Модель простой регрессии

Автор работы: Пользователь скрыл имя, 12 Марта 2016 в 11:51, контрольная работа

Описание работы

Математические модели широко используются в экономике, в финансах, в общественных науках. Обычно модели строятся и верифицируются на основе имеющихся наблюдений изучаемого показателя и, так называемых, объясняющих факторов. Язык экономики все больше становится математическим, а саму экономику все чаще упоминают как одну из наиболее математизированных наук. В течение последних десятилетий математические и, в частности, статистические методы в экономике стремительно развиваются. Свидетельством признания эконометрики является присуждение за наиболее выдающиеся работы в этой области Нобелевских премий по экономике: Р.Фришу и Я. Тинбергу (1969) за разработку математических методов анализа экономических процессов, Л. Клейну (1980) за создание эконометрических моделей и их применение к анализу экономических колебаний и экономической политике, Т. Хаавельмо (1989) за работы в области вероятностных основ эконометрики и анализ одновременных экономических структур, Дж. Хекману и Д. Макфаддену (2000) за развитие методов анализа селективных выборок и моделей дискретного выбора.

Скачать архив (268.63 Кб) Сколько стоит заказать работу?

Файлы: 1 файл

Kursovaya_Model_prostoy_regressii_116529.doc

— 1.05 Мб (Скачать файл)

Находим обратную матрицу (XTX)-1

0.77	0.000291	-0.0123	-0.0112	-0.11	-0.0512	-0.0363
0.000291	2.0E-6	-1.1E-5	1.3E-5	-4.2E-5	6.0E-6	-3.8E-5
-0.0123	-1.1E-5	0.000347	-0.000425	0.000918	0.000377	0.000183
-0.0112	1.3E-5	-0.000425	0.00444	0.000859	-0.00316	-0.00132
-0.11	-4.2E-5	0.000918	0.000859	0.0735	0.0373	0.0053
-0.0512	6.0E-6	0.000377	-0.00316	0.0373	0.0706	0.00292
-0.0363	-3.8E-5	0.000183	-0.00132	0.0053	0.00292	0.0186

Вектор оценок коэффициентов регрессии равен

Y(X) = (XTX)-1XTY =

569.36

-1.39

27.81

-20.91

-246.78

-188.75

-153.7

Уравнение регрессии (оценка уравнения регрессии)

Y = 569.36-1.39X1 + 27.81X2-20.91X3-246.78X4-188.75X5-153.7X6

2. Матрица парных коэффициентов корреляции R.

Число наблюдений n = 86. Число независимых переменных в модели равно 6, а число регрессоров с учетом единичного вектора равно числу неизвестных коэффициентов. С учетом признака Y, размерность матрицы становится равным 8. Матрица, независимых переменных Х имеет размерность (86 х 8).

Матрица, составленная из Y и X

1	820	62	41	6	0	1	1
1	2310	86	54	10	0	1	1
1	1550	60	45	6	1	0	1
1	1530	58	44	6	1	0	1
1	1600	59	43	6	1	0	1
1	870	57	43	6	0	1	1
1	870	60	42	6	0	0	1
1	1440	80	50	9	1	0	1
1	1100	60	42	6	0	0	1
1	730	57	39	6	1	1	1
1	1020	64	39	9	0	1	1
1	800	61	43	6	1	0	1
1	800	58	43	6	1	0	1
1	750	58	43	6	1	0	1
1	850	60	51	7	0	0	1
1	1350	88	54	10	1	1	1
1	1350	78	54	12	0	1	1
1	1350	87	57	12	1	0	1
1	2460	80	52	9	1	0	1
1	1000	55	40	6	1	0	1
1	830	47	34	6	1	1	1
1	820	47	34	6	1	1	1
1	820	47	34	6	1	0	1
1	930	47	34	6	1	1	1
1	820	48	34	6	1	0	1
1	1100	62	45	6	1	0	1
1	870	58	40	6	1	1	1
1	800	56	40	6	1	0	1
1	980	54	40	6	1	0	1
1	870	57	41	6	0	1	1
1	870	74	48	9	1	1	2
1	800	62	45	6	1	0	2
1	790	62	45	6	1	0	2
1	700	47	33	6	0	1	2
1	740	38	27	6	0	1	2
1	820	62	45	6	1	0	2
1	830	62	45	6	1	0	2
1	870	60	45	6	1	0	2
1	850	62	45	6	1	0	2
1	790	62	45	6	1	0	2
1	990	61	45	6	1	0	2
1	820	62	45	6	1	1	2
1	980	62	43	7	0	1	2
1	980	69	47	9	0	1	1
1	1200	61	43	7	1	0	2
1	1130	64	43	7	0	0	2
1	1070	70	48	9	0	1	2
1	3960	95	51	1	0	0	2
1	860	62	43	8	0	1	2
1	1100	63	43	7	0	1	2
1	1250	63	39	9	0	1	2
1	910	74	48	7	1	0	2
1	850	62	45	6	1	0	2
1	900	62	45	6	1	0	2
1	1400	80	50	12	0	1	2
1	950	63	39	9	1	1	2
1	960	62	39	9	1	0	2
1	1600	62	39	9	0	0	2
1	1300	65	40	9	0	0	2
1	1150	66	39	9	1	1	3
1	980	85	59	9	0	1	3
1	1000	82	50	11	0	0	3
1	820	65	47	10	0	1	3
1	800	64	47	8	0	1	3
1	1250	100	66	9	0	1	3
1	1120	80	52	10	0	1	3
1	660	47	34	6	1	0	3
1	680	48	33	6	1	0	3
1	790	67	43	6	0	1	3
1	800	57	41	7	0	1	3
1	920	61	38	9	0	1	3
1	630	53	35	6	1	0	3
1	800	66	44	9	1	0	3
1	720	57	43	6	1	0	3
1	900	65	39	9	0	0	3
1	970	90	60	7	0	1	3
1	780	65	45	6	0	1	3
1	850	74	36	9	1	0	3
1	79	760	56	6	1	0	3
1	1200	60	43	6	1	0	3
1	610	74	45	7	1	0	3
1	670	80	50	9	1	0	3
1	630	59	46	6	0	1	3
1	700	59	37	8	1	0	3
1	710	59	37	9	1	0	3
1	520	45	33	6	1	0	3

Транспонированная матрица. (приведена частично)

1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1
820	2310	1550	1530	1600	870	870	1440	1100	730	1020	800	800	750	850	1350	1350	1350	2460	1000	830	820	820	930	820	1100
62	86	60	58	59	57	60	80	60	57	64	61	58	58	60	88	78	87	80	55	47	47	47	47	48	62
41	54	45	44	43	43	42	50	42	39	39	43	43	43	51	54	54	57	52	40	34	34	34	34	34	45
6	10	6	6	6	6	6	9	6	6	9	6	6	6	7	10	12	12	9	6	6	6	6	6	6	6
0	0	1	1	1	0	0	1	0	1	0	1	1	1	0	1	0	1	1	1	1	1	1	1	1	1
1	1	0	0	0	1	0	0	0	1	1	0	0	0	0	1	1	0	0	0	1	1	0	1	0	0
1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1

Матрица ATA.

86	86399	6192	3751	625	51	36	168
86399	105195241	5812150	3854104	630254	47509	35500	160167
6192	5812150	936314	284459	45032	3828	2360	12952
3751	3854104	284459	167493	27630	2165	1595	7358
625	630254	45032	27630	4827	351	282	1240
51	47509	3828	2165	351	51	10	95
36	35500	2360	1595	282	10	36	71
168	160167	12952	7358	1240	95	71	386

Полученная матрица имеет следующее соответствие:

∑n	∑y	∑x1	∑x2	∑x3	∑x4	∑x5	∑x6
∑y	∑y2	∑x1 y	∑x2 y	∑x3 y	∑x4 y	∑x5 y	∑x6 y
∑x1	∑yx1	∑x1 2	∑x2 x1	∑x3 x1	∑x4 x1	∑x5 x1	∑x6 x1
∑x2	∑yx2	∑x1 x2	∑x2 2	∑x3 x2	∑x4 x2	∑x5 x2	∑x6 x2
∑x3	∑yx3	∑x1 x3	∑x2 x3	∑x3 2	∑x4 x3	∑x5 x3	∑x6 x3
∑x4	∑yx4	∑x1 x4	∑x2 x4	∑x3 x4	∑x4 2	∑x5 x4	∑x6 x4
∑x5	∑yx5	∑x1 x5	∑x2 x5	∑x3 x5	∑x4 x5	∑x5 2	∑x6 x5
∑x6	∑yx6	∑x1 x6	∑x2 x6	∑x3 x6	∑x4 x6	∑x5 x6	∑x6 2

Информация о работе Модель простой регрессии