Анализ накладных расходов
Построение модели для зависимой переменной, используя пошаговую множественную регрессию (метод исключения, метод включения). Анализ накладных расходов за счёт значимых факторов, расчет индекса корреляции и оценка качества полученного уравнения регрессии.
Рубрика | Экономико-математическое моделирование |
Вид | лабораторная работа |
Язык | русский |
Дата добавления | 27.11.2009 |
Размер файла | 2,1 M |
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.
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
ВСЕРОССИЙСКИЙ ЗАОЧНЫЙ ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ ИНСТИТУТ
КАФЕДРА ЭКОНОМИКО-МАТЕМАТИЧЕСКИХ МЕТОДОВ И МОДЕЛЕЙ
ЛАБОРАТОРНАЯ РАБОТА
по дисциплине
Эконометрика
Вариант 8
Выполнил:
студент III курса
специальность финансы и кредит
Проверил: доц. Уродовских В. Н.
Липецк 2009
Анализ накладных расходов -2.
По данным, представленным в табл. 1, исследуется зависимость между величиной накладных расходов 40 строительных организаций Y (млн. руб.) и следующими тремя основными факторами:
x1 - объемом выполненных работ, млн. руб.
x2 - численностью рабочих, чел.
x3 - фондом зарплаты, млн. руб.
Таблица 1.
№ |
Накладные расходы, млн. руб. |
Объем работ, млн. руб. |
Численность рабочих, чел. |
Фонд заработной платы рабочих, млн. руб. |
|
1 |
3,5 |
11,9 |
980 |
5,754 |
|
2 |
4,0 |
12,1 |
675 |
5,820 |
|
3 |
3,1 |
11,2 |
1020 |
4,267 |
|
… |
… |
… |
… |
… |
|
38 |
1,6 |
7,4 |
159 |
1,570 |
|
39 |
1,2 |
2,2 |
162 |
1,142 |
|
40 |
1,5 |
2,6 |
101 |
0,429 |
Задание
1. Используя пошаговую множественную регрессию (метод исключения или метод включения), построить модель для зависимой переменной Накладные расходы за счёт значимых факторов. Рассчитать индекс корреляции R и оценить качество полученного уравнения регрессии с помощью коэффициента детерминации R2.
2. Оценить статистическую значимость уравнения регрессии, используя критерий Фишера F ( =0,05).
3. Дать сравнительную оценку силы связи факторов с результатом с помощью коэффициентов эластичности, - и - коэффициентов.
4. Ранжировать предприятия по степени их эффективности.
Решение.
1. Для проведения корреляционного анализа выполним следующие действия:
1) Выбрать команду Анализ данных.
2) В диалоговом окне Анализ данных выбрать инструмент Корреляция, а затем щелкнуть ОК.
3) В диалоговом окне Корреляция в поле входной интервал необходимо ввести диапазон ячеек, содержащих исходные данные. Установить флажок Метки в первой строке.
4) Параметры вывода Новый рабочий лист.
5) ОК.
Рисунок 1
Анализ матрицы коэффициентов парной корреляции показывает, что зависимая переменная, т.е. накладные расходы, имеет тесную связь с объемом выполненных работ (ryx1=0,815). Факторы Х1 и Х2 тесно связаны между собой (rx1x2=0,689) и факторы Х1 и Х3 также тесно связаны (rx1x3=0,825). Следовательно, из этих переменных оставим в модели Х1 - объем выполненных работ, т.к. это наиболее значимый фактор.
Построим модель для зависимой переменной «Накладные расходы» за счет значимого фактора Х1.
Воспользуемся инструментом Регрессия
1) Выбрать команду Анализ данных.
2) В диалоговом окне Анализ данных выбрать инструмент Регрессия, а затем щелкнуть ОК.
3) В диалоговом окне Регрессия в поле Входной интервал У необходимо ввести диапазон ячеек, который представляет зависимую переменную (цена квартиры). В поле Входной интервал Х ввести адрес диапазона, который содержит значения независимых переменных.
4)Установить флажок Метки в первой строке.
5) Параметры вывода Новый рабочий лист.
6) ОК.
Рисунок 2.
Уравнение регрессии в линейной форме за счет значимого фактора имеет вид: у=1,335+0,136х1
Рассчитанный индекс корреляции (множественный R) представлен в таблице Регрессионная статистика протокола Excel (рис. 2): R=0,815 - он показывает тесноту связи зависимой переменной У с включенным в модель объясняющим фактором, в данном случае связь сильная.
Коэффициент детерминации (R - квадрат): R2=0,664 - следовательно, около 66,4% вариации зависимой переменной учтено в модели и обусловлено влиянием включенного фактора Х1.
3. Оценим статистическую значимость полученного уравнения регрессии с помощью критерия Фишера.
Значение F-критерия Фишера можно найти в табл. протокола Excel (рис. 2): F=75,102, Fтабл=4,098 (доверительная вероятность 0,95, при v1=k=1 и v2=n-k-1=40 - 1 - 1 =38) .
Поскольку Fрасч>Fтабл, уравнение регрессии следует признать адекватным или статистически значимым.
4. Для сравнительной оценки силы связи факторов с результатом найдем коэффициенты эластичности, в- и ?- коэффициенты для каждого фактора. Для нахождения коэффициентов при переменных построим модель регрессии с учетом всех факторов. Воспользуемся инструментом Регрессия пакета Анализ данных.
Рисунок 3.
Уравнение множественной регрессии в линейной форме с полным набором факторов имеет вид: у=1,132+0,060х1+0,001х2+0,103х3
Таблица 1.
У |
Х1 |
Х2 |
Х3 |
||
Среднее значение |
2,95 |
11,86 |
568,725 |
4,971 |
|
Среднеквадратическое отклонение |
0,896 |
5,361 |
273,155 |
2,500 |
|
Коэффициент парной корреляции |
1 |
0,815 |
0,739 |
0,774 |
Таблица 2 Данные, необходимые для расчета коэффициентов, представлены в табл. 1. и на рис. 3.
Коэффициент эластичности:
Э1=0,06*11,86/2,95=0,239 - при изменении фактора Х1 на 1% зависимая переменная У изменится на 0,24%. Аналогично для других факторов.
Э2=0,001*568,725/2,95=0,204;
Э3=0,103*4,971/2,95=0,173.
в - коэффициент: , -среднеквадратическое отклонение.
в1=0,06*5,361/0,896=0,356.
в2=0,001*273,155/0,896=0,322
в3=0,103*2,5/0,896=0,287
в - коэффициент показывает, на какую часть величины среднего квадратического отклонения изменится зависимая переменная У с изменением независимой переменной Х1 на величину своего среднеквадратического отклонение при фиксированном на постоянном уровне значении остальных независимых переменных. Например, при увеличении объема выполненных работ в нашем примере на 5,36 млн. руб. накладные расходы увеличатся на 319 тыс.руб. (0,356*0,896=0,319). Для остальных факторов аналогично.
? - коэффициент: , - коэффициент парной корреляции между фактором и зависимой переменной, - коэффициент детерминации.
?1=0,815*0,356/0,751=0,387. Следовательно, доля влияния фактора Х1 в суммарном влиянии всех факторов составляет 0,387.
?2=0,739*0,322/0,751=0,317
?3=0,774*0,287/0,751=0,387. Таким образом, на основании рассчитанных коэффициентов можно сделать вывод, что наиболее сильную связь с результатом имеет фактор Х1.
4. Для ранжирования предприятий по степени их эффективности используем частные коэффициенты эластичности: предприятие будет считаться наиболее эффективным, если оно имеет наибольший объем работ при минимальных накладных расходах, т.е. отношение объема работ к расходам должно быть наибольшим (см. табл.2).
Ранг предприятия по степени эффективности |
№ предприятия |
Накладные расходы. млн. руб. |
Объем работ. млн. руб. |
Эластичность |
|
1 |
17 |
4 |
25,1 |
6,28 |
|
2 |
28 |
2,8 |
16,3 |
5,82 |
|
3 |
18 |
3,9 |
22,7 |
5,82 |
|
4 |
26 |
2,9 |
16,2 |
5,59 |
|
5 |
27 |
3,1 |
17,3 |
5,58 |
|
6 |
23 |
3 |
16,5 |
5,50 |
|
7 |
25 |
3,3 |
17,1 |
5,18 |
|
8 |
22 |
3,5 |
17,3 |
4,94 |
|
9 |
24 |
3,6 |
17 |
4,72 |
|
10 |
38 |
1,6 |
7,4 |
4,63 |
|
11 |
9 |
1,3 |
5,9 |
4,54 |
|
12 |
6 |
2,7 |
11,8 |
4,37 |
|
13 |
19 |
4,7 |
20,3 |
4,32 |
|
14 |
21 |
4,3 |
18,2 |
4,23 |
|
15 |
33 |
2,7 |
11,4 |
4,22 |
|
16 |
20 |
4,8 |
19,9 |
4,15 |
|
17 |
34 |
2,8 |
11,3 |
4,04 |
|
18 |
4 |
2,7 |
10,8 |
4,00 |
|
19 |
13 |
2 |
7,9 |
3,95 |
|
20 |
32 |
2,9 |
10,9 |
3,76 |
|
21 |
29 |
3,5 |
12,9 |
3,69 |
|
22 |
16 |
2,8 |
10,2 |
3,64 |
|
23 |
11 |
2,1 |
7,6 |
3,62 |
|
24 |
3 |
3,1 |
11,2 |
3,61 |
|
25 |
14 |
2,5 |
8,9 |
3,56 |
|
26 |
10 |
2,5 |
8,7 |
3,48 |
|
27 |
36 |
2,9 |
10 |
3,45 |
|
28 |
1 |
3,5 |
11,9 |
3,40 |
|
29 |
7 |
2,9 |
9,8 |
3,38 |
|
30 |
5 |
3,6 |
11,7 |
3,25 |
|
31 |
12 |
2,4 |
7,3 |
3,04 |
|
32 |
2 |
4 |
12,1 |
3,03 |
|
33 |
30 |
4,6 |
13,8 |
3,00 |
|
34 |
15 |
1,8 |
5,4 |
3,00 |
|
35 |
35 |
3 |
8,7 |
2,90 |
|
36 |
31 |
3,5 |
10,1 |
2,89 |
|
37 |
37 |
2,4 |
5,2 |
2,17 |
|
38 |
39 |
1,2 |
2,2 |
1,83 |
|
39 |
8 |
1,6 |
2,8 |
1,75 |
Подобные документы
Построение модели для зависимой переменной, используя пошаговую множественную регрессию. Рассчет индекса корреляции, оценка качества полученного уравнения регрессии с помощью коэффициента детерминации. Оценка статистической значимости уравнения регрессии.
лабораторная работа [2,1 M], добавлен 25.05.2009Построение уравнения множественной регрессии в линейной форме с полным набором факторов, отбор информативных факторов. Проверка значимости уравнения регрессии по критерию Фишера и статистической значимости параметров регрессии по критерию Стьюдента.
лабораторная работа [217,9 K], добавлен 17.10.2009Построение линейной модели и уравнения регрессии зависимости цены на квартиры на вторичном рынке жилья в Москве в 2006 г. от влияющих факторов. Методика составления матрицы парных коэффициентов корреляции. Экономическая интерпретация модели регрессии.
лабораторная работа [1,8 M], добавлен 25.05.2009Основные параметры уравнения регрессии, оценка их параметров и значимость. Интервальная оценка для коэффициента корреляции. Анализ точности определения оценок коэффициентов регрессии. Показатели качества уравнения регрессии, прогнозирование данных.
контрольная работа [222,5 K], добавлен 08.05.2014Построение линейного уравнения парной регрессии, расчет линейного коэффициента парной корреляции и средней ошибки аппроксимации. Определение коэффициентов корреляции и эластичности, индекса корреляции, суть применения критерия Фишера в эконометрике.
контрольная работа [141,3 K], добавлен 05.05.2010Построение модели множественной линейной регрессии по заданным параметрам. Оценка качества модели по коэффициентам детерминации и множественной корреляции. Определение значимости уравнения регрессии на основе F-критерия Фишера и t-критерия Стьюдента.
контрольная работа [914,4 K], добавлен 01.12.2013Построение доверительного интервала для коэффициента регрессии. Определение ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности изменения материалоемкости продукции. Построение линейного уравнения множественной регрессии.
контрольная работа [250,5 K], добавлен 11.04.2015Расчет уравнений линейной и нелинейной парной регрессии. Оценка тесноты связи расходов на перевозки и грузооборота с помощью показателей корреляции и детерминации. Оценка ошибки аппроксимации уравнений регрессии. Расчет прогнозного значения расходов.
курсовая работа [2,5 M], добавлен 26.12.2014Нахождение уравнения линейной регрессии, парного коэффициента корреляции. Вычисление точечных оценок для математического ожидания, дисперсии, среднеквадратического отклонения показателей x и y. Построение точечного прогноза для случая расходов на рекламу.
контрольная работа [216,6 K], добавлен 12.05.2010Построение уравнения регрессии. Эластичность степенной модели. Уравнение равносторонней гиперболы. Оценка тесноты связи, качества и точности модели. Индекс корреляции и коэффициент детерминации. Оценка статистической значимости регрессионных уравнений.
курсовая работа [1,3 M], добавлен 25.03.2015