Решение на иконометрични проблеми - икономически и математическо моделиране
1. Изчислява параметрите на регресионни уравнения
2. Оценка на близостта на взаимоотношенията с индекса на корелация и решителност.
3. Изчислява се средната коефициент на еластичност и да позволи на сравнителна оценка на силата фактор поради резултата.
4. Изчислява се средната грешка приближение и оценявате качеството на модела.
5. Използване на Fischer F-статистиката (в) да се оцени надеждността на уравнението на регресия.
6. Изчислете предсказаната стойност, когато предсказаната стойност на фактора ще се увеличи с 5% от средната стойност. Определяне на доверителния интервал за прогнозата.
7. Изчисленията се подробно, както е показано в пример 1, и се придружава от обяснения.
А Таблица екипаж 2.
Всички изчисления в таблицата са проведени съгласно формули
.
,
и уравнението на линейната регресия под формата :.
Ние изчисляваме коефициента на корелация:
.
Връзката между знака и забележим фактор.
Коефициентът на определяне - квадрата на коефициента на корелация или индекс.
R 2 = 0,606 2 = 0,367
Средната коефициент на еластичност позволява да се провери дали икономическият смисъл на коефициентите на модела на регресия.
За да се оцени качеството на модела се определя от средната грешка приближение:
,
допустимите стойности са 8-10%.
Ние се изчисли стойността на Fisher-тест.
,
- броят на параметрите на регресия уравнение (числото на коефициентите на обяснителна променлива);
.
Fisher маса разпределение е
.
Тъй като, тогава хипотезата на статистическата незначимост на параметър регресия уравнение се отхвърля.
Тъй като е възможно да се каже, че 36,7% от резултатите се дължи на промяната на обяснителна променлива.
Ние избираме като регресия уравнение модел, предварително линейният модел. Представяме нотация. Ние се получи линеен регресионен модел.
Ние изчисляваме коефициентите на модела чрез поставяне на всички междинни изчисления в таблица. 3.
,
,
.
.
,
Следователно, само 9,3% от резултатите се дължи на промяна в обяснителния променлива.
,
,
Следователно, хипотезата за статистическа незначимост на регресионното уравнение е приет. За всички изчисления, линейния модел по-надежден и последващите изчисления ще направим за нея.
Ние се оцени стойността на всяка регресия уравнение параметър
.
Ние използваме т-разпределение (Student). Предположи, за статистическата незначимост на параметрите, т.е.
.
.
,
,
,
,
,
.
Полученото модел за оценка и параметрите му позволи да го използва за прогнозиране.
.
.
Средната прогноза грешка
,
,
.
Ние изграждаме доверителен интервал с предварително определено ниво на доверие от:
,
,
.
Намерени прогнозата интервал е достатъчно надежден (ниво на достоверност) и недостатъчно точни, защото ,
Ние се оцени стойността на всяка регресия уравнение параметър
.
Ние използваме т-разпределение (Student). Предположи, за статистическата незначимост на параметрите, т.е.
.
.
,
,
, ,
, .
Следователно, не случайно те са различни от нула, и оформени чрез системно действащи производно.
1, следователно, качеството на модела не е много добро.
Прочетете повече: Оценките на модел и неговите параметри позволяват да го използва за предвиждане
Информация за "Решението за иконометрия задачи"