Автор работы: Пользователь скрыл имя, 27 Марта 2015 в 14:04, лабораторная работа
Критическое значение F- статистики с количеством степеней свободы 5 и 47 при уровне значимости 0,05 равно 2,413. Условие F наблюдаемое? F критическое выполняется для всех переменных, кроме Х6. Гипотеза о значимости Х6 отвергается, если значение вероятности отклонения превышает заданный уровень p=0,4644 > 0,005, что свидетельствует о значимости. Из них выбираем наибольший и строим соответствующее уравнение регрессии.
Qост = = 270,498195
QR = = 3450,718551
k = 5, n = 53
Fкр(0,05; 6; 47) < Fнабл. Т.е. хотя бы один элемент вектора β = (β0, β5, β6, β12, β13, β17) не равен 0.
Будем считать, что Y1 и X5, X6, X12, X13, X17 связаны степенной зависимостью:
Y1 =
Преобразуем ее к линейному виду с помощью следующего преобразования:
LnY1 = lnβ0 + β9lnX9 + β11lnX11 + β12lnX12 + β13lnX13 + β17lnX17.
Зависимая переменная: lnY1.
R= ,53871549 RІ= 0,29021438 Adjusted RІ= 0,21470528 | ||||||
F(5,47)=3,8434 p<,00531 Std.Error of estimate: 0,27410 | ||||||
St. Err. |
St. Err. |
|||||
BETA |
of BETA |
B |
of B |
t(47) |
p-level | |
Intercpt |
-0,544329 |
1,105843803 |
-0,492229443 |
0,624849 | ||
lnX9 |
0,425106729 |
0,367531835 |
1,793333 |
1,550450598 |
1,156652807 |
0,25326 |
lnX11 |
-0,058230454 |
0,137643038 |
-0,022834 |
0,053974411 |
-0,423054117 |
0,674185 |
lnX12 |
0,257052783 |
0,195848953 |
0,1053 |
0,080228459 |
1,31250527 |
0,195723 |
lnX13 |
0,224479618 |
0,178965413 |
0,10631 |
0,084755134 |
1,25431844 |
0,215929 |
lnX17 |
0,439937686 |
0,364278936 |
0,53955 |
0,446760005 |
1,207694552 |
0,233207 |
При α = 0,5 значимы β9,β13 и β17.
Observed |
Predictd |
||
Value |
Value |
Residual | |
1 |
2,225704 |
2,266775 |
-0,041071 |
2 |
2,238580 |
2,242992 |
-0,004412 |
3 |
2,494032 |
2,255089 |
0,238943 |
4 |
2,380472 |
2,178381 |
0,202091 |
51 |
1,652497 |
1,714504 |
-0,062006 |
52 |
2,890372 |
1,955428 |
0,934944 |
53 |
2,400619 |
2,073417 |
0,327201 |
Minimum |
1,329724 |
1,659634 |
-0,440857 |
Maximum |
2,890372 |
2,449305 |
0,934944 |
Mean |
2,027812 |
2,027812 |
0,000000 |
Median |
1,997418 |
2,001588 |
-0,007168 |
Qост = = 3,531153
QR = = 219,380966
k = 5, n = 53
Fкр(0,05; 6; 47) < Fнабл. Т.е. хотя бы один элемент вектора β = (β0, β5, β6, β12, β13, β17) не равен 0.
3. Будем считать, что Y1 и X5, X6, X12, X13, X17 связаны линейной зависимостью:
Y1 = β0 + β5X5 + β6X6 + β12X12 + β13X13 + β17X17.
Найдем в этом случае оценку уравнения регрессии.
Уравнение регрессии:
Y1 = 11,544067 - 6,054445X5 + 0,653373X6 + 0,008339X12 +0,000034X13 –
-0,051989X17.
При α = 0,2 значим β12.
Исключим все незначимые коэффициенты и построим регрессию Y1 на X12.
R= 0,438404 RІ= 0,192198 Adjusted RІ= 0,176359 | ||||||
F(1,51)=12,134 p<,00103 Std.Error of estimate: 2,3689 | ||||||
St. Err. |
St. Err. |
|||||
BETA |
of BETA |
B |
of B |
t(51) |
p-level | |
Intercpt |
6,832166 |
0,461136 |
14,815948 |
0,000000 | ||
X12 |
0,438404 |
0,125854 |
0,012389 |
0,003557 |
3,483433 |
0,001025 |
Уравнение регрессии:
Y1 = 6,832166+0,012389X5.
Как видим, получили достаточно высокий уровень
значимости. Все коэффициенты значимы даже при α = 0,005.
4. а) Экономическая интерпретация коэффициента регрессии b0: b0 – свободный член – определяет значение Y1 при регрессоре X5=0. Коэффициент b5 показывает изменение Y1 при изменении X5 на единицу (%).
Экономическая интерпретация коэффициента эластичности:
Э5 показывает изменение (приближенно) в процентах Y1 при изменении X5 на 1%.
Множественный коэффициент детерминации R2 =0,192198 показывает долю дисперсии результативного признака Y1, объясняемую влиянием независимой переменной X5, которая не говорит о высоком качестве полученной модели.
4. б) |
Observed Value |
Predictd Value |
Residual |
δi=ei/yi |
|δi| |
1 |
9,26 |
8,909658 |
0,350342 |
0,037834 |
0,037834 |
2 |
9,38 |
9,137737 |
0,242263 |
0,025828 |
0,025828 |
3 |
12,11 |
9,563295 |
2,546704 |
0,210298 |
0,210298 |
4 |
10,81 |
8,929605 |
1,880396 |
0,173950 |
0,173950 |
51 |
5,22 |
7,197886 |
-1,977886 |
-0,378905 |
0,378905 |
52 |
18 |
7,352376 |
10,647625 |
0,591535 |
0,591535 |
53 |
11,03 |
7,799862 |
3,230138 |
0,292850 |
0,292850 |
Minimum |
3,78 |
7,000407 |
-3,264759 |
0,000965 | |
Maximum |
18 |
13,182708 |
10,647625 |
0,863693 | |
Mean |
7,970377 |
7,970377 |
0,000000 |
0,221146 |
Получили несильный разброс абсолютных ошибок ei, что свидетельствует о достаточной адекватности полученной модели. Относительные отклонения δi не превышают 0,86, а
среднее значение δ равно 0,22. Это означает, что отклонение составляет в среднем 22% от результативного признака Y1.
Qост = = 286,196216.
Несмещенная оценка остаточной дисперсии = Qост/(n-k)= 5,611690516.
Информация о работе Регрессионный и корреляционный анализ в системе Statistika