Построение регрессионных моделей связи макроэкономических показателей РФ
Заказать уникальную курсовую работу- 13 13 страниц
- 2 + 2 источника
- Добавлена 29.03.2012
- Содержание
- Часть работы
- Список литературы
- Вопросы/Ответы
Практическая часть
Список используемой литературы:
Значение множественного коэффициента детерминации R2 = 0,987 показывает, что 98,7 % общей вариации результативного признака объясняется вариацией факторных признаков Х1 и Х2. Значит, выбранные факторы существенно влияют на реальный ВВП, что подтверждает правильность их включения в построенную модель.
Нормированный R–квадрат скорректированный коэффициент детерминации:
Недостатком коэффициента детерминации R2 является то, что он увеличивается при добавлении новых регрессоров, потому что при этом всегда увеличивается сумма SSрег. Но это не обязательно означает улучшение качества регрессионной модели. Коэффициент нового регрессора может оказаться незначимым, слишком широк его доверительный интервал..
В этом смысле предпочтительнее использовать . Добавление нового регрессора увеличивает SSрег , R2 , уменьшает числитель и знаменатель (m увеличивается на 1). Формула устроена так, что увеличится, если только достаточно значимо возрастет сумма SSрег .
При добавлении или исключении из уравнения очередного регрессора нужно сравнивать с предыдущим значением.
Стандартная ошибка содержит несмещенное выборочное остаточное стандартное отклонение
Обратите внимание, что нельзя вычислить выборочное остаточное стандартное отклонение, когда число исходных точек равно числу коэффициентов уравнения регрессии, или меньше.
Если стандартная ошибка больше абсолютной величины коэффициента, это коэффициент незначимый.
2639,05<2643,86. Следовательно полученный коэффициент значимый.
Столбец t-статистика содержит значения t-критерия, рассчитанные по формуле: tр = (Коэффициент) / (Стандартная ошибка)
Этот критерий имеет закон распределения Стьюдента с числом степеней свободы N−(m+1): число исходных точек, минус число регрессоров, минус свободный член, если есть.
Если коэффициент ai значимый для регрессионного уравнения, должна быть отвергнута гипотеза H0: ai=0 – регрессор не входит в уравнение. Для этого при стандартном уровне надежности 95% соответствующий критерий ti должен попадать в 5% двухстороннюю критическую область. Для нашего случая вычислим границу критической области (tкр:
tкр = СТЬЮДРАСПОБР( 1–0,95 ; 13–1–1 ) = 5,78
Все коэффициенты значимы.
Список используемой литературы:
1. Штефан И.А. Математические методы обработка экспериментальных данных: Учеб. пособие / ГУ КузГТУ. - Кемерово, 2003. - 123 с.
2. Макарова Н. В., Трофимец В. Я. Статистика в Excel: Учеб. пособие. - М.: Финансы и статистика, 2002. - 368 с.
Штефан И.А. Математические методы обработка экспериментальных данных: Учеб. пособие
Штефан И.А. Математические методы обработка экспериментальных данных: Учеб. пособие
Макарова Н. В., Трофимец В. Я. Статистика в Excel:
Макарова Н. В., Трофимец В. Я. Статистика в Excel:
2
2. Макарова Н. В., Трофимец В. Я. Статистика в Excel: Учеб. пособие. - М.: Финансы и стати¬стика, 2002. - 368 с.
Вопрос-ответ:
Зачем строить регрессионные модели связи макроэкономических показателей РФ?
Строить регрессионные модели связи макроэкономических показателей РФ необходимо для анализа и прогнозирования экономических процессов. Эти модели позволяют исследовать взаимосвязь различных факторов с ростом валового внутреннего продукта (ВВП) и выявить наиболее значимые факторы, оказывающие влияние на экономическую динамику страны. Такие модели могут быть полезными для определения эффективности государственной политики и принятия решений в сфере экономики.
Какие методы используются для построения регрессионных моделей связи макроэкономических показателей РФ?
Для построения регрессионных моделей связи макроэкономических показателей РФ могут быть использованы методы парной и множественной регрессии. Метод парной регрессии заключается в анализе зависимости одного фактора от другого, в то время как метод множественной регрессии позволяет учесть влияние нескольких факторов на результативный признак. Оба метода позволяют оценить статистическую значимость влияния факторов и построить уравнение регрессии, которое может быть использовано для прогнозирования экономических показателей.
Какой показатель отражает множественный коэффициент детерминации R2?
Множественный коэффициент детерминации R2 отражает долю общей вариации результативного признака (например, валового внутреннего продукта) в модели, которая объясняется вариацией факторных признаков (например, инвестиций и потребления). Значение R2 близкое к 1 (например, 0.987) указывает на то, что около 98.7% общей вариации результативного признака может быть объяснено вариацией факторных признаков в модели. Это говорит о том, что выбранные факторы (Х1 и Х2) существенно влияют на реальный ВВП и подтверждает правильность их включения в построенную модель.
Какие показатели использовались для построения регрессионных моделей связи макроэкономических показателей РФ?
Для построения регрессионных моделей использовались различные макроэкономические показатели РФ, такие как ВВП, индекс промышленного производства, инфляция, уровень безработицы и т.д. Конкретные показатели зависят от конкретной модели и цели исследования.
Что такое множественный коэффициент детерминации и как его значимость оценивается?
Множественный коэффициент детерминации (R2) показывает, какую долю общей вариации результативного признака объясняют использованные факторные признаки. В данном случае, значение R2 равно 0.987, что означает, что 98.7% вариации реального ВВП объясняется вариацией факторных признаков Х1 и Х2. Значительное значение R2 говорит о том, что выбранные факторы значимо влияют на реальный ВВП и подтверждает правильность их включения в модель.
Какие теоретические сведения необходимы для построения множественной регрессии?
Для построения множественной регрессии необходимо знание основ регрессионного анализа. Важными концепциями, которыми нужно ознакомиться, являются: зависимая и независимые переменные, линейная связь, нормальность распределения ошибок, отсутствие мультиколлинеарности, гомоскедастичность и др. Также важно знать методы оценки параметров модели и проверки их значимости.
Какие преимущества имеет множественная регрессия по сравнению с парной регрессией?
Множественная регрессия позволяет учесть воздействие нескольких факторов на зависимую переменную, что делает модель более реалистичной и точной. В парной регрессии учитывается только один фактор, что может привести к неполной искаженной картине зависимости. Множественная регрессия также позволяет оценивать относительный вклад каждого фактора в объяснение вариации зависимой переменной и проверять их значимость.
Какие макроэкономические показатели были использованы при построении регрессионной модели в исследовании?
В исследовании были использованы макроэкономические показатели ВВП, Х1 и Х2.
Какая связь была обнаружена между макроэкономическими показателями и реальным ВВП?
Множественный коэффициент детерминации R2 был равен 0.987, что означает, что 98.7% общей вариации реального ВВП объясняется вариацией факторных признаков Х1 и Х2. Таким образом, выбранные факторы существенно влияют на реальный ВВП.
Какие выводы можно сделать на основе полученного значения множественного коэффициента детерминации?
Значение множественного коэффициента детерминации R2, равное 0.987, свидетельствует о том, что выбранные факторы (Х1 и Х2) существенно влияют на реальный ВВП. Это подтверждает правильность их включения в построенную модель.
Какую долю общей вариации результативного признака объясняют факторные признаки Х1 и Х2?
Факторные признаки Х1 и Х2 объясняют 98.7% общей вариации реального ВВП. Данное значение определено множественным коэффициентом детерминации R2.