Исследование регрессионной модели в различных компьютерных средах

Автор: Баженов В.Р., Баженов Р.И.

Журнал: Экономика и социум @ekonomika-socium

Статья в выпуске: 3-1 (16), 2015 года.

Бесплатный доступ

В статье рассмотрено решение эконометрической задачи по регрессионному анализу. Произведено решение как традиционным, математическим способом, так и в различных компьютерных средах. Исследование показало, что применение MS Excel, Gretl, SPSS, EViews позволяет получить аналогичные результаты.

Регрессионная модель, анализ, эконометрика

Короткий адрес: https://sciup.org/140113598

IDR: 140113598

Текст научной статьи Исследование регрессионной модели в различных компьютерных средах

Построение прогностических моделей является достаточно актуальной задачей в современной экономике. Такая модель позволяет рассчитать различные требуемые параметры и минимизировать риски. Часто на практике  применяется  линейная  регрессионная модель.    Поэтому необходимо иметь доступный компьютерный инструмент, позволяющий в короткие сроки решить описываемую проблему.

Рассмотрим эконометрическую задачу, часто встречающую в различных пособиях [1].

По семи территориям Уральского региона за 199Х г. известны значения двух признаков (табл. 1.).

Таблица 1 – Значения расходов на покупку продовольственных товаров в общих расходах и среднедневной заработной платы одного работающего

Район

Расходы на покупку продовольственных товаров в общих расходах, %, у

Среднедневная заработная плата одного работающего, руб., х

Удмуртская респ.

70,3

44,1

Свердловская обл.

61,7

57,5

Башкортостан

60,9

56,7

Челябинская обл.

58,2

60,8

Пермская обл.

56

57,3

Курганская обл.

54,8

46,2

Оренбургская обл.

50,3

54,7

Требуется рассчитать параметры следующих линейной функций и оценить модель через среднюю ошибку аппроксимации A и F-критерий Фишера.

Рассмотрим математическое решение [2].

Для решения параметров a и b линейной регрессии y=a+bx решаем систему нормальных относительно a и b :

na + bX x = X y, a X x + b ^ x2 =£ yx.

Можно воспользоваться готовыми формулами, которые вытекают из этой системы:

a = y - b x , b =

cov( x , y ) _ y j X  y ' x

^x2

2   -2

x - x

.

Составим таблицу (табл.2) для вычислений.

Таблица 2 – Вычисления для линейной регрессионной модели

Номер региона

y

x

y*x

x^2

y^2

Yx

Y-Yx

Ai

1

70,3

44,1

3100,23

1944,81

4942,09

62,46

7,84

11,1529 6

2

61,7

57,5

3547,75

3306,25

3806,89

57,57

4,13

6,68896 9

3

60,9

56,7

3453,03

3214,89

3708,81

57,86

3,04

4,98416 9

4

58,2

60,8

3538,56

3696,64

3387,24

56,37

1,83

3,14519 2

5

56

57,3

3208,80

3283,29

3136,00

57,65

-1,65

2,939

6

54,8

46,2

2531,76

2134,44

3003,04

61,69

-6,89

12,5796 8

7

50,3

54,7

2751,41

2992,09

2530,09

58,59

-8,29

16,4890 2

ИТОГО

412,2

377,3

22131,5 4

20572,4 1

24514,1 6

412,20

0,00

57,98

Среднее

58,89

53,90

3161,65

2938,92

3502,02

8,28

сигма

5,87

5,81

сигма^2

34,50

33,71

В результате вычислений получилось b= - 0.36, a= 78.54.

Таким образом, уравнение регрессии:   y=78.54-0.36·x. данную зависимость можно интерпретировать так, с увеличением среднедневной заработной платы на 1 руб., доля расходов на покупку продовольственных товаров снижается на 0.36 %-ных пункта.

Тесноту связи изучаемых явлений оценивает линейный коэффициент r...                                      (-1 < r_< 1)

парной корреляции xy для линейной регрессии      xy :

r xy = b ~ = ° y

cov( x , y ) _ y x - y x

° x ° y

2   -2

X - X

,

r = b ^ x- = -0,36047 ^ y

.

Средняя ошибка аппроксимации - среднее отклонение расчетных

A = 1 ^ y—y ^100% _ значений от фактических:    n    y       , A = 8.28

Рассчитаем F-критерий:

F, = фа кт

X ( У - y ) 2 / m X y - у ) 2 / ( n - m - 1 )

2 rxy xy

( n - 2 ) = 0,746722

Полученное значение указывает на необходимость принять гипотезу о случайной природе выявленной зависимости и статистической незначимости параметров уравнения и показателя тесноты связи.

Можно заметить, что производиться достаточно много рутинных вычислений, поэтому посмотрим возможность решения в различных компьютерных средах.

Представим результат решения задачи в среде MS Excel [3] (рис.1).

y

Линейный (y)

Рисунок 1 – Решение в MS Excel

Покажем результат решения в компьютерной среде Gretl [4, 5], разработанной специально для решения эконометрических задач (рис.2).

Рисунок 2 – Результат решения в Gretl

В популярной среде SPSS также имеется возможность строить различные регрессионные модели [6-8]. Представим линейную модель (рис.3).

Рисунок 3 – Отчет в среде SPSS

Для построения эконометрических моделей часто используется среда EViews [9, 10]. Покажем результат построения линейной регрессионной модели (рис.4).

□ Equation: UNTITLED Workfile: 2::2\                     | □ || В | ^|

I VjewJ Proc Object Print Name || Freeze Estimate Forecast Stats Resids

Dependent Variable: X

Method: Least Squares Date: 07/15/15 Time: 03:23 Sample: 1 7 Included observations: 7

Variable

Coefficient

Std. Error

t-Statistic

Prob.

Y

-0.356320

0.412345

-0.864131

0.4270

C

74.88214

24.40169

3.068728

0.0278

R-squared

0.129939

Mean dependentvar

53.90000

Adjusted R-squared

-0.044074

S.D. dependent var

6.270832

S.E. of regression

6.407531

Akaike info criterion

6.787781

Sum squared resid

205.2823

Schwarz criterion

6.772327

Log likelihood

-21.75723

Hannan-Quinn criter.

6.596770

F-statistic

0.746722

Durbin-Watson stat

0.502517

Pro b(F-stati stic)

0.427018

Рисунок 4 – Результат решения в EViews

На основе анализа данных, представленных на рис. 1-4, можно заметить, что полученные результаты практически одинаковы. Исследователь для построения линейной регрессионной модели вправе использовать любую доступную ему компьютерную среду: Gretl (свободно распространяемая), MS Excel (платная), SPSS (платная), EViews (платная).

Список литературы Исследование регрессионной модели в различных компьютерных средах

  • Яковлева Л.А. Эконометрика. Комплексное учебное пособие для студентов экономических специальностей заочного дистанционного обучения. Кемерово: Кемеровский технологический институт пищевой промышленности, 2002. 35 с. URL: http://e-lib.kemtipp.ru/uploads/29/pmii087.pdf
  • Эконометрика/Под ред. И.И.Елисеевой. М.: Финансы и статистика, 2004. 344 с.
  • Петросян Г.В., Баженов Р.И. Нахождения зависимости прогиба сплошного льда от скорости движения нагрузки на основе регрессионного анализа//Исследования в области естественных наук. 2015. № 6 . URL: http://science.snauka.ru/2015/06/10167 (дата обращения: 16.06.2015).
  • Пивенко К.А., Баженов Р.И. Построение регрессионной модели в среде gretl на примере рынка поддержанных автомобилей г. Биробиджана и г. Хабаровска//Экономика и менеджмент инновационных технологий. 2015. № 4-1 (43). С. 72-80.
  • Лагунова А.А., Баженов Р.И. Разработка в среде gretl регрессионной модели рынка вторичного жилья г. Биробиджана//Nauka-Rastudent.ru. 2015. № 1 (13). С. 40.
  • Широкова Н.А., Баженов Р.И. Применение корреляционного анализа для исследования данных спортивных показателей студентов в среде SPSS//Nauka-Rastudent.ru. 2015. № 6 (18). С. 25.
  • Муллинов Д.О., Винокуров А.С., Баженов Р.И. Разработка в среде SPSS регрессионной модели рынка автомобилей//Nauka-Rastudent.ru. 2015. № 6 (18). С. 24.
  • Лагунова А.А., Муллинов Д.О., Баженов Р.И. Применение программной среды SPSS для исследования данных психологических методик//Психология, социология и педагогика. 2015. № 6 . URL: http://psychology.snauka.ru/2015/06/5446 (дата обращения: 24.06.2015).
  • Муллинов Д.О., Баженов Р.И. Разработка в среде eviews регрессионной модели рынка гаражных помещений г. Биробиджана//Nauka-Rastudent.ru. 2015. № 1 (13). С. 43.
  • Пронина О.Ю., Баженов Р.И. Исследование методов регрессионного анализа программной среды eviews//Nauka-Rastudent.ru. 2015. № 1 (13). С. 45.
Еще
Статья научная