![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
Визуальный анализ графика показывает, что если исключить военные годы, то прослеживается линейная зависимость от
. Наблюдения, относящиеся к военному периоду (1942 – 1945 гг.), представляют собой явные «выбросы». Регрессия
на
: по всем наблюдениям дает следующие результаты:
Dependent Variable:
Variable | Coefficient | Std. Error | ![]() | Probability |
![]() | -14.362 | 7.543 | -1.904 | 0.0777 |
![]() | 0.192 | 0.030 | 6.368 | 0.0000 |
![]() | 0.7434 |
Та же регрессия, но проведенная по наблюдениям без военного периода, выглядит так:
Dependent Variable:
Variable | Coefficient | Std. Error | ![]() | Probability |
![]() | -3,335 | 4,086 | -0,816 | 0.4334 |
![]() | 0,167 | 0.015 | 10,872 | 0.0000 |
![]() | 0.9220 |
Сравнение этих двух регрессий подтверждает тот факт, что наблюдения, относящиеся к военному периоду, не очень хорошо укладываются в общую картину: во второй регрессии выше значение -статистики коэффициента при
и существенно выше коэффициент детерминации.
Можно более строго обосновать различие моделей для мирного и военного времени, например, с помощью теста Чоу. Разбивая все наблюдения на две группы мирное время (1939 – 1941 гг., 1946 – 1954 гг.) и военное время (1942 – 1945 гг.) – и применяя к исходной регрессии ,
тест Чоу, получаем значение соответствующей
-статистики
и
-значение
, что позволяет уверенно отвергнуть гипотезу о совпадении моделей для мирного и военного времени.
Этот же вывод можно получить, не применяя тест Чоу, а используя фиктивную переменную, позволяющую разделить мирное и военное время. Введем переменную , которая принимает значение 1 для наблюдений, относящихся к военному времени (1942 – 1945 гг.), и 0 – к мирному времени (1939 – 1941 гг., 1946 – 1654 гг.). Тогда гипотезу о совпадении моделей для мирного и военного времени можно тестировать следующим образом: провести регрессию
на константу,
,
и произведение
на
, а затем проверить совместную значимость двух последних коэффициентов. Ниже приведены результаты регрессии:
Dependent Variable:
Variable | Coefficient | Std. Error | ![]() | Probability |
![]() | -3.335 | 3.836 | -0.870 | 0.4016 |
![]() | 0.167 | 0.014 | 11.583 | 0.0000 |
![]() | 14.579 | 21.763 | 0.669 | 0.5162 |
![]() | -0.182 | 0.111 | -1.638 | 0.1273 |
![]() | 0.9541 |
Применяя -тест для проверки гипотезы:
, получаем значение соответствующей
-статистики
, что (как и следовало ожидать) совпадает со значением
-статистики, полученной в тесте Чоу. Отметим также, что в последней регрессии каждый из коэффициентов
и
незначим, в то время как совместно они являются значимыми, что позволяет уверенно отвергнуть гипотезу
.
Задача 22. Таблица содержит данные об объеме импорта (млрд. долл.), валовом национальном продукте
(млрд. долл.) и индексе потребительских цен
в США за период с 1964 по 1979 г.
Годы | ![]() | ![]() | ![]() | Годы | ![]() | ![]() | ![]() | |
28.4 | 635.7 | 92.9 | 75.9 | 1171.1 | 125.3 | |||
32.0 | 688.1 | 94.5 | 94.4 | 1306.6 | 133.1 | |||
37.7 | 753.0 | 97.2 | 131.9 | 1412.9 | 147.7 | |||
40.6 | 796.3 | 100.0 | 126.9 | 1528.8 | 161.2 | |||
47.7 | 868.5 | 104.2 | 155.4 | 1702.2 | 170.5 | |||
52.9 | 935.5 | 109.8 | 185.8 | 1899.5 | 181.5 | |||
58.5 | 982.4 | 116.3 | 217.5 | 2127.6 | 195.4 | |||
64.0 | 1063.4 | 121.3 | 260.9 | 2368.5 | 217.4 |
1) Вычислите выборочный коэффициент корреляции между и
;
2) Оцените регрессию на константу
;
3) Оцените регрессию на константу
;
4) Оцените регрессию на константу,
и
.
Как можно проинтерпретировать полученные результаты?
Можно ли ограничиться только одной из регрессий 2) или 3)?
Дата публикования: 2015-01-10; Прочитано: 648 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!