КАТЕГОРИИ: Архитектура-(3434)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)Полиграфия-(1312)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) |
Для проверки статистической значимости коэффициентов регрессии используется случайная величина 3 страница
Х 1 прогн = 76, Х 2 прогн =3100, = 0,04.
Вариант 5.5
Х 1 прогн = 73, Х 2 прогн =3300, = 0,05.
Задача 6. Изучается зависимость средней ожидаемой продолжительности Y (лет) от ВВП в паритетах покупательной способности Х1 и коэффициента младенческой смертности Х2 (%). Построить регрессионную модель: Y = 0 + 1 Х 1 + 2 Х 2 + . Задание. 1. По МНК оценить коэффициенты линейной регрессии i, i = 0, 1, 2. 2. Оценить статистическую значимость найденных эмпирических коэффициентов регрессии bi, i =0, 1, 2. 3. В соответствие с заданным значением построить доверительные интервалы для найденных коэффициентов; 4. Вычислить коэффициент детерминации R 2 и оценить его статистическую значимость при заданном значении ; 5. Определить какой процент разброса зависимой переменной объясняется данной регрессией; 6. Сравнить коэффициент детерминации R 2 со скорректированным коэффициентом детерминации; 7. Вычислить статистику DW Дарбина-Уотсона и оценить наличие автокорреляции; 8. Посредством коэффициентов bi, i = 1, 2, оценить в % отношении влияние объясняющих переменных Х 1 и Х 2 на изменение объясняемой переменной; 9. Спрогнозировать значение объясняемой переменной Y прогн для прогнозных значений Х 1 прогн, Х 2 прогн и определить доверительный интервал для Y прогн; 10. Сделать обобщающие выводы по регрессионной модели.
Вариант 6.1
Х 1 прогн = 80, Х 2 прогн =5, = 0,01.
Вариант 6.2
Х 1 прогн = 76, Х 2 прогн =10, = 0,02.
Вариант 6.3
Х 1 прогн = 81, Х 2 прогн =4, = 0,03.
Вариант 6.4
Х 1 прогн = 93, Х 2 прогн =7, = 0,04.
Вариант 6.5
Х 1 прогн = 84, Х 2 прогн =5, = 0,05.
Задача 7. Данные о деятельности крупнейших компаний США представлены в таблице. Построить регрессионную модель: Y = 0 + 1 Х 1 + 2 Х 2 + 3 Х 3 + . Задание. 1. По МНК оценить коэффициенты линейной регрессии i, i = 0, 1, 2, 3.
2. Оценить статистическую значимость найденных эмпирических коэффициентов регрессии bi, i =0, 1, 2, 3. 3. В соответствие с заданным значением построить доверительные интервалы для найденных коэффициентов; 4. Вычислить коэффициент детерминации R 2 и оценить его статистическую значимость при заданном значении ; 5. Определить какой процент разброса зависимой переменной объясняется данной регрессией; 6. Сравнить коэффициент детерминации R 2 со скорректированным коэффициентом детерминации; 7. Вычислить статистику DW Дарбина-Уотсона и оценить наличие автокорреляции; 8. Посредством коэффициентов bi, i = 1, 2, 3 оценить в % отношении влияние объясняющих переменных Х 1, Х 2, Х 3 на изменение объясняемой переменной; 9. Спрогнозировать значение объясняемой переменной Y прогн для прогнозных значений Х 1 прогн, Х 2 прогн, Х 3 прогн и определить доверительный интервал для Y прогн; 10. Сделать обобщающие выводы по регрессионной модели.
Вариант 7.1
Х 1 прогн = 50, Х 2 прогн =30, Х 3 прогн =100, = 0,01.
Вариант 7.2
Х 1 прогн = 72, Х 2 прогн =35, Х 3 прогн =235, = 0,02.
Вариант 7.3
Х 1 прогн = 84, Х 2 прогн =30, Х 3 прогн =300, = 0,03. Вариант 7.4
Х 1 прогн = 110, Х 2 прогн =35, Х 3 прогн =500, = 0,04.
Вариант 7.5
Х 1 прогн = 125, Х 2 прогн =54, Х 3 прогн =180, = 0,05.
Вопросы для подготовки к защите индивидуального задания
1. Что представляет собой случайный член регрессионного уравнения? Приведите пример его экономической интерпретации. 2. Перечислите предпосылки классической модели линейной регрессии. 3. Что такое “несмещенная оценка коэффициента уравнения регрессии”? 4. Что такое “эффективная оценка коэффициента уравнения регрессии”? 5. Что такое “состоятельная оценка коэффициента уравнения регрессии”? 6. В чем суть метода наименьших квадратов для построения множественного линейного уравнения регрессии? 7. Приведите формулы расчета коэффициентов эмпирического линейного уравнения регрессии по МНК в матричной форме. 8. Как проверить статистическую значимость регрессионного уравнения? 9. Как проверить статистическую значимость коэффициента детерминации? 10. Чем скорректированный коэффициент детерминации отличается от обычного? 11. Как осуществляется анализ статистической значимости коэффициента детерминации? 12. Как используется F – статистика в регрессионном анализе? 13. В чем суть статистики Дарбина-Уотсона и как она связана с коэффициентом корреляции между соседними отклонениями?
14. Как анализируется статистическая значимость статистики Дарбина-Уотсона?
Глава III
Дата добавления: 2014-11-29; Просмотров: 473; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |