Построение регрессионных эконометрических моделей
Построение диаграммы рассеяния линейной парной регрессии. Проверка наличия тренда в заданных значениях прибыли фирмы. Расчет выборочного коэффициента корреляции. Оценка дисперсии случайной составляющей эконометрической модели. Прогноз величины прибыли.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 05.12.2016 |
Размер файла | 554,4 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/
Размещено на http://www.allbest.ru/
Министерство образования и науки Российской Федерации
Новосибирский государственный архитектурно-строительный университет
Кафедра прикладной математики
Индивидуальное задание
по дисциплине: «Эконометрика»
Тема:
Построение регрессионных эконометрических моделей
Студентка Я.Е. Шкура
Руководитель работы
Ю.Е. Воскобойников
Новосибирск 2015
Исходные данные
Номер зачетной книжки - 512055
Данные, характеризующие прибыль торговой компании «Все для себя» за первые 10 месяцев 2014 года (в тыс. р.), даны в следующей таблице:
январь |
февраль |
Март |
апрель |
Май |
июнь |
июль |
август |
сентябрь |
октябрь |
|
387 |
407 |
437 |
401 |
459 |
424 |
465 |
452 |
469 |
503 |
Требуется:
1. Построить диаграмму рассеяния
2. Убедится в наличии тенденции (тренда) в заданных значениях прибыли фирмы и возможности принятия гипотезы о линейном тренде
3. Построить линейную парную регрессию, вычислить коэффициенты b0, b1методом наименьших квадратов
4. Нанести график регрессии на диаграмму рассеяния
5. Вычислить выборочный коэффициент корреляции и проверить гипотезу о ненулевом его значении
6. Вычислить оценку дисперсии случайной составляющей е эконометрической модели
7. Проверить гипотезы о ненулевых значениях b1, b0
8. Построить доверительные интервалы для коэффициентов b0, b1
9. Вычислить значения статистики F и коэффициента детерминации R2
10. Построить доверительные интервалы для дисперсии у2 случайной составляющей эконометрической модели
11. Построить доверительную область для условного математического ожидания М(Y/x) по оси Х откладывать месяцы (январь - декабрь). Нанести границы этой области на диаграмму рассеяния
12. С помощью линейной парной регрессии сделать прогноз величины прибыли на ноябрь и декабрь месяц и нанести эти значения на диаграмму рассеяния. Сопоставить эти значения с границами доверительной области для условного математического ожидания М(Y/х) и сделать вывод
Постановка задачи парной регрессии
Рассмотрим некоторый экономический объект (процесс, явление, систему) и выделим только две переменные, характеризующие этот объект. Независимая (объясняющая) переменная Х оказывает воздействие на значение переменной У, которая, таким образом, является зависимой переменной.
Имеем модель парной регрессии:
У = f(x)+е, (1)
где f(x) - функция регрессии У по Х;
е - возмущение (или ошибка модели).
Присутствие в модели е обусловлено следующими причинами:
1. Ошибки спецификации модели;
2. Ошибки измерения;
3. Ошибки, связанные со случайностью человеческих реакций.
Мы располагаем 10 парами выборочных наблюдений над величинами Х,У (т.е. имеем пространственную выборку):
xi |
Yi |
|
1 |
387 |
|
2 |
407 |
|
3 |
437 |
|
4 |
401 |
|
5 |
459 |
|
6 |
424 |
|
7 |
465 |
|
8 |
452 |
|
9 |
469 |
|
10 |
503 |
Пространственная выборка - это набор показателей, измеряющих значение переменной для разных экономических единиц.
По пространственной выборке построим диаграмму рассеяния:
Нанесем на график диаграммы рассеяния линию тренда:
На основе анализа диаграммы рассеяния убеждаемся в наличии тенденции увеличения прибыли фирмы и выдвигаем гипотезу о линейном тренде. Полагаем, что связь между факторами Х и У может быть описана линейной функцией, т.е.:
f(x) = в0 + в1x (2)
В качестве оценки для f(x) строим выборочную регрессию вида:
y(х) = b0+b1x (3)
Хотелось, чтобы коэффициенты b0, b1 являлись оценками в0, в1 и желательно, чтобы они обладали «хорошими» свойствами несмещенности, эффективности и состоятельности.
Несмещенность - математическое ожидание оценки равно математическому ожиданию оцениваемой величины.
Эффективность - если среднеквадратическая ошибка данной оценки является наименьшей среди всех возможных оценок.
Состоятельность - если с ростом оценки выборки, оценка стремится по вероятности к оцениваемому параметру
limn>? Р(РT(x)-O<еР)=1
Решение задачи нахождения коэффициентов b0, b1 основывается на применении метода наименьших квадратов. Согласно этому методу неизвестные коэффициенты b0, b1 вычисляются таким образом, чтобы величины функционала F(b0, b1)= была минимальной. Значения yi, при х=хi, определяются по уравнению регрессии:
Yi = y(xi) = b0+b1xi (4)
Для нахождения коэффициентов b0, b1 необходимо решить следующую систему уравнений:
b1= ;
b0=
Коэффициент b1называют коэффициентом регрессии У по Х, и он показывает, на сколько единиц в среднем меняется переменная У при изменении Х на одну единицу.
Для расчетов b1, b0 составим вспомогательную таблицу:
Xi |
Yi |
Xi2 |
Yi2 |
Xi*Yi |
|||
1 |
387 |
1 |
149769 |
387 |
|||
2 |
407 |
4 |
165649 |
814 |
|||
3 |
437 |
9 |
190969 |
1311 |
SX |
2,872 |
|
4 |
401 |
16 |
160801 |
1604 |
SY |
34,092 |
|
5 |
459 |
25 |
210681 |
2295 |
|||
6 |
424 |
36 |
179776 |
2544 |
rXY |
0,873 |
|
7 |
465 |
49 |
216225 |
3255 |
|||
8 |
452 |
64 |
204304 |
3616 |
|||
9 |
469 |
81 |
219961 |
4221 |
|||
10 |
503 |
100 |
253009 |
5030 |
|||
5,5 |
440,4 |
38,5 |
195114,4 |
2507,7 |
Среднее значение |
Далее решим уравнение регрессии по формуле 4:
i =
393,764 |
|
404,127 |
|
414,491 |
|
424,855 |
|
435,218 |
|
445,582 |
|
455,945 |
|
466,309 |
|
476,673 |
|
487,036 |
регрессия тренд корреляция прогноз прибыль
Нанесем график регрессии на диаграмму рассеяния
Вычислим выборочный коэффициент корреляции по формуле:
Rxy = b1*= (5)
где Sx = ;
Sy =
Sx |
2,872 |
|
Sy |
34,092 |
|
rxy |
0,873 |
|
rxyІ |
0,762 |
Проверим гипотезу о ненулевом значении выборочного коэффициента корреляции. Для проверки данной гипотезы примем случайную величину:
Tr = (6)
Если выполняется неравенство Tr>t(1-б,n-2), то выборочный коэффициент корреляции является значимым.
Проверка значимости rxy
H0:rxy=0 |
||
H1:rxy?0 |
||
Tr = |
6,934244591 |
|
Tr > |
2,306004135 |
|
вывод: rxy является значимым |
Для проверки значимости коэффициента b0 сформулируем следующие статистические гипотезы:
Н0:в0 = 0 (коэффициент b0 не значим);
Н1 в0 ? 0(коэффициент b0 значим)
Примем уровень значимости равным б (обычно б=0,05). В качестве критерия для проверки гипотезы Н0 примем случайную величину:
Тb0 = b0/Sb0 (7)
где Sb0 =
S2 является оценкой дисперсии д2 и определяется по формуле:
S2= (8)
Если РTb0Р>t(1-б,n-2), то коэффициент b0 является значимым с уровнем значимости б.
s2 |
345,186 |
|
sb0 |
161,087 |
|
Проверка значимости b0 |
||
H0:в0=0 |
||
H1:в0?0 |
||
Tb0 = |
30,208 |
|
|Tb0|> |
2,306004 |
|
вывод: b0 значим |
Для проверки значимости коэффициента b1 сформулируем следующие статистические гипотезы:
Н0:в1 = 0 (коэффициент b1 не значим);
Н1:в1 ? 0(коэффициент b1 значим)
Примем уровень значимости равным б (обычно б=0,05). В качестве критерия для проверки гипотезы Н0 примем случайную величину:
Тb1=b1/Sb1, (9)
где Sb1=
Если РTb1Р>t(1-б,n-2), то коэффициент b0 является значимым с уровнем значимости б.
s2 |
345,1864 |
|
sb1 |
4,184077 |
|
Проверка значимости b1 |
||
H0:в1=0 |
||
H1:в1?0 |
||
Tb1 = |
5,06655 |
|
|Tb1|> |
2,306004 |
|
вывод: b1 значим |
Для дальнейших расчетов нам понадобятся данные, приведенные в следующей таблице:
ei=yi-yi |
ei2 |
(xi- xср.)2 |
(yi-?)2 |
(yi- yi)2 |
sy2 |
yiн |
yiв |
|
6,76 |
45,7 |
20,25 |
45,74678 |
46,24 |
119,246 |
368,5821 |
418,9452 |
|
-2,87 |
8,3 |
12,25 |
8,252562 |
8,41 |
85,774 |
382,7704 |
425,4841 |
|
-22,51 |
506,7 |
6,25 |
506,6592 |
506,25 |
60,669 |
396,5294 |
432,4525 |
|
23,85 |
569,0 |
2,25 |
569,0393 |
571,21 |
43,933 |
409,5699 |
440,1392 |
|
-23,78 |
565,6 |
0,25 |
565,5749 |
566,44 |
35,565 |
421,4661 |
448,9703 |
|
21,58 |
465,8 |
0,25 |
465,7749 |
466,56 |
35,565 |
431,8297 |
459,3339 |
|
-9,05 |
82,0 |
2,25 |
81,98479 |
82,81 |
43,933 |
440,6608 |
471,2301 |
|
14,31 |
204,8 |
6,25 |
204,7501 |
204,49 |
60,669 |
448,3475 |
484,2706 |
|
7,67 |
58,9 |
12,25 |
58,87074 |
59,29 |
85,774 |
455,3159 |
498,0296 |
|
-15,96 |
254,8 |
20,25 |
254,8377 |
256 |
119,246 |
461,8548 |
512,2179 |
Интервальной оценкой для параметра O называют числовой интервал (Oн,Oв) в который с заданной вероятностью г попадает неизвестное значение параметра O, т.е.: P(Oн<O<Oв) = Y
Интервал (Oн,Oв) называется доверительным, а вероятность г - доверительной вероятностью или надежностью интервальной оценки.
Интервальная оценка для коэффициента в0 с надежностью равной г имеет вид:
[b0-t(г,n-2)*Sb0], [b0+t(г,n-2)*Sb0],
где Sb0 = ;
t(г,n-2) = СТЬЮДРАСПОБР(1-г;n-2)
Интервальная оценка для в0 |
||
t = 2,306004135 |
||
354,1321859 |
412,6678141 |
Интервальная оценка для коэффициента в1 с надежностью равной г имеет вид:
[b1-t(г,n-2)*Sb1], [b1+t(г,n-2)*Sb1],
где Sb1 = ;
t(г,n-2) = СТЬЮДРАСПОБР(1-г;n-2)
Интервальная оценка для в1 |
|||
t=2,306004 |
|||
5,646701024 |
15,0805717 |
Вычислим значения статистики F, для этого рассмотрим суммы:
1. Объясненная (фактическая) сумма квадратов:
Qr = );
2. Остаточная сумма квадратов:
Qe = ;
3. Полная сумма квадратов:
Q = 2
Уравнение парной линейной регрессии значимо с уровнем значимости б, если выполняется следующее неравенство:
F =
где = FРАСПОБР(б;1;n-2) - этот критерий называют критерием Фишера.
(y-yср.)І |
(yi-y)І |
|
2851,56 |
45,74678 |
|
1115,56 |
8,252562 |
|
11,56 |
506,6592 |
|
1552,36 |
569,0393 |
|
345,96 |
565,5749 |
|
268,96 |
465,7749 |
|
605,16 |
81,98479 |
|
134,56 |
204,7501 |
|
817,96 |
58,87074 |
|
3918,76 |
254,8377 |
|
11622,4 |
2761,491 |
|
Q |
Qe |
|
Qr= |
8860,909 |
Одной из наиболее эффективных оценок адекватности уравнения регрессии является коэффициент детерминации:
R2 = = (1 - )
Величина R2 показывает, какая часть вариации зависимой переменной обусловлена вариацией объясненной переменной и изменяется в диапазоне:
0?R2?1
Чем ближе R2 к 1, тем лучше парная регрессия аппроксимирует эмпирические данные. Если R2 равен 0, то все (xi,yi) лежат на линии регрессии (Qe равно 0). Коэффициент R2 имеет смысл рассматривать, если в уравнении присутствует свободный член (коэффициент b0). В случае парной регрессии имеет место R2 = r2xy.
R2=0,762399254 |
F= |
25,66992797 |
||
F> |
5,317655072 |
|||
Уравнение парной регрессии значимо |
Построим доверительный интервал для дисперсии у2.
Интервальная оценка для у2 с доверительной вероятностью равной г=1-б имеет вид:
где , - это квантили ч2-распределения с к=n-2 степенями свободы уровней б/2,1-б/2.
Интервальная оценка для у2 |
||||
Левое |
17,53454614 |
Правое |
2,179730747 |
|
196,8607347 |
1583,61928 |
Для того чтобы оценить функцию регрессии используют следующий интервал:
[y(x)-t(г,n-2)*Sy(x); y(x)+t(г,n-2)*Sy(x)], который является интервальной оценкой для М(YРx) с надежностью г.
Yiн |
yiв |
|
368,5821 |
418,9452 |
|
382,7704 |
425,4841 |
|
396,5294 |
432,4525 |
|
409,5699 |
440,1392 |
|
421,4661 |
448,9703 |
|
431,8297 |
459,3339 |
|
440,6608 |
471,2301 |
|
448,3475 |
484,2706 |
|
455,3159 |
498,0296 |
|
461,8548 |
512,2179 |
С помощью линейной парной регрессии можно сделать прогноз величины прибыли на ноябрь, декабрь. Для этого мы используем уравнение регрессии:
У = 10.364+383.4
И получаем:
Ноябрь (11) |
497.4 |
|
Декабрь (12) |
507.7636364 |
Вывод: значения прогноза сопоставимы с границами доверительной области для условного математического ожидания М(YРx). Таким образом, можно сделать вывод, что прогнозирование с помощью построенной регрессионной моделью обладает высокой степенью точности.
Размещено на Allbest.ru
Подобные документы
Определение наличия тенденции по заданным значениям прибыли фирмы. Построение графика линейной парной регрессии, нанесение полученных результатов на диаграмму рассеяния. Прогнозирование величины прибыли с помощью построенной регрессионной модели.
контрольная работа [284,0 K], добавлен 27.10.2010Выбор 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 20.03.2010Исследование зависимости сменной добычи угля на одного рабочего от мощности пласта путем построения уравнения парной линейной регрессии. Построение поля корреляции. Определение интервальных оценок заданных коэффициентов. Средняя ошибка аппроксимации.
контрольная работа [2,1 M], добавлен 09.08.2013Описание 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 модели парной регрессии и расчет индекса парной корреляции. Построение производственной функции Кобба-Дугласа, коэффициент детерминации . Зависимость среднедушевого потребления от размера дохода и цен. Расчет параметров структурной модели.
контрольная работа [1,6 M], добавлен 05.01.2012Построение поля корреляции, расчет уравнений линейной парной регрессии, на основе данных о заработной плате и потребительских расходах в расчете на душу населения. Анализ коэффициента эластичности, имея уравнение регрессии себестоимости единицы продукции.
контрольная работа [817,3 K], добавлен 01.04.2010Понятие параметрической идентификации парной линейной эконометрической модели. Критерий Фишера, параметрическая идентификация парной нелинейной регрессии. Прогнозирование спроса на продукцию предприятия. Использование в MS Excel функции "Тенденция".
контрольная работа [73,3 K], добавлен 24.03.2010Понятие 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 21.03.2015Построение поля корреляции с формулировкой гипотезы о форме связи. Построение моделей парной регрессии. Оценка тесноты связи с помощью коэффициента (индекса) корреляции. Расчет прогнозного значения результата и доверительного интервала прогноза.
контрольная работа [157,9 K], добавлен 06.08.2010Расчет параметров уравнения линейной регрессии, экономическая интерпретация ее коэффициента. Проверка равенства математического ожидания уровней ряда остатков нулю. Построение степенной модели парной регрессии. Вариация объема выпуска продукции.
контрольная работа [771,6 K], добавлен 28.04.2016