Слайд 3Решение
Выведем описательные статистики. Для этого выбираем нужные нам переменные, далее Open as
![Решение Выведем описательные статистики. Для этого выбираем нужные нам переменные, далее Open](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1156077/slide-2.jpg)
Group - > View -> Descriptive Stats ->Common Sample
Слайд 4Решение
Создадим модель зависимости price от totsq , livsq , kitsq, distc,
![Решение Создадим модель зависимости price от totsq , livsq , kitsq, distc,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1156077/slide-3.jpg)
distm. Как мы видим , качество модели, оставляет желать лучшего.
Слайд 5Решение
Попробуем убрать из модели, на предыдущем слайде наименее значимые переменные.
![Решение Попробуем убрать из модели, на предыдущем слайде наименее значимые переменные.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1156077/slide-4.jpg)
Слайд 7Решение
Создадим переменную Object -> Generate Series , затем допишем в открывшемся окне
![Решение Создадим переменную Object -> Generate Series , затем допишем в открывшемся окне dopsq=totsq-livsq-kitsq](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1156077/slide-6.jpg)
dopsq=totsq-livsq-kitsq
Слайд 8Решение
Теперь посмотрим, как коррелируют между собой параметры. Как мы можем увидеть цена
![Решение Теперь посмотрим, как коррелируют между собой параметры. Как мы можем увидеть](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1156077/slide-7.jpg)
положительно коррелирована со всеми переменными кроме расстояния до центра и расстояния до метро. Это вполне очевидно.
Слайд 9Решение
Построим линейную спецификацию следующим образом. Модель достаточно простая, коэффициенты имеют явную интерпретацию,
![Решение Построим линейную спецификацию следующим образом. Модель достаточно простая, коэффициенты имеют явную](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1156077/slide-8.jpg)
также она является наиболее подходящей для прогнозирования, также удалось увидеть зав-ть цены квартиры от расстояния до центра .
Слайд 10Решение
Протестируем модель на гетероскедостичность с помощью теста Уайта. Значение статистики равно 48,
![Решение Протестируем модель на гетероскедостичность с помощью теста Уайта. Значение статистики равно](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1156077/slide-9.jpg)
p-значение равно 0,0037. Гипотеза о гомоскедостичности отвергается. Т. о. цена зависит от следующих величин: livsq, kitsq, 1/distc,dopsq,cat, floor.