Линейное уравнение регрессии

Дата: 15.05.2014

		

Всероссийский
заочный финансово-экономический институт

Лабораторная
работа

по дисциплине
«Эконометрика»

Брянск 2010

Задание

В таблице 1 представлены
данные о рынке строящегося жилья в Санкт-Петербурге (по состоянию на декабрь
1996г.).

Таблица 1 – Исходные
данные

№ п/п Х1 Х2 Х3 Х4 Х5 Х6 Х7 Х8 У
1 1 1 39 20 8,2 0 1 0 15,9
2 3 1 68,4 40,5 10,7 0 1 0 27
3 1 1 34,8 16 10,7 0 1 12 13,5
4 1 1 39 20 8,5 0 1 12 15,1
5 2 1 54,7 28 10,7 0 1 12 21,1
6 3 1 74,7 46,3 10,7 0 1 12 28,7
7 3 1 71,7 45,9 10,7 0 0 0 27,2
8 3 1 74,5 47,5 10,4 0 0 0 28,3
9 4 1 137,7 87,2 14,6 0 1 0 52,3
10 1 1 40 17,7 11 1 1 8 22
11 2 1 53 31,1 10 1 1 8 28
12 3 1 86 48,7 14 1 1 8 45
13 4 1 98 65,8 13 1 1 8 51
14 2 1 62,6 21,4 11 1 1 0 34,4
15 1 1 45,3 20,6 10,4 1 1 8 24,7
16 2 1 56,4 29,7 9,4 1 1 8 30,8
17 1 1 37 17,8 8,3 0 1 0 15,9
18 3 1 67,5 43,5 8,3 0 1 0 29
19 1 1 37 17,8 8,3 0 1 3 15,4
20 3 1 69 42,4 8,3 0 1 3 28,6
21 1 1 40 20 8,3 0 0 0 15,6
22 3 1 69,1 41,3 8,3 0 1 0 27,7
23 2 1 38,1 35,4 13 1 1 20 34,1
24 2 1 75,3 41,4 12,1 1 1 20 37,7
25 3 1 83,7 48,5 12,1 1 1 20 41,9
26 1 1 48,7 22,3 12,4 1 1 20 24,4
27 1 1 39,9 18 8,1 1 0 0 21,3
28 2 1 68,6 35,5 17 1 1 12 36,7
29 1 1 39 20 9,2 1 0 0 21,5
30 2 1 48,6 31 8 1 0 0 26,4
31 3 1 98 56 22 1 0 0 53,9
32 2 1 68,5 30,7 8,3 1 1 6 34,2
33 2 1 71,1 36,2 13,3 1 1 6 35,6
34 3 1 68 41 8 1 1 12 34
35 1 1 38 19 7,4 1 1 12 19
36 2 1 93,2 49,5 14 1 1 12 46,6
37 3 1 117 55,2 25 1 1 12 58,5
38 1 2 42 21 10,2 1 0 12 24,2
39 2 2 62 35 11 1 0 12 35,7
40 3 2 89 52,3 11,5 1 1 12 51,2
41 4 2 132 89,6 11 1 1 12 75,9
42 1 2 40,8 19,2 10,1 1 1 6 21,2
43 2 2 59,2 31,9 11,2 1 1 6 30,8
44 3 2 65,4 38,9 9,3 1 1 6 34
45 2 2 60,2 36,3 10,9 1 1 12 31,9
46 3 2 82,2 49,7 13,8 1 1 12 43,6
47 3 2 98,4 52,3 15,3 1 1 12 52,2
48 3 3 76,7 44,7 8 1 1 0 43,1
49 1 3 38,7 20 10,2 1 1 6 25
50 2 3 56,4 32,7 10,1 1 1 6 35,2
51 3 3 76,7 44,7 8 1 1 6 40,8
52 1 3 38,7 20 10,2 1 0 0 18,2
53 1 3 41,5 20 10,2 1 1 0 20,1
54 2 3 48,8 28,5 8 1 0 0 22,7
55 2 3 57,4 33,5 10,1 1 1 0 27,6
56 3 3 76,7 44,7 8 1 1 0 36
57 1 4 37 17,5 8,3 0 1 7 17,8
58 2 4 54 30,5 8,3 0 1 7 25,9
59 3 4 68 42,5 8,3 0 1 7 32,6
60 1 4 40,5 16 11 0 1 3 19,8
61 2 4 61 31 11 0 1 3 29,9
62 3 4 80 45,6 11 0 1 3 39,2
63 1 3 52 21,2 11,2 1 1 18 22,4
64 2 3 78,1 40 11,6 1 1 18 35,2
65 3 3 91,6 53,8 16 1 0 18 41,2
66 1 4 39,9 19,3 8,4 0 1 6 17,8
67 2 4 56,2 31,4 11,1 0 1 6 25
68 3 4 79,1 42,4 15,5 0 1 6 35,2
69 4 4 91,6 55,2 9,4 0 1 6 40,8

Принятые в таблице
обозначения:

Y – цена квартиры, тыс.долл.;

Х1 – число комнат в
квартире;

Х2 – район города (1 –
Приморский, Шувалово-Озерки, 2 – Гражданка, 3 – Юго-запад, 4 — Красносельский);

Х3 – общая площадь
квартиры (м2);

Х4 – жилая площадь
квартиры (м2);

Х5 – площадь кухни (м2);

Х6 – тип дома (1 –
кирпичный, 0 — другой);

Х7 – наличие балкона (1 –
есть, 0 — нет);

Х8 – число месяцев до
окончания срока строительства.

1) Введите фиктивную
переменную z, отражающую местоположение квартиры
и позволяющую разделить всю совокупность квартир на две группы: квартиры на
севере города (Приморский район, Шувалово-Озерки, Гражданка) и на юге города
(Юго-запад, Красносельский район).

2) Составьте матрицу
парных коэффициентов корреляции исходных переменных. Вместо переменной х2
используйте фиктивную переменную z.

3) Постройте уравнение
регрессии, характеризующее зависимость цены от всех факторов в линейной форме.
Установите, какие факторы мультиколлинеарны.

4) Постройте модель у = f(х3, х6, х7,
х8, z) в линейной
форме. Какие факторы значимо воздействуют на формирование цены квартиры в этой
модели?

5) Существует ли разница
в ценах на квартиры, расположенных в северной и южной частях Санкт-Петербурга?

6) Оцените статистическую
значимость параметров регрессионной модели с помощью t-критерия Стьюдента; нулевую гипотезу о значимости уравнения
регрессии проверьте с помощью F-критерия
Фишера; оцените качество уравнения регрессии с помощью коэффициента
детерминации R2.

Решение

1) Введем фиктивную
переменную Z вместо Х2, отражающую местоположение
квартиры и позволяющую разделить всю совокупность квартир на две группы. Первые
47 квартир относятся к северной части города (Приморский район,
Шувалово-Озерки, Гражданка), а оставшиеся 22 квартиры относятся к южной части
города (Юго-запад, Красносельский район). Составим матрицу парных коэффициентов
корреляции исходных переменных.

Х1 Z Х3 Х4 Х5 Х6 Х7 Х8 У
1 1 39 20 8,2 0 1 0 15,9
3 1 68,4 40,5 10,7 0 1 0 27
1 1 34,8 16 10,7 0 1 12 13,5
1 1 39 20 8,5 0 1 12 15,1
2 1 54,7 28 10,7 0 1 12 21,1
3 1 74,7 46,3 10,7 0 1 12 28,7
3 1 71,7 45,9 10,7 0 0 0 27,2
3 1 74,5 47,5 10,4 0 0 0 28,3
4 1 137,7 87,2 14,6 0 1 0 52,3
1 1 40 17,7 11 1 1 8 22
2 1 53 31,1 10 1 1 8 28
3 1 86 48,7 14 1 1 8 45
4 1 98 65,8 13 1 1 8 51
2 1 62,6 21,4 11 1 1 0 34,4
1 1 45,3 20,6 10,4 1 1 8 24,7
2 1 56,4 29,7 9,4 1 1 8 30,8
1 1 37 17,8 8,3 0 1 0 15,9
3 1 67,5 43,5 8,3 0 1 0 29
1 1 37 17,8 8,3 0 1 3 15,4
3 1 69 42,4 8,3 0 1 3 28,6
1 1 40 20 8,3 0 0 0 15,6
3 1 69,1 41,3 8,3 0 1 0 27,7
2 1 38,1 35,4 13 1 1 20 34,1
2 1 75,3 41,4 12,1 1 1 20 37,7
3 1 83,7 48,5 12,1 1 1 20 41,9
1 1 48,7 22,3 12,4 1 1 20 24,4
1 1 39,9 18 8,1 1 0 0 21,3
2 1 68,6 35,5 17 1 1 12 36,7
1 1 39 20 9,2 1 0 0 21,5
2 1 48,6 31 8 1 0 0 26,4
3 1 98 56 22 1 0 0 53,9
2 1 68,5 30,7 8,3 1 1 6 34,2
2 1 71,1 36,2 13,3 1 1 6 35,6
3 1 68 41 8 1 1 12 34
1 1 38 19 7,4 1 1 12 19
2 1 93,2 49,5 14 1 1 12 46,6
3 1 117 55,2 25 1 1 12 58,5
1 1 42 21 10,2 1 0 12 24,2
2 1 62 35 11 1 0 12 35,7
3 1 89 52,3 11,5 1 1 12 51,2
4 1 132 89,6 11 1 1 12 75,9
1 1 40,8 19,2 10,1 1 1 6 21,2
2 1 59,2 31,9 11,2 1 1 6 30,8
3 1 65,4 38,9 9,3 1 1 6 34
2 1 60,2 36,3 10,9 1 1 12 31,9
3 1 82,2 49,7 13,8 1 1 12 43,6
3 1 98,4 52,3 15,3 1 1 12 52,2
3 0 76,7 44,7 8 1 1 0 43,1
1 0 38,7 20 10,2 1 1 6 25
2 0 56,4 32,7 10,1 1 1 6 35,2
3 0 76,7 44,7 8 1 1 6 40,8
1 0 38,7 20 10,2 1 0 0 18,2
1 0 41,5 20 10,2 1 1 0 20,1
2 0 48,8 28,5 8 1 0 0 22,7
2 0 57,4 33,5 10,1 1 1 0 27,6
3 0 76,7 44,7 8 1 1 0 36
1 0 37 17,5 8,3 0 1 7 17,8
2 0 54 30,5 8,3 0 1 7 25,9
3 0 68 42,5 8,3 0 1 7 32,6
1 0 40,5 16 11 0 1 3 19,8
2 0 61 31 11 0 1 3 29,9
3 0 80 45,6 11 0 1 3 39,2
1 0 52 21,2 11,2 1 1 18 22,4
2 0 78,1 40 11,6 1 1 18 35,2
3 0 91,6 53,8 16 1 0 18 41,2
1 0 39,9 19,3 8,4 0 1 6 17,8
2 0 56,2 31,4 11,1 0 1 6 25
3 0 79,1 42,4 15,5 0 1 6 35,2
4 0 91,6 55,2 9,4 0 1 6 40,8

2) Проведем
корреляционный анализ на выявление зависимости Y от представленных факторов в среде «СтатЭксперт».

Протокол корреляционного
анализа

Линейное уравнение регрессии

Главная цель анализа
данных состоит в выявлении корреляционной связи зависимой переменной Y с независимыми переменными Хi, а также выявление независимых
переменных, имеющих высокий уровень корреляции между собой.

Критическое значение
коэффициента корреляции rкр = 0,2002. Это означает, что все
коэффициенты корреляции, значения которых меньше rкр принимаются равными нулю, а связь между этими параметрами
считается незначимой.

Влияние независимой
переменной Х3, Х4, включенной в исследование, имеет
высокий уровень (r > 0,7),
причем это влияние положительно (rух3 = 0,872, rух4 = 0,917).

Х5 оказывает
умеренное положительное влияние на величину Y (rух5 = 0,303).

Х1, Х2,
Х6, Х7, Х8 не оказывают влияния на величину Y (rух2 = 0,010, rух6
= = — 0,104, rух7 = 0,119, rух8 = — 0,005).

3) Построим уравнение
регрессии, характеризующее зависимость цены от всех факторов, в линейной форме.

Линейная регрессия

Линейное уравнение регрессии

Уравнение будет иметь
вид:

у(х) = — 0,505 – 0,966х1
+ 0,824х2 + 0,390х3 + 0,191х4 + 0,091х5
+ 5,835х6 + 1,244х7 – 0,011х8

Линейная или близкая к
ней связь между факторами называется мультиколлинеарностью. Считают явление
мультиколлинеарности в исходных данных установленным, если коэффициент парной
корреляции между двумя переменными больше 0,7.

Рассмотрим матрицу парных
коэффициентов корреляции между факторами Хj, включенными в дальнейшем анализ.

Матрица парных корреляций

Линейное уравнение регрессии

Явление сильной
коллинеарности наблюдается между факторами:

Х1 и Х3,
т.к. rх1х3 = 0,872 > 0,7

Х1 и Х4,
т.к. rх1х4 = 0,917 > 0,7

Х3 и Х4,
т.к. rх3х4 = 0,966 > 0,7

4) Построим модель у = f (х3, х6, х7,
х8, z) в линейной
форме.

Линейное уравнение регрессии

Результаты регрессионного
анализа

Линейное уравнение регрессии

Модель в линейной форме
будет иметь вид:

у(х) = — 5,64 + 0,715х2
+ 0,475х3 + 6,786х6 + 1,284х7 – 0,037х8

Х6 (тип дома),
значимо воздействует на формирование цены квартиры в модели.

5) Оценим статистическую
значимость параметров регрессионной модели с помощью t-критерия; нулевую гипотезу о значимости уравнения регрессии
проверим с помощью F-критерия; оценим
качество уравнения регрессии с помощью коэффициента детерминации R2.

Характеристика остатков
линейной регрессии

Характеристика Значение
Среднее значение 0,000
Дисперсия 10,579
Приведенная дисперсия 12,220
Средний модуль остатков 2,237
Относительная ошибка 7,144
Критерий Дарбина-Уотсона 1,154
Коэффициент детерминации 0,991
F — значение ( n1 = 8, n2 = 58) 764,697
Критерий адекватности 36,993
Критерий точности 47,492
Критерий качества 44,867
Уравнение значимо с вероятностью 0.95

Коэффициент детерминации
показывает долю вариации результативного признака под воздействием изучаемых
факторов. Следовательно, около 99,1% вариации зависимой переменной учтено в
модели и обусловлено влиянием включенных факторов.

Табличное значение F-критерия (Fкрит) при доверительной вероятности 0,95 при n1 = 8 и n2 = 58 составляет 2,10. Проверка
гипотезы о значимости уравнения регрессии проводится на основании:

если Fфакт > Fкрит, то модель статистически значима;

если Fфакт < Fкрит, то модель статистически незначима.

Fфакт > Fкрит, значит модель статистически значима, т.е. пригодна к
использованию.

Оценим с помощью t-критерия Стьюдента статистическую
значимость коэффициентов уравнения регрессии.

Табличное значение t-критерия при 5% уровне значимости и
степени свободы k = 69-8-1 = 60 составляет
2,0003.

Если tрасч > tтабл, то коэффициент статистически значим.

Характеристика модели

Коэффициенты Стандартная ошибка t-статистика
Y-пересечение — 6,10491 1,867676003 — 3,268720937
Переменная Х 1 — 0,16426 1,096321271 — 0,149825399
Переменная Х 2 0,744173 0,335026167 2,221237839
Переменная Х 3 0,36827 0,092869614 3,965447278
Переменная Х 4 0,147869 0,132602783 1,115126788
Переменная Х 5 0,177213 0,195399452 0,906925347
Переменная Х 6 6,93635 0,869661345 7,975921084
Переменная Х 7 1,777648 1,124095736 1,581402513
Переменная Х 8 — 0,04802 0,072432334 — 0,662966567

tb0 = 3,2687 > 2,0003 => коэффициент регрессии b0 статистически значим;

tb1 = 0,1498 < 2,0003 => коэффициент регрессии b0 статистически незначим;

tb2 = 2,2212 > 2,0003 => коэффициент регрессии b0 статистически значим;

tb3 = 3,9654 > 2,0003 => коэффициент регрессии b0 статистически значим;

tb4 = 1,1151 < 2,0003 => коэффициент регрессии b0 статистически незначим;

tb5 = 0,9069 < 2,0003 => коэффициент регрессии b0 статистически незначим;

tb6 = 7,9759 > 2,0003 => коэффициент регрессии b0 статистически значим;

tb7 = 1,5814 < 2,0003 => коэффициент регрессии b0 статистически незначим;

tb7 = 0,6630 < 2,0003 => коэффициент регрессии b0 статистически незначим;

6) существует ли разница
в ценах на квартиры, расположенных в северной и южной частях Санкт-Петербурга?

tb2 = 2,2212 > 2,0003, tb3 = 3,9654 > 2,0003 и  tb6 = 7,9759 > 2,0003,

значит факторы Х2 (район
города), Х3 (общая площадь квартиры) и Х6 (тип дома) значимо влияют на
формирование цен на квартиры.

Анализ показал, что
разница в ценах на квартиры, расположенные в северной и южной частях
Санкт-Петербурга существенна, т.к. tb2
= 2,2212 > 2,0003.

Скачать реферат

Метки:
Автор: 

Опубликовать комментарий