Семинар 8: Спецификация модели

Все делается в Excel в пакете анализ данных (если не получится установить, пишите). Подсказка: при вводе данных в диалоговое окно «Регрессия» ставьте галочку на вывод остатков

Модели выписать из Excel в тетрадь.

 

 

В файле (данные для семинара 8 ) приведены данные, характеризующие работу магазинов мужской одежды (Дания, n=400), описание переменных приведено ниже в таблице.

Y	sales	sales per square meter	Объем продаж (на кв.м)
X1	hoursw	total number of hours worked	Общее количество отработанных часов
X2	ssize	salesfloorspace of the store (in m2).	Площадь магазинов, отведенная под продажи (кв.м)
X3	nown	number of owners (managers)	Количество владельцев (руководителей-менеджеров)
X4	nfull	number of full-timers	Количество работающих полную рабочую неделю
X5	npart	number of part-timers	Количество занятых неполное рабочее время

 

(а) Оцените параметры модели (А), в которой показатель объема продаж sales формируется под воздействием факторов, характеризующих количество рабочих площадей и количество отработанных часов, т.е. hoursw и ssize. (Оценивать значимость коэффициентов через p-значения

 

(A)

Проинтерпретируйте результаты и проведите тест Рамсея RESET (со вспомогательной моделью, включающей в себя предсказанные значения sales (Y) в квадрате; со вспомогательной моделью, включающей в себя предсказанные значения sales (Y) в квадрате и в кубе).

	- спецификация верна
	- спецификация ошибочна, есть лучшая альтернатива

 

(R.1)

(R.2)

 

 

(б) Оцените параметры модели (B), в которой показатель объемов продаж sales формируется под воздействием факторов, характеризующих количество рабочих площадей, количество владельцев,количество работников (работающих полную и неполную рабочую неделю), т.е. ssize, nown, nfull и npart.

(В)

 

 

(в) Сравните модели (А) и (В), анализируя:

· значения скорректированных коэффициентов детерминации (визуально),

· критерий Амемья

(p- количество коэффициентов ()в модели. Модель, для которой значение AF меньше, является лучше специфицированной. Этот критерий минимизирует число экзогенных переменных.)

 

· критерий Акайке (AIC)

Применяется для выбора из нескольких статистически значимых моделей наилучшей. Чем меньше данный показатель, тем лучше модель

· критерий Шварца (SIC)

Более жёсткий критерий, чем AIC. Также применяется для выбора из нескольких статистически значимых моделей наилучшей. Чем меньше данный показатель, тем лучше модель

· а также проведя F-тест (F) и J-тест (J.1 и J.2) для «невложенных» моделей. Сделайте выводы в каждом случае и общий.

 

(F)

(F-тест похож на включение переменных)

 

(J.1)

 

(J.2)

Алгоритм принятия решения для J-теста

	J.1 и J.2 имеют хорошую спецификацию	J.2 имеет хорошую спецификацию
	J.1 имеет хорошую спецификацию	J.1 и J.2 имеют ошибочную спецификацию

 

 

(г) Оцените параметры модели (С), введя в модель (А) дополнительно переменные nfull и npart. Проведите тест Рамсея RESET для модели (С), сделайте вывод.

(C)

(R.1)

 

(R.2)