Учебная работа № 3705. «Контрольная Множественная регрессия и корреляция. Мультиколлинеарность факторов. 2 задания
Учебная работа № 3705. «Контрольная Множественная регрессия и корреляция. Мультиколлинеарность факторов. 2 задания
Содержание:
«1. Задание 1…2
2. Задание 2…7
3. Множественная регрессия и корреляция, ее использование в анализе общественных явлений…13
4. Мультиколлинеарность факторов и ее влияние на надежность оценки объяснений вариации по отдельным факторам с помощью МНК…21
5. Список литературы…23
Задание 1.
Оценка параметров уравнения парной регрессии и качества экономической модели.
Задание предусматривает выполнение следующих пунктов содержания: определение формы связи, оценка параметров уравнений для различной формы связи, тесноты связи, качества уравнений по средней ошибке аппроксимации, статистической надежности уравнения с помощью F-критерия Фишера, выбор уравнения наиболее адекватно отражающего существующую связь, прогнозирование.
Для построения экономической модели используются данные по субъектам Приволжского федерального округа об уровне денежных доходов и оборотов розничной торговли.
Задание 2.
Моделирование тенденции временного ряда.
Условие: имеются данные по производству молока по Оханскому району Пермского края.
Выполнение задания предусматривает решение комплекса вопросов в определенной последовательности: выявление структуры ряда, выравнивание исходного ряда методом скользящей средней, определение сезонной компоненты, устранение сезонной компоненты и исходных уравнений ряда и получение выровненных данных в аддитивной модели, аналитическое выравнивание уровней и расчет значений трендовой составляющей, расчет абсолютных и относительных ошибок.
»
Выдержка из похожей работы
км
10
55
90
120
180
220
280
350
420
440
Стоимость
подержанных автомобилей МАЗ–7259, тыс,
у, е,
=83+N
=81+N
=80+N
=75+N
=69+N
=65+N
=58+N
=46+N
=43+N
=41+N
Примечание – N –
число по указанию преподавателя,
соответствующее номеру варианта
Для этого необходимо
выполнить следующее,
1 Построить уравнения
линейной и логарифмической множественных
регрессий с помощью режима Регрессия
модуля Анализ
данных и
функции ЛГРФПРИБЛ(),
2 По значениям
характеристик выбрать наилучшее из
двух уравнений регрессии,
Необходимо уметь
объяснять все определенные автоматически
характеристики линейной и логарифмической
множественных регрессий,
Отчет о лабораторной
работе должен содержать описание задания
и анализ результатов лабораторной
работы,
Контрольные
вопросы
1 Что представляет
собой множественная регрессия?
2 Какие задачи
решаются при построении уравнения
регрессии?
3 Какие задачи
решаются при спецификации модели? Какие
требования предъявляются к факторам,
включаемым в уравнение регрессии?
4
Как выбрать наилучшее уравнение
множественной регрессии?
3 Эконометрический анализ при нарушении классических
модельных
предположений
Цель:
изучение
явления мультиколлинеарности и методов
ее устранения,
3,1 Теоретические положения
Мультиколлинеарность
– это
сильная
линейная зависимость между двумя и
более объясняющими переменными х
[1–5],
Мультиколлинеарность
не позволяет разделить вклады объясняющих
переменных х1
и х2
в их влиянии на зависимую переменную у
и делает
оценки коэффициентов множественной
регрессии
ненадежными, а стандартные ошибки
и
большими,
Мультиколлинеарность
может возникать в силу разных причин:
– из-за неправильной
спецификации модели;
– из-за небрежного
проведения сбора статистических данных
(использование повторных наблюдений,
использование идентичных
данных среди наблюдаемых значений
независимых переменных);
– если две
переменные используются для представления
третьей переменной в виде суммы последних
двух;
– если несколько
независимых переменных могут иметь
одинаковый временной тренд, относительно
которого они совершают малые колебания,
Последствия
мультиколлинеарности [1, с, 273]:
1) большие
дисперсии (стандартные ошибки оценок
коэффициентов), что затрудняет нахождение
истинных значений определяемых величин
и ухудшает их точность;
2) уменьшаются
t-статистики
коэффициентов, что может привести к
неоправданному выводу о существенности
влияния соответствующего фак-
тора
нау;
3) оценки
коэффициентов по МНК и их стандартные
ошибки становятся очень чувствительными
к малейшим изменениям данных, т, е, они
становятся неустойчивыми;
4) затрудняется
определение вклада каждого из факторов
в объясняемую уравнением регрессии
дисперсию зависимой переменной у,
Признаки
мультиколлинеарности:
1) коэффициент
детерминации R2
достаточно высок, но некоторые из
коэффициентов регрессии статистически
незначимы, т, е, они имеют низкие
t-статистики;
2) парная корреляция
между малозначимыми факторами достаточно
высока
