Контрольная работа Эконометрика 11
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
ГОУ ВПО «Санкт-Петербургская академия управления и экономики»
Контрольная работа по дисциплине
«Эконометрика»
Вариант № 1
Выполнила студентка 4 курса
Факультета экономики и финансов
Специальность Финансы и кредит
Группа № 14-35335
Колыванова А.В.
Проверила преподаватель
Золотарев А. А.
.
Пикалево 2010
D.1. Парная регрессия и корреляция
Задача 1
. По территориям региона приводятся данные за 199X г.
Номер региона | Среднедушевой прожиточный минимум в день одного трудоспособного, руб., | Среднедневная заработная плата, руб., |
1 | 81 | 124 |
2 | 77 | 131 |
3 | 85 | 146 |
4 | 79 | 139 |
5 | 93 | 143 |
6 | 100 | 159 |
7 | 72 | 135 |
8 | 90 | 152 |
9 | 71 | 127 |
10 | 89 | 154 |
11 | 82 | 127 |
12 | 111 | 162 |
Требуется:
Построить линейное уравнение парной регрессии от .
Рассчитать линейный коэффициент парной корреляции и среднюю ошибку аппроксимации.
Оценить статистическую значимость параметров регрессии и корреляции с помощью -критерия Фишера и -критерия Стьюдента.
Выполнить прогноз заработной платы при прогнозном значении среднедушевого прожиточного минимума , составляющем 107% от среднего уровня.
Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.
На одном графике построить исходные данные и теоретическую прямую.
Решение
Для расчета параметров уравнения линейной регрессии строим расчетную таблицу D.2.
| | | | | | | | |
1 | 81 | 124 | 10044 | 6561 | 15376 | 133 | - 9 | 7,2 |
2 | 77 | 131 | 10087 | 5929 | 17161 | 129 | - 2 | 1,5 |
3 | 85 | 146 | 12410 | 7225 | 21316 | 136 | - 10 | 6,8 |
4 | 79 | 139 | 10981 | 6241 | 19321 | 131 | - 8 | 5,7 |
5 | 93 | 143 | 13299 | 8649 | 20449 | 144 | - 1 | 0,7 |
6 | 100 | 159 | 15900 | 10000 | 25281 | 157 | - 2 | 1,2 |
7 | 72 | 135 | 9720 | 5184 | 18225 | 124 | - 11 | 8,1 |
8 | 90 | 152 | 13680 | 8100 | 23104 | 141 | - 11 | 7,2 |
9 | 71 | 127 | 9017 | 5041 | 16129 | 123 | - 4 | 3,1 |
10 | 89 | 154 | 13706 | 7921 | 23716 | 140 | - 14 | 9,1 |
11 | 82 | 127 | 10414 | 6724 | 16129 | 134 | 7 | 5,5 |
12 | 111 | 162 | 17982 | 12321 | 26244 | 161 | - 1 | 0,6 |
Итого | 1030 | 1699 | 147240 | 89896 | 242451 | 1653 | - 66 | 56,7 |
Среднее значение | 85,9 | 141,6 | 12270 | 7491,3 | 20204,25 | – | – | 2,8 |
| 10,60 | 12,4 | – | – | – | – | – | – |
| 112,5 | 153,7 | – | – | – | – | – | – |
=
.
Получено уравнение регрессии:
С увеличением среднедушевого прожиточного минимума на 1 руб. среднедневная заработная плата возрастает в среднем на 0,95 руб.
Тесноту линейной связи оценит коэффициент корреляции:
Это означает, что 81% вариации заработной платы () объясняется вариацией фактора – среднедушевого прожиточного минимума.
Качество модели определяет средняя ошибка аппроксимации:
Качество построенной модели оценивается как хорошее, так как не превышает 8-10%.
Оценку значимости уравнения регрессии в целом проведем с помощью -критерия Фишера. Фактическое значение -критерия:
Табличное значение критерия при пятипроцентном уровне значимости и степенях свободы и составляет . Так как
то уравнение регрессии признается статистически значимым.
Оценку статистической значимости параметров регрессии проведем с помощью -статистики Стьюдента и путем расчета доверительного интервала каждого из показателей.
Табличное значение -критерия для числа степеней свободы и составит .
Определим случайные ошибки , , :
Тогда
.
Фактические значения -статистики превосходят табличное значение:
,
поэтому параметры , и не случайно отличаются от нуля, а статистически значимы.
Рассчитаем доверительные интервалы для параметров регрессии и . Для этого определим предельную ошибку для каждого показателя:
Доверительные интервалы
Анализ верхней и нижней границ доверительных интервалов приводит к выводу о том, что с вероятностью параметры и , находясь в указанных границах, не принимают нулевых значений, т.е. не являются статистически незначимыми и существенно отличны от нуля.
Полученные оценки уравнения регрессии позволяют использовать его для прогноза. Если прогнозное значение прожиточного минимума составит:
тогда прогнозное значение заработной платы составит:
Ошибка прогноза составит:
Предельная ошибка прогноза, которая в случаев не будет превышена, составит:
Доверительный интервал прогноза:
Выполненный прогноз среднемесячной заработной платы является надежным () и находится в пределах от 131,23руб. до 163,37руб.
В заключение решения задачи построим на одном графике исходные данные и теоретическую прямую:
D.2. Множественная регрессия и корреляция
По 20 предприятиям региона изучается зависимость выработки продукции на одного работника (тыс. руб.) от ввода в действие новых основных фондов (% от стоимости фондов на конец года) и от удельного веса рабочих высокой квалификации в общей численности рабочих (%)
Номер предприятия | | | | Номер предприятия | | | |
1 | 6 | 3,6 | 9 | 11 | 9 | 6,3 | 21 |
2 | 6 | 3,6 | 12 | 12 | 11 | 6,4 | 22 |
3 | 6 | 3,9 | 14 | 13 | 11 | 7 | 24 |
4 | 7 | 4,1 | 17 | 14 | 12 | 7,5 | 25 |
5 | 7 | 3,9 | 18 | 15 | 12 | 7,9 | 28 |
6 | 7 | 4,5 | 19 | 16 | 13 | 8,2 | 30 |
7 | 8 | 5,3 | 19 | 17 | 13 | 8 | 30 |
8 | 8 | 5,3 | 19 | 18 | 13 | 8,6 | 31 |
9 | 9 | 5,6 | 20 | 19 | 14 | 9,5 | 33 |
10 | 10 | 6,8 | 21 | 20 | 14 | 9 | 36 |
Требуется:
Построить линейную модель множественной регрессии. Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.
Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их.
Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.
С помощью -критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации .
С помощью частных -критериев Фишера оценить целесообразность включения в уравнение множественной регрессии фактора после и фактора после .
Составить уравнение линейной парной регрессии, оставив лишь один значащий фактор.
Для удобства проведения расчетов поместим результаты промежуточных расчетов в таблицу:
№ | | | | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
1 | 6 | 3,6 | 9 | 21,6 | 54,0 | 32,4 | 12,96 | 81,0 | 36 |
2 | 6 | 3,6 | 12 | 21.6 | 72,0 | 43,2 | 12,96 | 144,0 | 36 |
3 | 6 | 3,9 | 14 | 23,4 | 84,0 | 54,6 | 15,21 | 196,0 | 36 |
4 | 7 | 4,1 | 17 | 28.7 | 119,0 | 69,7 | 16,81 | 289,0 | 49 |
5 | 7 | 3,9 | 18 | 27,3 | 126,0 | 70,2 | 15,21 | 324,0 | 49 |
6 | 7 | 4,5 | 19 | 31,5 | 133,0 | 85,5 | 20,25 | 361,0 | 49 |
7 | 8 | 5,3 | 19 | 42,4 | 152,0 | 100,7 | 28,09 | 361,0 | 64 |
8 | 8 | 5,3 | 19 | 42,4 | 152,0 | 100,7 | 28,09 | 361,0 | 64 |
9 | 9 | 5,6 | 20 | 50,4 | 180,0 | 112 | 31,36 | 400,0 | 81 |
10 | 10 | 6,8 | 21 | 68,0 | 210,0 | 142,8 | 46,24 | 441,0 | 100 |
11 | 9 | 6,3 | 21 | 56,7 | 189,0 | 132,3 | 39,69 | 441,0 | 81 |
12 | 11 | 6,4 | 22 | 70,4 | 242,0 | 140,8 | 40,96 | 484,0 | 121 |
13 | 11 | 7 | 24 | 77,0 | 264,0 | 168 | 49,0 | 576,0 | 121 |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
14 | 12 | 7,5 | 25 | 90,0 | 300,0 | 187,5 | 56,25 | 625,0 | 144 |
15 | 12 | 7,9 | 28 | 94,8 | 336,0 | 221,2 | 62,41 | 784,0 | 144 |
16 | 13 | 8,2 | 30 | 106,6 | 390,0 | 246,0 | 67,24 | 900,0 | 169 |
17 | 13 | 8 | 30 | 104,0 | 390,0 | 240,0 | 64 | 900,0 | 169 |
18 | 13 | 8,6 | 31 | 111,8 | 403,0 | 266,6 | 73,96 | 961,0 | 169 |
19 | 14 | 9,5 | 33 | 133,0 | 462,0 | 313,5 | 90,25 | 1089,0 | 196 |
20 | 14 | 9 | 36 | 126,0 | 504,0 | 324,0 | 81 | 1296,0 | 196 |
Сумма | 196 | 125 | 448 | 1327,6 | 4762 | 3051,7 | 851,94 | 11014 | 2074 |
Ср. знач. | 9,8 | 6,25 | 22,4 | 66,38 | 238,1 | 152,6 | 42,6 | 550,7 | 103,7 |
Найдем средние квадратические отклонения признаков:
Вычисление параметров линейного уравнения множественной регрессии.
Для нахождения параметров линейного уравнения множественной регрессии
необходимо решить следующую систему линейных уравнений относительно неизвестных параметров , , :
либо воспользоваться готовыми формулами:
; ;
.
Рассчитаем сначала парные коэффициенты корреляции:
Находим
Таким образом, получили следующее уравнение множественной регрессии:
Коэффициенты и стандартизованного уравнения регрессии находятся по формулам:
Т.е. уравнение будет выглядеть следующим образом:
Так как стандартизованные коэффициенты регрессии можно сравнивать между собой, то можно сказать, что ввод в действие новых основных фондов оказывает большее влияние на выработку продукции, чем удельный вес рабочих высокой квалификации.
Сравнивать влияние факторов на результат можно также при помощи средних коэффициентов эластичности:
.
Вычисляем:
Т.е. увеличение только основных фондов (от своего среднего значения) или только удельного веса рабочих высокой квалификации на 1% уменьшает среднем выработку продукции на 0,51% или 0,21% соответственно. Таким образом, подтверждается большее влияние на результат фактора , чем фактора .
Коэффициенты парной корреляции мы уже нашли:
.
Они указывают на весьма сильную связь каждого фактора с результатом, а также высокую межфакторную зависимость (факторы и явно коллинеарны, т.к.. При такой сильной межфакторной зависимости рекомендуется один из факторов исключить из рассмотрения.
Частные коэффициенты корреляции характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании (устранении влияния) других факторов, включенных в уравнение регрессии.
При двух факторах частные коэффициенты корреляции рассчитываются следующим образом:
Если сравнить коэффициенты парной и частной корреляции, то можно увидеть, что из-за высокой межфакторной зависимости коэффициенты парной корреляции дают завышенные оценки тесноты связи. Именно по этой причине рекомендуется при наличии сильной коллинеарности (взаимосвязи) факторов исключать из исследования тот фактор, у которого теснота парной зависимости меньше, чем теснота межфакторной связи.
Коэффициент множественной корреляции определить через матрицу парных коэффициентов корреляции:
,
где
– определитель матрицы парных коэффициентов корреляции;
– определитель матрицы межфакторной корреляции.
Коэффициент множественной корреляции
Коэффициент множественной корреляции показывает на весьма сильную связь всего набора факторов с результатом.
Нескорректированный коэффициент множественной детерминации оценивает долю вариации результата за счет представленных в уравнении факторов в общей вариации результата. Здесь эта доля составляет 97,6% и указывает на весьма высокую степень обусловленности вариации результата вариацией факторов, иными словами – на весьма тесную связь факторов с результатом.
Скорректированный коэффициент множественной детерминации
определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий. Он дает такую оценку тесноты связи, которая не зависит от числа факторов и поэтому может сравниваться по разным моделям с разным числом факторов. Оба коэффициента указывают на весьма высокую (более ) детерминированность результата в модели факторами и .
Оценку надежности уравнения регрессии в целом и показателя тесноты связи дает -критерий Фишера:
.
В нашем случае фактическое значение -критерия Фишера:
Получили, что (при ), т.е. вероятность случайно получить такое значение -критерия не превышает допустимый уровень значимости . Следовательно, полученное значение не случайно, оно сформировалось под влиянием существенных факторов, т.е. подтверждается статистическая значимость всего уравнения и показателя тесноты связи .
С помощью частных -критериев Фишера оценим целесообразность включения в уравнение множественной регрессии фактора после и фактора после при помощи формул:
;
.
Найдем и .
;
.
Имеем
Получили, что . Следовательно, включение в модель фактора после того, как в модель включен фактор статистически нецелесообразно: прирост факторной дисперсии за счет дополнительного признака оказывается незначительным, несущественным; фактор включать в уравнение после фактора не следует.
Если поменять первоначальный порядок включения факторов в модель и рассмотреть вариант включения после , то результат расчета частного -критерия для будет иным. , т.е. вероятность его случайного формирования меньше принятого стандарта . Следовательно, значение частного -критерия для дополнительно включенного фактора не случайно, является статистически значимым, надежным, достоверным: прирост факторной дисперсии за счет дополнительного фактора является существенным. Фактор должен присутствовать в уравнении, в том числе в варианте, когда он дополнительно включается после фактора .
Общий вывод состоит в том, что множественная модель с факторами и с содержит неинформативный фактор . Если исключить фактор , то можно ограничиться уравнением парной регрессии:
,
D.4. Временные ряды
Имеются условные данные об объемах потребления электроэнергии () жителями региона за 16 кварталов.
Требуется:
Построить автокорреляционную функцию и сделать вывод о наличии сезонных колебаний.
Построить аддитивную модель временного ряда (для нечетных вариантов) или мультипликативную модель временного ряда (для четных вариантов).
Сделать прогноз на 2 квартала вперед.
Варианты 1, 2
| | | |
1 | 5,8 | 9 | 7,9 |
2 | 4,5 | 10 | 5,5 |
3 | 5,1 | 11 | 6,3 |
4 | 9,1 | 12 | 10,8 |
5 | 7,0 | 13 | 9,0 |
6 | 5,0 | 14 | 6,5 |
7 | 6,0 | 15 | 7,0 |
8 | 10,1 | 16 | 11,1 |
Построим поле корреляции
Уже исходя из графика видно, что значения образуют пилообразную фигуру. Рассчитаем несколько последовательных коэффициентов автокорреляции. Для этого составляем первую вспомогательную таблицу.
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | 5,8 | -2.9 | -1.24 | 3,596 | 8,41 | 1,5376 |
3 | 5,1 | 4,5 | -2,3 | -2,54 | 5,842 | 5,29 | 6,4516 |
4 | 9,1 | 5,1 | 1,7 | -1,94 | -3,298 | 2,89 | 3.7636 |
5 | 7,0 | 9,1 | -0,4 | 2,06 | -0,824 | 0,16 | 4,2436 |
6 | 5,0 | 7,0 | -2,4 | -0,04 | 0,096 | 5,76 | 0,0016 |
7 | 6,0 | 5,0 | -1,4 | -2,04 | 2,856 | 1,96 | 4,1616 |
8 | 10,1 | 6,0 | 2,7 | -1,04 | -2,808 | 7,29 | 1,0816 |
9 | 7,9 | 10,1 | 0,5 | 3,06 | 1,53 | 0,25 | 9,3636 |
10 | 5,5 | 7,9 | -1,9 | 0,86 | -1,634 | 3,61 | 0,7396 |
11 | 6,3 | 5,5 | -1,1 | -1,54 | 1,7 | 1,21 | 2,3716 |
12 | 10,8 | 6,3 | 3.4 | -0,74 | -2,516 | 11,56 | 0,5476 |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
13 | 9,0 | 10,8 | 1,6 | 3,76 | 6,016 | 2,56 | 14.1376 |
14 | 6,5 | 9,0 | -0,9 | 1,96 | -1,764 | 0,81 | 3,8416 |
15 | 7,0 | 6,5 | -0,4 | -0,54 | 0,216 | 0,16 | 0,2916 |
16 | 11,1 | 7,0 | 3,7 | -0,04 | -0,148 | 13,69 | 0,0016 |
Сумма | 116,7 | 105.6 | -0,1 | 0 | 8,86 | 65,61 | 52,536 |
Среднее значение | 7,3 | 7.04 | – | – | – | – | – |
Следует заметить, что среднее значение получается путем деления не на 16, а на 15, т.к. у нас теперь на одно наблюдение меньше.
Теперь вычисляем коэффициент автокорреляции первого порядка по формуле :
Составляем вспомогательную таблицу для расчета коэффициента автокорреляции второго порядка.
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | 5,8 | -2,5 | -1,243 | 3.1075 | 6,25 | 1,545049 |
4 | 9,1 | 4,5 | 1.5 | -2,543 | -3.8145 | 2,25 | 6,466849 |
5 | 7,0 | 5,1 | -0,6 | -1,943 | 1,1658 | 0,36 | 3,775249 |
6 | 5,0 | 9,1 | -2,6 | 2.057 | -5.3482 | 6.76 | 4,231249 |
7 | 6,0 | 7,0 | -1,6 | -0,043 | 0,0688 | 2,56 | 0,001849 |
8 | 10,1 | 5,0 | 2,5 | -2,043 | -5,1075 | 6.25 | 4,173849 |
9 | 7,9 | 6,0 | 0,3 | -1,043 | -0,3129 | 0,09 | 1,087849 |
10 | 5,5 | 10,1 | -2,1 | 3,057 | -6,4197 | 4,41 | 9,345249 |
11 | 6,3 | 7,9 | -1,3 | 0,857 | -1,1141 | 1,69 | 0,734449 |
12 | 10,8 | 5,5 | 3.2 | -1,543 | -4,9376 | 10,24 | 2,380849 |
13 | 9,0 | 6,3 | 1,4 | -0,743 | -1,0402 | 1,96 | 0,552049 |
14 | 6,5 | 10,8 | -1,1 | 3,757 | -4,1327 | 1,21 | 14,115049 |
15 | 7,0 | 9,0 | -0,6 | 1,957 | -1,1742 | 0,36 | 3,829849 |
16 | 11,1 | 6,5 | 3,5 | -0,543 | -1,9005 | 12,25 | 0,294849 |
Сумма | 116,7 | 98,6 | 0 | -0,002 | -30,96 | 56,64 | 52,534286 |
Среднее значение | 7,3 | 7,043 | – | - | – | – | – |
Следовательно
Составляем вспомогательные таблицы для расчета коэффициента автокорреляции третьего,четвертого ,…,двенадцатого порядка.
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | - | - | - | - | - | - |
4 | 9,1 | 5,8 | 1,3 | -1,28 | -1,664 | 1,69 | 1,6384 |
5 | 7,0 | 4,5 | -0.8 | -2,58 | 2,064 | 0,64 | 6,6564 |
6 | 5,0 | 5,1 | -2.8 | -1,98 | 5,544 | 7,84 | 3.9204 |
7 | 6,0 | 9,1 | -1.8 | 2.02 | -3,636 | 3.24 | 4,0804 |
8 | 10,1 | 7,0 | 2,3 | -0,08 | -0,184 | 0,0064 | 0,0064 |
9 | 7,9 | 5,0 | 0.1 | -2,08 | -0,208 | 4,3264 | 4,3264 |
10 | 5,5 | 6,0 | -2,3 | -1,08 | 2,484 | 5.29 | 1.1664 |
11 | 6,3 | 10,1 | -1,5 | 3.02 | -4.53 | 2.25 | 9,1204 |
12 | 10,8 | 7,9 | 3 | 0,82 | 2.46 | 9 | 0,6724 |
13 | 9,0 | 5,5 | 1,2 | -1,58 | -1,896 | 1.44 | 2,4964 |
14 | 6,5 | 6,3 | -1,3 | -0,78 | 1,014 | 1.69 | 0,6084 |
15 | 7,0 | 10,8 | -0,8 | 3,72 | -2,976 | 0,64 | 13,8384 |
16 | 11,1 | 9,0 | 3.3 | 1,92 | 6,336 | 10.89 | 3,6864 |
Сумма | 116,7 | 92,1 | -0,1 | 0,06 | 4,808 | 48,9428 | 52,2208 |
Среднее значение | 7,3 | 7,08 | – | - | – | – | – |
Следовательно
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | - | - | - | - | - | - |
4 | 9,1 | - | - | - | - | - | - |
5 | 7,0 | 5,8 | -0.68 | -1,126 | 0,76568 | 0,4624 | 1,267876 |
6 | 5,0 | 4,5 | -2,68 | -2,426 | 6,50168 | 5,885476 | 5,885476 |
7 | 6,0 | 5,1 | -1,68 | -1,826 | 3,06768 | 2,8224 | 3.334276 |
8 | 10,1 | 9,1 | 2.42 | 2,174 | 5,26108 | 5,8564 | 4.726276 |
9 | 7,9 | 7,0 | 0,22 | 0,074 | 0,01628 | 0,0484 | 0,005476 |
10 | 5,5 | 5,0 | -2,18 | -1,926 | 4,19868 | 4,7524 | 3,709476 |
11 | 6,3 | 6,0 | -1,38 | -0,926 | 1,27788 | 1,9044 | 0,857476 |
12 | 10,8 | 10,1 | 3,12 | 3,174 | 9,90288 | 9,7344 | 10,074276 |
13 | 9,0 | 7,9 | 1,32 | 0,974 | 1,28568 | 1,7424 | 0,948676 |
14 | 6,5 | 5,5 | -1,18 | -1,426 | 1,68268 | 1,3924 | 2,033476 |
15 | 7,0 | 6,3 | -0,68 | -0,626 | 0,42568 | 0,4624 | 0,391876 |
16 | 11,1 | 10,8 | 3,42 | 3,874 | 13,24908 | 11,6964 | 15,007876 |
Сумма | 116,7 | 83,1 | 0,04 | -0,012 | 47,63496 | 43,937476 | 48,242512 |
Среднее значение | 7,3 | 6,926 | – | - | – | – | – |
Следовательно
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | - | - | - | - | - | - |
4 | 9,1 | - | - | - | - | - | - |
5 | 7,0 | - | - | - | - | - | - |
6 | 5,0 | 5,8 | -2,74 | -0.8 | 2,192 | 7,5076 | 0.64 |
7 | 6,0 | 4,5 | -1,74 | -2,1 | 3,654 | 3,0276 | 4,41 |
8 | 10,1 | 5,1 | 2.36 | -1,5 | -3,54 | 5.5696 | 2.25 |
9 | 7,9 | 9,1 | 0,16 | 2.5 | 0,4 | 0,0256 | 6.25 |
10 | 5,5 | 7,0 | -2,24 | 0,4 | -0,896 | 5,0176 | 0,16 |
11 | 6,3 | 5,0 | -1,44 | -1,6 | 2,304 | 2.0736 | 2,56 |
12 | 10,8 | 6,0 | 3,06 | -0.6 | -1,836 | 9,3636 | 0,36 |
13 | 9,0 | 10,1 | 1,26 | 3.5 | 4,41 | 1,5876 | 12,25 |
14 | 6,5 | 7,9 | -1,24 | 1,3 | -1.612 | 1,5376 | 1,69 |
15 | 7,0 | 5,5 | -0.74 | -1.1 | 0,814 | 0,5476 | 1.21 |
16 | 11,1 | 6,3 | 3.36 | -0,3 | -1.008 | 11,2896 | 0,09 |
Сумма | 116,7 | 72.3 | 0,06 | -0,3 | 4,882 | 47,5476 | 34,12 |
Среднее значение | 7,3 | 6.6 | – | - | – | – | – |
Следовательно
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | - | - | - | - | - | - |
4 | 9,1 | - | - | - | - | - | - |
5 | 7,0 | - | - | - | - | - | - |
6 | 5,0 | - | - | - | - | - | - |
7 | 6,0 | 5,8 | -2,02 | -0,8 | 1,616 | 4,0804 | 0,64 |
8 | 10,1 | 4,5 | 2.08 | -2,1 | -4,368 | 4,3264 | 4,41 |
9 | 7,9 | 5,1 | -0,12 | -1,5 | 0,18 | 0,0144 | 2,25 |
10 | 5,5 | 9,1 | -2,52 | 2,5 | -6,3 | 6,3504 | 6,25 |
11 | 6,3 | 7,0 | -1,72 | 0,4 | -0,688 | 2,9584 | 0,16 |
12 | 10,8 | 5,0 | 2,78 | -1,6 | -4,448 | 7,7284 | 2,56 |
13 | 9,0 | 6,0 | 0,98 | -0,6 | -0,588 | 0,9604 | 0,36 |
14 | 6,5 | 10,1 | -1,52 | 3,5 | -5,32 | 2,3104 | 12,25 |
15 | 7,0 | 7,9 | -1,02 | 1,3 | -1,326 | 1,0404 | 1,69 |
16 | 11,1 | 5,5 | 3.08 | -1,1 | -3,388 | 9,4864 | 1,21 |
Сумма | 116,7 | 66 | 0 | 0 | -17,854 | 39,256 | 31,78 |
Среднее значение | 7,3 | 6,6 | – | - | – | – | – |
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | - | - | - | - | - | - |
4 | 9,1 | - | - | - | - | - | - |
5 | 7,0 | - | - | - | - | - | - |
6 | 5,0 | - | - | - | - | - | - |
7 | 6,0 | - | - | - | - | - | - |
8 | 10,1 | 5,8 | 1,86 | -0,92 | -1,7112 | 3,4596 | 0,8464 |
9 | 7,9 | 4,5 | -0,34 | -2.22 | 0,7548 | 0,1156 | 4,9284 |
10 | 5,5 | 5,1 | -2,74 | -1,62 | 4,4388 | 7,5076 | 2,6244 |
11 | 6,3 | 9,1 | -1,94 | 2,38 | -4,6172 | 3,7636 | 5,6644 |
12 | 10,8 | 7,0 | 2,56 | 0,8 | 2,048 | 6,5536 | 0,64 |
13 | 9,0 | 5,0 | 0,76 | -1,72 | -1,3072 | 0,5776 | 2,9584 |
14 | 6,5 | 6,0 | -1,74 | -0,72 | 1,2528 | 3,0276 | 0,5184 |
15 | 7,0 | 10,1 | -1,24 | 3,38 | -4,1912 | 1,5376 | 11,4244 |
16 | 11,1 | 7,9 | 2,86 | 1,18 | 3,3748 | 8,1796 | 1,3924 |
Сумма | 116,7 | 60,5 | 0,04 | 0,54 | 0,0424 | 34,7224 | 30,9972 |
Среднее значение | 7,3 | 6,72 | – | - | – | – | – |
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | - | - | - | - | - | - |
4 | 9,1 | - | - | - | - | - | - |
5 | 7,0 | - | - | - | - | - | - |
6 | 5,0 | - | - | - | - | - | - |
7 | 6,0 | - | - | - | - | - | - |
8 | 10,1 | - | - | - | - | - | - |
9 | 7,9 | 5,8 | -0,11 | -0,775 | 0,08525 | 0,0121 | 0,600625 |
10 | 5,5 | 4,5 | -2,51 | -2,075 | 5,20825 | 6,3001 | 4,305625 |
11 | 6,3 | 5,1 | -1,71 | -1,475 | 2,52225 | 2,9241 | 2,175625 |
12 | 10,8 | 9,1 | 2,79 | 2,525 | 7,04475 | 7,7841 | 6,375625 |
13 | 9,0 | 7,0 | 0,99 | 0,425 | 0,42075 | 0,9801 | 0,180625 |
14 | 6,5 | 5,0 | -1,51 | -1,575 | 2,37825 | 2,2801 | 2,480625 |
15 | 7,0 | 6,0 | -1,01 | -0,575 | 0,58075 | 1,0201 | 0,330625 |
16 | 11,1 | 10,1 | 3,09 | 3,525 | 10,89225 | 9,5481 | 12,425625 |
Сумма | 116,7 | 52,6 | 0 | 0 | 29,1325 | 30,8488 | 28,875 |
Среднее значение | 7,3 | 6.575 | – | - | – | – | – |
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | - | - | - | - | - | - |
4 | 9,1 | - | - | - | - | - | - |
5 | 7,0 | - | - | - | - | - | - |
6 | 5,0 | - | - | - | - | - | - |
7 | 6,0 | - | - | - | - | - | - |
8 | 10,1 | - | - | - | - | - | - |
9 | 7,9 | - | - | - | - | - | - |
10 | 5,5 | 5,8 | -2,53 | -0,27 | 0,6831 | 6,4009 | 0,0729 |
11 | 6,3 | 4,5 | -1,73 | -1,57 | 2,7161 | 2,9929 | 2,4649 |
12 | 10,8 | 5,1 | 2,77 | -0,97 | -2,6869 | 7,6729 | 0,9409 |
13 | 9,0 | 9,1 | 0,97 | 3,03 | 2,9391 | 0,9409 | 9,1809 |
14 | 6,5 | 7,0 | -1,53 | 0,93 | -1,4229 | 2,3409 | 0,8649 |
15 | 7,0 | 5,0 | -1,03 | -1,07 | 1,1021 | 1,0609 | 1,1449 |
16 | 11,1 | 6,0 | 3,07 | -0,07 | -0,2149 | 9,4249 | 0,0049 |
Сумма | 116,7 | 42.5 | -0,01 | 0,01 | 3,1157 | 30,8343 | 14,6743 |
Среднее значение | 7,3 | 6,07 | – | - | – | – | – |
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | - | - | - | - | - | - |
4 | 9,1 | - | - | - | - | - | - |
5 | 7,0 | - | - | - | - | - | - |
6 | 5,0 | - | - | - | - | - | - |
7 | 6,0 | - | - | - | - | - | - |
8 | 10,1 | - | - | - | - | - | - |
9 | 7,9 | - | - | - | - | - | - |
10 | 5,5 | - | - | - | - | - | - |
11 | 6,3 | 5,8 | -2,15 | -0,28 | 0,602 | 4,6225 | 0,0784 |
12 | 10,8 | 4,5 | 2,35 | -1,58 | -3,713 | 5,5225 | 2,4964 |
13 | 9,0 | 5,1 | 0,55 | -0,98 | -0,539 | 0,3025 | 0,9604 |
14 | 6,5 | 9,1 | -1,95 | 3,02 | -5,889 | 3,8025 | 9,1204 |
15 | 7,0 | 7,0 | -1,45 | 0,92 | -1,334 | 2,1025 | 0,8464 |
16 | 11,1 | 5,0 | 2,65 | -1,08 | -2,862 | 7,0225 | 1,1664 |
Сумма | 116,7 | 36,5 | 0 | 0,02 | -13,735 | 23,375 | 14,6684 |
Среднее значение | 7,3 | 6,08 | – | - | – | – | – |
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | - | - | - | - | - | - |
4 | 9,1 | - | - | - | - | - | - |
5 | 7,0 | - | - | - | - | - | - |
6 | 5,0 | - | - | - | - | - | - |
7 | 6,0 | - | - | - | - | - | - |
8 | 10,1 | - | - | - | - | - | - |
9 | 7,9 | - | - | - | - | - | - |
10 | 5,5 | - | - | - | - | - | - |
11 | 6,3 | - | - | - | - | - | - |
12 | 10,8 | 5,8 | 1,92 | -0,5 | -0,96 | 3,6864 | 0,25 |
13 | 9,0 | 4,5 | 0,12 | -1,8 | -0,216 | 0,0144 | 3,24 |
14 | 6,5 | 5,1 | -2,38 | -1,2 | 2,856 | 5,6644 | 1,44 |
15 | 7,0 | 9,1 | -1,88 | 2,8 | -5,264 | 3,5344 | 7,84 |
16 | 11,1 | 7,0 | 2,22 | 0,7 | 1,554 | 4,9284 | 0,49 |
Сумма | 116,7 | 31,5 | 0 | 0 | -2,03 | 17,828 | 13,26 |
Среднее значение | 7,3 | 6,3 | – | - | – | – | – |
| | | | | | | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1 | 5,8 | – | – | – | – | – | – |
2 | 4,5 | – | – | – | – | – | – |
3 | 5,1 | - | - | - | - | - | - |
4 | 9,1 | - | - | - | - | - | - |
5 | 7,0 | - | - | - | - | - | - |
6 | 5,0 | - | - | - | - | - | - |
7 | 6,0 | - | - | - | - | - | - |
8 | 10,1 | - | - | - | - | - | - |
9 | 7,9 | - | - | - | - | - | - |
10 | 5,5 | - | - | - | - | - | - |
11 | 6,3 | - | - | - | - | - | - |
12 | 10,8 | - | - | - | - | - | - |
13 | 9,0 | 5,8 | 0,6 | -0,325 | -0,195 | 0,36 | 0,105625 |
14 | 6,5 | 4,5 | -1,9 | -1,625 | 3,0875 | 3,61 | 2,640625 |
15 | 7,0 | 5,1 | -1,4 | -1,025 | 1,435 | 1,96 | 1,050625 |
16 | 11,1 | 9,1 | 2,7 | 2,975 | 8,0325 | 7,29 | 8,850625 |
Сумма | 116,7 | 24,5 | 0 | 0 | 12,36 | 13,22 | 12,6475 |
Среднее значение | 7,3 | 6,125 | – | - | – | – | – |
Аналогично находим коэффициенты автокорреляции более высоких порядков, а все полученные значения заносим в сводную таблицу.
Таблица 4.4
Лаг | Коэффициент автокорреляции уровней |
1 | 0,150911 |
2 | -0,567568 |
3 | 0,951043 |
4 | 1,0346429 |
5 | 0,1211414 |
6 | - 0,5054783 |
7 | 0,0012924 |
8 | 0,9761266 |
9 | 0,1464764 |
10 | -0,7417508 |
11 | -0,1320325 |
12 | 0,9559164 |
Коррелограмма:
Анализ коррелограммы и графика исходных уровней временного ряда позволяет сделать вывод о наличии в изучаемом временном ряде сезонных колебаний периодичностью в четыре квартала.