Розв’язання. Крок 1. Нормалізація змінних
Крок 1. Нормалізація змінних.
Позначимо вектори незалежних змінних — продуктивності праці, фондомісткості, коефіцієнтів плинності робочої сили — через відповідно Х1, Х2, Х3. Елементи стандартизованих векторів розрахуємо за формулою:
де n — кількість спостережень,  ;
m — число незалежних змінних,  ;
 — середня арифметична вектора  ;
 — дисперсія змінної .
В табл. 2.2 наведені всі розрахунки по стандартизації незалежних змінних X 1, X 2, X 3 згідно з наведеним співвідношенням.
Таблиця 2.2
| 
| 
| 
| 
| 
| 
| 
| 
| | 3.3
| 0, 004
| –3, 4
| 10, 89
| 0, 000015
| 11, 56
| 0, 2487
| 0, 0091
| –0, 2518
| | 0.3
| –0, 156
| 1, 6
| 0, 09
| 0, 024336
| 2, 56
| 0, 0226
| –0, 2531
| 0, 1185
| | 1.3
| 0, 114
| –0, 4
| 1, 69
| 0, 012996
| 0, 16
| 0, 0979
| 0, 2580
| –0, 0296
| | 2.3
| 0, 024
| –4, 4
| 5, 29
| 0, 000576
| 19, 36
| 0, 1733
| 0, 0543
| -0, 3258
| | 3.7
| –0, 076
| 9, 6
| 13, 09
| 0, 005776
| 92, 16
| –0, 2788
| –0, 1720
| 0, 7108
| | 5.3
| –0, 076
| –1, 4
| 23, 09
| 0, 005776
| 1, 96
| 0, 3994
| –0, 1720
| –0, 1037
| | 0.3
| 0, 064
| 3, 5
| 10, 09
| 0, 004095
| 12, 95
| 0, 0226
| 0, 1448
| 0, 2666
| | –4.7
| –0, 156
| 0, 6
| 22, 09
| 0, 024336
| 0, 36
| –0, 3542
| –0, 3531
| 0, 0444
| | –8.7
| –0, 076
| 0, 6
| 75, 69
| 0, 005776
| 0, 36
| –0, 6556
| –0, 1720
| 0, 0444
| | 4.3
| 0, 334
| –6, 4
| 14, 49
| 0, 111556
| 40, 95
| 0, 3240
| 0, 7559
| –0, 4739
| 
|
|
| 17, 1
| 0, 19524
| 182, 4
|
|
|
| Дисперсії кожної незалежної змінної мають такі значення:
 ;
 ;
Тоді знаменник для стандартизації кожної незалежної змінної буде дорівнювати:
для X 1:  ;
для X 2:  ;
для X 3:  .
Матриця стандартизованих змінних матиме вигляд:
 .
Крок 2. Знаходження кореляційної матриці  :
R = X * ' X *,
де  — матриця транспонована до матриці  .
Ця матриця симетрична і має розмір 3 х 3. Для даної задачі:
.
Кожен елемент цієї матриці характеризує тісноту зв’язку однієї незалежної змінної з іншою. Оскільки діагональні елементи характеризують тісноту зв’язку кожної незалежної змінної з цією самою змінною, то вони дорівнюють одиниці.
Інші елементи матриці R трактуються так:
 ;
 ;
 ,
тобто вони є парними коефіцієнтами кореляції незалежних змінних. На основі цих коефіцієнтів можна зробити висновок, що між змінними X 1, X 2, X 3існує зв’язок. Але чи можна стверджувати, що цей зв’язок є явищем мультиколінеарності і він негативно впливатиме на оцінку економетричної моделі?
Щоб відповісти на це запитання, треба продовжити розв’язання на основі алгоритму Феррара—Глобера і в результаті знайти статистичні критерії оцінки мультиколінеарності.
Крок 3. Знайдемо детермінант кореляційної матриці і критерій X 2:
3а)  ;
3б)  .
При ступені свободи  і рівні значущості a = 0, 01 Х2 табл = 11, 34. Приймаючи  факт  табл , можна зробити висновок, що в масиві змінних не існує мультиколінеарність.
Крок 4. Знайдемо матрицю, обернену до матриці :
 ;
 .
Крок 5. Використовуючи діагональні елементи матриці C, розрахуємо F -критерії:
 ;
 ;
 .
При рівні значущості  і ступенях свободи  і  критичне (табличне) значення критерію  .
Через те, що  факт <  табл,
 факт < табл,
 факт < табл,
то жодна із незалежних змінних не мультиколінеарна з двома іншими.
Щоб визначити наявність попарної мультиколінеарності, продовжимо розрахунок і перейдемо до кроку 6.
Kрок 6. Розрахуємо часткові коефіцієнти кореляції, використавши елементи матриці  :
 ;
 ;
 .
Часткові коефіцієнти кореляції характеризують тісноту зв’язку між двома змінними за умови, що третя не впливає на цей зв’язок.
Порівнявши часткові коефіцієнти кореляції з парними, які наведені вище, можна помітити, що часткові коефіцієнти значно менше парних. Це ще раз підтверджує, що на основі парних коефіцієнтів кореляції не можна зробити висновки про наявність чи відсутність мультиколінеарності.
Крок 7. Визначимо t - критерії на основі часткових коефіцієнтів кореляції:
 ;
 ;
 .
Табличне значення t - критерію при n – m = 7 ступенях свободи і рівні значущості a = 0, 05 дорівнює 1, 89. Всі числові значення t - критеріїв, знайдених для кожної пари змінних, менше за їх табличне значення. Звідси робимо висновок, що всі пари незалежних змінних не є мультиколінеарними.
Таким чином, незважаючи на те, що між незалежними змінними, що досліджуються, існує лінійна залежність, але вона не є явищем мультиколінеарності і не буде негативно впливати на кількісні параметри економетричної моделі.
Якщо F - критерій більше табличного значення, а це значить, що k -та змінна залежить від всіх інших в масиві, то необхідно вирішувати питання про її виключення з переліку змінних.
Якщо tkj - критерій більше табличного, то ця пара змінних (k і j) тісно взаємопов’язані. Звідси, аналізуючи рівень обох видів критеріїв і t, можна зробити обгрунтований висновок про те, яку із змінних необхідно виключити із дослідження чи замінити іншою. Але заміна масиву незалежних змінних завжди повинна узгоджуватись із економічною доцільністю, що випливає з мети дослідження.
2.4. Завдання для самостійної роботи
Приклад 2.1. Побудувати множинну економетричну модель за даними табл. 1-10 методом покрокової регресії та перевірити наявність мультиколінеарності за алгоритмом Фаррара-Глобера.
Табл. 1 Табл. 2
| №
| Y
| X1
| X2
| X3
|
| №
| Y
| X1
| X2
| X3
| |
| 55, 26
| 7, 5
| 11, 8
| 9, 7
|
| 54, 26
| 8, 5
| 11, 8
| 9, 8
| |
| 47, 34
| 9, 4
| 10, 8
| 9, 4
|
| 49, 34
| 9, 4
| 10, 5
| 7, 4
| |
| 52, 34
| 11, 4
| 11, 9
| 9, 1
|
| 52, 34
| 11, 4
| 11, 9
| 9, 1
| |
| 72, 48
| 15, 4
| 12, 8
| 7, 9
|
| 73, 48
| 11, 4
| 13, 8
| 7, 9
| |
| 67, 34
| 12, 3
| 12, 4
| 8, 4
|
| 67, 34
| 12, 3
| 12, 4
| 8, 4
| |
| 46, 37
| 6, 8
| 13, 1
| 10, 1
|
| 46, 37
| 6, 8
| 13, 1
| 10, 1
| |
| 61, 37
| 7, 9
| 15, 4
| 9, 7
|
|
| 64, 37
| 7, 9
| 17, 4
| 9, 7
| |
| 86, 14
| 10, 4
| 13, 9
| 10, 6
|
| 86, 14
| 10, 4
| 13, 9
| 10, 6
| |
| 91, 34
| 11, 6
| 14, 5
| 11, 4
|
| 91, 34
| 11, 6
| 14, 5
| 12, 4
| |
| 97, 34
| 9, 8
| 14, 7
| 10, 1
|
| 97, 34
| 9, 8
| 14, 7
| 10, 1
| |
| 101, 54
| 11, 4
| 15, 1
| 11, 7
|
| 107, 54
| 21, 4
| 15, 1
| 11, 7
| |
| 137, 89
| 10, 6
| 11, 4
| 9, 9
|
| 110, 89
| 10, 6
| 11.4
| 9, 9
| |
| 124, 69
| 11, 8
| 15, 9
| 10, 8
|
| 124, 69
| 11, 8
| 15, 9
| 18, 8
| |
| 119, 34
| 12, 7
| 16, 2
| 11, 5
|
| 119, 34
| 12, 7
| 16, 2
| 11, 5
| |
| 134, 27
| 13, 7
| 16, 8
| 11, 5
|
| 142, 27
| 13, 7
| 16, 8
| 11, 5
| |
| 148, 94
| 14, 3
| 17, 5
| 12, 4
|
|
| 148, 94
| 14, 3
| 16, 5
| 12, 4
| |
| 147, 37
| 14, 9
| 18, 9
| 12, 9
|
| 147, 37
| 15, 9
| 17, 9
| 15, 9
| |
| 155, 74
| 16, 5
| 18, 4
| 13, 7
|
| 150, 74
| 15, 5
| 18, 8
| 14, 7
|
Табл. 3 Табл. 4
| №
| Y
| X1
| X2
| X3
|
| №
| Y
| X1
| X2
| X3
| |
| 62, 37
| 8, 1
| 12, 8
| 10, 7
|
| 55, 06
| 8, 8
| 11, 8
| 9, 7
| |
| 49, 34
| 9, 4
| 10, 5
| 8, 4
|
| 49, 34
| 10, 1
| 10, 5
| 8, 4
| |
| 52, 34
| 11, 4
| 11, 9
| 9, 1
|
| 52, 34
| 12, 1
| 11, 9
| 9, 1
| |
| 73, 48
| 15, 4
| 12, 8
| 7, 9
|
| 73, 48
| 16, 1
| 12, 8
| 8, 4
| |
| 67, 34
| 12, 3
| 12, 4
| 8, 4
|
| 67, 34
| 13, 0
| 12, 4
| 8, 4
| |
| 48, 64
| 7, 2
| 14, 2
| 11, 7
|
| 54, 7
| 7, 9
| 12, 7
| 10, 7
| |
| 64, 37
| 7, 9
| 14, 4
| 9, 7
|
|
| 67, 34
| 8, 6
| 14, 4
| 9, 7
| |
| 86, 14
| 10, 4
| 13, 9
| 10, 6
|
| 86, 14
| 11, 1
| 13, 9
| 10, 6
| |
| 91, 34
| 11, 6
| 14, 5
| 11, 4
|
| 91, 34
| 12, 3
| 14, 5
| 11, 4
| |
| 97, 34
| 9, 8
| 14, 7
| 10, 1
|
| 97, 34
| 10, 5
| 14, 7
| 10, 1
| |
| 101, 54
| 11, 4
| 15, 1
| 11, 7
|
| 89, 54
| 12, 1
| 14, 8
| 11, 7
| |
| 125, 27
| 11, 8
| 20, 4
| 10, 7
|
| 99, 40
| 12, 5
| 9, 4
| 8, 7
| |
| 124, 69
| 11, 8
| 15, 9
| 10, 8
|
| 124, 69
| 12, 5
| 15, 9
| 10, 8
| |
| 119, 34
| 12, 7
| 16, 2
| 11, 5
|
| 119, 34
| 13, 4
| 16, 2
| 12, 5
| |
| 134, 27
| 13, 7
| 16, 8
| 9, 4
|
| 137, 27
| 14, 4
| 16, 8
| 11, 5
| |
| 148, 37
| 14, 3
| 17, 5
| 12, 4
|
|
| 148, 94
| 15, 0
| 17, 5
| 12, 4
| |
| 147, 37
| 14, 9
| 17, 9
| 12, 9
|
| 147, 37
| 15, 6
| 17, 9
| 12, 9
| |
| 150, 74
| 15, 5
| 18, 4
| 13, 7
|
| 147, 20
| 16, 2
| 19, 4
| 15, 5
|
Табл. 5 Табл. 6
| №
| Y
| X1
| X2
| X3
|
| №
| Y
| X1
| X2
| X3
| |
| 62, 37
| 8, 1
| 12, 8
| 10, 7
|
| 67, 71
| 10, 4
| 16, 7
| 13, 2
| |
| 49, 34
| 9, 4
| 10, 5
| 8, 4
|
| 54, 68
| 10, 1
| 10, 5
| 10, 9
| |
| 52, 34
| 11, 4
| 11, 9
| 9, 1
|
| 57, 68
| 12, 1
| 11, 9
| 11, 6
| |
| 73, 48
| 15, 4
| 12, 8
| 7, 9
|
| 78, 82
| 16, 1
| 12, 8
| 10, 4
| |
| 67, 34
| 12, 3
| 12, 4
| 8, 4
|
| 72, 68
| 13, 0
| 12, 4
| 10, 9
| |
| 54, 37
| 7, 2
| 14, 2
| 11, 7
|
| 59, 71
| 7, 9
| 12, 7
| 14, 2
| |
| 64, 37
| 7, 9
| 14, 4
| 9, 7
|
|
| 69, 71
| 8, 6
| 14, 4
| 12, 2
| |
| 86, 14
| 10, 4
| 13, 9
| 10, 6
|
| 91, 48
| 11, 1
| 13, 9
| 13, 1
| |
| 91, 34
| 11, 6
| 14, 5
| 11, 4
|
| 96, 68
| 12, 3
| 14, 5
| 13, 9
| |
| 97, 34
| 9, 8
| 14, 7
| 10, 1
|
| 102, 68
| 10, 5
| 14, 7
| 12, 6
| |
| 101, 54
| 11, 4
| 15, 1
| 11, 7
|
| 106, 88
| 12, 1
| 14, 8
| 14, 2
| |
| 110, 35
| 10, 7
| 19, 8
| 9, 4
|
| 115, 69
| 11, 4
| 9, 4
| 11, 9
| |
| 124, 69
| 11, 8
| 13, 4
| 10, 8
|
| 130, 03
| 12, 5
| 15, 9
| 13, 3
| |
| 119, 34
| 12, 7
| 16, 2
| 11, 5
|
| 124, 68
| 13, 4
| 16, 2
| 14, 0
| |
| 134, 27
| 13, 7
| 18, 2
| 9, 4
|
| 139, 61
| 14, 4
| 16, 8
| 11, 9
| |
| 148, 94
| 14, 3
| 17, 5
| 12, 4
|
|
| 154, 28
| 15, 0
| 17, 5
| 14, 9
| |
| 147, 37
| 14, 9
| 17, 9
| 12, 9
|
| 152, 71
| 15, 6
| 17, 9
| 15, 4
| |
| 149, 28
| 14, 7
| 16, 3
| 15, 7
|
| 154, 62
| 15, 4
| 18, 4
| 18, 2
|
Табл. 7 Табл. 8
| №
| Y
| X1
| X2
| X3
|
| №
| Y
| X1
| X2
| X3
| |
| 72, 59
| 10, 47
| 15, 64
| 11, 9
|
| 77, 93
| 12, 77
| 19, 21
| 14, 4
| |
| 49, 34
| 9, 4
| 10, 5
| 8, 4
|
| 54, 68
| 10, 1
| 10, 5
| 10, 9
| |
| 52, 34
| 11, 4
| 11, 9
| 9, 1
|
| 57, 68
| 12, 1
| 11, 9
| 11, 6
| |
| 73, 48
| 15, 4
| 12, 8
| 7, 9
|
| 78, 82
| 16, 1
| 12, 8
| 10, 4
| |
| 67, 34
| 12, 3
| 12, 4
| 8, 4
|
| 72, 68
|
| 12, 4
| 10, 9
| |
| 70, 35
| 11, 28
| 20, 18
| 15, 7
|
| 75, 69
| 11, 98
| 12, 7
| 18, 2
| |
| 80, 25
| 12, 49
| 15, 67
| 10, 4
|
|
| 85, 59
| 13, 19
| 14, 4
| 12, 9
| |
| 86, 14
| 10, 4
| 13, 9
| 10, 6
|
| 91, 48
| 11, 1
| 13, 9
| 13, 1
| |
| 91, 34
| 11, 6
| 14, 5
| 11, 4
|
| 96, 68
| 12, 3
| 14, 5
| 13, 9
| |
| 97, 34
| 9, 8
| 14, 7
| 10, 1
|
| 102, 68
| 10, 5
| 14, 7
| 12, 6
| |
| 101, 54
| 17, 4
| 15, 1
| 11, 7
|
| 106, 88
| 12, 1
| 14, 8
| 14, 2
| |
| 110, 35
| 10, 7
| 19, 8
| 9, 4
|
| 115, 69
| 11, 4
| 9, 4
| 11, 9
| |
| 124, 69
| 11, 8
| 15, 9
| 10, 8
|
| 130, 03
| 12, 5
| 15, 9
| 13, 3
| |
| 119, 34
| 12, 7
| 11, 2
| 11, 5
|
| 124, 68
| 13, 4
| 16, 2
|
| |
| 134, 27
| 13, 7
| 16, 8
| 9, 4
|
| 139, 61
| 14, 4
| 16, 8
| 11, 9
| |
| 142, 17
| 14, 73
| 18, 64
| 13, 1
|
|
| 147, 51
| 15, 43
| 17, 5
| 15, 6
| |
| 147, 37
| 14, 9
| 17, 9
| 12, 9
|
| 152, 71
| 15, 6
| 17, 9
| 15, 4
| |
| 148, 38
| 15, 98
| 21, 34
| 18, 4
|
| 161, 72
| 16, 68
| 18, 4
| 20, 9
|
Табл. 9 Табл.10
| №
| Y
| X1
| X2
| X3
|
| №
| Y
| X1
| X2
| X3
| |
| 45, 91
| 7, 38
| 9, 48
| 6, 37
|
| 51, 25
| 9, 68
| 13, 38
| 8, 87
| |
| 49, 34
| 9, 4
| 10, 5
| 8, 4
|
| 54, 68
| 10, 1
| 10, 5
| 10, 9
| |
| 52, 34
| 11, 4
| 11, 9
| 10, 1
|
| 57, 68
| 12, 1
| 11, 9
| 11, 6
| |
| 47, 95
| 10, 25
| 9, 08
| 5, 8
|
| 53, 29
| 10, 95
| 12, 8
| 8, 3
| |
| 67, 34
| 12, 3
| 12, 4
| 8, 4
|
| 72, 68
|
| 12, 4
| 10, 9
| |
| 70, 35
| 11, 28
| 20, 18
| 15, 7
|
| 75, 69
| 11, 98
| 12, 7
| 18, 2
| |
| 80, 25
| 12, 49
| 15, 67
| 10, 4
|
|
| 85, 59
| 13, 19
| 14, 4
| 12, 9
| |
| 86, 14
| 10, 4
| 13, 9
| 10, 6
|
| 91, 48
| 11, 1
| 13, 9
| 13, 1
| |
| 91, 34
| 11, 6
| 14, 5
| 11, 4
|
| 96, 68
| 12, 3
| 14, 5
| 13, 9
| |
| 97, 34
| 9, 8
| 14, 7
| 10, 1
|
| 102, 68
| 10, 5
| 14, 7
| 12, 6
| |
| 95, 02
| 8, 05
| 11, 37
| 9, 4
|
| 100, 36
| 8, 75
| 14, 8
| 10, 9
| |
| 110, 35
| 10, 7
| 19, 8
| 9, 4
|
| 115, 69
| 11, 4
| 9, 4
| 11, 9
| |
| 124, 69
| 11, 8
| 15, 9
| 10, 8
|
| 130, 03
| 12, 5
| 15, 9
| 13, 3
| |
| 119, 34
| 12, 7
| 16, 2
| 11, 5
|
| 124, 68
| 13, 4
| 16, 2
|
| |
| 134, 27
| 13, 7
| 16, 8
| 9, 4
|
| 139, 61
| 14, 4
| 16, 8
| 11, 9
| |
| 142, 17
| 14, 73
| 18, 36
| 11, 5
|
|
| 147, 51
| 15, 43
| 17, 5
| 15, 6
| |
| 147, 37
| 14, 9
| 17, 9
| 12, 9
|
| 152, 71
| 15, 6
| 17, 9
| 15, 4
| |
| 138, 05
| 13, 01
| 15, 27
| 18, 4
|
| 143, 39
| 13, 71
| 18, 4
| 20, 9
|
Кардиналистский и ординалистский подходы Кардиналистский (количественный подход) к анализу полезности основан на представлении о возможности измерения различных благ в условных единицах полезности...
|
Обзор компонентов Multisim Компоненты – это основа любой схемы, это все элементы, из которых она состоит. Multisim оперирует с двумя категориями...
|
Композиция из абстрактных геометрических фигур Данная композиция состоит из линий, штриховки, абстрактных геометрических форм...
|
Важнейшие способы обработки и анализа рядов динамики Не во всех случаях эмпирические данные рядов динамики позволяют определить тенденцию изменения явления во времени...
|
Виды и жанры театрализованных представлений
Проживание бронируется и оплачивается слушателями самостоятельно...
Что происходит при встрече с близнецовым пламенем
Если встреча с родственной душой может произойти достаточно спокойно – то встреча с близнецовым пламенем всегда подобна вспышке...
Реостаты и резисторы силовой цепи. Реостаты и резисторы силовой цепи.
Резисторы и реостаты предназначены для ограничения тока в электрических цепях. В зависимости от назначения различают пусковые...
|
Этапы трансляции и их характеристика Трансляция (от лат. translatio — перевод) — процесс синтеза белка из аминокислот на матрице информационной (матричной) РНК (иРНК...
Условия, необходимые для появления жизни История жизни и история Земли неотделимы друг от друга, так как именно в процессах развития нашей планеты как космического тела закладывались определенные физические и химические условия, необходимые для появления и развития жизни...
Метод архитекторов Этот метод является наиболее часто используемым и может применяться в трех модификациях: способ с двумя точками схода, способ с одной точкой схода, способ вертикальной плоскости и опущенного плана...
|
|
