183475 (566983), страница 4

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

Вывод: так как DW = 0,568043736 < 1,50 = dL, то делаем вывод о наличии в ряде W положительной автокорреляции.

С помощью построения модели линейного тренда постараемся избавиться от автокорреляции.

Модель линейного тренда имеет вид:

Вычисляем статистику Дарбина – Уотсона для остатков по модели линейного тренда:

DW = = 1,843115542

Из таблицы значений констант Дарбина – Уотсона dU и dL на 5% уровне значимости с двумя влияющими факторами при Т = 48 находим dL = 1,46; dU = 1,63.

Вывод: Так как DW = 1,843115542 > 1,63 = dU и DW = 1,843115542 < 4 – 1,63 = 2,37 = 4 – dU, то делаем вывод об отсутствии в ряде Ut автокорреляции.

Заключение: Модель линейного тренда позволяет избавиться от автокорреляции ряда Ut.

3 вопрос

Методика вычисления коэффициентов а, b и с регрессионной зависимости .

Шаг 1. Предварительный анализ. Математическая модель строится на основе следующей логической модели:

Далее вычисляются средние значения исходных рядов.

Шаг 2. Строится ковариационная матрица L = L [X; Y; Z; W]

При вычислении элементов ковариационной матрицы схема выбора аргументов функции КОВАР определена формулой L = L [X; Y; Z; W] и имеет следующий вид:

Шаг 3. Вычисление обратной матрицы. Она размещается на площадке того же размера, что и ковариационная матрица.

Элементы обратной матрицы имеют следующие обозначения:

Засвечивается площадка, на которой будет размещена обратная матрица, и которая будет совпадать по размеру с ковариационной матрицей. Вызывается функция МОБР. В качестве параметра Арг указывается адрес ковариационной матрицы. Одновременным нажатием трех клавиш: CTRL + SHIFT + ENTER дается команда на одновременное вычисление всех элементов обратной матрицы Л.

Шаг 4. Вычисление коэффициентов а, b и с регрессионной зависимости

.

Поскольку в заданной логической модели зависимой переменной является четвертый столбец (W), то коэффициенты а, b и с будут вычисляться по формулам:

a = -Л41/Л44 b = -Л42/Л44 с = -Л43/Л44

В моей работе коэффициенты:

a = – 726,022045 b = 2,846786592 с = 3,902613829

4 вопрос

Теория оценки качества эконометрической модели заключается в четырех леммах (свойствах) регрессионных моделей, построенных с использованием МНК.

Лемма 1. (лемма об отсутствии смещения оцененных остатков)

Доказательство:

Лемма 2. (лемма о независимости факторов и оцененных остатков):

, если j < m

Доказательство:

По правилам перемножения матриц в линейной алгебре величина равна нулю, если j ≠ m.

Лемма 3. (лемма о разложении дисперсии зависимой переменной):

Доказательство:

Далее, из леммы 2 следует, что

Лемма 4. (лемма о ковариации зависимой переменной и оцененных остатков)

Доказательство:

Далее, по лемме 2,

Следовательно, .

Так же для оценки качества построенной регрессионной зависимости часто используется коэффициент детерминации , который представляет собой объясненную долю дисперсии модели.

0 < < 1.

Чем ближе коэффициент детерминации к единице, тем лучше считается построенная регрессионная зависимость.

в моей работе = 0,680976589.

5 вопрос

Методика вычисления доверительного интервала для коэффициента множественной регрессии.

Шаг 1. Вычисляются коэффициенты f и g первой вспомогательной зависимости , которая строится по следующей логической модели: зависимая переменная – Х, факторы – Y; Z.

Строится ковариационная матрица L [Y; Z; X].

По ней вычисляется обратная матрица, со стандартным обозначением элементов. В соответствии с заданной схемой построения ковариационной матрицы зависимой переменной является третий столбец (в порядке использования при вычислении ковариационной матрицы), следовательно, коэффициенты f и g вычисляются по третьей строке обратной матрицы:

f = -Л31/Л33 g = -Л32/Л33

Шаг 2. Вычисление оцененного ряда и остатков первой вспомогательной модели. Оцененный ряд вычисляется по формуле: , остатки – по формуле:

Шаг 3. Вычисление коэффициентов m; n второй вспомогательной зависимости , которая строится по следующей логической модели: зависимая переменная – W, факторы – Y; Z.

Строится ковариационная матрица L [Y; Z; W], при вычислении элементов которой аргументы функции КОВАР задаются по следующей схеме:

По ней вычисляется обратная матрица со стандартным обозначением элементов. В соответствии с заданной схемой построения ковариационной матрицы зависимой переменной рассматриваемой логической модели является третий столбец (в порядке использования при вычислении ковариационной матрицы), следовательно, коэффициенты m; n вычисляются по третьей строке обратной матрицы.

m = -Л31/Л33 n = -Л32/Л33

Шаг 4. Вычисление оцененного ряда и остатков второй вспомогательной модели. Оцененный ряд вычисляется по формуле: , остатки - по формуле: .

Шаг 5. Вычисление t – статистики по остаткам вспомогательных зависимостей и границы критической области (0,05; Т – 2)

После вычисляем границу критической области с помощью функции Стьюдента.

Шаг 6. Построение доверительного интервала [d1; d2] по формулам:

d1 = ; d2 =

Далее следует вывод, в котором оценивается зависимость ряда w от ряда х и признается либо значительной, либо незначительной.

В моей работе требовалось использовать данную методику для построения трех доверительных интервалов: для коэффициента a, для коэффициента b, и для коэффициента с.

Для коэффициента a:

Для коэффициента b:

Для коэффициента с:

Коэффициенты

Характеристики

Список файлов лабораторной работы