Множественная регрессия и пошаговая регрессия
Контрольная работа - Менеджмент
Другие контрольные работы по предмету Менеджмент
Министерство образования и науки РФ
Государственное образовательное учреждение высшего профессионального образования
Ульяновский Государственный Технический Университет
Типовой расчет
по дисциплине Эконометрика
Тема:
Множественная регрессия и пошаговая регрессия
Вариант № 16
Выполнил:
студент группы БАз-21
Гафурова Л.Ф.
Ульяновск 2011
Содержание:
1.Задание
.Таблица экспериментальных данных
. Результаты
.1 Множественная регрессия
.1.1 Результаты
.1.2Оценка качества
.1.3Диагностика соблюдения условия РА-МНК
.2 Пошаговая регрессия
.2.1 Результаты
.2.2Оценка качества
.2.3Диагностика соблюдения условия РА-МНК
Выводы
Графики
Список литературы:
1.Задание
- Применить процедуры MR и ПР с Ро
- Оценить качество постулируемой (MR) и оптимальной (ПР) моделей по F и R- критериям.
- Проверить соблюдение условий РА-МНК для постулируемой и оптимальной модели.
- Сделать общие выводы по анализу.
2.Таблица экспериментальных данных
По данным, представленным в таблице, изучается зависимость общего объема кредитования населения города на покупку жилья у от переменных:
Х1 - среднедневной душевой доход, руб.
Х2 - доля расходов на покупку продовольственных товаров в общих расходах
ХЗ - доля общих среднедневных расходов в среднедневных доходах одного работающего
Х4 - средняя цена одного кв. метра площади, тыс. руб.;
Х5 - среднегодовая процентная ставка по ипотечным кредитам, %
№Y Общий объём кредитования населения города на покупку жилья, млн. руб.X1Среднедневной душевой доход, руб.X2 Доля расходов на покупку продовольственных товаров в общих расходахX3 Доля общих среднедневных расходов в среднедневных доходах одного работающегоX4 Средняя цена одного кв. метра площади, тыс. руб.X5 Среднегодовая процентная ставка по ипотечным кредитам, %1.88,60217,000,760,9547,3017,802.801,30604,000,840,5337,5013,803.489,60339,000,740,9341,6016,004.660,30429,000,650,7141,9012,905.356,70587,000,540,6144,6015,006.430,80604,000,650,7447,2014,007.78,60166,000,680,6836,1018,008.88,60127,000,850,7836,5019,009.902,60715,000,890,6336,3011,5010.150,80219,000,580,9136,6014,0011.220,70507,000,410,8831,1011,0012.336,40668,000,470,9247,3018,0013.208,60319,000,710,7037,3018,0014.989,60357,000,830,5857,8011,0015.178,60258,000,620,9837,5017,9016.502,60339,000,850,7240,0014,0017.499,50361,000,810,6951,6013,0018.178,50208,000,650,9641,9013,8019.477,80329,000,360,6243,4011,5020.889,60730,000,380,6244,6013,9021.656,70507,000,380,6345,3014,0022.660,30587,000,520,5547,2013,3023.1030,80994,000,320,6369,3012,0024.800,50604,000,480,7451,4013,5025.301,60468,000,510,8752,8015,9026.623,30914,000,390,3844,6012,8027.526,70585,000,700,7048,3011,3028.450,80568,000,650,7937,8015,8029.589,60439,000,580,7141,9014,0030.778,60628,000,480,8544,6013,3031.1078,50767,000,410,4257,2013,3032.689,60994,000,410,5852,8014,0033.360,30304,000,540,7136,1019,3034.1130,80987,000,680,6267,1012,0035.856,50639,000,360,8345,3012,5036.801,30604,000,840,6237,5013,8037.356,70587,000,540,7944,6015,0038.78,60209,000,680,7836,1018,0039.902,60258,000,890,9836,3011,5040.150,80208,000,580,6836,6014,0041.220,70404,000,410,8831,1014,0042.989,60868,000,830,5857,8013,8043.499,50528,000,810,6951,6011,5044.656,70507,000,380,6345,3013,5045.1030,801094,000,220,5369,3011,3046.800,50604,000,480,7451,4013,3047.450,80568,000,650,7937,8012,0048.778,60628,000,360,6244,6013,8049.689,60994,000,320,6341,9014,0050.360,30304,000,390,7036,1019,3051.1130,80908,000,410,6236,3012,0052.856,50639,000,840,6837,3013,8053.660,30429,000,740,7143,4015,0054.430,80639,000,890,7469,3019,0055.88,60266,000,810,7841,9018,0056.902,60619,000,690,9367,1017,9057.989,60994,000,830,7844,6011,5058.178,60294,000,920,9831,1017,9059.477,80639,000,360,6243,4011,5060.889,60730,000,380,6344,6013,90
3. Результаты
Решение данного типового расчета осуществлялось с использованием пакета программ статистической обработки данных STATISTICA.
.1Множественная регрессия
.1.1 Результаты
Зададим зависимую переменную Y и независимые X1, Х2, Х3, Х4, Х5 Итоги анализа с использованием пакета STATISTICA
Результаты множ. регрессии
Зав.перем.:Y Множест. R = ,82291525 F = 22,65616= ,67718950 сс = 5,54
Число набл.: 60 скоррект.R2= ,64729964 p = ,000000
Стандартная ошибка оценки:184,39683277
Своб.член: 608,02662453 Ст.ошибка: 273,7725 t( 54) = 2,2209 p = ,0306бета=,501 X2 бета=,153 X3 бета=-,12бета=,166 X5 бета=-,32
(выделены значимые бета)
Программа выделяет значимые регрессоры. Значимыми оказались X1 и Х5.
Объем выборки, среднее стандартное отклонение:
MeansStd.Dev.NX1543,1667244,648760X20,59880,190960X30,72100,137560X444,94679,538760X514,34002,428260Y573,9450310,492160
Стандартное отклонение показывает вариацию признака относительно среднего значения.
Матрица корреляций:
X1X2X3X4X5YX11,000000-0,382598-0,5245800,529433-0,4775910,742958X2-0,3825981,0000000,285537-0,1291080,216740-0,161846X3-0,5245800,2855371,000000-0,2851670,372517-0,500947X40,529433-0,129108-0,2851671,000000-0,1679950,497819X5-0,4775910,2167400,372517-0,1679951,000000-0,594804Y0,742958-0,195242-0,5009470,497819-0,6024221,000000
Матрица корреляций показывает значение парных коэффициентов корреляции между откликом и факторами и межфакторной корреляции. Парные коэффициенты корреляции rx1x2, rx1x3, rx1x4, rx1x5 значительно отличаются от нуля, значит присутствует мультиколлинеарность.
Дисперсионный анализ:
Sums ofdfMeanFp-levelRegress.38517965770359,122,656160,000000Residual18361185434002,2Total5687914
Дисперсионный анализ - статистический метод, позволяющий анализировать влияние различных факторов (признаков) на исследуемую (зависимую) переменную. Так как F = 22,65616- значение статистики, р = 0- вероятность слишком мала, чтобы поверить в истинность гипотезы Н0 об отсутствии влияния факторов. Вывод: факторы X1, Х2, Х3, Х4, Х5 влияют на переменную У.
Регрессионная сумма:
BetaStd.Err.BStd.Err.t(54)p-levelIntercept608,02662273,772492,220920,03057X10,501270,114670,636170,145534,371360,00006X20,153340,08457249,35156137,520011,813200,07536X3-0,116240,09261-262,50298209,12788-1,255230,21480X40,165740,092185,395063,000371,798130,07775X5-0,317490,08982-40,5980411,48574-3,534650,00085
В столбце Beta показаны стандартизованные коэффициенты регрессии, а в столбце В - нестандартизованные.
Стандартизированные коэффициенты Beta позволяют провести ранжирование предикторов по степени их влияния на отклик. Из таблицы следует, что предикторы можно проранжирова