Эконометрика лекции
Замечание Следует принять
Замечание.Следует принять во внимание условность всех сделанных выше выводов, поскольку нормальность распределений рассматриваемых показателей не подтверждается ни одним из критериев согласия. Предварительный вывод можно сделать на основании изучения гистограмм распределения показателей.
Рис.2.4. Диаграмма рассеяния признаков
Очевидно, что дальнейшее исследование этих данных с помощью регрессионного анализа не имеет смысла. Можно попытаться обнаружить зависимость между показателями, предварительно преобразовав их. Например, перейти к исследованию зависимости между логарифмами этих показателей.
Задание № 2.По данным ряда регионов за ноябрь 1997 г. требуется оценить зависимость потребительских расходов на душу населения (тыс. руб.) от средней заработанной платы и выплат социального характера (тыс. руб.).
Таблица 2.9
|
Таблица 2.9
Результаты расчёта описательных статистик
|
Статистики |
Потр._расх. |
Ср._з/п |
|
Выборочное среднее |
393,52 |
685,18 |
|
Выборочная дисперсия |
7179,62 |
16644,78 |
|
Выборочное ср. кв. |
84,73 |
129,01 |
|
Нижний квартиль |
354 |
577 |
|
Верхний квартиль |
432 |
796 |
|
Кварт. размах выборки |
78 |
219 |
|
95 % доверительный интервал для М(Х) |
(349,79; 436,92) |
(628,84; 761,51) |
|
99 % доверительный интервал М(Х) |
(333,33; 453,38) |
(603,78; 786,57) |
|
95 % доверительный интервал для D(Х) |
(3981,76; 16648,26) |
(9231,07; 38596,56) |
Выборочный коэффициент корреляции равен 0,58. При этом значение p = 0,014. Такая величина р-уровня свидетельствует о том, что коэффициент корреляции является статистически значимым. Другими словами, имеющиеся данные о среднемесячной заработанной плате и потребительских расходов на душу населения позволяют говорить о наличии средней статистической связи между этими показателями. Очевидно, что имеет смысл исследовать эту зависимость более детально средствами регрессионного анализа.
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