Оценка уровня значимости коэффициента линейной корреляции

Анализ зависимости объема потребления домохозяйства от располагаемого дохода. Построение регрессионной модели. Оценка качества уравнения регрессии. Расчет коэффициента эластичности, ошибок аппроксимации и регрессии, значения коэффициента детерминации.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 07.03.2016
Размер файла 118,8 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/

Задание

Для анализа зависимости объема потребления Y (д.е.) домохозяйства от располагаемого дохода X (д.е.) отобрана выборка n=10

Таблица 1.

x

107

97

115

106

130

135

114

107

108

117

y

59

55

73

66

83

95

62

65

72

80

1. Оценка силы линейной зависимости между X и Y

Для оценки наличия линейной связи рассчитаем некоторые показатели, такие как: произведение количества потребления на доход, квадрат соответствующих значений X и Y суммы и средние значения этих величин. Данные занесем в таблицу 2.

Таблица 2.

Коэфициент линейной кореляции отражает меру линейной зависимости между двумя переменными.

Расситаем коэффициент корреляции по формуле:

rxy==0,91

Коэффициент корреляции достаточно близок к единице и имеет положительное значение, что свидетельствуте о наличии прямой линейной связи (при увеличении X увеличивается Y).

Оценка уровня значимости коэффициента линейной корреляции при уровне значимости бxy=10%

Выдвинем нулевую гипотезу Н0 коэффициент корреляции сxy=0, т. е. линейная связь отсутствует.

Выдвинем альтернативную гипотезу Н1 сxy? 0, т. е. Линейная связь присутствует.

В данном случае используется двустронний тест.

Для подтверждения нулевой гипотезы подбирается случайная величина с известным распределением, в нашем случае критерий Стьюдента.

Уровень значимости по условию задачи равен 10%, бxy/2=5%

Количество величин n в выборке 10.

tкр=1,860

Критическими точками вся область распределения разделена на три области: от ? до tкр= - 1,860, от tкр= - 1,860 до tкр=1,860, от tкр=1,860 до ?.

Определим, в какую из трех областей попадет Трасч.

Трасч. Попадает в область от tкр=1,860 до ?, следовательно нулевая теория Н0 отвергается, а теория Н1 принимается. Из этого следует вывод, что линейный коэффициент корреляции значим и линейная связь присутствует.

2. Построение регрессионной модели

Предварительно расположим значения Y в порядке возрастания значений Х (таблица 3):

Таблица 3

Регрессионный анализ преназначен для исследованиязависимости исследуемой переменой от различных факторов и отображения их зависимости в форме регрессионной модели.

Предположим, что в нашем случае зависимость линейная, т.е переменная Y предположительно находится под влиянием переменной Х в следующей зависимости:

Метод наименьших квадратов (МНК) подразумевает, что сумма квадратов расстояний между точками была наименьшей.

МНК используется для нахождения параметров линейной зависимости.

Коэффициенты a и b находятся по формулам:

,

C учетом подсчитанных коэффициентов a и b линейная регрессионная модель имеет следующий вид:

Коэффициент b имеет следующий экономический смысл: при увеличении располагаемого дохода на 1 д.е. объем потребления увеличится на 0,8583 д.е.

3. График регрессионной модели и наблюдаемые (эмпирические) значения

Рисунок 1 -- График модели парной регрессии

4. Оценка качество уравнения регрессии

Найдем остаток e -- расхождение между фактическим и прогнозированным значением величины y. Данные внесем в таблицу 4.

Таблица 4

1. Средняя ошибка аппроксимации:

Вывод: полученное значение показывает, что расчетные значения в среднем отклоняются на 3,3254%. Качество модели по этому показателю можно оценить как относительно хорошее.

2. Стандартная ошибка регрессии.

В качестве меры точности применяют не смещеннцю оценку дисперсии остаточной компоненты.

Se -- среднее квадратичное отклонение (стандартная ошибка регрессии)

S2e - дисперсия.

S2e = == 24,9171

Se == 4,9917

Вывод: для исходных данных такая величина стандартной ошибки регрессии указывает на среднее качество модели.

3. Оценка общего качества уровня регрессии.

После того, как уравнение построено, выполняется проверка значимости построенного уравнения в целом. Суммарной мерой общего качества уравнения является коэффициент детерминации R2

- сумма квадратов общих отклонений (отклонение наблюдаемых значений от среднего)

- сумма остаточных отклонений (отклонение наблюдаемых значений от соответствующих значений на линии регрессии)

- факторное отклонение (отклонение соответствующих значений на линии регрессии от среднего).

Сумма кавдратов общих отклонений равна сумме квадратов остаточных и факторных отклонений.

Коэффициент детерминации R2 показывает долю факторных отклонений в общей мере отклонений в целом.

R2 = = 1-= 1-= 0,8328

R2 = 0,8328 говорит о среднем качестве модели.

4. Проверка значимости коэффициента детерминации R2

Выдвинем нулевую гипотезу Н0 R2 =0 (т. е. критерий не значим) и конкурирующую гипотезу Н1 R2 ?0 (критерий значим)ю

Для проверки значимости R2 используется F-критерий Фишера:

F= ,

где к -- количество факторных переменных, в нашем случае равное 1.

F=

Уровень значимости по заданию равен 10%, используем односторонний тест, следовательно, б=5%.

Степени свободы:

y1=k=1

y2=(n-1-1) = 10-1-1=8

По таблице значений критерий Фишера Fкрит (0,1; 1,8)=3,46

F расч.= =39,8469

Вывод: поскольку F расч. > Fкрит, критерий значим.

5. Точечный прогноз потребления при доходе 100 д.е

Уравнение регрессии в нашем случае имеет вид:

y =52,6607+0,8583x

При прогнозируемом доходе Хпрогноз = 100 д.е. прогнозируемый объем потребления Yпрогноз будет равен:

Yпрогноз =52,6607+0,8583*100 = 138,4907 д.е.

6. Определить 95% доверительный интервал для получения прогноза

Для значимого уравнения регрессии представяет интерес построение интегральных оценок для параметра:

Таблица 5

tкр определим по таблице распределения Стьюдента.

Уровень значимости по условию задачи равен 10%, бxy/2=5%

Количество величин n в выборке 10.

tкр=1,860

Se - стандартная ошибка регрессии.

Вывод: с вероятностью 95% истинный прогноз Yпрогноз при доходе 100 д.е. будет находиться в интервале [113,3117;163,6697]

7. Расчет коэффициента эластичности

Коэффициент эластичности показывает относительное изменение исследуемого экономического показателя под действием единичного относительного изменения экономического фактора, от которого он зависит, при неизменных остальных влияющих на него факторах. Коэфициент эластичности показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1%.

Э=

Обычно рассчитывается средний коэффициент эластичности.

= 0,8583*=0,5364

Вывод: при росте располагаемого дохода на 1% объем потребления в среднем увеличится на 0,5364%.

8. Построение степенной модели

Имеем нелинейную по параметрам регрессии внутренне линейную степенную функцю, отражающую зависимость спроса от дохода: где у -- спрашиваемое количество; х -- доход. Ее можно считать внутренне линейной, ибо логарифмирование данного уравнения по основанию е приводит его к линейному виду Заменив переменные и параметры, получим линейную регрессию: y'=A+Bx'

Для оценки наличия нелинейной связи рассчитаем некоторые значения и представим их в таблице 6.

Таблица 6.

= =0,5327

= 4,7282-0,53279*4,2498=2,4639

Уравнение регресии будет иметь вид: y'=2,4639+0,5327x'

Перейдем к исходным переменным x и y, выполнив потенцирование данного уравнения:

A=2,4639=ln a =>a=e2,4639=11,7510,

получим уравнение степенной регрессии:

y =11,7510x0,5327

Оценка качества модели

Найдем остаток (y - y) -- расхождение между фактическим и прогнозированным значением величины y.

Таблица 7

Определим среднюю ошибку аппроксимации:

Вывод: полученное значение показывает, что расчетные значения в среднем отклоняются на 0,041%. Качество модели по этому показателю можно оценить как хорошее.

Определим стандартную ошибку регрессии:

Se = =5,1

Полученное значение указывает на среднее качество модели.

Определим индекс корреляции:

rxy===0,9085

Связь между показателем y и фактором x можно считать сильной. Коэфициент корреляции значим.

Коэффициент детерминации R2= rxy2 = 0,8253 свидетельствует о среднем качестве модели в целом.

Проверим значимость коэффициента детерминации с помощью критерия Фишера:

Fрасч= =

По таблице значений критерий Фишера Fкрит (0,1; 1,8)=3,46

Вывод: поскольку F расч. > Fкрит, критерий значим.

доход регрессионный аппроксимация детерминация

Выводы

1. Полученный коэффициент линейной корреляции rxy= 0,91 указывает на сильную прямую связь между доходами (Х) и объемом потребления (Y). Коэфициент корреляции значим.

2. Искомое уравнение линейной регрессии имеет вид:

3. Расчетные значение отличаются от фактических в среднем на 3,3254%.

4. Значение коэффициента детерминации говорит о том, что изменение объема потребления на 83% происходит за счет изменения уровня дохода. Это значение коэффициента свидетельствует об относительно хорошем качестве модели.

5. Согласно точечному прогнозу при доходе 100 д.е. объем потребления будет составлять 138,4907 д.е.

6. С вероятностью 95% истинный прогноз Yпрогноз при доходе 100 д.е. будет находиться в интервале [113,3117;163,6697]

7. Полученное значение коэффициента эластичности показывает, что при росте располагаемого дохода на 1% объем потребления в среднем увеличится на 0,5364%.

8. Искомое уравнение степенной регрессии имеет вид: y =11,7510x0,5327 Коэфициент корреляции rxy=0,9085 значим, и указывает на прямую связь между доходами (Х) и объемом потребления (Y).

9. Качество модели определяется степенью близости коэффициента детерминации R2 к 1. Согласно данному коэффициенту ближе к 1 коэффициент детерминации линейной регрессии, поэтому будем считать более качественной линейную модель зависимости объемов потребления от доходов.

Размещено на Allbest.ru

...

Подобные документы

  • Построение поля корреляции, расчет уравнений линейной парной регрессии, на основе данных о заработной плате и потребительских расходах в расчете на душу населения. Анализ коэффициента эластичности, имея уравнение регрессии себестоимости единицы продукции.

    контрольная работа [817,3 K], добавлен 01.04.2010

  • Построение модели для зависимой переменной, используя пошаговую множественную регрессию. Рассчет индекса корреляции, оценка качества полученного уравнения регрессии с помощью коэффициента детерминации. Оценка статистической значимости уравнения регрессии.

    лабораторная работа [2,1 M], добавлен 25.05.2009

  • Параметры уравнения и экономическое толкование коэффициента линейной регрессии. Расчет коэффициентов детерминации и средних относительных ошибок аппроксимации. Построение структурной формы модели с использованием косвенного метода наименьших квадратов.

    контрольная работа [99,2 K], добавлен 27.04.2011

  • Параметры уравнения линейной регрессии. Вычисление остаточной суммы квадратов, оценка дисперсии остатков. Осуществление проверки значимости параметров уравнения регрессии с помощью критерия Стьюдента. Расчет коэффициентов детерминации и эластичности.

    контрольная работа [248,4 K], добавлен 26.12.2010

  • Расчет параметров линейной регрессии. Сравнительная оценка тесноты связи с помощью показателей корреляции, детерминации, коэффициента эластичности. Построение поля корреляции. Определение статистической надежности результатов регрессионного моделирования.

    контрольная работа [71,7 K], добавлен 17.09.2016

  • Понятие регрессии. Оценка параметров модели. Показатели качества регрессии. Проверка статистической значимости в парной линейной регрессии. Реализация регрессионного анализа в программе MS Excel. Условия Гаусса-Маркова. Свойства коэффициента детерминации.

    курсовая работа [233,1 K], добавлен 21.03.2015

  • Экономическая интерпретация коэффициента регрессии. Нахождение статочной суммы квадратов и оценка дисперсии остатков. Проверка значимости параметров уравнения регрессии с помощью t-критерия Стьюдента. Расчет средней относительной ошибки аппроксимации.

    контрольная работа [261,1 K], добавлен 23.03.2010

  • Построение доверительного интервала для коэффициента регрессии. Определение ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности изменения материалоемкости продукции. Построение линейного уравнения множественной регрессии.

    контрольная работа [250,5 K], добавлен 11.04.2015

  • Построение доверительного интервала для коэффициента регрессии в заданной модели. Оценка качества модели по анализу ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности спроса в зависимости от цены. Уравнение авторегрессии.

    контрольная работа [156,8 K], добавлен 28.02.2011

  • 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

  • Нахождение коэффициента корреляции и параметров линии регрессии по заданным показателям y и х. Оценка адекватности принятой модели по критерию Фишера. Построение графика линии регрессии и ее доверительной зоны, а также коэффициента эластичности.

    контрольная работа [2,1 M], добавлен 09.07.2014

  • Выполнение кластерного анализа предприятий с помощью программы Statgraphics Plus. Построение линейного уравнения регрессии. Расчет коэффициентов эластичности по регрессионным моделям. Оценка статистической значимости уравнения и коэффициента детерминации.

    задача [1,7 M], добавлен 16.03.2014

  • Ковариационная матрица оценок коэффициентов регрессии. Оценка дисперсии ошибок. Сущность теоремы Гаусса-Маркова. Проверка статистических гипотез, доверительные интервалы. Расчет коэффициента детерминации, скорректированного коэффициента детерминации.

    контрольная работа [1,4 M], добавлен 28.07.2013

  • Оценка тесноты связи с помощью показателей корреляции и детерминации. Построение поля корреляции и расчёт параметров линейной регрессии. Результаты вычисления функций и нахождение коэффициента детерминации. Регрессионный анализ и прогнозирование.

    курсовая работа [1,1 M], добавлен 07.08.2011

  • Построение модели множественной линейной регрессии по заданным параметрам. Оценка качества модели по коэффициентам детерминации и множественной корреляции. Определение значимости уравнения регрессии на основе F-критерия Фишера и t-критерия Стьюдента.

    контрольная работа [914,4 K], добавлен 01.12.2013

  • 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

  • Расчет параметров уравнения линейной регрессии, экономическая интерпретация ее коэффициента. Проверка равенства математического ожидания уровней ряда остатков нулю. Построение степенной модели парной регрессии. Вариация объема выпуска продукции.

    контрольная работа [771,6 K], добавлен 28.04.2016

  • 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

  • Построение поля корреляции. Оценка данной зависимости линейной, степенной и гиперболической регрессией. Оценка тесноты связи с помощью показателей корреляции и детерминации. Расчет коэффициента эластичности. Определение доверительного интервала прогноза.

    контрольная работа [508,1 K], добавлен 13.11.2011

  • Поле корреляции и гипотеза о виде уравнения регрессии. Оценка величины влияния фактора на исследуемый показатель с помощью коэффициента корреляции и детерминации. Определение основных параметров линейной модели с помощью метода наименьших квадратов.

    контрольная работа [701,1 K], добавлен 29.03.2011

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.