Экономическая статистика

Оценка коэффициентов линейной регрессии по методу наименьших квадратов. Расчет доверительных интервалов для теоретических коэффициентов регрессии. Оценка параметров модели с распределенным лагом. Определения коэффициентов, входящих в уравнения регрессии.

Рубрика Экономика и экономическая теория
Вид контрольная работа
Язык русский
Дата добавления 20.05.2012
Размер файла 200,5 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Задача 1

Имеется информация по 10 предприятиям оптовой торговли об объеме реализации Y относительно размера торговой площади X:

№ п/п

1

2

3

4

5

6

7

8

9

10

X

700

750

800

830

850

900

920

950

980

890

Y

6350

7800

7600

8600

8600

9200

9000

9100

9950

9000

1. Оцените коэффициенты линейной регрессии по методу наименьших квадратов.

2. Проверьте статистическую значимость оценок теоретических коэффициентов при уровне значимости 0,05.

3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.

4. Спрогнозируйте объем реализации при размере торговой площади X=1000 и рассчитайте 95% доверительный интервал для условного математического ожидания .

5. Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных объемов реализации при торговой площади X=1000.

6. Оцените на сколько единиц изменится объем реализации, если площадь вырастет на 100.

7. Рассчитайте коэффициент детерминации .

8. Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.

Решение

1. Оценим коэффициенты линейной регрессии по методу наименьших квадратов.

Уравнение регрессии имеет вид:

.

Параметры найдем из системы нормальных уравнений:

,

,

Необходимые расчеты выполним в таблице 1.

Таблица 1

Предприятие

1

700

6350

490000

40322500

4445000

6806,99

208840

2

750

7800

562500

60840000

5850000

7352,53

200225

3

800

7600

640000

57760000

6080000

7898,08

88851,3

4

830

8600

688900

73960000

7138000

8225,41

140321

5

850

8600

722500

73960000

7310000

8443,62

24453,5

6

900

9200

810000

84640000

8280000

8989,17

44450

7

920

9000

846400

81000000

8280000

9207,39

43008,9

8

950

9100

902500

82810000

8645000

9534,71

188975

9

980

9950

960400

99002500

9751000

9862,04

7737,09

10

890

9000

792100

81000000

8010000

8880,06

14385,8

сумма

8570

85200

7415300

735295000

73789000

85200

961248

среднее

857

8520

741530

73529500

7378900

х

х

;

.

Тогда уравнение регрессии имеет вид:

.

Из полученного уравнения регрессии следует, что при увеличении торговой площади X на 1 кв.м. объем реализации Y увеличивается на 10,91 у.е.

2. Проверим статистическую значимость оценок теоретических коэффициентов при уровне значимости 0,05

Оценку статистической значимости параметров регрессии проведем с помощью t-статистики Стьюдента. Выдвигаем гипотезу Н0 о статистически незначимом отличии показателей от нуля: b0 = b1 = 0.

tтабл для числа степеней свободы df = n - 2 = 10 - 2 = 8 и = 0,05 составит:

tтабл = 2,306.

Определим случайные ошибки:

,

;

.

.

.

;

.

Так как tтабл, то гипотеза Н0 отклоняется, то есть параметр b1 не случайно отклоняются от нуля, а статистически значим. Так как < tтабл параметр b0 статистически незначим.

3. Рассчитаем 95%-е доверительные интервалы для теоретических коэффициентов регрессии.

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 p = 1 - = 0,95 параметр b1, находясь в указанных границах, не принимает нулевых значений, то есть является статистически значимым, параметр b0 принимает нулевые значения, то есть является статистически незначимым.

4. Спрогнозируем объем реализации при размере торговой площади X=1000.

Полученные оценки уравнения регрессии позволяют использовать его для прогноза.

При размере торговой площади X=1000 объем реализации составит:

у.е.

Для построения доверительного интервала для необходимо найти дисперсию его оценки, то есть .

Выборочная остаточная дисперсия:

;

;

у.е.

Из приложения находим .

;

;

;

Итак, средний объем реализации при торговой площади X = 1000 кв.м. с надежностью 0,95 находится в пределах от 9580,98 до 10579,53 у.е.

5. Рассчитаем границы интервала, в котором будет сосредоточено не менее 95% возможных объемов реализации при торговой площади X=1000

Чтобы построить доверительный интервал для индивидуального значения , необходимо найти дисперсию его оценки по формуле:

;

у.е.

;

;

.

Таким образом, возможные значения среднего объема реализации Y при доходе X = 1000 кв.м. с надежностью 0,95 находятся в пределах от 9136,625 до 11023,89 у.е.

6. Оценим на сколько единиц изменится объем реализации, если площадь вырастет на 100

(кв.м.) - средняя площадь 10 предприятий.

(у.е.) - объем реализации при X = 857 кв.м.

(кв.м.)

(у.е.);

.

Следовательно, если площадь вырастет на 100 кв.м., то объем реализации увеличится на 1091,09 у.е.

7. Рассчитаем коэффициент детерминации . Вначале вычислим коэффициент корреляции:

.

Выборочные средние квадратические отклонения:

;

.

,

то есть связь между переменными X и Y очень тесная и прямая (с увеличением площади объем реализации увеличивается).

В случае парной линейной регрессионной модели коэффициент детерминации равен квадрату коэффициента корреляции:

.

Это означает, что вариация зависимой переменной Y - объем реализации - на 89,8 % объясняется вариацией переменной X - площадь.

8. Рассчитаем F-статистику для коэффициента детерминации.

F-тест - оценивание качества уравнения регрессии - состоит в проверке гипотезы H0 о статистической незначимости уравнения регрессии и показателя тесноты связи. Для этого выполним сравнение фактического Fфакт и критического (табличного) Fтабл значений F-критерия Фишера.

.

Fтабл - это максимально возможное значение критерия под влиянием случайных факторов при данных степенях свободы и уровне значимости .

При = 0,05 и числе степеней свободы k = n - 2 = 8:

Fтабл = 5,32.

Так как Fфакт Fтабл, то Н0 - гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность.

Задача 2

Имеются данные о динамике оборота розничной торговли и потребительских цен региона за два года. Используя метод Ш. Алмон, оцените параметры модели с распределенным лагом. Длину лага выберите не более 4, степень аппроксимирующего полинома - не более 3. Оцените качество построенной модели.

Месяц

Оборот розничной торговли, % к предыдущему месяцу

Индекс потребительских цен, % к предыдущему месяцу

Январь

70,8

101,7

Февраль

98,7

101,1

Март

97,9

100,4

Апрель

99,6

100,1

Май

96,1

100

Июнь

103,4

100,1

Июль

95,5

100

Август

102,9

105,8

Сентябрь

77,6

145

Октябрь

102,3

99,8

Ноябрь

102,9

102,7

Декабрь

123,1

109,4

Январь

74,3

110

Февраль

92,9

106,4

Март

106

103,2

Апрель

99,8

103,2

Май

105,2

102,9

Июнь

99,7

100,8

Июль

99,7

101,6

Август

107,9

101,5

Сентябрь

98,8

101,4

Октябрь

104,6

101,7

Ноябрь

106,4

101,7

Декабрь

122,7

101,2

Решение

Длину лага выберем равную 3 в предположении, что структура лага описывается полиномом второй степени, т.е.

Тогда модель примет вид:

Для оценки параметров построим вспомогательную таблицу:

Таблица

Месяц

Оборот розничной торговли, % к предыдущему месяцу, y

Индекс потребительских цен, % к предыдущему месяцу, x

z0

z1

z2

z0^2

z1^2

z2^2

z0z1

z1z2

z0z2

yz0

yz1

yz2

Январь

70,8

101,7

-

-

-

-

-

-

-

-

-

-

-

-

Февраль

98,7

101,1

-

-

-

-

-

-

-

-

-

-

-

-

Март

97,9

100,4

-

-

-

-

-

-

-

-

-

-

-

-

Апрель

99,6

100,1

403,3

607,7

1420,1

162650,89

369299,29

2016684,01

245085,41

862994,77

572726,33

40168,68

60526,92

141441,96

Май

96,1

100

401,6

604,2

1411,6

161282,56

365057,64

1992614,56

242646,72

852888,72

566898,56

38593,76

58063,62

135654,76

Июнь

103,4

100,1

400,6

601,4

1404

160480,36

361681,96

1971216

240920,84

844365,6

562442,4

41422,04

62184,76

145173,6

Июль

95,5

100

400,2

600,4

1401

160160,04

360480,16

1962801

240280,08

841160,4

560680,2

38219,1

57338,2

133795,5

Август

102,9

105,8

405,9

600,2

1400,4

164754,81

360240,04

1961120,16

243621,18

840520,08

568422,36

41767,11

61760,58

144101,16

Сентябрь

77,6

145

450,9

606,1

1406,7

203310,81

367357,21

1978804,89

273290,49

852600,87

634281,03

34989,84

47033,36

109159,92

Октябрь

102,3

99,8

450,6

656,6

1468,2

203040,36

431123,56

2155611,24

295863,96

964020,12

661570,92

46096,38

67170,18

150196,86

Ноябрь

102,9

102,7

453,3

707,2

1632

205480,89

500131,84

2663424

320573,76

1154150,4

739785,6

46644,57

72770,88

167932,8

Декабрь

123,1

109,4

456,9

737,3

1806,9

208757,61

543611,29

3264887,61

336872,37

1332227,37

825572,61

56244,39

90761,63

222429,39

Январь

74,3

110

421,9

614,2

1418,4

177999,61

377241,64

2011858,56

259130,98

871181,28

598422,96

31347,17

45635,06

105387,12

Февраль

92,9

106,4

428,5

636,9

1471,9

183612,25

405641,61

2166489,61

272911,65

937453,11

630709,15

39807,65

59168,01

136739,51

Март

106

103,2

429

654,6

1531

184041

428501,16

2343961

280823,4

1002192,6

656799

45474

69387,6

162286

Апрель

99,8

103,2

422,8

646

1518,8

178759,84

417316

2306753,44

273128,8

981144,8

642148,64

42195,44

64470,8

151576,24

Май

105,2

102,9

415,7

628,8

1473,6

172806,49

395389,44

2171496,96

261392,16

926599,68

612575,52

43731,64

66149,76

155022,72

Июнь

99,7

100,8

410,1

618,9

1444,5

168182,01

383037,21

2086580,25

253810,89

894001,05

592389,45

40886,97

61704,33

144016,65

Июль

99,7

101,6

408,5

616,2

1441,2

166872,25

379702,44

2077057,44

251717,7

888067,44

588730,2

40727,45

61435,14

143687,64

Август

107,9

101,5

406,8

611,9

1430,9

165486,24

374421,61

2047474,81

248920,92

875567,71

582090,12

43893,72

66024,01

154394,11

Сентябрь

98,8

101,4

405,3

607,1

1415,1

164268,09

368570,41

2002508,01

246057,63

859107,21

573540,03

40043,64

59981,48

139811,88

Октябрь

104,6

101,7

406,2

609,2

1421,8

164998,44

371124,64

2021515,24

247457,04

866160,56

577535,16

42488,52

63722,32

148720,28

Ноябрь

106,4

101,7

406,3

609

1420,8

165079,69

370881

2018672,64

247436,7

865267,2

577271,04

43230,32

64797,6

151173,12

Декабрь

122,7

101,2

406

609,3

1421,1

164836

371246,49

2019525,21

247375,8

865876,23

576966,6

49816,2

74761,11

174368,97

Сумма

2388,8

2501,7

8790

13183,2

30760

3686860,24

8302056,64

45241056,64

5529318,48

19377547,2

12901557,88

887788,59

1334847,35

3117070,19

Тогда система уравнений по методу наименьших квадратов имеет вид:

В результате получим эмпирическое уравнение регрессии:

Следовательно,

Рассчитаем коэффициенты регрессии исходной модели:

Возвращаясь к исходным переменным, получим модель с распределенным лагом:

Анализ этой модели показывает, что при увеличении индекса потребительских цен на 1% в текущем периоде приведет через 3 месяца к увеличению объема розничной торговли в среднем на 0,08 %.

Оценим качество построенной модели. Для этого найдем коэффициент детерминации по формуле:

означает, что фактором индекса потребительских цен можно объяснить 46,7 % изменения объема розничной торговли.

Задача 3

(1) - теоретическое уравнение регрессии,

(2) - эмпирическое уравнение регрессии.

Какое из уравнений и почему лучше описывает выборочные данные?

Решение

Для определения значений теоретических коэффициентов, входящих в уравнения регрессии, необходимо знать и использовать все значения переменных генеральной совокупности, что практически невозможно. В связи с этим по выборке ограниченного объема строится так называемое выборочное (эмпирическое) уравнение регрессии. В силу несовпадения статистической базы для генеральной совокупности и выборки оценки коэффициентов, входящих в уравнение регрессии, практически всегда отличаются от истинных (теоретических) значений, что приводит к несовпадению эмпирической и теоретической линий регрессии. Различные выборки из одной и той же генеральной совокупности обычно приводят к отличающимся друг от друга оценкам. Задача состоит в том, чтобы по конкретной выборке найти оценки неизвестных параметров так, чтобы построенная линия регрессии являлась бы наилучшей, среди всех других линий.

Данное соотношение называется теоретической линейной регрессионной моделью; коэффициенты - теоретическими параметрами регрессии; - случайным отклонением.

По выборке ограниченного объема строится выборочное (эмпирическое) уравнение регрессии:

где - оценки неизвестных параметров, называемые выборочными (эмпирическими) коэффициентами регрессии, - оценка условного математического ожидания . Справедлива формула:

где отклонение - оценка теоретического отклонения .

Возможное соотношение между теоретическим и эмпирическим уравнениями регрессии схематично изображено на рис.

Рис. Возможное соотношение между теоретическим и эмпирическим уравнениями регрессии

Построенная прямая выборочной регрессии должна наилучшим образом описывать эмпирические данные, т.е. коэффициенты должны быть такими, чтобы случайные отклонения были минимальны.

Поэтому эмпирическое уравнение регрессии лучше описывает выборочные данные.

Задача 4

Если построить модель , где - прибыль, - доход, - затраты, то каким будет коэффициент детерминации?

Решение

При увеличении дохода на 1 ед. прибыль увеличивается (не учитывая влияние других факторов), следовательно, коэффициент , а при увеличении затрат на 1 ед. прибыль уменьшается (не учитывая влияние других факторов) и следовательно, коэффициент . Но это никак не влияет на коэффициент детерминации.

Коэффициент детерминации выражается формулой:

линейная регрессия

Множественный коэффициент детерминации характеризует, какая доля вариации (изменения) результирующего признака y определяется совместным изменением независимых факторов .

Значение принадлежит отрезку [0;1]. Таким образом, коэффициент детерминации и для модели , где - прибыль, - доход, - затраты будет находиться в пределах .

Размещено на Allbest.ru


Подобные документы

  • Изучение и оценка коэффициентов и уравнения линейной регрессии показателей грузоперевозок по РБ за 2011-2012 гг. Проверка гипотез о значениях коэффициентов регрессии, построение доверительных интервалов, анализ статистической однородности и независимости.

    курсовая работа [773,3 K], добавлен 23.10.2012

  • Экономическая интерпретация коэффициентов регрессии. Графическое представление фактических и модельных значений точки прогноза, уравнений регрессии (гиперболической, степенной, показательной). Нахождение коэффициентов детерминации и эластичности.

    контрольная работа [324,1 K], добавлен 13.04.2010

  • Классическая линейную модель множественной регрессии. Значимость уравнения регрессии и его коэффициентов. Доверительный интервал. Матрица парных коэффициентов корреляции. Модель множественной регрессии. Автокорреляция.

    контрольная работа [172,9 K], добавлен 17.01.2004

  • Сущность и применение метода наименьших квадратов для однофакторной линейной регрессии. Нахождение коэффициента эластичности для указанной модели в заданной точке X и его экономический анализ. Прогноз убыточности на основании линейной регрессии.

    контрольная работа [47,3 K], добавлен 15.06.2009

  • Основные этапы многофакторного корреляционного анализа и интерпретация его параметров. Назначение коэффициентов эластичности и стандартизированных бетта-коэффициентов. Расчет значимости коэффициентов регрессии и корреляции с помощью f-критерия Стьюдента.

    контрольная работа [605,2 K], добавлен 29.07.2010

  • Расчет параметров уравнения линейной регрессии, экономическая интерпретация регрессии. Определение остаточной суммы квадратов. Выполнение предпосылок МНК. Расчет коэффициента детерминации, проверка значимости уравнения регрессии с помощью критерия Фишера.

    контрольная работа [317,0 K], добавлен 11.05.2009

  • Парная линейная регрессия. Полный регрессионный анализ. Коэффициент корреляции и теснота линейной связи. Стандартная ошибка регрессии. Значимость уравнения регрессии. Расположение доверительных интервалов. Расчет параметров множественной регрессии.

    контрольная работа [932,7 K], добавлен 09.06.2012

  • Составление матрицы парных коэффициентов корреляции. Построение уравнения регрессии, характеризующего зависимость цены от всех факторов. Проведение регрессионного анализа с помощью пакета SPSS. Экономическая интерпретация коэффициентов модели регрессии.

    лабораторная работа [2,5 M], добавлен 27.09.2012

  • Порядок построения линейного уравнения парной регрессии, расчет коэффициентов и оценка статической значимости параметров регрессии и корреляции. Точность прогноза. Множественная регрессия и корреляция. Системы эконометрических уравнений. Временные ряды.

    контрольная работа [1,3 M], добавлен 24.09.2013

  • Расчет параметров линейного уравнения множественной регрессии с перечнем факторов по данным о деятельности компаний США. Оценка силы связи факторов с результатом с помощью средних (общих) коэффициентов эластичности. Доверительный интервал прогноза.

    лабораторная работа [666,9 K], добавлен 21.04.2015

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.