Ниже приведено условие задачи и текстовая часть решения. Все решение полностью, в архиве rar, вы можете скачать. Некоторые символы могут не отображаться на странице, но в архиве в формате doc все отображается.Закачка решения начнется автоматически через 10 секунд. Если закачка не началась, кликните . Еще п римеры решения задач по эконометрике можно посмотреть

Видеоурок по решению этой задачи в Excel вы можете посмотреть

Задание 1.

По предложенным вам экспериментальным данным, представляющим собою макроэкономические показатели или показатели финансовой (денежно-кредитной) системы некоторой страны, т.е. случайной выборке объема n - построить математическую модель зависимости случайной величины Y от случайных величин X1 и X2. Построение и оценку качества экономико-математической (эконометрической) модели вести в следующей последовательности:
.Построить корреляционную матрицу для случайных величин и оценить статистическую значимость корреляции между ними.
.Исходя из наличия между эндогенной переменной и экзогенными переменными, линейной зависимости, оценить параметры регрессионной модели по методу наименьших квадратов. Вычислите вектора регрессионных значений эндогенной переменной и случайных отклонений.
.Найдите средние квадратические ошибки коэффициентов регрессии. Используя критерий Стьюдента проверьте статистическую значимость параметров модели. Здесь и далее принять уровень значимости 0,05(т. е. надежность 95%).
.Вычислите эмпирический коэффициент детерминации и скорректированный коэффициент детерминации. Проверьте, используя критерий Фишера, адекватность линейной модели.
.Установите наличие (отсутствие) автокорреляции случайных отклонений модели. Используйте для этого метод графического анализа, статистику Дарбина-Уотсона и критерий Бреуша-Годфри.
.Установите наличие (отсутствие) гетероскедастичности случайных отклонений модели. Используйте для этого графический анализ, тест Вайта и тест Парка для вариантов с добавочным индексом А (графический метод, тест Глейзера и тест Бреуша-Пагана для вариантов с добавочным индексом В).
.Обобщите результаты оценивания параметров модели и результаты проверки модели на адекватность.

В таблице 1.1. приведены ежеквартальные данные о валовом внутреннем продукте (млн. евро); экспорта товаров и услуг (млн. евро); эффективный обменный курс евро к национальной волюте для Испании на период с 2000 по 2007 годы.

Таблица 1.1.

Ежеквартальные данные о валовом внутреннем продукте, экспорте товаров и услуг, эффективном обменном курсе евро к национальной валюте для Исландии на период с 2000 по 2007 годы

	Регрессант Y	Регрессор X1	Регрессор X2
	ВВП, млн. евро	Импорт товаров и услуг, млн. евро	эффективный обменный курс евро к национальной волюте

Создадим файл с исходными данными в среде Microsoft Excel.

Исследуем степень корреляционной зависимости между переменными. Для этого построим корреляционную матрицу, используя средства «Анализа данных». Корреляционная матрица приведена в таблице 1.2.

Таблица 1.2.

Из корреляционной матрицы следует, что на валовой внутренний продукт оказывает влияние оба регрессанта, т. е. экспорт товаров и услуг и обменный курс национальной валюты имеют корреляционную связь с валовым внутренним продуктом. Так же можем отметить наличие корреляционной зависимости между объясняющими (экзогенными) переменными, это может свидетельствовать о наличии в модели явления мультиколлениарности. .

Построим многофакторную регрессионную модель, в которой зависимая переменная - Y валовой внутренний продукт.

Определим коэффициенты уравнения регрессии.

Y = b 0 + b 1 ∙X1 + b 2 ∙X2

Результаты множественной регрессии в численном виде представлены в табл. 1.3.

Таблица 1.3

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение
Y-пересечение
Переменная X 1
Переменная X 2

Регрессионная статистика
Множественный R
R-квадрат
Нормированный R-квадрат
Стандартная ошибка
Наблюдения
Дисперсионный анализ
					Значимость F
Регрессия

Как следует из данных, полученных с помощью Excel методом наименьших квадратов, полученная многофакторная модель будет иметь вид:

Y = -1046,49 + 2,0334∙X1 + 1828,83∙X2 (1.1)

(t ) (-2,311) (6,181) (3,265)

Уравнение (1.1) выражает зависимость валового внутреннего продукта (Y) от экспорта товаров и услуг (Х1), обменного курса евро к национальной валюте (Х2). Коэффициенты уравнения показывают количественное воздействие каждого фактора на результативный показатель при неизменности других. В нашем случае валовой внутренний продукт увеличивается на 2,033 ед. при увеличении экспорта товаров и услуг на 1 ед. при неизменности показателя обменного курса евро к национальной валюте; валовой внутренний продукт увеличивается на 18,288 ед. при увеличении обменного курса евро к национальной валюте на 1 ед. при неизменности показателя экспорта товаров и услуг. Случайное отклонение для коэффициента при переменной Х1 составляет 0,329; при переменной Х2 - 5,601; для свободного члена -452,86. .

v = n - m - 1 = 29; t кр. = t 0,025;29 = 2,364.

Сравнивая расчетную t-статистику коэффициентов уравнения с табличным значением, заключаем, что все коэффициенты уравнения регрессии будут значимы, за исключением свободного члена в уравнении регрессии.

Коэффициент детерминации R 2 = 0,8099;

Скорректированный на поте-рю степеней свободы коэффициент множественной детерминации AR 2 = 0,7968;

Критерий Фишера F = 61,766;

Уровень значимости модели р < 0,0000;

Согласно критерию Фишера данная модель адекватна. Так как уровень значимости модели меньше 0,00001.

Проверим остатки на наличие автокорреляции. Для этого найдем значение статистики Дарбина-Уотсона.

Промежуточные расчеты поместим в таблицу 1.4.

Таблица 1.4.

Остатки		(e t - e t-1) 2

По таблице приложения 4 определяем значащие точки d L и d U для 5% уровня значимости.

Для m = 2 и n = 32: d L = 1,28; d U = 1,57.

Так как DW < d L (1,1576<1,28), то нулевую гипотезу об отсутствии автокорреляции мы не можем принять. Следовательно, в модели присутствует автокорреляция остатков случайных отклонений.

Проверим наличие автокорреляции, используя тест Бреуша-Годфри. Тест основан на следующей идее: если имеется корреляция между соседними наблюдения-ми, то естественно ожидать, что в уравнении

(где e t — остатки регрессии, полученные обычным методом наи-меньших квадратов), коэффициент ρ окажется значимо отли-чающимся от нуля.

Значение коэффициента ρ представлено в таблице 1.5.

Таблица 1.5.

Проверим значимость коэффициента корреляции, находим наблюдаемое значение по формуле:

T>t кр, следовательно коэффициент корреляции значим, и в модели присутствует автокорреляция остатков случайных отклонений.

Проведем графический анализ гетероскедастичность. Построим график, где по оси абсцисс будем откладывать расчетные значения Y, полученные из эмперического уравнения регрессии, а по оси ординат квадраты остатков уравнения е 2 . График представлен на рисунке 1.1.

Рисунок 1.1.

Анализируя график, можем предположить непостоянство дисперсий. Т. е. наличие гетероскедастичности в модели.

Проверим наличие гетероскедастичности, используя тест Вайта.

Строим регрессию:

ε 2 = a + b 1 x 1 + b 11 x 1 2 + b 2 x 2 + b 22 x 2 2 + b 12 ∙x 1 ∙x 2

Результаты теста представлены в таблице 1.6.

Таблица 1.5.

					Значимость F
Регрессия

Результаты теста Уайта показывают отсутствие гетероскедастичности, так как при 5% уровне значимости F факт

Для проверки наличия гетероскедастичности воспользуемся тестом Парка. В Excel рассчитаем логарифмы значений e 2 , X1 и X2 (см. табл. 1.7).

Таблица 1.7.

Построим для каждой объясняющей переменной зависимости.

Результаты в таблицах 1.8- 1.9.

Таблица 1.8.

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение
Y-пересечение
Переменная X 1

Таблица 1.9.

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение
Y-пересечение
Переменная X 1

В таблицах 1.8 - 1.9 рассчитана t-статистика для каждого коэффициента b.

Определяем статистическую значимость полученных коэффициентов b. По таблице приложения 2 находим табличное значение коэффициента Стьюдента для уровня значимости a = 0,05 и числа степеней свободы v = n - 2 = 29. t a /2; v = t 0,025; 29 = 2,364.

Сравнивая рассчитанную t-статистику с табличной, получаем, что ни один коэффициент не является статистически значимым. Это говорит о отсутствии в модели гетероскедастичности.

Результаты теста Парка, подтвердили результаты теста Уайта.

Вывод:

Построенное уравнение регрессии (1.1), хотя и адекватно экспериментальным данным (имеет высокий коэффициент детерминации и значимую F-статистику, все коэффициенты регрессии статистически значимы), не может быть использовано в практических целях, так как оно имеет следующие недостатки: присутствует автокорреляция остатков случайных отклонений, имеется мультиколлинеарность.

Перечисленные недостатки могут привести к ненадежности оценок, выводы по t- и F- статистикам, определяющим значимость коэффициентов регрессии и детерминации, возможно, неверны.

Задание 2.

Используя данные из задания 1, сформулируйте и проверьте гипотезу о наличии на исследуемом временном интервале точки разрыва (имеется сдвиг свободного члена или коэффициента наклона). В случае, если предварительный графический анализ не подтверждает наличия разрыва на временном интервале, примите, что точка разрыва находится посередине.

На рисунке 2.1 представлен график зависимости величины валового внутреннего продукта от времени.

Предварительный графический анализ не подтверждает наличие разрыва на рассматриваемом временном интервале, предположим, что точка разрыва находится посередине рассматриваемого интервала.

Найдем зависимости валового внутреннего продукта от времени на каждом из двух интервалов времени, т. е. с 2000 года по 2003 год и с 2004 года по 2007 год. Так же найдем зависимость ВВП от времени на протяжении всего временного интервала.

Y1 - показатель ВВП с 2000 года по 2003 год; Y2 - показатель ВВП с 2004 года по 2007 год; Y - показатель ВВП с 2000 года по 2007 год. Найдем зависимости уравнения регрессии:

Y(t) = a + b∙t, Y1(t) = a 1 + b 1 (t); Y2(t) = a 2 + b 2 (t),

Где t - показатель времени.

Результаты моделирования в Eviews представлены в таблицах 2.1- 2.3 соответственно.

Рисунок 2.1.

Таблица 2.1.

Характеристики уравнения Y (t ).

					Значимость F
Регрессия

Таблица 2.2.

Характеристики уравнения Y 1(t ).

					Значимость F
Регрессия

Таблица 2.3

Характеристики уравнения Y 2(t ).

					Значимость F
Регрессия

Проведем тест Чоу, для оценки структурной стабильности тенденции изучаемого временного ряда.

Введем гипотезу Н 0: тенденция изучаемого ряда структурно стабильна.

Остаточная сумма квадратов по кусочно-линейной модели:

С кл ост = С 1 ост + С 2 ост = 158432 + 483329 = 641761.

Сокращение остаточной дисперсии при переходе от единого уравнения тренда к кусочно-линейной модели:

∆С ост = С ост - С кл ост = 1440584 - 641761 = 798823.

Так как число параметров в уравнениях Y(t), Y1(t) и Y2(t) одинаково и равно k, то фактическое значение F - критерия находим по формуле:

F факт = (798823/2)/(641761/(32 - 2∙2)) = 17,426.

Критическое (табличное) значение критерия Фишера для доверительной вероятности g = 0,95 и числа степеней свободы v 1 = k = 2 и v 2 = n - 2∙k = 32 - 2∙2 = 28: F кр . = F 0,05; 2; 2 8 = 3,34. .

F факт > F табл - уравнения Y1(t) и Y2(t) описывают не одну и ту же тенденцию, а различия численных оценок их параметров а 1 и а 2 , а так же b 1 и b 2 соответственно статистически значимы. Следовательно, можно утверждать, что в середине рассматриваемого временного интервала ряд имеет точку разрыва.

Задание 3.

Введите в эконометрическую модель, построенную в задании 1 сезонные фиктивные переменные и с помощью соответствующей модели исследуйте наличие или отсутствие сезонных колебаний.

Так как в уравнении (1.1) задачи 1 переменные Х1 и Х2 является статистически значимыми, то для дальнейшего анализа воспользуемся моделью, полученную нами в задании 1:

Y = -1046,49 + 2,0334∙X1 + 1828,83∙X2 (3.1)

(t ) (-2,311) (6,181) (3,265)

Значимость коэффициентов уравнения (3.1) высокая. На рисунках 3.1 и 3.3 представлены графики переменных Y, Х1 и Х2 соответственно.

Рисунок 3.1.

Рисунок 3.2.

Рисунок 3.3.

Визуальный анализ графиков переменных Y, Х1 и Х2 позволил выявить некую закономерность - повторения из года в год изменения показателей в определенные промежутки времени, т. е. сезонные колебания.

Обозначим фиктивные квартальные переменные: Qi t = 1, если наблюдение t относится к i-му кварталу, Qi t = 0 в противном случае (i = 1, 2, 3, 4). Фиктивную переменную Q4 не будем включать в уравнение регрессии, что бы избежать «ловушки».

Данные для экспорта в Eviews представлены в таблице 3.1.

Таблица 3. 1 .

Данные для экспорта в Eviews .

Уравнение регрессии будем искать в виде:

Y = b 0 + b 1 ∙X1+ b 2 ∙X2 + d 1 ∙Q1 + d 2 ∙Q2 + d 3 ∙Q3 (3.2)

Результаты моделирования данного уравнения в Eviews представлены в таблице 3.2.

Таблица3. 2

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение
Y-пересечение
Переменная X 1
Переменная X 2
Переменная X 3
Переменная X 4
Переменная X 5

Получим следующее уравнение регрессии:

Y = -966,21 + 2,1738∙X1 +16,7079∙X2 + 4,9673∙Q1 - 77,526 ∙Q2 - 134,37∙Q3

(t) (-2,025) (6,037) (2,835) (0,039) (-0,619) (-1,047)

Табличное значение критерия Стьюдента, соответствующее доверительной вероятности g = 0,95 и числу степеней свободы v = n - m - 1 = 26; t кр. = t 0,025;26 = 2,3788.

Ни одна из квартальных переменных, входящих в уравнение (3.3) не является статистически значимой. Следовательно, можно отметить отсутствие влияния квартальных колебаний на рассматриваемые показатели.

Список использованных источников.

1. Практикум по эконометрике. Под редакцией И. И. Елисеевой - М.: Финансы и статистика., 2007. - 343 с.

2. Эконометрика. Под редакцией И. И. Елисеевой - М.: Финансы и статистика., 2007. - 575 с.

3. Доугерти К. Введение в эконометрику. - М.: МГУ, 1999. - 402 с.

4. Орлов А.И. Эконометрика. - М.: Экзамен, 2002.

5. Валентинов В.А. Эконометрика. - М.: «Дашков и К о », 2006.

6. Тихомиров Н.П., Дорохина Е.Ю. Эконометрика. - М.: Экзамен, 2003.

7. Крамер Н. Ш., Путко Б. А. Эконометрика. - М.: ЮНИТИ-ДАНА, 2005.

Имя файла: Excel.rar
Размер файла: 62.47 Kb

Если закачивание файла не начнется через 10 сек, кликните

Для тех специальностей, в вузах с более углубленным изучением курса эконометрики, где предусмотрено выполнение курсовой работы по эконометрике - свяжитесь с нами через форму заказа или любым удобным для вас способом, и наши специалисты окажут помощь в ее выполнении. При этом могут быть использованы прикладные программы, указанные вашем преподавателем.

Стоимость решения задач по эконометрике - от 300р, в зависимости от сложности. Онлайн помощь - от 1500р за билет.

Для тех, кто не смог подготовиться к экзамену предлагаем:

Примеры выполненных работ по эконометрике:

При решении задач по эконометрике часто необходимо использовать прикладные эконометрические пакеты программ. Отметим наиболее распространенные:
- пакет анализа данных в Microsoft Excel;
- программа Gretl;
- эконометрический пакет Eviews;
- пакет Statistica.
Выделим кратко преимущества и недостатки перечисленных программных средств:
-Анализа данных в Excel.Достоинство: доступен и прост в обращении. Недостаток: не содержит простейших эконометрических тестов на автокорреляцию и гетероскедастичность, про другие более сложные тесты по эконометрике не упоминаем - их там нет.
-Gretl(скачать). Достоинства: имеется в свободном доступе бесплатная версия, проста и удобна в обращении, русский интерфейс. Недостаток: не содержит ряда коинтеграционных эконометрических тестов.
-Eviews(скачать).Достоинства: содержит множество тестов, простота их реализации. Недостатки: английский интерфейс, в свободном доступе только старая версия программы Eviews 3, все более свежие версии - платные.
-Statictica. Мало использовали её, не нашли достоинств. Недостатки - английский интерфейс, и отсутствие многих тестов по эконометрике.

Ниже представлены в свободном доступе примеры решения задач по эконометрике в этих программных средствах, которые будут содержать отчет по решению задачи и файл реализации задачи в эконометрическом пакете. Так же на этой странице выложены бесплатные версии программ

В данном разделе выложены бесплатные задачи по эконометрике c решениями на различные темы. Решения задач можно просмотреть бесплатно, для этого размещены скриншоты решения (картинки). Можно получить решение задачи в формате Word оплатив указанную стоимость файла.doc.

Тут Вы можете заказать контрольную работу по эконометрике без предоплаты

Задача по эконометрике с решением Эк-8

Номер задачи: Эк-8

Решение: бесплатно

Тема: коэффициент детерминации, доверительный интервал, прогнозирование

По условию предыдущей задачи для уравнения регрессии:

1. Вычислить отклонения между фактическими и прогнозными значениями:

2. Вычислить прогноз валового производства при значении среднегодового количества работников, составляющем 115% от среднего уровня.

3. Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.

Среднегодовая численности работников (чел.)	Стоимость валовой продукции, (тыс. руб.)
96	4603
58	4053
135	9665
153	5146
108	4850
105	7132
76	6257
119	7435
118	7560
149	4110
99	2988
128	4443
95	2198
283	15503
71	2258

Задание 1

Задание 2

Задание 3

Задание 4

Список использованной литературы

Задание 1

Имеются данные за 12 месяцев года по району города о рынке вторичного жилья (y – стоимость квартиры (тыс. у.е.), x – размер общей площади (м 2)). Данные приведены в табл. 1.4.

Таблица 1

Месяц	1	2	3	4	5	6	7	8	9	10	11	12
у	22,5	25,8	20,8	15,2	25,8	19,4	18,2	21,0	16,4	23,5	18,8	17,5
х	29,0	36,2	28,9	32,4	49,7	38,1	30,0	32,6	27,5	39,0	27,5	31,2

1. Рассчитайте параметры уравнений регрессий

И .

3. Рассчитайте средний коэффициент эластичности и дайте сравнительную оценку силы связи фактора с результатом.

4. Рассчитайте среднюю ошибку аппроксимации и оцените качество модели.

6. Рассчитайте прогнозное значение , если прогнозное значение фактора увеличится на 5% от его среднего значения. Определите доверительный интервал прогноза для .

7. Расчеты должны быть подробны, как показано в примере 1, и сопровождены пояснениями.

Составим таблицу расчетов 2.

Все расчеты в таблице велись по формулам

Таблица 2

	х		у	ху									А(%)
	29,0	841,0	22,5	652,5	506,3	2,1	-4,5	4,38	20,33	18,93	3,57	12,75	15,871
	36,2	1310,4	25,8	934,0	665,6	5,4	2,7	29,07	7,25	21,28	4,52	20,40	17,506
	28,9	835,2	20,8	601,1	432,6	0,4	-4,6	0,15	21,24	18,90	1,90	3,62	9,152
	32,4	1049,8	15,2	492,5	231,0	-5,2	-1,1	27,13	1,23	20,04	-4,84	23,43	31,847
	49,7	2470,1	25,8	1282,3	665,6	5,4	16,2	29,07	262,17	25,70	0,10	0,01	0,396
	38,1	1451,6	19,4	739,1	376,4	-1,0	4,6	1,02	21,08	21,90	-2,50	6,27	12,911
	30,0	900,0	18,2	546,0	331,2	-2,2	-3,5	4,88	12,31	19,26	-1,06	1,12	5,802
	32,6	1062,8	21,0	684,6	441,0	0,6	-0,9	0,35	0,83	20,11	0,89	0,80	4,256
	27,5	756,3	16,4	451,0	269,0	-4,0	-6,0	16,07	36,10	18,44	-2,04	4,16	12,430
	39,0	1521,0	23,5	916,5	552,3	3,1	5,5	9,56	30,16	22,20	1,30	1,69	5,536
	27,5	756,3	18,8	517,0	353,4	-1,6	-6,0	2,59	36,10	18,44	0,36	0,13	1,923
	31,2	973,4	17,5	546,0	306,3	-2,9	-2,3	8,46	5,33	19,65	-2,15	4,62	12,277
	402,1	13927,8	244,9	8362,6	5130,7	0,0	0,0	132,7	454,1	-	-	79,0	129,9
Среднее значение	33,5	1160,7	20,4	696,9	427,6	-	-	-	-	-	-	6,6	10,8
	6,43	-	3,47	-	-
	41,28	-	12,06	-	-

,

и линейное уравнение регрессии примет вид: .

Рассчитаем коэффициент корреляции:

.

Связь между признаком и фактором заметная.

Коэффициент детерминации – квадрат коэффициента или индекса корреляции.

R 2 = 0,606 2 = 0,367

Средний коэффициент эластичности позволяет проверить, имеют ли экономический смысл коэффициенты модели регрессии.

Для оценки качества модели определяется средняя ошибка аппроксимации:

,

допустимые значения которой 8 - 10 %.

Вычислим значение -критерия Фишера.

,

– число параметров уравнения регрессии (число коэффициентов при объясняющей переменной );

– объем совокупности.

.

По таблице распределения Фишера находим

Так как , то гипотеза о статистической незначимости параметра уравнения регрессии отклоняется.

Так как , то можно сказать, что 36,7% результата объясняется вариацией объясняющей переменной.

Выберем в качестве модели уравнения регрессии , предварительно линеаризовав модель. Введем обозначения: . Получим линейную модель регрессии .

Рассчитаем коэффициенты модели, поместив все промежуточные расчеты в табл. 3.

Таблица 3

			y	yU									А(%)
	5,385	29,0	22,5	121,17	506,25	1,640	-0,452	2,69	0,20	13,74	8,76	76,7	38,92
	6,017	36,2	25,8	155,23	665,64	4,940	0,180	24,40	0,03	14,01	11,79	139,0	45,70
	5,376	28,9	20,8	111,82	432,64	-0,060	-0,461	0,004	0,21	13,74	7,06	49,9	33,95
	5,692	32,4	15,2	86,52	231,04	-5,660	-0,145	32,04	0,02	13,87	1,33	1,8	8,72
	7,050	49,7	25,8	181,89	665,64	4,940	1,213	24,40	1,47	14,42	11,38	129,5	44,11
	6,173	38,1	19,4	119,75	376,36	-1,460	0,336	2,13	0,11	14,07	5,33	28,4	27,45
	5,477	30,0	18,2	99,69	331,24	-2,660	-0,360	7,08	0,13	13,78	4,42	19,5	24,27
	5,710	32,6	21,0	119,90	441	0,140	-0,127	0,02	0,02	13,88	7,12	50,7	33,89
	5,244	27,5	16,4	86,00	268,96	-4,460	-0,593	19,89	0,35	13,68	2,72	7,4	16,58
	6,245	39,0	23,5	146,76	552,25	2,640	0,408	6,97	0,17	14,10	9,40	88,3	39,98
	58,368	343,4	208,600	1228,71	4471,02	-	-	-	-	-	-	-	313,567
Среднее значение	5,837	34,34	20,860	122,871	447,10	-	-	-	-	-	-	-	31,357
	0,549	-	3,646	-	-	-	-
	0,302	-	13,292	-	-	-	-

Рассчитаем параметры уравнения:

.

Коэффициент корреляции

.

Коэффициент детерминации

следовательно, только 9,3% результата объясняется вариацией объясняющей переменной .

следовательно, гипотеза о статистической незначимости уравнения регрессии принимается. По всем расчетам линейная модель надежнее, и последующие расчеты мы сделаем для нее.

.

.

Определим ошибки .

,

,

,

,

,

.

Полученные оценки модели и ее параметров позволяют использовать ее для прогноза.

Рассчитаем

.

Средняя ошибка прогноза

,

,

.

Строим доверительный интервал с заданной доверительной вероятностью :

.

Найденный интервальный прогноз достаточно надежен (доверительная вероятность ) и достаточно точен, т.к. .

Оценим значимость каждого параметра уравнения регрессии

.

Используем для этого t-распределение (Стьюдента). Выдвигаем гипотезу о статистической незначимости параметров, т.е.

.

Определим ошибки .

,

, ,

И, то можно предположить о правильном распределении объектов и уже существующих двух классах и верно выполненной классификации объектов подмножества М0. 3.2 Пример решения задачи дискриминантным анализом в системе STATISTICA Исходя из данных по 10 странам (рис. 3.1), которые были выбраны и отнесены к соответствующим группам экспертным методом (по уровню медицинского обслуживания), ...

Специалист для которого MS Excel является именно тем средством которое позволяет облегчить и ускорить его работу, должен знать и уметь использовать в повседневной работе новейшие экономико-математические методы и модели, предлагаемые новыми прикладными программами. Традиционный способ изучения экономико-математических методов заключается не только в определении их назначения и сути, ...