Экономическая интерпретация коэффициентов регрессии

Содержание
  1. Экономическая интерпретация коэффициентов регрессии
  2. Экономическая интерпретация коэффициента регрессии
  3. Параметры уравнения линейной регрессии. Вычисление остаточной суммы квадратов, оценка дисперсии остатков. Осуществление проверки значимости параметров уравнения регрессии с помощью критерия Стьюдента. Расчет коэффициентов детерминации и эластичности.
  4. Подобные документы
  5. Экономическая интерпретация коэффициента регрессии
  6. Экономическая интерпретация коэффициента регрессии
  7. Изучение параметров уравнения линейной регрессии. Расчет остаточной суммы квадратов. Проверка выполнения предпосылок МНК. Вычисление дисперсий случайных величин. Свойства коэффициентов регрессии. Критерий поворотных точек. Парный коэффициент корреляции.
  8. Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Экономическая интерпретация коэффициентов регрессии

Более правильной на первый взгляд кажется интерпретация коэффициента регрессии а как обусловленная фактором Xi часть интенсивности совместного влияния всех факторов. Коэффициент регрессии а, показывает, на сколько единиц изменяется результативный показатель У в случае изменения факторного показателя Xi на единицу при изменении других факторных показателей аналогично их изменению в условиях исследуемого эксперимента (в рамках исследуемой статистической совокупности наблюдений). Данная интерпретация как будто вообще устраняет проблему применяемости модели — каждая модель по данному формальному подходу имеет содержательную интерпретацию и, следовательно, ее можно применять в процессе принятия решений в качестве истинного отображения реальных связей. Подобное мнение опровергается практикой статистического моделирования. Формальная интерпретация интенсивности влияния отдельных факторов часто противоречит здравому смыслу и практическому опыту субъекта управления. Это означает, что интерпретация коэффициентов регрессии не отражает их сущности. [c.122]

Интерпретация моделей регрессии осуществляется методами той отрасли знаний, к которой относятся исследуемые явления. Но всякая интерпретация начинается со статистической оценки уравнения регрессии в целом и оценки значимости входящих в модель факторных признаков, т.е. с выяснения, как они влияют на величину результативного признака. Чем больше величина коэффициента регрессии, тем значительнее влияние данного признака на моделируемый. Особое значение при этом имеет знак перед коэффициентом регрессии, который говорит о характере влияния на результативный признак. Если факторный признак имеет знак плюс, то с увеличением данного фактора результативный признак возрастает если факторный признак имеет знак минус, то с его увеличением результативный признак уменьшается. [c.121]

Если рассматриваемый качественный признак имеет несколько (k) уровней (градаций), то в принципе можно было ввести в регрессионную модель дискретную переменную, принимающую такое же количество значений (например, при исследовании зависимости заработной платы Y от уровня образования Z можно рассматривать Л=3 значения z,-i=l при наличии начального образования, гд=2 — среднего и г,з=3 при наличии высшего образования). Однако обычно так не поступают из-за трудности содержательной интерпретации соответствующих коэффициентов регрессии, а вводят (k—l) бинарных переменных. [c.117]

Дайте интерпретацию коэффициента эластичности данной модели регрессии. [c.36]

Выберите наилучшее уравнение регрессии. Дайте интерпретацию их параметров и доверительных интервалов для коэффициентов регрессии. [c.84]

Выберите наилучшее уравнение регрессии. Дайте интерпретацию его параметров и доверительных интервалов для коэффициентов регрессии на примере одного из факторных признаков. [c.85]

Поскольку коэффициент регрессии в эконометрических исследованиях имеет четкую экономическую интерпретацию, то доверительные границы интервала для коэффициента регрессии не должны содержать противоречивых результатов, например, —10 0, то эффективность данной ценной бумаги повышаться при росте эффективности рынка. При Р хь, хв. Между собой они причинно не связаны. В соответствии с нормами технических условий из общей массы выделялись годные приборы и анализировалась как вся масса приборов, так и годные. Это позволило попытаться уловить различие во взаимосвязи параметров приборов до и после их отбраковки. Эмпирические корреляционные отношения рассчитывались только для годных приборов, поскольку разброс параметров для всей совокупности приборов был настолько велик, что подсчитывать корреляционные отношения не имело смысла. Доверительные интервалы ввиду большого объема выборки подсчитывались по формуле [37]. Сравнение парных коэффициентов корреляции с эмпирическими отношениями использовалось для проверки линейности связи между параметрами. Эмпирическому корреляционному отношению приписывается тот знак, который имеет парный коэффициент корреляции. Связь считается линейной, если корреляционное отношение попадает в доверительный интервал для парного коэффициента корреляции. Может показаться, что мы противоречим высказанному выше утверждению о том, что не существует формальных методов, позволяющих определить форму связи. Однако в данном случае мы говорим не об определении формы связи с целью, например, нахождения параметров уравнения регрессии и дальнейшей интерпретации или экстраполяции в каком-либо виде. Единственная наша забота состоит в том, чтобы парные коэффициенты корреляции (или иные оценки тесноты связи) были действительными характеристиками связи. В табл. 94 приведены в первой строке каждой клетки — парный коэф- [c.188]

Построенное уравнение регрессии в любом случае требует определенной интерпретации и анализа. Интерпретация требует словесного описания полученных результатов с трактовкой найденных коэффициентов, с тем чтобы построенная зависимость стала понятной человеку, не являющемуся специалистом в эконометрическом анализе. В нашем примере коэффициент b>i может трактоваться как предельная [c.106]

Интерпретация коэффициента регрессии как углового коэффициента в линейном уравнении для нелинейной зависимости не годится. Определить изменение У при изменении X на единицу можно с помощью производной (простой или частной), взятой по соответствующему фактору X. Так, для степенного уравнения У = а0Ха производная по X равна [c.136]

При интерпретации коэффициентов регрессии следует иметь в виду, что чем меньше индекс браузинга (зависимая переменная), тем сильнее покупатели склонны демонстрировать поведение, с магазина без определенной Два предиктора с [c.669]

Источник

Экономическая интерпретация коэффициента регрессии

Параметры уравнения линейной регрессии. Вычисление остаточной суммы квадратов, оценка дисперсии остатков. Осуществление проверки значимости параметров уравнения регрессии с помощью критерия Стьюдента. Расчет коэффициентов детерминации и эластичности.

Министерство образования и науки РФ

Федеральное агентство по образованию ГОУ ВПО

Всероссийский заочный финансово-экономический институт

Студент: Чмиль А.А., ФиК, 3 Курс

По предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (Y, млн.руб.) от объема капиталовложений (X, млн.руб.).

Вспомогательная таблица для расчетов параметров линейной регрессии. Табл.2

Найти параметры уравнения линейной регрессии, дать экономическую интерпретацию коэффициента регрессии.

После проведенных расчетов линейная модель имеет вид:

Вычислить остатки; найти остаточную сумму квадратов; оценить дисперсию остатков; построить график остатков.

Вычисленные остатки приведены в таблице 2. Остаточная сумма квадратов составила 12,02. Дисперсия остатков составила:

График остатков. Рис.1

Проверить выполнение предпосылок МНК.

Остатки гомоскедастичны, автокорреляция отсутствует (корреляция остатков и фактора Х равна нулю, рис.1), математическое ожидание остатков равно нулю, остатки нормально распределены.

Корреляция остатков и переменной Х. Рис 2.

Найдем стандартную ошибку коэффициента регрессии:

Теперь проведем оценку значимости коэффициента регрессии:

tb = b / mb = 21,3424949

Далее определим стандартную ошибку параметра a:

Мы видим, что фактическое значение параметра а больше, чем табличное, следовательно, гипотезу о несущественности параметра а можно отклонить. Доверительный интервал составит: a ± t* ma. Границы параметра составят:

Проверим значимость линейного коэффициента корреляции на основе ошибки коэффициента корреляции:

Предельная ошибка прогноза, которая в 90% случаев не будет превышена, составит:

Доверительный интервал прогноза:

гурmax = 40,598295 + 3,7501546 = 44,348449 млн.руб.

Среднее значение показателя составит:

Yp = (36,848141 + 44,348449) / 2 = 40,598295 млн.руб.

Представить графически фактические и модельные значения Y точки прогноза

График фактических и прогнозируемых параметров. Рис.3

Составить уравнения нелинейной регрессии:

Построить графики построенных уравнений регрессии.

Y(x) = 17,38287 * 1,027093 X показательное уравнение регрессии.

Графики моделей представлены ниже на рисунках 4,5 и 6.

Для указанных моделей найти коэффициенты детерминации, коэффициент эластичности и средние относительные ошибки аппроксимации. Сравнить модели по этим характеристикам и сделать выводы.

Коэффициенты (индексы) детерминации:

R 2 показ = Rxy = 0,959136358

Эпоказ = x * lnb = 0,628221

Средние относительные ошибки аппроксимации:

Как мы видим, степенная регрессия наиболее интересна в экономическом смысле, потому что у нее самый низкий показатель средней ошибки аппроксимации, самый высокий показатель эластичности и детерминации. Это говорит о том, что у степенной регрессионной модели высокое качество, она предлагает наибольшую прибыль и более зависима от фактора Х (капиталовложений).

Список использованной литературы

Подобные документы

Экономическая интерпретация коэффициента регрессии. Нахождение статочной суммы квадратов и оценка дисперсии остатков. Проверка значимости параметров уравнения регрессии с помощью t-критерия Стьюдента. Расчет средней относительной ошибки аппроксимации.

контрольная работа [261,1 K], добавлен 23.03.2010

Определение параметров уравнения линейной регрессии. Экономическая интерпретация коэффициента регрессии. Вычисление остатков, расчет остаточной суммы квадратов. Оценка дисперсии остатков и построение графика остатков. Проверка выполнения предпосылок МНК.

контрольная работа [1,4 M], добавлен 25.06.2010

Параметры уравнения и экономическое толкование коэффициента линейной регрессии. Расчет коэффициентов детерминации и средних относительных ошибок аппроксимации. Построение структурной формы модели с использованием косвенного метода наименьших квадратов.

контрольная работа [99,2 K], добавлен 27.04.2011

Основные параметры уравнения регрессии, оценка их параметров и значимость. Интервальная оценка для коэффициента корреляции. Анализ точности определения оценок коэффициентов регрессии. Показатели качества уравнения регрессии, прогнозирование данных.

контрольная работа [222,5 K], добавлен 08.05.2014

Расчет параметров парной линейной регрессии. Оценка статистической значимости уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента. Построение матрицы парных коэффициентов корреляции. Статистический анализ с помощью ППП MS EXCEL.

контрольная работа [1,6 M], добавлен 14.05.2008

Построение модели множественной линейной регрессии по заданным параметрам. Оценка качества модели по коэффициентам детерминации и множественной корреляции. Определение значимости уравнения регрессии на основе F-критерия Фишера и t-критерия Стьюдента.

контрольная работа [914,4 K], добавлен 01.12.2013

Расчет параметров уравнения линейной регрессии, экономическая интерпретация ее коэффициента. Проверка равенства математического ожидания уровней ряда остатков нулю. Построение степенной модели парной регрессии. Вариация объема выпуска продукции.

контрольная работа [771,6 K], добавлен 28.04.2016

Построение уравнения множественной регрессии в линейной форме с полным набором факторов, отбор информативных факторов. Проверка значимости уравнения регрессии по критерию Фишера и статистической значимости параметров регрессии по критерию Стьюдента.

лабораторная работа [217,9 K], добавлен 17.10.2009

Расчет коэффициентов уравнения регрессии и оценка их значимости. Определение среднеквадратичного отклонения и среднеквадратичной ошибки, вычисление коэффициентов регрессии. Определение критериев Стьюдента. Расчет статистических характеристик модели.

контрольная работа [137,2 K], добавлен 14.09.2009

Выполнение кластерного анализа предприятий с помощью программы Statgraphics Plus. Построение линейного уравнения регрессии. Расчет коэффициентов эластичности по регрессионным моделям. Оценка статистической значимости уравнения и коэффициента детерминации.

Источник

Экономическая интерпретация коэффициента регрессии

Министерство образования и науки РФ

Федеральное агентство по образованию ГОУ ВПО

Всероссийский заочный финансово-экономический институт

К.ф. – м.н., доцент кафедры: Василенко В.В.

Студент: Чмиль А.А., ФиК, 3 Курс

По предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (Y, млн.руб.) от объема капиталовложений (X, млн.руб.).

Xi Yi
33 43
17 27
23 32
17 29
36 45
25 35
39 47
20 32
13 22
12 24

Вспомогательная таблица для расчетов параметров линейной регрессии. Табл.2

Найти параметры уравнения линейной регрессии, дать экономическую интерпретацию коэффициента регрессии.

После проведенных расчетов линейная модель имеет вид:

Вычислить остатки; найти остаточную сумму квадратов; оценить дисперсию остатков; построить график остатков.

Вычисленные остатки приведены в таблице 2. Остаточная сумма квадратов составила 12,02. Дисперсия остатков составила:

4607607

График остатков. Рис.1

Проверить выполнение предпосылок МНК.

Остатки гомоскедастичны, автокорреляция отсутствует (корреляция остатков и фактора Х равна нулю, рис.1), математическое ожидание остатков равно нулю, остатки нормально распределены.

4607608

Корреляция остатков и переменной Х. Рис 2.

Осуществить проверку значимости параметров уравнения регрессии с помощью t – критерия Стьюдента (α = 0,05).

Найдем стандартную ошибку коэффициента регрессии:

mb = (Dост. / ∑(x – xср.) 2 ) ½ = 0,042585061

Теперь проведем оценку значимости коэффициента регрессии:

tb = b / mb = 21,3424949

При α = 0,05 и числе степеней свободы (n – 2) tтабл. = 2,3060. Так как фактическое значение t – критерия больше табличного, то гипотезу о несущественности коэффициента можно отклонить. Доверительный интервал для коэффицента регрессии определяется как b ± t* mb. Для коэффициента регрессии b границы составят: 0,908871 – 2,3060*0,042585061 ≤ b ≤ 0,908871+2,3060*0,042585061

0,81067 ≤ b ≤ 1,0070722

Далее определим стандартную ошибку параметра a:

ma = (Dост.*( ∑x 2 / (n*∑(x – xср.) 2 )) 1/2 = 1,073194241

Мы видим, что фактическое значение параметра а больше, чем табличное, следовательно, гипотезу о несущественности параметра а можно отклонить. Доверительный интервал составит: a ± t* ma. Границы параметра составят:

9,766735 ≤ a ≤ 14,716305

Проверим значимость линейного коэффициента корреляции на основе ошибки коэффициента корреляции:

mr = ((1 – r 2 ) / (n – 2)) 1/2 = 0,046448763

Фактическое значение t – критерия Стьюдента определяется:

tr = (r / (1 – r 2 )) * (n – 2) 1/2 = 21,3424949

Значение tr фактическое больше табличного, следовательно при уровне значимости α = 0,05 и степени свободы (n – 2), коэффициент корреляции существенно отличен от нуля и зависимость является достоверной.

Вычислить коэффициент детерминации, проверить значимость уравнения регрессии с помощью f – критерия Фишера (α = 0,05), найти среднюю относительную ошибку аппроксимации. Сделать вывод о качестве модели.

R 2 = Rxy 2 = 0,98274 – детерминация.

F = (R 2 /(1 – R 2 ))*((n – m – 1)/m) = 455,5020887

Fтабл. 5,32 2 / ∑(x – xср) 2 ) 1/2 = 1,502474351*(1+(1/10)+ ((31,2 – 23,5) 2 / 828,50)) 1/2 = 1,6262596 млн.руб.

Предельная ошибка прогноза, которая в 90% случаев не будет превышена, составит:

Доверительный интервал прогноза:

γурmin = 40,598295 – 3,7501546 = 36,848141 млн.руб.

γурmax = 40,598295 + 3,7501546 = 44,348449 млн.руб.

Среднее значение показателя составит:

Yp = (36,848141 + 44,348449) / 2 = 40,598295 млн.руб.

Представить графически фактические и модельные значения Y точки прогноза

4607609

График фактических и прогнозируемых параметров. Рис.3

Составить уравнения нелинейной регрессии:

Построить графики построенных уравнений регрессии.

Y(x) = 54,1842 + (-415,755) * 1/x – гиперболическое уравнение регрессии.

Y(x) = 4,746556 * X 0,625215 – степенное уравнение регрессии.

Y(x) = 17,38287 * 1,027093 X показательное уравнение регрессии.

Графики моделей представлены ниже на рисунках 4,5 и 6.

4607610

4607611

4607612

Для указанных моделей найти коэффициенты детерминации, коэффициент эластичности и средние относительные ошибки аппроксимации. Сравнить модели по этим характеристикам и сделать выводы.

Коэффициенты (индексы) детерминации:

R 2 показ = Rxy = 0,959136358

Эпоказ = x * lnb = 0,628221

Средние относительные ошибки аппроксимации:

А = 1/n * ∑ |y – yxi| * 100%

Как мы видим, степенная регрессия наиболее интересна в экономическом смысле, потому что у нее самый низкий показатель средней ошибки аппроксимации, самый высокий показатель эластичности и детерминации. Это говорит о том, что у степенной регрессионной модели высокое качество, она предлагает наибольшую прибыль и более зависима от фактора Х (капиталовложений).

Список использованной литературы

1. Практикум по эконометрике: Учеб. пособие / И.И. Елисеева, С.В. Курашева, Н.М. Гордеенко и др.; Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2001. – 192.: ил.

2. Эконометрика. Учебник для вузов.; Под ред. чл. – кор. РАН И.И. Елисеевой. – М.: Финансы и статистика, 2002. – 344.

Источник

Экономическая интерпретация коэффициента регрессии

Изучение параметров уравнения линейной регрессии. Расчет остаточной суммы квадратов. Проверка выполнения предпосылок МНК. Вычисление дисперсий случайных величин. Свойства коэффициентов регрессии. Критерий поворотных точек. Парный коэффициент корреляции.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 04.02.2014
Размер файла 1,8 M

ba

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

линейный регрессия дисперсия корреляция

По предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (Y, млн. руб.) от объема капиталовложений (X, млн. руб.).

Найти параметры уравнения линейной регрессии, дать экономическую интерпретацию коэффициента регрессии.

Вычислить остатки; найти остаточную сумму квадратов; оценить дисперсию остатков S 2 е ; построить график остатков.

Проверить выполнение предпосылок МНК.

Осуществить проверку значимости параметров уравнения регрессии с помощью t-критерия Стьюдента (б=0,05).

Вычислить коэффициент детерминации, проверить значимость уравнения регрессии с помощью f-критерия Фишера (б=0,05), найти среднюю относительную ошибку аппроксимации. Сделать вывод о качестве модели.

Осуществить прогнозирование среднего значения показателя Y при уровне значимости б=0,1, если прогнозное значение фактора X составит 80% от его максимального значения.

Представить графически фактическое и модельное значение Y точки прогноза.

Составить уравнения нелинейной регрессии:

Привести графики построенных уравнений регрессии.

Для указанных моделей найти коэффициенты детерминации, коэффициенты эластичности и средние относительные ошибки аппроксимации. Сравнить модели по этим характеристикам и сделать вывод.

Задача 1. Уравнение линейной регрессии имеет вид:

А значения параметров а и b линейной модели можно определить по данным формулам:

Для определения параметров а и b заполним вспомогательную таблицу

b = (479,2-23,7×16,1)/( 360,1-16,1x 16,1)?0,97

Более точные значения параметров а и b указаны в таблице.

С помощью ППП Excel найдем параметры уравнения линейной регрессии. Порядок выселения следующий:

Активизируем инструмент Пакет анализа: Сервис >Настройки;

В диалоговом окне Настройки отметим пункт Пакет анализа> ОК.

Ведем исходные данные;

Сервис > Анализ данных > Регрессия>ОК (Рис. 1.);

Рисунок. 1. Диалоговое окно ввода параметров инструмента Регрессия

Размещено на http://www.allbest.ru/

Заполним диалоговое окно ввода данных и параметров вывода:

Результаты регрессионного анализа для данных представлены на рис. 3.

Рис. 3. Результат применения инструмента Регрессия

В ячейках В17 и В18 расположены значения параметров а и b соответственно.

Вывод: уравнение регрессии имеет вид:

Коэффициент регрессии b показывает, что с ростом капиталовложений на 1 млн. руб. выпуск продукции увеличивается в среднем на 0,97 млн. руб.

Остатки определяются по формуле:

Соответственно остаточная сумма квадратов определяется по формуле:

На рис. 3 в ячейках С25:С34 уже вычислены остатки.

А также в таблице 2 столбец «ei=yi-yi». Остаточную сумму квадратов найдем с помощью ППП Excel, использую функцию СТЕПЕНЬ (Задав степень 2). Результаты вычислений приведены в таблице столбец «ei 2 ».

Дисперсия остатков определяется по формуле:

Дисперсия случайных величин определяются по формулам:

Данные для вычисления дисперсий случайных величин получены в таблице.

Результат вычисления приведен в таблице 2 в строке Дисперсия В37.

График остатков уже построен с помощью инструмента Анализа данных Регрессия (рис. 3). Приведем график остатков в отдельный вид (Рис. 4)

Рис. 4. График остатков

Проверим выполнение предпосылок МНК. Свойства коэффициентов регрессии существенным образом зависят от свойств случайной составляющей. Для того чтобы МНК давал наилучшие результаты, должны выполняться условия Гаусса-Маркова.

Условие 1. Математическое ожидание случайной составляющей в любом наблюдении должно быть равно нулю: М(еi)=0.

В нашем случае уравнение регрессии включает постоянный член и, следовательно, это условие выполняется автоматически.

Вывод: случайная составляющая (еi) или зависимая переменная (yi) есть величины случайные.

Условие 3. Случайная переменная в любых двух наблюдениях независима.

Таблица критических значений dw-критерия Дарбина-Уотсона

Источник

Комфорт