ЗАДАНИЕ

I. Построение множественной линейной регрессионной модели по всем независимым переменным

1.1. Построить линейную регрессионную модель по пяти объясняющим переменным. Найти коэффициент детерминации, коэффициент множественной корреляции. Сделать вывод.

1.2. Оценить качество модели (средняя относительная ошибка аппроксимации, критерии Фишера и Стьюдента, требования теоремы Гаусса-Маркова к остаткам, включая выполнение условия гомоскедастичности).

1.3. Сделать вывод

II. Корректировка набора объясняющих переменных

2.1. Найти коэффициенты вариации.

2.2. Составить корреляционную матрицу.

2.3. Исследовать интеркорреляцию переменных.

2.4. Проверить мультиколлинеарность переменных.

2.5. Оставить в модели две независимые переменные.

III. Построение множественной линейной регрессионной модели по двум независимым переменным

3.1. Построить уравнение множественной линейной регрессии по двум независимым переменным. Дать интерпретацию параметров уравнения.

3.2. Найти коэффициент детерминации, коэффициент множественной корреляции. Сделать вывод.

3.3. Оценить качество уравнения множественной линейной регрессии:

3.3.1. Найти среднюю относительную ошибку аппроксимации. Сделать вывод.

3.3.2. Проверить статистическую значимость уравнения множественной регрессии в целом. Сделать вывод.

3.3.3. Проверить статистическую значимость параметров уравнения множественной регрессии. Сделать вывод.

4. Провести анализ остатков регрессионной модели (проверить требования теоремы Гаусса-Маркова).

4.1. Найти оценки математического ожидания и дисперсии остатков, построить интервальную оценку дисперсии остатков.   Сделать вывод.

4.2. Проверьте выполнение условия гомоскедастичности. Сделать вывод.

4.3. Проверить наличие автокорреляции в остатках. Сделать вывод.

IV. Сравнение регрессионных моделей

5. Сравнить регрессионные уравнения по пяти и по двум объясняющим переменным. Выбрать лучшее уравнение множественной линейной регрессии.

V. Приложение линейной регрессионной модели по двум объясняющим переменным

6. Оценить силу влияния независимых переменных на Y:

6.1. Построить частные уравнения множественной регрессии.

6.2. Найти средние по совокупности и частные коэффициенты эластичности. Провести сравнительный анализ коэффициентов эластичности. Сделать вывод.

7. Разделите выборку на две равные части. Рассматривая первые и последние наблюдения как независимые выборки, проверьте гипотезу о возможности объединения их в единую выборку по критерию Грегори Чоу.

ОПИСАНИЕ ПЕРЕМЕННЫХ

Для построения регрессионной модели были выбраны следующие переменные:

1. Зависимая переменная – Y (DBUTTER) (вес проданного предприятиями оптовой торговли сливочного масла за отчетный месяц, тыс. т).
2. Независимые переменные:
   • X₁ (INCOME) – средний ежемесячный доход жителя России, руб.;
   • X₂ (ИПЦ BUTTER) – относительный индекс цен на масло (рассчитывается делением ИПЦ для масла на ИПЦ для продовольственных товаров);
   • X₃ (ИПЦ PASTA) – относительный индекс цен на макаронные изделия (рассчитывается делением ИПЦ для макаронных изделий на ИПЦ для продовольственных товаров);
   • X₄ (ИПЦ PETROL) – относительный индекс цен на бензин (рассчитывается делением ИПЦ для бензина на ИПЦ для непродовольственных товаров);
   • X₅ (ИПЦ GROATS) – относительный индекс цен на моющие средства (рассчитывается делением ИПЦ для моющих средств на ИПЦ для непродовольственных товаров).

Исходные данные к работе можно скачать и просмотреть 

ЦЕНА РАБОТЫ: 400 руб.

КУПИТЬ КОНТРОЛЬНУЮ РАБОТУ