日本橋濱町Weblog(日々酔亭)

Quality Economic Analyses Produces Winning Markets

日本橋濱町Weblog(日々酔亭)

消費のICT化をRで回帰分析してみた①

さて、前回まででデータの準備は終わったので、今回は回帰分析を実行してみる。
今回の推定式は、以下の通りに定式化。変数名は以下の通り。

  • lnet.expenditure:インターネットを利用した支出
  • lnincome:所得
  • trend:トレンド項
  • mxx:月次ダミー
  • d1403:消費税率変更前駆け込み需要ダミー

なお、lnet.expenditureとlnincomeは対数変換している。

> results <- lm(lnet.expenditure ~ lnincome + trend + m02 + m02 + m03 + m04 + m05 + m06 + m07 + m08 + m09 + m10, d1403, data = nedatats)

結果の表示はsummaryを使う。
> summary(results)

===推定結果:回帰分析===
Call:
lm(formula = lnet.expenditure ~ lnincome + trend + m02 + m02 +
m03 + m04 + m05 + m06 + m07 + m08 + m09 + m10, data = nedatats)

Residuals:
Min 1Q Median 3Q Max

  • 0.42183 -0.08468 0.00354 0.09029 0.35202

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.7383392 0.7723701 4.840 3.45e-06 ***
lnincome 0.2645563 0.0589803 4.486 1.53e-05 ***
trend 0.0118327 0.0002496 47.415 < 2e-16 ***
m02 -0.1172457 0.0431752 -2.716 0.007468 **
m03 0.0458457 0.0441667 1.038 0.301092
m04 -0.0482925 0.0433825 -1.113 0.267581
m05 -0.0082339 0.0468654 -0.176 0.860794
m06 -0.1560124 0.0454310 -3.434 0.000787 ***
m07 -0.0568858 0.0433448 -1.312 0.191579
m08 -0.0026879 0.0444366 -0.060 0.951855
m09 -0.0808532 0.0461790 -1.751 0.082207 .
m10 -0.0465416 0.0442961 -1.051 0.295249

    • -

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.1304 on 137 degrees of freedom
Multiple R-squared: 0.9433, Adjusted R-squared: 0.9388
F-statistic: 207.3 on 11 and 137 DF, p-value: < 2.2e-16

回帰分析をした結果から、t値の低い変数を落として行って、最終的な推定結果は以下の通り。

===推定結果:回帰分析2===
Call:
lm(formula = lnet.expenditure ~ lnincome + trend + m02 + m02 +
m03 + m06, data = nedatats)

Residuals:
Min 1Q Median 3Q Max

  • 0.42112 -0.09174 0.00544 0.08839 0.36769

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.4741407 0.6515580 5.332 3.71e-07 ***
lnincome 0.2828389 0.0502312 5.631 9.19e-08 ***
trend 0.0118449 0.0002488 47.608 < 2e-16 ***
m02 -0.0896437 0.0382116 -2.346 0.02035 *
m03 0.0745961 0.0385138 1.937 0.05473 .
m06 -0.1356673 0.0434083 -3.125 0.00215 **

    • -

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.1302 on 143 degrees of freedom
Multiple R-squared: 0.9411, Adjusted R-squared: 0.939
F-statistic: 456.8 on 5 and 143 DF, p-value: < 2.2e-16

この結果でDW検定を行う。
>dwtest(results)

Durbin-Watson test

data: results
DW = 0.62191, p-value < 2.2e-16
alternative hypothesis: true autocorrelation is greater than 0

・・・ということで見事に系列相関ありという結果になりました。

さて系列相関があるとどういう点で問題なのか・・・次回はこの辺りをまとめて、系列相関を除去して、最終的な推定結果を出したいと思う。