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) |
Лабораторная работа №4. Проверка адекватности модели парной регрессии
Проверка адекватности модели парной регрессии Задание 1. Вычислить коэффициент детерминации для полученной модели, используя различные формы представления коэффициента. 2. Проверить значимость коэффициента детерминации на основании Основная формула: Σ (yt - )2 = Σ (yэмп - )2 + Σ (yt - yэмп)2, или TSS = ESS + RSS, где TSS – полная сумма квадратов; ESS - сумма квадратов, объясненная моделью; RSS – остаточная сумма квадратов.
Ход работы 1. Находим эмпирическое значение yэмп величины y: выделяем ячейку, в выделенной ячейке ставим знак «=», щелкаем мышью по ячейке, содержащей значение а, ставим в строке формул знак «$» перед буквой и цифрой, чтобы зафиксировать значение, ставим знак «+», щелкаем мышью по ячейке, содержащей значение b, снова ставим в верхней строке формулы знак «$» перед буквой и перед цифрой, чтобы зафиксировать значение, нажимаем знак «*», щелкаем мышью по ячейке, содержащей значение x, нажимаем Enter. Удерживая левую кнопку мыши, протягиваем вниз, чтобы получилось 15 ячеек. Нашли 15 значений yэмп, соответствующие значениям х. 2. Находим ESS: выделяем одну ячейку, в выделенной ячейке ставим знак «=», открываем скобку, щелкаем мышью по ячейке, содержащей первое значение yэмп, ставим знак «-», далее щелкаем мышью по ячейке, содержащей среднее значение , фиксируем его в строке формул знаком «$» перед буквой и перед цифрой, закрываем скобку и умножаем на аналогичную скобку, так как нам нужен её квадрат, нажимаем Enter. Удерживая левую кнопку мыши, протягиваем вниз еще на 14 ячеек. Затем находим сумму получившихся значений: щелкаем по ячейке, находящейся ниже этих значений, ставим знак «=», выбираем значок ∑ (автосумма) на панели инструментов и выделяем с помощью мыши все получившиеся значения произведений, нажимаем Enter. 3. Находим TSS: делаем все то же самое, что и в пункте 2, только вычитаем среднее значение не от yэмп, а от y. 4. Находим RSS: выделяем 1 ячейку, в выделенной ячейке ставим знак «=», открываем скобку, щелкаем мышью по ячейке, содержащей первое значение y, ставим знак «-», далее щелкаем мышью по ячейке, содержащей значение yэмп, закрываем скобку и умножаем на аналогичную скобку, нажимаем Enter. Удерживая левую кнопку мыши, протягиваем вниз еще на 14 ячеек. Находим сумму получившихся значений: щелкаем по ячейке, находящейся ниже этих значений, ставим знак «=», выбираем значок ∑ (автосумма) на панели инструментов и выделяем с помощью мыши все получившиеся значения произведений, нажимаем Enter. 5. Находим коэффициент детерминации по первой формуле: R2 = ESS/TSS. Выделяем ячейку, ставим знак «=», щелкаем мышью по ячейке, содержащей значение суммы ESS, ставим знак «/», щелкаем мышью по ячейке, содержащей значение суммы TSS, нажимаем Enter. 6. Находим коэффициент детерминации по второй формуле: R2 = 1- (RSS/TSS). Выделяем ячейку, ставим знак «=», нажимаем 1, ставим знак «-», затем открываем скобку, щелкаем мышью по ячейке, содержащей значение суммы RSS, ставим знак «/», щелкаем мышью по ячейке, содержащей значение суммы TSS, закрываем скобку, нажимаем Enter. 7. Находим коэффициент детерминации по третьей формуле: R2 = r(y, yэмп )2, где r(y, yэмп )2 =cov(y, yэмп) / (var(y)*var(yэмп)), cov(y, yэмп)= 1/(t-1)* Σ (y- )* (yэмп- ). Для этого выполняем промежуточные действия: а) находим аналогично из первого задания; b) находим сумму из формулы ковариации: выделяем ячейку, в выделенной ячейке ставим знак «=», открываем скобку, щелкаем мышью по ячейке, содержащей первое значение y, ставим знак «-», далее щелкаем мышью по ячейке, содержащей значение , фиксируем его в верхней строке формулы знаком «$» перед буквой и перед цифрой, закрываем скобку, ставим знак «*», открываем скобку, щелкаем мышью по ячейке, содержащей первое значение yэмп, ставим знак «-», далее щелкаем мышью по ячейке, содержащей значение yэмп и фиксируем его в верхней строке формулы знаком «$» перед буквой и перед цифрой, закрываем скобку, нажимаем Enter. Удерживая левую кнопку мыши, протягиваем вниз еще на 14 ячеек. Находим сумму получившихся значений: щелкаем по ячейке, находящейся ниже этих значений, ставим знак «=», выбираем значок ∑ (автосумма) на панели инструментов и выделяем с помощью мыши все получившиеся значения произведений, нажимаем Enter; с) находим ковариацию. Выделяем ячейку, ставим знак «=», нажимаем 1, ставим знак «/» на клавиатуре набираем 14 (так как t =15, в формуле t -1), щелкаем мышью по ячейке, содержащей значение суммы из пункта b, нажимаем Enter; d) находим var -дисперсию y и yэмп. Выделяем ячейку, ставим знак «=», выбираем значок fx на панели инструментов, затем находим ДИСП в окне меню, нажимаем OK, выделяем область по y, которая заносится в поле Число 1. Нажимаем OK. Аналогично находим дисперсию для величины yэмп; e) находим произведение дисперсий. Выделяем ячейку, ставим знак «=», щелкаем мышью по ячейке, содержащей значение дисперсии y, ставим знак «*», далее щелкаем мышью по ячейке, содержащей значение дисперсии yэмп, нажимаем Enter; f) извлекаем корень из произведения дисперсий. Выделяем ячейку, ставим знак «=», выбираем значок fx на панели инструментов, затем находим КОРЕНЬ в окне меню, нажимаем OK, выделяем ячейку со значением из пункта e, которая заносится в поле. Нажимаем OK; g) находим коэффициент корреляции r. Выделяем ячейку, ставим знак «=», щелкаем мышью по ячейке, содержащей значение ковариации из пункта с, ставим знак «/», далее щелкаем мышью по ячейке, содержащей значение корня из пункта f, нажимаем Enter; h) находим коэффициент детерминации по третьей формуле. Выделяем ячейку, ставим знак «=», щелкаем мышью по ячейке, содержащей значение коэффициента корреляции r из пункта g, ставим знак «*» и щелкаем по той же ячейке, нажимаем Enter. 8. Проверяем адекватность модели с помощью F -теста. Вычисляем значение F -критерия на основе формулы: F = R2/((1- R2)/(t-2)), где t =15 - число наблюдений. Выделяем ячейку, ставим знак «=», щелкаем мышью по ячейке, содержащей значение коэффициента детерминации R2 из пункта 6, ставим знак «/», ставим скобки ((, затем 1, ставим знак «-», и щелкаем по той же ячейке R2, первую скобку закрываем, ставим знак «/», число 13, вторую скобку закрываем, нажимаем Enter. 9. Находим F табличное для уровней значимости 0,05 и 0,01. Если F, полученное в пункте 8, больше F табличного для данного уровня значимости, то нулевая гипотеза H0 отклоняется на этом уровне значимости.
Варианты для парной регрессионной модели
Вариант № 1
Вариант № 2
Вариант № 3
Вариант № 4
Вариант № 5
Вариант № 6
Вариант № 7
Вариант № 8
Вариант № 9
Вариант № 10
Вариант № 11
Вариант № 12
Вариант № 13
Вариант № 14
Вариант № 15
Вариант № 16
Вариант № 17
Вариант № 18
Вариант № 19
Вариант № 20
Вариант № 21
Вариант № 22
Вариант № 23
Вариант № 24
Вариант № 25
Вариант № 26
Вариант № 27
Вариант № 28
Вариант № 29
Вариант № 30
Лабораторная работа №5 Множественная регрессионная модель. Классическая линейная модель Классическая (нормальная) модель линейной множественной регрессии (КЛММР) имеет вид: (1) где - значение результирующей переменной; - значение 1-го, 2-го,…, р -го регрессора в i- ом наблюдении (i = 1,2,…, n); β0, β1, βp - числовые коэффициенты; εi - случайные (стохастические) составляющие или ошибки (возмущения). Переписывая выражение (1) в виде системы уравнений для различных значений (i = 1,2,…, n), их можно представить в матричном виде: , (2) где - вектор объясняемых переменных; ε= - вектор значений ошибки; - вектор коэффициентов; X= - матрица объясняющих переменных размером n × (p+1), в которой первый столбец с единичными элементами соответствует в выражении (1) умножению на единицу. Основные предпосылки (гипотезы) КЛММР: 1. Х – детерминированная матрица. 2. Математическое ожидание возмущения ε0 равно нулю: (i = 1,2,…, n), где М[·] знак математического ожидания. 3. Дисперсия возмущения постоянна для любых значений i (условие гомоскедастичности): (i = 1,2,…, n), где D[·] знак дисперсии; - величина дисперсии.
4. Возмущения для разных наблюдений являются некоррелированными: при , где - коэффициент ковариации. Условия 3 и 4 можно объединить в одно, определяющее вид ковариационной матрицы возмущений:
C ε = =
= = = =M[ε ]= ,
где - векторное произведение векторов; Т – знак транспонирования матрицы; In - единичная матрица n -го порядка. 5. Возмущения являются нормально распределёнными случайными величинами с нулевым средним значением и дисперсией : или . 6. Векторы объясняющих переменных (столбцы матрицы Х) линейно независимы (ни один из них не может быть представлен в виде линейной комбинации других), другими словами, ранг матрицы Х равен числу её столбцов: . Для получения уравнения регрессии достаточно первых четырёх и шестой предпосылок. Требование выполнения пятой предпосылки необходимо для оценки точности уравнения регрессии и его параметров.
Традиционный метод наименьших квадратов (МНК) Оценкой модели (1) по выборке при (i = 1,2,…, n) является уравнение: (3) которое можно представить в матричном виде: (4) где = - вектор аппроксимирующих значений зависимой переменной; b = вектор выборочных оценок коэффициентов соответственно. Согласно МНК, вектор неизвестных переменных параметров b выбирается так, чтобы сумма квадратов остатков была минимальной: , (5) или с учётом (4) в матричной записи ( - скалярное произведение векторов): . (6) Необходимые условия экстремума (6) находятся путём приравнивания вектора частных производных: . Отсюда в результате приведения выражения (6) к более удобному для дифференцирования виду , с учётом известных из линейной алгебры правил вычисления производных по векторному аргументу (с и А – вектор и симметричная матрица соответственно) получается система нормальных уравнений для определения вектора b: (7) Согласно предпосылке 6 КЛММР, ранг матрицы Х равен р +1. Это означает, что ранг симметричной квадратной матрицы р +1-го порядка также равен р +1, она является невырожденной (её определитель не равен нулю), и существует обратная матрица такая, что произведение . Поэтому решение системы (7) можно представить следующим образом: . (8) Если записать первое уравнение системы нормальных уравнений (7) в развернутом виде: легко получить соотношение, выражающее коэффициент через остальные коэффициенты и соответствующие выборочные средние: . (9)
Дата добавления: 2015-06-04; Просмотров: 630; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |