Множественная регрессия. Предварительная обработка данных. Удаление наблюдений по максимуму приращения коэффициента детерминации

Страницы работы

Содержание работы

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПЕЧАТИ

Кафедра прикладной математики и моделирования систем

ЭКОНОМЕТРИКА

Лабораторная работа №2 “Множественная регрессия”

Студент гр. Бд-3

Преподаватель

Москва

2008

Задание

С помощью пакета "Анализ данных" вычислить описательные статистики для результирующего и факторных признаков. Оценить показатели вариации каждого признака и сделать вывод о возможностях применения МНК для построения качественной модели регрессии.

С помощью пакета "Анализ данных" последовательно удалять аномальные наблюдения (не более 5%), добиваясь улучшения коэффициента детерминации. С помощью пакета Statistica выявить аномальные наблюдения в исходной выборке. Последовательно удалять аномальные наблюдения, добиваясь улучшения показателей вариации. На основе сравнения результатов, полученных двумя методами, сформировать выборку без аномальных наблюдений. После исключения аномальных наблюдений проанализировать линейные коэффициенты парной и частной корреляции.

С помощью пакета "Анализ данных" построить уравнение множественной регрессии в стандартизованной и естественной форме. Рассчитать средние коэффициенты эластичности, сравнить их с коэффициентами стандартизованного уравнения регрессии, пояснить различия между ними. Провести анализ мультиколлинеарности факторов. Рассчитать общий и частные F-критерии Фишера. Обосновать отбор факторов в модели линейной множественной регрессии и построить уравнение регрессии только с информативными факторами. Оценить качество этого уравнения регрессии.

С помощью пакета Statistica построить уравнение множественной регрессии с информативными факторами методами исключения и включения. Для модели с полным набором факторов применить метод ридж-регрессии с различными значениями параметра l, обосновать наиболее подходящую величину l. Выполнить матричные вычисления метода ридж-регрессии для стандартизованной модели и сравнить с результатами, полученными пакетом Statistica.

С помощью матричных вычислений и пакета Statistica провести расчеты точечного прогноза результативного показателя и построить доверительные интервалы прогноза. Проанализировать изменение ширины доверительного интервала при варьировании величины факторных признаков в диапазоне от их минимальных до максимальных значений.

Для уравнения множественной регрессии с информативными факторами провести анализ ряда остатков с помощью пакетов "Анализ данных" и Statistica. Построить графики остатков, выполнить тесты Гольдфельда-Квандта для проверки гомоскедастичности остатков и Дарбина-Уоотсона для проверки автокорреляции остатков, оценить соответствие ряда остатков нормальному закону распределения.

С помощью пакета "Анализ данных" и матричных вычислений построить уравнения регрессии, применив взвешенный метод наименьших квадратов (ВМНК). Рассмотреть различные версии моделей: с остатками, пропорциональными разным факторам в первой степени, их квадратам, расчетной величине результативного показателя.


Предварительная обработка

Исходные данные

Похожие материалы

Информация о работе

Предмет:
Эконометрика
Тип:
Практика
Размер файла:
2 Mb
Скачали:
0