Эконометрика лекции

Сделанные выводы о значимости

Сделанные выводы о значимости уравнения регрессии подтверждаются и результатами дисперсионного анализа, таблица которого представлена ниже

                                                                             Таблица 2.11

Дисперсионный анализ уравнения регрессии

Парное уравнение регрессии, как известно, может быть представлено

графически. В данном случае регрессионной модели будет соответствовать уравнение прямой  у = 127,83 +.0,38х  на плоскости. Пакет STATISTICA позволяет получить график этой прямой, который представлен на рис. 2.5.

Рис. 2.5. Графическое представление регрессионной модели

На этом графике по горизонтальной оси отложены значения независимой переменной (средней заработанной платы СР_ЗП), а по вертикальной оси – значения зависимой переменной (потребительских расходов ПОТР_РАС). Точками на плоскости отмечены исходные данные. Прямая линия соответствует регрессионной модели. Выше и ниже прямой расположены линии, обозначающие границы 95 % доверительного интервала для прогноза значений зависимой переменной.

Оценка качества полученной модели и все, сделанные ранее выводы о значимости параметров, как известно, будут справедливы лишь при выполнении условий теоремы Гаусса-Маркова, дополненных требованием нормальности распределения случайной составляющей уравнения регрессии. В качестве оценки случайной составляющей рассматриваются остатки построенного уравнения. Поэтому оценка качества полученной модели включает в себя исследование остатков.

График зависимости остатков от величин предсказанных значений зависимой переменной, представленный ниже, позволяет оценить характер отклонений наблюдаемых значений от построенного уравнения прямой.

Исследование этого графика показывает, что отклонения наблюдаемых значений от построенной прямой носит случайный характер и не имеет систематических отклонений в какую-либо одну сторону. Большинство значений остатков не выходит за границы 95 % доверительного интервала для расчётных значений зависимой переменной.

 

Рис. 2.6. График остатков уравнения регрессии

назад          далее

   

Параграфы

• Сущность  и  история возникновения  эконометрики
• </b>Парный  регрессионный анализ
• Множественная  регрессия
• Гетероскедастичность  моделей, ее  обнаружение  и  методы  устранения  гетероскедастичности
• прогнозирование  временных  рядов
• Сглаживание Временных рядов
• ОДНОВРЕМЕННЫЕ УРАВНЕНИЯ. МЕТОДЫ ИДЕНТИФИКАЦИИ
• Моделирование структурными  уравнениями
• РАЗНОСТНЫЕ  УРАВНЕНИЯ  И  ИХ  РЕШЕНИЕ
• Стационарные временные ряды авторегрессии-скользящего среднего
• Временные ряды с высокой изменчивостью
• Ложная регрессия, коинтеграция и  модели корректировки ошибок
• Элементы линейной алгебры
• Элементы теории вероятностей и математической статистики
• метод наименьших квадратов