- •УЧЕБНОЕ ПОСОБИЕ
- •Предисловие
- •1. Свободное программное обеспечение
- •1.1. Основные сведения о свободном программном обеспечении
- •1.2. Офисный пакет OpenOffice.org
- •Краткое описание
- •Установка пакета OpenOffice.org
- •Первый запуск OpenOffice.org
- •1.3. Электронные таблицы Gnumeric
- •1.4. Математический пакет Maxima
- •1.5. Пакет для статистических и эконометрических расчетов Gretl
- •2. Линейная алгебра и аналитическая геометрия
- •2.1. Примеры решения задач линейной алгебры при помощи электронных таблиц Gnumeric
- •Задача 2.1. Умножение матриц
- •Задача 2.2. Вычисление определителя
- •Задача 2.3. Вычисление обратной матрицы
- •3. Математический анализ
- •3.1. Программа Maxima как научный калькулятор
- •3.2. Задачи на нахождение пределов
- •3.4. Производная. Исследование функций
- •Задача 3.7. Поиск экстремумов.
- •Задача 3.8. Минимаксная задача.
- •Задача 3.9. Исследование функции и построение ее графика.
- •3.5. Интеграл
- •Задача 3.10. Неопределенный интеграл.
- •Задача 3.11. Определенный интеграл.
- •Задача 3.12. Несобственный интеграл.
- •3.7. Ряды
- •Задача 3.13. Сходимость и суммы числовых рядов.
- •Задача 3.14. Сходимость числового ряда.
- •Задача 3.15. Сходимость степенного ряда.
- •Задача 3.16. Разложение в ряд Тейлора.
- •3.8. Дифференциальные уравнения
- •Задача 3.18. Задача Коши.
- •4. Теория вероятностей и математическая статистика
- •4.1. Задачи теории вероятностей
- •Задача 4.1. Задача о лотерейных билетах.
- •Задача 4.2. Задача о днях рождения.
- •Задача 4.3. Задача об отказах. Распределение Пуассона.
- •Задача 4.4. Нормальное распределение.
- •4.2. Задачи математической статистики
- •Задача 4.5. Расчет доверительных интервалов.
- •Задача 4.6. Проверка гипотезы о равенстве средних
- •Задача 4.7. Проверка гипотезы о равенстве дисперсий
- •Задача 4.8. Проверка гипотезы о виде закона распределения.
- •5.1. Системы массового обслуживания
- •5.2. Линейное, целочисленное и нелинейное программирование
- •5.3. Задачи экономического моделирования
- •Задача 5.1. Система массового обслуживания.
- •Задача 5.2. Задача линейного программирования.
- •Задача 5.3. Транспортная задача
- •Задача 5.4. Задача о назначениях
- •Задача 5.5. Модель Леонтьева межотраслевого баланса
- •Задача 5.6. Формирование портфеля ценных бумаг
- •6. Эконометрика
- •6.1. Основные положения
- •6.2. Краткое описание пакета программ Gretl
- •6.3. Множественная регрессия
- •Расчет основных статистик.
- •Анализ корреляционной матрицы. Выбор значимых факторов.
- •Сравнение цен по городам
- •Проверка нормальности и гомоскедастичности остатков
- •Выводы
- •6.4. Анализ временных рядов
- •Выбор линии тренда
- •Автокорреляция остатков (прямые расчеты)
- •Авторегрессия
- •Сезонные колебания
- •6.5. Системы одновременных эконометрических уравнений
- •Заключение
- •Библиографический список
- •МАТЕМАТИКА В ЭКОНОМИКЕ
- •УЧЕБНОЕ ПОСОБИЕ
- •МАТЕМАТИКА В ЭКОНОМИКЕ
- •УЧЕБНОЕ ПОСОБИЕ
6.3. Множественная регрессия
По данным о рынке жилья в Московской области, представ-
ленным в табл. 6.1, исследуется зависимость между ценой квартиры
Y (тыс. долл.) и следующими основными факторами2:
Y – цена квартиры, тыс. долл.;
X1 – город области (1- Подольск, 2-Люберцы);
X2 – число комнат в квартире;
X3 – общая площадь квартиры (м2);
X4 – жилая площадь квартиры (м2);
X5 – этаж квартиры;
X6 – площадь кухни (м2).
Необходимо провести полный множественный анализ зависи-
мости признака Y от факторов X1…X6.
Задание: 1) построить линейную модель множественной рег-
рессии со всеми факторами; 2) исследовать корреляционную матри-
цу на мультиколлинеарность, исключить лишние факторы, исклю-
чить незначимые факторы и построить новую линейную модель; 3)
оценить адекватность обоих уравнений регрессии по критерию Фи-
2 Исходные данные взяты из журнала «Недвижимость и цены» 1-7 мая 2006 г. (вторичный источник: Эконометрика. Методические указания по выполнению лабораторной работы / к.э.н.,
профессор Орлова И.В., д.э.н., профессор Половников В.А., к.э.н., доцент Гусарова О.М. (Смоленск), к.э.н., доцент Малашенко В.М.(Брянск), к.ф.-м.н., доцент Филонова Е.С.(Орел) – М.:
ВЗФЭИ, 2007)
188
шера; 4) сравнить обе модели; 5) провести анализ на нормальность и гомоскедастичность остатков; 6) сравнить цены в обоих городах.
Доверительный уровень взять равным =0,05.
Расчет основных статистик.
1. Выбираем переменные: выделяем курсором первую нужную переменную (Y), нажимаем клавишу [Shift] на клавиатуре и выделя-
ем курсором последнюю переменную (X6). Можно также выделять переменные курсором по очереди, удерживая клавишу [Ctrl].
В первой строке программой вставлена вспомогательная пере-
менная, во второй строке находятся номера наблюдений (были в ис-
ходном файле данных).
2. Последовательно выбираем пункты меню [View] [Summary statistics] (рис. 6.5). После нажатия на последний, появляется окно с расчетными данными (рис. 6.6).
Рис. 6.5. Расчет основных статистик.
189
Полученные результаты можно сохранить, распечатать, скопи-
ровать или произвести в них поиск (соответствующие кнопки нахо-
дятся на верхней части панели окна основных статистик).
При копировании данных появляется окно выбора формата представления.
Копия результатов приведена ниже в табл. 6.1.
Рис. 6.6. Окно основных статистик.
Таблица 6.1.
Основные статистики исследуемых переменных. Полная вы-
борка.
Summary Statistics, using the observations 1 - 80
Variable |
Mean |
Median |
Minimum |
Maximum |
|
|
|
|
|
Y |
97,4439 |
85,0000 |
38,0000 |
280,000 |
|
|
|
|
|
X1 |
1,48750 |
1,00000 |
1,00000 |
2,00000 |
|
|
|
|
|
X2 |
2,50000 |
2,50000 |
1,00000 |
4,00000 |
|
|
|
|
|
X3 |
71,0662 |
66,3500 |
29,0000 |
169,500 |
|
|
|
|
|
190
X4 |
40,8312 |
38,4000 |
14,0000 |
91,0000 |
|
|
|
|
|
X5 |
6,33750 |
6,00000 |
1,00000 |
16,0000 |
|
|
|
|
|
X6 |
10,4163 |
10,0000 |
5,80000 |
21,0000 |
|
|
|
|
|
Variable |
Std. Dev. |
C.V. |
Skewness |
Ex. kurtosis |
|
|
|
|
|
Y |
54,2576 |
0,556808 |
1,51246 |
2,15444 |
|
|
|
|
|
X1 |
0,502997 |
0,338149 |
0,0500156 |
-1,99750 |
|
|
|
|
|
X2 |
1,12509 |
0,450035 |
0,000000 |
-1,36000 |
|
|
|
|
|
X3 |
30,0915 |
0,423429 |
1,16395 |
1,66153 |
|
|
|
|
|
X4 |
18,9478 |
0,464051 |
0,639572 |
0,00998983 |
|
|
|
|
|
X5 |
3,91668 |
0,618016 |
0,365690 |
-0,880473 |
|
|
|
|
|
X6 |
2,94263 |
0,282504 |
1,10553 |
2,41852 |
|
|
|
|
|
В табл. 6.1 приведены следующие статистики:
1 – среднее арифметическое (Mean);
2 – медиана (Median);
3 – минимальное значение (Minimum);
4– максимальное значение (Maximum);
5– стандартное (среднее квадратическое) отклонение (Std.
Dev.);
6– коэффициент вариации (C.V.);
7– коэффициент асимметрии (Skewness);
8– коэффициент концентрации (Ex. kurtosis).
191
Расчет коэффициентов линейного уравнения регрессии,
включающего в себя все факторы.
1. Последовательно выбираем пункты меню [Model] [Ordinary Least Squares…] (рис. 6.7).
2. Последовательно выбираем нажатием курсора признак (Y) и
факторы. Признак вводится нажатием кнопки [Choose ], а факторы
–[Add ] (рис. 6.8).
3.Нажимаем кнопку [OK]. Появляется окно с результатами расчетов (рис. 6.9).
4.Копируем результаты (рис. 6.9) и вставляем их в текст (табл.
6.2).
Рис. 6.7. Выбор типа модели.
192
Рис. 6.8. Выбор признака и факторов.
Рис. 6.9. Копирование результатов расчетов.
В табл. 6.2 представлены результаты расчета.
193
|
|
|
|
|
|
Таблица 6.2. |
||
|
|
Полная регрессионная модель |
|
|
||||
|
Model 1: OLS estimates using the 80 observations 1-80 |
|
|
|||||
|
|
|
Dependent variable: Y |
|
|
|
||
|
|
|
|
|
|
|
|
|
Variable |
|
Coefficient |
|
Std. Error |
t-statistic |
p-value |
|
|
|
|
|
|
|
|
|
|
|
const |
|
-15,3197 |
|
17,1902 |
-0,8912 |
0,37576 |
|
|
|
|
|
|
|
|
|
|
|
X1 |
|
14,2147 |
|
5,93004 |
2,3971 |
0,01909 |
** |
|
|
|
|
|
|
|
|
|
|
X2 |
|
-7,6137 |
|
7,03339 |
-1,0825 |
0,28259 |
|
|
|
|
|
|
|
|
|
|
|
X3 |
|
1,50654 |
|
0,408846 |
3,6849 |
0,00044 |
*** |
|
|
|
|
|
|
|
|
|
|
X4 |
|
0,714383 |
|
0,720081 |
0,9921 |
0,32443 |
|
|
|
|
|
|
|
|
|
|
|
X5 |
|
-0,0873794 |
|
0,785893 |
-0,1112 |
0,91177 |
|
|
|
|
|
|
|
|
|
|
|
X6 |
|
-2,40261 |
|
1,65697 |
-1,4500 |
0,15134 |
|
|
|
|
|
|
|
|
|
|
|
Mean of dependent variable = 97,4439
Standard deviation of dep. var. = 54,2576
Sum of squared residuals = 48718,8
Standard error of residuals = 25,8337
Unadjusted R2 = 0,790517
Adjusted R2 = 0,773299
F-statistic (6, 73) = 45,9128 (p-value < 0,00001)
Log-likelihood = -369,987
Akaike information criterion = 753,974
Schwarz Bayesian criterion = 770,648
Hannan-Quinn criterion = 760,659
По данным таблицы можно записать уравнение регрессии: y = -15,3197 + 14,2147 x1 - 7,6137 x2 + 1,50654 x3 +
+ 0,714383 x4 - 0,087379 x5 - 2,40261 x6
Коэффициент детерминации (Adjusted R2 = 0,773299) доста-
точно велик. Он показывает, что уравнение регрессии на 77% объяс-
194