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...
|
|
Неисправности автосцепки, с которыми запрещается постановка вагонов в поезд. Причины саморасцепов ЗАПРЕЩАЕТСЯ: постановка в поезда и следование в них вагонов, у которых автосцепное устройство имеет хотя бы одну из следующих неисправностей:
- трещину в корпусе автосцепки, излом деталей механизма...
Понятие метода в психологии. Классификация методов психологии и их характеристика Метод – это путь, способ познания, посредством которого познается предмет науки (С...
ЛЕКАРСТВЕННЫЕ ФОРМЫ ДЛЯ ИНЪЕКЦИЙ К лекарственным формам для инъекций относятся водные, спиртовые и масляные растворы, суспензии, эмульсии, новогаленовые препараты, жидкие органопрепараты и жидкие экстракты, а также порошки и таблетки для имплантации...
|
|
Психолого-педагогическая характеристика студенческой группы
Характеристика группы составляется по 407 группе очного отделения зооинженерного факультета, бакалавриата по направлению «Биология» РГАУ-МСХА имени К...
Общая и профессиональная культура педагога: сущность, специфика, взаимосвязь Педагогическая культура- часть общечеловеческих культуры, в которой запечатлил духовные и материальные ценности образования и воспитания, осуществляя образовательно-воспитательный процесс...
Устройство рабочих органов мясорубки Независимо от марки мясорубки и её технических характеристик, все они имеют принципиально одинаковые устройства...
|
|
