Читайте также:
|
|
ЗАДАНИЕ
Таблице 1.1:
Таблица 1.1.
Годы | Месяцы | Курс $ | Процентные ставки | Сальдо ТБ | Прирост ЗВР | ИПЦ |
30.4727150 | 10.1 | 103.1 | ||||
30.8057000 | -214 | 101.2 | ||||
… | … | … | … | .. | … | … |
27.9040273 | 9.6 | 101.1 |
Задание
1) Проанализировать связи между данными пятью показателями по следующей схеме:
а) оценить тесноту и направление связи для каждой пары величин,
б) выделить мультиколлинеарные факторы,
в) выбрать два ведущих фактора для показателя «курс доллара».
2) Построить линейную модель регрессии с ведущими факторами, пояснить экономический смысл его параметров.
3) Оценить качественные характеристики модели по следующей схеме:
а) проверить статистическую значимость уравнения и его параметров,
б) проверить предпосылки МНК, определив математическое ожидание остатков и исследовав их на гомоскедастичность,
в) оценить уровень точности модели на основе средней относительной ошибки,
г) оценить, какая доля вариации показателя «курс доллара» учтена в построенной модели и обусловлена включенными в нее факторами.
4) Выполнить прогноз показателя «курс доллара» на январь, февраль и март 2005 года, определить ошибку прогнозирования с доверительной вероятностью 95 %. Сравнить полученные результаты с фактическими данными за 2005 год:
- январь – 28,009,
- февраль – 27,995,
- март – 27,626.
В результате в выходной области появиться матрица парной корреляции всех переменных (Таблица 2.1). Полученные результаты содержат: коэффициент корреляции Пирсона, вероятность ошибки, соответствующая предположению о ненулевой корреляции, и количество использованных пар значений.
Коэффициент корреляции R между двумя переменными указывает на силу связи между ними и принимает значения между -1 и +1. При этом, если значение находится ближе к 1, то это означает наличие сильной связи, а если ближе к 0, то слабой.
Таблица 2.1. Корреляции
Корреляции
Курс $ | Процентные ставки | Прирост ЗВР | Сальдо ТБ | ИПЦ | ||
Курс $ | Корреляция Пирсона | ,829** | -,443** | -,791** | ,137 | |
Знч.(2-сторон) | ,000 | ,007 | ,000 | ,426 | ||
N | ||||||
Процентные ставки | Корреляция Пирсона | ,829** | -,163 | -,656** | ,277 | |
Знч.(2-сторон) | ,000 | ,342 | ,000 | ,102 | ||
N | ||||||
Прирост ЗВР | Корреляция Пирсона | -,443** | -,163 | ,389* | ,120 | |
Знч.(2-сторон) | ,007 | ,342 | ,019 | ,487 | ||
N | ||||||
Сальдо ТБ | Корреляция Пирсона | -,791** | -,656** | ,389* | -,292 | |
Знч.(2-сторон) | ,000 | ,000 | ,019 | ,084 | ||
N | ||||||
ИПЦ | Корреляция Пирсона | ,137 | ,277 | ,120 | -,292 | |
Знч.(2-сторон) | ,426 | ,102 | ,487 | ,084 | ||
N |
Анализ матрицы коэффициентов парной корреляции показывает, что зависимая переменная курсом$ имеет достаточно тесную связь с Процентные ставки. Прирост ЗВР. Сальдо ТБ..
В качестве критерия мультиколлинеарности может быть принято соблюдение следующих неравенств:
ryxi > rxixk , ryxk > rxixk , rxixk < 0.8
Если приведенные неравенства (или хотя бы одно из них) не выполняются, то в модель включают тот фактор, который наиболее тесно связан с Y.
Коэффициента корреляции, отмеченные в таблице 2.1 ** значимы на уровне значимости 0,01.
Для построения модели выбираем факторы Процентные ставки. Сальдо ТБ.
Построить линейную модель регрессии с ведущими факторами, пояснить экономический смысл его параметров.
Оценка параметров регрессии осуществляется по методу наименьших квадратов. Для проведения регрессионного анализа с помощью пакета SPSS выполним следующие действия:
1. Выберем в верхней строке меню Анализ – Регрессия – Линейная.
2. Поместим переменную Y в поле для зависимых переменных, объявив переменные х1-независимой (Рис. 2.3).
3. В полях панели Статистики отметим флажками Оценки, Согласие модели и критерий Дурбина-Уотсона (в нашей литературе – критерий Дарбина-Уотсона) (Рис. 2.4), затем нажмем Продолжить.
4. В полях панели Сохранить отметим необходимые поля (Рис. 2.5) и нажмем Продолжить.
5. Не меняем значения, установленные по умолчанию в полях панели Параметры. Они будут использованы для определения критерия Фишера с доверительной вероятностью 0,95.
6. Начнем вычисления нажатием ОК.
Регрессия
Таблица 2.2.
В табл. 2.3 приведены значения коэффициента детерминации, коэффициента множественной корреляции, стандартная ошибка, коэффициент Дарбина – Уотсона модели.
Таблица 2.3.
Сводка для моделиb | |||||
Модель | R | R-квадрат | Скорректированный R-квадрат | Стд. ошибка оценки | Дурбин-Уотсон |
,891a | ,794 | ,782 | ,566389967 | ,810 | |
a. Предикторы: (конст) Сальдо ТБ, Процентные ставки b. Зависимая переменная: Курс $ |
В табл. 2.4 приведены результаты дисперсионного анализа и значения F-критерия.
Таблица 2.4.
Сводка для моделиb | |||||
Модель | R | R-квадрат | Скорректированный R-квадрат | Стд. ошибка оценки | Дурбин-Уотсон |
,885a | ,784 | ,771 | ,580422850 | 1,218 | |
a. Предикторы: (конст) Прирост ЗВР, Процентные ставки b. Зависимая переменная: Курс $ |
Дисперсионный анализb | ||||||
Модель | Сумма квадратов | ст.св. | Средний квадрат | F | Знч. | |
Регрессия | 40,866 | 20,433 | 63,694 | ,000a | ||
Остаток | 10,586 | ,321 | ||||
Всего | 51,452 | |||||
a. Предикторы: (конст) Сальдо ТБ, Процентные ставки b. Зависимая переменная: Курс $ |
В табл. 2.5 в первом столбце указан номер модели, во втором – перечисляются используемые в модели независимые переменные, а в третьем столбце содержаться коэффициенты уравнения регрессии. В четвертом столбце содержаться стандартные ошибки коэффициентов уравнения регрессии, в пятом – стандартизованные коэффициенты, а в шестом – t- статистика, используемая для проверки значимости коэффициентов уравнения регрессии.
Таблица 2.5.
Коэффициентыa | ||||||
Модель | Нестандартизованные коэффициенты | Стандартизованные коэффициенты | t | Знч. | ||
B | Стд. Ошибка | Бета | ||||
(Константа) | 25,550 | 1,586 | 16,107 | ,000 | ||
Процентные ставки | ,626 | ,120 | ,543 | 5,193 | ,000 | |
Сальдо ТБ | ,000 | ,000 | -,435 | -4,155 | ,000 | |
a. Зависимая переменная: Курс $ |
y = 25,550+,626,x1+000
Оценим статистическую значимость параметров регрессии, используя критерий Стьюдента. Для этого обратимся к шестому столбцу таблицы 2.5, где содержится t- статистика, используемая для проверки значимости коэффициентов уравнения регрессии. В четвертом столбце той же таблицы представлен уровень значимости t-статистики. Можно сделать вывод, что параметры являются значимыми на уровне значимости p<0.05.
Проверку значимости уравнения регрессии произведем на основе F-критерия Фишера. Значение критерия Фишера F = 63,694. можно найти в табл. 2.4 Дисперсионный анализ.
Вероятность ошибки , соответствующая расчетному значению F-критерия, выводится в правой колонке под заголовком "Значимость"=,000a. Ее величина свидетельствует о значимости уравнения регрессии (р < 0,001).
Уравнение регрессии следует признать адекватным, модель считается значимой.
3. Оценить качественные характеристики модели по следующей схеме:
Дата добавления: 2015-12-08; просмотров: 116 | Нарушение авторских прав