Прогнозные значения факторов капиталовложения
Вычисление параметров уравнений линейной регрессии. Главная особенность интерпретации рассчитанных характеристик. Основной анализ регулярной модели зависимости выручки предприятия от капиталовложений. Построение матрицы коэффициентов парной корреляции.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 20.02.2015 |
Размер файла | 486,1 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/
Задание 1
Имеются данные, характеризующие выручку ( у, млн. руб.) предприятия "АВС" в зависимости от капиталовложений( х, млн. руб.) за последние 10 лет.
1. Построим поле корреляции.
2. Найти параметры уравнений линейной регрессии ; дать экономическую интерпретацию параметров a и b.
3. Составить уравнения нелинейных регрессий:
· Гиперболической
· Степенной
· Показательной
4. Для каждой из моделей :
- найти коэффициент парной корреляции ( для нелинейных регрессий - индекс корреляции);
- найти коэффициент детерминации;
- проверить значимость уравнения регрессии в целом с помощью F- критерия Фишера;
- найти среднюю относительную ошибку аппроксимации.
5. Составить сводную таблицу вычислений; выбрать лучшую модель; дать интерпретацию рассчитанных характеристик.
6. По лучшей модели регрессии сделать прогноз на следующие два года показателя y (выручка), х ( объем капиталовложений) увеличивается на 10 % по сравнению с последним годом.
Построить графики уравнений регрессии, отметить точки прогноза.
время,t |
1998 |
1999 |
2000 |
2001 |
2002 |
2003 |
2004 |
2005 |
2006 |
2007 |
|
выручка,y |
10,8 |
11,2 |
11,6 |
11,2 |
11,6 |
12 |
10,8 |
11,5 |
12,4 |
12,6 |
|
объем капиталовлож. Х |
1,1 |
1,1 |
1 |
1,2 |
1,4 |
1,7 |
1 |
1,3 |
2,0 |
2,1 |
2. Построим различные модели регрессии и рассчитаем для каждой из них коэффициент корреляции, F- критерия Фишера, среднюю относительную ошибку аппроксимации.
· Линейная модель = a + bx
Параметры модели найдем с помощью МНК. Для этого составим систему нормальных уравнений.
,
,
,
193,21b - 208,10b = 1608,23-1628,9
-14,89b = - 20,67
b = 1,388
a = 9,641
Таким образом, получили линейную модель зависимости выручки предприятия «АВС» от капиталовложений:
yх = 9,641 + 1,388х
Коэффициент регрессии b= 1,388 говорит о том, что если капиталовложения увеличить на 1 млн. руб., то выручка предприятия в среднем увеличиться на 1,388 млн. руб.
Рассчитаем коэффициент корреляции:
ryx = = = = 0,919
- связь между объемом капиталовложений и выручкой предприятия очень сильная, прямая.
Рассчитаем коэффициент детерминации:
= = 0,844
- 84,4% изменения выручки предприятия обусловлено изменением капиталовложений, на 15,6 % - влиянием факторов не, не включенных в модель.
Проверим значимость уравнения регрессии в целом с помощью F- критерия Фишера.
= = 43,282
Табличное значение F- критерия при уровне значимости б = 0,05 и числе степеней свободы 1=1,числе степеней свободы 2=8 составит 5,318.
Так как , то уравнение регрессии в целом можно считать статистически значимым.
Найдем среднюю относительную ошибку аппроксимации:
100%= = 1,27%
- В среднем расчетные значения отличаются от фактических на 4,05%
10%,следовательно, модель можно считать точной.
Вспомогательные вычисления приведены в таблице приложения 1.
· Гиперболическая модель y = a +
Для нахождения параметров a и b воспользуемся МНК. Составим систему нормальных уравнений:
,
,
59,275b - 62,72b= 890,774 - 881,24
-3,445b = 9,534
b = - 2,767
a = 13,7
Построена гиперболическая модель зависимости выручки предприятия «АВС» от капиталовложений:
Рассчитаем индекс корреляции :
ryx = = = 0,886
- связь между объемом капиталовложений и выручкой предприятия очень сильная, прямая.
Рассчитаем коэффициент детерминации:
= = 0,785
- 78,5% изменения выручки предприятия обусловлено изменением капиталовложений, на 21,5 % - влиянием факторов , не включенных в модель.
Проверим значимость уравнения регрессии в целом с помощью F- критерия Фишера.
= = 29,209
Табличное значение F- критерия при уровне значимости б = 0,05 и числе степеней свободы 1=1,числе степеней свободы 2=8 составит 5,318.
Так как , то уравнение регрессии в целом можно считать статистически значимым.
Найдем среднюю относительную ошибку аппроксимации:
100%= = 1,71%
- В среднем расчетные значения отличаются от фактических на 1,71 %
10%,следовательно, модель можно считать точной.
Вспомогательные вычисления приведены в таблице приложения 2.
· Степенная модель
Для построения данной модели прологарифмируем обе части равенства lg y = lg a + blg x. Сделаем замену Y = lg y, A = lg a, X = lg x. Тогда Y = A +bX - линейная модель парной регрессии. Можно применить МНК.
,
,
1,628b - 2,92b= 13,561 - 13,78,
- 1,292b = -0,219
b = 0,169
A = 1,041,тогда а = = 10,990
Построена степенная модель зависимости выручки предприятия «АВС» от капиталовложений:
,
Рассчитаем индекс корреляции :
ryx = = = 0,910
- связь между объемом капиталовложений и выручкой предприятия очень сильная, прямая.
Рассчитаем коэффициент детерминации:
= = 0,828
- 82,8% изменения выручки предприятия обусловлено изменением капиталовложений, на 17,2 % - влиянием факторов , не включенных в модель.
Проверим значимость уравнения регрессии в целом с помощью F- критерия Фишера.
= = 38,511
Табличное значение F- критерия при уровне значимости б = 0,05 и числе степеней свободы 1=1,числе степеней свободы 2=8 составит 5,318.
Так как , то уравнение регрессии в целом можно считать статистически значимым.
Найдем среднюю относительную ошибку аппроксимации:
100%= = 1,396%
- В среднем расчетные значения отличаются от фактических на 1,396%
10%,следовательно, модель можно считать точной.
Вспомогательные вычисления приведены в таблице приложения 3 /
· Показательная модель = a
Для построения данной модели прологарифмируем обе части равенства
Lg y = lg a + lgb * x. Сделаем замену Y = lgy, A = lg a, B = lgb. Тогда Y = A + B * x
- линейная модель парной регрессии. Можно применить МНК.
,
,
193,21B - 208,1B= 147,729 - 148,490,
- 14,89B = -0,761
B = 0,051 b= = 1,125
A=1,134 a= = 9,817
Построена степенная модель зависимости выручки предприятия «АВС» от капиталовложений:
,
Рассчитаем индекс корреляции:
ryx = = = 0,805
- связь между объемом капиталовложений и выручкой предприятия очень сильная, прямая.
Рассчитаем коэффициент детерминации:
= = 0,648
- 64,8% изменения выручки предприятия обусловлено изменением капиталовложений, на 35,2 % - влиянием факторов , не включенных в модель.
Проверим значимость уравнения регрессии в целом с помощью F- критерия Фишера.
= = 14,727
Табличное значение F- критерия при уровне значимости б = 0,05 и числе степеней свободы 1=1,числе степеней свободы 2=8 составит 5,318.
Так как , то уравнение регрессии в целом можно считать статистически значимым.
Найдем среднюю относительную ошибку аппроксимации:
100%= = 2,159%
- В среднем расчетные значения отличаются от фактических на 2,159%
10%,следовательно, модель можно считать точной.
Вспомогательные вычисления приведены в таблице приложения 4 .
1. Составим сводную таблицу вычислений.
Все модели имеют примерно одинаковые характеристики. Но большее значение индекса корреляции, коэффициента детерминации, критерия Фишера и меньшее значение средней относительной ошибки аппроксимации имеет линейная модель. Ее можно взять в качестве лучшей для построения прогноза.
Параметры |
модель |
||||
Линейная yх = 9,641+1,388х |
Гиперболическая |
Степенная |
Показательная |
||
Коэф- фициент (индекс) корреляции |
0,919 |
0,886 |
0,910 |
0,805 |
|
Коэффициент детерминации |
0,844 |
0,785 |
0,828 |
0,648 |
|
F- критерий Фишера |
43,282 |
29,209 |
38,511 |
14,727 |
|
Средняя относительная ошибка аппроксимации |
1,270 |
1,71 |
1,396 |
2,159 |
· Сделаем прогноз на следующие два года показателя y (выручка), если х (объем капиталовложений) увеличиться на 10% по сравнению с последним годом. Лучшей является модель вида = a + bx
Для начала найдем прогнозные значения показателя х. В 2007 году объем капиталовложений составил 2,1 млн. руб. Следовательно, в 2008 году он составит 2,1*1,1 = 2,31 млн. руб., а в 2009 году 2,31 * 1,1 = 2,54 млн. руб. Подставим прогнозное значение х в уравнение регрессии . Это будут точечные прогнозы результата выручки предприятия.
В 2008 году выручка предприятия составит : 12,847млн. руб.
В 2009 году выручка предприятия составит : = 13,167 млн. руб.
Задание 2
Имеются данные, характеризующие выручку ( млн.руб. ) предприятия « АВС» в зависимости от капиталовложений ( х, млн.руб.) за последние 10 лет. линейный регрессия интерпретация корреляция
1. Построить матрицу коэффициентов парной корреляции. Сделать соответствующие выводы о тесноте связи результата y и факторов. Установить проявляется ли в модели мультиколлениарность.
2. Построить линейную модель множественной регрессии , дать экономическую интерпретацию параметров и
3. Построить степенную модель множественной регрессии ; дать экономическую интерпретацию параметров и
4. Для каждой из моделей :
- найти коэффициент множественной корреляции;
- найти коэффициент детерминации;
- проверить значимость уравнения регрессии в целом с помощью F- критерия Фишера;
- найти среднюю относительную ошибку аппроксимации.
5. Составить сводную таблицу вычислений; выбрать лучшую модели.
6. Найти частные коэффициенты эластичности и - коэффициенты.
7. Пояснить экономический смысл всех рассчитанных харктеристик.
8. По линейной модели регрессии сделать прогноз на следующие два года показателя y (выручка), ( объем капиталовложений) и ( основных производственных фондов).
время,t |
1998 |
1999 |
2000 |
2001 |
2002 |
2003 |
2004 |
2005 |
2006 |
2007 |
|
выручка,y |
10,8 |
11,2 |
11,6 |
11,2 |
11,6 |
12 |
10,8 |
11,5 |
12,4 |
12,6 |
|
объем капиталовлож. |
1,1 |
1,1 |
1 |
1,2 |
1,4 |
1,7 |
1 |
1,3 |
2,0 |
2,1 |
|
Основные произ. Фонды. |
2,9 |
2,6 |
2,4 |
2,7 |
2,5 |
2,6 |
2,9 |
2,2 |
2,9 |
2,8 |
1.Построим матрицу коэффициентов парной корреляции. Для этого рассчитаем коэффициенты парной корреляции по формуле:
ryx =
= = = 0,92 - связь между выручкой предприятия и капиталовложениями очень сильная, прямая.
= = -0,02
связь между выручкой предприятия и основными производственными фондами слабая, обратная.
= = 0,25
связь между выручкой предприятия и основными производственными фондами умеренная, прямая.
Матрица коэффициентов парной корреляции имеет вид:
Матрица коэффициентов парной корреляции показывает, что наиболее тесную связь с результатом y (выручка предприятия) имеет фактор .
Мультиколлениарности нет. Вспомогательные вычисления приведены в таблице приложения 5.
2. Построим линейную и степенную модели множественной регрессии. Рассчитаем для каждой из них множественный коэффициент корреляции, F- критерия Фишера, среднюю относительную ошибку аппроксимации.
· линейная модель
Параметры а,найдем с помощью МНК. Для этого составим систему нормальных уравнений.
= 7,057
a = = = 11,125
=
,
Линейная модель множественной регрессии имеет вид:
,
Если капиталовложения увеличились на 1 млн. руб., то выручка предприятия увеличиться в среднем на 2,202 млн. руб. при неизменных основных производственных фондах. Если основные производственные фонды увеличились на 1 млн. руб., то выручка предприятия уменьшиться на 0,987 млн. руб. при неизменных капиталовложениях.
= = ,913,
связь между выручкой предприятия, капиталовложениями, основными производственными фондами очень тесная.
Рассчитаем коэффициент детерминации:
=
- 83,3 % изменение выручки предприятия обусловлено изменением объема капиталовложений и основных производственных фондов, на 16,7 - влиянием факторов, не включенных в модель.
Проверим значимость уравнения регрессии в целом с помощью F - критерия Фишера.
Табличное значение F- критерия при уровне значимости б = 0,05 и числе степеней свободы 1=1,числе степеней свободы 2=8 составит 5,318.
Так как , то уравнение регрессии в целом можно считать статистически значимым.
Найдем среднюю относительную ошибку аппроксимации:
100%= = 2,44%
- В среднем расчетные значения отличаются от фактических на 2,44%
10%,следовательно, модель можно считать точной.
Вспомогательные вычисления приведены в таблице приложения 6 .
· Для построения данной модели прологарифмируем обе части равенства lgy = lga + lg + lg . Сделаем замену Y = lgy, A = lga, lg, lg. Тогда Y=A + - линейная двухфакторная модель регрессии . Можно применить МНК.
= 0,0179
lga = = = 1,0559 a =
=
Степенная модель множественной регрессии имеет вид:
Если капиталовложения увеличились на 1 %, то выручка предприятия увеличиться в среднем на 0,1732 % при неизменных основных производственных фондах. Если основные производственные фонды увеличились на 1%, то выручка предприятия уменьшиться на -0,0335% при неизменных капиталовложениях.
Рассчитаем коэффициент множественной корреляции:
= = ,914
связь между выручкой предприятия, капиталовложениями, основными производственными фондами очень тесная.
Рассчитаем коэффициент детерминации:
=
- 83,5 % изменение выручки предприятия обусловлено изменением объема капиталовложений и основных производственных фондов, на 16,5 - влиянием факторов, не включенных в модель.
Проверим значимость уравнения регрессии в целом с помощью F - критерия Фишера.
,
Табличное значение F- критерия при уровне значимости б = 0,05 и числе степеней свободы 1=1,числе степеней свободы 2=8 составит 5,318.
Так как , то уравнение регрессии в целом можно считать статистически значимым.
Найдем среднюю относительную ошибку аппроксимации:
100%= = 2,16%
- В среднем расчетные значения отличаются от фактических на 2,16%
10%,следовательно, модель можно считать точной.
Вспомогательные вычисления приведены в таблице приложения 8.
3.Составим сводную таблицу вычислений.
Параметры |
модели |
||
Линейная , |
Степенная , |
||
Коэф- фициент множественной корреляции |
0,913 |
0,914 |
|
Коэффициент детерминации |
0,833 |
0,835 |
|
F- критерий Фишера |
17,5 |
17,7 |
|
Средняя относительная ошибка аппроксимации |
2,44 |
2,16 |
Наибольшее значение индекса корреляции, коэффициента детерминации, критерия Фишера и меньшее значение средней относительной ошибки аппроксимации имеет степенная модель множественной регрессии. Ее и будем считать лучшей.
4. Найдем частные коэффициенты эластичности и - коэффициенты.
Для нахождения частных коэффициентов эластичности составим частные уравнения регрессии, т.е. уравнения регрессии, которые связывают результативный признак с соответствующим фактором х при закреплении других учитываемых во множественной регрессии факторов на среднем уровне.
,
где - коэффициент регрессии для фактора в уравнении множественной регрессии; - частное уравнение регрессии.
Например:
= 0,017% и.т.д.
=- 0,008% и.т.д.
1,1 |
2,9 |
10,8 |
0,017 |
- 0,008 |
|
1,1 |
2,6 |
11,2 |
0,017 |
- 0,007 |
|
1 |
2,4 |
11,6 |
0,016 |
- 0,007 |
|
1,2 |
2,7 |
11,2 |
0,018 |
- 0,008 |
|
1,4 |
2,5 |
11,6 |
0,021 |
- 0,007 |
|
1,7 |
2,6 |
12 |
0,024 |
- 0,007 |
|
1 |
2,9 |
10,8 |
0,016 |
- 0,008 |
|
1,3 |
2,2 |
11,5 |
0.019 |
- 0,006 |
|
2 |
2,9 |
12,4 |
0,028 |
- 0,008 |
|
2,1 |
2,8 |
12,6 |
0,029 |
- 0,008 |
; где = , .
= = 0,386 = = 0,225
= 0,583
,
Если капиталовложения увеличить на 0,386 млн.руб., то выручка предприятия увеличиться на 4,250 ( 0,583*7,290) млн.руб.
,
Если основные производственные фонды увеличить на 0,225 млн.руб., то выручка предприятия увеличиться на 2,710 ( 0,583*4,648) млн.руб.
5. По степенной модели регрессии сделаем прогноз на следующие два года показателя (выручка), в зависимости ( объема капиталовложений) и ( основных производственных фондов).
Прогнозные значения факторов можно получить, используя метод прогнозирования с помощью среднего абсолютного прироста:
,
где - средний абсолютный прирост, рассчитываемый по формуле:
;
k- период упреждения
n-количество наблюдений
, тогда
= 2,1 + 1 * 0,11 = 2,21
= 2,1 + 2 * 0,11 = 2,32
, тогда
= 2,8 + 1 * (- 0,011) = 2,789
= 2,8 + 2 * (- 0,011) = 2,778
Составляем вектор - прогноз значений факторов:
,
Вычислим точечные прогнозы поведения выручки предприятия на моменты времени t = 11 и t = 12. Для этого подставим прогнозное значение факторов в уравнение регрессии.
= 12,602
= 12,712
Размещено на Allbest.ru
Подобные документы
Выбор факторных признаков для двухфакторной модели с помощью корреляционного анализа. Расчет коэффициентов регрессии, корреляции и эластичности. Построение модели линейной регрессии производительности труда от факторов фондо- и энерговооруженности.
задача [142,0 K], добавлен 20.03.2010Описание классической линейной модели множественной регрессии. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности. Оценка модели парной регрессии с наиболее значимым фактором. Графическое построение интервала прогноза.
курсовая работа [243,1 K], добавлен 17.01.2016Построение 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 25.05.2009Расчет 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 14.05.2008Определение параметров линейной регрессии и корреляции с использованием формул и табличного процессора MS Excel. Методика расчета показателей парной нелинейной регрессии и корреляции. Вычисление значений линейных коэффициентов множественной детерминации.
контрольная работа [110,4 K], добавлен 28.07.2012Исследование зависимости часового заработка одного рабочего от общего стажа работы после окончания учебы с помощью построения уравнения парной линейной регрессии. Вычисление описательных статистик. Построение поля корреляции и гипотезы о форме связи.
контрольная работа [226,6 K], добавлен 11.08.2015Построение линейной модели зависимости цены товара в торговых точках. Расчет матрицы парных коэффициентов корреляции, оценка статистической значимости коэффициентов корреляции, параметров регрессионной модели, доверительного интервала для наблюдений.
лабораторная работа [214,2 K], добавлен 17.10.2009Анализ 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 28.03.2018Методика определения параметров линейной регрессии, составления экономической интерпретации коэффициентов регрессии. Проверка выполнения предпосылок МНК. Графическое представление физических и модельных значений. Нахождение коэффициентов детерминации.
контрольная работа [218,0 K], добавлен 25.05.2009Построение уравнения регрессии, учитывающего взаимодействия факторов, проверка полученной модели на адекватность. Построение математической модели и нахождение численных значений параметров этой модели. Вычисление коэффициентов линейной модели.
курсовая работа [1005,0 K], добавлен 07.08.2013