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

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 05.01.2011

  • Определение 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 02.06.2014

  • Выборка 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 08.08.2010

  • 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 19.01.2011

  • Эконометрическое 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 07.09.2011

  • Анализ 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 28.03.2018

  • Понятие 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 21.03.2015

  • Расчет 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 14.05.2008

  • Задачи 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 28.07.2013

  • Расчет 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

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.