Загрузка...
Учебная работа № 86494. «Контрольная Эконометрика (2 задачи)
Содержание:
«Задача 1. 1
По предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (Y, млн.руб.) от объема капиталовложений (Х, млн.руб.).
Требуется:
1. Для характеристики Y от Х построить следующие модели:
— линейную;
— степенную;
— показательную;
— гиперболическую.
2. Оценить каждую модель, определив:
— индекс корреляции;
— среднюю относительную ошибку;
— коэффициент детерминации;
— F-критерий Фишера
3. Составить сводную таблицу вычислений, выбрать лучшую модель, дать интерпретацию рассчитанных характеристик.
4. Рассчитать прогнозные значения результативного признака, если прогнозное значение фактора увеличится на 110% относительно среднего уровня.
5. Результаты расчетов отобразить на графике.
Y 60 68 74 76 84 86 92
Х 50 54 60 62 70 66 74
Задача 2. 10
По десяти кредитным учреждениям получены данные, характеризующие зависимость объема прибыли (Y) от среднегодовой ставки по кредитам (Х1), ставки по депозитам (Х2) и размера внутрибанковских расходов (Х3).
Требуется:
1. Осуществить выбор факторных признаков для построения двухфакторной регрессионной модели.
2. Рассчитать параметры модели.
3. Для характеристики модели определить:
— линейный коэффициент множественной корреляции;
— коэффициент детерминации;
— средние коэффициенты эластичности;
— бета-, дельта-коэффициенты.
Дать их интерпретацию.
4. Осуществить оценку надежности уравнения регрессии.
5. Оценить с помощью t-критерия Стьюдента статистическую значимость коэффициентов множественной регрессии.
6. Построить точечный и интервальный прогнозы результирующего показателя.
7. Отразить результаты расчетов на графике.
Y 60 68 80 76 44 96 100 104 106 98
Х1 50 54 60 62 70 54 84 82 86 84
Х2 22 30 22 32 44 34 52 56 66 68
Х3 176 170 156 172 162 160 166 156 152 138
»
Форма заказа готовой работы
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"