Эконометрические методы исследования накоплений имущества

Построение корреляционного поля между накоплениями и стоимостью имущества. Расчет коэффициентов линейного уравнения множественной регрессии, статистическая значимость уравнения. Точечный и интервальный прогноз накоплений. Парная и частная корреляция.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 12.09.2013
Размер файла 145,3 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ЭКОНОМИКИ И УПРАВЛЕНИЯ «НИНХ»

Институт ИЗО

КОНТРОЛЬНАЯ РАБОТА

Учебная дисциплина: эконометрика

Новосибирск 2013

1. Ситуационная (практическая) часть

1.1 Ситуационная (практическая) задача № 1

Проведено бюджетное обследование 18 случайно выбранных домохозяйств. Оно дало следующие результаты (в ден. ед.):

домохозяйство

Накопления, y

Доход, x1

Имущество, x2

домохозяйство

Накопления, y

Доход, x1

Имущество, x2

1

39

47,5

48,1

10

35

65,1

35,9

2

38

55

45,2

11

41

44,4

51,7

3

35

34,9

54

12

36

69,9

37,6

4

42

71,8

35,9

13

42

44,4

50,7

5

39

40,9

51,6

14

35

70,3

35,2

6

34

61,9

39

15

39

42,4

49,1

7

45

42,7

58,5

16

37

59,7

38,7

8

38

62,3

42,4

17

46

47,2

56,8

9

46

51,3

58,3

18

41

66,7

44,2

Требуется:

1. Построить корреляционное поле между накоплениями и стоимостью имущества. Выдвинуть гипотезу о тесноте и виде зависимости между показателями X2 и Y.

2. Оценить тесноту линейной связи между накоплениями и имуществом с надежностью 0,99.

3. Рассчитать коэффициенты линейного уравнения регрессии для зависимости накоплений от стоимости имущества.

4. Проверить статистическую значимость параметров уравнения регрессии с надежностью 0,99 и построить для них доверительные интервалы.

5. Рассчитать коэффициент детерминации. С помощью F -критерия Фишера оценить статистическую значимость уравнения регрессии с надежностью 0,99.

6. Для домохозяйства со стоимостью имущества 55 ден. ед. дать точечный и интервальный прогноз накоплений с надежностью 0,99.

7. Рассчитать коэффициенты линейного уравнения множественной регрессии и пояснить экономический смысл его параметров.

8. Проанализировать статистическую значимость коэффициентов множественного уравнения с надежностью 0,99 и построить для них доверительные интервалы.

9. Найти коэффициенты парной и частной корреляции. Проанализировать их.

10. Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.

11. С помощью F-критерия Фишера оценить адекватность уравнения регрессии с надежностью 0,99.

12. Для домохозяйства с доходом 39 ден. ед. и стоимостью имущества 55 ден. ед. дать точечный и интервальный прогноз накоплений с надежностью 0,99.

13. Проверить построенное уравнение на наличие мультиколлинеарности по: критерию Стьюдента; критерию ч2. Сравнить полученные результаты.

1.2. Решение задачи №1

1. Построить корреляционное поле между накоплениями и стоимостью имущества. Выдвинуть гипотезу о тесноте и виде зависимости между показателями X2 и Y.

На основе анализа поля рассеяния выдвигаем гипотезу о том, что зависимость накоплений от стоимости имущества описывается линейной регрессионной моделью .

2. Оценить тесноту линейной связи между накоплениями и имуществом с надежностью 0,99.

Оценим тесноту линейной связи с помощью коэффициента корреляции. Его можно рассчитать по формуле:

Для расчета заполним таблицу:

i

yi

xi2

xi2yi

1

39

48,1

2313,61

1521

1875,9

2

38

45,2

2043,04

1444

1717,6

3

35

54

2916

1225

1890

4

42

35,9

1288,81

1764

1507,8

5

39

51,6

2662,56

1521

2012,4

6

34

39

1521

1156

1326

7

45

58,5

3422,25

2025

2632,5

8

38

42,4

1797,76

1444

1611,2

9

46

58,3

3398,89

2116

2681,8

10

35

35,9

1288,81

1225

1256,5

11

41

51,7

2672,89

1681

2119,7

12

36

37,6

1413,76

1296

1353,6

13

42

50,7

2570,49

1764

2129,4

14

35

35,2

1239,04

1225

1232

15

39

49,1

2410,81

1521

1914,9

16

37

38,7

1497,69

1369

1431,9

17

46

56,8

3226,24

2116

2612,8

18

41

44,2

1953,64

1681

1812,2

Итого

708

832,9

39637,29

28094

33118,2

Тогда:

Проверим значимость коэффициента корреляции на уровне значимости 0,01. Для этого рассчитаем значения выражения

:

Находим критическое значение критерия Стьюдента по таблице критических точек:

tкр=t(1-;n-2)=t(0,995;16)=2,921.

Т.к. условие tф > tкр выполняется, то коэффициент парной корреляции статистически значим, т.е. они существенно отличается от нуля. Таким образом, линейную связь между признаками можно считать установленной.

3. Рассчитать коэффициенты линейного уравнения регрессии для зависимости накоплений от стоимости имущества.

Рассчитаем коэффициенты линейного уравнения регрессии методом наименьших квадратов. Для этого составляем систему нормальных уравнений и находим ее решение:

Решением этой системы являются числа: b0=24,257, b1=0,326.

Получили уравнение регрессии: .

4. Проверить статистическую значимость параметров уравнения регрессии с надежностью 0,99 и построить для них доверительные интервалы.

Для проверки значимости заполним расчетную таблицу:

i

Xi2

Yi

1

48,1

39

39,929

-0,929

0,863

3,341

2

45,2

38

38,984

-0,984

0,968

1,150

3

54

35

41,851

-6,851

46,938

59,719

4

35,9

42

35,954

6,046

36,555

107,583

5

51,6

39

41,069

-2,069

4,282

28,385

6

39

34

36,964

-2,964

8,785

52,885

7

58,5

45

43,317

1,683

2,832

149,519

8

42,4

38

38,072

-0,072

0,005

14,994

9

58,3

46

43,252

2,748

7,551

144,667

10

35,9

35

35,954

-0,954

0,910

107,583

11

51,7

41

41,102

-0,102

0,010

29,461

12

37,6

36

36,508

-0,508

0,258

75,207

13

50,7

42

40,776

1,224

1,498

19,605

14

35,2

35

35,726

-0,726

0,527

122,594

15

49,1

39

40,255

-1,255

1,574

7,996

16

38,7

37

36,866

0,134

0,018

57,339

17

56,8

46

42,763

3,237

10,476

110,834

18

44,2

41

38,658

2,342

5,484

4,294

Сумма

832,9

708

708

0

129,533

1097,156

Рассчитаем стандартную ошибку регрессии s:

Рассчитаем фактические значения t-критерия для каждого коэффициента:

,

,

Критическое значение t-критерия Стьюдента равно t0,995;16=2,921.

Проверяем значимость коэффициента . Выдвигаем гипотезы:

H0: =0

H1: 0

Сравнивая расчетное и критическое значения (25,531 > 2,921), делаем вывод, что коэффициент статистически значим, т.е. он не может быть равен нулю.

Проверяем значимость коэффициента . Выдвигаем гипотезы:

H0: =0

H1: 0

Сравнивая расчетное и критическое значения (3,792 > 2,921), делаем вывод, что коэффициент также статистически значим, т.е. он не может быть равен нулю.

Определим доверительные интервалы для коэффициентов и :

24,2572,9210,95

24,2572,703

0,3262,9210,086

0,3260,244

5. Рассчитать коэффициент детерминации. С помощью F -критерия Фишера оценить статистическую значимость уравнения регрессии с надежностью 0,99.

Рассчитаем коэффициент детерминации. В случае парной регрессии он равен квадрату коэффициента корреляции:

=0,6882=0,4734

Рассчитаем фактическое значение F-статистики Фишера по формуле:

.

При уровне значимости =0,01 и количестве степеней свободы k1=1, k2=18-2=16 определяем, что критическое значение F-статистики Фишера будет равно Fкр(0,01;1;16)=8,531. Т.к. неравенство Fф > Fкр выполняется, поэтому гипотеза H0 отклоняется и признается статистическая значимость уравнения.

6. Для домохозяйства со стоимостью имущества 55 ден. ед. дать точечный и интервальный прогноз накоплений с надежностью 0,99.

Точечный прогноз при =55 д.е.:

=24,257+0,32655=42,177 д.е.

Доверительные интервалы находятся по формуле

, где

yв, yн - верхняя и нижняя граница доверительного интервала

- значение независимой переменной x, для которой определяется доверительный интервал

- квантиль распределения Стьюдента с доверительной вероятностью 1- и числом степеней свободы n-2. При =0,01 t0,995;16=2,921.

Значение sy определяется по формуле:

.

yн=42,177-2,9211,006=39,239 д.е.

yв=42,177+2,9211,006=45,115 д.е.

7. Рассчитать коэффициенты линейного уравнения множественной регрессии и пояснить экономический смысл его параметров.

Найдем по методу наименьших квадратов оценки коэффициентов линейной регрессионной модели . Оценки коэффициентов в этом случае можно найти по формуле:

A=(XTX)-1XTY

Для этого выполним следующие расчеты:

1

47,5

48,1

39

1

55

45,2

38

1

34,9

54

35

1

71,8

35,9

42

1

40,9

51,6

39

1

61,9

39

34

1

42,7

58,5

45

1

62,3

42,4

38

X=

1

51,3

58,3

Y=

46

1

65,1

35,9

35

1

44,4

51,7

41

1

69,9

37,6

36

1

44,4

50,7

42

1

70,3

35,2

35

1

42,4

49,1

39

1

59,7

38,7

37

1

47,2

56,8

46

1

66,7

44,2

41

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

XT=

47,5

55

34,9

71,8

40,9

61,9

42,7

62,3

51,3

65,1

44,4

69,9

44,4

70,3

42,4

59,7

47,2

66,7

48,1

45,2

54

35,9

51,6

39

58,5

42,4

58,3

35,9

51,7

37,6

50,7

35,2

49,1

38,7

56,8

44,2

18

978,4

832,9

XTX=

978,4

55542,6

43895,55

832,9

43895,55

39637,29

21,998

-0,178

-0,265

(XTX)-1=

-0,178

0,002

1,985E-03

-0,265

1,985E-03

3,403E-03

708

XTY=

38237

33118,2

-11,651

A=(XTX)-1XTY=

0,319

0,727

8. Проанализировать статистическую значимость коэффициентов множественного уравнения с надежностью 0,99 и построить для них доверительные интервалы.

Определим коэффициент множественной корреляции по формуле:

Заполним вспомогательную таблицу для расчета R:

i

Y

X1

X2

1

39

47,5

48,1

38,472

0,279

0,111

2

38

55

45,2

38,760

0,578

1,778

3

35

34,9

54

38,736

13,955

18,778

4

42

71,8

35,9

37,367

21,464

7,111

5

39

40,9

51,6

38,908

0,009

0,111

6

34

61,9

39

36,458

6,042

28,444

7

45

42,7

58,5

44,497

0,253

32,111

8

38

62,3

42,4

39,057

1,116

1,778

9

46

51,3

58,3

47,098

1,206

44,444

10

35

65,1

35,9

35,227

0,052

18,778

11

41

44,4

51,7

40,098

0,813

2,778

12

36

69,9

37,6

37,996

3,983

11,111

13

42

44,4

50,7

39,372

6,909

7,111

14

35

70,3

35,2

36,379

1,903

18,778

15

39

42,4

49,1

37,570

2,045

0,111

16

37

59,7

38,7

35,537

2,139

5,444

17

46

47,2

56,8

44,699

1,694

44,444

18

41

66,7

44,2

41,770

0,593

2,778

Сумма

65,030

246

Рассчитаем стандартные ошибки коэффициентов регрессии по формуле:

, j=0,1,…,m,

где zjj - диагональные элементы обратной матрицы (XTX)-1, которые равны соответственно 21,998, 0,00158, 3,40310-3.

,

,

,

По таблице критических точек определяем фактическое значение t-критерия Стьюдента: tкр=t0,995;15=2,947.

Т.к. неравенство tФ > tкр выполняется для коэффициентов а1 и а2, поэтому эти коэффициенты уравнения регрессии статистически значимы, т.е. они существенно отличны от нуля. Статистическая значимость коэффициента а0 не подтверждается, поэтому он может быть равен 0.

Построим доверительные интервалы для коэффициентов уравнения регрессии:

-11,6512,9479,766

-11,65128,776

0,3192,9470,083

0,3190,244

0,7272,9470,121

0,7270,358

10. Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.

Рассчитаем скорректированный коэффициент множественной детерминации:

Скорректированный коэффициент множественной детерминации определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий. Он дает такую оценку тесноты связи, которая не зависит от числа факторов и поэтому может сравниваться по разным моделям с разным числом факторов. Оба коэффициента указывают на достаточно высокую (более 70%) детерминированность результата в модели факторами и .

11. С помощью F-критерия Фишера оценить адекватность уравнения регрессии с надежностью 0,99.

Найдем коэффициент множественной корреляции и детерминации:

R2=0,8582=0,736, регрессия y на x1 и x2 объясняет 73,6% колебаний значений y.

Рассчитаем фактическое значение F-статистики Фишера по формуле:

При уровне значимости =0,01 и количестве степеней свободы k1=1, k2=18-3=15 определяем, что критическое значение F-статистики Фишера будет равно Fкр(0,01;1;15)=8,683. Неравенство Fф > Fкр выполняется, поэтому гипотеза H0 отклоняется и признается статистическая значимость уравнения регрессии.

12. Для домохозяйства с доходом 39 ден. ед. и стоимостью имущества 55 ден. ед. дать точечный и интервальный прогноз накоплений с надежностью 0,99.

Выполним точечный и интервальный прогноз накоплений.

=39 д.е., =55 д.е.

=-11,651+0,31939+0,727555=40,772 д.е.

1

XР=

1

39

55

=

39

55

XР(XTX)-1=

0,470

-0,007

-0,001

=0,156

=40,7722,9470,821=40,7722,42

=38,352 д.е., =43,192 д.е.

13. Проверить построенное уравнение на наличие мультиколлинеарности по: критерию Стьюдента; критерию ч2. Сравнить полученные результаты.

Проверим наличие или отсутствие мультиколлинеарности для множественной регрессионной модели.

а) Если составить матрицу парных коэффициентов между объясняющими переменными, то получится следующая матрица:

Так как

,

то коэффициент корреляции между объясняющими переменными значимо отличается от 0. Таким образом, можно предположить, что в данном случае есть мультиколлинеарность.

б) Рассчитаем определитель матрицы r:

Рассчитываем фактическое значение статистики 2:

Табличное значение статистики 2 при k=1 и =0,01 равно: . Неравенство выполняется, поэтому окончательно делаем вывод о наличии мультиколлинеарности.

1.3 Ситуационная (практическая) задача № 2

В таблице представлена динамика изменений курса акций промышленной компании в течение 12 месяцев.

T

январь

февраль

март

апрель

май

июнь

yt

520

518

515

520

517

516

T

июль

август

сентябрь

октябрь

ноябрь

декабрь

yt

518

524

520

519

516

514

Требуется:

1. Проверить гипотезу о наличии тренда во временном ряде.

2. Рассчитать коэффициенты автокорреляции. Проверить наличие сезонных колебаний во временном ряде.

3. Оценить параметры линейной трендовой модели, проверить статистическую значимость соответствующего уравнения регрессии с надежностью 0,9.

4. Дать точечный и интервальный прогноз курса акций компании на предстоящий март с надежностью 0,9.

1.4 Решение задачи №2

1. Проверить гипотезу о наличии тренда во временном ряде.

Для проверки гипотезы о наличии тренда воспользуемся критерием серий. Вычислим выборочную медиану исходных данных:

Ме (yt) = 518 д.е.

Вместо исходных элементов временного ряда Х(t) сформируем последовательность знаков:

+, если yt > Me, ?, если yt < Me.

Полученные результаты для временного ряда оформим в виде таблицы:

t

yt

1

520

+

2

518

-

3

515

-

4

520

+

5

517

-

6

516

-

7

518

-

8

524

+

9

520

+

10

519

+

11

516

-

12

514

-

Вычислим характеристики данной последовательности: количество серий - н, длину максимальной серии - ф: н =6, ф = 3.

Проверим удовлетворяют ли эти значения неравенствам:

н (12) > 0,5(12 + 2 - 1,65) = 4,3

ф (12) < 1,43ln(12 + 1) = 3,43

Поскольку оба неравенства выполняются, то есть гипотеза об отсутствии тренда не отвергается.

2. Рассчитать коэффициенты автокорреляции. Проверить наличие сезонных колебаний во временном ряде.

Оценим автокорреляцию, используя следующую формулу:

, где

В результате расчетов для от 1 до 4 получаем следующие значение автокорреляции:

1

0,181

2

-0,31

3

-0,331

4

-0,331

Значения коэффициентов автокорреляции позволяют сделать вывод об отсутствии сезонности.

3. Оценить параметры линейной трендовой модели, проверить статистическую значимость соответствующего уравнения регрессии с надежностью 0,9.

Найдем оценку уравнения линейного тренда методом наименьших квадратов. Составим расчетную таблицу:

Месяц

t

yt

ytt

t2

1

1

737

737

1

2

2

947

1894

4

3

3

851

2553

9

4

4

968

3872

16

5

5

1129

5645

25

6

6

1071

6426

36

7

7

1253

8771

49

8

8

1401

11208

64

9

9

1254

11286

81

10

10

1319

13190

100

11

11

1353

14883

121

12

12

1588

19056

144

Итого

78

13871

99521

650

Тогда:

Решением этой системы являются числа: a0=518,33 и a1=-0,115.

Следовательно, уравнение тренда будет иметь вид: .

Для проверки значимости уравнения рассчитаем фактическое значение F-критерия Фишера. Для этого заполним таблицу:

t

1

520

518,718

1,644

3,674

30,25

2

518

518,603

0,363

0,007

20,25

3

515

518,487

12,160

9,507

12,25

4

520

518,372

2,651

3,674

6,25

5

517

518,256

1,579

1,174

2,25

6

516

518,141

4,584

4,340

0,25

7

518

518,026

0,001

0,007

0,25

8

524

517,910

37,085

35,007

2,25

9

520

517,795

4,863

3,674

6,25

10

519

517,679

1,744

0,840

12,25

11

516

517,564

2,446

4,340

20,25

12

514

517,449

11,894

16,674

30,25

Итого

6217

6217

81,013

82,917

143

Тогда:

При уровне значимости =0,1 и количестве степеней свободы k1=1, k2=12-2=10 определяем, что критическое значение F-статистики Фишера будет равно Fкр(0,1;1;10)=3,285. Неравенство Fф > Fкр не выполняется, поэтому нет оснований отклонить гипотезу о незначимости уравнения тренда.

4. Дать точечный и интервальный прогноз курса акций компании на предстоящий март с надежностью 0,9.

С помощью уравнения тренда рассчитаем точечный и интервальный прогноз для курса акций на март следующего года.

Точечный прогноз находим по уравнению тренда при t=15:

=518,33-0,11515=517,1 д.е.

Интервальный прогноз:

имущество накопление корреляционный регрессия

=517,11,8122,184=517,13,958

=513,145 д.е., =521,06 д.е.

2. Тестовая часть

2.1 Содержание 10 (десяти) тестовых заданий варианта (тексты вопросов) и ответ на каждое из заданий

Необходимо из предложенных вариантов ответа на вопрос теста выбрать единственно верный, по Вашему мнению.

1. Какой метод используется для выявления формы воздействия одних факторов на другие?

а) корреляционный анализ;

б) регрессионный анализ;

в) индексный анализ;

г) дисперсионный анализ.

Ответ: б).

2. Выборочный коэффициент парной корреляции позволяет оценить

a) тесноту связи между двумя показателями;

b) влияние совокупности множества факторов на исследуемый признак;

c) тесноту линейной связи между двумя показателями;

d) тесноту нелинейной связи между двумя показателями.

Ответ: c).

3. Для линейного уравнения парной регрессии y*=?-1,2x ?14 рассчитан коэффициент детерминации, равный 0,36. Чему равен выборочный коэффициент парной корреляции между величинами x и y?

a) 0,6;

b) - 0,1296;

c) -0,6;

d) 0,1296.

Ответ: c).

4. Фиктивными переменными в уравнении множественной регрессии являются:

a) качественные переменные, преобразованные в количественные;

b) дополнительные количественные переменные, улучшающие решение;

c) комбинации из включенных в уравнение регрессии факторов, повышающие адекватность модели;

d) переменные, представляющие функции от уже включенных в модель переменных.

Ответ: a).

5. Экономическое содержание коэффициентов множественной регрессионной модели заключается в том, что...

a) они характеризуют зависимость факторов друг от друга;

b) они характеризуют среднее изменение исследуемого показателя при изменении каждого фактора из совокупности;

c) они характеризуют среднее изменение исследуемого показателя при изменении одного фактора из совокупности при неизменных других факторах;

d) они характеризуют среднее изменение исследуемого показателя при изменении каждого фактора из совокупности при неизменных остатках.

Ответ: c).

6. Значение статистики Дарбина - Уотсона может лежать только в интервале:

a) [0; 1];

b) [0; 4];

c) [-4; 4];

d) [-1; 1].

Ответ: b).

7. Гетероскедастичность - это

a) наличие корреляции между зависимой переменной и случайной составляющей уравнения;

b) наличие корреляции между независимой и зависимой переменными;

c) наличие корреляции между независимыми переменными;

d) непостоянство дисперсии случайной составляющей уравнения в разных наблюдениях.

Ответ: d).

8. Ряд динамики состоит из:

a) частот;

b) уровней;

c) вариантов;

d) показателей времени.

Ответ: b).

9. По месячным данным с января 2007 г. по июнь 2008 г. включительно построена трендовая модель динамики курса акций некоторой компании: Y= 10 + 0,14t+е. Дать прогноз курса акций этой компании на ноябрь 2008 г.

a) 11,54;

b) 10,14;

c) 11,4;

d) 13,22.

Ответ: a).

10. Структурной формой модели называют модель, в которой:

a) эндогенные переменные выражены только через предопределенные;

b) эндогенные переменные выражены только через экзогенные;

с) каждая эндогенная переменная выражена через предопределенные и некоторые другие эндогенные;

d) каждая эндогенная переменная выражена через предопределенные и все остальные эндогенные.

Ответ: c).

Список использованной литературы

1. Бородич С.А. Эконометрика. - Мн.: Новое знание, 2001.

2. Елисеева И.И. Практикум по эконометрике. - М.: Финансы и статистика, 2004.

3. Кулинич Е.И. Эконометрия. - М.: Финансы и статистика, 2000.

4. Методическое руководство по организации самостоятельной работы студентов заочной формы обучения. - Новосибирск, 2011.

Размещено на Allbest.ru


Подобные документы

  • Расчет линейного коэффициента парной и частной корреляции. Статистическая значимость параметров регрессии и корреляции. Анализ корреляционного поля данных. Точность прогноза, расчет ошибки и доверительный интервал. Коэффициент множественной детерминации.

    контрольная работа [155,8 K], добавлен 11.12.2010

  • Расчет матриц парных коэффициентов корреляции, оценка их значимости. Построение уравнения регрессии. Точечный и интервальный прогноз значения У. Кластерный анализ методом К-средних. Упорядочивание субъектов РФ в порядке убывания по значениям факторов.

    курсовая работа [2,2 M], добавлен 10.11.2013

  • Факторы, формирующие цену квартир в строящихся домах в Санкт-Петербурге. Составление матрицы парных коэффициентов корреляции исходных переменных. Тестирование ошибок уравнения множественной регрессии на гетероскедастичность. Тест Гельфельда-Квандта.

    контрольная работа [1,2 M], добавлен 14.05.2015

  • Построение уравнения множественной регрессии в линейной форме с полным набором факторов, отбор информативных факторов. Проверка значимости уравнения регрессии по критерию Фишера и статистической значимости параметров регрессии по критерию Стьюдента.

    лабораторная работа [217,9 K], добавлен 17.10.2009

  • Расчёт параметров линейного уравнения регрессии. Оценка регрессионного уравнения через среднюю ошибку аппроксимации, F-критерий Фишера, t-критерий Стьюдента. Анализ корреляционной матрицы. Расчёт коэффициентов множественной детерминации и корреляции.

    контрольная работа [241,8 K], добавлен 29.08.2013

  • Определение параметров линейной регрессии и корреляции с использованием формул и табличного процессора MS Excel. Методика расчета показателей парной нелинейной регрессии и корреляции. Вычисление значений линейных коэффициентов множественной детерминации.

    контрольная работа [110,4 K], добавлен 28.07.2012

  • Построение доверительного интервала для коэффициента регрессии. Определение ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности изменения материалоемкости продукции. Построение линейного уравнения множественной регрессии.

    контрольная работа [250,5 K], добавлен 11.04.2015

  • Построение уравнения множественной регрессии в линейной форме, расчет интервальных оценок его коэффициентов. Создание поля корреляции, определение средней ошибки аппроксимации. Анализ статистической надежности показателей регрессионного моделирования.

    контрольная работа [179,4 K], добавлен 25.03.2014

  • Основные параметры уравнения регрессии, оценка их параметров и значимость. Интервальная оценка для коэффициента корреляции. Анализ точности определения оценок коэффициентов регрессии. Показатели качества уравнения регрессии, прогнозирование данных.

    контрольная работа [222,5 K], добавлен 08.05.2014

  • Описание классической линейной модели множественной регрессии. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности. Оценка модели парной регрессии с наиболее значимым фактором. Графическое построение интервала прогноза.

    курсовая работа [243,1 K], добавлен 17.01.2016

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.