Задача 3.30. Решение

Содержание

Слайд 2

 

а) Рассмотрим, например, следующую спецификацию модели – регрессию логарифма цены на константу,

а) Рассмотрим, например, следующую спецификацию модели – регрессию логарифма цены на константу,
число комнат, жилую площадь, площадь кухни и площадь вспомогательных помещений.

На слайдах 3-8 представлена пошаговая инструкция построения модели в EViews. Для того, чтобы повторить следующие действия необходимо открыть файл gnovgorod.wf1.
Построим таблицу 3.4

/33

Слайд 3

Первой необходимо выбрать зависимую переменную (в данном случае price).
Удерживая Ctrl: price, numroom,

Первой необходимо выбрать зависимую переменную (в данном случае price). Удерживая Ctrl: price,
sliv, skit, sall > Правая кнопка мыши > Open > as Equation.

/33

Слайд 4

В окне Specification необходимо поменять некоторые переменные. Добавляем log(price) и (sall-sliv-skit).

/33

В окне Specification необходимо поменять некоторые переменные. Добавляем log(price) и (sall-sliv-skit). /33

Слайд 5

Получаем таблицу 3.4.

/33

Получаем таблицу 3.4. /33

Слайд 6

Чтобы сохранить получившуюся модель, необходимо нажать на Freeze. Появится новое окно.

/33

Чтобы сохранить получившуюся модель, необходимо нажать на Freeze. Появится новое окно. /33

Слайд 7

После нажатия на Name вводим названия для модели и нажимаем OK. Сохраненную

После нажатия на Name вводим названия для модели и нажимаем OK. Сохраненную
модель редактировать нельзя (т.к. сохраняем как картинку).

/33

Слайд 8

 

 

Обозначим (price) начальную цену - P0, цену после добавления комнаты - P1.
При

Обозначим (price) начальную цену - P0, цену после добавления комнаты - P1.
добавлении одной комнаты площадью 18 м2 относительное изменение цены в среднем равно:

 

/33

Слайд 10

Для построения доверительных интервалов нам понадобятся значения дисперсии и ковариации, которые можно

Для построения доверительных интервалов нам понадобятся значения дисперсии и ковариации, которые можно
найти с помощью ковариационной матрицы.

Для модели построенной в прошлом пункте:
View > Covariance Matrix.

/33

Слайд 11

Получаем ковариационную матрицу.

 

 

 

/33

Получаем ковариационную матрицу. /33

Слайд 12

 

 

 

 

 

Свойства дисперсии:

 

 

 

Обозначим дисперсию (D) как VAR (V).

/33

Свойства дисперсии: Обозначим дисперсию (D) как VAR (V). /33

Слайд 13

 

 

При добавлении 1 комнаты площадью 18 м2 цена с вероятностью 95% вырастет

При добавлении 1 комнаты площадью 18 м2 цена с вероятностью 95% вырастет
от 28,5% до 35,6%.

 

 

 

 

 

t-критическое для данного уровня значимости α ищется по таблице распределения Стьюдента с n-k степенями свободы (n – число наблюдений, k – число регрессоров).

/33

Слайд 14

 

 

 

/33

/33

Слайд 15

Таблица 3.5 строится аналогично предыдущей, только мы должны дополнительно поменять переменную sliv.

Таблица 3.5 строится аналогично предыдущей, только мы должны дополнительно поменять переменную sliv. /33

/33

Слайд 16

в) Попробуем включить в модель другие доступные параметры, от которых зависит цена

в) Попробуем включить в модель другие доступные параметры, от которых зависит цена
квартиры. Это может не уменьшить стандартное отклонение параметра, но возможно, устранит смещение.
Здесь lodzhia, firstfloor, walltype – переменные, показывающие наличие лоджии, то, что квартира находится на первом этаже, тип дома (кирпичный или панельный) соответственно.
Доверительный интервал для p немного сместится вправо.

 

 

/33

Слайд 17

Таблица 3.6 строится аналогично предыдущей, только добавляются новые переменные lodzhia, firstfloor, walltype1.

Таблица 3.6 строится аналогично предыдущей, только добавляются новые переменные lodzhia, firstfloor, walltype1. /33

/33

Слайд 19

 

 

 

/33

/33

Слайд 20

 

 

Обозначим (price) начальную цену - P0, цену после добавления комнаты - P1.

 

При

Обозначим (price) начальную цену - P0, цену после добавления комнаты - P1.
добавлении одной комнаты относительное изменение цены в среднем равно:

/33

Слайд 21

 

 

 

 

/33

/33

Слайд 22

 

 

 

 

/33

/33

Слайд 23

 

 

Построим к таблице 3.7. ковариационную матрицу:
View > Covariance Matrix.

 

/33

Построим к таблице 3.7. ковариационную матрицу: View > Covariance Matrix. /33

Слайд 24

 

 

Построение доверительных интервалов

 

 

При numroom=1:

 

При добавлении 1 комнаты площадью 18 м2 к однокомнатной

Построение доверительных интервалов При numroom=1: При добавлении 1 комнаты площадью 18 м2
квартире цена с вероятностью 95% вырастет от 41,5% до 54%.

/33

Слайд 25

 

 

При добавлении 1 комнаты площадью 18 м2 к двухкомнатной квартире цена с

При добавлении 1 комнаты площадью 18 м2 к двухкомнатной квартире цена с
вероятностью 95% вырастет от 27,1% до 38,3%.

При numroom=2:

 

 

/33

Слайд 26

 

 

При добавлении 1 комнаты площадью 18 м2 к трехкомнатной квартире цена с

При добавлении 1 комнаты площадью 18 м2 к трехкомнатной квартире цена с
вероятностью 95% вырастет от 12,7% до 25,6%.

 

При numroom=3:

 

/33

Слайд 28

В полученной таблице смотрим: Prob. F, Prob. Chi-Square, если probability<0.05 (есть гетероскедастичность),

В полученной таблице смотрим: Prob. F, Prob. Chi-Square, если probability 0.05, подправка
то нужна подправка, если probability>0.05, подправка не нужна. Сохраняем таблицу.

/33

Слайд 29

Подправка:
Далее: Proc > Specify/Estimate > OK.
Смотрим значение Durbin-Watson stat. внизу таблицы

/33

Подправка: Далее: Proc > Specify/Estimate > OK. Смотрим значение Durbin-Watson stat. внизу таблицы /33

Слайд 30

Далее снова: Proc > Specify/Estimate > Options
(если Durbin-Watson stat.<1.5, то Newey-West,

Далее снова: Proc > Specify/Estimate > Options (если Durbin-Watson stat. =1.5, то White) /33
если >=1.5, то White)

/33

Слайд 31

В результате Std.Error и Probability меняется. Если Probability вылетает (>0.05), то соответствующий

В результате Std.Error и Probability меняется. Если Probability вылетает (>0.05), то соответствующий
параметр убирается из модели.
Сохраняем модель (Freeze > Name). Аналогично можно проверить и другие модели.

/33

Слайд 32

Проверка остатков на нормальность:
View > Residual Diagnostic > Histogram - Normality Test

Проверка остатков на нормальность: View > Residual Diagnostic > Histogram - Normality Test /33

/33

Имя файла: Задача-3.30.-Решение.pptx
Количество просмотров: 42
Количество скачиваний: 0