Автор работы: Пользователь скрыл имя, 31 Августа 2013 в 11:42, контрольная работа
Рассчитайте корреляцию между, экономическими показателями (не менее 5) из статистических данных по выборке не менее 50 наблюдений (из Интернета, печатных источников или Вашего предприятия). Интерпретируйте полученные данные.
Постройте линейную и не линейную (на свой выбор) множественную регрессию. Определите теоретическое уравнение множественной регрессии. Оцените адекватность построенной модели. Определите значимость переменных, найдите среднюю ошибку аппроксимации, коэффициент детерминации, линейные коэффициенты корреляции между всеми членами регрессии, найти критерий Фишера, Т-статистику и т. д.
Проверьте модели на отсутствие автокорреляции.
Проверка на гетероскедастичность моделей.
Сравните модели между собой выберете лучшую.
6. Проверим модель (2) на отсутствие автокорреляции остатков. График остатков показан на рис. 4.
Рис. 8. График остатков для модели (2).
Воспользуемся тестом Дарбина-Уотсона. Расчетное значение критической статистики определяют по формуле
,
где T - число наблюдений (обычно временных периодов), et - остатки уравнения регрессии.
Подставив исходные данные, получим
.
Т.к. , то делаем вывод об отсутствии автокорреляции.
7. Исследуем исходную (со всеми факторами) и построенную (2) модели на наличие мультиколлинеарности. Вычислим соответствующие корреляционные матрицы (СЕРВИС ® АНАЛИЗ ДАННЫХ ® КОРРЕЛЯЦИЯ). Скопируем в верхнюю треугольную часть матриц соответствующие симметричные элементы из нижней треугольной части.
Далее, воспользовавшись функцией Excel МОПРЕД, вычислим определители соответствующих корреляционных матриц. Определитель корреляционной матрицы по всем четырем факторам равен
.
Он близок к нулю, поэтому присутствует мультиколлинеарность объясняющих переменных.
Определитель корреляционной матрицы по первому и четвертому факторам равен
.
Его значение достаточно велико (больше 0,1), что говорит об отсутствии мультиколлинеарности в построенной модели (2).