Логотип Автор24реферат
Заказать работу
%
уникальность
не проверялась
Контрольная работа на тему:

Проверить наличие коллинеарности и мультиколлинеарности. Отобрать неколлинеарные факторы

уникальность
не проверялась
Аа
12474 символов
Категория
Эконометрика
Контрольная работа
Проверить наличие коллинеарности и мультиколлинеарности. Отобрать неколлинеарные факторы .pdf

Зарегистрируйся в 2 клика в Кампус и получи неограниченный доступ к материалам с подпиской Кампус+ 🔥

Условие

Проверить наличие коллинеарности и мультиколлинеарности. Отобрать неколлинеарные факторы. 2. Построить уравнение линейной регрессии. 3. Определить коэффициент множественной корреляции. 4. Проверить адекватность уравнения при уровнях значимости 0,05 и 0,01. 5. Построить частные уравнения регрессии. 6. Определить средние частные коэффициенты эластичности. 7. Построить уравнение линейной множественной регрессии в стандартизированном масштабе. 8. Оценить информативность факторов на основе уравнения линейной регрессии в стандартизированном масштабе. 9. Вычислить частные коэффициенты корреляции. 10. Оценить их значимость при уровнях значимости 0,05 и 0,01. 11. Оценить информативность факторов на основе частных коэффициентов корреляции. 12. Проверить гипотезу о гомоскедастичности ряда остатков с уровнем значимости α = 0,05.

Нужно полное решение этой работы?

Решение

Потяни, чтобы посмотреть
Проверить наличие коллинеарности и мультиколлинеарности. Отобрать неколлинеарные факторы.
Для проверки наличия коллинеарности или мультиколлинеарности необходимо построить корреляционную матрицу, используя СервисАнализ данныхКорреляция табличного процессора MS Excel.
Рис. 2.1. Корреляционная матрица, построенная для всех независимых переменных x1,…,x6 и зависимой переменной у.
Из рисунка 2.1 следует, что x1 коллинеарна с переменными x2,…,x6, так как коэффициенты корреляции между ними больше 0,7. Заметим, что x2 коллинеарна с переменными x1,x3, x5,x6, так как коэффициенты корреляции между ними больше 0,7. Также x3 коллинеарна с переменными x1,x2, x5, x6, так как коэффициенты корреляции между ними больше 0,7. Переменная x4 коллинеарна с переменными x1, так как коэффициенты корреляции между ними больше 0,7. Переменная x6 коллинеарна с переменными x1,x2, x3,x5, так как коэффициенты корреляции между ними больше 0,7. Видим, что сразу из рассмотрения можем исключить переменные x1,x2,x3 из-за коррелированности со всеми показателями. Наблюдается корреляция между x5 и x6, необходимо оставить переменную x6, так как она сильнее влияет на зависимую переменную y чем x5.
Таким образом, в линейное уравнение множественной регрессии могут быть включены независимые переменные x4 и x6, так как коэффициент корреляции между ними меньше 0,7.
2. Построить уравнение линейной регрессии.
Используя СервисАнализ данныхРегрессия построим уравнение линейной регрессии.
Рис. 2.2. Вывод итогов, содержащей регрессионные коэффициенты для переменных, включенных в регрессию
Из приведенной таблицы (Рис. 2.2), получается следующее множественное регрессионное уравнение, содержащие две независимые переменные:
3. Определить коэффициент множественной корреляции.
Указанный коэффициент множественной корреляции R, наряду с коэффициентом детерминации R2 и скорректированным коэффициентом детерминации приведен в верхней таблице рабочего листа вывода итогов (Рис. 2.3).
Рис. 2.3. Вывод итогов, содержащий R, R2 и скорректированный R2.
4. Проверить адекватность уравнения при уровнях значимости 0,05 и 0,01.
Проверка значимости уравнения регрессии основана на использовании F-критерии Фишера. Фактическое значение Фишера Fфакт берется из таблицы "Дисперсионный анализ" листа вывода итогов (Рис. 2.4):
Рис. 2.4. Вывод итогов, содержащий результаты дисперсионного анализ.
Из рисунка 2.4 получается, что Fфакт = 159,49
Для определения критического значения Fкрит используется встроенная функция MS Excel «FРАСПОБР».
Видим, что критическое значение при уровне значимости α=0,05: Fкрит=3,885. Так как расчетное значение Fфакт = 159,491 больше Fкрит=3,885, то с вероятностью p=0,95 (где p=1-α) можно утверждать, что полученное регрессионное уравнение является адекватным.
Критическое значение при уровне значимости α=0,01: Fкрит=6,927. Так как расчетное значение Fфакт =159,491 больше Fкрит=6,927, то с вероятностью p=0,99 (где p=1-α) можно утверждать, что полученное регрессионное уравнение является адекватным . Если Fфакт меньше Fкрит, то делается обратный вывод.
5. Построить частные уравнения регрессии.
Строятся частные регрессионные уравнения, предварительно определив средние значения зависимой и независимых переменных, входящих в регрессионное уравнение. В нашем случае:
Частное уравнение регрессии характеризует взаимосвязь зависимой переменной у от независимой xi при неизменном уровне всех остальных (значения всех остальных переменных считается равным их среднему)
Частное уравнения зависимости у от независимой x4 будет иметь следующий вид:
Частное уравнения зависимости у от независимой x4 будет иметь следующий вид:
6. Определить средние частные коэффициенты эластичности.
Найдем средний коэффициент эластичности для множественной регрессии:
.
В табл. 2.1 представлен расчет средних частных коэффициентов эластичности множественной регрессии.
Таблица 2.1. Расчет среднего частного коэффициента эластичности множественной регрессии
Переменная Эластичность, %
x4 1,44
x6 -1,87
7. Построить уравнение линейной множественной регрессии в стандартизированном масштабе.
Предварительно, необходимо перейти к новым зависимой ty и независимым переменным , стандартизировав исходные переменные по формулам (Рис. 2.5):
(l=1,2,…,p),
где
- средняя арифметическая y (функция MS Excel СРЗНАЧ( )),
- средняя арифметическая xl (функция MS Excel СРЗНАЧ( )),
- среднеквадратическое отклонение y (функция MS Excel СТАНДОТКЛОН( )),
- среднеквадратическое отклонение xl (функция MS Excel СТАНДОТКЛОН( )).
Для проверки корректности стандартизации необходимо рассчитать все средние и среднеквадратические отклонения для новых переменных. Все средние должны быть 0, а среднеквадратические отклонения 1.
Рис. 2.5. Стандартизированные исходные переменные
Построим корреляционную матрицу (Рис. 2.6).
Рис. 2.6. Корреляционная матрица
Анализируя полученную таблицу, приходим к выводу, что полученные результаты для стандартизированных переменных идентичны результатам, полученным по данным без преобразований. Следовательно, для исследования используем tx4 и tx6.
Построим уравнение регрессии для переменных в стандартизированном масштабе, используя СервисАнализ данныхРегрессия.
Рис. 2.7. Уравнение регрессии в стандартизированном масштабе
Получим:
.
8. Оценить информативность факторов на основе уравнения линейной регрессии в стандартизированном масштабе.
Cделаем заключение о наиболее информативных независимых переменных по значениям коэффициентов регрессии и направлении их влияния на ty. (Чем больше по модулю коэффициент регрессии для независимой переменной, тем большее влияние оказывает эта переменная на зависимую ty).
Анализируя полученное уравнение регрессии в стандартизированном масштабе, приходим к выводу, что наибольшее влияние оказывает переменная
tx6.
9. Вычислить частные коэффициенты корреляции.
Расчет частного коэффициента корреляции между стандартизированными y и xi необходимо произвести по формуле:
,
где
- общий коэффициент детерминации,
- коэффициент детерминации, полученный при исключении стандартизированной переменной xi из регрессионного уравнения.
В нашем случае количество переменных p будет равно 2.
В табл
50% задачи недоступно для прочтения
Переходи в Кампус, регистрируйся и получай полное решение
Получить задачу
Больше контрольных работ по эконометрике:

Поясните какой показатель корреляции можно определить по этим данным

987 символов
Эконометрика
Контрольная работа

По данным отчетов 10 филиалов фирмы

11960 символов
Эконометрика
Контрольная работа
Все Контрольные работы по эконометрике
Закажи контрольную работу
Оставляя свои контактные данные и нажимая «Узнать стоимость», я соглашаюсь пройти процедуру регистрации на Платформе, принимаю условия Пользовательского соглашения и Политики конфиденциальности в целях заключения соглашения.

Наш проект является банком работ по всем школьным и студенческим предметам. Если вы не хотите тратить время на написание работ по ненужным предметам или ищете шаблон для своей работы — он есть у нас.