После ряда действий, проделанных в предыдущем пункте Главы, можно переходить к построению окончательного уравнения множественной регрессии. Для этого нужно найти коэффициенты уравнения множественной регрессии с помощью метода наименьших квадратов и проинтерпретировать полученные результаты, что представлено в Таблице 3.8
Таблица 3.8 – Значение коэффициентов множественного уравнения регрессии и их интерпретация для окончательного уравнения множественной регрессии
Название уравнения регрессии
Значение коэф-та
множ ур.
Интерпретация полученных результатов
Среднее максимально число занятых мест
1,07
При увеличении среднего максимального числа занятых мест на 1% средняя наполненность парковок увеличивается на 107%
Количество пересечений с другими улицами
-0,005
При увеличении количества пересечений с другими улицами на 1% средняя наполненность парковок уменьшается на 0,5%
Количество объектов массового тяготения
0,008
При увеличении количества объектов массового тяготения на 1% средняя наполненность парковок увеличивается на 0,8%
Общая площадь объектов массового тяготения
0,013
При увеличении количества объектов массового тяготения на 1% средняя наполненность парковок увеличивается на 1,3%
Коэффициент от площади, занимаемой одним автомобилем
0,1
При увеличении коэффициента от площади, занимаемо одним автомобилем, на 1% средняя наполненность парковок увеличивается на 10%
Коэффициент перегрузки
0,001
При увеличении коэффициента перегрузки на 1 средняя наполненность парковок увеличивается на 0,1%
Количество научных и учебных заведений
0,027
При увеличении количества научных и учебных заведений на 1 средняя наполненность парковок увеличивается на 2,7%
Количество торговых центров и магазинов
0,001
При увеличении количества торговых центров и магазинов на 1 средняя наполненность парковок увеличивается на 0,1%
Количество кафе и ресторанов
0,033
При увеличении количества кафе и ресторанов на 1 средняя наполненность парковок увеличивается на 3,3%
Количество театров, кинотеатров, стадионов, музеев, библиотек, парков
0,002
При увеличении количества театров, кинотеатров, стадионов, музеев, библиотек, парков на 1 средняя наполненность парковок увеличивается на 0,2%
Количество лечебных учреждений
-0,051
При увеличении количества лечебных учреждений на 1 средняя наполненность парковок уменьшается на 5,1%
Мкр. Верхний Посад
0,151
По сравнению с микрорайоном Нижний Посад, в микрорайоне Верхний Посад при прочих равных условиях средняя наполненность парковок больше на 15,1%
Мкр. Город
-0,079
По сравнению с микрорайоном Нижний Посад, в микрорайоне Город при прочих равных условиях средняя наполненность парковок меньше на 7,9%
4-й мкр.
0,225
По сравнению с микрорайоном Нижний Посад, в четвертом микрорайоне при прочих равных условиях средняя наполненность парковок больше на 22,5%
Наличие светофоров
0,094
При увеличении количества светофоров на 1 средняя наполненность парковок увеличивается на 9,4%
На основе полученных результатов можно построить уравнение множественной регрессии, которое принимает следующий вид:
После построения уравнения множественной регрессии в естественной форме, необходимо построить полученное уравнение в стандартизированном масштабе, для этого значение исходных переменных приведем к стандартизированному ввиду, для чего нужно рассчитать стандартизированные коэффициенты уравнения множественной регрессии и проинтерпретировать их, что представлено в Таблице 3.9.
Таблица 3.9 – Значение коэффициентов уравнения множественной регрессии в стандартизированном масштабе
Название фактора
Значение стандартизированного коэффициента
Интерпретация полученных результатов
Среднее максимально число занятых мест
0,953
При увеличении среднего максимального числа занятых мест на 1 ед. средняя наполненность парковок увеличивается на 0,953 ед. (сигм)
Количество пересечений с другими улицами
-0,004
При увеличении количества пересечений с другими улицами на 1 ед. средняя наполненность парковок уменьшится на 0,004 ед. (сигм)
Количество объектов массового тяготения
0,014
При увеличении количества объектов массового тяготения на 1 ед. средняя наполненность парковок увеличивается на 0,014 ед. (сигм)
Общая площадь объектов массового тяготения
0,020
При увеличении количества объектов массового тяготения на 1 ед. средняя наполненность парковок увеличивается на 0,020 ед. (сигм)
Коэффициент от площади, занимаемой одним автомобилем
0,013
При увеличении коэффициента от площади, занимаемо одним автомобилем, на 1 ед. средняя наполненность парковок увеличивается на 0,013 ед. (сигм)
Коэффициент перегрузки
0,017
При увеличении коэффициента перегрузки на 1 ед. средняя наполненность парковок увеличивается на 0,017 ед. (сигм)
Количество научных и учебных заведений
0,044
При увеличении количества научных и учебных заведений на 1 ед. средняя наполненность парковок увеличивается на 0,044 ед. (сигм)
Количество торговых центров и магазинов
0,017
При увеличении количества торговых центров и магазинов на 1 ед. средняя наполненность парковок увеличивается на 0,017 ед. (сигм)
Количество кафе и ресторанов
0,048
При увеличении количества кафе и ресторанов на 1 ед. средняя наполненность парковок увеличивается на 0,048 ед. (сигм)
Количество театров, кинотеатров, стадионов, музеев, библиотек, парков
0,003
При увеличении количества театров, кинотеатров, стадионов, музеев, библиотек, парков на 1 ед. средняя наполненность парковок увеличивается на 0,003 ед. (сигм)
Количество лечебных учреждений
-0,057
При увеличении количества лечебных учреждений на 1 ед. средняя наполненность парковок уменьшается на 0,057 ед. (сигм)
Мкр. Верхний Посад
0,123
По сравнению с микрорайоном Нижний Посад, в микрорайоне Верхний Посад при прочих равных условиях средняя наполненность парковок меньше на 0,123 ед. (сигм)
Мкр. Город
-0,034
По сравнению с микрорайоном Нижний Посад, в микрорайоне Город при прочих равных условиях средняя наполненность парковок меньше на 0,034 ед. (сигм)
4-й мкр.
0,054
По сравнению с микрорайоном Нижний Посад, в четвертом микрорайоне при прочих равных условиях средняя наполненность парковок больше на 0,054 ед. (сигм)
Наличие светофоров
0,079
При увеличении количества светофоров на 1 ед. средняя наполненность парковок увеличивается на 0,079 ед. (сигм)
На основе представленных в Таблице стандартизированных коэффициентов регрессии, уравнение множественной регрессии в стандартизированном масштабе принимает следующий вид:
Следуя из того, что коэффициенты уравнения множественной регрессии в стандартизированном масштабе можно ранжировать по силе, можно сделать вывод о том, что наиболее сильное влияние на среднюю наполненность парковки оказывает среднее максимально число занятых мест, а наименьшее влияние – количество театров, кинотеатров, стадионов, музеев, библиотек, парков и количество пересечений с другими улицами.
Далее необходимо проверить уравнение множественной регрессии на наличие/отсутствие гетероскедастичности с помощью теста Уайта. Для этого надо найти остатки уравнения множественной регрессии и полученные остатки возвести в квадрат, как это представлено в Таблице 3.10, в документе по ссылке: https://vk.com/doc384876121_500257605.
Далее нужно построить вспомогательное уравнение регрессии, где в качестве результативной переменной будет квадраты остатков уравнения множественной регрессии, а факторными переменами будут исходные значение переменных уравнения множественной регрессии и значение квадратов этих переменных. Данный вид вспомогательного уравнения является упрощенным, поскольку в полной форме данное уравнение превысило бы численность наблюдений, и вследствие своей громоздкости затруднило бы дальнейший анализ.
На основе этих данных строится вспомогательное уравнение множественной регрессии в упрощенной форме. Расчет коэффициентов регрессии ля вспомогательного уравнения регрессии представлен в Таблице 3.11., ознакомиться с которой можно, перейдя по ссылке: https://vk.com/doc384876121_500257605.
Полученное на основе данных Таблицы вспомогательное уравнение регрессии принимает следующий вид: =0,159 +0,011 -0,006 +0,070 +0,042 +0,0001 -0,071 -0,004 -0,0005 +0,004 +0,004 -0,015 +0,015 -0,008 -0,020 -0,007 -0,002 +0,010 -0,009 +0,304 -0,0000005 +0,004 -0,0003 +0,00001 -0,001 -0,001 +0,004 +0 +0 +0 +0
Далее нужно найти множественный коэффициент детерминации, и с помощью него наблюдаемое значение Уайта, которое затем нужно сравнить полученное значение с критическим хu2 с вероятностью 95%, полученные результаты представлены в Таблице 3.12.
Таблица 3.12 – Расчетное значение Уайта и критическое значение хu2 для уравнения регрессии средней наполненности парковок и влияющих на нее факторов
Исходя из полученных результатов можно сделать следующий вывод: так как наблюдаемое значение Уайта меньше хи2-критического, то нулевая гипотеза подтверждается, т.е. с 95% вероятность можно утверждать, что остатки уравнения множественной регрессии гомоскедастичны.
Далее с помощью критерия Стьюдента необходимо проверить коэффициенты уравнения множественной регрессии на надежность с 95% вероятностью. Результаты проведенного анализа представлены в Таблице 3.13.
Таблица 3.13 – Оценка на надежность факторов, влияющих на среднюю наполненность парковок
Название показателя
Значение показателя
Интерпретация полученных результатов
t-критическое
1,989
−
t-фактическое (для каждого из факторов)
Intercept
-3,982
Вывод: Так как t - расчетное больше t - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически значимым
Количество объектов массового тяготения*
0,309
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору следует доверять с определенной осторожностью)
Количество пересечений с другими улицами*
-0,120
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору следует доверять с определенной осторожностью)
Среднее максимальное число занятых мест*
24,480
Вывод: Так как t - расчетное больше t - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически значимым
Коэффициент от площади, занимаемой 1 автомобилем в зависимости от угла постановки*
0,367
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору следует доверять с определенной осторожностью)
Коэффициент перегрузки
0,535
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору следует доверять с определенной осторожностью)
Общая площадь объектов массового тяготения, м3*
0,652
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору не следует доверять)
Количество научных и учебных заведений
1,192
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору следует доверять с определенной осторожностью)
Количество торговых центров, магазинов
0,464
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору следует доверять с определенной осторожностью)
Количество ресторанов, кафе
1,279
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору следует доверять с определенной осторожностью)
Количество театров, кинотеатров, стадионов, музеев, библиотек, парков
0,113
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору следует доверять с определенной осторожностью)
Количество лечебных учреждений
-1,729
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору следует доверять с определенной осторожностью)
Мкр. Верхний Посад
3,655
Вывод: Так как t - расчетное больше t - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически значимым
Мкр. Город
-1,009
Вывод: Так как t - расчетное меньше t - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически незначимым (данному фактору следует доверять с определенной осторожностью)
4-й мкр
1,682
Вывод: Так как t - расчетное больше t - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически значимым
Наличие светофоров
2,169
Вывод: Так как t - расчетное больше t - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью данный коэффициент уравнения множественной регрессии признается статистически значимым
Исходя из данных Таблицы можно сделать следующие выводы, что лишь 4 коэффициента (факторов) уравнения множественной регрессии признаются статистически значимыми с 95% вероятностью, а остальные коэффициентов уравнения множественной регрессии (факторы) признаются статистически значимыми с немного меньшей вероятностью чем 95% т.к. их t-фактическое немного меньше, по модулю, чем t-критическое, и лишь у двух факторов («Количество театров, кинотеатров, стадионов, музеев, библиотек, парков» и «Количество пересечений с другими улицами») t-фактическое намного меньше, чем t-критическое (с вероятностью 95%), соответственно данным факторам лучше не доверять.
После проверки на значимость (надежность) коэффициентов уравнения множественной регрессии, нужно найти доверительные интервалы, с 95%-ной надежностью, для полученных коэффициентов уравнения множественной регрессии, для этого необходимо найти стандартные ошибки коэффициентов уравнения множественной регрессии и t-критическое значение Стьюдента, которое нам известно из предыдущей Таблицы. Результаты и интерпретация данных расчетов представлены в Таблице 3.14.
Таблица 3.14 – Значения доверительных интервалов с 95%-ной надежностью для коэффициентов уравнения множественной регрессии наполненности парковок и влияющих на нее факторов
Название переменной
B
Стандартная ошибка коэффициента регрессии
Доверительный интервал
Интерпретация полученных результатов
Intercept
-0,884
0,222
(-1,325 ; -0,443)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (-1,325 ; -0,443), с надежностью 95%
Количество объектов массового тяготения*
0,008
0,026
(-0,043 ; 0,059)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале(-0,043 ; 0,059), с надежностью 95%
Количество пересечений с другими улицами*
-0,005
0,044
(-0,093 ; 0,083)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (-0,093 ; 0,083), с надежностью 95%
Среднее максимальное число занятых мест*
1,070
0,044
(0,983 ; 1,157)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (0,983 ; 1,157), с надежностью 95%
Коэффициент от площади, занимаемой 1 автомобилем в зависимости от угла постановки*
0,100
0,274
(-0,444 ; 0,644)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале(-0,444 ; 0,644), с надежностью 95%
Коэффициент перегрузки
0,001
0,002
(-0,003 ; 0,005)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (-0,003 ; 0,005), с надежностью 95%
Общая площадь объектов массового тяготения, м3*
0,013
0,020
(-0,027 ; 0,053)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (-0,027 ; 0,053), с надежностью 95%
Количество научных и учебных заведений
0,027
0,022
(-0,018 ; 0,071)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале(-0,018 ; 0,071), с надежностью 95%
Количество торговых центров, магазинов
0,001
0,003
(-0,004 ; 0,007)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале(-0,004 ; 0,007), с надежностью 95%
Количество ресторанов, кафе
0,033
0,026
(-0,018 ; 0,084)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (-0,018 ; 0,084), с надежностью 95%
Количество театров, кинотеатров, стадионов, музеев, библиотек, парков
0,002
0,017
(-0,033 ; 0,037)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (-0,033 ; 0,037), с надежностью 95%
Количество лечебных учреждений
-0,051
0,029
(-0,109 ; 0,008)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале(-0,109 ; 0,008), с надежностью 95%
Мкр. Верхний Посад
0,151
0,041
(0,069 ; 0,233)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (0,069 ; 0,233), с надежностью 95%
Мкр. Город
-0,079
0,078
(-0,234 ; 0,077)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (-0,234 ; 0,077), с надежностью 95%
4-й мкр
0,225
0,134
(-0,041 ; 0,491)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (-0,041 ; 0,491), с надежностью 95%
Наличие светофоров
0,094
0,043
(0,008 ; 0,180)
При прогнозировании стоимости автомобиля, значение коэффициента множественного уравнения регрессии, может меняться в интервале (0,008 ; 0,180), с надежностью 95%
Из полученных данных Таблицы следует, что наименьший доверительный интервал среди коэффициентов уравнения множественной регрессии имеют переменные «Коэффициент перегрузки» и «Количество торговых центров, магазинов», а наибольший доверительный интервал, встречается у переменной «Коэффициент от площади, занимаемой 1 автомобилем в зависимости от угла постановки».
Завершающим этапом будет оценка уравнения множественной регрессии на качество с помощью относительной ошибки аппроксимации и F-критерия Фишера. Полученные значения коэффициентов и интерпретация полученных результатов представлены в Таблице 3.15.
Таблица 3.15 – Оценка качества и надежности уравнения множественной регрессии наполненности парковок и влияющих на нее факторов
Название показателя
Значение показателя
Интерпретация полученных значений
Множественный коэффициент корреляции
0,965
Полученный коэффициент корреляции указывает на наличие очень сильной связи между результативным признаком и влияющих на него факторов
Множественный коэффициент детерминации
0,932
Полученный множественный коэффициент детерминации указывает на наличие очень высокой доли вариации результативного признака, стоимости автомобиля, находящегося под воздействием изучаемых факторов, а также о высоком качестве данной модели
Стандартное отклонение
0,222
Данный показатель показывает, что результативное значение признака отклоняется от среднего на ±0,222
Относительная ошибка аппроксимации
3,676
Так как ошибка аппроксимации составила 3,7%, то данный показатель говорит о высоком качестве данной модели
F-фактическое
76,432
Вывод: так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
F-критическое (q=0,95)
1,787
Исходя из полученных данных можно сделать вывод, что данная модель уравнения множественной регрессии, описывающая влияние средней наполненности парковок и влияющих на нее факторов, обладает высокой надежностью и качеством.
Прогнозирование теоретической средней наполненности парковок, с помощью полученного уравнения множественной регрессии и сравнение теоретической наполненности парковок с ее фактическими значениями
На основе полученного в предыдущем пункте Главы окончательного уравнения множественной регрессии можно рассчитать теоретическую среднюю наполненность парковок на пяти улицах с разными параметрами и сравнить их с фактической наполненность, и найти относительное и абсолютное отклонение по каждой улице, а также и среднее абсолютное и относительное отклонение по пяти улицам в целом. Результаты данных расчетов представлены в Таблице 3.16.
Таблица 3.16 – Сравнение показателей теоретической наполненности парковок с фактической наполненностью на пяти улицах
Расчетное значение средней суточной наполненность парковок
Фактическая значение средней суточной наполненность парковок
Абсолютное отклонение, руб.
Относительное отклонение,%.
50
49
1
2,8
39
37
2
6,3
53
52
1
2,2
40
38
2
4,1
19
17
2
9,9
Среднее значение показателя
2
5,0
Исходя из полученных результатов можно сделать следующий вывод: что что разница между расчетным значением средней суточной наполненности парковок, и фактическим значением средней суточной наполненности парковок, в среднем по 5 наблюдениям составила 2 единицы в абсолютном отклонение и в относительном 5%.
По итогам данной Главы можно сделать вывод, что данное уравнение множественной регрессии имеет достаточно низкую погрешность в практическом применении, что говорит о высоком качестве и надежности данной модели уравнения. Данный вывод также подтверждают результаты полученные результаты в Таблице 3.15.
Таким образом, настоящая модель уравнение в практическом применение имеет место быть, но для повышения надежности данного уравнения и снижения погрешности до минимального значения, следует включить дополнительные факторы в данную модель уравнения которые ранее небыли включены, а также увеличить объем выборки. И далее построить новое уравнение множественной регрессии и провести анализ данного уравнения.
ЗАКЛЮЧЕНИЕ
В ходе выполнения данной работы была проделан анализ научно-теоретического и практического аспекта эконометрического моделирования.
В первой главе были последовательно освещены теоретические аспекты эконометрического моделирования. Отдельное внимание было уделено методике построения и анализа уравнений парной и множественной регрессии, а также проблеме нехватки парковочных мест в современных городах.
По итогам главы было выяснено, что применение эконометрических моделей актуально для широкого круга явлений, поскольку позволяет с высокой точностью выявить различные парные и множественные взаимосвязи между факторами и дать им полезную с практической точки зрения интерпретацию. Поскольку на среднюю наполненность парковок с разной силой влияет множество факторов, применение методов эконометрического моделирования для них особенно актуально.
Во второй главе был построена и проанализирована парная регрессия средней наполненности парковок и влияющих на нее факторов. Далее была проведена оценка качества и надежности данных парных уравнений регрессии, показавшая то, что подавляющее большинство уравнений с 95% вероятностью являются надежными. После этого был проведен дисперсионный анализ для качественного признака, влияющего на изучаемый признак – принадлежности улицы к тому или иному микрорайону. Полученные результаты показали, что взаимосвязь нахождения улицы в том или ином районе и изучаемый признак с 95% вероятностью является не случайной.
В третьей главе были построены и проанализированы уравнения множественной регрессии средней наполненности парковок и влияющих на нее факторов в естественной и стандартизированной формах с поэтапным отбором факторных признаков. По итогу этого удалось построить окончательное уравнения регрессии и проверить их на надежность.
Окончательное уравнение множественной регрессии продемонстрировало достаточно низкую погрешность в практическом применении, что свидетельствует о высоком качестве и надежности данной модели уравнения.
Подводя итоги вышесказанного, стоит еще раз отметить эффективность и удобство применения методов эконометрического моделирования для широкого спектра явлений и процессов, благодаря которым можно с математической точностью изучать взаимосвязи в этих процессах и интерпретировать их в практически значимые рекомендации.