КАТЕГОРИИ:


Астрономия- (809) Биология- (7483) Биотехнологии- (1457) Военное дело- (14632) Высокие технологии- (1363) География- (913) Геология- (1438) Государство- (451) Демография- (1065) Дом- (47672) Журналистика и СМИ- (912) Изобретательство- (14524) Иностранные языки- (4268) Информатика- (17799) Искусство- (1338) История- (13644) Компьютеры- (11121) Косметика- (55) Кулинария- (373) Культура- (8427) Лингвистика- (374) Литература- (1642) Маркетинг- (23702) Математика- (16968) Машиностроение- (1700) Медицина- (12668) Менеджмент- (24684) Механика- (15423) Науковедение- (506) Образование- (11852) Охрана труда- (3308) Педагогика- (5571) П Arhitektura- (3434) Astronomiya- (809) Biologiya- (7483) Biotehnologii- (1457) Военно дело (14632) Висока технологиите (1363) Geografiya- (913) Geologiya- (1438) на държавата (451) Demografiya- ( 1065) Къщи- (47672) журналистика и SMI- (912) Izobretatelstvo- (14524) на външните >(4268) Informatika- (17799) Iskusstvo- (1338) История- (13644) Компютри- (11121) Kosmetika- (55) Kulinariya- (373) култура (8427) Lingvistika- (374) Literatura- (1642) маркетинг-(23,702) Matematika- (16,968) инженерно (1700) медицина-(12,668) Management- (24,684) Mehanika- (15423) Naukovedenie- (506) образование-(11,852) защита truda- (3308) Pedagogika- (5571) п Политика- (7869) Право- (5454) Приборостроение- (1369) Программирование- (2801) Производство- (97182) Промышленность- (8706) Психология- (18388) Религия- (3217) Связь- (10668) Сельское хозяйство- (299) Социология- (6455) Спорт- (42831) Строительство- (4793) Торговля- (5050) Транспорт- (2929) Туризм- (1568) Физика- (3942) Философия- (17015) Финансы- (26596) Химия- (22929) Экология- (12095) Экономика- (9961) Электроника- (8441) Электротехника- (4623) Энергетика- (12629) Юриспруденция- (1492) Ядерная техника- (1748) oligrafiya- (1312) Politika- (7869) Лево- (5454) Priborostroenie- (1369) Programmirovanie- (2801) производствено (97182) от промишлеността (8706) Psihologiya- (18,388) Religiya- (3217) с комуникацията (10668) Agriculture- (299) Sotsiologiya- (6455) спортно-(42,831) Изграждане, (4793) Torgovlya- (5050) превозът (2929) Turizm- (1568) физик (3942) Filosofiya- (17015) Finansy- (26596 ) химия (22929) Ekologiya- (12095) Ekonomika- (9961) Telephones- (8441) Elektrotehnika- (4623) Мощност инженерно (12629) Yurisprudentsiya- (1492) ядрена technics- (1748)

ВРЕМЕ СЕРИЯ




Изпълнение на задачи на компютъра с помощта на Excel IFR

Първоначално статистически материал, за да отговори на предизвикателствата на тази тема е задача на секцията "Множествена регресия". Всеки студент трябва да е множествена регресия уравнение, получено в глава II, за да проверите за нарушения на предположенията, оли и, ако е необходимо, да направи корекции на модела.

4.2.1. Проверка хетероскедастичност

Настройка:

1) и графично с помощта на тестове за проверка хетероскедастичност;

2) Ако хетероскедастичност използване бял тест, парк и да изберат най-доброто сближаване Глейзър или (Стойност на коефициента на определяне R 2) и чрез WLS коригира регресия уравнение.

Пример 4.1. Таблица. 4.1 представя данни за обема на вноса на Y (млрд.), На брутния национален продукт х 1 (милиарда щатски долара.), А индексът на потребителските цени X 2 в САЩ за периода 1964-1979.

Таблица 4.1

години Y X 1 X 2
28.4 635,7 92.9
32.0 688,1 94.5
37.7 753,0 97.2
40.6 796,3 100,0
47.7 868,5 104,2
52.9 935,5 109,8
58.5 982,4 116,3
64.0 1063.4 121,3
75.9 1171.1 125,3
94.4 1306.6 133,1
131,9 1412.9 147,7
126,9 1528.8 161,2
155,4 1702.2 170,5
185,8 1899.5 181,5
217,5 2127.6 195,4
260,9 2368.5 217,4

Повече от един параметър регресия се определят от линейни функции и парцел и (Фиг. 4.1.).

Фигурата показва, че регресионно уравнение многократно е:

,

Качеството на уравнението на регресия обикновено е доста висока (R2 = 0.987). От разпределението на парцели ясно е, че грешките зависят от фактори, и тази зависимост е ясно не е линейна. Определено от графиките, не можем да кажем дали хетероскедастицитет присъства и до каква степен. Ако не съществува хетероскедастичност, то е ясно не е линейна. Ето защо, консултирайте се с теста и Спиърман Goldfeld-Квант няма право. Ще покажем това.

тест за степен на съответствие на Spearman.

Резултатите от прилагането на този тест на компютъра са показани на Фигура 4.2.

Фиг. 4.1

X1 мода ранг X ранг E ДКВ Коефициенти. Място попр. копиеносец 0.123529
635,7 9.494539
688,1 7.765652 Т = изм 0.465772
6.320676
796,3 3.696187 Tcrit = 2.160369 (За Ал = 0.05)
868,5 1.940079
935,5 2.369626
982,4 5.383489
1063.4 10.03754
1171.1 9.629909
1306.6 7.688036
1412.9 10.38887
1528.8 13.95374
1702.2 6,12615
1899.5 0.434927
2127.6 3.677338
2368.5 11.47022




Фиг. 4.2

Фигура бележки имат следните значения:

мода = ; DKV = (ранг х I - ранг ) 2.

Статистическа функция RANK (брой масив; процедура) се използва за изчисляване на ранг, чин, която връща броя на масив. Ако поръчката е 1, а след това на класирането във възходящ ред, ако поръчката = 0 - класирана в низходящ ред.

Тъй като Т изм , Коефициент на корелация на Спиърман не е статистически значима, че е знак за липса на чувство хетероскедастичност Спиърмън (което априори се очаква).

Тест Goldfeld-Квант.

Поради факта, че малка проба (п = 16), като к = 8. Резултатите от анализа от този тест са представени на фиг. 4.3.

X1 Y линеен X1 Y линеен
635,7 28.4 0.085431 -26.5681 1171.1 75.9 0.148877 -95.4629
688,1 0.001743 1.484911 1306.6 94.4 0.007266 12.5994
37.7 0.997508 0.685035 1412.9 131,9 0.985909 8.008884
796,3 40.6 2401.455 1528.8 126,9 419.816
868,5 47.7 1126.939 2.815641 1702.2 155,4 26927.94 384.8534
935,5 52.9 1899.5 185,8
982,4 58.5 2127.6 217,5
1063.4 2368.5 260,9


Фиг. 4.3

Фигурата показва, че S 1 = 2.816, и S 2 = 384.85, при което

= 136,68> е кр = 4,28, от една страна, показва значителни разлики отклонения в началото и в края на списъка с данни, но това се дължи на два "големите различия в стойностите" (вж. Фиг. 4.1), а не тенденция ,

Както е отбелязано по-горе, най-подходящ тест за откриване хетероскедастичност, в този случай, бяло тест.

Бял тест.

В този тест, ние приемаме, че квадратите за грешка може да се представи с уравнението на формата:

Резултатите от изчисленията използват линейни функции, показани на Фигура 4.4. показва фигура (2.442274) < (3.325835), което показва, че няма грешки в редовност, което означава, хетероскедастичност може да бъде пренебрегната.

Фиг. 4.4

Ако факт хетероскедастичност се потвърди, всички компоненти на оригиналната уравнението

трябва да бъде разделена на Които се изчисляват по формулата за този пример:

,

и да го оцени. Получената регресия уравнение е пригоден да променливи грешки при измерването вариацията.

4.2.2. Проверка мултиколинеарност

Решението на този проблем, което смятаме за пример 4.1.

Резултатите от изчисленията, използвайки Excel SPT показано на Fig.4.5. Сдвоени корелационни коефициенти (X 1, X 2) и (Y, X 1, X 2) са получени чрез функция корелация. Достъпът до тази функция е, както следва:

1) в главното меню, изберете Tools / Анализ на данни / корелация (Фигура 4.6). Щракнете върху бутона OK;

корелация 1
Y X1 X2 X1 X2
28.4 635,7 92.9 X1 0.9971653
688,1 94.5 X2 0.9971653
37.7 97.2
40.6 796,3 Det R Чи квадрат. Хи kv.kr.
47.7 868,5 104,2 0.0056613 13.874514 5.0238865
52.9 935,5 109,8
58.5 982,4 116,3 корелация 2
1063.4 121,3 Y X1 X2
75.9 1171.1 125,3 Y
94.4 1306.6 133,1 X1 0.9931772
131,9 1412.9 147,7 X2 0.9926992 0.9971653
126,9 1528.8 161,2
155,4 1702.2 170,5 ASI
185,8 1899.5 181,5 79.150987 -46.02522 -32.67836
217,5 2127.6 195,4 -46.02522 203.40132 -157.1355
260,9 2368.5 217,4 -32.67837 -157.1355 190.12991
Частни корелационните коефициенти са били
R (Y, Х1 / X2) R (Y, X2 / X1) R (X1, X2 / Y)
0.362736 0.266383 0.799047


Фиг. 4.5

Фиг. 4.6

2) завърши въвеждане на данни и изходни параметри диалога (фигура 4.7):

Обхватът вход - обхвата съдържащ анализира данните;

Групирането - превключвател, посочващ местоположението на данните в колони или редове;

Tags - кутия в тази позиция означава, че първият ред съдържа името на първоначалния обхват на колони;

Изходни Опции - активират изхода интервал и да посочат адреса на горния ляв клетка на работен диапазон.

Стойности на частични корелационни коефициенти бяха изчислени съгласно формула (4.24), тази матрица R (съотношение 1) с помощта на функцията ASI изправена.

Фиг. 4.7

Заключенията на задачата:

1) Фигурата показва, че стойностите на коефициентите на корелация проба показват доста силна корелация между фактори X 1, X 2 ( = 0.997) и частична корелация е висока ( = 0.799), и по този начин в настоящия модел мултиколинеарност. Освен Det R = 0,0057, т.е. близо до нула, и се проверява чрез - разпределение показва, че (13,87)> (5024), който също показва наличието на мултиколинеарност. тук, стойността Тя се изчислява съгласно формулата (4.22).

2) От коефициентите на частни корелационни = 0.363 и = 0.266, от това следва, че ефектът от X 1 до Y е по-голям от X 2 Y. Частни коефициенти за определяне = ( ) 2 = 0.132 и = ( ) 2 = 0.071 показва, че 13.2% от дисперсията се дължи на промяна на променливата Y само X 1 и 7,1% - X 2.

4.2.3. Проверка на автокорелация

Одитът се извършва в глава II. Ако автокорелация факт е записано, че се предлага да се коригира множествена регресия уравнение чрез схема авторегресионна първи ред е описано в т. 4.1.4.

Въпроси за да подготви защитата на индивидуалните задачи

1. Каква е homoscedasticity и хетероскедастицитет?

2. даде пример за връзката на икономиката, описан от модела с хетероскедастицитет на остатъците.

3. Как е проверката на иконометричен модел homoscedasticity?

4. Защо не може да се прилага в случай на хетероскедастицитет на класически OLS?

5. Какви са превръщането на въвеждане на данни, необходими за извършване в случай на откриване на хетероскедастицитет?

6. Какъв е методът на най-малките квадрати (претеглят WLS)?

7. Как разбирате понятието "автокорелация"?

8. даде пример за връзката на икономиката, описан от модела с автокорелиран остатъци.

9. Какви са последиците от класическите оли да моделират с автокорелиран останки?

10. Как е проверката на иконометричен модел за автокорелацията остатъци?

11. Опишете статистически модел използване DW Дърбин-Уотсън.

12. Какви са превръщането на въвеждане на данни, необходими за извършване в случай на автокорелация?

13. Каква е мултиколинеарност?

14. Това, което се прояви може да се види присъствието на мултиколинеарност в прогнозната модел?

15. Какви са негативните последици от мултиколинеарност?

16. Списък на основните методи за елиминиране мултиколинеарност.

глава V