Download
1 / 10
100 likes | 301 Views
Лекция 3.1. Линейная регрессионная модель для случая одной объясняющей переменной. Интерпретация коэффициентов регрессии. Интерпретация коэффициентов регрессии.
E N D
Лекция 3.1 Линейная регрессионная модель для случая одной объясняющей переменной. Интерпретация коэффициентов регрессии.
Интерпретация коэффициентов регрессии Диаграмма рассеяния отражает зависимость почасовой з/п в 1994 г. от длительности обучения для 570 индивидов из National Longitudinal Survey of Youth. 2
Интерпретация коэффициентов регрессии 6 – 12 лет обучения – школьное образование (неполное или полное), 13 – 15 лет обучения– колледж, 16 – 18 лет – магистратура, 18 – 20 лет – докторантура. 3
Интерпретация коэффициентов регрессии . reg EARNINGS S Source | SS df MS Number of obs = 570 ---------+------------------------------ F( 1, 568) = 65.64 Model | 3977.38016 1 3977.38016 Prob > F = 0.0000 Residual | 34419.6569 568 60.5979875 R-squared = 0.1036 ---------+------------------------------ Adj R-squared = 0.1020 Total | 38397.0371 569 67.4816117 Root MSE = 7.7845 ------------------------------------------------------------------------------ EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval] ---------+-------------------------------------------------------------------- S | 1.073055 .1324501 8.102 0.000 .8129028 1.333206 _cons | -1.391004 1.820305 -0.764 0.445 -4.966354 2.184347 ------------------------------------------------------------------------------ Для оценки регрессии используется статистический пакет Stata. 4
Интерпретация коэффициентов регрессии . reg EARNINGS S Source | SS df MS Number of obs = 570 ---------+------------------------------ F( 1, 568) = 65.64 Model | 3977.38016 1 3977.38016 Prob > F = 0.0000 Residual | 34419.6569 568 60.5979875 R-squared = 0.1036 ---------+------------------------------ Adj R-squared = 0.1020 Total | 38397.0371 569 67.4816117 Root MSE = 7.7845 ------------------------------------------------------------------------------ EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval] ---------+-------------------------------------------------------------------- S | 1.073055 .1324501 8.102 0.000 .8129028 1.333206 _cons | -1.391004 1.820305 -0.764 0.445 -4.966354 2.184347 ------------------------------------------------------------------------------ В первой колонке – названия переменных, во второй колонке – оценки коэффициентов регрессии. 5
Интерпретация коэффициентов регрессии . reg EARNINGS S Source | SS df MS Number of obs = 570 ---------+------------------------------ F( 1, 568) = 65.64 Model | 3977.38016 1 3977.38016 Prob > F = 0.0000 Residual | 34419.6569 568 60.5979875 R-squared = 0.1036 ---------+------------------------------ Adj R-squared = 0.1020 Total | 38397.0371 569 67.4816117 Root MSE = 7.7845 ------------------------------------------------------------------------------ EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval] ---------+-------------------------------------------------------------------- S | 1.073055 .1324501 8.102 0.000 .8129028 1.333206 _cons | -1.391004 1.820305 -0.764 0.445 -4.966354 2.184347 ------------------------------------------------------------------------------ Коэффициент перед переменнойS равен 1.073, а оценка свободного члена (перед cons) равна -1.391. 6
Интерпретация коэффициентов регрессии ^ На рисунке изображена линия регрессии. 7
Интерпретация коэффициентов регрессии ^ Sизмеряется в годах, EARNINGSв долларах в час. Интерпретация коэффициента наклона: каждый дополнительный год обучения увеличивает почасовую з/п на $1.07. 8
Интерпретация коэффициентов регрессии ^ Интерпретация константы, состоящая в том, что индивидуум, не имеющий образования, должен доплачивать за возможность работать, не имеет смысла. 9
Интерпретация коэффициентов регрессии ^ Однако экстраполяция проведена только для проучившихся более 6 лет, свободный член в данном примере не имеет содержательной экономической интерпретации. 10
