Оценка параметров парной регрессионной модели, а также вычисление статистик, позволяющих проверить качество оцененной модели, могут быть выполнены в Excel при помощи функции ЛИНЕЙН.
Порядок работы с функцией ЛИНЕЙН:
· выделите область для размещения результата – два столбца и пять строчек;
· вызовите функцию ЛИНЕЙН;
· заполните строчки окна функции: столбец значений результативной переменной; столбец значений факторной переменной; значение параметра Конс (0 – для модели без свободного члена, 1 – для модели со свободным членом); значение параметра Стат (0 – оцениваются только параметры модели, 1 – оцениваются параметры модели и статистики, позволяющие проверить качество модели);
· нажмите кнопку OK;
· после щелчка мыши по строке формул нажмите клавиши Ctrl+Shift+Enter.
Результаты вычислений будут расположены в следующем порядке
(табл. 1.3.1):
Таблица 1.3.1
b1 | b0 |
Sb1 | Sb0 |
R2 | S |
F | |
RSS | ESS |
Широкие возможности для проведения статистического анализа предоставляет надстройка Пакет анализа.
|
|
Порядок работы с надстройкой Пакет анализа:
· в меню Сервис выбирите команду Анализ данных (если она отсутствует, необходимо в меню Сервис выбрать команду Надстройки и затем надстройку Пакет анализа);
· выберите инструмент Регрессия в окне надстройки;
· заполните строчки окна функции: столбец значений результативной переменной; столбец значений факторной переменной.
Результаты расчетов будут выведены в виде трех таблиц под общим названием Вывод итогов. Содержание таблиц для данных из примера 1.1.1 представлены на рис. 1.3.1.
Вопросы для самопроверки
1. Что понимается под прогнозированием при эконометрическом моделировании?
2. Какие виды прогноза Вы знаете?
3. Запишите формулу для вычисления несмещенной оценки дисперсии зависимой переменной.
4. От каких факторов зависит ширина интервала прогноза?
n | x | y | xy | |||||
0,8 | 5,6 | 4,48 | 0,64 | 31,36 | 8,40453 | 7,8654 | 127,69 | |
6,6 | 6,6 | 43,56 | 8,96161 | 5,5772 | 106,09 | |||
1,7 | 20,4 | 2,89 | 10,9114 | 1,1851 | 24,01 | |||
2,6 | 6,76 | 13,4183 | 2,5019 | 3,61 | ||||
4,1 | 86,1 | 16,81 | 17,5963 | 11,585 | 16,81 | |||
5,4 | 29,16 | 21,2174 | 14,308 | 65,61 | ||||
7,2 | 172,8 | 51,84 | 26,2311 | 4,9778 | 50,41 | |||
28,4594 | 6,0487 | 82,81 | ||||||
сумма | 30,8 | 135,2 | 672,38 | 173,1 | 2761,9 | 54,049 | 477,04 | |
cреднее | 3,85 | 16,9 | 84,0475 | 21,6375 | 345,24 | |||
ВЫВОД ИТОГОВ | ||||||||
2,785 | 6,176 | |||||||
Регрессионная статистика | 0,406 | 1,891 | ||||||
Множественный R | 0,942 | 0,887 | 3,001 | S | ||||
R-квадрат | 0,887 | F | 46,956 | 6,000 | ||||
Нормированный R-квадрат | 0,868 | RSS | 422,991 | 54,049 | ESS | |||
Стандартная ошибка | 3,001 | |||||||
Наблюдения | ||||||||
Дисперсионный анализ | ||||||||
df | SS | MS | F | Значимость F | ||||
Регрессия | 422,9908 | 422,9908 | 46,9562 | 0,0005 | ||||
Остаток | 54,04918 | 9,008196 | ||||||
Итого | 477,04 | |||||||
Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | Нижние 95,0% | Верхние 95,0% | |
Y-пересечение | 6,176 | 1,891 | 3,266 | 0,017 | 1,550 | 10,803 | 1,550 | 10,803 |
x | 2,785 | 0,406 | 6,852 | 0,000 | 1,791 | 3,780 | 1,791 | 3,780 |
Рис. 1.3.1
|
|