Задача 1

В базе данных магазина, торгующего подержанными автомобилями, содержится информация об их потребительских свойствах и ценах.

Для анализа зависимости цены автомобиля Y от его возраста X₁ и мощности двигателя X₂ из базы данных выбраны сведения о 16 автомобилях. Эти сведения приведены в таблице 1.

Таблица 1

2. Множественная зависимость

С помощью коэффициентов парной корреляции проанализировать тесноту линейной связи между ценой и возрастом автомобиля, а также между ценой и мощностью двигателя. Проверить их значимость с надежностью 0,9.

Методом наименьших квадратов найти оценки коэффициентов множественной линейной регрессионной модели

.

Проверить статистическую значимость параметров и уравнения множественной регрессии с надежностью 0,9.

Рассчитать точечный и интервальный прогноз среднего значения цены поступивших автомобилей возраста 3 года и мощностью двигателя 165 л.с. с доверительной вероятностью 0,95.

3. Экономическая интерпретация

На основе полученных статистических характеристик провести содержательный экономический анализ зависимости цены автомобиля от его возраста и мощности двигателя.

Расчетная таблица:

Коэффициенты парной корреляции:

= = -0,833

= = 0,665

Проверка значимости:

(по таблице).

= 5,63 > 1,761

= 3,33 > 1,761

Коэффициенты корреляции существенно отличаются от 0.

Найдем матрицы:

=

=

Найдем матрицу , обратную к матрице . Определитель

|X^T X| = 16 * 477 * 170341 + 85 * 8444 * 1605 + 1605 * 85 * 8444 – 1605 * 477 * 1605 – 85 * 85 * 170341 – 16 * 8444 * 8444 = 3692086

Алгебраические дополнения:

D₁₁ = (–1)^{1 + 1} = 477 * 170341 – 8444² = 9951521 и т.д.

Матрица алгебраических дополнений

=

Присоединенная матрица

(X^T X)^* = D^T = = D

(матрица в симметрична).

(X^T X)^–1 = (X^T X)^* / |X^T X| = =

Вектор оценок коэффициентов модели:

A = (X^T X)^-1 (X^T Y) = =

Y = 10,455 – 1,650x₁ + 0,063x₂

Расчетная таблица:

Остаточная дисперсия

S² = ∑ (y_i - _i )² / (n – m – 1) = 2,985 / (16 – 2 – 1) = 0,230

Ковариационная матрица:

S² (X^T X)^-1 = 0,230 * =

Стандартные ошибки коэффициентов равны квадратным корням из диагональных элементов ковариационной матрицы:

S₀ = = 0,787

S₁ = = 0,096

S₂ = = 0,005

Проверим значимость параметров регрессии.

Табличное значение

t_{1 – α/2, n – 3} = 1,77

t₀ = |a₀ | / S₀ = 10,455 / 0,787 = 13,3 > 1,77

t₁ = |a₁ | / S₁ = 1,650 / 0,096 = 17,1 > 1,77

t₂ = |a₂ | / S₂ = 0,063 / 0,005 = 12,4 > 1,77

Все параметры значимы.

Коэффициент детерминации

= 1 – 2,985 / 125,9 = 0,976

Табличное значение критерия Фишера

F_т = 3,8

Расчетное значение

F_ф = = = 267,7 > 3,8

Уравнение значимо.

Точечный прогноз:

(x^p ) = 10,455 – 1,650 * 3 + 0,063 * 165 = 15,83 тыс. у.е.

Интервальный прогноз

Квантиль распределения Стьюдента (по таблице)

= t_{0,975; 13} = 2,16

где S = = = 0,479

x^p (X^T X)^-1 (x^p )^T = = = 0,633

= 0,479 * = 0,381

_В,Н = 15,83 ± 2,16 * 0,381 = 15,83 ± 0,68

_Н = 15,15

_В = 16,51

3. Экономическая интерпретация. Между возрастом автомобиля и его ценой существует тесная отрицательная связь (коэффициент корреляции –0,833): при увеличении возраста на 1 год (при фиксированной мощности двигателя) цена падает в среднем на 1,650 тыс. усл. ед.

Между мощностью двигателя и ценой автомобиля существует менее тесная положительная связь (коэффициент корреляции 0,665): при увеличении мощности на 1 л.с. (при фиксированном возрасте автомобиля) цена увеличивается в среднем на 0,063 тыс. усл. ед.

С вероятностью 0,95 можно утверждать, что цена автомобиля при возрасте 3 года и мощности двигателя 165 л.с. будет находиться в пределах от 15,15 до 16,51 тыс. усл. ед.

Задача 3

1. Для регрессионной модели

и

с помощью критерия Дарбина-Уотсона проверить наличие или отсутствие автокорреляции на уровне значимости 0,05.

2. Для регрессионной модели

проверить наличие или отсутствие мультиколлинеарности, используя:

а) парный коэффициент корреляции;

б) критерий «хи-квадрат» χ² на уровне значимости 0,05.

Расчетная таблица:

Статистика Дарбина-Уотсона

= 7,11 / 2,81 = 2,53

Табличные значения при n = 16, m = 2

d_l = 0,98; d_u = 1,54

Так как 4 – d_u < в < 4 – d_l , вопрос о наличии автокорреляции остается открытым (область неопределенности критерия).

Найдем коэффициент парной корреляции между объясняющими переменными.

r₁₂ = = -0,169

Проверим значимость коэффициента корреляции.

= = 0,643 < 1,761

Коэффициент незначим, т.е. мультиколлинеарность не имеет места.

Определитель матрицы коэффициентов парной корреляции:

Det (r) = = 1 – 0,169² = 0,971

Табличное значение статистики для df = 1 и α = 0,05 равно

χ² _1;0,05 = 3,84.

Фактическое значение статистики

= - (16 – 1 – (2 * 2 + 5) / 6) ln 0,971 = 0,39 < 3,84

Мультиколлинеарность не имеет места, т.е. линейной зависимости между объясняющими переменными (возрастом автомобиля и мощностью двигателя) не существует. Это свидетельствует о надежности оценок параметров модели.