glory, самый простой вариант: Меню Gretl Инструменты->Запустить GNU R
Насколько я понял, мы строим линейную модель зависимость стоимость акций Газпрома от
фазы луны и обильности цветения сакуры индекса ртс,цены на нефть,медь,никель и темпы инфляции. Вида:
Далее вот такое
колдунство для газпромовских акций (на самом деле это малая часть необходимой работы и не совсем корректная, но мы решаем именно поставленную задачу, какой бы идиотской она не была)
Код:
R version 3.0.3 (2014-03-06) -- "Warm Puppy"
Copyright (C) 2014 The R Foundation for Statistical Computing
Platform: i386-w64-mingw32/i386 (32-bit)
R -- это свободное ПО, и оно поставляется безо всяких гарантий.
Вы вольны распространять его при соблюдении некоторых условий.
Введите 'license()' для получения более подробной информации.
R -- это проект, в котором сотрудничает множество разработчиков.
Введите 'contributors()' для получения дополнительной информации и
'citation()' для ознакомления с правилами упоминания R и его пакетов
в публикациях.
Введите 'demo()' для запуска демонстрационных программ, 'help()' -- для
получения справки, 'help.start()' -- для доступа к справке через браузер.
Введите 'q()', чтобы выйти из R.
current data loaded as ts object "gretldata"
> summary(gretldata)
med_ neft_ nikel_ temp_inflyacii
Min. :3096 Min. : 43.60 Min. : 9664 Min. :-0.2000
1st Qu.:6787 1st Qu.: 75.42 1st Qu.:17033 1st Qu.: 0.4000
Median :7674 Median :102.53 Median :18784 Median : 0.6000
Mean :7331 Mean : 93.68 Mean :19259 Mean : 0.6607
3rd Qu.:8377 3rd Qu.:111.72 3rd Qu.:22524 3rd Qu.: 0.8000
Max. :9932 Max. :134.67 Max. :31412 Max. : 2.4000
index_RTS GAZPROM VTB lukoil
Min. : 552.9 Min. :109.5 Min. :0.02230 Min. : 915.8
1st Qu.:1377.6 1st Qu.:153.4 1st Qu.:0.05360 1st Qu.:1637.3
Median :1488.2 Median :170.8 Median :0.06760 Median :1734.4
Mean :1469.1 Mean :180.3 Mean :0.06655 Mean :1723.0
3rd Qu.:1663.3 3rd Qu.:190.2 3rd Qu.:0.08300 3rd Qu.:1865.7
Max. :2368.2 Max. :350.4 Max. :0.10860 Max. :2486.7
Rosneft Sber
Min. :102.7 Min. : 15.92
1st Qu.:199.3 1st Qu.: 69.39
Median :216.4 Median : 83.22
Mean :212.3 Mean : 76.17
3rd Qu.:242.0 3rd Qu.: 94.60
Max. :276.2 Max. :106.67
> (mymdl<-lm(GAZPROM~med_+neft_+nikel_+temp_inflyacii+index_RTS,data=gretldata))
Call:
lm(formula = GAZPROM ~ med_ + neft_ + nikel_ + temp_inflyacii +
index_RTS, data = gretldata)
Coefficients:
(Intercept) med_ neft_ nikel_ temp_inflyacii
72.20475 -0.04172 0.75553 0.00426 5.67656
index_RTS
0.17518
> summary(mymdl)
Call:
lm(formula = GAZPROM ~ med_ + neft_ + nikel_ + temp_inflyacii +
index_RTS, data = gretldata)
Residuals:
Min 1Q Median 3Q Max
-38.888 -8.992 1.062 10.404 42.735
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 72.204745 13.543421 5.331 1.88e-06 ***
med_ -0.041722 0.004309 -9.682 1.75e-13 ***
neft_ 0.755526 0.265892 2.841 0.00629 **
nikel_ 0.004260 0.001336 3.190 0.00235 **
temp_inflyacii 5.676555 4.785283 1.186 0.24062
index_RTS 0.175181 0.019642 8.919 2.85e-12 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 17.87 on 55 degrees of freedom
Multiple R-squared: 0.8874, Adjusted R-squared: 0.8772
F-statistic: 86.68 on 5 and 55 DF, p-value: < 2.2e-16
> mymdl<-lm(GAZPROM~med_+neft_+nikel_+index_RTS,data=gretldata)
> summary(mymdl)
Call:
lm(formula = GAZPROM ~ med_ + neft_ + nikel_ + index_RTS, data = gretldata)
Residuals:
Min 1Q Median 3Q Max
-38.033 -9.770 1.537 11.426 44.154
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 79.343476 12.177017 6.516 2.18e-08 ***
med_ -0.042534 0.004270 -9.962 5.25e-14 ***
neft_ 0.716556 0.264812 2.706 0.00901 **
nikel_ 0.004313 0.001340 3.220 0.00214 **
index_RTS 0.178721 0.019485 9.172 9.50e-13 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 17.93 on 56 degrees of freedom
Multiple R-squared: 0.8845, Adjusted R-squared: 0.8763
F-statistic: 107.2 on 4 and 56 DF, p-value: < 2.2e-16
> plot(mymdl)
Ожидаю подтверждения смены страницы...
Ожидаю подтверждения смены страницы...
Ожидаю подтверждения смены страницы...
Ожидаю подтверждения смены страницы...
> acf(residuals(mymdl))
> shapiro.test(residuals(mymdl))
Shapiro-Wilk normality test
data: residuals(mymdl)
W = 0.9872, p-value = 0.7735
> confint(mymdl)
2.5 % 97.5 %
(Intercept) 54.949980653 103.736971652
med_ -0.051087670 -0.033981323
neft_ 0.186073890 1.247038288
nikel_ 0.001629704 0.006997085
index_RTS 0.139688795 0.217753466
>
Sapienti Sat.
P.S. На ACF гляньте...
Во вложении - те же данные в формате R.
Их можно распаковать и загрузить командой
Код:
> load("gretldata.Rda")
Кстати, это делается и в Gretl. Не вижу проблемы. Модель МНК возьмите, зависимая -- Газпром
Код:
Модель 1: МНК, использованы наблюдения 2008:03-2013:03 (T = 61)
Зависимая переменная: GAZPROM
Коэффициент Ст. ошибка t-статистика P-значение
const 72.2047 13.5434 5.3314 <0.00001 ***
med_ -0.0417215 0.00430908 -9.6822 <0.00001 ***
neft_ 0.755526 0.265892 2.8415 0.00629 ***
nikel_ 0.00426035 0.00133558 3.1899 0.00235 ***
temp_inflyacii 5.67656 4.78528 1.1863 0.24062
index_RTS 0.175181 0.0196422 8.9186 <0.00001 ***
Среднее зав. перемен 180.2721 Ст. откл. зав. перемен 50.98461
Сумма кв. остатков 17563.58 Ст. ошибка модели 17.87002
R-квадрат 0.887388 Испр. R-квадрат 0.877151
F(5, 55) 86.68078 Р-значение (F) 8.09e-25
Лог. правдоподобие -259.2679 Крит. Акаике 530.5357
Крит. Шварца 543.2010 Крит. Хеннана-Куинна 535.4994
Параметр rho 0.721135 Стат. Дарбина-Вотсона 0.579789