Проверка гипотез о линейном ограничении на параметры регрессии

Результат, полученный в предыдущем разделе подтверждается и при проверке гипотезы о включении переменных x1, x2, x4, x6 в уравнение. Следуя алгоритму проверки, рассчитывается «длинного» (с включением всех переменных) и «короткого» уравнения (без переменных, необходимость включения которых проверяется). Далее рассчитывается F-статистика:

и сравнивается с F критическим:

.

Так как < , гипотеза о незначимости факторов не отвергается, т.е. «короткое» уравнение лучше «длинного».

Итак, реализация алгоритмов пошагового исключения и пошагового включения привела к одному и тому же результату – модели, где в качестве объясняющих признаков использованы Х⁽³⁾ (цена автомобиля, руб.) и Х⁽⁶⁾ (стаж наименее опытного водителя, лет.).

Таблица 10 коэффициенты регрессии (2 фактора – 3 и 6)

Коэффициент ₀ в данном случае не имеет экономической интерпретации. Коэффициент ₃ показывает, что если стоимость автомобиля увеличится на 1 руб, то стоимость полиса КАСКО возрастет на 0,0015 долларов, а ₆ показывает, что при росте стажа водителя, который будет вписан в страховку на 1 год, стоимость полиса снижается на 32,88 доллара.

Метод главных компонент.

Теперь проверим, улучшится ли качество модели, если строить регрессию на главных компонентах. Метод главных компонент – это один из основных способов уменьшить размерность данных, потеряв наименьшее количество информации.

Сделав необходимые вычисления, получим матрицу факторных нагрузок:

Матрица компонентa
	Компонента
возраст авто, дней	-,404	,740	,161	,289	-,423	-,019
пробег, км	-,306	,819	,207	-,041	,434	,058
цена авто , руб.(сс)	,375	,079	,735	-,545	-,122	-,045
курс доллара	-,017	-,433	,689	,570	,108	,016
возраст младшего водителя, полных лет	,928	,232	-,047	,121	-,075	,250
стаж наименее опытного водителя, полных лет	,867	,343	-,106	,238	,091	-,236
Метод выделения: Анализ методом главных компонент.
a. Извлеченных компонент: 6

Таблица 11 Матрица компонент

Первая полученная компонента, состоящая из х₅-возраста младшего водителя и х₆- стажа наименее опытного водителя, интерпретируется как характеристики водителя, вторая - технические характеристики автомобиля, а третья – стоимость автомобиля (+курс доллара).

Полная объясненная дисперсия
Компонента	Начальные собственные значения	Суммы квадратов нагрузок извлечения
Итого	% Дисперсии	Кумулятивный %	Итого	% Дисперсии	Кумулятивный %
dimension0		2,010	33,501	33,501	2,010	33,501	33,501
	1,583	26,383	59,884	1,583	26,383	59,884
	1,097	18,280	78,163	1,097	18,280	78,163
	,778	12,968	91,131	,778	12,968	91,131
	,408	6,803	97,934	,408	6,803	97,934
	,124	2,066	100,000
Метод выделения: Анализ главных компонент.

Таблица 12 объясненная дисперсия

По критерию Кайзера необходимо отобрать 3 первых фактора, так как у них собственные значения больше 1.

Теперь посмотрим, как полученные компоненты коррелируют со стоимостью полиса:

Таблица 13- корреляционная матрица новых компонент

Как видно из таблицы – всего двя коэффициента корреляции значимы. При этом связь и в первом и во втором случае достаточно заметная.

Результаты регрессии главных компонент:

Коэффициентыa
Модель	Нестандартизованные коэффициенты	Стандартизованные коэффициенты	t	Знч.
B	Стд. Ошибка	Бета
	(Константа)	1758,603	61,668		28,517	,000
Характеристики водителя	-114,436	62,294	-,229	-1,837	,073
Технические характеристики автомобиля	-30,441	62,294	-,061	-,489	,627
Стоимость автомобиля	237,586	62,294	,476	3,814	,000
R2 =0,283 R2adj =0,236 ст. ош. = 436

Таблица 14 результаты регрессии главных компонент

В получившейся регрессии на главных компонентах b₁ и b₂ не значимы и скорр намного ниже, чем в регресси на исходных переменных.

Таким образом, оптимальной моделью из всех рассчитанных представляется модель, где в качестве объясняющих признаков использованы факторы Х⁽³⁾ (цена автомобиля, руб.) и Х⁽⁶⁾ (стаж наименее опытного водителя, лет.).

Рассчитаем коэффициенты эластичности:

Это означает, что при росте цены автомобиля на 1%, цена полиса увеличивается на на 6,106 %.

Это означает, что при росте стажа наименее опытного водителя на 1% ВВП цена полиса падает на 1,73%.

В данной модели дисперсия стоимости полиса автострахования каско объясняется на 47,8 % - не очень высоким, но достаточным значением.