3. Так как значение статистики Дарбина-Уотсона d далеко от 2, то следует устранить автокорреляцию остатков.
117. Для некоторой модели получена последовательность остатков:
|
i |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
|
|
ei |
0,5 |
0,2 |
-0,7 |
0,4 |
0,1 |
-0,5 |
0,3 |
0,1 |
-0,4 |
|
Рассчитать коэффициент автокорреляции остатков i |
и i 2 . При уровне |
||||||||||
значимости 0,05 с помощью теста Стьюдента исследовать наличие автокорреляции между случайными отклонениями i и i 2 .
118. Построена матрица коэффициентов корреляции между попарно объединенными переменными y (заработная плата), x1 (возраст), x2 (выработка за смену):
|
1 |
0,853056 |
0,849877 |
0,778766 |
|
|
|
|
|||||
|
|
|
|
|||
|
0,853056 |
1 |
0,935263 |
0,615448 |
||
|
0,849877 |
0,935263 |
1 |
|
. |
|
|
0,696661 |
|||||
|
|
|
|
|
||
|
0,778766 |
0,615448 |
0,696661 |
1 |
|
|
|
|
|||||
Путём анализа матрицы парных коэффициентов корреляции установить имеется ли мультиколлинеарность факторов.
3.3.Модели с фиктивными переменными
Врегрессионных моделях в качестве объясняющих переменных приходится использовать качественные признаки. Обычно влияние качественного фактора выражается в виде фиктивной переменной, которая может принимать только два значения: "0" или "1". Напри-
мер, модель заработной платы на предприятии может иметь вид:
|
|
p |
|
|
|
|
|
yi 0 j x ji |
1 zi i , |
i 1, n , |
|||
|
|
j 1 |
|
|
|
|
где x ji - обычные количественные признаки, |
zi фиктивная бинарная переменная: |
|||||
|
1, |
если i й работник мужского рода; |
||||
zi |
|
если i й работник женского рода. |
||||
|
0, |
|||||
Если число градаций качественного признака больше двух (например, уровень образования: начальное, среднее, высшее), то в модель вводится несколько бинарных фиктивных переменных. Их число должно быть на единицу меньше числа градаций признака.
Изменение значения фиктивной переменной может привести не только к изменению свободного члена регрессии, но и к изменению наклона прямой регрессии. Значимо ли мен я- ется наклон прямой можно установить по тесту Чоу. Пусть выборка имеет объем n и ее
можно разбить на две подвыборки объемами n1 и n2 ( n n1 n2 ) по градациям фиктивной
переменной. Введение в уравнение соответствующей фиктивной переменной необходимо, если статистика
|
|
n |
|
n1 |
|
n |
|
|
|
|
|
2 |
|
|
2 |
|
2 |
|
|
|
|
ei |
ei |
ei |
(n 2 p 2) |
|
|||
F |
i 1 |
|
i 1 |
|
i n1 1 |
|
|
, |
|
|
|
|
n1 |
|
n |
|
|
||
|
|
|
|
|
|
||||
|
|
|
|
2 |
|
2 |
|
|
|
|
|
|
|
ei |
ei |
( p 1) |
|
||
|
|
|
i 1 |
|
i n1 1 |
|
|
|
|
превышает Fкр , определяемое по заданному уровню значимости и числу степеней свобо-
ды k1 |
p 1 и k2 n 2 p 2 из таблиц распределения Фишера. |
|
||
|
|
n |
n1 |
n |
Здесь |
p число количественных факторов модели, |
ei2 |
, ei2 , |
ei2 - остаточные суммы |
|
|
i 1 |
i 1 |
i n1 1 |
квадратов соответственно для линейных уравнений регрессий, построенных для объединенной, первой и второй выборок.
Иногда фиктивные бинарные переменные могут быть использованы для объяснения поведения зависимой переменной. Наибольшее распространение при бинарном выборе, когда результирующий признак принимает только два значения, получили следующие модели:
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
- линейная вероятностная модель P(Y 1 |
|
x) 0 |
j x j ; |
|||||||||||
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
j 1 |
|
|
|
- logit |
модель P(Y 1 |
|
x) |
|
1 |
. |
|
|
|
|
||||
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
||||||||
|
|
( 0 j x j ) |
|
|
|
|
|||||||||
|
|
|
|
|
|
1 e |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
119*. Имеются следующие данные о весе |
y (в фунтах) и возрасте x (в неделях) |
||||||||||||||
14 индеек, выращенных в областях А, В, С: |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||
|
i |
xi |
yi |
Область происхождения |
i |
xi |
yi |
Область происхождения |
|
||||||
|
1 |
28 |
12,3 |
|
|
A |
|
8 |
26 |
11,8 |
B |
|
|||
|
2 |
20 |
8,9 |
|
|
A |
|
9 |
21 |
11,5 |
C |
|
|||
|
3 |
32 |
15,1 |
|
|
A |
|
10 |
27 |
14,2 |
C |
|
|||
|
4 |
22 |
10,4 |
|
|
A |
|
11 |
29 |
15,4 |
C |
|
|||
|
5 |
29 |
13,1 |
|
|
B |
|
12 |
23 |
13,1 |
C |
|
|||
|
6 |
27 |
12,4 |
|
|
B |
|
13 |
25 |
13,8 |
C |
|
|||
7 |
28 |
13,2 |
|
|
B |
|
14 |
24 |
13,4 |
C |
|||||
Требуется:
1. Найти уравнение парной регрессии y по x и оценить его значимость.
2.Введя соответствующие фиктивные переменные, найти общее уравнение множественной регрессии y по всем объясняющим переменным (включая фиктивные).
3.Оценить значимость общего уравнения регрессии по F-критерию и значимость его параметров по t-критерию на уровне 0,05.
4.Оценить на уровне 0,05 значимость различия между свободными членами уравнений, получаемых из общего уравнения множественной регрессии y для каждой области.
120*. На предприятии используются станки трех фирм (А, В, С). Исследуется надежность этих станков. При этом учитывается возраст станка ( x , в месяцах) и время безаварийной работы до последней поломки ( y , в часах). Выборка из 40 станков дала следующие результаты:
|
Фирма |
|
А |
|
В |
С |
А |
С |
А |
В |
С |
В |
|
А |
|
||||
|
x |
|
23 |
|
30 |
|
65 |
|
69 |
|
75 |
63 |
25 |
75 |
75 |
|
52 |
|
|
|
y |
|
280 |
|
230 |
112 |
|
176 |
90 |
176 |
216 |
110 |
45 |
|
200 |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Фирма |
|
|
В |
|
С |
|
С |
|
В |
|
А |
А |
С |
В |
А |
А |
|
|
|
x |
|
20 |
70 |
|
62 |
|
40 |
|
66 |
20 |
39 |
25 |
48 |
|
59 |
|
||
|
y |
|
265 |
148 |
|
150 |
|
176 |
|
123 |
245 |
176 |
260 |
236 |
205 |
|
|||
|
Фирма |
А |
В |
А |
С |
В |
А |
С |
В |
|
А |
В |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
25 |
69 |
71 |
26 |
45 |
40 |
30 |
69 |
|
30 |
22 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
240 |
65 |
115 |
200 |
126 |
225 |
210 |
45 |
|
260 |
220 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Фирма |
В |
С |
А |
В |
А |
С |
В |
А |
В |
А |
|
|
|
x |
33 |
48 |
75 |
21 |
56 |
58 |
50 |
37 |
|
56 |
67 |
|
|
y |
194 |
156 |
100 |
240 |
170 |
116 |
120 |
240 |
88 |
120 |
|
|
Требуется:
1.Оценить уравнение регрессии y 0 1 x без учета различия станков разных фирм.
2.Оценить уравнение регрессии, учитывающее различие качества станков разных фирм.
3.Сделать вывод о необходимости использования фиктивных переменных в этом случае.
121*. По данным о 20 рабочих цеха оценивается регрессия заработной платы
рабочего за месяц y ($) от возраста рабочего x |
(лет) и качественного фактора - |
|||||||||||
пола рабочего: |
|
|
|
|
|
|
|
|
|
|
|
|
|
Наблюдение |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
|
x |
29 |
40 |
36 |
32 |
23 |
45 |
38 |
40 |
50 |
47 |
|
|
y |
300 |
400 |
300 |
320 |
200 |
350 |
350 |
400 |
380 |
400 |
|
|
пол |
ж |
м |
ж |
ж |
м |
м |
ж |
м |
м |
м |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Наблюдение |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
20 |
|
|
x |
28 |
30 |
25 |
48 |
30 |
40 |
40 |
38 |
29 |
25 |
|
|
y |
250 |
350 |
200 |
400 |
220 |
320 |
390 |
360 |
260 |
250 |
|
|
пол |
ж |
м |
м |
м |
ж |
м |
м |
м |
ж |
м |
|
Требуется: |
|
|
|
|
|
|
|
|
|
|
|
|
1.Построить уравнение однофакторной регрессии без учета пола рабочего и оценить его качество, используя F и t статистики.
2.Введя в рассмотрение фиктивную переменную, получить двухфакторное уравнение регрессии и также оценить его качество.
3.Вывести частные уравнения регрессии (отдельно для рабочих разных полов) и сделать выводы.
122.При построении линейной зависимости расходов на одежду ( y ) от распо-
лагаемого дохода ( x ) по выборке для 10 женщин получены следующие суммы квадратов:
10 |
|
10 |
|
10 |
xi |
110, |
xi2 |
1540, |
yi |
i 1 |
|
i 1 |
|
i 1 |
10 |
|
10 |
|
60, yi2 |
448, |
xi yi |
828. |
i 1 |
|
i 1 |
|
Аналогичные вычисления сумм по выборке из 5 мужчин дали:
5 |
|
5 |
|
5 |
|
5 |
|
5 |
|
xi |
35, |
xi2 |
325, |
yi |
15, |
yi2 |
61, |
xi yi |
140. |
i 1 |
|
i 1 |
|
i 1 |
|
i 1 |
|
i 1 |
|
По общей (объединенной) выборке оценена регрессия с использованием фиктивной переменной z ( z =1 для мужчин и z =0 для женщин), которая имеет вид:
~ |
-0,06+0,438 x +0,46 z . |
y |
На уровне 0,05 с использованием теста Чоу проверить гипотезу о том, что функция потребления одна и та же для мужчин и женщин.
123. Исследуется зависимость заработной платы y от возраста рабочего x для мужчин и женщин. Оценивание объединенной регрессии ( n 20) и отдельных регрессий для рабочих-мужчин ( n1 13) и рабочих-женщин ( n2 7) дали следующие результаты:
Выборка |
Оцененное уравнение |
R2 |
Сумма квадратов остатков |
Объединенная |
~ |
0,728 |
24888 |
y 62,27 7,23x |
|||
Мужчины |
~ |
0,735 |
18619 |
y 55 7,39x |
|||
Женщины |
~ |
0,712 |
5658 |
y 59,43 7,3x |
Улучшилось ли качество регрессии после разделения выборки на части? Найти ответ на уровне значимости 0,05 с использованием критерия Чоу.
124. Исследуется вопрос о наличии собственного дома ( Y 1, если дом имеется; Y 0, если дома нет) в зависимости от совокупного дохода семьи ( X ). Выборка из 40 семей дала следующие результаты:
|
Семья |
1 |
|
2 |
|
3 |
|
4 |
|
5 |
6 |
7 |
8 |
9 |
10 |
|
||||||
|
X |
10 |
|
20 |
|
22 |
|
18 |
|
9 |
15 |
25 |
30 |
40 |
16 |
|
||||||
|
Y |
0 |
|
1 |
|
1 |
|
0 |
|
0 |
0 |
1 |
1 |
1 |
0 |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Семья |
|
11 |
|
12 |
|
13 |
|
14 |
|
15 |
|
16 |
|
17 |
|
18 |
|
19 |
|
20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
12 |
|
8 |
|
20 |
|
19 |
|
30 |
|
50 |
|
37 |
|
28 |
|
45 |
|
38 |
|
|
Y |
|
0 |
|
0 |
|
1 |
|
0 |
|
1 |
|
1 |
|
1 |
|
1 |
|
1 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
Семья |
|
21 |
|
22 |
|
23 |
|
24 |
|
25 |
|
26 |
|
27 |
|
28 |
|
29 |
|
30 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
30 |
|
12 |
|
16 |
|
27 |
|
19 |
|
15 |
|
32 |
|
18 |
|
43 |
|
13 |
|
|
Y |
|
1 |
|
0 |
|
0 |
|
1 |
|
0 |
|
0 |
|
1 |
|
0 |
|
1 |
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
Семья |
31 |
|
32 |
|
33 |
|
34 |
|
35 |
36 |
37 |
38 |
39 |
40 |
|
||||||
|
X |
22 |
|
14 |
|
10 |
|
17 |
|
36 |
45 |
14 |
22 |
41 |
34 |
|
||||||
|
Y |
1 |
|
0 |
|
0 |
|
0 |
|
1 |
1 |
0 |
1 |
1 |
1 |
|
||||||
Требуется:
1.Построить линейную вероятностную модель.
2.Оценить качество построенной модели.
3.Оценить вероятность того, что при доходе, равном 18. семья имеет дом.
125. В следующей таблице представлены данные о количестве семей ( N ), имеющих определенный уровень дохода ( X ), и количестве семей ( n ), имеющих частные дома:
X |
10 |
15 |
20 |
25 |
30 |
35 |
40 |
45 |
50 |
55 |
60 |
N |
35 |
45 |
60 |
80 |
100 |
130 |
90 |
65 |
50 |
30 |
15 |
n |
5 |
10 |
18 |
30 |
45 |
60 |
55 |
45 |
38 |
24 |
13 |
Требуется оценить logit-модель по МНК.