Прогнозирование на основе регрессионных моделей

-------------+------------------------------ F( 3, 16) = 10.60

Model | .032029999 3 .010676666 Prob > F = 0.0004

Residual | .016120951 16 .001007559 R-squared = 0.6652

-------------+------------------------------ Adj R-squared = 0.6024

Total | .04815095 19 .002534261 Root MSE = .03174

------------------------------------------------------------------------------

s

st | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

lnud1 | 15.74117 6.497854 2.42 0.028 1.966333 29.516

korm | .0027978 .0025644 1.09 0.291 -.0026386 .0082341

ves1 | .0207899 6.780318 0.00 0.998 -14.35284 14.39442

_cons | -1.732706 .8136604 -2.13 0.049 -3.457589 -.0078235

------------------------------------------------------------------------------

R-квадрат хорош- 0,665, уравнение значимо согласно F-критерию Фишера. Но при этом параметры при переменных korm, ves1 с P-значениями 0.291 и 0.998 соответственно не значимы по t-критерию Стьюдента. Также отбросим эту модель.

Рассмотрим модель:

. reg sst lnud1 korm1 ves

Source | SS df MS Number of obs = 20

-------------+------------------------------ F( 3, 16) = 10.31

Model | .031738225 3 .010579408 Prob > F = 0.0005

Residual | .016412725 16 .001025795 R-squared = 0.6591

-------------+------------------------------ Adj R-squared = 0.5952

Total | .04815095 19 .002534261 Root MSE = .03203

------------------------------------------------------------------------------

sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

lnud1 | 14.53007 7.378598 1.97 0.066 -1.111856 30.172

korm1 | -5.544031 5.927707 -0.94 0.364 -18.11021 7.022147

ves | -.0001462 .002454 -0.06 0.953 -.0053485 .005056

_cons | -1.322613 .969369 -1.36 0.191 -3.377583 .7323579

------------------------------------------------------------------------------

Как и в предыдущих моделях, несмотря на значимость уравнения и хорошее значение коэффициента детерминации, эту регрессионную модель мы также отбросим, так как в ней незначимы параметры при переменных lnud1, korm1, ves согласно t-критерию Стьюдента.

Рассмотрим модель:

. reg sst lnud lnud2 korm korm2 ves ves2

Source | SS df MS Number of obs = 20

-------------+------------------------------ F( 6, 13) = 4.52

Model | .032557159 6 .005426193 Prob > F = 0.0109

Residual | .015593791 13 .001199522 R-squared = 0.6761

-------------+------------------------------ Adj R-squared = 0.5267

Total | .04815095 19 .002534261 Root MSE = .03463

------------------------------------------------------------------------------

sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

lnud | -5.729043 9.44621 -0.61 0.555 -26.13634 14.67825

lnud2 | .341597 .5910669 0.58 0.573 -.9353253 1.618519

korm | .0132344 .0388671 0.34 0.739 -.0707327 .0972016

korm2 | -.0001134 .0004041 -0.28 0.783 -.0009865 .0007596

ves | .0150622 .0364293 0.41 0.686 -.0636385 .0937629

ves2 | -.0001446 .0003466 -0.42 0.683 -.0008934 .0006042

_cons | 23.57414 36.19652 0.65 0.526 -54.62369 101.772

------------------------------------------------------------------------------

Эта модель также не подходит, поскольку параметры при всех переменных не значимы согласно t-критерию Стьюдента.

Рассмотрим модель:

. reg sst lnud2 korm2 ves2

Source | SS df MS Number of obs = 20

-------------+------------------------------ F( 3, 16) = 10.39

Model | .031819188 3 .010606396 Prob > F = 0.0005

Residual | .016331762 16 .001020735 R-squared = 0.6608

-------------+------------------------------ Adj R-squared = 0.5972

Total | .04815095 19 .002534261 Root MSE = .03195

------------------------------------------------------------------------------

sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

lnud2 | -.0150021 .0079436 -1.89 0.077 -.0318418 .0018377

korm2 | .000028 .0000263 1.07 0.302 -.0000277 .0000838

ves2 | 2.49e-06 .0000227 0.11 0.914 -.0000457 .0000507

_cons | 1.258054 .4178871 3.01 0.008 .3721731 2.143935

------------------------------------------------------------------------------

И в этой модели параметры при переменных не значимы по t-критерию Стьюдента. Отбрасываем эту модель.

Воспользуемся процедурой пошагового отбора регрессоров при построении множественной регрессии. При этом из исходного набора объясняющих переменных будут включаться в число регрессоров в первую очередь те переменные, которые имеют больший уровень значимости. Вначале включим в набор переменных переменную , а затем переменную .

. sw reg sst lnud korm ves korm1 ves1 lnud2 korm2 ves2,pe(0.05)

begin with empty model

p = 0.0000 < 0.0500 adding lnud

Source | SS df MS Number of obs = 20

-------------+------------------------------ F( 1, 18) = 31.70

Model | .030711968 1 .030711968 Prob > F = 0.0000

Residual | .017438982 18 .000968832 R-squared = 0.6378

-------------+------------------------------ Adj R-squared = 0.6177

Total | .04815095 19 .002534261 Root MSE = .03113

------------------------------------------------------------------------------

sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

lnud | -.1672727 .0297095 -5.63 0.000 -.22969 -.1048553

_cons | 1.703191 .241499 7.05 0.000 1.19582 2.210561

------------------------------------------------------------------------------

В итоге получили модель . Это уравнение значимо согласно F-критерию Фишера, и параметр при переменной lnud и константа значимы по t-критерию Стьюдента. 63,78 % суммы квадратов отклонений переменной sst от среднего значения объясняется переменными модели. А при увеличении удоя молока на 2,72 % себестоимость снижается на 0,17 %.

. sw reg sst lnud1 korm ves korm1 ves1 lnud2 korm2 ves2,pe(0.05)

begin with empty model

p = 0.0000 < 0.0500 adding lnud1

Source | SS df MS Number of obs = 20

-------------+------------------------------ F( 1, 18) = 32.04

Model | .030830369 1 .030830369 Prob > F = 0.0000

Residual | .017320581 18 .000962254 R-squared = 0.6403

-------------+------------------------------ Adj R-squared = 0.6203

 Скачать реферат