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 27.10.2010

  • 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 20.03.2010

  • Исследование 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 09.08.2013

  • Описание 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 17.01.2016

  • Построение 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 05.01.2012

  • Построение 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 01.04.2010

  • Понятие 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 24.03.2010

  • 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

  • Построение 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 06.08.2010

  • Расчет 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

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.