Frekwencja na stadionach w latach 1989 2005 wersja ostateczna


Overview

Dane
Współczynniki korelacji
Metoda Hellwiga, Metoda grafu
MNK
Testy


Sheet 1: Dane

t Y Wybór zmiennych objaśniających, które mają istotnywpływ na kształtowanie się zmiennej objaśnianej(zbór potencjalnych zmiennych objaśniających) X1 X2 X3 X4 Zgromadzone na podstawie roczników statystycznych, portalu 90minut.pl a także źrodeł własnych Dane


1989 8216 6,3 206 758 950 38038,4

1990 7290 6,5 1 029 637 6860 38183,2

1991 5125 12,2 1 770 000 9000 38309,2

1992 4784 14,3 2 935 000 21500 38418,1

1993 4320 16,4 3 995 000 35000 38504,7

1994 4550 16 5 328 000 48200 38580,7

1995 4890 14,9 702,62 7,8 38609,4

1996 4998 13,2 873 8 38639,3

1997 4700 10,3 1 061,93 11 38660

1998 4511 10,4 1 239,49 14,8 38667

1999 4380 13,1 1 706,74 17,6 38653,6

2000 4781 15,1 1 923,81 17,9 38254

2001 4710 17,5 2 061,85 18,1 38242,2

2002 4965 18,7 2 133,21 18 38218,3



2003 5130 18,9 2 201,47 18,3 38190,6

2004 5198 19 2 289,57 18,5 38173,8

2005 5556 17,6 2 380,29 19 38157,1


















Y - średnia frekwencja na stadionach polskiej ligi w poszczególnych latach






X1 - stopa bezrobocia w %






X2 - przeciętne wynagrodzenie miesięczne brutto w zł






X3 - przeciętna cena biletów w zł






X4 - liczba ludności w tys





























wartości korelacji zmiennej objaśnianej ze zmiennymmi objaśniającymi przedstawniamy w postaci wykresów w celu określenia funkcyjnej zależności. Wykresy przedstawiają funkcyjne zależności liniowe między zmiennymi


















































































































































Sheet 2: Współczynniki korelacji

i X1 X2 X3 X4 Y
r(y,x1) -0,6032 W tym celu, używam funkcji statystycznej zawartej w Excelu Wyliczam współczynniki korelacji







1 6,3 206 758,00 950 38 038,4 8216
r(y,x2) -0,1950








2 6,5 1 029 637,00 6 860 38 183,2 7290
r(y,x3) -0,2228

Macierz R0 powstaje z wspólczynników korelacji r(y,xi) Tworzymy macierz R0




3 12,2 1 770 000,00 9 000 38 309,2 5125
r(y,x4) -0,6352








4 14,3 2 935 000,00 21 500 38 418,1 4784




r(y,x1) -0,6032




5 16,4 3 995 000,00 35 000 38 504,7 4320
r(x1,x2) 0,0618
R0 r(y,x2) -0,1950




6 16 5 328 000,00 48 200 38 580,7 4550
r(x1,x3) 0,1041

r(y,x3) -0,2228




7 14,9 702,62 7,8 38 609,4 4890
r(x1,x4) -0,1090

r(y,x4) -0,6352




8 13,2 873,00 8,0 38 639,3 4998
r(x2,x3) 0,9911








9 10,3 1 061,93 11,0 38 660,0 4700
r(x2,x4) 0,2162

Macierz R powstaje ze wspóczynników korelacji r (xi,xj) Tworzymy macierz R




10 10,4 1 239,49 14,8 38 667,0 4511
r(x3,x4) 0,2456








11 13,1 1 706,74 17,6 38 653,6 4380



x1 x2 x3 x4



12 15,1 1 923,81 17,9 38 254,0 4781


x1 1,0000 0,0618 0,1041 -0,1090



13 17,5 2 061,85 18,1 38 242,2 4710

Podstawą wyboru zmiennych objaśniających do modelu jest analiza korelacji, dlatego na podstawie zebranych danych budujemy macierz współczynników korelacji między zmiennymi objaśniającymi R R x2 0,0618 1,0000 0,9911 0,2162



14 18,7 2 133,21 18,0 38 218,3 4965


x3 0,1041 0,9911 1,0000 0,2456



15 18,9 2 201,47 18,3 38 190,6 5130


x4 -0,1090 0,2162 0,2456 1,0000



16 19 2 289,57 18,5 38 173,8 5198











17 17,6 2 380,29 19,0 38 157,1 5556
























































































































Sheet 3: Metoda Hellwiga, Metoda grafu















Metoda grafu


















Założenie, że współczynnik α=0,05 wartość TI odczytujemy z tablic t-studenta:



TI 2,131













Metoda Hellwiga



wartość TI podnosimy do kwadratu:



TI^2 4,541161


















podstawiamy do wzoru ogólnego i otrzymujemy:



R* 0,482067960684979











Mamy 15 kombinacji, wybieramy tą, której wartość jest najwyższa Wykonujemy obliczenia niezbędne w metodzie Hellwiga

























































Powstaje ona w wyniku porównania wszystkich wartości w macierzy R z współczynnikiem istotności, jeżeli r(xi,xj)<=r* to wartośc w komórce zmieniamy na 0, jeżeli jest na odwrót, to wartość w komórce pozostawiamy bez zmian tworzymy macierz R*, zastępując macierz R



Macierz R*






















x1 x2 x3 x4


szukamy zależności:

Na podstawie macierzy R* budujemy grafy powiązań pomiędzy zmiennymi.



C1={x1} 0,363833547315095








x1 1 0 0 0









C2={x2} 0,03802387906055








x2 0 1 0,9938 0









C3={x3} 0,049644499774612








x3 0 0,9938 1 0





C4={x4} 0,403484360493108








x4 0 0 0 1



C5={x1x2} 0,378452503539902

















C6={x1x3} 0,37448219210024

















C7={x1x4} 0,861170556879762

















C8={x2x3} 0,04402988053321

















C9={x2x4} 0,363019262422764

















C10={x3x4} 0,363780726172053

















C11={x1x2x3} 0,354257364822817 0,312041924705979 0,018521537935785 0,023693902181054


















C12={x1x2x4} 0,736803709581763 0,34264320581322 0,029751355344106 0,364409148424436


















C13={x1x3x4} 0,757371324682351 0,365606708524872 0,0367807164559 0,354983899701578





po odczytaniu zależności zapisujemy ogólnie:











C14={x2x3x4} 0,315436260033397 0,017226244695628 0,022195214844865 0,276014800492904






Do modelu wchodzą: y=α0+α1x1+α2x3+α3x4+εi










C15={x1x2x3x4} 0,680430150060023 0,344215391127569 0,016756761437465 0,021207862005328 0,298250135489662
























































MAX C Maksymalną wartością wynikającą z testu Hellwiga jest wartości c7=0,8611706, wynika z tego że do naszego modelu bierzemy zmienną pierwszą wraz ze zmienna czwartą 0,861170556879762


























































Z testu Hellwiga wynika, że nasz model będzie miał taka postać: y=α0+α1x1+α2x4+εi














































































































Sheet 4: MNK


1 6,3 38038,4


8216




Wykorzystujemy funkcję 'transponuj' Excela Macierz X transponowana ma postać:













1 6,5 38183,2


7290

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 12,2 38309,2


5125
Xt 6,3 6,5 12,2 14,3 16,4 16 14,9 13,2 10,3 10,4 13,1 15,1 17,5 18,7 18,9 19 17,6

1 14,3 38418,1


4784

38038,4 38183,2 38309,2 38418,1 38504,7 38580,7 38609,4 38639,3 38660 38667 38653,6 38254 38242,2 38218,3 38190,6 38173,8 38157,1

1 16,4 38504,7


4320



















1 16 38580,7


4550



















1 14,9 38609,4


4890



















1 13,2 38639,3


4998


















Wykorzystujemy zmienne występujące w metodzie Hellwiga Macierz X 1 10,3 38660

Macierz Y 4700



















1 10,4 38667


4511



















1 13,1 38653,6


4380



















1 15,1 38254


4781



















1 17,5 38242,2


4710



















1 18,7 38218,3


4965



















1 18,9 38190,6


5130



















1 19 38173,8


5198



















1 17,6 38157,1


5556



































































































Wykorzystujemy funkcję 'macierz.iloczyn' Excela Mnożymy macierz Xt przez macierz X:





Wykorzystujemy funkcję 'macierz.iloczyn' Excela Mnożymy macierz Xt przez macierz Y














































17 240,4 652499,6



88104

















XTX 240,4 3654,26 9225593,46


XTY 1206235,2


















652499,6 9225593,46 25045216785,38



3379352177,7







































































Wykorzystujemy funkcję 'wyznacznik.macierzy' Excela Liczymy wyznacznik macierzy XTX




















































Det XTX 3261310869,57














































































Wykorzystujemy funkcję 'macierz.odw' Excela Tworzymy macierz odwrotną do macierzy XTX






W wyniku pomnożenia macierzy odwrotnej XtX-1 i macierzy XTY otrzymuje wektor ocen parametrów strukturalnych szacowanego modelu Obliczam a














































1965,5162 -0,3600 -0,0511


136143,7456

















Macierz odwrotna (XTX)-1
-0,3600 0,0040 0,0000

a -175,6509



















-0,0511 0,0000 0,0000


-3,3473



















































Możemy zatem zapisać:

























Y=136143,7456 - 175,6509X1 - 3,3473X2








































































Yi Powstaje poprzez pomnożenie macierzy X przez a Ỷi ei ei2 (Ỷi-Ỹ)2 (Yi-Ỹ)2




















8216,0000 7711,1332 504,8668 254890,5007 6393539,5636 9201586,9343




















7290,0000 7191,3137 98,6863 9738,9886 4034977,9361 4441184,3460




















5125,0000 5768,3438 -643,3438 413891,2014 343109,5419 3316,4048




















4784,0000 5034,9558 -250,9558 62978,8062 21795,3403 158872,5813




















4320,0000 4376,2126 -56,2126 3159,8608 650241,6021 744058,4637




















4550,0000 4192,0780 357,9220 128108,1370 981110,4679 400167,8754




















4890,0000 4289,2264 600,7736 360928,9162 798095,3654 85607,8754




















4998,0000 4487,7485 510,2515 260356,5683 482802,2238 34072,8166




















4700,0000 4927,8469 -227,8469 51914,1872 64893,1732 232891,4048




















4511,0000 4886,8507 -375,8507 141263,7119 87460,7188 451030,7578




















4380,0000 4457,4472 -77,4472 5998,0675 525829,5336 644147,8754




















4781,0000 5443,7274 -662,7274 439207,5522 68193,6419 161273,1107




















4710,0000 5061,6635 -351,6635 123667,1978 14622,7983 223339,6401




















4965,0000 4930,8830 34,1170 1163,9721 63355,5431 47344,6401




















5130,0000 4988,4731 141,5269 20029,8750 37680,7016 2765,5225




















5198,0000 5027,1426 170,8574 29192,2350 24163,3308 237,5225




















5556,0000 5328,9538 227,0462 51549,9831 21422,8746 139436,3460















































88104
0,0000 2358040 14613294 16971334
















































Obliczam:

























Wariancja odchyleń losowych Se2 168431,411491898
























Odchylenie standardowe Se Przeciętna różnica między zaobserwowanymi wartościami zmiennej objaśnianej i wartościami teoretycznymi wynosi 410,404 410,403961350153
























5182,58823529412
























Współczynnik zmienności losowej Ve 7,92%
Wartości te wskazują, że zmienne objaśniające modelu wyjaśniają






















Współczynnik detreminacji R2 0,861057489969317
zmienność zmiennej objaśnianej w stopniu 0,861057; udział czynników






















Współczynnik zbieżności φ 0,13894251003135
przypadkowych w tej zmienności wynosi 0,138943

















































*Weryfikacja - R2+φ=1

























Sheet 5: Testy

Test istotności współczynnika koleracji wielorakiej:
























































































Wyliczamy F*:
n1=k=2
n2=n-k-1=14 Wartość na n1=2 oraz n2=14 odczytujemy z tablic Fishera

F*=3,74




















Wyliczamy F:








































R2= 0,861057

























F= 43,3803718071439


























































Nie ma podstaw do odrzucenia hipotezy H1 - wśród zmiennych objaśniających istnieje przynajmniej jedna zmienna












która w istotny sposób oddziaływuje na zmienną objaśnianą.








































Macierz wariancji i kowariancji ocen parametrów strukturalnych:














































































331054660,3 -60635,4 -8602,6 Macierz wariancji i kowariancji:









D2(a) -60635,4 669,2 1,3










-8602,6 1,3 0,2























WARIANCJE:

STANDARDOWE BŁĘDY SZACUNKU:









D2(ao)= 331054660,3
D(ao)= 18194,9075379318








D2(a1)= 669,2
D(a1)= 25,8686379068605








D2(a2)= 0,2
D(a2)= 0,472903394904892























Model ma postać:












Y=136143,7456 - 175,6509X2 - 3,3473X3












18194,9075379318

25,8686379068605
0,472903394904892


































Badanie istotności parametrów strukturalnych:


























































































Obliczamy t:













t0= 7,48251923326207











t1= 6,79011011837682











t2= 7,07818982917895










Obliczamy t*:



























n-k-1=17-2-1=14

























Odczytujemy z tablic t-studenta:












t*=2,145


























t0 > t* t1 > t* t2 > t*







































Na poziomie istotności α = 0,05 hipoteze zerowa H0 należy odrzucic na rzecz hipotezy alternatywnej H1.












Oznacza to, że parametr α2 różni się w sposób istotny od zera.












Wszystkie zmienne objaśniające oddziaływują w sposób istotny na zmienną objaśnianą Y.








































Badanie stałości wariancji:


























i









1









2 98,686314053557 96,8591625909006 9381,69737781051









3 -643,34376610961 -645,170917572267 416245,512881041









4 -250,955785413127 -252,782936875784 63899,2131755464









5 -56,2126391321362 -58,0397905947927 3368,61729228738









6 357,921970563126 356,094819100469 126803,520190196









suma: 10,9629087759386 0 872747,463821645









średnia: 1,82715146265643

























12 -662,727358903459 -589,253477375319 347219,660598906









13 -351,66347235124 -278,189590823099 77389,4484423234









14 34,1170350738685 107,590916602009 11575,8053352604









15 141,526940740994 215,000822269135 46225,353576404









16 170,857352698979 244,331234227119 59697,7520189473









17 227,046213572015 300,520095100156 90312,3275590067









suma: -440,843289168843 0 632420,347530847









średnia: -73,4738815281404

































































Należy zweryfikować hipotezę:































wobec hipotezy:











































Sprawdzianem tej hipotezy jest statystyka:


































Liczymy wariancje resztowe:



































































Wartości krytyczne odczytujemy z tablic Fishera:



























F*= m1=n2-k-1












m2=n1-k-1
























Wyliczenie:












n1=6



m1=3







n2=6



m2=3







k=2



Odczytujemy z tablic Fishera F* = 9,28









290915,821273881







































210806,782510282






































F= 1,38001167614088






































Jeśli F≤F*, nie ma podstaw do odrzucenia hipotezy H0, wariancja odchyleń losowych jest stała w czasie.


























Zatem: F≤F*, nie ma podstaw do odrzucenia hipotezy H0, wariancja jest stała w czasie.








































Badanie losowości:


























Badanie losowego kształtowania się składnika losowego sprowadza się do weryfikowania hipotezy:














































wobec hipotezy:

























































































504,86681481413 a Oblicza się reszty modelu





98,686314053557 a Jeśli:










-643,34376610961 b
przyporządkowujemy symbol a.





-250,955785413127 b
przyporządkowujemy symbol b.





-56,2126391321362 b










357,921970563126 a
a = 9
b = 8







600,773598117259 a Oblicza się liczbę serii ke. Seria to podciąg złożony wyłącznie z symboli a lub b.





510,251475547833 a




e -227,846850372793 b
ke = 5









-375,850651011788 b Możemy zapisać:
k=5








-77,4471913894959 b

n1 = 9 Liczba reszt dodatnich







-662,727358903459 b

n2 = 8 Liczba reszt ujemnych







-351,66347235124 b Odczytujemy z tablic rozkładu dla testu serii:










34,1170350738685 a

a/2 1-a/2







141,526940740994 a poziom istotności 0,025 0,975







170,857352698979 a n1-liczba el. dodatnich 9 9







227,046213572015 a n2-liczba el. ujemnych 8 8














Jeżeli k-liczba serii mieści się w przedziale <k1,k2> to rozkład jest losowy;



K* z tablic rozkładu serii wartość krytyczną z rozkładu liczby serii lewostronnego K*1 wartość krytyczną z rozkładu liczby serii prawostronnego K*2
jeżeli k<klewo i k>kprawo to odrzucamy rozkład reszt i rozkład nie jest losowy.





5 14














W naszym przypadku: 5 ≤ 5 ≤14,zatem nie mamy podstaw do odrzucenia hipotezy zerowej.




Badanie symetrii składnika losowego:
























Werifikujemy hipotezę:































wobec:

















































































































































gdzie: r - liczba reszt dodatnich n - liczba obserwacji


























t* n-1, α - odczytujemy z tablic t-studenta


























Wyliczamy:












n=17












r=9












α=0,05


























tα= 0,235702260395516
t* = 2,120























Jeśli tα≤t* to nie ma podstaw do odrzucenia hipotezy H0, czyli składnik losowy jest symetryczny. Jeśli tα>t* to hipotezę H0 należy odrzucić na rzecz hipotezy alternatywnej H1 , czyli składnik losowy nie jest symetryczny.
















































W naszym przypadku tα≤t* więc nie ma podstaw do odrzucenia hipotezy H0.












Rozkład jest symetryczny.








































Badanie normalności rozkładu składnika losowego - Hellwiga:


























Weryfikujemy hipotezę:












H0: dystrybuanta rozkładu reszt jest równa Fn(Ei)








wobec:












H1: dystrybuanta rozkładu reszt jest różna Fn(Ei)





































ei e2 Ui Ui rosnąco F








504,86681481413 254890,500700565 1,31510750026579 -1,72631215752836 0,0421








98,686314053557 9738,98858147728 0,257064057246857 -1,67582060705022 0,0469








-643,34376610961 413891,201392097 -1,67582060700796 -0,979038422900477 0,1638








-250,955785413127 62978,8062323195 -0,653704751328129 -0,916034202505235 0,1798


standaryzacja zmiennych


-56,2126391321362 3159,86079819978 -0,146426069536028 -0,653704751373009 0,2567








357,921970563126 128108,137011791 0,932336715715354 -0,593509204942506 0,2764








600,773598117259 360928,916194758 1,56493126833172 -0,201739110805752 0,4201


Ui=ei/Se zmienna standaryzowana

510,251475547833 260356,568298741 1,32913378900074 -0,146426069582993 0,4418


Se2=(S(ei-eśr)2)/n



-227,846850372793 51914,1872248018 -0,593509204893002 0,088870108660583 0,5354








-375,850651011788 141263,711865985 -0,979038422850897 0,257064057208117 0,6014




n=17


-77,4471913894959 5998,0674541212 -0,201739110756058 0,368657902987945 0,6438








-662,727358903459 439207,552239155 -1,72631215748682 0,445059527377263 0,6719


ocena wariancji Se2 Dla danego ciągu reszt e1,e2,...,en szacujemy odchylenia standardowe Se



-351,66347235124 123667,197786131 -0,916034202463653 0,591423657871708 0,7229


147377,485055411 383,897753386772



34,1170350738685 1163,97208223157 0,088870108701824 0,932336715666758 0,8244








141,526940740994 20029,8749555049 0,368657903028694 1,31510750023012 0,9058








170,857352698979 29192,2349713031 0,445059527417557 1,32913378895128 0,9081








227,046213572015 51549,9830973892 0,59142365791151 1,56493126828271 0,9412









2358039,76088657







































Dł. Celi 1/n
S











0,0588










1 0,0000 0,0588 **









2 0,0588 0,1176

S - liczba pustych cel 6





3 0,1176 0,1765 *









4 0,1765 0,2353 *









5 0,2353 0,2941 **
z tablic rozkładu hellwiga





6 0,2941 0,3529

a=0,05 n=17






7 0,3529 0,4118










8 0,4118 0,4706 **
Klewo Kprawo






9 0,4706 0,5294

3 8






10 0,5294 0,5882 *









11 0,5882 0,6471 **
jeżeli S<Slewo i S>Sprawo to odrzucamy H0 i rozkład nie jest zgodny z rozkładem normalnym

12 0,6471 0,7059

jeżeli S-liczba pustych cel mieści się w przedziale <Slewo,Sprawo> to rozkład jest normalny

13 0,7059 0,7647 *









14 0,7647 0,8235

S mieści się w przedziale <Klewo, Kprawo>



15 0,8235 0,8824 *









16 0,8824 0,9412 *









17 0,9412 1,0000 *






















Zatem brak podstaw do odrzucenia hipotezy Ho, rozkład jest zgodny z rozkładem normalnym.








































Test autokorelacji Durbina Watsona:


























Jest to najpopularniejszy test wykrywający autokorelację.












Weryfikujemy hipotezę:












H0 = q1 = 0 brak autokorelacji przeciwko












wobec:












H1 = q1= 0 występuje autokorelacja














jeżeli d należy do przedziału <0,4>-2 to przeprowadzamy dalszy test
Statystyka dana jest wzorem:

jeżeli d = 2 to występuje brak autokorelacji



jeżeli d >4 i d<0 to nie ma podtsaw do odrzucenia H0



jeżeli d należy d przedziału <0,2) to na tym etapie zakładamy, że istnieje autokorelacja dodatnia i stawiamy hipotezę H1: q1>0



jeżeli d należy d przedziału (2,4> to na tym etapie zakładamy, że istnieje autokorelacja ujemna i stawiamy hipotezę H1: q1<0












et et-1 et-et-1 (et-et-1)2 et2








504,86681481413


254890,500700565








98,686314053557 504,86681481413 -406,180500760573 164982,59919811 9738,98858147728








-643,34376610961 98,686314053557 -742,030080163167 550608,639866957 413891,201392097








-250,955785413127 -643,34376610961 392,387980696483 153968,327395064 62978,8062323195








-56,2126391321362 -250,955785413127 194,743146280991 37924,8930234194 3159,86079819978








357,921970563126 -56,2126391321362 414,134609695262 171507,474947447 128108,137011791








600,773598117259 357,921970563126 242,851627554133 58976,9130056915 360928,916194758








510,251475547833 600,773598117259 -90,5221225694259 8194,25467447416 260356,568298741








-227,846850372793 510,251475547833 -738,098325920626 544789,138726831 51914,1872248018








-375,850651011788 -227,846850372793 -148,003800638995 21905,1250035874 141263,711865985








-77,4471913894959 -375,850651011788 298,403459622292 89044,6247145528 5998,0674541212








-662,727358903459 -77,4471913894959 -585,280167513964 342552,874485173 439207,552239155








-351,66347235124 -662,727358903459 311,06388655222 96760,7415169722 123667,197786131








34,1170350738685 -351,66347235124 385,780507425108 148826,599909174 1163,97208223157








141,526940740994 34,1170350738685 107,409905667126 11536,8878354208 20029,8749555049








170,857352698979 141,526940740994 29,3304119579843 860,27306562507 29192,2349713031








227,046213572015 170,857352698979 56,1888608730369 3157,1880862095 51549,9830973892











2405596,55545471 2358039,76088657























zatem d = 1,02016793582406
























z tablic Durbina Watsona odczytujemy wartości du i dl,












gdzie: a=0,05 n=17
























k - liczba zmiennych = 2












n - liczba obserwacji = 17












a=0,05















jeżeli d należy do <dl,du> to brak rozstrzygnięcia testu
Czyli: du = 1,54 dl = 1,02

jeżeli d < dl to odrzucamy H0 na rzecz H1 istnieje autokorelacja rzędu I dodatnia lub ujemna



jeżeli d > du to nie ma podstaw do dorzucenia H0, nie występuje autokorelacja dodatnia, lub ujemna rzędu I
d<dl


























Brak rozstrzygnięcia testu.








































Statystyka testu delta:












Weryfikujemy hipotezę:












H0 Net,et-t=0











wobec hipotezy:












H1: Net,et-t≠0








































obliczamy autokorelacje od I do VII rzedu






















et et-1 et-2 et-3 et-4 et-5 et-6 et-7





504,86681481413 - - - - - - -





98,686314053557 504,86681481413 - - - - - -





-643,34376610961 98,686314053557 504,86681481413 - - - - -





-250,955785413127 -643,34376610961 98,686314053557 504,86681481413 - - - -





-56,2126391321362 -250,955785413127 -643,34376610961 98,686314053557 504,86681481413 - - -





357,921970563126 -56,2126391321362 -250,955785413127 -643,34376610961 98,686314053557 504,86681481413 - -





600,773598117259 357,921970563126 -56,2126391321362 -250,955785413127 -643,34376610961 98,686314053557 504,86681481413 -





510,251475547833 600,773598117259 357,921970563126 -56,2126391321362 -250,955785413127 -643,34376610961 98,686314053557 504,86681481413





-227,846850372793 510,251475547833 600,773598117259 357,921970563126 -56,2126391321362 -250,955785413127 -643,34376610961 98,686314053557





-375,850651011788 -227,846850372793 510,251475547833 600,773598117259 357,921970563126 -56,2126391321362 -250,955785413127 -643,34376610961





-77,4471913894959 -375,850651011788 -227,846850372793 510,251475547833 600,773598117259 357,921970563126 -56,2126391321362 -250,955785413127





-662,727358903459 -77,4471913894959 -375,850651011788 -227,846850372793 510,251475547833 600,773598117259 357,921970563126 -56,2126391321362





-351,66347235124 -662,727358903459 -77,4471913894959 -375,850651011788 -227,846850372793 510,251475547833 600,773598117259 357,921970563126





34,1170350738685 -351,66347235124 -662,727358903459 -77,4471913894959 -375,850651011788 -227,846850372793 510,251475547833 600,773598117259





141,526940740994 34,1170350738685 -351,66347235124 -662,727358903459 -77,4471913894959 -375,850651011788 -227,846850372793 510,251475547833





170,857352698979 141,526940740994 34,1170350738685 -351,66347235124 -662,727358903459 -77,4471913894959 -375,850651011788 -227,846850372793





227,046213572015 170,857352698979 141,526940740994 34,1170350738685 -351,66347235124 -662,727358903459 -77,4471913894959 -375,850651011788

































Nr rzędu (t) ret,et-t moduł ret,et-t (ret,et-t)^2 statystyka t t* autokorelacja (t>t*)





1 0,453737273619722 0,453737273619722 0,205877513471859 1,90513049231222 2,145 nie zachodzi






2 0,453737273619722 0,453737273619722 0,205877513471859 1,83582967824966 2,16 nie zachodzi






3 0,451810876857128 0,451810876857128 0,204133068446407 1,7543937636346 2,179 nie zachodzi






4 0,556521811118109 0,556521811118109 0,309716526250181 2,22159451455815 2,201 zachodzi






5 0,530380093541231 0,530380093541231 0,281303043624805 1,97840095385842 2,228 nie zachodzi






6 0,529185829306047 0,529185829306047 0,280037641938329 1,87100335115711 2,262 nie zachodzi






7 0,565030017956327 0,565030017956327 0,319258921191727 1,93698177780505 2,306 nie zachodzi












































































t* z tablic rozkładu studenta










t* n = t-t-2 a = 0,05
Dla rzędu 4 zachodzi zjawisko autkorelacji. Odrzucamy H0 na rzecz H1. Współczynnik korelacji między et a et-t jest istotnie różny od zera.




2,145 14 0,05





2,16 13 0,05





2,179 12 0,05
Dla rzędów: 2,3,4,5,6,7 nie zachodzi zjawisko autkorelacji. Nie ma podstaw do odrzucenia H0. Współczynnik korelacji między et a et-t jest nieistotnie różny od zera.




2,201 11 0,05





2,228 10 0,05





2,262 9 0,05










2,306 8 0,05












Wyszukiwarka

Podobne podstrony:
polityka-pieniezna-polski-w-latach-1989-2005, STUDIA, studia II stopień, studia II st Finanse i Rach
Polska Polityka Zagraniczna w Latach 1989 - 2005, Międzynarodowe Stosunki Polityczne
2 Pytania z przedmiotu prawo prawo rodzinne i opiekuńcze na kolkwium ustne w 2014r wersja ostatecz
Mikrobiologia opracowanie na podstawie części II Skryptu WAM wersja ostateczna wreszcie kurna!!! , Z
Prawo miejscowe-referat wersja ostateczna, I SEMESTR, streszczenia na egzamin
2. Pytania z przedmiotu prawo prawo rodzinne i opiekuńcze-na kolkwium ustne w 2014r., wersja ostatec
pytania na egzamin wersja ostateczna!
2 Pytania z przedmiotu prawo prawo rodzinne i opiekuńcze na kolkwium ustne w 2014r wersja ostatecz
BIBLIOGRAF na W B H(wersja ostateczna)
5 Pytania z przedmiotu prawo spółek handlowych na kolkwium ustne w 2014r wersja ostateczna
prawo finansowe wersja ostateczna na 11 01 11
WYKŁAD PL wersja ostateczna
DRZEWA LIŚCIASTE wersja ostateczna
Antyinflacyjna polityka pieniężna w PL i jej wpływ na PKB w latach 1993 2007
Bibliografia ( wersja ostateczna), Prywatne
Polska armia zmieści się na stadionie

więcej podobnych podstron