Учебная работа № /7076. «Контрольная Эконометрика, 3 задачи 30
Учебная работа № /7076. «Контрольная Эконометрика, 3 задачи 30
Содержание:
«Задача 1
В качестве показателей, характеризующих результаты финансово-хозяйственной деятельности предприятия, могут быть выбраны:
• Объем выпуска продукции (Y, млн.руб.)
• Объем капиталовложений (X, млн.руб.)
Требуется:
1. Для характеристики зависимости объема выпуска продукции от объема капиталовложений построить следующие модели:
• Линейную;
• Экспоненциальную;
• Гиперболическую.
2. Результаты расчетов отразить на графике.
3. Выбрать лучшую по качеству модель. Ответ обосновать.
Вариант Признаки Наблюдения
1 Y 36 38 46 44 48 42 40
X 60 68 64 72 78 74 70
Задача 2
Аналитический отдел предприятия осуществляет анализ зависимости прибыли предприятия (Y, млн.руб.) от величины оборотного капитала (X1, млн.руб.) и стоимости основных средств (X2 , млн.руб).
Вариант Признак Наблюдения
1 Y 36 28 66 74 80 84 82 98 112 96
X1 32 40 44 28 50 56 50 56 60 62
X2 51 54 60 68 70 74 84 82 86 84
Требуется:
1. Вычислить статистические характеристики для каждого показателя.
2. Построить матрицу коэффициентов парной корреляции и осуществить её анализ. Обосновать выбор факторных признаков.
3. Построить однофакторную линейную регрессию, рассчитать её параметры. Проанализировать значение коэффициента регрессии.
4. Вычислить точечный прогноз факторного признака, построив по нему линейный тренд.
5. Определить прогнозные значения результативного признака.
6. Результаты расчетов отразить на графике.
Задача 3
По десяти кредитным учреждениям получены данные, характеризующие зависимость объема прибыли (Y, млн.руб.) от величины доходов по кредитам (X1, млн.руб.), доходов по депозитам (X2, млн.руб.) и размера внутрибанковских расходов (X3, млн.руб.).
Y 36 28 66 74 80 84 82 98 112 96
X1 40 44 28 52 50 64 70 68 78 90
X2 32 40 44 28 50 56 50 56 60 62
X3 60 68 80 76 44 96 100 104 106 98
Требуется:
1. Осуществить выбор факторных признаков для построения многофакторной регрессионной модели.
2. Рассчитать параметры регрессионной модели. Оценить ее качество.
3. Для характеристики модели определить:
• средние коэффициенты эластичности;
• бета-коэффициенты,
• дельта-коэффициенты.
4. Оценить с помощью t-критерия Стьюдента статистическую значимость коэффициентов уравнения множественной регрессии.
5. Построить регрессионную модель со статистически значимыми факторами. Оценить ее качество.
6. Определить точечный и интервальный прогноз результативного показателя.
»
Выдержка из похожей работы
Таблица 1,4
Мес,
Задача 1
Задача 2
Задача 3
Задача 4
Задача 5
y
x
y
x
y
x
y
x
y
x
1
13,0
37,0
13,2
37,2
22,5
46,0
22,5
29,0
23,0
22,8
2
16,4
60,0
15,9
58,2
25,5
54,0
25,8
36,2
26,8
27,5
3
17,0
60,9
16,2
60,8
19,2
50,2
20,8
28,9
28,0
34,5
4
15,2
52,1
15,4
52,0
13,5
43,8
15,2
32,4
18,4
26,4
5
14,2
40,1
14,2
44,6
25,4
78,6
25,8
49,7
30,4
19,8
6
10,5
30,4
11,0
31,2
17,8
60,2
19,4
38,1
20,8
17,9
7
20,0
43,0
21,1
26,4
18,0
50,2
18,2
30,0
22,4
25,2
8
12,0
32,1
13,2
20,7
21,0
54,7
21,0
32,6
21,8
20,1
9
15,6
35,1
15,4
22,4
16,5
42,8
16,4
27,5
18,5
20,7
10
12,5
32,0
12,8
35,4
23,0
60,4
23,5
39,0
23,5
21,4
11
13,2
33,0
14,5
28,4
14,6
47,2
18,8
27,5
16,7
19,8
12
14,6
32,5
15,1
20,7
14,2
40,6
17,5
31,2
20,4
24,5
Задание:
Рассчитайте параметры уравнений регрессий и , Оцените тесноту связи с показателем корреляции и детерминации,
Рассчитайте средний коэффициент эластичности и дайте сравнительную оценку силы связи фактора с результатом,
Рассчитайте среднюю ошибку аппроксимации и оцените качество модели,
С помощью F-статистики Фишера (при ) оцените надежность уравнения регрессии,
Рассчитайте прогнозное значение , если прогнозное значение фактора увеличится на 5% от его среднего значения, Определите доверительный интервал прогноза для ,
Расчеты должны быть подробны, как показано в примере 1, и сопровождены пояснениями,
Решение
Составим таблицу расчетов для линейной регрессии y = a + bx + е (таблица построена в MS Exсel),
Таблица 1,
x
x2
y
xy
y2
y — ?
x — x~
(y — ?) 2
(x — x~) 2
y
y — y
(y — y) 2
A (%)
22,8
519,84
23
524,4
529
0,44
-0,58
0, 20
0,34
22,37
0,63
0,40
2,76
27,5
756,25
26,8
737
718,2
4,24
4,12
17,99
16,95
23,91
2,89
8,32
10,77
34,5
1190,3
28
966
784
5,44
11,12
29,61
123,58
26,22
1,78
3,16
6,35
26,4
696,96
18,4
485,8
338,6
-4,16
3,02
17,29
9,10
23,55
-5,15
26,55
28,00
19,8
392,04
30,4
601,9
924,2
7,84
-3,58
61,49
12,84
21,38
9,02
81,40
29,68
17,9
320,41
20,8
372,3
432,6
-1,76
-5,48
3,09
30,07
20,75
0,05
0,00
0,23
25,2
635,04
22,4
564,5
501,8
-0,16
1,82
0,03
3,30
23,16
-0,76
0,57
3,38
20,1
404,01
21,8
438,2
475,2
-0,76
-3,28
0,58
10,78
21,48
0,32
0,10
1,48
20,7
428,49
18,5
383
342,3
-4,06
-2,68
16,47
7, 20
21,67
-3,17
10,08
17,16
21,4
457,96
23,5
502,9
552,3
0,94
-1,98
0,89
3,93
21,90
1,60
2,54
6,79
19,8
392,04
16,7
330,7
278,9
-5,86
-3,58
34,32
12,84
21,38
-4,68
21,88
28,01
24,5
600,25
20,4
499,8
416,2
-2,16
1,12
4,66
1,25
22,93
-2,53
6,38
12,38
У
280,6
6793,5
270,7
6406
6293
0,00
0,00
186,61
232,18
0,00
161,40
146,99
У/n
23,38
566,13
22,56
533,86
524,43
13,45
12,25
у
4,399
3,943
у2
19,35
15,55
Отсюда получаем коэффициенты a и b:
То есть, уравнение линейной регрессии в нашем случае имеет вид:
y = 14,85 + 0,3295•x,
Рассчитаем коэффициент корреляции:
rxy = b•уx / уy = 0,329 • 4,399/3,943 = 0,368
Малое значение коэффициента корреляции означает, что связь между признаком y и фактором x плохая,
Вычислим значение F-критерия Фишера:
и сравним его с табличным при б=0,05, н1 = 1, н2 = 10: Fтабл = 2,228
Поскольку Fтабл > F, то гипотеза H0 о статистической незначимости параметра b принимается,
Средняя ошибка аппроксимации
также выходит за допустимые пределы 8 — 10%, что опять говорит о низкой надежности модели,
Попробуем для сравнения модель y = a + b•vx + е, Для нее таблица параметров имеет вид:
Таблица 2 (начало)
x
u = ?x
u2
y
uy
y2
17,9
4,23
17,90
20,80
88,00
432,64
19,8
4,45
19,80
30,40
135,27
924,16
19,8
4,45
19,80
16,70
74,31
278,89
20,1
4,48
20,10
21,80
97,74
475,24
20,7
4,55
20,70
18,50
84,17
342,25
21,4
4,63
21,40
23,50
108,71
552,25
22,8
4,77
22,80
23,00
109,82
529,00
24,5
4,95
24,50
20,40
100,97
416,16
25,2
5,02
25, 20
22,40
112,45
501,76
26,4
5,14
26,40
18,40
94,54
338,56
27,5
5,24
27,50
26,80
140,54
718,24
34,5
5,87
34,50
28,00
164,46
784,00
У
57,79
280,60
270,70
1310,99
6293,15
Среднее значение
4,82
23,38
22,56
109,25
524,43
Таблица 2 (окончание)
y — ?
u — ?
(y — ?) 2
(u — ?) 2
y
y — y
(y — y) 2
A (%)
-1,76
-0,58
3,09
0,34
20,69
0,11
0,01
0,55
7,84
-0,37
61,49
0,13
21,39
9,01
81,25
29,65
-5,86
-0,37
34,32
0,13
21,39
-4,69
21,96
28,06
-0,76
-0,33
0,58
0,11
21,49
0,31
0,09
1,41
-4,06
-0,27
16,47
0,07
21,71
-3,21
10,28
17,33
0,94
-0, 19
0,89
0,04
21,95
1,55
2,40
6,59
0,44
-0,04
0, 20
0,00
22,43
0,57
0,33
2,49
-2,16
0,13
4,66
0,02
22,99
-2,59
6,69
12,68
-0,16
0, 20
0,03
0,04
23,21
-0,81
0,66
3,62
-4,16
0,32
17,29
0,10
23,59
-5, 19
26,94
28,21
4,24
0,43
17,99
0,18
23,93
2,87
8,24
10,71
5,44
1,06
29,61
1,12
25,95
2,05
4,22
7,34
У
0,00
0,00
186,61
2,30
0,00
163,08
148,65
У/n
13,59
12,39
Здесь мы вводим переменную u = vx и получаем линейную модель относительно x и u:
u = a + b•u + е,
Найдем коэффициенты a и b:
,
Рассчитаем коэффициент корреляции:
ruy = b • уu /уy = 3, 203 • 0,437/ 3,943 = 0,355104
Мы получили значение коэффициента корреляции еще хуже, чем в предыдущем случае,
Проверим значение F-критерия Фишера:
И снова расчетное значение еще хуже,
Средняя о
шибка аппроксимации также оказалась хуже, чем в линейной модели:
Линейная модель оказалась надежнее (хотя тоже неудовлетворительная) и поэтому последующие расчеты мы будем делать для нее,
Рассмотрим гипотезу H0 о статистической незначимости основных параметров модели: H0: {a = b = rxy = 0} и найдем для нее табличное значение распределения Стьюдента:
tтабл (б =0,05, н = 10) = 2,228,
Определим ошибки ma, mb и mr:
Оценим значимость параметров:
ta = a/ma = 7,139/6,27 = 2,368 > tтабл,
tb = b/mb = 3, 202/0,2637 = 1,25 < tтабл
tr = r/mr = 0,368/0,294 = 1,25 < tтабл
Таким образом, параметры модели незначимо отличаются от нуля, и, следовательно, модель нельзя использовать для прогноза,
Чтобы окончательно убедиться в этом, попробуем оценить доверительный интервал прогноза при отклонении хпрог от среднего значения на 5% для доверительной вероятности 0,01, Для
yprog = a + b•xprog = 22,94,my = 4, 193,
При б = 0,01 и n = 10
tтабл = 3,169,tтабл • my =13,29,
Следовательно, доверительным интервалом будет
(22,94 - 13,29, 22,94 +13,29) или 9,656 < yprog < 36,231,
Таким образом, сделанный прогноз абсолютно ненадежен и совершенно неточен,
Контрольное задание № 2
Задача 2
Имеются данные о деятельности крупнейших компаний в течение двенадцати месяцев 199Х года"
