При відсутності мультиколеніарності

На середньомісячну заробітну плату впливає низка чинників. Вирізнимо серед них продуктивність праці, фондомісткість та коефіцієнт плинності робочої сили.

Щоб побудувати економетричну модель заробітної плати від згаданих чинників за методом найменших квадратів, потрібно переконатися, що продуктивність праці, фондомісткість та коефіцієнт плинності робочої сили як незалежні змінні моделі – не мультиколінеарні.

Вихідні дані наведено в табл. 8.1.

Таблиця 8.1

Кількість спостережень	Продуктивність праці, людино-днів	Фондомісткість, млн. грн.	Коефіцієнт плинності робочої сили, %
		0,89	19,5
		0,43	15,6
		0,7	13,5
		0,61	9,5
		0,51	23,5
		0,51	12,5
		0,65	17,5
		0,43	14,5
		0,51	14,5
		0,92	7,5
Середнє значення	28,7	0,616	14,81

Дослідити наведені чинники на наявність мультиколінеарності.

Порядок виконання завдання

Дослідимо наявність мультиколінеарності, вико­навши такі кроки:

1. Обчислити середні значення показників та стандартні відхилення. Нормалізувати пояснювальні змінні моделі.

2. Знайти кореляційну матрицю r_хх.

3. Визначити детермінант матриці r_хх.

4. Обчислити критерій c².

5. Розрахувати матрицю, обернену до матриці r_хх.

6. Визначення F-критерію.

7. Обчислити частинні коефіцієнти кореляції.

8. Визначити t-критерій.

9. Зробити висновки щодо мультиколінеарності.

Крок 1. Нормалізація змінних.

Позначимо вектори незалежних змінних – продуктивності праці, фондомісткості, коефіцієнтів плинності робочої сили – через Х₁, Х₂, Х₃.

Елементи нормалізованих векторів обчислимо за формулою:

де n – кількість спостережень, n = 10; m –кількість незалежних змінних, m= 3; – середнє арифметичне значення ком­понентів вектора Х_k; – дисперсія змінної х_k.

Із формули випливає, що спочатку потрібно обчислити середні арифметичні значення і величини для кожної незалежної змінної:

 

Дисперсії кожної незалежної змінної мають такі зна­чення:

Усі розрахункові дані для нормалізації змінних Х₁, Х₂,X₃, згідно з поданими співвідношеннями наведено в табл. 8.2.

Таблиця 8.2

3,3	0,274	4,7	10,89	0,07508	21,9961	0,2487	0,5191	0,3365
0,3	–0,186	0,8	0,09	0,03460	0,6241	0,0226	–0,3524	0,0567
1,3	0,084	–1,3	1,69	0,00706	1,7161	0,0980	0,1591	–0,0940
2,3	–0,006	–5,3	5,29	0,00004	28,1961	0,1733	–0,0114	–0,3810
–3,7	–0,106	8,7	13,69	0,01124	75,5161	–0,2788	–0,2008	0,6235
5,3	–0,106	–2,3	28,09	0,01124	5,3361	0,3994	–0,2008	–0,1657
0,3	0,034	2,7	0,09	0,00116	7,2361	0,0226	0,0644	0,1930
–4,7	–0,186	–0,3	22,09	0,03460	0,0961	–0,3542	–0,3524	–0,0222
–8,7	–0,106	–0,3	75,69	0,01124	0,0961	–0,6556	–0,2008	–0,0222
4,3	0,304	–7,3	18,49	0,09242	53,4361	0,3240	0,5759	–0,5245
Всього			176,10	0,27864	194,249

Тоді знаменник для нормалізації кожної незалежної змінної буде такий:

X₁: ;

X₂: ;

X₃: .

Матриця нормалізованих змінних подається у вигляді:

	0,2487	0,5191	0,3365
	0,0226	–0,3524	0,0567
	0,0980	0,1591	–0,0940
	0,1733	–0,0114	–0,3810
X* =	–0,2788	–0,2008	0,6235
	0,3994	–0,2008	–0,1657
	0,0226	0,0644	0,1930
	–0,3542	–0,3524	–0,0222
	–0,6556	–0,2008	–0,0222
	0,3240	0,5759	–0,5245

Крок 2. Визначення кореляційної матриці:

де – матриця нормалізованих незалежних змінних;

– матриця, транспонована до X^*.

Ця матриця симетрична і має розмір 3 х 3.

Запишемо шукану кореляційну матрицю

		0,5550	–0,3734
rxx =	0,5550		–0,2252
	–0,3734	–0,2252

Кожний елемент цієї матриці характеризує тісноту зв’язку однієї незалежної змінної з іншою.

Оскільки діагональні елемен­ти характеризують тісноту зв’язку кожної незалежної з цією самою змінною, то вони дорівнюють одиниці.

Решта елементів матриці r_ххтакі:

тобто вони є парними коефіцієнтами кореляції між незалежними змінними.

Користуючись цими коефіцієнтами, можна зро­бити висновок, що між змінними Х₁, Х₂, Х₃існує кореляційний зв’язок. Чи є цей зв’язок виявленням мультиколінеарності? Щоб відповісти на це запитання, потрібно ще раз звернутися до алгоритму Фаррара-Глобера і знайти статистичні критерії оцінки мультиколінеарності.

Крок 3. Обчислимо детермінант кореляційної матриці r і критерій c²:

а)

б)

Якщо ступінь свободи , а рівень значущості a=0,01, критерій . Оскільки доходимо висновку, що в масиві змінних не існує мультиколінеарності.

Далі недоцільно реалізувати алгоритм Фаррара-Глобера, бо вже очевидно, що мультиколінеарності між досліджуваними незалежними змінними нема.