Загрузка...
Учебная работа № 88997. «Контрольная Эконометрика. Задачи 1, 2
Содержание:
«Задание 2.
По приведенным данным следует:
? оценить однородность совокупности признаков;
? выбрать факторы для построения модели;
? определить параметры уравнения регрессии;
? произвести сравнительную оценку факторов;
? проверить значимость параметров уравнения;
? оценить тесноту связи и качество модели для целей прогнозирования.
В качестве результативного признака рассмотрим «y» — урожайность зерновых и зернобобовых культур на 1 га посева зерновых (ц) по районам области;
факторные:
х1 — внесение минеральных удобрений на 1000 га посевов (кг);
х2 — внесение органических удобрений на 1000 га посевов (т);
х3 — площадь посевов зерновых на 1 зерноуборочный комбайн (га);
х4 — количество тракторов, приходящихся на 1000 га посевов (шт.).
Таблица 2.1.
Районы y х1 х2 х3 х4
Бардымский 11,240 0,192 0,021 126,471 10,160
Березовский 16,029 0,503 0,004 196,154 10,761
Большесосновский 11,868 0,358 0,006 176,699 9,675
Верещагинский 14,309 0,485 0,018 132,258 12,348
Еловский 10,927 0,267 0,048 193,590 10,476
Ильинский 14,615 0,824 0,042 112,069 12,395
Карагайский 14,167 0,424 0,022 150,000 13,873
Кишертский 11,619 0,422 0,099 159,091 12,890
Красновишерский 9,167 5,717 0,183 120,000 16,333
Куединский 11,812 0,147 0,012 228,889 10,313
Кунгурский 16,093 0,264 0,020 222,404 10,823
Нытвенский 16,488 1,078 0,049 191,589 12,696
Октябрьский 12,234 0,276 0,015 152,846 13,049
Ординский 14,424 0,470 0,026 180,833 10,923
Осинский 8,814 0,361 0,030 256,522 8,896
Оханский 14,336 0,479 0,035 191,525 11,683
Очерской 15,534 2,725 0,093 251,220 10,445
Пермский 17,549 0,727 0,023 164,516 17,057
Сивинский 19,408 0,674 0,118 128,814 13,055
Соликамский 16,000 5,492 0,008 74,074 17,385
Суксунский 14,310 0,109 0,011 153,982 12,426
Уинский 12,897 0,865 0,150 274,359 10,435
Частинский 12,961 0,454 0,022 271,212 6,860
Чердынский 25,000 0,426 0,131 9,524 21,148
Чернушинский 13,133 0,258 0,041 166,429 9,084
Коми-Пермяцкий автономный округ 10,526 0,092 0,019 121,116 14,499
Задание 2.
Моделирование тенденции временного ряда.
Условие: имеются данные по производству молока по Кунгурскому району Пермского края.
Выполнение задания предусматривает решение комплекса вопросов в определенной последовательности: выявление структуры ряда, выравнивание исходного ряда методом скользящей средней, определение сезонной компоненты, устранение сезонной компоненты и исходных уравнений ряда и получение выровненных данных в аддитивной модели, аналитическое выравнивание уровней и расчет значений трендовой составляющей, расчет абсолютных и относительных ошибок.
В таблице представлено производство молока по Кунгурскому району Пермского края (y),тыс. тонн:
»
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"