В этом разделе вы найдете решенные задач по разным разделам эконометрики, выполненные с применением пакета электронных таблиц MS Excel. Большая часть работ снабжена подробным текстовым отчетом.

Если вам нужна помощь в выполнении контрольных работ по эконометрике в Excel, обращайтесь: эконометрика на заказ

Решение эконометрики в Экселе

Задача 1. Парная регрессия.
Для исходных данных, приведенных ниже, рассчитайте

• коэффициенты линейного регрессионного уравнения
• рассчитайте остаточную дисперсию
• вычислите значения коэффициентов корреляции и детерминации
• рассчитайте коэффициент эластичности
• рассчитайте доверительные границы уравнения регрессии (по уровню 0,95, t=2,44)
• в одной системе координат постройте: уравнение регрессии, экспериментальные точки, доверительные границы уравнения регрессии

Задача 2. Построить требуемое уравнение регрессии. Вычислить коэффициент детерминации, коэффициент эластичности, бета коэффициент и дать их смысловую нагрузку в терминах задачи. Проверить адекватность уравнения с помощью F теста. Найти дисперсии оценок и 95% доверительные интервалы для параметров регрессии. Данные взять из таблицы. Найти прогнозируемое значение объясняемой переменной для некоторого значения объясняющей переменной, не заданной в таблице.
Построить уравнение линейной регрессии объема валового выпуска (в млн. руб.) от стоимости основных производственных фондов (млн. руб.).

Задача 3. Множественная регрессия.
Построить требуемое уравнение регрессии. Вычислить коэффициент детерминации, частные коэффициенты эластичности, частные бета коэффициенты и дать их смысловую нагрузку в терминах задачи. Проверить адекватность уравнения с помощью F теста. Найти оценку матрицы ковариаций оценок параметров регрессии и 95% доверительные интервалы для параметров регрессии. Проверить наличие мультиколлинеарности в модели. Данные взять из таблицы.
Построить уравнение линейной регрессии себестоимости единицы товара (в сотнях руб.) от величины энерговооруженности (кВт) и производительности труда (тов/час).

Задача 4. Трендовые модели
Проверить ряд на наличие тренда. Сгладить ряд методом простой скользящей средней $(m = 3)$, экспоненциальным сглаживанием $(\alpha = 0,3; \alpha = 0,8)$. Построить исходный и сглаженные ряды. На основании построенных рядов определить вид трендовой модели. Построить трендовую модель.
Сделать прогноз изучаемого признака на два шага вперед.
87; 77; 75; 74; 69; 66; 62; 61; 59; 57; 57; 52; 50; 48; 46; 43; 43; 41; 38; 35

Задача 5. По заданным статистическим данным постройте линейную модель множественной регрессии и исследуйте её.

• Постройте линейную модель множественной регрессии.
• Запишите стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.
• Найдите коэффициенты парной, частной и множественной корреляции. Проанализируйте их.
• Найдите скорректированный коэффициент множественной детерминации. Сравните его с нескорректированным (общим) коэффициентом детерминации.
• С помощью F-критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации $R^2_{y x_1 x_2}$.
• С помощью частных F-критериев Фишера оценить целесообразность включения в уравнение множественной регрессии фактора $x_1$ после $x_2$ и фактора $x_2$ после $x_1$.
• Составьте уравнение линейной парной регрессии, оставив лишь один значащий фактор.

Задача 6. По данным опроса 15 женщин, находящихся в роддоме, исследовать зависимость веса новорожденного (у) от среднего числа сигарет (х), выкуриваемых матерью в день, с учетом числа уже имеющихся у матери детей (z).

Для тех специальностей, в вузах с более углубленным изучением курса эконометрики, где предусмотрено выполнение курсовой работы по эконометрике - свяжитесь с нами через форму заказа или любым удобным для вас способом, и наши специалисты окажут помощь в ее выполнении. При этом могут быть использованы прикладные программы, указанные вашем преподавателем.

Стоимость решения задач по эконометрике - от 300р, в зависимости от сложности. Онлайн помощь - от 1500р за билет.

Для тех, кто не смог подготовиться к экзамену предлагаем:

Примеры выполненных работ по эконометрике:

При решении задач по эконометрике часто необходимо использовать прикладные эконометрические пакеты программ. Отметим наиболее распространенные:
- пакет анализа данных в Microsoft Excel;
- программа Gretl;
- эконометрический пакет Eviews;
- пакет Statistica.
Выделим кратко преимущества и недостатки перечисленных программных средств:
-Анализа данных в Excel.Достоинство: доступен и прост в обращении. Недостаток: не содержит простейших эконометрических тестов на автокорреляцию и гетероскедастичность, про другие более сложные тесты по эконометрике не упоминаем - их там нет.
-Gretl(скачать). Достоинства: имеется в свободном доступе бесплатная версия, проста и удобна в обращении, русский интерфейс. Недостаток: не содержит ряда коинтеграционных эконометрических тестов.
-Eviews(скачать).Достоинства: содержит множество тестов, простота их реализации. Недостатки: английский интерфейс, в свободном доступе только старая версия программы Eviews 3, все более свежие версии - платные.
-Statictica. Мало использовали её, не нашли достоинств. Недостатки - английский интерфейс, и отсутствие многих тестов по эконометрике.

Ниже представлены в свободном доступе примеры решения задач по эконометрике в этих программных средствах, которые будут содержать отчет по решению задачи и файл реализации задачи в эконометрическом пакете. Так же на этой странице выложены бесплатные версии программ

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

хорошую работу на сайт">

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Санкт- Петербургский Государственный Университет экономики и финансов

Заочный факультет, кафедра статистики и эконометрики

Контрольная работа

По эконометрике

Студента группа №351

Хмель Валентина Александровича

Вариант 3

1. Задача 1

2. Задача 2

3. Задача 3

4. Задача 4

5. Задача 5

Литература

1. Задача 1

Изучается зависимость между ценой квартиры (y - тыс.долл.) и размером ее жилой площади (x - кв.м.) по следующим данным:

	Цена квартиры, тыс.долл.	Жилая площадь, кв.м

Задание

1.Постройте поле корреляции, характеризующее зависимость цены квартиры от жилой площади.

2.Определите параметры уравнения парной линейной регрессии. Дайте интерпретацию коэффициента регрессии и знака при свободном члене уравнения.

3.Рассчитайте линейный коэффициент корреляции и поясните его смысл. Определите коэффициент детерминации и дайте его интерпретацию.

4.Найдите среднюю ошибку аппроксимации.

5.Рассчитайте стандартную ошибку регрессии.

6.С вероятностью 0,95 оцените статистическую значимость уравнения регрессию в целом, а также его параметров. Сделайте выводы.

7.С вероятностью 0,95 постройте доверительный интервал ожидаемого значения цены квартиры в предположении, что жилая площадь квартиры увеличится на 5% от своего среднего значения. Сделайте выводы.

Решение

1.Построение поля корреляции, характеризующее зависимость цены квартиры от жилой площади

Поле корреляции строим, нанося данные наблюдений на координатную плоскость:

При исследовании двух факторов этот построенный график уже показывает, существует зависимость или нет, характер этой зависимости. В частности, на приведенном графике уже видно, что с ростом фактора х значение фактора у тоже увеличивается. Правда зависимость эта нечеткая, размытая, или, правильно говоря, статистическая.

2.Определение параметров уравнения парной линейной регрессии

Определим уравнение парной линейной регрессии методом наименьших квадратов.

Сущность метода наименьших квадратов заключается в нахождении параметров модели a 0 , a 1 , при которых минимизируется сумма квадратов отклонений эмпирических (фактических) значений результативного признака от теоретических, полученных по выборочному уравнению регрессии:

Для линейной модели

Функция двух переменных S(a 0 , a 1) может достигнуть экстремума в том случае, когда ее частные производные равны нулю. Вычисляя эти частные производные, получим систему уравнений для нахождения параметров a 0 , a 1 линейного уравнения регрессии.

В случае, когда возмущающая переменная е имеет нормальное распределение, коэффициенты a 0 , a 1 , полученные методом наименьших квадратов для линейной регрессии, являются несмещенными эффективными оценками параметров б 0 , б 1 исходного уравнения.

Строим таблицу промежуточных вычислений, учитывая, что n=10:

Получаем систему уравнений:

Решаем данную систему относительно переменных а 0 и а 1 методом Крамера.

По формулам Крамера находим:

;

Подставляем полученные значения в уравнение и получаем уравнение:

Интерпретация коэффициента регрессии и знака при свободном члене уравнения.

Параметр a 1 =0,702 показывает среднее изменение результата y с изменением фактора x на единицу. Параметр a 0 =11,39=y, когда x=0. Так как а 0 >0, то относительное изменение результата происходит медленнее, чем изменение фактора, то есть вариация результата меньше вариации фактора.

3.Рассчитаем линейный коэффициент корреляции

Коэффициент корреляции величин x и y (r xy) - свидетельствует о наличии или отсутствии линейной связи между переменными:

Если: r xy = -1 , то наблюдается строгая отрицательная связь; r xy = 1, то наблюдается строгая положительная связь; r xy = 0, то линейная связь отсутствует.

Находим необходимые значения:

Определяем коэффициент детерминации

Коэффициент детерминации - квадрат коэффициента корреляции:

Чем выше показатель детерминации, тем лучше модель описывает исходные данные. Следовательно, качество описания исходных данных в данной модели 69,8%

4.Находим среднюю ошибку аппроксимации

Средняя ошибка аппроксимации - среднее относительное отклонение расчетных значений от фактических:

Средняя ошибка аппроксимации:

5.Рассчитываем стандартную ошибку регрессии

Стандартная ошибка регрессии:

где n - число единиц совокупности; m - число параметров при переменных. Для линейной регрессии m = 1.

6. С вероятностью 0,95 оцениваем статистическую значимость уравнения регрессию в целом, а также его параметров

Для оценки статистической значимости коэффициентов линейной регрессии и линейного коэффициента парной корреляции r xy применяется t-критерий Стьюдента и рассчитываются доверительные интервалы каждого из показателей.

Согласно t-критерию выдвигается гипотеза Н 0 о случайной природе показателей, т. е. о незначимом их отличии от нуля. Далее рассчитываются фактические значения критерия t факт для оцениваемых коэффициентов регрессии и коэффициента корреляции r xy путем сопоставления их значений с величиной стандартной ошибки.

Составляем таблицу промежуточных вычислений:

Остаточная сумма квадратов равна: , а ее среднее квадратическое отклонение:

Находим стандартную ошибку коэффициента регрессии:

Находим стандартную ошибку параметра a 0:

Рассчитываем фактическое значение критерия Стьюдента для коэффициента регрессии:

Находим табличные значения t-критерия Стьюдента при уровне значимости?=0,05

Оценка значимости всего уравнения регрессии в целом осуществляется с помощью F-критерия Фишера.

F-критерий Фишера заключается в проверке гипотезы Н о о статистической незначимости уравнения регрессии. Для этого выполняется сравнение фактического F факт и критического (табличного) F табл значений F-критерия Фишера.

Находим фактическое значение F-критерия:

Находим табличное значение F-критерия, учитывая k 1 = m=1, k 2 = n - m - 1=8:

Так как F табл < F факт, то Н 0 -гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность.

7. С вероятностью 0,95 строим доверительный интервал ожидаемого значения цены квартиры в предположении, что жилая площадь квартиры увеличится на 5% от своего среднего значения

Строим таблицу промежуточных вычислений:

2. Задача 2

По 79 регионам страны известны следующие данные об обороте розничной торговли y (% к предыдущему году), реальных денежных доходах населения x 1 (% к предыдущему году) и средней номинальной заработной плате в месяц х 2 (тыс.руб.):

; ; ; ; ;

; ; ; .

1.Постройте линейное уравнение множественной регрессии

2.Найдите коэффициент множественной детерминации в том числе скорректированный. Сделайте выводы.

3.Оцените значимость уравнения регрессии через F-критерий Фишера с вероятностью 0,95. Сделайте выводы.

4.Оцените целесообразность дополнительного включения в модель фактора х 2 при наличии фактора х 1 , используя частный F-критерий.

1.Линейное уравнение множественной регрессии

Множественная регрессия - уравнение связи с несколькими независимыми переменными: y=f(x 1 ,x 2 ,...,x p), где у - зависимая переменная (результативный признак); х 1 ,х 2 ,…,х p - независимые переменные (факторы).

В данной задаче уравнение множественной регрессии имеет вид:

Множественная регрессия применяется в ситуациях, когда из множества факторов, влияющих на результативный признак, нельзя выделить один доминирующий фактор и необходимо учитывать влияние нескольких факторов.

Расчет параметров множественной регрессии осуществляется методом наименьших квадратов, путем решения системы уравнений с параметрами a, b 1 , b 2 .

Получаем систему уравнений:

Решаем полученную систему относительно переменных a, b 1 , b 2 методом Крамера

Развернутая матрица системы уравнений:

Находим определитель матрицы коэффициентов:

Заменяем последовательно столбцы матрицы коэффициентов столбцом свободных членов и находим определители получившихся матриц:

По формулам Крамера находим значения a, b 1 , b 2:

.

Записываем линейное уравнение множественной регрессии:

2.Находим коэффициент множественной детерминации, в том числе скорректированный.

Коэффициент множественной детерминации находится по формуле:

Находим коэффициенты парной корреляции: ; ; .

;

;

;

где

;

;

;

где

;

;

;

Получили: ; ;

Скорректированный коэффициент множественной детерминации содержит поправку на число степеней свободы и рассчитывается следующим образом:

где n=79, m=2 - число факторных признаков в уравнении регрессии.

3.Проверяем значимость уравнения регрессии через F-критерий Фишера с вероятностью 0,95

;

Табличное значение критерия Фишера равно

Так как F табл < F факт, то Н 0 -гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность.

4.Оцените целесообразность дополнительного включения в модель фактора х 2 при наличии фактора х 1 , используя частный F-критерий

В предыдущих пунктах получен коэффициент множественной корреляции а коэффициенты парной корреляции при этом были; ; уравнение парной регрессии у = f(х) охватывало 27,0639% - колеблемости результативного признака под влиянием фактора х 1 , а дополнительное включение в анализ фактора x 2 уменьшило долю объясненной вариации до 15,4921%

5.Определите частные коэффициенты корреляции и сделайте выводы.

Частные коэффициенты корреляции определяются по ф-ле:

Множественный коэффициент корреляции определяется по формуле:

6.Определите частные и средние коэффициенты эластичности и сделайте выводы.

Вычислим средние коэффициенты эластичности по формуле:

; ;

Доверительные интервалы определяют пределы, в которых лежат точные значения определяемых показателей с заданной степенью уверенности, соответствующей заданному уровню значимости б..

Для расчета точечного прогноза подставляем в уравнение регрессии заданное значение факторного признака x i . Доверительный интервал прогноза определяется с вероятностью (1 - ??), как, где - стандартная ошибка точечного прогноза.

где x k - прогнозное значение x. По условию жилая площадь квартиры (x i) должна увеличится на 5%. Тогда

;

Тогда доверительный интервал равен

или

С надежностью 0,95 средняя прогнозируемая жилплощадь квартир заключена в доверительном интервале 21,1479

3. Задача 3

Рассматривается модель спроса и предложения товара «А»:

q d - спрос на товар;

q s - предложение товара;

Р - цена товара;

Y - доход на душу населения;

W - цена товара в предыдущий период.

Приведенная форма модели составила:

2.Укажите способ оценки параметров структурной модели

1.Проведите идентификацию модели, используя необходимое и достаточное условие идентификации.

Данная модель - это система одновременных уравнений, так как она содержит взаимозависимые переменные.

Проверим выполнение необходимого условия идентификации для каждого уравнения модели.

В данной модели две эндогенных переменных, находящихся в левой части. Это - q d и q s . Остальные переменные - P, Y, W - это экзогенные переменные. Таким образом, общее число предопределенных переменных равно 3.

Для первого уравнения Н=1 в него входит эндогенная переменная q d и D=1 (уравнение не включает предопределенной переменной W).

D+1=1+1=2>1

Следовательно, первое уравнение сверхидентифицируемо.

Для второго уравнения Н=1 (q s); D=2 (P; Y).

D+1=1+1=2>1

Второе уравнение также сверхидентифицируемо

Третье уравнение - это тождество, поэтому его не идентифицируют.

Для проверки на достаточное условие заполняем следующую таблицу коэффициентов при отсутствующих в первом уравнении коэффициентов:

Определитель матрицы:

Ранг матрицы равен 2, то есть не меньше числа эндогенных переменных в системе без одной. Следовательно, достаточное условие выполняется.

2. Укажите способ оценки параметров структурной модели

Так как исследуемая система точно идентифицируема и может быть решена косвенным методом наименьших квадратов.

3.Найдите структурные коэффициенты модели.

Приведенная форма модели имеет вид:

Здесь 3; - 2; 5; 1 - приведенные коэффициенты модели; u 1 ; u 2 - случайные ошибки.

Вычисление структурных коэффициентов модели:

1) Из второго уравнения приведенной формы выразим W (так как его нет в первом уравнении структурной формы)

Данное выражение содержит переменные P и Y, которые входят в правую часть первое уравнения структурной формы модели (СФМ). Подставим полученное выражение W в первое уравнение приведенной формы модели (ПФМ)

Откуда получим первое уравнение СФМ в виде:

2) Во втором уравнении СФМ нет переменной Y. Из первого уравнения приведенной формы выразим Y

Подставим полученное выражение W во второе уравнение приведенной формы модели (ПФМ):

Откуда получим второе уравнение СФМ в виде:

Таким образом, СФМ примет вид

4. Задача 4

Динамика пассажирооборота предприятий транспорта региона характеризуется следующими данными:

	Млрд. пассажиро-км.

Задание

3.С помощью критерия Дарбина-Уотсона сделайте выводы относительно автокорреляции в остатках в рассматриваемом уравнении.

1.Определите коэффициент автокорреляции первого порядка и дайте его интерпретацию.

Коэффициент автокорреляции первого порядка:

,

;

Составляем таблицу промежуточных вычислений:

		Млрд. пассажиро-км. y t	Млрд. пассажиро-км. y t-1

; ; ,

2.Постройте уравнение тренда в форме параболы второго порядка. Поясните интерпретацию параметров.

Парабола второго порядка имеет вид: , значения t =1, 2, 3…

Парабола второго порядка имеет 3 параметра b 0 , b 1 , b 2 , которые определяются из системы трех уравнений:

Составляем таблицу промежуточных вычислений:

Решаем систему уравнения относительно переменных b 0 , b 1 , b 2 методом Крамера.

Развернутая матрица системы уравнений:

Находим определитель матрицы коэффициентов:

Заменяем последовательно столбцы в матрице коэффициентов столбцом свободных членов и находим определители полученных матриц:

По формулам Крамера находим:

;;.

Парабола второго порядка для данного случая имеет вид:

.

Строим таблицу значений:

3. С помощью критерия Дарбина-Уотсона сделайте выводы относительно автокорреляции в остатках в рассматриваемом уравнении.

Автокорреляция в остатках находится с помощью критерия Дарбина -- Уотсона и расчета величины:

Величина d есть отношение суммы квадратов разностей последовательных значений остатков к остаточной сумме квадратов по модели регрессии. Практически во всех статистических ППП значение критерия Дарбина - Уотсона указывается наряду с коэффициентом детерминации, значениями t- и F-критериев.

Коэффициент автокорреляции остатков первого порядка определяется как

Между критерием Дарбина-Уотсона и коэффициентом автокорреляции остатков первого порядка имеет место следующее соотношение:

Таким образом, если в остатках существует полная положительная автокорреляция и, то d=0. Если в остатках полная отрицательная автокорреляция, то и, следовательно, d=4. Если автокорреляция остатков отсутствует, то и d=2. Следовательно, .

Фактическое значение критерия Дарбина-Уотсона для этой модели составляет

Сформулируем гипотезы:

Н 0 - в остатках нет автокорреляции;

Н 1 - в остатках есть положительная автокорреляция;

Н 1 * - в остатках есть отрицательная автокорреляция.

Фактическое значение сравниваем с табличным: d L и d U , для заданного числа наблюдений n, числа независимых переменных k и уровня значимости??

Получаем: d L =0,66; d U ,=1,60, то есть

4.Дайте интервальный прогноз ожидаемого уровня пассажирооборота на 2005 год.

Рассчитываем ошибку прогноза:

где S - стандартная ошибка параболы второй степени.

Получаем:

5. Задача 5

Изучается зависимость оборота розничной торговли региона (y i - млрд. руб.) от реальных денежных расходов населения (x i - % к декабрю предыдущего года) по следующим данным:

	Оборот розничной торговли, млрд. руб., y t	Реальные денежные доходы населения, % к декабрю предыдущего года, x t
Сентябрь

Задание

1.Определите коэффициент корреляции между временными рядами, используя:

а) непосредственно исходные уровни,

Коэффициент корреляции величин x t и y t (r xy):

Находим необходимые значения, учитывая, что n=12.Составляем таблицу промежуточных вычислений:

Сентябрь

Полученное значение коэффициента корреляции близко к 1, следовательно, между X и Y существует довольно тесная связь.

б) первые разности уровней рядов.

Переходим от первоначальных данных к первым разностям уровней

Сентябрь

2.Обоснуйте различие полученных результатов и сделайте вывод о тесноте связи между временными рядами.

Данные величины расходятся из-за вмешательства фактора времени. Вмешательство фактора времени может привести к ложной корреляции. Для того, чтобы ее устранить, существуют методы, один из которых здесь применили.

3.Постройте уравнение регрессии, включив в него фактор времени. Дайте интерпретацию параметров уравнения. Сделайте предположение относительно статистической значимости коэффициента регрессии при факторе х.

Сентябрь

Решаем систему уравнения относительно переменных a, b, c методом Крамера.

Развернутая матрица системы уравнений:

Находим определитель матрицы коэффициентов:

Заменяем последовательно столбцы в матрице коэффициентов столбцом свободных членов и находим определители полученных матриц:

По формулам Крамера находим:

Модель, включающая фактор времени имеет вид:

Литература

корреляция регрессия детерминация тренд

1. Эконометрика (методические указания по изучению дисциплины и выполнению контрольной работы) г. Москва ИНФРА-М 2002 - 88 с.;

2. Елисеева И.И. Эконометрика г. Москва “Финансы и статистика” 2002.-344 с.;

3. Елисеева И.И. Практикум по эконометрике г. Москва “Финансы и статистика” 2003.-192 с.;

Размещено на Allbest.ru

...

Подобные документы

Построение доверительного интервала для коэффициента регрессии. Определение ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности изменения материалоемкости продукции. Построение линейного уравнения множественной регрессии.

контрольная работа , добавлен 11.04.2015


Расчет линейного коэффициента парной и частной корреляции. Статистическая значимость параметров регрессии и корреляции. Анализ корреляционного поля данных. Точность прогноза, расчет ошибки и доверительный интервал. Коэффициент множественной детерминации.

контрольная работа , добавлен 11.12.2010


Построение линейного уравнения парной регрессии, расчет линейного коэффициента парной корреляции и средней ошибки аппроксимации. Определение коэффициентов корреляции и эластичности, индекса корреляции, суть применения критерия Фишера в эконометрике.

контрольная работа , добавлен 05.05.2010


Расчёт параметров линейного уравнения регрессии. Оценка регрессионного уравнения через среднюю ошибку аппроксимации, F-критерий Фишера, t-критерий Стьюдента. Анализ корреляционной матрицы. Расчёт коэффициентов множественной детерминации и корреляции.

контрольная работа , добавлен 29.08.2013


Построение модели множественной линейной регрессии по заданным параметрам. Оценка качества модели по коэффициентам детерминации и множественной корреляции. Определение значимости уравнения регрессии на основе F-критерия Фишера и t-критерия Стьюдента.

контрольная работа , добавлен 01.12.2013


Выполнение кластерного анализа предприятий с помощью программы Statgraphics Plus. Построение линейного уравнения регрессии. Расчет коэффициентов эластичности по регрессионным моделям. Оценка статистической значимости уравнения и коэффициента детерминации.

задача , добавлен 16.03.2014


Факторы, формирующие цену квартир в строящихся домах в Санкт-Петербурге. Составление матрицы парных коэффициентов корреляции исходных переменных. Тестирование ошибок уравнения множественной регрессии на гетероскедастичность. Тест Гельфельда-Квандта.

контрольная работа , добавлен 14.05.2015


Оценка тесноты связи с помощью показателей корреляции и детерминации. Построение поля корреляции и расчёт параметров линейной регрессии. Результаты вычисления функций и нахождение коэффициента детерминации. Регрессионный анализ и прогнозирование.

курсовая работа , добавлен 07.08.2011


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 , добавлен 06.08.2010


Определение 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.

Задание 1

Задание 2

Задание 3

Задание 4

Список использованной литературы

Задание 1

Имеются данные за 12 месяцев года по району города о рынке вторичного жилья (y – стоимость квартиры (тыс. у.е.), x – размер общей площади (м 2)). Данные приведены в табл. 1.4.

Таблица 1

Месяц	1	2	3	4	5	6	7	8	9	10	11	12
у	22,5	25,8	20,8	15,2	25,8	19,4	18,2	21,0	16,4	23,5	18,8	17,5
х	29,0	36,2	28,9	32,4	49,7	38,1	30,0	32,6	27,5	39,0	27,5	31,2

1. Рассчитайте параметры уравнений регрессий

И .

3. Рассчитайте средний коэффициент эластичности и дайте сравнительную оценку силы связи фактора с результатом.

4. Рассчитайте среднюю ошибку аппроксимации и оцените качество модели.

6. Рассчитайте прогнозное значение , если прогнозное значение фактора увеличится на 5% от его среднего значения. Определите доверительный интервал прогноза для .

7. Расчеты должны быть подробны, как показано в примере 1, и сопровождены пояснениями.

Составим таблицу расчетов 2.

Все расчеты в таблице велись по формулам

Таблица 2

	х		у	ху									А(%)
	29,0	841,0	22,5	652,5	506,3	2,1	-4,5	4,38	20,33	18,93	3,57	12,75	15,871
	36,2	1310,4	25,8	934,0	665,6	5,4	2,7	29,07	7,25	21,28	4,52	20,40	17,506
	28,9	835,2	20,8	601,1	432,6	0,4	-4,6	0,15	21,24	18,90	1,90	3,62	9,152
	32,4	1049,8	15,2	492,5	231,0	-5,2	-1,1	27,13	1,23	20,04	-4,84	23,43	31,847
	49,7	2470,1	25,8	1282,3	665,6	5,4	16,2	29,07	262,17	25,70	0,10	0,01	0,396
	38,1	1451,6	19,4	739,1	376,4	-1,0	4,6	1,02	21,08	21,90	-2,50	6,27	12,911
	30,0	900,0	18,2	546,0	331,2	-2,2	-3,5	4,88	12,31	19,26	-1,06	1,12	5,802
	32,6	1062,8	21,0	684,6	441,0	0,6	-0,9	0,35	0,83	20,11	0,89	0,80	4,256
	27,5	756,3	16,4	451,0	269,0	-4,0	-6,0	16,07	36,10	18,44	-2,04	4,16	12,430
	39,0	1521,0	23,5	916,5	552,3	3,1	5,5	9,56	30,16	22,20	1,30	1,69	5,536
	27,5	756,3	18,8	517,0	353,4	-1,6	-6,0	2,59	36,10	18,44	0,36	0,13	1,923
	31,2	973,4	17,5	546,0	306,3	-2,9	-2,3	8,46	5,33	19,65	-2,15	4,62	12,277
	402,1	13927,8	244,9	8362,6	5130,7	0,0	0,0	132,7	454,1	-	-	79,0	129,9
Среднее значение	33,5	1160,7	20,4	696,9	427,6	-	-	-	-	-	-	6,6	10,8
	6,43	-	3,47	-	-
	41,28	-	12,06	-	-

,

и линейное уравнение регрессии примет вид: .

Рассчитаем коэффициент корреляции:

.

Связь между признаком и фактором заметная.

Коэффициент детерминации – квадрат коэффициента или индекса корреляции.

R 2 = 0,606 2 = 0,367

Средний коэффициент эластичности позволяет проверить, имеют ли экономический смысл коэффициенты модели регрессии.

Для оценки качества модели определяется средняя ошибка аппроксимации:

,

допустимые значения которой 8 - 10 %.

Вычислим значение -критерия Фишера.

,

– число параметров уравнения регрессии (число коэффициентов при объясняющей переменной );

– объем совокупности.

.

По таблице распределения Фишера находим

Так как , то гипотеза о статистической незначимости параметра уравнения регрессии отклоняется.

Так как , то можно сказать, что 36,7% результата объясняется вариацией объясняющей переменной.

Выберем в качестве модели уравнения регрессии , предварительно линеаризовав модель. Введем обозначения: . Получим линейную модель регрессии .

Рассчитаем коэффициенты модели, поместив все промежуточные расчеты в табл. 3.

Таблица 3

			y	yU									А(%)
	5,385	29,0	22,5	121,17	506,25	1,640	-0,452	2,69	0,20	13,74	8,76	76,7	38,92
	6,017	36,2	25,8	155,23	665,64	4,940	0,180	24,40	0,03	14,01	11,79	139,0	45,70
	5,376	28,9	20,8	111,82	432,64	-0,060	-0,461	0,004	0,21	13,74	7,06	49,9	33,95
	5,692	32,4	15,2	86,52	231,04	-5,660	-0,145	32,04	0,02	13,87	1,33	1,8	8,72
	7,050	49,7	25,8	181,89	665,64	4,940	1,213	24,40	1,47	14,42	11,38	129,5	44,11
	6,173	38,1	19,4	119,75	376,36	-1,460	0,336	2,13	0,11	14,07	5,33	28,4	27,45
	5,477	30,0	18,2	99,69	331,24	-2,660	-0,360	7,08	0,13	13,78	4,42	19,5	24,27
	5,710	32,6	21,0	119,90	441	0,140	-0,127	0,02	0,02	13,88	7,12	50,7	33,89
	5,244	27,5	16,4	86,00	268,96	-4,460	-0,593	19,89	0,35	13,68	2,72	7,4	16,58
	6,245	39,0	23,5	146,76	552,25	2,640	0,408	6,97	0,17	14,10	9,40	88,3	39,98
	58,368	343,4	208,600	1228,71	4471,02	-	-	-	-	-	-	-	313,567
Среднее значение	5,837	34,34	20,860	122,871	447,10	-	-	-	-	-	-	-	31,357
	0,549	-	3,646	-	-	-	-
	0,302	-	13,292	-	-	-	-

Рассчитаем параметры уравнения:

.

Коэффициент корреляции

.

Коэффициент детерминации

следовательно, только 9,3% результата объясняется вариацией объясняющей переменной .

следовательно, гипотеза о статистической незначимости уравнения регрессии принимается. По всем расчетам линейная модель надежнее, и последующие расчеты мы сделаем для нее.

.

.

Определим ошибки .

,

,

,

,

,

.

Полученные оценки модели и ее параметров позволяют использовать ее для прогноза.

Рассчитаем

.

Средняя ошибка прогноза

,

,

.

Строим доверительный интервал с заданной доверительной вероятностью :

.

Найденный интервальный прогноз достаточно надежен (доверительная вероятность ) и достаточно точен, т.к. .

Оценим значимость каждого параметра уравнения регрессии

.

Используем для этого t-распределение (Стьюдента). Выдвигаем гипотезу о статистической незначимости параметров, т.е.

.

Определим ошибки .

,

, ,

И, то можно предположить о правильном распределении объектов и уже существующих двух классах и верно выполненной классификации объектов подмножества М0. 3.2 Пример решения задачи дискриминантным анализом в системе STATISTICA Исходя из данных по 10 странам (рис. 3.1), которые были выбраны и отнесены к соответствующим группам экспертным методом (по уровню медицинского обслуживания), ...

Специалист для которого MS Excel является именно тем средством которое позволяет облегчить и ускорить его работу, должен знать и уметь использовать в повседневной работе новейшие экономико-математические методы и модели, предлагаемые новыми прикладными программами. Традиционный способ изучения экономико-математических методов заключается не только в определении их назначения и сути, ...