Контрольная работа по Эконометрическому анализу
Работа добавлена на сайт bukvasha.net: 2015-10-25Поможем написать учебную работу
Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
от 25%
договор
Содержание
Задача. 3
Список использованной литературы.. 14
Задача
Построить модель связи между указанными факторами, проверить ее адекватность осуществить точечный и интервальный прогноз.
Исходные данные
Стоимость основных производственных фондов ( X, млн. руб.) | | |||||||||
вариант | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
С | 11,1 | 9,0 | 7,9 | 8,5 | 5,6 | 6,2 | 5,0 | 4,7 | 3,0 | 3,7 |
Среднесуточная производительность (Y тонн) | ||||||||||
Е | 91,0 | 94,3 | 99,6 | 95,4 | 83,0 | 92,3 | 100,0 | 106,3 | 112,8 | 110,0 |
Решение
1. Исходные данные нанесем на координатную плоскость и сделаем предварительное заключение о наличии связи между факторами Х и Y а также о ее виде (прямая или обратная) и форме (линейная или нелинейная).
График поля корреляции позволяет сделать вывод, что между факторами Х и Y существует прямая линейная связь.
2. Рассчитаем парный коэффициент корреляции rxy. Используя
t-критерий Стьюдента, проверим значимость полученного коэффициента корреляции. Сделаем вывод о тесноте связи между факторами Х и Y.
Для расчета парного коэффициента корреляции заполним вспомогательную таблицу:
№ п/п | Х | Y | XY | Y2 | X2 |
1 | 11,1 | 91 | 1010,1 | 8281 | 123,21 |
2 | 9 | 94,3 | 848,7 | 8892,5 | 81 |
3 | 7,9 | 99,6 | 786,84 | 9920,2 | 62,41 |
4 | 8,5 | 95,4 | 810,9 | 9101,2 | 72,25 |
5 | 5,6 | 83 | 464,8 | 6889 | 31,36 |
6 | 6,2 | 92,3 | 572,26 | 8519,3 | 38,44 |
7 | 5 | 100 | 500 | 10000 | 25 |
8 | 4,7 | 106,3 | 499,61 | 11300 | 22,09 |
9 | 3 | 112,8 | 338,4 | 12724 | 9 |
10 | 3,7 | 110 | 407 | 12100 | 13,69 |
Сумма | 64,7 | 984,7 | 6238,61 | 97726,63 | 478,45 |
Средняя | 6,47 | 98,47 | 623,861 | 9772,663 | 47,845 |
Парный коэффициент корреляции рассчитаем по формуле:
Т.к. значение коэффициента , то связь между X и Y обратная, а т.к. менее 0,7, то связь умеренная.
Проверка значимости коэффициента корреляции:
Гипотеза о равенстве коэффициента коэффициента корреляции нулю Н0 отвергается пи уровне значимости α = 0,05 и числе степеней свободы k = 10 – 2 = 8. Т.к. , то можно сделать вывод о незначимости данного коэффициента корреляции.
3. Полагая, что связь между факторами Х и Y может быть описана линейной функцией, запишем соответствующее уравнение этой зависимости. Вычислим оценки неизвестных параметров уравнения парной регрессии по методу наименьших квадратов. Дадим интерпретацию полученных результатов.
Уравнение регрессии имеет вид:
Система нормальных уравнений для оценки параметров а и b:
Решаем методом МНК, получаем систему
Решая систему, находим: а = 112,78, b = -2,2125
Тогда уравнение регрессии имеет вид:
Параметры уравнения регрессии говорят о том, что с увеличением стоимости основных производственных фондов на 1 млн.руб., среднесуточная производительность снизится на 2,2125 тонны в среднем.
4. Проверим значимость всех параметров модели по t-критерию Стьюдента. Для значимых коэффициентов построим доверительные интервалы. Сформулируем выводы.
В линейной регрессии обычно оценивается значимость не только уравнения в целом, но и отдельных его параметров. С этой целью по каждому из параметров определяется его стандартная ошибка: mb и ma.
Стандартная ошибка коэффициента регрессии определяется по формуле:
.
Для определения значения mb строим вспомогательную таблицу:
№ п/п | Х | Y | | | | | |
1 | 11,1 | 91 | 88,2 | -10,3 | 106,3 | 2,8 | 7,7 |
2 | 9 | 94,3 | 92,9 | -12,4 | 154,0 | 1,4 | 2,1 |
3 | 7,9 | 99,6 | 95,3 | -13,5 | 182,5 | 4,3 | 18,5 |
4 | 8,5 | 95,4 | 94,0 | -12,9 | 166,7 | 1,4 | 2,0 |
5 | 5,6 | 83 | 100,4 | -15,8 | 250,0 | -17,4 | 302,4 |
6 | 6,2 | 92,3 | 99,1 | -15,2 | 231,3 | -6,8 | 45,7 |
7 | 5 | 100 | 101,7 | -16,4 | 269,3 | -1,7 | 2,9 |
8 | 4,7 | 106,3 | 102,4 | -16,7 | 279,2 | 3,9 | 15,4 |
9 | 3 | 112,8 | 106,1 | -18,4 | 338,9 | 6,7 | 44,3 |
10 | 3,7 | 110 | 104,6 | -17,7 | 313,6 | 5,4 | 29,2 |
Сумма | 64,7 | 984,7 | 984,7 | - | 2291,9 | - | 470,3 |
Величина стандартной ошибки совместно с t-распределением Стьюдента при (n – 2) наблюдениях применяется для проверки существенности коэффициента регрессии и для расчета его доверительных интервалов – интервалов, в которые попадает коэффициент с вероятностью 1– α.
Для оценки существенности коэффициента регрессии его величина сравнивается с его стандартной ошибкой, т.е. определяется фактическое значение t-критерия Стьюдента: , которое затем сравнивается с табличным значением при определенном уровне значимости α и показателе
n – 2. Если фактическое значение t-критерия превышает табличное, то гипотезу о несущественности коэффициента регрессии можно отклонить.
Для данных задачи получаем:
Доверительный интервал для коэффициента регрессии определяется следующим образом:
.
При (для двустороннего критерия) и числе степеней свободы 8 табличное значение . Поскольку фактическое значение t-критерия превышает табличное, гипотезу о несущественности коэффициента регрессии можно отклонить.
Доверительный интервал для параметра :
.
Таким образом, получаем интервал .
Стандартная ошибка параметра a определяется по формуле:
.
Для определения значения mа строим вспомогательную таблицу:
№ п/п | Х | Y | | | | |
1 | 11,1 | 91 | 88,2 | 123,21 | 106,3 | 105,0369 |
2 | 9 | 94,3 | 92,9 | 81 | 154,0 | 31,38801 |
3 | 7,9 | 99,6 | 95,3 | 62,41 | 182,5 | 10,04098 |
4 | 8,5 | 95,4 | 94,0 | 72,25 | 166,7 | 20,21626 |
5 | 5,6 | 83 | 100,4 | 31,36 | 250,0 | 3,6864 |
6 | 6,2 | 92,3 | 99,1 | 38,44 | 231,3 | 0,351056 |
7 | 5 | 100 | 101,7 | 25 | 269,3 | 10,54626 |
8 | 4,7 | 106,3 | 102,4 | 22,09 | 279,2 | 15,29788 |
9 | 3 | 112,8 | 106,1 | 9 | 338,9 | 58,86726 |
10 | 3,7 | 110 | 104,6 | 13,69 | 313,6 | 37,50031 |
Сумма | 64,7 | 984,7 | 984,7 | 478,45 | 2291,9 | 292,9313 |
Процедура оценивания существенности данного параметра не отличается от рассмотренной выше для коэффициента регрессии; вычисляется t-критерий: , его величина сравнивается с табличным значением при (n – 2) степенях свободы:
Доверительный интервал для :
.
Таким образом, интервал для параметра .
Если 0 попадает в доверительный интервал, то фактор (или константа) является незначимым. В нашем случае это как раз так – параметр а – незначим.
Вывод: таким образом, параметр b уравнения регрессии является значимым, а параметр а – незначимым. Фактор х оказывает влияние на величину y, то есть среднесуточная производительность значительно зависит от изменения стоимости основных производственных фондов, но незначительно.
5. Проверим адекватность модели (уравнения регрессии) в целом с помощью F-критерия. Сформулируем вывод.
Н0 – фактор х не оказывает влияние на результат у;
Н1 – фактор х оказывает влияние на у.
Рассчитаем фактическое значение F – критерия:
;
;
.
Табличные значения:
Fα=0,05 = 5,32
F ≤ F=0,05 принимаем гипотезу Н0.
Вывод: уравнение регрессии является значимым на уровне значимости 0,05связь между признаками есть и описывается полученным уравнением регрессии .
6. Построим таблицу дисперсионного анализа.
Дисперсионный анализ результатов регрессии:
Источники вариации | Число степеней свободы | Сумма квадратов отклонений | Дисперсия на одну степень свободы | F - отношение | |
Фактическое | Табличное при = 0,05 | ||||
Общая Объяснённая Остаточная | 8 1 7 | 84,8 292,93 -208,1 | - 292,9 58,8 | - 4,98 1 | - 5,32 - |
7. Выберем прогнозную точку хП в стороне от основного массива данных. Используя уравнение регрессии, выполним точечный прогноз величины Y в точке хП.
Если хП = 12 млн. руб. - стоимость основных производственных фондов, то рассчитаем прогнозное у:
уП = 112,78 – 2,2125 * 12 = 86,2 тонны – прогноз среднесуточной производительности.
8. Рассчитаем доверительные интервалы для уравнения регрессии и для результативного признака уП при доверительной вероятности α = 0,95.
Доверительные интервалы среднего значения цены для рассчитываем по формуле.
где - соответственно верхняя и нижняя границы доверительного интервала в точке ;
- значение независимой переменной x1, для которой определяется доверительный интервал.
- стандартная ошибка
;
- остаточная дисперсия уравнения регрессии.
Тогда с учетом данных расчетных таблиц, получаем
; отсюда = 0,0781
Подставляем точечный прогноз объема выпуска продукции п=86,2 и в уравнения границ доверительного интервала и, учитывая =2,306, получаем интервальный прогноз с доверительной вероятностью 0,95:
, или ; тонн.
Доверительный интервал прогноза для уровня значимости 0,05
[86,14; 86,26].
9. Изобразим в одной системе координат: исходные данные: линию регрессии; точечный прогноз; 95% доверительный интервал.
Данные для построения линии регрессии Ух =
Х = 5 млн.руб. =>Y=112,78 – 2,2125 * 5 = 101,7175 тонны
Х= 10 млн.руб. =>Y= 112,78 – 2,2125 * 10 = 90,655 тонны
Данные для построения точечного прогноза и доверительного интервала:
Прогноз (п.7): Х``=12 млн.руб. =>Y``= 112,78 – 2,2125 * 12 = 86,23 тонны
Доверительного интервал(п.8.) Х=12 млн.руб. =>
Yн=86,17 тонны, Yв = 86,29 тонны
А теперь построим в одной системе координат полученные результаты:
Построим доверительные интервалы для всех исходных данных:
Стоимость основных производственных фондов ( X, млн. руб.) | | |||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 11,1 | 9,0 | 7,9 | 8,5 | 5,6 | 6,2 | 5,0 | 4,7 | 3,0 | 3,7 |
Среднесуточная производительность (Y тонн) | ||||||||||
| 91,0 | 94,3 | 99,6 | 95,4 | 83,0 | 92,3 | 100,0 | 106,3 | 112,8 | 110,0 |
Y``= | 88,22 | 92,87 | 95,30 | 93,97 | 100,39 | 99,06 | 101,72 | 102,38 | 106,14 | 104,59 |
Yн= | 88,16 | 92,81 | 95,24 | 93,92 | 100,33 | 99,00 | 101,66 | 102,32 | 106,08 | 104,54 |
Yв = | 88,28 | 92,93 | 95,36 | 94,03 | 100,45 | 99,12 | 101,78 | 102,44 | 106,20 | 104,65 |
Список использованной литературы
1. Тимофеев К.С., Фаддеенков А.В. Эконометрика. Часть 1: Учебное пособие. – Новосибирск, 2004. – 73 с.
2. Магнус Я.Р., . Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. - М.: Дело, 2004. – 576 с.
3. Эконометрика: Учебник / Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2006. – 576 с.
4. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. – М.: Юнити, 1998. – 1022 с.
5. Доугерти К. Введение в эконометрию. – М.: МГУ, 1999. – 402 с.