ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 02.05.2024
Просмотров: 29
Скачиваний: 0
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
на 1 руб., значение потребительских расходов на душу населения возрастет не менее, чем на 0,458, но не более чем на 0,758 руб. Т.к. в доверительный интервал не попадает 0, то параметр является статистически значимым.
Доверительный интервал для коэффициента регрессии :
Вывод: с вероятностью 99% значение коэффициента регрессии будет находится в пределах от . Т.е. с вероятностью 99% при увеличении уровня безработицы на 0,01% значение потребительских расходов на душу населения снизится не менее, чем на 233,264 руб., но не более чем на 1098,846 руб. Т.к. в доверительный интервал не попадает число 0, то параметр является статистически значимым.
10. Оценим статистическую значимость коэффициентов множественного уравнения с надежностью 0,99.
Выдвигаем нулевые гипотезы о том, что найденные параметры не являются статистически значимыми:
Для проверки гипотез рассчитывают t-критерий Стьюдента по формулам:
, где
– стандартные ошибки параметров модели.
Расчет фактических значений критерия Стьюдента:
Вывод: поскольку , то нулевые гипотезы отклоняем с вероятностью допустить ошибку в 1%. Коэффициенты регрессии являются статистически значимыми. Т.к. коэффициенты регрессии значимы
, то и факторы при этих коэффициентах значимы.
Поскольку , то свободный член не значим.
11. Проверим качество построенного уравнения регрессии
Рассчитываем множественный коэффициент детерминации:
Вывод: коэффициент показывает, что на 91,4% вариации потребительских расходов на душу населения происходит под влиянием факторов , включенных в модель. Остальные 8,6% вариации величины потребительских расходов на душу населения объясняется влиянием прочих случайных факторов.
Скорректированный коэффициент детерминации позволяет учесть при оценке качества модели соотношение количества наблюдений и количества оцениваемых параметров модели.
Вывод: показатели детерминации говорят о хорошем качестве модели регрессии.
Выдвигаем нулевую гипотезу о том, что найденные показатели тесноты и силы связи случайны, т.е. равны нулю:
Альтернативная гипотеза:
Для проверки нулевой гипотезы рассчитываем значение F-критерия Фишера:
Табличное значение F-критерия при уровне значимости и числе степеней свободы (количество факторов), число степеней свободы составит:
Вывод: поскольку , то нулевую гипотезу отклоняем с вероятностью допустить ошибку в 1%. Двухфакторная модель регрессии зависимости потребительских расходов в среднем на душу населения от среднедушевых денежных доходов населения и уровня безработицы является статистически значимой, т.е. адекватной. Показатели тесноты связи не случайны.
12. Проверим построенное уравнение на наличие мультиколлинеарности
Расчет средних квадратических отклонений:
Факторы, включаемые в модель должны быть слабо связаны между собой, факторы не должны быть коллинеарными (линейнозависимыми).
Коэффициент парной корреляции между факторами:
Вывод: связь между факторами умеренная и обратная.
Выдвигаем нулевую гипотезу о равенстве нулю коэффициента корреляции для генеральной совокупности (незначимости связи между признаками):
Альтернативная гипотеза:
Для проверки гипотезы рассчитываем значение t-критерия Стьюдента:
По таблице значений критерия Стьюдента находим табличное (критическое) значение критерия на уровне значимости и с числом степеней свободы
Вывод: поскольку , то нулевую гипотезу о равенстве нулю коэффициента корреляции отклоняем с вероятностью допустить ошибку в 1%. Связь между факторами является статистически значимой, факторы являются коллинеарными.
Для более точной оценки мультиколлинеарности проверим гипотезу о независимости объясняющих переменных, т.е. проведем тест на выявление мультиколлинеарности Фаррара-Глоубера.
Находим определитель матрицы парных коэффициентов корреляции между факторами:
Находим расчетное значение статистики Фаррара-Глоубера:
Находим табличное (критическое) значение на уровне значимости и с числом степеней свободы
:
Вывод: Т.к. , то в массиве объясняющих переменных присутствует мультиколлинеарность.
Оба фактора вместе в модель включать не следует.
13. Дадим прогноз потребительских расходов в среднем на душу населения с надежностью для гипотетического региона, в котором среднедушевые денежные доходы населения в месяц на 3% больше среднего по выборке, а уровень безработицы окажется на 2% выше среднего по выборке
Прогнозное значение факторных признаков:
Вектор прогнозных значений факторных признаков:
Прогнозное значение результативного признака (точечный прогноз):
Средняя квадратическая ошибка прогноза рассчитывается по формуле:
, где
– стандартная ошибка модели.
Находим среднюю квадратическую ошибку прогноза:
Табличное (критическое) значение критерия на уровне значимости и с числом степеней свободы :
Рассчитываем доверительный интервал:
Нижняя граница прогноза:
Верхняя граница прогноза:
Вывод: с вероятностью 99% можно утверждать, что при среднедушевых денежных доходов населения в руб., и уровне безработицы 6,677% величина потребительских расходов на душу населения
будет находится в пределах от До руб.
Доверительный интервал для коэффициента регрессии :
Вывод: с вероятностью 99% значение коэффициента регрессии будет находится в пределах от . Т.е. с вероятностью 99% при увеличении уровня безработицы на 0,01% значение потребительских расходов на душу населения снизится не менее, чем на 233,264 руб., но не более чем на 1098,846 руб. Т.к. в доверительный интервал не попадает число 0, то параметр является статистически значимым.
10. Оценим статистическую значимость коэффициентов множественного уравнения с надежностью 0,99.
Выдвигаем нулевые гипотезы о том, что найденные параметры не являются статистически значимыми:
Для проверки гипотез рассчитывают t-критерий Стьюдента по формулам:
, где
– стандартные ошибки параметров модели.
Расчет фактических значений критерия Стьюдента:
Вывод: поскольку , то нулевые гипотезы отклоняем с вероятностью допустить ошибку в 1%. Коэффициенты регрессии являются статистически значимыми. Т.к. коэффициенты регрессии значимы
, то и факторы при этих коэффициентах значимы.
Поскольку , то свободный член не значим.
11. Проверим качество построенного уравнения регрессии
Рассчитываем множественный коэффициент детерминации:
Вывод: коэффициент показывает, что на 91,4% вариации потребительских расходов на душу населения происходит под влиянием факторов , включенных в модель. Остальные 8,6% вариации величины потребительских расходов на душу населения объясняется влиянием прочих случайных факторов.
Скорректированный коэффициент детерминации позволяет учесть при оценке качества модели соотношение количества наблюдений и количества оцениваемых параметров модели.
Вывод: показатели детерминации говорят о хорошем качестве модели регрессии.
Выдвигаем нулевую гипотезу о том, что найденные показатели тесноты и силы связи случайны, т.е. равны нулю:
Альтернативная гипотеза:
Для проверки нулевой гипотезы рассчитываем значение F-критерия Фишера:
Табличное значение F-критерия при уровне значимости и числе степеней свободы (количество факторов), число степеней свободы составит:
Вывод: поскольку , то нулевую гипотезу отклоняем с вероятностью допустить ошибку в 1%. Двухфакторная модель регрессии зависимости потребительских расходов в среднем на душу населения от среднедушевых денежных доходов населения и уровня безработицы является статистически значимой, т.е. адекватной. Показатели тесноты связи не случайны.
12. Проверим построенное уравнение на наличие мультиколлинеарности
Расчет средних квадратических отклонений:
Факторы, включаемые в модель должны быть слабо связаны между собой, факторы не должны быть коллинеарными (линейнозависимыми).
Коэффициент парной корреляции между факторами:
Вывод: связь между факторами умеренная и обратная.
Выдвигаем нулевую гипотезу о равенстве нулю коэффициента корреляции для генеральной совокупности (незначимости связи между признаками):
Альтернативная гипотеза:
Для проверки гипотезы рассчитываем значение t-критерия Стьюдента:
По таблице значений критерия Стьюдента находим табличное (критическое) значение критерия на уровне значимости и с числом степеней свободы
Вывод: поскольку , то нулевую гипотезу о равенстве нулю коэффициента корреляции отклоняем с вероятностью допустить ошибку в 1%. Связь между факторами является статистически значимой, факторы являются коллинеарными.
Для более точной оценки мультиколлинеарности проверим гипотезу о независимости объясняющих переменных, т.е. проведем тест на выявление мультиколлинеарности Фаррара-Глоубера.
Находим определитель матрицы парных коэффициентов корреляции между факторами:
Находим расчетное значение статистики Фаррара-Глоубера:
Находим табличное (критическое) значение на уровне значимости и с числом степеней свободы
:
Вывод: Т.к. , то в массиве объясняющих переменных присутствует мультиколлинеарность.
Оба фактора вместе в модель включать не следует.
13. Дадим прогноз потребительских расходов в среднем на душу населения с надежностью для гипотетического региона, в котором среднедушевые денежные доходы населения в месяц на 3% больше среднего по выборке, а уровень безработицы окажется на 2% выше среднего по выборке
Прогнозное значение факторных признаков:
Вектор прогнозных значений факторных признаков:
Прогнозное значение результативного признака (точечный прогноз):
Средняя квадратическая ошибка прогноза рассчитывается по формуле:
, где
– стандартная ошибка модели.
Находим среднюю квадратическую ошибку прогноза:
Табличное (критическое) значение критерия на уровне значимости и с числом степеней свободы :
Рассчитываем доверительный интервал:
Нижняя граница прогноза:
Верхняя граница прогноза:
Вывод: с вероятностью 99% можно утверждать, что при среднедушевых денежных доходов населения в руб., и уровне безработицы 6,677% величина потребительских расходов на душу населения
будет находится в пределах от До руб.