Решение задачи с помощью MS Excel
Нелинейные модели регрессии и их линеаризация
Множественная регрессия
Оценка параметров уравнения множественной регрессии
Построение уравнения регрессии в стандартизованном масштабе
Определение совокупного коэффициента корреляции через матрицу парных коэффициентов корреляции
Навигация
Построение уравнения регрессии в стандартизованном масштабе
Парная и множественная регрессия и корреляция
19930
знаков
9
таблиц
16
изображений
4.2 Построение уравнения регрессии в стандартизованном масштабе
Параметры множественной регрессии можно определить другим способом, когда на основе матрицы парных коэффициентов корреляции строится уравнение регрессии в стандартизованном масштабе:
,
Применяя МНК к уравнению множественной регрессии в стандартизованном масштабе, после соответствующих преобразований получим систему нормальных уравнений вида:
где rух1, rух2 – парные коэффициенты корреляции.
Парные коэффициенты корреляции найдем по формулам:
где
Система уравнений имеет вид:
Решив систему методом определителей, получили формулы:
Уравнение в стандартизированном масштабе имеет вид:
Таким образом, с ростом уровня бедности на 1 сигму при неизменном среднедушевом доходе населения, общий коэффициент рождаемости уменьшится на 0,075 сигмы; а с увеличением среднедушевого дохода населения на 1 сигму при неизменном уровне бедности, общий коэффициент рождаемости возрастет на 0,465 сигмы.
Во множественной регрессии коэффициенты «чистой» регрессии bi связаны со стандартизованными коэффициентами регрессии βi следующим образом:
.
5. Частные уравнения регрессии
5.1 Построение частных уравнений регрессии
Частные уравнения регрессии связывают результативный признак с соответствующими факторами х при закреплении других учитываемых во множественной регрессии факторов на среднем уровне. Частные уравнения имеют вид:
.
В отличие от парной регрессии частные уравнения регрессии характеризуют изолированное влияние фактора на результат, т.к. другие факторы закреплены на неизменном уровне.
В данной задаче частные уравнения имеют вид:
5.2 Определение частных коэффициентов эластичности
На основе частных уравнений регрессии можно определить частные коэффициенты эластичности для каждого региона по формуле:
Рассчитаем частные коэффициенты эластичности для Калининградской и Ленинградской областей.
Для Калининградской области х1=11,4, х2=12,4, тогда:
Для Ленинградской области х1 =10,6, х2=12,6:
Таким образом, в Калининградской области при увеличении уровня бедности на 1%, общий коэффициент рождаемости сократится на 0,07%, а при увеличении среднедушевых доходов на 1%, общий коэффициент рождаемости возрастет на 0,148%. В Ленинградской области при увеличении уровня бедности на 1%, общий коэффициент рождаемости сократится на 0,065%, а при увеличении среднедушевых доходов на 1%, общий коэффициент рождаемости возрастет на 0,15%.
5.3 Определение средних коэффициентов эластичности
Средние по совокупности показатели эластичности находим по формуле:
Для данной задачи они окажутся равными:
Таким образом, с ростом уровня бедности на 1%, общий коэффициент рождаемости в среднем по совокупности сократится на 0,054% при неизменном среднедушевом доходе. При увеличении среднедушевого дохода на 1%, общий коэффициент рождаемости в среднем по изучаемой совокупности возрастет на 0,209% при неизменном уровне бедности.
6. Множественная корреляция
6.1 Коэффициент множественной корреляции
Практическая значимость уравнения множественной регрессии оценивается с помощью показателя множественной корреляции и его квадрата – коэффициента детерминации. Показатель множественной корреляции характеризует тесноту связи рассматриваемого набора факторов с исследуемым признаком, т.е. оценивает тесноту связи совместного влияния факторов на результат.
Величина индекса множественной корреляции должна быть больше или равна максимальному парному индексу корреляции. При линейной зависимости признаков формула индекса корреляции может быть представлена следующим выражением:
Ryx1x2 =
.
Таким образом, связь общего коэффициента рождаемости с уровнем бедности и среднедушевым доходом слабая.
Похожие работы
... и все коэффициенты корреляции равны 1, то определитель такой матрицы равен 0: . Чем ближе к 0 определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И наоборот, чем ближе к 1 определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов. Проверка мультиколлинеарности факторов может быть ...
... 7,33 1965 81,0 7,52 1966 83,0 7,62 1967 85,4 7,72 1968 85,9 7,89 1969 85,9 7,98 1970 87,0 8,03 1971 90,2 8,21 1972 92,6 8,53 1973 95,0 8,55 1974 93,3 8,28 1975 95,5 8,12 Найдем параметры линейного уравнения множественной регрессии и значения остатков. Дополним таблицу данных столбцами "", "Квадрат разности остатков " и "Квадрат остатка " и заполним их. Таблица ...
... t-критерий Стъюдента и доверительные интервалы каждого из показателей. Выдвигается гипотеза Но о случайной природе показателей, т.е. о незначимом их отличии от нуля. Оценка значимости коэффициентов регрессии и корреляции с помощью f-критерия Стьюдента проводится путем сопоставления их значений с величиной случайной ошибки: Оценка значимости коэффициентов чистой регрессии с помощью /-критерия ...
... взяты за 2003 год. Данные взяты из статистического сборника Регионы России Социально-экономические показатели. 2003. Федеральная служба государственной статистики Построение модели множественной регрессии Расчет параметров Рассчитаем необходимые параметры: Признак Ср. знач. СКО Характеристики тесноты связи βi bi Коэф-ты частной корр. F-критерий фактический ...
0 комментариев