Эконометрическое моделирование
Эконометрическое моделирование стоимости квартир в Московской области. Построение поля корреляции и модели формирования цены квартиры за счет значимых факторов. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 06.06.2013 |
Размер файла | 194,0 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
Эконометрическое моделирование стоимости квартир в Московской области.
Таблица 1
№ варианта |
Исследуемые факторы |
Номера наблюдений |
|
7 |
1- 40 |
1. Рассчитайте матрицу парных коэффициентов корреляции; оцените статистическую значимость коэффициентов корреляции.
2. Постройте поле корреляции результативного признака и наиболее тесно связанного с ним фактора.
3. Рассчитайте параметры линейной парной регрессии для всех факторов Х.
4. Оцените качество каждой модели через коэффициент детерминации, среднюю ошибку аппроксимации и F-критерий Фишера. Выберите лучшую модель.
5. Осуществите прогнозирование для лучшей модели среднего значения показателя Y при уровне значимости б = 0,1, если прогнозное значение фактора X составит 80% от его максимального значения. Представьте графически: фактические и модельные значения, точки прогноза.
6. Используя пошаговую множественную регрессию (метод исключения или метод включения), постройте модель формирования цены квартиры за счет значимых факторов. Дайте экономическую интерпретацию коэффициентов модели регрессии.
7. Оцените качество построенной модели. Улучшилось ли качество по сравнению с однофакторной моделью? Дайте оценку влияния значимых факторов на результат с помощью коэффициентов эластичности, в- и ?-коэффициентов.
Таблица 2
№ |
Y |
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
|
1 |
115 |
0 |
4 |
70.4 |
51.4 |
9 |
7 |
|
2 |
85 |
1 |
3 |
82.8 |
46 |
5 |
10 |
|
3 |
69 |
1 |
2 |
64.5 |
34 |
6 |
10 |
|
4 |
57 |
1 |
2 |
55.1 |
31 |
1 |
9 |
|
5 |
184.6 |
0 |
3 |
83.9 |
65 |
1 |
9 |
|
6 |
56 |
1 |
1 |
32.2 |
17.9 |
2 |
7 |
|
7 |
85 |
0 |
3 |
65 |
39 |
12 |
8.3 |
|
8 |
265 |
0 |
4 |
169.5 |
80 |
10 |
16.5 |
|
9 |
60.65 |
1 |
2 |
74 |
37.8 |
11 |
12.1 |
|
10 |
130 |
0 |
4 |
87 |
57 |
6 |
6 |
|
11 |
46 |
1 |
1 |
44 |
20 |
2 |
10 |
|
12 |
115 |
0 |
3 |
60 |
40 |
2 |
7 |
|
13 |
70.96 |
0 |
2 |
65.7 |
36.9 |
5 |
12.5 |
|
14 |
39.5 |
1 |
1 |
42 |
20 |
7 |
11 |
|
15 |
78.9 |
0 |
1 |
49.3 |
16.9 |
14 |
13.6 |
|
16 |
60 |
1 |
2 |
64.5 |
32 |
11 |
12 |
|
17 |
100 |
1 |
4 |
93.8 |
58 |
1 |
9 |
|
18 |
51 |
1 |
2 |
64 |
36 |
6 |
12 |
|
19 |
157 |
0 |
4 |
98 |
68 |
2 |
11 |
|
20 |
123.5 |
1 |
4 |
107.5 |
67.5 |
12 |
12.3 |
|
21 |
55.2 |
0 |
1 |
48 |
15.3 |
9 |
12 |
|
22 |
95.5 |
1 |
3 |
80 |
50 |
6 |
12.5 |
|
23 |
57.6 |
0 |
2 |
63.9 |
31.5 |
5 |
11.4 |
|
24 |
64.5 |
1 |
2 |
58.1 |
34.8 |
10 |
10.6 |
|
25 |
92 |
1 |
4 |
83 |
46 |
9 |
6.5 |
|
26 |
100 |
1 |
3 |
73.4 |
52.3 |
2 |
7 |
|
27 |
81 |
0 |
2 |
45.5 |
27.8 |
3 |
6.3 |
|
28 |
65 |
1 |
1 |
32 |
17.3 |
5 |
6.6 |
|
29 |
110 |
0 |
3 |
65.2 |
44.5 |
10 |
9.6 |
|
30 |
42.1 |
1 |
1 |
40.3 |
19.1 |
13 |
10.8 |
|
31 |
135 |
0 |
2 |
72 |
35 |
12 |
10 |
|
32 |
39.6 |
1 |
1 |
36 |
18 |
5 |
8.6 |
|
33 |
57 |
1 |
2 |
61.6 |
34 |
8 |
10 |
|
34 |
80 |
0 |
1 |
35.5 |
17.4 |
4 |
8.5 |
|
35 |
61 |
1 |
2 |
58.1 |
34.8 |
10 |
10.6 |
|
36 |
69.6 |
1 |
3 |
83 |
53 |
4 |
12 |
|
37 |
250 |
1 |
4 |
152 |
84 |
15 |
13.3 |
|
38 |
64.5 |
1 |
2 |
64.5 |
30.5 |
12 |
8.6 |
|
39 |
125 |
0 |
2 |
54 |
30 |
8 |
9 |
|
40 |
152.3 |
0 |
3 |
89 |
55 |
7 |
13 |
РЕШЕНИЕ
1. Рассчитаем матрицу парных коэффициентов корреляции:
Таблица 3
|
Y |
X1 |
X2 |
X3 |
|
Y |
1 |
||||
X1 |
-0,40333 |
1 |
|||
X2 |
0,68821 |
-0,15501 |
1 |
||
X3 |
0,845551 |
-0,08233 |
0,805999 |
1 |
- наибольший коэффициент парной корреляции. Следовательно, ведущим признается фактор х3.
Существует мультиколлинеарность между факторами х2 и х3, т.к. .
< . Следовательно, фактор х3 оказывает большее влияние на результативный признак. Значит, х3 - оставляем в модели, а х2 - из рассмотрения исключаем.
2. Поле корреляции:
Рис. 1.
эконометрическое моделирование корреляция
3. Анализируем:
Таблица 4
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
|
Y-пересечение |
11,69225872 |
10,84793217 |
1,077832949 |
|
X1 |
-35,17686233 |
7,202017768 |
-4,884306518 |
|
X2 |
-3,283285149 |
5,741581887 |
-0,571843303 |
|
X3 |
1,590356124 |
0,213210491 |
7,45908944 |
|
Y=-35,177*X1+1,59*X3 |
tтабл=1,681 |
4. Оценка качества моделей:
Таблица 5
Вид модели |
R-квадрат |
F |
Стандартная ошибка |
|
Модель парной регрессии |
0,715 |
95,313 |
27,851 |
|
Y=1,543*X3 |
||||
Модель множественной регрессии |
0,829 |
58,028 |
22,186 |
|
Y=-35,177*X1+1,59*X3 |
Лучшей моделью множественной регрессии, характеризующая зависимость стоимости квартиры от следующих факторов: город области; число комнат в квартире; общая площадь квартиры. Так как она имеет большее значение коэффициента детерминации R2=0,829 по сравнению с моделью парной регрессии, характеризующей зависимость цены квартиры от общей площади квартиры.
5. Лучшая модель: Y=-35,177*X1+1,59*X3. Уровень значимости б=0,1.
Максимальные значения факторных признаков:
Для X1 = 1; для X3 = 169,5.
Прогнозные значения:
Для X1` = X1*0,8=1*0,8=0,8 ; для X3` =X3*0,8=169,5*0,8=135,6.
Y=-35.177*X1`+1.59*X3`=-35.177*0.8+1.59*135.6=187.462
Рис. 2.
6. Значимыми факторами являются: X1 и X3.
Таблица 6
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
|
Y-пересечение |
10,25480926 |
10,45625985 |
0,980733972 |
|
X1 |
-34,55798284 |
7,055185463 |
-4,898238752 |
|
X3 |
1,492125577 |
0,125142453 |
11,9234164 |
|
Y=-34,558*X1+1,492*X3 |
tтабл=1,682 |
После регрессионного анализа получаем следующую модель:
Y=-34,558*X1+1,492*X3.
Итак, на цену квартиры больше всего влияют два признака: в каком городе области находится квартира и какова общая площадь этой квартиры.
7. Определяем качество модели.
1) Случайность:
р - поворотные точки.
р=26>20 - значит, выполняется условие случайности.
Рис. 3.
2) Независимость:
d1=1.08; d2=1.36 - табличные значения.
d=2.0.34 - расчетное значение для данной модели.
d > 2, поэтому принадлежит 4-ому интервалу, следовательно, однозначно вывод сделать нельзя. Значит, рассчитываем:
d`=4-d=-2.034=1.966 - значит, 1.36 <d` <2 - 3-ий интервал, поэтому можем однозначно утверждать, что свойство независимости выполняется.
3) Нормальность распределения:
; .
;;;
Для n=40 и б=0,1: 3.79 < S < 5.16.
3,79 < 4,538 < 5,16 - значит, нормальный закон распределения выполняется.
Так как выполняются все 3 свойства: случайность, независимость, нормальный закон распределения, то модель признается адекватной и может быть использована для построения прогнозов.
Определим среднюю относительную ошибку:
.
Сравнение с однофакторной моделью:
Таблица 7
Вид модели |
R-квадрат |
F |
Стандартная ошибка |
|
Модель однофакторной регрессии |
0,715 |
95,313 |
27,851 |
|
Y=1,543*X3 |
||||
Модель множественной регрессии со значимыми факторами |
0,827 |
88,489 |
21,983 |
|
Y=-34,558*X1+1,492*X3 |
По сравнению с однофакторной моделью качество модели улучшилось.
· Коэффициент эластичности: .
; .
· в-коэффициент: .
; .
· ?-коэффициент: .
; .
ЗАДАЧА 2
Исследовать динамику экономического показателя на основе анализа одномерного временного ряда.
В течение девяти последовательных недель фиксировался спрос Y(t) (млн. р.) на кредитные ресурсы финансовой компании. Временной ряд Y(t) этого показателя приведен ниже в таблице:
Таблица 8
Номер варианта |
Номер наблюдения ( t = 1,2,…,9) |
|||||||||
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
||
7 |
20 |
27 |
30 |
41 |
45 |
51 |
51 |
55 |
61 |
Требуется:
1) Проверить наличие аномальных наблюдений.
2) Построить линейную модель , параметры которой оценить МНК (- расчетные, смоделированные значения временного ряда).
3) Оценить адекватность построенных моделей, используя свойства независимости остаточной компоненты, случайности и соответствия нормальному закону распределения (при использовании R/S-критерия взять табулированные границы 2,7--3,7).
4) Оценить точность моделей на основе использования средней относительной ошибки аппроксимации.
5) Осуществить прогноз спроса на следующие две недели (доверительный интервал прогноза рассчитать при доверительной вероятности р = 70%).
6) Фактические значения показателя, результаты моделирования и прогнозирования представить графически.
1). Проверяем аномальность:
Таблица 9
Номер наблюдения, t |
Спрос, Y(t) |
[y(t)-yср]2 |
y(t)-yср |
y(t)-yср/у |
|
1 |
20 |
498,762889 |
-22,333 |
-3,538181242 |
|
2 |
27 |
235,100889 |
-15,333 |
-2,42918251 |
|
3 |
30 |
152,102889 |
-12,333 |
-1,953897338 |
|
4 |
41 |
1,776889 |
-1,333 |
-0,211185044 |
|
5 |
45 |
7,112889 |
2,667 |
0,422528517 |
|
6 |
51 |
75,116889 |
8,667 |
1,373098859 |
|
7 |
51 |
75,116889 |
8,667 |
1,373098859 |
|
8 |
55 |
160,452889 |
12,667 |
2,006812421 |
|
9 |
61 |
348,456889 |
18,667 |
2,957382763 |
d`табл=1,57
Наблюдения аномальные, если: y(t)-yср/у > d`табл=1,57.
2).
Таблица 10.1
Номер наблюдения, t |
Спрос, Y(t) |
[y(t)-yср]2 |
y(t)-yср |
y(t)-yср/у |
t-tср |
[y(t)-ср]* *[t-tср] |
[t-tср]2 |
|
1 |
20 |
498,762889 |
-22,333 |
-3,538181242 |
-4 |
89,332 |
16 |
|
2 |
27 |
235,100889 |
-15,333 |
-2,42918251 |
-3 |
45,999 |
9 |
|
3 |
30 |
152,102889 |
-12,333 |
-1,953897338 |
-2 |
24,666 |
4 |
|
4 |
41 |
1,776889 |
-1,333 |
-0,211185044 |
-1 |
1,333 |
1 |
|
5 |
45 |
7,112889 |
2,667 |
0,422528517 |
0 |
0 |
0 |
|
6 |
51 |
75,116889 |
8,667 |
1,373098859 |
1 |
8,667 |
1 |
|
7 |
51 |
75,116889 |
8,667 |
1,373098859 |
2 |
17,334 |
4 |
|
8 |
55 |
160,452889 |
12,667 |
2,006812421 |
3 |
38,001 |
9 |
|
9 |
61 |
348,456889 |
18,667 |
2,957382763 |
4 |
74,668 |
16 |
|
Итого: |
Итого: |
Итого: |
Итого: |
Итого: |
Итого: |
Итого: |
Итого: |
|
45 |
381 |
1554,000001 |
0,003 |
0,000475285 |
0 |
300 |
60 |
Таблица 10.2
Yp(t) |
E(t) |
E(t)-E(t-1) |
E(t)2 |
[E(t)-E(t-1)]2 |
E(t)*E(t-1) |
{E(t)}/Y(t) |
|
22,333 |
-2,333 |
- |
5,442889 |
- |
- |
11,665 |
|
27,333 |
-0,333 |
2 |
0,110889 |
4 |
0,776889 |
1,233333333 |
|
32,333 |
-2,333 |
-2 |
5,442889 |
4 |
0,776889 |
7,776666667 |
|
37,333 |
3,667 |
6 |
13,446889 |
36 |
-8,55511 |
8,943902439 |
|
42,333 |
2,667 |
-1 |
7,112889 |
1 |
9,779889 |
5,926666667 |
|
47,333 |
3,667 |
1 |
13,446889 |
1 |
9,779889 |
7,190196078 |
|
52,333 |
-1,333 |
-5 |
1,776889 |
25 |
-4,88811 |
2,61372549 |
|
57,333 |
-2,333 |
-1 |
5,442889 |
1 |
3,109889 |
4,241818182 |
|
62,333 |
-1,333 |
1 |
1,776889 |
1 |
3,109889 |
2,185245902 |
|
Итого: |
Итого: |
Итого: |
Итого: |
Итого: |
Итого: |
Итого: |
|
380,997 |
0,003 |
1 |
54,000001 |
73 |
13,89011 |
51,77655476 |
Получили линейную модель: Yр(t)=17,333+5*t.
3). 1. Случайность: .
р - поворотные точки.
р=6 > 2 - значит, выполняется условие случайности.
Рис. 4.
2. Независимость:
d1=1.08; d2=1.36 - табличные значения.
d=1,35 - расчетное значение для данной модели.
1.08 < d < 1.36, поэтому принадлежит 2-ому интервалу, следовательно, однозначно вывод сделать нельзя. Значит, рассчитываем:
r(1) = 0.257 < rтабл=0,36 - значит, свойство независимости выполняется.
3. Нормальность распределения:
; .
;;;
Для n=9 и б=0,1: 2.7 < S < 3.7.
2,3 < 2,7 - значит, нормальный закон распределения не выполняется.
Так как не выполняется свойство нормального закона распределения, то модель не признается адекватной и ее не целесообразно использовать для построения прогнозов.
4). Определим среднюю относительную ошибку:
.
5). Имеем уравнение: y(t)=17,333+5*t. У нас 9 значений t, следовательно, ближайшие прогнозы 10 и 11. Ищем y(10) и y(11):
y(10)=17.333+5*10=67.333; y(11)=17.333+5*11=72.333.
t=10, k=1 .
t=11, k=2 .
Прогнозные значения:
Yp(10) ±U(1) = 67.333±; Yp(11) ±U(2) = 72.333±.
6). Фактические значения показателя и результаты моделирования:
Рис. 5.
Так как построенная модель является неадекватной, то нет никакой уверенности, что прогнозируемое значение спроса на кредитные ресурсы попадет в построенный доверительный интервал.
Список литературы
1. Ефимова М.Р., Петрова Е.В., Румянцева В.Н. Общая теория статистики: Учебник. - М.: ИНФРА-М, 2004.
2. Статистика финансов: Учебник / Под ред. В.Н. Салина. - М.: Финансы и статистика, 2000.
3. Теория статистики: Учеб. пособие для вузов. - М.: Аудит, ЮНИТИ, 1998. - 247 с.
4. Практикум по статистике: Учеб. пособие для вузов / Под ред. В. М. Симчеры / ВЗФЭИ. - М.: ЗАО «Финстатинформ», 1999. - 259 с.
Размещено на Allbest.ru
Подобные документы
Эконометрическое моделирование стоимости квартир в московской области. Матрица парных коэффициентов корреляции. Расчет параметров линейной парной регрессии. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.
контрольная работа [298,2 K], добавлен 19.01.2011Эконометрическое моделирование стоимости квартир в Московской области. Исследование динамики экономического показателя на основе анализа одномерного временного ряда. Параметры линейной парной регрессии. Оценка адекватности модели, осуществление прогноза.
контрольная работа [925,5 K], добавлен 07.09.2011Понятие экономико-математического моделирования. Совершенствование и развитие экономических систем. Сущность, особенности и компоненты имитационной модели. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.
курсовая работа [451,4 K], добавлен 23.04.2013Исследование линейной модели парной регрессии зависимости стоимости однокомнатных квартир от общей площади жилья. Пространственно-параметрическое моделирование рынка вторичного жилья. Особенности изменения среднего уровня цены в пространстве и во времени.
курсовая работа [365,2 K], добавлен 26.10.2014Анализ и выявление значимых факторов, влияющих на объект. Построение эконометрической модели затрат предприятия для обоснований принимаемых решений. Исследование трендов временных рядов. Оценка главных параметров качества эконометрической модели.
курсовая работа [821,1 K], добавлен 21.11.2013Основные проблемы эконометрического моделирования. Показатели, характеризующие степень разброса случайной величины вокруг ее среднего значения. Физический смысл коэффициента детерминации. Расчет функции эластичности в линейной эконометрической модели.
контрольная работа [18,1 K], добавлен 23.11.2009Газовая промышленность как составная часть топливно-энергетического комплекса РФ. Потребление природного газа в России, анализ факторов, обуславливающих его спрос на внутреннем рынке. Эконометрическое моделирование спроса на газ на внутреннем рынке РФ.
дипломная работа [552,6 K], добавлен 14.11.2012Теоретические основы эконометрического анализа рождаемости в России. Эконометрика и эконометрическое моделирование. Парная регрессия и корреляция. Многомерный эконометрический анализ уровня рождаемости в России: с помощью множественной и парной регрессии.
курсовая работа [1,5 M], добавлен 25.03.2014Моделирование экономических процессов с помощью однофакторной регрессии. Оценка параметров проекта методом наименьших квадратов. Расчет коэффициента линейной корреляции. Исследование множественной эконометрической линейной схемы на мультиколлинеарность.
курсовая работа [326,5 K], добавлен 19.01.2011Методы исследования и моделирования социально-экономических систем. Этапы эконометрического моделирования и классификация эконометрических моделей. Задачи экономики и социологии труда как объект эконометрического моделирования и прогнозирования.
курсовая работа [701,5 K], добавлен 14.05.2015