Вы находитесь на странице: 1из 12

Задачник по эконометрике - 1. Часть 2. [01.09.2014]

Часть 2. Характеристики качества оцененного уравнения регрессии. МНК- оценки. Прогноз. Доверительные интервалы

Задача 1. Пусть регрессионная модель Y

i

=α+⋅+⋅β

x

β

11ii2

x

2

+ε ,

i

i

= 1,

,

n

, задана в

матричном виде при помощи уравнения

Y

=

X

β + ε , где

[

β = α β β

1

2

]

T . Известно, что

εN 0,σ I

(

2

) n -мерный нормальный случайный вектор. Данные о наблюдениях

Y

переменных и

X следующие:

1

⎡⎤

⎢⎥

2

⎢⎥

Y =⎢⎥ ⎢⎥ ;

3

4

⎢⎥

⎢⎥

5

⎣⎦

X

100

110

=⎢ 100 .

110

111

⎦ ⎥

Для удобства расчетов ниже приведены матрицы

T

X X

=

531

331

111

⎥ ⎦

и (

T

X X

)

1

=−

1/2

1/2

0

1/ 2

1

1/2

0

1/2

3/2

.

A. Укажите число наблюдений.

B. Укажите число регрессоров в модели (с учетом свободного члена).

C. Рассчитайте TSS

=

n

i

=

1

(

Y

i

Y

) 2

.

D. Рассчитайте при помощи метода наименьших квадратов оценку для вектора

неизвестных коэффициентов.

E.

Найдите

RSS

=

n

i = 1

(

Y

i

Y

i

) 2

.

F.

качества оцененного уравнения регрессии.

G. Используя приведенные выше данные, рассчитайте несмещенную оценку для

неизвестного параметра

H. Используя приведенные выше данные, рассчитайте границы 80%-ого доверительного

интервала для неизвестного параметра регрессии

I. Используя приведенные выше данные, рассчитайте границы 80%-ого доверительного

интервала для неизвестного параметра регрессии σ .

J. Используя имеющиеся данные, рассчитайте несмещенную оценку для ковариационной

матрицы вектора МНК-коэффициентов.

K. Используя приведенные выше данные, рассчитайте границы 90%-ого доверительного

интервала для неизвестного параметра регрессии

Чему равен

R

2

в модели? Прокомментируйте полученное значение с точки зрения

σ 2 регрессионной модели.

2

σ .

β .

1

Задачник по эконометрике - 1. Часть 2. [01.09.2014]

L. Укажите приближенновероятность того, что построенный в предыдущем пункте

доверительный интервал не накроет истинное значение параметра

M. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

N. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

O. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

P. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

β .

1

α+β+β .

1

2

α+ββ .

1

2

α+ 2β2β .

1

2

α+ 2β3β .

1

2

Q. Спрогнозируйте значение переменной Y при помощи формулы

Y

=+αβ⋅+x β x ,

11

2

2

если

R. Приведите формулу для математического ожидания прогноза из предыдущего пункта.

S. Постройте 90%-ый доверительный интервал для математического ожидания прогноза

из пункта Q.

x

1

=1 и x = 2.

2

Задача 2. Пусть регрессионная модель Y

i

=α+⋅+⋅β

x

β

11ii2

x

2

+ε

i

,

i

= 1,

,

n

, задана в

матричном виде при помощи уравнения

Y

=

X

β + ε , где

[

β = α β β

1

2

]

T . Известно, что

εN 0,σ I

(

2

) n -мерный нормальный случайный вектор. Данные о наблюдениях

Y

переменных и X следующие:

Y

⎡⎤

⎢⎥

⎢⎥

=⎢⎥ ⎢⎥

4

⎢⎥

⎢⎥

5

⎣⎦

1

2

3

;

X

=⎢

100

110

100

111

110

.

Для удобства расчетов ниже приведены матрицы

T

X X

=

531

331

111

⎥ ⎦

и (

T

X X

)

1


=−

1/2

1/2

0

1/ 2

1

1/2

0

1/2

3/2

.

A. Укажите число наблюдений.

B. Укажите число регрессоров в модели (с учетом свободного члена).

C. Рассчитайте TSS

=

n

i = 1

(

Y

i

Y

) 2

.

D. Рассчитайте при помощи метода наименьших квадратов оценку для вектора

неизвестных коэффициентов.

Задачник по эконометрике - 1. Часть 2. [01.09.2014]

E. Найдите RSS

=

n

i = 1

(

Y

i

Y

i

) 2

.

F. Чему равен R в модели? Прокомментируйте полученное значение с точки зрения

качества оцененного уравнения регрессии.

G. Используя приведенные выше данные, рассчитайте несмещенную оценку для

неизвестного параметра

H. Используя приведенные выше данные, рассчитайте границы 80%-ого доверительного

интервала для неизвестного параметра регрессии

I. Используя приведенные выше данные, рассчитайте границы 80%-ого доверительного

интервала для неизвестного параметра регрессии σ .

J. Используя имеющиеся данные, рассчитайте несмещенную оценку для ковариационной

матрицы вектора МНК-коэффициентов.

K. Используя приведенные выше данные, рассчитайте границы 90%-ого доверительного

интервала для неизвестного параметра регрессии

L. Укажите приближенновероятность того, что построенный в предыдущем пункте

доверительный интервал не накроет истинное значение параметра

M. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

N. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

O. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

P. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

2

σ 2 регрессионной модели.

2

σ .

β .

1

β .

1

α+β+β .

1

2

α+ββ .

1

2

α+ 2β2β .

1

2

α+ 2β3β .

1

2

Q.

Спрогнозируйте значение переменной Y при помощи формулы Y =+αβ⋅+x β x ,

11

2

2

если x =1 и x = 2.

1

2

R. Приведите формулу для математического ожидания прогноза из предыдущего пункта.

S. Постройте 90%-ый доверительный интервал для математического ожидания прогноза

из пункта Q.

Задача 3. Пусть регрессионная модель Y

i

=α+⋅+⋅β

x

β

11ii2

x

2

+ε

i

,

i

= 1,

,

n

, задана в

матричном виде при помощи уравнения

Y

= X β + ε , где

[

β = α β β

1

2

]

T . Известно, что

εN 0,σ I

(

2

) n -мерный нормальный случайный вектор. Данные о наблюдениях

Y

переменных и X следующие:

Задачник по эконометрике - 1. Часть 2. [01.09.2014]

1

⎡⎤

⎢⎥

2

⎢⎥

Y =⎢⎥ ⎢⎥ ;

3

4

⎢⎥

⎢⎥

5

⎣⎦

X

100

111

=⎢ 100 .

110

110

⎦ ⎥

Для удобства расчетов ниже приведены матрицы

T

X X

=

531

331

111

⎥ ⎦

и (

T

X X

)

1

=−

1/2

1/2

0

1/ 2

1

1/2

0

1/2

3/2

.

A. Укажите число наблюдений.

B. Укажите число регрессоров в модели (с учетом свободного члена).

C. Рассчитайте TSS

=

n

i = 1

(

Y

i

Y

) 2

.

D. Рассчитайте при помощи метода наименьших квадратов оценку для вектора

неизвестных коэффициентов.

E.

Найдите

RSS

=

n

i = 1

(

Y

i

Y

i

) 2

.

F.

качества оцененного уравнения регрессии.

G. Используя приведенные выше данные, рассчитайте несмещенную оценку для

Чему равен

R

2

в модели? Прокомментируйте полученное значение с точки зрения

неизвестного параметра σ регрессионной модели.

H. Используя приведенные выше данные, рассчитайте границы 80%-ого доверительного

интервала для неизвестного параметра регрессии

I. Используя приведенные выше данные, рассчитайте границы 80%-ого доверительного

интервала для неизвестного параметра регрессии σ .

J. Используя имеющиеся данные, рассчитайте несмещенную оценку для ковариационной

матрицы вектора МНК-коэффициентов.

K. Используя приведенные выше данные, рассчитайте границы 90%-ого доверительного

интервала для неизвестного параметра регрессии

L. Укажите приближенновероятность того, что построенный в предыдущем пункте

доверительный интервал не накроет истинное значение параметра

M. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

N. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

2

2

σ .

β .

1

β .

1

α+β+β .

1

2

α+ββ .

1

2

Задачник по эконометрике - 1. Часть 2. [01.09.2014]

O. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

P. Постройте 95%-ый доверительный интервал для следующей функции от неизвестных

параметров

α+ 2β2β .

1

2

α+ 2β3β .

1

2

Q. Спрогнозируйте значение переменной Y при помощи формулы

Y

=+αβ⋅+x β x ,

11

2

2

если

R. Приведите формулу для математического ожидания прогноза из предыдущего пункта.

S. Постройте 90%-ый доверительный интервал для математического ожидания прогноза

из пункта Q.

x

1

=1 и x = 2.

2

Задача 4. Рассматривается модель регрессии

Y

i

= α ++β

xx

11ii2

β

2

+ ε , в которой

i

ошибки , , ε независимы и имеют нормальное распределение с нулевым

ε

1

n

2

математическим ожиданием и дисперсией σ . Для n = 13 наблюдения найдите уровень доверия следующих доверительных интервалов для неизвестного параметра :

σ

2

(a)

(b)

(c)

(

(

(

0;

RSS

4.8652

) ,

RSS

;

RSS

3.9403

)

.

18.3070

RSS

15.9872 ;

) ,

Ответ: во всех пунктах 90%. Задача 5. Оценивается регрессионная модель

Y

i

=+α β + β + ε , i = 1, n ,

xx

11ii2

2

i

, где ε ε - независимые нормальные случайные величины с математическим

1 ,

,

n

2

ожиданием 0 и дисперсией σ . Результаты оценивания приведены в следующей таблице.

ВЫВОД ИТОГОВ

Регрессионная статистика

Множественный R R-квадрат Нормированный R-квадрат Стандартная ошибка Наблюдения

0,70

???

???

???

25,00

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

2,00

???

53,10

???

0,00

Остаток

22,00

109,00

4,95

Итого

24,00

215,19

Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95%

Y-пересечение

4,72

1,37

???

0,00

1,88

7,57

X1

0,58

0,21

2,76

0,01

0,14

1,02

X2

???

???

4,20

0,00

0,51

1,50

Заполните пропуски в таблице выше.

A.

2

R =

 

2

R =

adj

B.

 

C.

σ=

Задачник по эконометрике - 1. Часть 2. Борзых Д.А.

Решение.

R =−

2

1

RSS

TSS

=−

1

   

D.

ESS =

 

E.

F =

 

F.

t α =

 

 

G.

β =

2

 

 

H.

σβ =

2

109

=

0.49

215.19

 

R

2

adj

= 1

RSS

/

(

n

k

1

)

TSS

/

(

n

1

)

= 1

(

109 / 25

2

1

)

(

215.19 / 25

1

)

=

0.45

n −− k 1
n
−− k
1

σ== RSS

109 25 −− 2 1
109
25
−− 2
1

= 2.23

ESS = TSS RSS = 215.19 −=109

106.19

R

2

2

 

nk − −

1

=

0.49

25

2

1

 

k

1

0.49

2

4.72

= 3.45

 

1.37

 

F =⋅

1 R

t

α

==

α

α

σ

= 10.57

Заметим, что нижняя граница 95% го доверительного интервала для неизвестного параметра β равна

2

β t

2

0.975,22

σβ ,

2

а верхняя граница равна

β+ t

2

0.975,22

σβ ,

2

где t

свободы.

Следовательно,

1

22

означает квантиль уровня 0.975 для t распределения с степенями

0.975,22

β

2

β

2

t

+ t

0.975,22

0.975,22

⋅=σ β

2

⋅=σ β

2

0.51 ,

1.5 .

(1)

(2)

Складывая уравнения (1) и (2), получаем, что

Значит,

Из формулы

2β

2

= 2.01.

β

2

t

β

2

= 1.005 .

=

β

2

σ β

2

1 Другими словами,

t

0.975,22

- это такая точка, что

t

0.975,22

−∞

f

t

22

()

x dx = 0.975

, где

t распределения с 22 степенями свободы.

f

t

22

()

x

- плотность

Задачник по эконометрике - 1. Часть 2. Борзых Д.А.

получаем, что

Таким образом, имеем

σ β

2

= 0.24 .

A.

R

2

=

0.49

 

R

2

 

0.45

B.

=

adj

 
 

 

C.

σ=

2.23

D.

ESS =

106.19

E.

F

=

10.57

F.

t α =

3.45

 

 

G.

β =

2

1.005

 

 

H.

σβ =

2

0.24

Задача 6. Оценивается регрессионная модель

Y

i

=+α β + β + ε

xx

11ii2

2

i

,

i = 1,

,

n ,

где ε ε - независимые нормальные случайные величины с математическим

1 ,

,

n

2

ожиданием 0 и дисперсией . Результаты оценивания приведены в следующей таблице.

σ

ВЫВОД ИТОГОВ

Регрессионная статистика

Множественный R0,83

R-квадрат Нормированный R-квадрат Стандартная ошибка Наблюдения

???

0,66

???

25,00

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

2,00

96,94

48,47

???

0,00

Остаток

22,00

???

1,96

Итого

24,00

140,04

Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95%

Y-пересечение

7,34

???

8,50

0,00

5,55

9,13

X1

0,78

0,13

???

0,00

0,51

1,06

X2

0,75

???

???

0,00

0,44

1,06

Заполните пропуски в таблице выше.

A.

R

2

=

 

 

B.

σ=

C.

RSS

=

D.

F

=

Задачник по эконометрике - 1. Часть 2. Борзых Д.А.

Ответы:

E.

 

σα =

F.

t

=

 

β

1

 

 

G.

σβ =

2

H.

t

=

 

β

2

A.

2

R =

0.69

 

 

B.

σ=

1.40

C.

RSS =

43.11

D.

F =

24.74

E.

0.86

σα =

F.

t

=

5.88

β

1

 

 

G.

σβ =

2

0.15

H.

t

=

4.97

β

2

Задача 7. Оценивается регрессионная модель

Y

i

=+α β + β

xx

11ii2

2

+ ε

i

, i = 1,

, где ε ε - независимые нормальные случайные величины с математическим

1 ,

,

n

n ,

2

ожиданием 0 и дисперсией σ . Результаты оценивания приведены в следующей таблице.

ВЫВОД ИТОГОВ

Регрессионная статистика

Множественный R0,84

R-квадрат Нормированный R-квадрат

0,71

0,68

Стандартная ошибка

???

Наблюдения

25,00

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

2,00

???

62,77

???

0,00

Остаток

22,00

???

2,34

Итого

24,00

177,07

Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95%

Y-пересечение

???

0,94

7,22

0,00

4,86

8,77

X1

0,80

???

5,52

0,00

0,50

1,11

X2

???

???

5,83

0,00

0,62

1,30

Заполните пропуски в таблице выше.

Задачник по эконометрике - 1. Часть 2. Борзых Д.А.

Ответы:

   

 

A.

σ=

B.

ESS =

 

C.

RSS =

 

D.

F =

 
   

 

E.

α=

 

 
 

F.

σβ =

1

 

 

G.

β

2

=

 

 
 

H.

σβ =

2

   

 

A.

σ=

1.53

B.

ESS =

125.53

C.

RSS =

51.53

D.

F =

26.80

   

 

E.

α=

6.81

 

 
 

F.

σβ =

1

0.15

 

 

G.

β

2

=

0.96

 

 
 

H.

σβ =

2

0.16

Задачник по эконометрике - 1. Часть 2. Борзых Д.А.

ОТВЕТЫ

Ответы к задаче 1.

A.

B.

C.

n

k

= 5 ; +1 = 3 ;

TSS = 10 ;

D.

ˆ

β=

[

212

]

T

;

E.

F.

среднее.

G.

H. [0.86;18.98];

RSS = 4 ;

2

R

σˆ

2

= 0.6 . Качество регрессии

= 2;

I. [0.93;4.35];

J.

ˆ

V

()

ˆ

β



=−

1

10

1

⎦ ⎥


12

0

13

;

Ответы к задаче 2.

A.

B.

C. TSS = 10 ;

n

k

= 5 ; +1 = 3 ;

D.

ˆ

β=

[

2

3/2

1/2

]

T

;

E. RSS = 6.5 ;

F.

низкое.

G.

H. [1.41;30.84];

R =

0.35 . Качество регрессии

σˆ

2

= 13 / 4 ;

2

I. [1.18;5.55];

13/8

J. 13 / 8

V

= −

0

ˆ

()

ˆ

β

13 / 8

13 / 4

13 / 8

0

13 / 8

39 / 8


;

K.

[3.12;5.12];

L.

10%;

M. [1.08;11.08] ;

N. [9.53;11.53];

O. [21.51;21.51];

P. [30.54;26.54];

 

ˆ

Q.

Y

= 7 ;

 

ˆ

R.

E Y =αβ+ ⋅+1 β2 ;

1

2

S. [1.75;15.75] .

K. [3.76;6.76];

L. 10%;

M. [3.75;11.75] ;

N. [10.43;16.43];

O.

P.

Q.

R.

[23.42;31.42];

[32.88;39.88] ;

ˆ

Y

E Y =αβ+ ⋅+1 β2 ;

= 4.5 ;

ˆ

1

2

S. [6.66;15.66].

Задачник по эконометрике - 1. Часть 2. Борзых Д.А.

Ответы к задаче 3.

A.

B.

C. TSS = 10 ;

n

k

= 5 ; +1 = 3 ;

D.

ˆ

β=

[

2

5/2

5/2

]

T

;

E. RSS = 2.5 ;

F. R =

высокое.

G.

H. [0.54;11.86];

0.75 . Качество регрессии

σˆ

2

= 5/4;

2

I. [0.73;3.44];

5/8

J. 5/8

V

=−

0

ˆ

()

ˆ

β

5 / 8

5/4

5 / 8

0

15 / 8

5/8

;

K. [0.76;5.76];

L. 10%;

M. [2.81;6.81];

N. [1.33;15.33];

O. [5.01;29.01];

P. [8.06;37.06];

ˆ

Q.

R. E Y =αβ+ ⋅+1 β2 ;

Y = −0.5 ;

ˆ

1

2

S. [7.42;6.42].

Код решения задачи 1 в системе MATLAB

clc; clear;

Y

= [1 2 3 4 5]';

X

= [[1 1 1 1 1]', [0 1 0 1 1]', [0 0 0 0 1]'];

sign_level_H = 0.2; sign_level_I = 0.2; sign_level_K = 0.1; sign_level_M = 0.05; sign_level_N = 0.05; sign_level_O = 0.05; sign_level_P = 0.05; sign_level_S = 0.1; x1 = 1; x2 = 2; %% A. [n,~] = size(X); ans_A = n; %% B. [~,num_of_regressors] = size(X); k = num_of_regressors - 1; ans_B = num_of_regressors; %% C.

TSS = sum((Y - mean(Y)).^2); ans_C = TSS; %% D. b_hat = (X' * X) \ (X' * Y); ans_D = b_hat; %% E. Y_hat = X * b_hat; RSS = sum((Y - Y_hat).^2); ans_E = RSS; %% F. R_sq = 1 - RSS / TSS; ans_F = R_sq;

%% G. sigma_hat_sq = RSS / (n - k - 1); ans_G = sigma_hat_sq; %% H.

A = chi2inv(sign_level_H / 2, n - k - 1); B = chi2inv(1 - sign_level_H / 2, n - k - 1);

LB = sigma_hat_sq * (n - k - 1) / B; UB = sigma_hat_sq * (n - k - 1) / A; ans_H = [LB, UB]; %% I.

Задачник по эконометрике - 1. Часть 2. Борзых Д.А.

A = chi2inv(sign_level_I / 2, n - k - 1); B = chi2inv(1 - sign_level_I / 2, n - k - 1);

LB = sqrt(sigma_hat_sq * (n - k - 1) / B); UB = sqrt(sigma_hat_sq * (n - k - 1) / A); ans_I = [LB, UB];

%% J.

V_hat_b_hat = sigma_hat_sq * inv(X' * X); ans_J = V_hat_b_hat; %% K.

A = tinv(sign_level_K / 2, n - k - 1); B = tinv(1 - sign_level_K / 2, n - k - 1);

LB = b_hat(2) - B * sqrt(V_hat_b_hat(2,2)); UB = b_hat(2) - A * sqrt(V_hat_b_hat(2,2)); ans_K = [LB, UB]; %% L.

ans_L = sign_level_K; %% M.

A = tinv(sign_level_M / 2, n - k - 1); B = tinv(1 - sign_level_M / 2, n - k - 1);

LB = [1 1 1] * b_hat - B * sqrt([1 1 1] * V_hat_b_hat * [1 1 1]'); UB = [1 1 1] * b_hat - A * sqrt([1 1 1] * V_hat_b_hat * [1 1 1]'); ans_M = [LB, UB]; %% N.

A = tinv(sign_level_N / 2, n - k - 1); B = tinv(1 - sign_level_N / 2, n - k - 1);

LB = [1 1 -1] * b_hat - B * sqrt([1 1 -1] * V_hat_b_hat * [1 1 -1]'); UB = [1 1 -1] * b_hat - A * sqrt([1 1 -1] * V_hat_b_hat * [1 1 -1]');

ans_N = [LB, UB]; %% O.

A = tinv(sign_level_O / 2, n - k - 1); B = tinv(1 - sign_level_O / 2, n - k - 1);

LB = [1 2 -2] * b_hat - B * sqrt([1 2 -2] * V_hat_b_hat * [1 2 -2]'); UB = [1 2 -2] * b_hat - A * sqrt([1 2 -2] * V_hat_b_hat * [1 2 -2]'); ans_O = [LB, UB];

%% P.

A = tinv(sign_level_P / 2, n - k - 1); B = tinv(1 - sign_level_P / 2, n - k - 1);

LB = [1 2 -3] * b_hat - B * sqrt([1 2 -3] * V_hat_b_hat * [1 2 -3]'); UB = [1 2 -3] * b_hat - A * sqrt([1 2 -3] * V_hat_b_hat * [1 2 -3]'); ans_P = [LB, UB]; %% Q. ans_Q = [1 x1 x2] * b_hat; %% R.

ans_R = 'E(Y_hat) = alpha + beta1 * x1 + beta2 * x2'; %% S.

A = tinv(sign_level_S / 2, n - k - 1); B = tinv(1 - sign_level_S / 2, n - k - 1);

LB = [1 x1 x2] * b_hat - B * sqrt([1 x1 x2] * V_hat_b_hat * [1 x1 x2]'); UB = [1 x1 x2] * b_hat - A * sqrt([1 x1 x2] * V_hat_b_hat * [1 x1 x2]'); ans_S = [LB, UB];