Mirusieji Lietuvos savivaldybėse, ekonometrinis modelis


Ekonominis etapas. Mirusiųjų Lietuvos savivaldybėse ekonometrinio modelio kintamieji ir duomenys. Statistinis etapas. Grafinė/statistinė duomenų analizė. Multikolinearumo tikrinimas. Įverčių skaičiavimas mkm metodu. Regresinio modelio sudarymas. Heteroskedastiškumo tikrinimas. Autokoreliacijos tikrinimas. Modelio specifikacijos tikrinimas. Išvados. Priedai.


Mirtingumas yra viena iš svarbiausių Lietuvos problemų, nes yra pastebėta, jog bėgant laikui, Lietuvoje gyventojų prieaugis yra neigiamas, o ne teigiamas, o tai reiškia, kad šalyje miršta daugiau žmonių nei gimsta, todėl svarbu išsiaiškinti kokie veiknsiai yra labiausiai susįję su nagrinėjamu reiškiniu.

Norint gauti kiek įmanomą tikslesnį regresinį modelį, reikia surinkti kiek įmanoma daugiau duomenų. Mirtingumo lygio nustatymui atrinkome pagrindinius ir svarbiausius veiksnius, kurie galėtų daryti įtaką televizoriaus kainai. Iš viso nagrinėsime 9 įtaką darančius veiksnius, kurie yra nepriklausomi (X). Darbo eigoje tikrinsime, kurie veiksniai yra statistiškai reikšmingi, kurie ne.

Surinkus priklausomo kintamojo duomenis (mirusiųjų skaičius), galima padaryti išvadą, jog didžiausias mirštamumas yra Kauno (3968) ir Vilniaus (5692) miestuose, nes veiksniai nepatenka į apibrėžtumo rėžius [-1895,131608; 3233,364941].

Palyginus pensijų gavėjus ir mirusiųjų skaičių, galima padaryti išvadą, jog tarp šių dviejų veiksnių geriau atlikti tiesinę analizę, nes, paskaičiavus VIF ir pažiūrėjus R kvadrato rezultatą, yra didelė priklausomybė.

Mirusieji (2017 metai) (Y kintamasis). VIF = 158,2764 – labai stiprus multikolinearumas;

Pensijų gavėjai (2017 metai) (X kintamasis). VIF = 121, 3035 – labai stiprus multikolinearumas;

Aukštasis išsilavinimas (24-64 m.), (2018 metai) (X kintamasis). VIF = 91, 64014 labai stiprus multikolinearumas;

Nusikaltimai (2017 metai) (X kintamasis). VIF = 193,9689 – labai stiprus multikolinearumas;

Miesto gyventojai (2018 metai) (X kintamasis). VIF = 137,4045 – labai stiprus multikolinearumas;

Darbo užmeskestis (bruto, 2018 metai) (X kintamasis). VIF = 2,075169 – multikolinearumo nėra;

Lytis (moteris; 2017 metai), (X kintamasis). VIF = 128,6314 – labai stiprus multikolinearumas;

Bendras išsilavinimas (25-64 m.; tūkst.; 2018 metai) (X kintamasis). VIF = 1,272909 – multikolinearumo nėra;

Socialinių pašalpų gavėjai (tūkst.; eur; 2017 metai), (X kintamasis). VIF = 16, 62084 – multikolinearumas egzistuoja.

Atlikus regresinę analizę, pagal p value atrinkome statistiškai reikšmingus bei nereikšmingus kintamuosius. Žinoma, tai galima padaryti ir remiantis t statistka.

Backward metodas – modeliui reikšmingų veiksnių parinkimo procedūra. Startinė Backward padėtis – modelyje yra visi veiksniai. Norint rasti statistiškai reikšmingus veiksnius, pradedamas veiksnių atmetimo procesas. Kadangi po kiekvieno žingsnio (išmetus veiksnį) keičiasi parametrų įvertinimas, jų reikšmingumas, vieno žingsnio metu galima išmesti tik vieną veiksnį.

  • Microsoft Word 157 KB
  • 2019 m.
  • Lietuvių
  • 18 puslapių (2261 žodžiai)
  • Universitetas
  • M
  • Mirusieji Lietuvos savivaldybėse, ekonometrinis modelis
    10 - 3 balsai (-ų)
Mirusieji Lietuvos savivaldybėse, ekonometrinis modelis. (2019 m. Spalio 08 d.). https://www.mokslobaze.lt/mirusieji-lietuvos-savivaldybese-ekonometrinis-modelis.html Peržiūrėta 2019 m. Spalio 15 d. 21:41
×
Užduokite klausimą bet kuria mokslo tema