Контрольная работа: по Эконометрике 2
Матрица парных коэффициентов корреляции:
1 rуx1 rуx2 rуx3
А =rуx1 1 rx1x2 rx1x3
rуx2 rx1x2 1rx2x3
rуx3 rx1x3 rx2x3 1
1 -0,403 0,846 0,146
А = -0,403 1 -0,082 0,011
0,846 -0,082 1 0,229
0,146 0,011 0,229 1
Используя функцию "Корреляция" в арсенале M. Excel, рассчитаем матрицу автоматически:
У | Х1 | Х3 | Х5 | |
У | 1 | |||
Х1 | -0,403 | 1 | ||
Х3 | 0,846 | -0,082 | 1 | |
Х5 | 0,146 | 0,011 | 0,229 | 1 |
Построим матрицу t - статистики парных коэффициентов корреляции, вычисленная по формуле:
Табличное значение t- критерия при 5% уровне значимости и степени свободы k = 40 – 1 – 1 = 38 составляет 2,03.
Если tухj > 2.03 => коэффициент корреляции между факторами у и хj статистически значим.
> 2,03 → коэф-т корреляции между факторами у и х1 значим.
> 2,03 → коэф-т корреляции между факторами у и х3 значим.
< 2,03 → коэф-т корреляции между факторами у и х5 незначим.
Очевидно, что наиболее сильная корреляция (связь) имеется между У - Х3.
Рассмотрим матрицу парных коэффициентов корреляции между факторами Хj. В нашем случае, явление сильной мультиколлинеарности наблюдается между факторами: Х1 – Х3, где rx1x3 > 0,8.
Задание 2. Постройте поле корреляции результативного признака и наиболее тесно связанного с ним фактора.
Задание 3 - 4. Рассчитайте параметры линейной парной регрессии для всех факторов X.
1. Линейная модель: y^ = a + b * x1.
Составим таблицу исходных и расчетных данных:
t | y | x1 | x*x | y*x | у * у | (y - yср)2 | (x1 - xср)2 | y^ | (y - y^)2 | E , % |
1 | 115 | 0 | 0 | 0 | 13225,0 | 455,8 | 0,3 | 117,5 | 6,3 | 2,2 |
2 | 85 | 1 | 1 | 85 | 7225,0 | 74,8 | 0,2 | 76,0 | 80,6 | 10,6 |
3 | 69 | 1 | 1 | 69 | 4761,0 | 607,6 | 0,2 | 76,0 | 49,3 | 10,2 |
4 | 57 | 1 | 1 | 57 | 3249,0 | 1343,2 | 0,2 | 76,0 | 361,7 | 33,4 |
5 | 184,6 | 0 | 0 | 0 | 34077,2 | 8271,9 | 0,3 | 117,5 | 4501,9 | 36,3 |
6 | 56 | 1 | 1 | 56 | 3136,0 | 1417,5 | 0,2 | 76,0 | 400,8 | 35,7 |
7 | 85 | 0 | 0 | 0 | 7225,0 | 74,8 | 0,3 | 117,5 | 1056,5 | 38,2 |
8 | 265 | 0 | 0 | 0 | 70225,0 | 29360,8 | 0,3 | 117,5 | 21755,2 | 55,7 |
9 | 60,65 | 1 | 1 | 60,65 | 3678,4 | 1089,0 | 0,2 | 76,0 | 236,2 | 25,3 |
10 | 130 | 0 | 0 | 0 | 16900,0 | 1321,3 | 0,3 | 117,5 | 156,2 | 9,6 |
11 | 46 | 1 | 1 | 46 | 2116,0 | 2270,5 | 0,2 | 76,0 | 901,2 | 65,3 |
12 | 115 | 0 | 0 | 0 | 13225,0 | 455,8 | 0,3 | 117,5 | 6,3 | 2,2 |
13 | 70,96 | 0 | 0 | 0 | 5035,3 | 514,8 | 0,3 | 117,5 | 2166,3 | 65,6 |
14 | 39,5 | 1 | 1 | 39,5 | 1560,3 | 2932,2 | 0,2 | 76,0 | 1333,7 | 92,5 |
15 | 78,9 | 0 | 0 | 0 | 6225,2 | 217,6 | 0,3 | 117,5 | 1490,2 | 48,9 |
16 | 60 | 1 | 1 | 60 | 3600,0 | 1132,3 | 0,2 | 76,0 | 256,6 | 26,7 |
17 | 100 | 1 | 1 | 100 | 10000,0 | 40,3 | 0,2 | 76,0 | 575,1 | 24,0 |
18 | 51 | 1 | 1 | 51 | 2601,0 | 1819,0 | 0,2 | 76,0 | 626,0 | 49,1 |
19 | 157 | 0 | 0 | 0 | 24649,0 | 4013,2 | 0,3 | 117,5 | 1560,0 | 25,2 |
20 | 123,5 | 1 | 1 | 123,5 | 15252,3 | 891,0 | 0,2 | 76,0 | 2254,4 | 38,4 |
21 | 55,2 | 0 | 0 | 0 | 3047,0 | 1478,4 | 0,3 | 117,5 | 3881,7 | 112,9 |
22 | 95,5 | 1 | 1 | 95,5 | 9120,3 | 3,4 | 0,2 | 76,0 | 379,5 | 20,4 |
23 | 57,6 | 0 | 0 | 0 | 3317,8 | 1299,6 | 0,3 | 117,5 | 3588,4 | 104,0 |
24 | 64,5 | 1 | 1 | 64,5 | 4160,3 | 849,7 | 0,2 | 76,0 | 132,7 | 17,9 |
25 | 92 | 1 | 1 | 92 | 8464,0 | 2,7 | 0,2 | 76,0 | 255,4 | 17,4 |
26 | 100 | 1 | 1 | 100 | 10000,0 | 40,3 | 0,2 | 76,0 | 575,1 | 24,0 |
27 | 81 | 0 | 0 | 0 | 6561,0 | 160,0 | 0,3 | 117,5 | 1332,5 | 45,1 |
28 | 65 | 1 | 1 | 65 | 4225,0 | 820,8 | 0,2 | 76,0 | 121,4 | 17,0 |
29 | 110 | 0 | 0 | 0 | 12100,0 | 267,3 | 0,3 | 117,5 | 56,3 | 6,8 |
30 | 42,1 | 1 | 1 | 42,1 | 1772,4 | 2657,4 | 0,2 | 76,0 | 1150,5 | 80,6 |
31 | 135 | 0 | 0 | 0 | 18225,0 | 1709,8 | 0,3 | 117,5 | 306,1 | 13,0 |
32 | 39,6 | 1 | 1 | 39,6 | 1568,2 | 2921,4 | 0,2 | 76,0 | 1326,4 | 92,0 |
33 | 57 | 1 | 1 | 57 | 3249,0 | 1343,2 | 0,2 | 76,0 | 361,7 | 33,4 |
34 | 80 | 0 | 0 | 0 | 6400,0 | 186,3 | 0,3 | 117,5 | 1406,5 | 46,9 |
35 | 61 | 1 | 1 | 61 | 3721,0 | 1066,0 | 0,2 | 76,0 | 225,6 | 24,6 |
36 | 69,6 | 1 | 1 | 69,6 | 4844,2 | 578,4 | 0,2 | 76,0 | 41,2 | 9,2 |
37 | 250 | 1 | 1 | 250 | 62500,0 | 24445,3 | 0,2 | 76,0 | 30269,2 | 69,6 |
38 | 64,5 | 1 | 1 | 64,5 | 4160,3 | 849,7 | 0,2 | 76,0 | 132,7 | 17,9 |
39 | 125 | 0 | 0 | 0 | 15625,0 | 982,8 | 0,3 | 117,5 | 56,2 | 6,0 |
40 | 152,3 | 0 | 0 | 0 | 23195,3 | 3439,8 | 0,3 | 117,5 | 1210,8 | 22,8 |
сумма | 3746 | 23 | 23 | 1748 | 454221 | 103406,4 | 9,8 | 3746 | 86584 | 1476,2 |
ср.зн. | 93,65 | 0,58 | 0,58 | 43,71 | 11355,53 | 2585,16 | 0,2 | 93,65 | 2164,61 | 36,9 |
Найдем параметры уравнения линейной регрессии:
Итак, у^ = 117,50 + (-41,48)*Х1
Рассчитаем коэффицент детерминации: