Контрольная работа по "Эконометрике"

                                     МИНОБРНАУКИ РОССИИ

          Федеральное государственное бюджетное образовательное

               учреждение высшего профессионального образования

                        «Челябинский государственный университет»

                                                 Миасский филиал

        

                

 

 

                                                Контрольная работа  В №1

                                       по дисциплине «ЭКОНОМЕТРИКА»

 

 

 

 

 

                                                                        Выполнил:  ЯрославцеваЗ.И.                                                                                                                                                                                                                        

                                                                        Группа: МФЗ-301

 

                                                                      Проверил: Каширская   Е.П.

 

 

 

 

 

 

                                             2012/13 уч. год

             

 

Задача:

По исходным данным Лабораторной работы 4 оцените методом наименьших квадратов множественную линейную зависимость Y от X1 и X2. Определите значимость коэффициентов регрессии. Сделайте выводы.

 

Решение.

  Для выполнения контрольной работы мы  используем элементами работы в пакете Econometric Views (Version 2.0) являются создание, открытие и сохранение  рабочего файла, групп, рядов, изменение размерности.

          Для создания рабочего файла выбрали в меню File / New / Workfile… и заполнили открывшееся диалоговое окно “Workfile Range”.

В поле «Start date» пишем начальный номер выборки 1, а в поле «End date», соответственно, конечный номер выборки 20. Таким образом, будет создан файл с максимальным размером выборки равный двадцати.

Для сохранения рабочего файла в окне рабочего файла нажали кнопку Save , выбрали в меню File / Save - Metod_iskl

Создали новый рабочий файл, в нем создали группу с именем Metod_iskl.

Создайте  ряды Y, X1, X2, X3, X4 и X5. Скопировали исходные данные из таблицы в группу Metod_iskl.

Для нахождения оценок коэффициентов регрессии  методом наименьших квадратов выбрали в меню Objects / New Object…, в появившемся окне выбрали тип объекта Equation, нажали OK. В появившемся окне “Equation Specification” ввели уравнение

Y=С(1)*Х1+C(2)*X2+C(3)*X3+C(4)*X4+C(5)*X5.

Нажали OK. Сохранили результаты оценки, нажав кнопку Name в окне “Equation” и указав имя.

Исследуйте  полученную модель на мультиколлинеарность. Для этого:

• определили стандартные ошибки (поле Std. Error в окне “Equation”). Большие стандартные ошибки по отношению к самой величине параметра указывают на подозрение мультиколлинеарности;
• оценили значимость коэффициентов регрессии (поле Prob. в окне “Equation”) и модели в целом (значение коэффициента детерминации R-squared в окне “Equation”). Малая значимость оценок при достаточно значимой модели в целом указывает на наличие мультикол-линеарности.

Dependent Variable: Y
Method: Least Squares
Date: 09/28/13   Time: 09:06
Sample: 2001 2020
Included observations: 20
Y=C(1)*X1+C(2)*X2
	Coefficient	Std. Error	t-Statistic	Prob.
C(1)	-0.055823	0.341118	-0.163649	0.8718
C(2)	31.95709	3.266711	9.782649	0.0000
R-squared	0.003911	Mean dependent var		9.225000
Adjusted R-squared	-0.051427	S.D. dependent var		2.701437
S.E. of regression	2.770030	Akaike info criterion		4.970233
Sum squared resid	138.1152	Schwarz criterion		5.069806
Log likelihood	-47.70233	Durbin-Watson stat		1.965402

 

• Coefficient – полученные оценки коэффициентов;
• Std.Error – стандартная ошибка оценки коэффициентов;
• t-Statistic – значение t-статистики на заданных выборках;
• Prob. – вероятность того, что гипотеза о незначимости коэффициента верна (Prob.<0.05 – коэффициент значим);
• R-squared – значение коэффициента детерминации, показывает, насколько построенная модель близка к выборке (0 £ R-squared £ 1, чем ближе R-squared к 1, тем модель ближе к выборке);
• F-statistic – значение F-критерия Фишера для заданной выборки;
• Prob(F-statistic) – вероятность того, что гипотеза о незначимости уравнения верна (Prob.<0.05 – уравнение значимо).

По условию задач  нам нужно определить значимость коэффициентов регрессии и сделать вывод.

Вероятность коэффициента (С(1)) = 0.8718 <0.05 –коэффициент  С1 значим.

Вероятность коэффициента (С(2)) = 0.0000> 0.05 - коэффициент С2 не значим.

 R-squared  =  0.003911 ближе к нулю, значит  модель Y=C(1)*X1+C(2)*X2 не близка к выборке.

Вывод: При рассмотрении данной модели: Y=C(1)*X1+C(2)*X2, выявили, что Вероятность коэффициента (С(1)) = 0.8718 <0.05 –коэффициент  С1 значим.

Вероятность  коэффициента (С(2)) = 0.0000> 0.05 - коэффициент  С2 не значим. Мы не можем пользоваться этой моделью, модель не описывает выборку.