Разделы презентаций


Задача 3.30

Содержание

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.

Слайды и текст этой презентации

Слайд 1Задача 3.30
Решение
Подготовила: Семенова Оксана

Задача 3.30РешениеПодготовила: Семенова Оксана

Слайд 2а) 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

а) Рассмотрим, например, следующую спецификацию модели – регрессию логарифма цены на константу, число комнат, жилую площадь, площадь

Слайд 3Первой необходимо выбрать зависимую переменную (в данном случае price).
Удерживая Ctrl:

price, numroom, sliv, skit, sall > Правая кнопка мыши >

Open > as Equation.

/33

Первой необходимо выбрать зависимую переменную (в данном случае price).Удерживая Ctrl: price, numroom, sliv, skit, sall > Правая

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 5Получаем таблицу 3.4.
/33

Получаем таблицу 3.4./33

Слайд 6Чтобы сохранить получившуюся модель, необходимо нажать на Freeze. Появится новое

окно.
/33

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

Слайд 7После нажатия на Name вводим названия для модели и нажимаем

OK. Сохраненную модель редактировать нельзя (т.к. сохраняем как картинку).
/33

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

Слайд 8Обозначим (price) начальную цену - P0, цену после добавления комнаты

- P1.
При добавлении одной комнаты площадью 18 м2 относительное изменение

цены в среднем равно:

/33

Обозначим (price) начальную цену - P0, цену после добавления комнаты - P1.При добавлении одной комнаты площадью 18

Слайд 10Для 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

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

Слайд 11Получаем ковариационную матрицу.
/33

Получаем ковариационную матрицу./33

Слайд 12Свойства дисперсии:
Обозначим дисперсию (D) как VAR (V).
/33

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

Слайд 13При 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

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

Слайд 15Таблица 3.5 строится аналогично предыдущей, только мы должны дополнительно поменять

переменную sliv.
/33

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

Слайд 16в) 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

в) Попробуем включить в модель другие доступные параметры, от которых зависит цена квартиры. Это может не уменьшить

Слайд 17Таблица 3.6 строится аналогично предыдущей, только добавляются новые переменные lodzhia,

firstfloor, walltype1.
/33

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

Слайд 20Обозначим (price) начальную цену - P0, цену после добавления комнаты

- P1.
При добавлении одной комнаты относительное изменение цены в среднем

равно:

/33

Обозначим (price) начальную цену - P0, цену после добавления комнаты - P1.При добавлении одной комнаты относительное изменение

Слайд 23Построим к таблице 3.7. ковариационную матрицу:
View > Covariance Matrix.
/33

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

Слайд 24Построение доверительных интервалов
При numroom=1:
При добавлении 1 комнаты площадью 18 м2

к однокомнатной квартире цена с вероятностью 95% вырастет от 41,5%

до 54%.

/33

Построение доверительных интерваловПри numroom=1:При добавлении 1 комнаты площадью 18 м2 к однокомнатной квартире цена с вероятностью 95%

Слайд 25При добавлении 1 комнаты площадью 18 м2 к двухкомнатной квартире

цена с вероятностью 95% вырастет от 27,1% до 38,3%.
При numroom=2:
/33

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

Слайд 26При добавлении 1 комнаты площадью 18 м2 к трехкомнатной квартире

цена с вероятностью 95% вырастет от 12,7% до 25,6%.
При numroom=3:
/33

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

Слайд 28В полученной таблице смотрим: Prob. F, Prob. Chi-Square, если probability

(есть гетероскедастичность), то нужна подправка, если probability>0.05, подправка не нужна.

Сохраняем таблицу.

/33

В полученной таблице смотрим: Prob. F, Prob. Chi-Square, если probability0.05, подправка не нужна. Сохраняем таблицу./33

Слайд 29Подправка:
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 30Далее снова: Proc > Specify/Estimate > Options
(если Durbin-Watson stat.

то Newey-West, если >=1.5, то White)
/33

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

Слайд 31В 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

В результате Std.Error и Probability меняется. Если Probability вылетает (>0.05), то соответствующий параметр убирается из модели. Сохраняем

Слайд 32Проверка остатков на нормальность:
View > Residual Diagnostic > Histogram -

Normality Test
/33

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

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика