается от нуля. Таким образом, линейную связь между признаками можно считать установленной.
      • 3. Рассчитать коэффициенты линейного уравнения регрессии для зависимости объема предложения блага от его цены.
      • Рассчитаем коэффициенты линейного уравнения регрессии методом наименьших квадратов. Для этого составляем систему нормальных уравнений и находим ее решение:
      • Решением этой системы являются числа: b0=15,076, b1=1,525.
      • Получили уравнение регрессии: .
      • 4. Проверить статистическую значимость параметров уравнения регрессии с надежностью 0,9 и построить для них доверительные интервалы.
      • Для проверки значимости заполним расчетную таблицу:
      • i

        Xi1

        Yi

        1

        10

        35

        30,329

        4,671

        21,816

        954,123

        2

        15

        35

        37,956

        -2,956

        8,737

        670,235

        3

        20

        38

        45,582

        -7,582

        57,493

        436,346

        4

        25

        49

        53,209

        -4,209

        17,715

        252,457

        5

        40

        60

        76,089

        -16,089

        258,843

        0,790

        6

        37

        69

        71,513

        -2,513

        6,314

        15,123

        7

        43

        75

        80,665

        -5,665

        32,087

        4,457

        8

        35

        73

        68,462

        4,538

        20,593

        34,679

        9

        38

        75

        73,038

        1,962

        3,849

        8,346

        10

        55

        94

        98,968

        -4,968

        24,684

        199,123

        11

        50

        93

        91,342

        1,658

        2,750

        83,012

        12

        35

        75

        68,462

        6,538

        42,745

        34,679

        13

        40

        85

        76,089

        8,911

        79,413

        0,790

        14

        55

        105

        98,968

        6,032

        36,382

        199,123

        15

        45

        100

        83,715

        16,285

        265,196

        16,901

        16

        65

        108

        114,221

        -6,221

        38,706

        581,346

        17

        60

        110

        106,595

        3,405

        11,595

        365,235

        18

        68

        115

        118,797

        -3,797

        14,420

        735,012

        Сумма

        736

        1394

        1394

        0

        943,336

        4591,778

        • Рассчитаем стандартную ошибку регрессии s:
        • Рассчитаем фактические значения t-критерия для каждого коэффициента:
        • ,
        • ,
        • Критическое значение t-критерия Стьюдента равно t0,95;16=1,746.
        • Проверяем значимость коэффициента . Выдвигаем гипотезы:
        • H0: =0
        • H1: 0
        • Сравнивая расчетное и критическое значения (3,031 > 1,746), делаем вывод, что коэффициент статистически значим, т.е. он не может быть равен нулю.
        • Проверяем значимость коэффициента . Выдвигаем гипотезы:
        • H0: =0
        • H1: 0
        • Сравнивая расчетное и критическое значения (13,461 > 1,746), делаем вывод, что коэффициент также статистически значим, т.е. он не может быть равен нулю.
        • Определим доверительные интервалы для коэффициентов и :
        • 15,0761,7464,974
        • 15,0768,684
        • 1,5251,7460,113
        • 1,5250,198
        • 5. Рассчитать коэффициент детерминации. С помощью F -критерия Фишера оценить статистическую значимость уравнения регрессии с надежностью 0,9.
        • Рассчитаем коэффициент детерминации. В случае парной регрессии он равен квадрату коэффициента корреляции:
        • =0,9592=0,9189
        • Рассчитаем фактическое значение F-статистики Фишера по формуле:
        • .
        • При уровне значимости =0,1 и количестве степеней свободы k1=1, k2=18-2=16 определяем, что критическое значение F-статистики Фишера будет равно Fкр(0,1;1;16)=3,048. Т.к. неравенство Fф > Fкр выполняется, поэтому гипотеза H0 отклоняется и признается статистическая значимость уравнения.
        • 6. Дать точечный и интервальный прогноз с надежностью 0,9 объема предложения, если цена блага составит 30 руб.
        • Точечный прогноз при =30 руб.:
        • =15,076+1,52530=60,836 тыс. ед.
        • Доверительные интервалы находятся по формуле
        • где yв, yн - верхняя и нижняя граница доверительного интервала
        • - значение независимой переменной x, для которой определяется доверительный интервал
        • - квантиль распределения Стьюдента с доверительной вероятностью 1- и числом степеней свободы n-2. При =0,1 t0,95;16=1,746.
        • Значение sy определяется по формуле:
        • yн=60,836-1,7462,19=57,011 тыс. ед.
        • yв=60,836+1,7462,19=64,66 тыс. ед.
        • 7. Рассчитать коэффициенты линейного уравнения множественной регрессии и пояснить экономический смысл его параметров.
        • Найдем по методу наименьших квадратов оценки коэффициентов линейной регрессионной модели . Оценки коэффициентов в этом случае можно найти по формуле:
        • A=(XTX)-1XTY
        • Для этого выполним следующие расчеты:
        • 8. Проанализировать статистическую значимость коэффициентов множественного уравнения с надежностью 0,9 и построить для них доверительные интервалы.
        • Заполним вспомогательную таблицу:
        • i

          Y

          X1

          X2

          1

          35

          10

          12

          39,033

          16,265

          1801,531

          2

          35

          15

          10

          38,320

          11,020

          1801,531

          3

          38

          20

          8

          37,606

          0,155

          1555,864

          4

          49

          25

          9

          46,239

          7,624

          809,086

          5

          60

          40

          9

          62,791

          7,788

          304,309

          6

          69

          37

          10

          62,596

          41,016

          71,309

          7

          75

          43

          12

          75,447

          0,200

          5,975

          8

          73

          35

          14

          72,850

          0,022

          19,753

          9

          75

          38

          13

          73,045

          3,821

          5,975

          10

          94

          55

          15

          98,035

          16,278

          274,086

          11

          93

          50

          15

          92,517

          0,233

          241,975

          12

          75

          35

          15

          75,965

          0,932

          5,975

          13

          85

          40

          16

          84,598

          0,161

          57,086

          14

          105

          55

          17

          104,265

          0,540

          759,309

          15

          100

          45

          17

          93,231

          45,822

          508,753

          16

          108

          65

          15

          109,069

          1,143

          933,642

          17

          110

          60

          17

          109,783

          0,047

          1059,864

          18

          115

          68

          17

          118,610

          13,034

          1410,420

          Сумма

          166,103

          11626,44

          • Рассчитаем стандартные ошибки коэффициентов регрессии по формуле:
          • , j=0,1,…,m,
          • корреляционный поле регрессия колебание
          • где zjj - диагональные элементы обратной матрицы (XTX)-1, которые равны соответственно 1,19, 0,00045, 0,0125.
          • ,
          • ,
          • ,
          • По таблице критических точек определяем фактическое значение t-критерия Стьюдента:
          • tкр=t0,95;15=1,753.
          • Неравенство tФ > tкр выполняется для всех коэффициентов, поэтому все коэффициенты уравнения регрессии статистически значимы, т.е. они существенно отличны от нуля.
          • Построим доверительные интервалы для коэффициентов уравнения регрессии:
          • -9,3861,7533,624
          • -9,3866,363
          • 1,1031,7530,07
          • 1,1030,123
          • 3,1151,7530,372
          • 3,1150,652
          • 9. Найти коэффициенты парной и частной корреляции. Проанализировать их.
          • Найдем коэффициенты парной корреляции.
          • (был найден ранее)
          • Найдем коэффициенты частной корреляции. Частные коэффициенты корреляции в случае трех переменных находятся по формуле:
          • Тогда:
          • 10. Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.
          • Рассчитаем скорректированный коэффициент множественной детерминации:

          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 очень высокую (более 90%) детерминированность результата в модели факторами и .

          11. С помощью F -критерия Фишера оценить адекватность уравнения регрессии с надежностью 0,9.

          Найдем коэффициент множественной корреляции и детерминации:

          R2=0,9932=0,9857, регрессия y на x1 и x2 объясняет 98,57% колебаний значений y.

          Рассчитаем фактическое значение F-статистики Фишера по формуле:

          При уровне значимости =0,1 и количестве степеней свободы k1=2, k2=18-3=15 определяем, что критическое значение F-статистики Фишера будет равно Fкр(0,1;2;15)=2,695. Неравенство Fф > Fкр выполняется, поэтому гипотеза H0 отклоняется и признается статистическая значимость уравнения регрессии.

          12. Дать точечный и интервальный прогноз с надежностью 0,9 объема предложения блага для фирмы, если цена блага составит 30 руб., а заработная плата сотрудников фирмы равна 11 тыс. руб.

          Выполним точечный и интервальный прогноз объема предложения блага.

          =30 руб., =11 тыс. руб.

          =-9,386+1,10330+3,11511=57,987 тыс. ед.

          =0,092

          =57,9871,7531,008=57,9871,768

          =56,219 тыс. ед., =59,754 тыс. ед.

          13. Проверить построенное уравнение на наличие мультиколлинеарности по: критерию Стьюдента; критерию ч2. Сравнить полученные результаты.

          Проверим наличие или отсутствие мультиколлинеарности для множественной регрессионной модели.

          а) Если составить матрицу парных коэффициентов между объясняющими переменными, то получится следующая матрица:

          Так как

          то коэффициент корреляции между объясняющими переменными значимо отличается от 0. Таким образом, можно предположить, что в данном случае есть мультиколлинеарность.

          б) Рассчитаем определитель матрицы r:

          Рассчитываем фактическое значение статистики 2:

          Табличное значение статистики 2 при k=1 и =0,1 равно: . Неравенство не выполняется, поэтому окончательно делаем вывод о наличии мультиколлинеарности.

          2. Ситуационная (практическая) задача № 2

          Имеются поквартальные данные по товарообороту некоторой компании в 1999-2008 гг.

          год

          Товарооборот, млн. руб.

          год

          Товарооборот, млн. руб.

          1999

          100,0

          2004

          95,7

          2000

          93,9

          2005

          98,2

          2001

          96,5

          2006

          104,0

          2002

          101,8

          2007

          99,0

          2003

          107,8

          2008

          98,8

          Требуется:

          1. Проверить гипотезу о наличии тренда во временном ряде.

          2. Рассчитать коэффициенты автокорреляции. Проверить наличие сезонных колебаний во временном ряде.

          3. Оценить параметры линейной трендовой модели, проверить статистическую значимость соответствующего уравнения регрессии с надежностью 0,99.

          4. Дать точечный и интервальный прогноз товарооборота компании на 2011 год с надежностью 0,99.

          Решение:

          1. Проверить гипотезу о наличии тренда во временном ряде.

          Для проверки гипотезы о наличии тренда воспользуемся критерием серий. Вычислим выборочную медиану исходных данных:

          Ме (yt) = 98,9 млн. руб.

          Вместо исходных элементов временного ряда Х(t) сформируем последовательность знаков:+, если yt > Me,

          ?, если yt < Me.

          Полученные результаты для временного ряда оформим в виде таблицы:

          год

          yt

          1999

          100

          +

          2000

          93,9

          -

          2001

          96,5

          -

          2002

          101,8

          +

          2003

          107,8

          +

          2004

          95,7

          -

          2005

          98,2

          -

          2006

          104

          +

          2007

          99

          +

          2008

          98,8

          -

          Вычислим характеристики данной последовательности: количество серий - н, длину максимальной серии - ф: н =6, ф = 2.

          Проверим удовлетворяют ли эти значения неравенствам:

          н (10) > 0,5(10 + 2 - 1,65) = 3,53

          ф (10) < 1,43ln(10 + 1) = 3,43

          Поскольку оба неравенства выполняются, то гипотеза об отсутствии тренда не отвергается.

          2. Рассчитать коэффициенты автокорреляции. Проверить наличие сезонных колебаний во временном ряде.

          Оценим автокорреляцию, используя следующую формулу:

          где

          В результате расчетов для от 1 до 4 получаем следующие значение автокорреляции:

          1

          -0,060

          2

          -0,650

          3

          0,027

          4

          0,415

          Значения коэффициентов автокорреляции позволяют сделать вывод об отсутствии сезонности.

          3. Оценить параметры линейной трендовой модели, проверить статистическую значимость соответствующего уравнения регрессии с надежностью 0,99.

          Найдем оценку уравнения линейного тренда методом наименьших квадратов. Составим расчетную таблицу:

          год

          t

          yt

          ytt

          t2

          1999

          1

          100

          100

          1

          2000

          2

          93,9

          187,8

          4

          2001

          3

          96,5

          289,5

          9

          2002

          4

          101,8

          407,2

          16

          2003

          5

          107,8

          539

          25

          2004

          6

          95,7

          574,2

          36

          2005

          7

          98,2

          687,4

          49

          2006

          8

          104

          832

          64

          2007

          9

          99

          891

          81

          2008

          10

          98,8

          988

          100

          Итого

          55

          995,7

          5496,1

          385

          Тогда:

          Решением этой системы являются числа: a0=98,253 и a1=0,239.

          Следовательно, уравнение тренда будет иметь вид: .

          Для проверки значимости уравнения рассчитаем фактическое значение F-критерия Фишера. Для этого заполним таблицу:

          год

          1999

          100

          98,493

          2,272

          0,185

          20,25

          2000

          93,9

          98,732

          23,349

          32,149

          12,25

          2001

          96,5

          98,972

          6,108

          9,425

          6,25

          2002

          101,8

          99,211

          6,703

          4,973

          2,25

          2003

          107,8

          99,450

          69,717

          67,733

          0,25

          2004

          95,7

          99,690

          15,918

          14,977

          0,25

          2005

          98,2

          99,929

          2,990

          1,877

          2,25

          2006

          104

          100,168

          14,681

          19,625

          6,25

          2007

          99

          100,408

          1,982

          0,325

          12,25

          2008

          98,8

          100,647

          3,412

          0,593

          20,25

          Итого

          995,7

          995,7

          147,133

          151,861

          82,5

          Тогда:

          При уровне значимости =0,01 и количестве степеней свободы k1=1, k2=10-2=8 определяем, что критическое значение F-статистики Фишера будет равно Fкр(0,01;1;8)=11,259. Неравенство Fф > Fкр не выполняется, поэтому уравнение тренда признается незначимым, т.е. могло сформироваться под воздействием случайных факторов.

          4. Дать точечный и интервальный прогноз товарооборота компании на 2011 год с надежностью 0,99.

          С помощью уравнения тренда рассчитаем точечный и интервальный прогноз товарооборота компании на 2011 год.

          Точечный прогноз находим по уравнению тренда при t=13:

          =98,253+0,23913=101,365 млн. руб.

          Интервальный прогноз:

          =101,3653,3553,792=101,36512,723

          =88,642 млн. руб., =114,089 млн. руб.

          3. Тестовые задания

          1. С помощью какого метода можно найти оценки параметра уравнения линейной регрессии:

          a) метода наименьших квадратов;

          b) корреляционно-регрессионного анализа;

          c) дисперсионного анализа;

          d) метода серий.

          Ответ: a).

          2. Уравнение регрессии, описывающее зависимость удельных постоянных расходов от объема выпускаемой продукции имеет вид: y*=80+0,7x. Чему может быть равен линейный коэффициент парной корреляции?

          a) -0,9;

          b) 0,75;

          c) 1,5;

          d) -0,75.

          Ответ: b).

          3. Линейный коэффициент парной корреляции для величин X и Y равен 0,8. Чему равен коэффициент детерминации для линейного уравнения парной регрессии, построенного по этой выборке?

          a) 0,64;

          b) 0,894;

          c) 0,2;

          d) 0,4.

          Ответ: a).

          4. По 30 наблюдениям построено уравнение регрессии y*=3,7+1,048x1+0,532x2+0,19x3. Каким квантилем нужно воспользоваться при проверке статистической значимости коэффициентов частной корреляции для этого уравнения?

          a) t0,975(25);

          b) t0,95(28);

          c) t0,975(28);

          d) t0,95(27).

          Ответ: a).

          5. По формуле (XTX)-1XTY вычисляется

          a) статистика 2 для проверки наличия мультиколлинеарности в модели регрессии;

          b) вектор оценок коэффициентов для уравнения множественной регрессии;

          c) критерий для проверки адекватности модели;

          d) прогнозное значение исследуемого показателя.

          Ответ: b).

          6. С помощью какого критерия проверяют наличие автокорреляции остатков?

          a) Дарбина-Уотсона;

          b) Фишера;

          c) Голдфельда-Кванта;

          d) Стьюдента.

          Ответ: a).

          7. Следствием гетероскедастичности является

          a) несостоятельность оценок параметров уравнения, полученных по МНК;

          b) смещенность оценок параметров уравнения, полученных по МНК;

          c) неприменимость статистических тестов;

          d) ненадежность оценок параметров уравнения, полученных по МНК.

          Ответ: d).

          8. Какая из составляющих временного ряда описывает конъюнктурные факторы, формирующие изменения анализируемого признака, обусловленные воздействием долговременных циклов экономической, демографической или солнечной активности

          a) тренд;

          b) сезонная составляющая;

          c) циклическая составляющая;

          d) случайная составляющая.

          Ответ: c).

          9. Какая из представленных моделей временного ряда является моделью тренда?

          a) yt*=at+b+;

          b) yt*= a +a1t+a2cos(kt)+a3sin(kt)+ ;

          с) y t*= ayt-1 +b+;

          d) yt*=a0+a1t+a2t2+b11+b22+.

          Ответ: a).

          10. Для каких видов систем параметры отдельных эконометрических уравнений могут быть найдены с помощью обычного МНК?

          a) система нормальных уравнений;

          b) система независимых уравнений;

          c) система рекурсивных уравнений;

          d) система взаимозависимых уравнений.

          Ответ: a).

          Список литературы

          Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики: учебник для вузов. - М.: ЮНИТИ, 2008.

          Вентцель Е.С. Теория вероятностей: Учебник для вузов. - 6-е изд. - М.: Высш. шк., 2009.

          Тинтнер Г. Введение в эконометрию. - М.: Финансы и статистика, 2005.

          Размещено на Allbest.ru

          ...

Подобные документы

  • Определение параметров линейной регрессии и корреляции с использованием формул и табличного процессора MS Excel. Методика расчета показателей парной нелинейной регрессии и корреляции. Вычисление значений линейных коэффициентов множественной детерминации.

    контрольная работа [110,4 K], добавлен 28.07.2012

  • Расчет линейного коэффициента парной и частной корреляции. Статистическая значимость параметров регрессии и корреляции. Анализ корреляционного поля данных. Точность прогноза, расчет ошибки и доверительный интервал. Коэффициент множественной детерминации.

    контрольная работа [155,8 K], добавлен 11.12.2010

  • Расчет матрицы парных коэффициентов корреляции и статистической значимости коэффициентов регрессии. Оценка статистической значимости параметров регрессионной модели с помощью t-критерия. Уравнение множественной регрессии со статистически факторами.

    лабораторная работа [30,9 K], добавлен 05.12.2010

  • Параметры парной линейной, линейно-логарифмической функции. Оценка статистической надёжности. Ошибка положения регрессии. Расчёт бета коэффициентов, уравнение множественной регрессии в стандартизованном масштабе. Задача на определение тесноты связи рядов.

    контрольная работа [192,2 K], добавлен 23.06.2012

  • Построение линейного уравнения парной регрессии, расчет линейного коэффициента парной корреляции и средней ошибки аппроксимации. Определение коэффициентов корреляции и эластичности, индекса корреляции, суть применения критерия Фишера в эконометрике.

    контрольная работа [141,3 K], добавлен 05.05.2010

  • Факторы, формирующие цену квартир в строящихся домах в Санкт-Петербурге. Составление матрицы парных коэффициентов корреляции исходных переменных. Тестирование ошибок уравнения множественной регрессии на гетероскедастичность. Тест Гельфельда-Квандта.

    контрольная работа [1,2 M], добавлен 14.05.2015

  • Эконометрическое моделирование стоимости квартир в московской области. Матрица парных коэффициентов корреляции. Расчет параметров линейной парной регрессии. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.

    контрольная работа [298,2 K], добавлен 19.01.2011

  • Расчёт параметров линейного уравнения регрессии. Оценка регрессионного уравнения через среднюю ошибку аппроксимации, F-критерий Фишера, t-критерий Стьюдента. Анализ корреляционной матрицы. Расчёт коэффициентов множественной детерминации и корреляции.

    контрольная работа [241,8 K], добавлен 29.08.2013

  • Построение корреляционного поля между накоплениями и стоимостью имущества. Расчет коэффициентов линейного уравнения множественной регрессии, статистическая значимость уравнения. Точечный и интервальный прогноз накоплений. Парная и частная корреляция.

    контрольная работа [145,3 K], добавлен 12.09.2013

  • Анализ метода наименьших квадратов для парной регрессии, как метода оценивания параметров линейной регрессии. Рассмотрение линейного уравнения парной регрессии. Исследование множественной линейной регрессии. Изучение ошибок коэффициентов регрессии.

    контрольная работа [108,5 K], добавлен 28.03.2018

  • Оценка корреляционной матрицы факторных признаков. Оценки собственных чисел матрицы парных коэффициентов корреляции. Анализ полученного уравнения регрессии, определение значимости уравнения и коэффициентов регрессии, их экономическая интерпретация.

    контрольная работа [994,1 K], добавлен 29.06.2013

  • Основные параметры уравнения регрессии, оценка их параметров и значимость. Интервальная оценка для коэффициента корреляции. Анализ точности определения оценок коэффициентов регрессии. Показатели качества уравнения регрессии, прогнозирование данных.

    контрольная работа [222,5 K], добавлен 08.05.2014

  • Описание классической линейной модели множественной регрессии. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности. Оценка модели парной регрессии с наиболее значимым фактором. Графическое построение интервала прогноза.

    курсовая работа [243,1 K], добавлен 17.01.2016

  • Расчет параметров линейного уравнения множественной регрессии; определение сравнительной оценки влияния факторов на результативный показатель с помощью коэффициентов эластичности и прогнозного значения результата; построение регрессионной модели.

    контрольная работа [1,1 M], добавлен 29.03.2011

  • Расчет параметров парной линейной регрессии. Оценка статистической значимости уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента. Построение матрицы парных коэффициентов корреляции. Статистический анализ с помощью ППП MS EXCEL.

    контрольная работа [1,6 M], добавлен 14.05.2008

  • Экономическая интерпретация коэффициентов множественной регрессии. Доверительные интервалы для параметров множественной регрессии. Скорректированный коэффициент детерминации. Средние коэффициенты эластичности. Прогноз фундаментального исследования.

    контрольная работа [866,7 K], добавлен 07.02.2009

  • Взаимосвязь между двумя выбранными переменными на фоне действия остальных показателей. Матрица парных коэффициентов корреляции. Уравнение множественной регрессии. Расчет коэффициентов для проверки наличия автокорреляция. Вариации зависимой переменной.

    контрольная работа [43,7 K], добавлен 03.09.2013

  • Построение уравнения множественной регрессии в линейной форме, расчет интервальных оценок его коэффициентов. Создание поля корреляции, определение средней ошибки аппроксимации. Анализ статистической надежности показателей регрессионного моделирования.

    контрольная работа [179,4 K], добавлен 25.03.2014

  • Поля корреляции, характеризующие зависимость ВРП на душу населения от размера инвестиций в основной капитал. Оценка параметров уравнения парной линейной регрессии. Коэффициент множественной корреляции. Способы оценки параметров структурной модели.

    контрольная работа [215,1 K], добавлен 22.11.2010

  • Построение поля корреляции и формулировка гипотезы о линейной форме связи. Расчет уравнений различных регрессий. Расчет коэффициентов эластичности, корреляции, детерминации и F-критерия Фишера. Расчет прогнозного значения результата и его ошибки.

    контрольная работа [681,9 K], добавлен 03.08.2010

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.