|
МИНИСТЕРСТВО ИНОСТРАНЫХ ДЕЛ РЕСПУБЛИКИ УЗБЕКИСТАН
УНИВЕРСИТЕТ МИРОВОЙ ЭКОНОМИКИ И ДИПЛОМАТИИ
Факультет: «Международная экономика и менеджмент»
Самостоятельная работа №3
По предмету: «Эконометрика»
Выполнила:
Муродова Нозима
Группа 0-5а-19
А) Выберите страну, соответствующую вашему распределению. Постройте нелинейные регрессионные модели на основе статистики за последние 30 лет (у – продолжительность жизни, х - ВВП на душу населения).
Постановка задачи. Данные. Источник.
Определить как ВВП влияет на продолжительность жизни.
Y - продолжительность жизни
X- ВВП на душу населения(тыс)
https://data.worldbank.org/
Year
|
GDP
|
Life exp
|
1990
|
28,2
|
76,5
|
1991
|
28,6
|
77,0
|
1992
|
30,5
|
77,2
|
1993
|
28,0
|
77,2
|
1994
|
29,3
|
77,7
|
1995
|
34,9
|
77,7
|
1996
|
37,3
|
78,2
|
1997
|
36,6
|
78,1
|
1998
|
34,8
|
78,3
|
1999
|
36,4
|
78,3
|
2000
|
38,1
|
78,6
|
2001
|
38,5
|
78,8
|
2002
|
43,1
|
79,0
|
2003
|
50,1
|
79,4
|
2004
|
57,6
|
79,8
|
2005
|
66,8
|
80,0
|
2006
|
74,1
|
80,3
|
2007
|
85,1
|
80,4
|
2008
|
96,9
|
80,6
|
2009
|
80,0
|
80,8
|
2010
|
87,7
|
81,0
|
2011
|
100,6
|
81,3
|
2012
|
101,5
|
81,5
|
2013
|
102,9
|
81,8
|
2014
|
97,0
|
82,1
|
2015
|
74,4
|
82,3
|
2016
|
70,5
|
82,4
|
2017
|
75,5
|
82,6
|
2018
|
82,3
|
82,8
|
2019
|
75,7
|
83,0
|
Точечная диаграмма. Предварительные выводы.
Вывод: Получившиеся точки создают неслучайную структуру, это говорит о наличии линейной, положительной и сильной взаимосвязи между двумя переменными y- продолжительностью жизни и x- ВВП на душу населения.
Линейная модель: y = b0 + b1 x. (Уравнение. График. Значение R2. Вывод)
Y = 75,89 + 0,06479 X
75.8%
Вывод: Получившиеся точки создают неслучайную структуру, это говорит о наличии взаимосвязи между двумя переменными. Линейная модель объясняет 75,8% вариации зависимой величины. Статистические показатели составной R-квадрат (75,8%) и скорректированный R-квадрат (75,0%) вычисляются из регрессионного уравнения, чтобы качественно оценить модель. А стандартная ошибка регрессии S равна 0,985730.
Параболическая модель: y = b0 + b1 x + b2 x2. (Уравнение. График. Значение R2. Вывод)
Y = 71,45 + 0,2342 X - 0,001342 X**2
86.6%
Вывод: Получившиеся точки создают неслучайную структуру, это говорит о наличии взаимосвязи между двумя переменными.
Параболическая модель объясняет 86,6% вариации зависимой величины. Статистические показатели составной R-квадрат (86,6%) и скорректированный R-квадрат (85,6%) вычисляются из регрессионного уравнения, чтобы качественно оценить модель. А стандартная ошибка регрессии S равна 0,747854.
Кубическая модель: y = b0 + b1x + b2x2 + b3x3. (Уравнение. График. Значение R2. Вывод)
Y = 72,28 + 0,1887 X - 0,000596 X**2 - 0,000004 X**3
86.6%
Вывод: Получившиеся точки создают неслучайную структуру, это говорит о наличии взаимосвязи между двумя переменными.
Кубическая модель объясняет 86,6% вариации зависимой величины. Статистические показатели составной R-квадрат (86,6%) и скорректированный R-квадрат (85,1%) вычисляются из регрессионного уравнения, чтобы качественно оценить модель. А стандартная ошибка регрессии S равна 0,761236.
Полиномиальная модель: y = b0 + b1x + b2x2 + b3x3+ b4x4. (Уравнение. График. Значение R2. Вывод)
Y = 77,7 - 0,227 X + 0,0105 X^2 - 0,000128 X^3 + 0,000000 X^4
86.8%
Вывод: Получившиеся точки создают неслучайную структуру, это говорит о наличии взаимосвязи между двумя переменными.
Полиноминальная модель объясняет 86,8 % вариации зависимой величины. Статистические показатели составной R-квадрат (86,8%) вычисляется из регрессионного уравнения, чтобы качественно оценить модель. Скорректированный R-квадрат (84,7)
Гиперболическая модель: (Reciprocal model) yt= b0 + b1 (1/х). (Уравнение.График. Значение R2. Вывод)
Y = 83,79 - 196,5 1/x
84.6%
Вывод:Получившиеся точки создают неслучайную структуру, это говорит о наличии взаимосвязи между двумя переменными.
Гиперболическая модель объясняет 84,6% вариации зависимой величины. Статистические показатели составной R-квадрат (84,6%) и скорректированный R-квадрат (84,1%) вычисляются из регрессионного уравнения, чтобы качественно оценить модель. А стандартная ошибка регрессии S равна 0,786366.
Log-Log модель: ln(y)= b0 + b1ln(x). (Уравнение. График. Значение R2. Вывод)
Lny = 4,186 + 0,04824 Lnx
82.8%
Вывод: Получившиеся точки создают неслучайную структуру, это говорит о наличии взаимосвязи между двумя переменными.
Логарифмическая модель объясняет 82,8% вариации зависимой величины. Статистические показатели составной R-квадрат (82,8%) и скорректированный R-квадрат (82,2%) вычисляются из регрессионного уравнения, чтобы качественно оценить модель. А стандартная ошибка регрессии S равна 0,0104233.
Log-Linear модель: ln(y) = b0 + b1x. (Уравнение. График. Значение R2. Вывод)
Lny = 4,330 + 0,000813 X
76.1%
Вывод: Получившиеся точки создают неслучайную структуру, это говорит о наличии взаимосвязи между двумя переменными.
Log-Linear модель объясняет 76,1% вариации зависимой величины. Статистические показатели составной R-квадрат (76,1%) и скорректированный R-квадрат (75,3%) вычисляются из регрессионного уравнения, чтобы качественно оценить модель. А стандартная ошибка регрессии S равна 0,0122630.
Linear-Log модель: y = b0 + b1 ln(x). (Уравнение. График. Значение R2. Вывод).
Y = 64,43 + 3,841 Lnx
82.3%
Вывод: Получившиеся точки создают неслучайную структуру, это говорит о наличии взаимосвязи между двумя переменными.
Linear - Log модель объясняет 82,3% вариации зависимой величины. Статистические показатели составной R-квадрат (82,3%) и скорректированный R-квадрат (81,7%) вычисляются из регрессионного уравнения, чтобы качественно оценить модель. А стандартная ошибка регрессии S равна 0,842556.
Log-Inverse модель ln(y) = b0 + b1 (1/х). (Уравнение. График. Значение R2. Вывод)
Lny = 4,429 - 2,470 1/x
85.2%
Вывод: Получившиеся точки создают неслучайную структуру, это говорит о наличии взаимосвязи между двумя переменными.
Log-Inverse модель объясняет 85,2% вариации зависимой величины. Статистические показатели составной R-квадрат (85,2%) и скорректированный R-квадрат (84,8%) вычисляются из регрессионного уравнения, чтобы качественно оценить модель. А стандартная ошибка регрессии S равна 0,0096700.
Выбор лучшей модели. Прогноз для среднего Х на основе лучшей модели.
Do'stlaringiz bilan baham: |
