Построение многофакторной регрессионной модели
Заказать уникальную курсовую работу- 15 15 страниц
- 0 + 0 источников
- Добавлена 13.01.2016
- Содержание
- Часть работы
- Список литературы
- Вопросы/Ответы
1. Формирование исходных данных 2
2. Вычисление описательных статистик 3
3. Построение матрицы парных коэффициентов корреляций 8
4. Построение и анализ моделей множественной регрессии 8
5. Анализ остатков 11
6. Оценка модели на основании коэффициентов эластичности 14
7. Выводы 15
Анализ остатковВыполним построение графиков фактических, прогнозных значений и остатков моделей множественных регрессий. Для модели 1 остатки и их графики представлены на рисунках 11 и 12 соответственно.Рис. 11. Таблица остатков для модели 1Рис. 12. Графики остатков, фактических и прогнозных значений модели 1Для модели 2 графики и остатки представлены на рисунках 13 и 14 соответственно. Рис. 13. Графики остатков, фактических и прогнозных значений модели 2Рис. 14. Таблица остатков для модели 2Визуальный анализ остатков не позволяет принять гипотезу о случайности и независимости остатков. На графике наблюдаются выбросы.Оценка модели на основании коэффициентов эластичностиДля более полного и содержательного анализа рассчитаем частные коэффициенты эластичности для модели 2, которые показывают, насколько процентов в среднем изменяется признак-результат с увеличением факторного признака на 1% от своего среднего уровня при фиксированном положении других факторов модели.Для показателя (население)Частный коэффициент эластичности . Следовательно, его влияние на результативный признак Y существенно.Для показателя (уровень инфляции)Частный коэффициент эластичности .Следовательно, его влияние на результативный признак Y существенно.Для показателя (потребление домашних хозяйств)Частный коэффициент эластичности . Следовательно, его влияние на результативный признак Y существенно.Для показателя (денежные переводы)Частный коэффициент эластичности . Следовательно, его влияние на результативный признак Y незначительно.Для показателя (выбросы СО2)Частный коэффициент эластичности . Следовательно, его влияние на результативный признак Y незначительно.Таким образом, все исследуемые переменные за исключением показателей выброса СО2 и денежные переводы оказывают значительное влияние на зависимую переменную. ВыводыПроведенное эконометрическое исследование позволяет сделать выводы о слабой значимости построенной модели и выборе начальной ее спецификации. Исключение высокоррелированных не оказало значительного влияния на ее качество. Но следует отметить, что каждый из выбранных факторов в отдельности оказывает существенное влияние на результативный признак, за исключением показателей выброса СО2 и денежные переводы
Вопрос-ответ:
Какие данные нужны для построения многофакторной регрессионной модели?
Для построения многофакторной регрессионной модели необходимы исходные данные, включающие значения зависимой переменной (переменной, которую мы хотим объяснить) и набор факторов (переменных, которые мы считаем влияющими на зависимую переменную).
Как вычислить описательные статистики для исходных данных?
Для вычисления описательных статистик, таких как среднее значение, медиана, стандартное отклонение и корреляции между переменными, можно использовать статистический пакет программного обеспечения, такой как Excel или SPSS. Эти статистики помогают нам лучше понять распределение и взаимосвязь переменных в наших исходных данных.
Как построить матрицу парных коэффициентов корреляций для исходных данных?
Для построения матрицы парных коэффициентов корреляций необходимо вычислить коэффициенты корреляции для всех возможных пар переменных. Коэффициент корреляции показывает степень линейной взаимосвязи между двумя переменными. В результате получаем матрицу, в которой каждый элемент представляет собой коэффициент корреляции между соответствующими переменными.
Как анализировать модели множественной регрессии?
Для анализа моделей множественной регрессии используются коэффициенты регрессии, которые показывают вклад каждого фактора в объяснение изменений зависимой переменной. Регрессионные модели также оцениваются на основе таких показателей, как коэффициент детерминации (R-квадрат), который представляет собой долю вариации зависимой переменной, объясненную моделью.
Как оценить модель на основании коэффициентов эластичности?
Оценка модели на основании коэффициентов эластичности позволяет определить, как процентное изменение фактора влияет на процентное изменение зависимой переменной. Коэффициенты эластичности вычисляются путем дифференцирования уравнения регрессии и интерпретируются в контексте конкретных переменных и данных.
Какие данные используются для построения многофакторной регрессионной модели?
Для построения многофакторной регрессионной модели используются исходные данные, которые включают значения зависимой переменной и значения факторов или независимых переменных.
Что такое описательные статистики и как их вычислять?
Описательные статистики - это числовые характеристики данных, которые позволяют описать их основные свойства. Для их вычисления применяются такие меры, как среднее арифметическое, медиана, дисперсия и стандартное отклонение.
Зачем строить матрицу парных коэффициентов корреляций?
Построение матрицы парных коэффициентов корреляций позволяет оценить степень линейной связи между факторами или независимыми переменными. Это помогает определить, какие факторы влияют друг на друга и как они влияют на зависимую переменную.
Что такое модели множественной регрессии и как их анализировать?
Модели множественной регрессии - это математические модели, которые описывают связь между зависимой переменной и несколькими независимыми переменными. Для анализа таких моделей используются коэффициенты регрессии, стандартные ошибки, значимость коэффициентов и другие статистические показатели.
Что такое остатки и как их анализировать?
Остатки - это разница между фактическими и прогнозными значениями зависимой переменной. Анализ остатков позволяет оценить качество модели и проверить, выполняются ли предположения о них, такие как нормальное распределение и отсутствие систематической ошибки.
Какие данные требуются для построения многофакторной регрессионной модели?
Для построения многофакторной регрессионной модели требуются данные, включающие зависимую переменную и несколько независимых переменных.