Регрессионный анализ по курсу Эконометрика

Исходные данные
Исходные данные необходимо найти самостоятельно.
Для этого необходимо:
1. Определить сферу, которую Вы хотели бы изучить;
2. Выбрать не менее 3-х показателей, характеризующих конкретный социально-экономический процесс;
3. Найти данные по временным рядам выбранных показателей длиной не менее 10 уровней.
...

Задание
1. Оценить параметры регрессионной модели (предполагается линейная модель);
2. Проверить значимость уравнения регрессии;
3. Проверить значимость коэффициентов регрессии;
4. Для значимых коэффициентов построить доверительный интервал.

Предлагаемые источники информации (пример):
• www.cbr.ru – Центральный банк России
• www.gks.ru – Федеральное агентство по статистике (Росстат)
• www.rbc.ru – информационно-аналитический портал
• www.finam.ru – информационно-аналитический портал

2009120,3 139,6 124,8 124,3 100,4 100,6 100,2 100,5янв. 201077 55,4 78 76,7 101,6 101,4 100,2 103,9фев. 201096,5 122,3 101 100,1 100,9 101,3 100,3 101,0мар. 2010107,9 102,9 108,2 107,5 100,6 101,0 100,4100,4 апр. 2010100,4 109,2 99 98,7 100,3 100,3 100,3 100,2май. 2010102,1 92,8 99,7 99,2 100,5 100,7 100,4 100,4июн.2010101 103,6 106,5 101 103,6 106,5 106,1 100,4 100,5 100,2 100,4Вначале выполним корреляционный анализ макроэкономических показателей. Результаты расчетов приведены в табл. 2. Таблица 2.6.1.1 Корреляционный анализкоэффициенты корреляцииI RT (y)I RR (x1)I NWP (x2)I RWP (x3)IPC (x4)IPCF (x5)IPCG (x6)I RT x10,803I RR x2 0,935 0,842 I NWPx30,942 0,841 0,999I RWPx4-0,645 -0,462 -0,524 -0,563 IPCF(x5)-0,238-0,091 -0,129 -0,172 0,819IPCG(x6)0,077 -0,088 -0,126-0,143 0,339 0,294IPCS(x7)-0,813 -0,700 -0,702 -0,723 0,817 0,389 -0,019Согласно приведенной таблице 2. коэффициентов линейной парной корреляции, можно сделать следующие выводы: - наблюдалась сильная прямая связь темпа изменения оборота розничной торговли с темпами изменения реальных располагаемых денежных доходов на душу населения, номинальной и реальной заработных плат; - имелась сильная обратная связь между темпами изменения оборота розничной торговли и цен платных услуг населению; - присутствовала умеренная обратная связь между темпами изменения оборота розничной торговли и потребительских цен товаров и услуг в целом; - имелась слабая связь между темпами изменения оборота розничной торговли и цен продовольственных и непродовольственных товаров; - обратная связь темпов изменения доходов и заработных плат россиян с темпами изменения цен платных услуг населению и потребительских цен товаров и услуг в целом была менее существенной, чем связь данных показателей с темпом изменения оборота розничной торговли.Результаты корреляционного анализа говорят о возможности построения линейных моделей регрессии для темпа изменения оборота розничной торговли РФ. Согласно требованиям, факторы, включаемые в модель линейной регрессии, должны быть существенно связаны с моделируемым показателем. Следовательно, нельзя включать в модель темпы изменения цен продовольственных (x5) и непродовольственных товаров (x6). Можно 23 предложить к рассмотрению следующие варианты линейной функции регрессии с одним существенным фактором:y ˆ a1 b1x1 y ˆ a2 b2x2 y ˆ a3 b3x3 y ˆ a7 b7x7Согласно требованиям, факторы, включаемые в модель линейной регрессии, не должны быть связаны функционально. Нельзя включать в модель одновременно показатели, связанные с точки зрения методики их расчета: - реальные располагаемые денежные доходы на душу населения 1x и номинальную заработную плату 2x, - реальные располагаемые денежные доходы на душу населения 1 x и реальную заработную плату 3 x, - номинальную заработную плату 2 x и реальную заработную плату 3 x, - индекс потребительских цен товаров и услуг 4 x и индекс потребительских цен платных услуг населению 7 x. Согласно требованиям, факторы, включаемые в модель линейной регрессии, должны быть связаны друг с другом менее существенно, чем с моделируемым показателем. Можно предложить к рассмотрению следующие варианты линейной функции регрессии с двумя факторами:y ˆ a14 b1 x1 b4 x4 y ˆ a24 b2 x2 b4 x4y ˆ a34 b3 x3 b4 x4 y ˆ a17 b1 x1 b7 x7 y ˆ a27 b2x2 b7 x7 y ˆ a37 b3x3 b7 x7 Следует отметить то, что количество вариантов значений по всем показателям n 30 вполне достаточно, чтобы включить в модель два фактора. Оценим параметры предложенных моделей регрессии, с помощью метода наименьших квадратов, реализованного в инструменте Регрессия Анализа Данных MS EXCEL. Модели принимают вид:39 1 y ˆ 60,86 0,39X12 y ˆ 6,70 0,92x23 y ˆ 8,64 0,91x34 y ˆ1137,84 10,29x47 y ˆ 639,23 5,33x76. y ˆ 629,17 0,31x1 5,56x4 7. y ˆ 361,45 0,81x2 3,41x48. y ˆ 288,15 0,81x3 2,68x49. y ˆ 404,12 0,22x1 3,23x7 10. y ˆ 233,47 0,71x2 2,03X711.