Моделирование и прогнозирование цен на бензин 2007
Курсовой проект - Математика и статистика
Другие курсовые по предмету Математика и статистика
з данного графика можно сделать вывод о том что мат. ожидание остатков=0. Следовательно, 1-ое условие Гаусса-Маркова выполняется.
Из графика можно сделать вывод о достаточно сильной гомоскедастичности, т.е. о том, что дисперсия остатков постоянна. Следовательно, и 2-ое условие Гаусса-Маркова выполняются.
Durbin-Watson dDurbin-
Watson dEstimate0,787493
Табличное значение коэффициента d при N = 39, m = 1 составляет dн =1,43 и dв= 1,54
Т. к. расчетное значение d=0,787493 принадлежит промежутку [0; dн] выполняется Н1, т.е. автокорреляция есть.
Приложение 5.
Приложение 6.
Приложение 7.
Гистограмма и график остатков на нормальной вероятностной бумаге.
Проверка условий Гаусса-Маркова.
Из данных графиков можно сделать вывод о том что мат. ожидание остатков=0. Следовательно, 1 условие Гаусса-Маркова выполняется.
Из графика можно сделать вывод о гомоскедастичности, т.е. о том, что дисперсия остатков постоянна. Следовательно, и 2-ое условие Гаусса-Маркова выполняется.
Durbin-Watson dand serial correlation of residualsDurbin-
Watson dEstimate0,643030
Табличное значение коэффициента d при N = 39, m = 3 составляет dн =1,33 и dв= 1,66
Т. к. расчетное значение d=0,643030 принадлежит промежутку [0; dн] выполняется Н1, т.е. автокорреляция есть.
Приложение 8.
Построение моделей для X1:
Линейная:
Regression Summary for Dependent Variable: X1R= ,79259148 RI= ,62820126 Adjusted RI= ,61815264F(1,37)=62,516 p<,00000 Std.Error of estimate: 776,96St. Err.St. Err.BETAof BETABof Bt(37)p-levelIntercpt2432,624245,60629,9045700,000000T0,7925910,10024384,91510,73967,9067190,000000
Нелинейная:Regression Summary for Dependent Variable: X1R= ,93828998 RI= ,88038808 Adjusted RI= ,86543659F(3,24)=58,883 p<,00000 Std.Error of estimate: 345,28St. Err.St. Err.BETAof BETABof Bt(37)p-levelIntercept654,23237,20412,758100,010941SQRV63,449210,4728462043,01280,07207,294570,000000V6**5-0,964100,1544090,000,0000-6,243820,000002LN-V6-1,977260,391102-1788,27353,7191-5,055620,000036
Полином:Regression Summary for Dependent Variable: X1R= ,93085607 R?= ,86649302 Adjusted R?= ,85581246F(2,25)=81,128 p<,00000 Std.Error of estimate: 357,41St. Err.St. Err.BETAof BETABof Bt(36)p-levelIntercept2300,238117,508919,575010,000000V6**24,883120,4784049,2650,907710,207090,000000V6**3-4,268930,478404-0,2100,0236-8,923270,000000
Построение моделей для X2t-2:
Линейная
Regression Summary for Dependent Variable: X2t-2R= ,82084484 R?= ,67378625 Adjusted R?= ,66472476F(1,36)=74,357 p<,00000 Std.Error of estimate: ,51947St. Err.St. Err.BETAof BETABof Bt(37)p-levelIntercpt29,302430,172379169,98840,000000T-0,8208450,095192-0,064160,007441-8,62310,000000
Полином:
Regression Summary for Dependent Variable: X2t-2R= ,88640473 R?= ,78571334 Adjusted R?= ,77976093F(1,36)=132,00 p<,00000 Std.Error of estimate: ,42102St. Err.St. Err.BETAof BETABof Bt(36)p-levelIntercept28,719060,092302311,14210,000000V6**3-0,8864050,077152-0,000040,000004-11,48910,000000
Predicting Values for variable: X1B-WeightValueB-Weight* ValueV6**29,265090184917131,2V6**3-0,21040179507-16728,4Intercept2300,2Predicted2703,0-95,0%CL1958,6+95,0%CL3447,4
Построение моделей для X4:
Линейная
Regression Summary for Dependent Variable: x4
R= ,23795270 R?= ,05662149 Adjusted R?= ,03112477 F(1,37)=2,2207 p<,14464 Std.Error of estimate: 9,0744Intercept112,25182,86849939,132600,000000T-0,2379530,159677-0,18690,125431-1,490210,144644
Нелинейная:Regression Summary for Dependent Variable: X4R= ,24970358 R?= ,06235188 Adjusted R?= ,03701003F(1,37)=2,4604 p<,12526 Std.Error of estimate: 9,0468St. Err.St. Err.BETAof BETABof Bt(37)p-levelIntercept111,10682,17304351,129600,000000V6**2-0,2497040,159191-0,00490,003097-1,568580,125260
Predicting Values for variable: X1B-WeightValueB-Weight* ValueV6**29,265090160014824,1V6**3-0,21040164000-13465,7Intercept2300,2Predicted3658,7-95,0%CL3176,8+95,0%CL4140,6Predicting Values for variable: X1B-WeightValueB-Weight* ValueV6**29,265090168115574,6V6**3-0,21040168921-14501,1Intercept2300,2Predicted3373,8-95,0%CL2815,1+95,0%CL3932,5Predicting Values for variable: X1B-WeightValueB-Weight * ValueV6**29,265090176416343,6V6**3-0,21040174088-15588,2Intercept2300,2Predicted3055,6-95,0%CL2409,3+95,0%CL3701,9
Predicting Values for variable: X2t-2B-WeightValueB-Weight* ValueV6**3-0,0000451849-0,08268Intercept28,72027Predicted28,63759-95,0%CL28,41984+95,0%CL28,85533Predicting Values for variable: X2t-2B-WeightValueB-Weight* ValueV6**3-0,0000451681-0,07517Intercept28,72027Predicted28,64510-95,0%CL28,42632+95,0%CL28,86388
Predicting Values for variable: X2t-2B-WeightValueB-Weight* ValueV6**3-0,0000451764-0,07888Intercept28,72027Predicted28,64139-95,0%CL28,42312+95,0%CL28,85966
Predicting Values for variable: X4B-WeightValueB-Weight* ValueV6**2-0,0048581600-7,7726Intercept111,1068Predicted103,3342-95,0%CL95,9660+95,0%CL110,7024Predicting Values for variable: X4B-WeightValueB-Weight* ValueV6**2-0,0048581764-8,5693Intercept111,1068Predicted102,5375-95,0%CL94,2152+95,0%CL110,8598
Predicting Values for variable: X4B-WeightValueB-Weight* ValueV6**2-0,0048581681-8,1661Intercept111,1068Predicted102,9407-95,0%CL95,1036+95,0%CL110,7778Predicting Values for variable: X4B-WeightValueB-Weight* ValueV6**22-0,004858Intercept111,1068Predicted102,1246-95,0%CL93,3012+95,0%CL110,9480
Приложение 9.
Гистограмма и график остатков на нормальной вероятностной бумаге.
Проверка условий Гаусса-Маркова.
Из данных графиков можно сделать вывод о том, что математическое ожидание остатков примерно равно 0, и можно сказать, что первое условие Гаусса-Маркова выполняется.
Из графика можно сделать вывод о достаточно слабой гомоскедастичности, т.к. дисперсия остатков не постоянна. Следовательно, 2-ое условие Гаусса-Маркова не выполняется.
Durbin-Watson dand serial correlation of residualsDurbin-
Watson dEstimate1,065021
Табличное значение коэффициента d при N = 39, m = 3 составляет dн =1,33 и dв= 1,66
Т. к. расчетное значение d=1,065021 принадлежит промежутку [0; dн] вы