Критические точки распределения Стьюдента
Вычисленное tфакт сравним с табличным (критическим) значением tтабл при принятом уровне значимости α = 0,05 и числе степеней свободы Фактическое значение критерия больше табличного, что свидетельствует о значимости множественного коэффициента корреляции и существенности связи между урожайностью зерновых, количеством внесенных органических удобрений и насыщенностью севооборота зерновыми. 4. Статистическую значимость уравнения регрессии в целом и показателя тесноты связи оценим с помощью общего F-критерия Фишера по формуле: где n – число единиц совокупности; m – число факторов в уравнении линейной регрессии. В нашем случае: Табличное значение Fтабл по таблице значений F-критерия Фишера при α=0,05, k1 = m = 2 и k2 = n – m – 1 = 33 – 2 – 1 = 30 (приложение 2) равно 3,32. Фактическое значение критерия больше табличного, что свидетельствует о статистической значимости уравнения регрессии в целом и показателя тесноты связи , которые сформировались под неслучайным воздействием факторов х1 и х2.
Раздел 2. ОСНОВНЫЕ ПОНЯТИЯ ЭКОНОМЕТРИКИ
Эконометрика – наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов. Эконометрика – это дисциплина, объединяющая совокупность теоретических результатов, методов и приемов, позволяющих на базе экономической теории, экономической статистики и математико-статистического инструментария получать количественное выражение качественным закономерностям. Курс эконометрики призван научить различным способам выражения связей и закономерностей, через эконометрические модели и методы проверки их адекватности, основанные на данных наблюдений. От математико-статистического, эконометрический подход отличается тем вниманием, которое уделяется в нем вопросу соответствия выбранной модели изучаемому объекту, рассмотрению причин, приводящих к необходимости пересмотра модели на основе более точной системы представлений. Эконометрика занимается, по существу, статистическими выводами, т.е. использованием выборочной информации для получения некоторого представления о свойствах генеральной совокупности. Наиболее распространенными эконометрическими моделями, являются производственные функции и модели, описываемые системой одновременных уравнений. Метод наименьших квадратов – традиционный метод, используемый для составления функциональной зависимости. Предполагает минимизацию квадратов отклонений значений результирующего фактора, рассчитанного с помощью функции от его фактического значения. Корреляционный анализ – является одним из методов эконометрического анализа взаимозависимости нескольких признаков. Основная задача корреляционного анализа состоит в оценке корреляционной матрицы генеральной совокупности по выборке и определении на ее основе оценок частных и множественных коэффициентов корреляции и детерминации. Парный коэффициент корреляции характеризует тесноту линейной зависимости между двумя переменными: Его значения изменяются в пределах от -1 до 1, причем, чем ближе значение коэффициента по абсолютной величине к единице, тем сильнее
зависимость между переменными. В табл. 2 представлена оценка тесноты линейной связи с помощью коэффициента корреляции (r). Таблица 2 Оценка тесноты линейной связи
При r > 0 связь прямая, т.е. с ростом х растет у. При r < 0 связь обратная, т.е. с ростом х убывает у.
Множественный коэффициент корреляции характеризует тесноту линейной связи между одной переменной (результативной) и остальными, входящими в модель. Значимость коэффициентов корреляции проверяется по t-критерию Стьюдента. Наблюдаемое (фактическое) значение находится по формуле: где r – значение частного или парного коэффициента корреляции; l – порядок частного коэффициента корреляции, т.е. число фиксированных факторов. Для парного коэффициента корреляции l = 0. Найденное значение сравнивается с табличным (приложение 1). Если tфакт > tтабл, то линейный коэффициент корреляции значим и существует связь между показателями х и у. Квадрат коэффициента корреляции – коэффициент детерминации. Он показывает какая доля изменений результативного признака обусловлена изменением показателя х. Регрессионный анализ – это статистический метод исследования зависимости случайной величины Y от переменных Xj (j = 1; k), рассматриваемых в регрессионном анализе как неслучайные величины
, где – средние квадратические отклонения ; . Параметр определим из соотношения: . Получим уравнение: . Каждый из коэффициентов уравнения регрессии определяет среднее изменение урожайности за счет изменения соответствующих факторов и фиксированного уровня другого так, коэффициент при х1 показывает, что увеличение (или снижение) количества внесения удобрений на 1 ц ведет к повышению (или снижению) урожайности зерновых на 0,976 ц. Соответственно коэффициент при х2 определяет меру зависимости урожайности зерновых от насыщенности севооборота. 1.Для определения линейного коэффициента множественной корреляции используем формулу: Коэффициент множественной корреляции показывает наличие зависимости (связь умеренная) между анализируемыми признаками. Коэффициент множественной детерминации = 0,4952 = 0,245 свидетельствует, что 24,5% изменения урожайности зерновых связано с анализируемыми признаками. 3. Для проверки статистической значимости (существенности) множественного коэффициента корреляции рассчитаем t-критерий Стьюдента по формуле:
Решение
1. Уравнение множественной линейной регрессии имеет вид: , где – урожайность зерновых с 1 га, ц; х1 – внесено органических удобрений на 1 га, ц; х2 – насыщенность севооборота, %; а, b1 и b2 – параметры уравнения. Для расчета параметров а, b1 и b2 сначала построим уравнение множественной регрессии в стандартизированном масштабе: где - стандартизированные переменные; β1 и β2 – стандартизированные коэффициенты регрессии. Стандартизированные коэффициенты регрессии определим по формулам: Уравнение множественной регрессии в стандартизированной форме имеет вид: . Стандартизированные коэффициенты регрессии позволяют сделать заключение о сравнительной силе влияния каждого фактора на урожайность зерновых. Более значимое влияние оказывает первый фактор, а именно, количество внесенных органических удобрений. В целом же можно сказать, что влияние факторов на урожайность практически одинаково. Для построения уравнения в естественной форме рассчитаем b1 и b2, используя формулы перехода от βi к bi:
независимо от истинного закона распределения Xj. Наиболее часто используемая множественная линейная модель регрессионного анализа имеет вид: у = b0 + b1∙xi1 + b2∙xi2 +. . .+ bj∙xij +. . .+ bk∙xik. Отметим, что эта модель линейна относительно неизвестных параметров b0, b1, b2,..., bj,..., bkи аргументов. Коэффициент регрессии bj показывает, на какую величину в среднем изменится результативный признак Y, если переменную Xj увеличить на единицу измерения, т.е. является нормативным коэффициентом. Классическая линейная регрессионная модель с одной переменной – это модель вида: уi = b0 + b1∙x + u, в которой x – детерминированная (неслучайная) величина, u – случайная составляющая; у – результативный признак. Статистическую значимость уравнения регрессии определяют с помощью F-критерия Фишера. Наблюдаемое (фактическое) значение находится по формуле: Найденное значение сравнивается с табличным (приложение 2). Если фактическое значение критерия больше табличного, то это свидетельствует о статистической значимости уравнения регрессии в целом и показателя тесноты связи r, то есть они статистически надежны и сформировались под неслучайным воздействием фактора х. Оценить качество модели регрессии можно с помощью средней ошибки аппроксимации: Чем меньше рассеяние эмпирических точек вокруг теоретической линии регрессии, тем меньше средняя ошибка аппроксимации. Ошибка аппроксимации меньше 7% свидетельствует о хорошем качестве модели.
Коэффициент эластичности характеризует силу связи фактора х с результатом у, показывающий, на сколько процентов изменится значение у при изменении значения фактора х на 1%. Средний коэффициент эластичности линейной зависимости можно рассчитать по следующей формуле: Обобщающий коэффициент эластичности показывает, на сколько процентов изменится у относительно своего среднего уровня при росте х на 1% относительно своего среднего уровня.
Популярное: Как построить свою речь (словесное оформление):
При подготовке публичного выступления перед оратором возникает вопрос, как лучше словесно оформить свою... Организация как механизм и форма жизни коллектива: Организация не сможет достичь поставленных целей без соответствующей внутренней... Почему человек чувствует себя несчастным?: Для начала определим, что такое несчастье. Несчастьем мы будем считать психологическое состояние... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (591)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |