Страницу Назад
Поискать другие аналоги этой работы
50 Контрольная работа. Эконометрика. Вариант №1ID: 159320Дата закачки: 15 Ноября 2015 Продавец: 7059520 (Напишите, если есть вопросы) Посмотреть другие работы этого продавца Тип работы: Работа Контрольная Форматы файлов: Microsoft Word Сдано в учебном заведении: СибГУТИ Описание: Описание данных и задание Рассматривается модель линейной регрессии ;Y — зависимая переменная; X j — факторы регрессии; i — номер наблюдения; действуют стандартные предположения линейной регрессии; Задание 1. Оценка параметров регрессии МНК, базовая «инференция» о модели (t-критерий, F-критерий), базовый анализ остатков модели. Проделайте необходимые расчеты в среде MATRIXER , приведите их результаты и прокомментируйте согласно пунктам 1.1. — 1.5. задания. 1.1. Оцените параметры линейной регрессии МНК; 1.2. Оцените значимость каждого фактора в отдельности по t-критерию; 1.3. Оцените совместную значимость всех факторов по F-критерию; 1.4. Проверка гетероскедастичности остатков (используйте результаты оценивания, приведенные в базовых статистиках уравнения в среде MATRIXER); 1.5. Проверка нормальности остатков (используйте результаты оценивания, приведенные в базовых статистиках уравнения в среде MATRIXER); Задание 2. Проверка ряда гипотез о модели с помощью классических критериев, основанных на оценках регрессии МНК с ограничениями. Следуйте комментариям к пунктам 2.1. — 2.4., развернуто ответьте на все заданные вопросы. 2.1. Проверить совместную значимость факторов X1, X3; Постройте вспомогательную регрессию, не включающую в себя переменные X 1 и X 3 . Сравните регрессии (исходную и вспомогательную) по сумме квадратов остатков, постройте F -Статистику для проверки существенности ограничений. Сколько ограничений в данном случае проверяется? Какая из регрессий является регрессией без ограничений, а какая с учетом ограничений? Каково значение статистики и РДУЗ? Каков результат теста и его интерпретация? 2.2. RESET тест Рамсея; После оценки исходного уравнения регрессии сохраните в отдельную переменную расчетные значения зависимой переменной (скрытая матрица \\ Fitted , дайте ей новое имя) и постройте вспомогательную регрессию, в которой факторами являются не только переменные X 1 — X 3 , но и квадрат и куб расчетных значений исходного уравнения. Постройте F -статистику для проверки совместной значимости добавленных факторов. Сколько ограничений в данном случае проверяется? Какая из регрессий является регрессией без ограничений, а какая с учетом ограничений? Каково значение статистики и РДУЗ? Каков результат теста и его интерпретация? 2.3. Проверка постоянства коэффициентов тестом Чоу I формы (выборку делить пополам) Создайте вспомогательную переменную (назовите ее, скажем, Chow _ Break ), и задайте ей значения (можно в ручную редактированием в среде MATRIXER , а можно предварительно создать переменную в среде Excel , а затем скопировать в MATRIXER ) — переменная принимает значение 1 для первой половины наблюдений, а для второй половины наблюдений — значение 0. Оцените вспомогательную регрессию, в которой вместо исходных факторов X 1, X 2, X 3 участвует набор факторов X 1* Chow _ Break , X 2* Chow _ Break , X 3* Chow _ Break , X 1*(1- Chow _ Break ), X 2*(1- Chow _ Break ), X 3*(1- Chow _ Break ). Создавать новые факторы не обязательно, достаточно указать их формулы непосредственно в строке команд при записи команды для оценки регрессии МНК. Сравните полученную вспомогательную и исходную регрессии, постройте F -статистику для проверки равенства коэффициентов при «разных половинах» исходных факторов во вспомогательной регрессии. Сколько ограничений в данном случае проверяется? Какая из регрессий является регрессией без ограничений, а какая с учетом ограничений? Каково значение статистики и РДУЗ? Каков результат теста и его интерпретация? 2.4. Проверка гетероскедастичности (тест Бреуша – Годфри – Пагана); После оценки исходной регрессии сохраните в отдельную переменную остатки из уравнения (скрытая матрица \\ Resids , дайте ей новое имя, например, Resid 1 ) и рассчитайте квадрат остатков (введите в командное окно команду R esid2:= R esid1^2 и нажмите «Выполнить», теперь в переменной Resid 2 — квадраты остатков исходного уравнения). Создайте вспомогательную регрессию, где в качестве зависимой выступает переменная Resi d2 , а факторы — исходный набор факторов, номер наблюдения (для него придется создать отдельную переменную, либо используйте интерактивную переменную $ i ) , квадраты факторов (также подумайте, какие еще переменные можно добавить в эту регрессию). Оцените вклад каждого из этих факторов в зависимую переменную, есть ли между ней и какими-либо факторами существенная корреляция? Проверьте совместную значимость всех факторов в этой вспомогательной регрессии, при необходимости удалите незначимые факторы и переоцените уравнение. Какова интерпретация результата? Как можно использовать результаты этого теста? Задание 2 2.1. Проверка совместной значимости факторов X1, X3 Построим вспомогательную регрессию, не включающую в себя переменные X1 и X3. Результаты построения и анализа: Обычный метод наименьших квадратов (линейная регрессия) Зависимая переменная: Matrix[Y] Количество наблюдений: 480 Переменная Коэффициент Станд. ошибка t-статистика Знач. 1 Константа 256.92870913 1.4669286141 175.1473839 [0.0000] 2 Matrix[X2] 2.2182524296 0.1871180973 11.854825705 [0.0000] R^2adj. = 22.559186718% DW = 2.0040 R^2 = 22.720858562% S.E. = 27.909159505 Сумма квадратов остатков: 372324.326087608 Максимум логарифмической функции правдоподобия: -2277.98677445969 AIC = 9.4999448936 BIC = 9.517335669 F(1,478) = 140.5369 [0.0000] Нормальность: Chi^2(2) = 3.713811 [0.1562] Гетероскедастичность: Chi^2(1) = 0.330998 [0.5651] Функциональная форма: Chi^2(1) = 3.321851 [0.0684] AR(1) в ошибке: Chi^2(1) = 0.002118 [0.9633] ARCH(1) в ошибке: Chi^2(1) = 2.102416 [0.1471] Сумма квадратов остатков во вспомогательной матрице составляет ≈ 372324, что на 63050 или в 1,2 раза больше, чем в исходной (≈309274). Очевидно, из этого следует вывод о сильной зависимости Y от переменных X1 и Х3 (которые во вспомогательной матрице не учитывали). Для проверки существенности ограничений в исходной регрессии используем «Критерий удаления переменных», где выбираем Х1 и Х3. F-статистика для проверки существенности ограничений: F(2,476) = 48.52009 [0.0000] Нулевая гипотеза состоит в существенности ограничений (одновременное равенство нулю коэффициентов при выбранных переменных), малое значение РДУЗ говорит, что гипотезу следует отвергнуть, т.е. данная группа факторов значима и не может быть исключена. 2.2. RESET тест Рамсея Построим вспомогательную регрессию, в которой факторами являются не только переменные X 1 — X 3 , но и квадрат и куб расчетных значений исходного уравнения. Размер файла: 17,4 Кбайт Фаил: (.zip) ------------------- Обратите внимание, что преподаватели часто переставляют варианты и меняют исходные данные! Если вы хотите, чтобы работа точно соответствовала, смотрите исходные данные. Если их нет, обратитесь к продавцу или к нам в тех. поддержку. Имейте ввиду, что согласно гарантии возврата средств, мы не возвращаем деньги если вариант окажется не тот. -------------------
Скачано: 1 Коментариев: 0 |
||||
Есть вопросы? Посмотри часто задаваемые вопросы и ответы на них. Опять не то? Мы можем помочь сделать! Некоторые похожие работы:Контрольная работа по дисциплине «Эконометрика». Вариант №1.Контрольная работа по дисциплине: Эконометрика. Вариант №5 Контрольная работа по дисциплине: «Эконометрика». Вариант №4. Контрольная работа по дисциплине: Эконометрика. Вариант №4 Контрольная работа по дисциплине: Эконометрика. Вариант №5. Контрольная работа по дисциплине: Эконометрика. Вариант №13 Контрольная работа по дисциплине: Эконометрика. Вариант №8 Ещё искать по базе с такими же ключевыми словами. |
||||
Не можешь найти то что нужно? Мы можем помочь сделать! От 350 руб. за реферат, низкие цены. Спеши, предложение ограничено ! |
Вход в аккаунт:
Страницу Назад
Cодержание / Эконометрика / Контрольная работа. Эконометрика. Вариант №1
Вход в аккаунт: