Определение временного лага
Расчет временного лага методом автокорреляции при данном количестве пойманной рыбы одной из промысловых организаций в течении 30 дней. Оценка прибыли от реализации. Анализ парной линейной регрессии по критериям Фишера для оценки адекватности расчета.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 27.09.2014 |
Размер файла | 42,5 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/
Имеются данные о количестве пойманной рыбы одной из промысловых организаций в течении 30 дней. Необходимо проанализировать их и выявить временной лаг. Для этого используем процедуру автокорреляции.
Рассмотрим шаг равный 1.
Найдем коэффициент корреляции:
r? = 0,508266
Рассмотрим шаг равный 2
r? = 0,56535
Рассмотрим шаг равный 3
r? = 0,403017
Рассмотрим шаг равный 4
r? = 0,315354
Рассмотрим шаг равный 5
r? = 0,511013
Рассмотрим шаг равный 6.
r? = 0,476444
Рассмотрим шаг равный 7.
r? = 0,99728
Рассмотрим шаг равный 8.
r? = 0,397381
Рассмотрим шаг равный 9.
r? = 0,468465
Рассмотрим шаг равный 10.
r? = 0,239466
Из проведенного исследования следует, что лаг, при котором значения наиболее связаны друг с другом равен 7.
шаг 7 |
||
х? |
х??? |
|
1 |
3 |
|
3 |
7 |
|
4 |
7 |
|
7 |
16 |
|
5 |
11 |
|
9 |
19 |
|
2 |
3 |
|
3 |
5 |
|
7 |
13 |
|
7 |
15 |
|
16 |
33 |
|
11 |
20 |
|
19 |
40 |
|
3 |
10 |
|
5 |
11 |
|
13 |
25 |
|
15 |
32 |
|
33 |
64 |
|
20 |
39 |
|
40 |
79 |
|
10 |
21 |
|
11 |
24 |
|
25 |
49 |
|
269 |
546 |
|
11,7 |
23,74 |
|
0,99728 |
На основании этих данных построим модель и оценим её значимость.
Для того чтобы облегчить последующую работу с формулами, обозначим х??? равным У. линейный регрессия прибыль лаг
Х - кол-во пойманной рыбы;
у-у ср. |
х-х ср. |
(у-у ср.)І |
(x-x cp.)І |
(y-ycp.)(x-xcp.) |
|
-20,74 |
-10,7 |
430,1476 |
114,49 |
221,918 |
|
-16,74 |
-8,7 |
280,2276 |
75,69 |
145,638 |
|
-16,74 |
-7,7 |
280,2276 |
59,29 |
128,898 |
|
-7,74 |
-4,7 |
59,9076 |
22,09 |
36,378 |
|
-12,74 |
-6,7 |
162,3076 |
44,89 |
85,358 |
|
-4,74 |
-2,7 |
22,4676 |
7,29 |
12,798 |
|
-20,74 |
-9,7 |
430,1476 |
94,09 |
201,178 |
|
-18,74 |
-8,7 |
351,1876 |
75,69 |
163,038 |
|
-10,74 |
-4,7 |
115,3476 |
22,09 |
50,478 |
|
-8,74 |
-4,7 |
76,3876 |
22,09 |
41,078 |
|
9,26 |
4,3 |
85,7476 |
18,49 |
39,818 |
|
-3,74 |
-0,7 |
13,9876 |
0,49 |
2,618 |
|
16,26 |
7,3 |
264,3876 |
53,29 |
118,698 |
|
-13,74 |
-8,7 |
188,7876 |
75,69 |
119,538 |
|
-12,74 |
-6,7 |
162,3076 |
44,89 |
85,358 |
|
1,26 |
1,3 |
1,5876 |
1,69 |
1,638 |
|
8,26 |
3,3 |
68,2276 |
10,89 |
27,258 |
|
40,26 |
21,3 |
1620,868 |
453,69 |
857,538 |
|
15,26 |
8,3 |
232,8676 |
68,89 |
126,658 |
|
55,26 |
28,3 |
3053,668 |
800,89 |
1563,858 |
|
-2,74 |
-1,7 |
7,5076 |
2,89 |
4,658 |
|
0,26 |
-0,7 |
0,0676 |
0,49 |
-0,182 |
|
25,26 |
13,3 |
638,0676 |
176,89 |
335,958 |
|
-0,02 |
-0,1 |
8546,435 |
2246,87 |
4370,174 |
У - прибыль от реализации.
r? =0.99
d? =0.99
Т.к r? =0.99, то можно сделать вывод, что характеризуемая связь сильная (r? > 1).
d? =0.99 =? в 99 % случаях значение у зависит от значения х, а в оставшемся 1% у зависит от других факторов.
Проведём оценку значимости корреляционной связи:
Fопт. = *
Fопт. =*= 2079
Fкр. =4,32
Fопт.? Fкр. =? связь значимая.
Проведем анализ парной линейной регрессии:
=kx+b
Х |
у |
xІ |
xy |
||
1 |
3 |
1 |
3 |
2,88 |
|
3 |
7 |
9 |
21 |
6,78 |
|
4 |
7 |
16 |
28 |
8,73 |
|
7 |
16 |
49 |
112 |
14,58 |
|
5 |
11 |
25 |
55 |
10,68 |
|
9 |
19 |
81 |
171 |
18,48 |
|
2 |
3 |
4 |
6 |
4,83 |
|
3 |
5 |
9 |
15 |
6,78 |
|
7 |
13 |
49 |
91 |
14,58 |
|
7 |
15 |
49 |
105 |
14,58 |
|
16 |
33 |
256 |
528 |
32,13 |
|
11 |
20 |
121 |
220 |
22,38 |
|
19 |
40 |
361 |
760 |
37,98 |
|
3 |
10 |
9 |
30 |
6,78 |
|
5 |
11 |
25 |
55 |
10,68 |
|
13 |
25 |
169 |
325 |
26,28 |
|
15 |
32 |
225 |
480 |
30,18 |
|
33 |
64 |
1089 |
2112 |
65,28 |
|
20 |
39 |
400 |
780 |
39,93 |
|
40 |
79 |
1600 |
3160 |
78,93 |
|
10 |
21 |
100 |
210 |
20,43 |
|
11 |
24 |
121 |
264 |
22,38 |
|
25 |
49 |
625 |
1225 |
49,68 |
|
269 |
546 |
5393 |
10756 |
B=
10756=5393k+269*()
K=1.95
B=0.93
=? 1.95x+0.93
Д?= =? Д?= 2.11
Д= =? Д= 433,93
з =
з = 0,99
Проведя анализ парной линейной связи было выявлено, что модель является адекватной, т.к з >1. Построенная модель показывает, что прибыль в течении данного периода в 0,99 раза больше, чем общий объем пойманной рыбы за тот же период.
Fопт.? Fкр.
Fопт.=*
Fопт. = 3860.22
Fкр. = 4.32
Fопт.? Fкр.=? Критерий Фишера выполняется, построенная модель является значимой и адекватно отражает моделируемый процесс.
Размещено на Allbest.ru
Подобные документы
Этапы и проблемы эконометрических исследований. Параметры парной линейной регрессии. Оценка тесноты связи с помощью показателей корреляции и детерминации. Расчет коэффициентов автокорреляции второго порядка для временного ряда расходов на потребление.
контрольная работа [60,3 K], добавлен 05.01.2011Определение количественной зависимости массы пушного зверька от его возраста. Построение уравнения парной регрессии, расчет его параметров и проверка адекватности. Оценка статистической значимости параметров регрессии, расчет их доверительного интервала.
лабораторная работа [100,5 K], добавлен 02.06.2014Выборка и генеральная совокупность. Модель множественной регрессии. Нестационарные временные ряды. Параметры линейного уравнения парной регрессии. Нахождение медианы, ранжирование временного ряда. Гипотеза о неизменности среднего значения временного ряда.
задача [62,0 K], добавлен 08.08.2010Эконометрическое 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 07.09.2011Анализ метода наименьших квадратов для парной регрессии, как метода оценивания параметров линейной регрессии. Рассмотрение линейного уравнения парной регрессии. Исследование множественной линейной регрессии. Изучение ошибок коэффициентов регрессии.
контрольная работа [108,5 K], добавлен 28.03.2018Понятие регрессии. Оценка параметров модели. Показатели качества регрессии. Проверка статистической значимости в парной линейной регрессии. Реализация регрессионного анализа в программе MS Excel. Условия Гаусса-Маркова. Свойства коэффициента детерминации.
курсовая работа [233,1 K], добавлен 21.03.2015Расчет параметров парной линейной регрессии. Оценка статистической значимости уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента. Построение матрицы парных коэффициентов корреляции. Статистический анализ с помощью ППП MS EXCEL.
контрольная работа [1,6 M], добавлен 14.05.2008Задачи эконометрики, ее математический аппарат. Взаимосвязь между экономическими переменными, примеры оценки линейности и аддитивности. Основные понятия и проблемы эконометрического моделирования. Определение коэффициентов линейной парной регрессии.
контрольная работа [79,3 K], добавлен 28.07.2013Расчет корреляции между экономическими показателями; построение линейной множественной регрессии в программе Excel. Оценка адекватности построенной модели; ее проверка на отсутствие автокорреляции и на гетероскедастичность с помощью теста Бреуша-Пагана.
курсовая работа [61,2 K], добавлен 15.03.2013