- •1. Парная регрессия и корреляция
- •1.1. Оценка параметров, оценка адекватности модели
- •1.2. Виды нелинейной регрессии. Оценка параметров модели.
- •1.3. Коэффициент эластичности как характеристика силы связи фактора с результатом
- •1.4. Анализ гетероскедастичности
- •2. Множественная регрессия и корреляция
- •2.1. Нормальная линейная модель множественной регрессии
- •2.2. Традиционный метод наименьших квадратов для многомерной регрессии (ols)
- •2.3. Парный, частный и множественный коэффициент корреляции
- •3. Моделирование одномерных временных рядов
- •3.1. Основные понятия и определения
- •3.2. Требования к исходной информации
- •3.3. Этапы построения прогноза по временным рядам
- •4. Типичные примеры анализа моделей Задача 1
- •Задача 3
- •Задача 4
- •Задача 5
- •Задача 6
- •Задача 7
- •Задача 8
- •5. Задания для выполнения контрольных работ Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •Приложение 1 Статистико-математические таблицы
- •Критические значения t-критерия Стьюдента при уровне значимости 0,10; 0,05; 0,01 (двухсторонний)
- •Критические значения корреляции для уровневой значимости 0,05 и 0,01
- •Значения статистик Дарбина-Уотсона для 5%-го уровня значимости
- •Критические границы отношения rs на 5% уровне значимости
- •Содержание
Вариант 2
Задача 1. Имеются данные о мощности пласта шахтых(м) и сменной добычиу(т) для 26 предприятий (табл. 21).
Таблица 21
Шахта |
Мощность пласта, м |
Сменная добыча, т |
Шахта |
Мощность пласта, м |
Сменная добыча, т |
1 |
76 |
5 |
14 |
98 |
9,6 |
2 |
76 |
5,2 |
15 |
100 |
8,8 |
3 |
78 |
5,4 |
16 |
101 |
7,0 |
4 |
80 |
5,6 |
17 |
105 |
10,5 |
5 |
82 |
5,5 |
18 |
108 |
10,3 |
6 |
83 |
6,8 |
19 |
110 |
10,6 |
7 |
84 |
5,5 |
20 |
113 |
10,9 |
8 |
85 |
6,2 |
21 |
113 |
8,7 |
9 |
88 |
4,5 |
22 |
115 |
7,8 |
10 |
90 |
5,9 |
23 |
115 |
9,1 |
11 |
91 |
6,5 |
24 |
116 |
9,7 |
12 |
94 |
6,1 |
25 |
125 |
9,7 |
13 |
98 |
7,5 |
26 |
141 |
11,6 |
Задания:
1. Построить линейную модель y=b0+b1x, параметры которой оценить методом наименьших квадратов.
2. Оценить тесноту и направление связи между переменными с помощью коэффициента корреляции, найти коэффициент детерминации и пояснить его смысл.
3. Проверить значимость уравнения регрессии на 5%-м уровне по F-критерию, проверить значимость коэффициента регрессии поt-статистике.
Задача 2. По совокупности 20 предприятий торговли изучается линейная зависимость между ценой товара А (тыс. руб.) х и прибылью торгового предприятия (млн руб.) у.
При оценке регрессионной модели были получены следующие промежуточные результаты:
= 49000,
= 90000.
Задания:
1. Поясните, какой показатель корреляции можно определить по вышеприведенным данным:
2. Постройте таблицу дисперсионного анализа для расчета значения F-критерия Фишера.
3.
Сравните фактическое значение F-критерия
с табличным
Задача 3. По 20 машиностроительным заводам строилась линейная модель зависимости рентабельности продукции (%) у, от производительности труда (ед. в день) х.
Для первых 8 заводов (заводы проранжированы по х) результаты оказались следующими (табл. 22):
= 4,484 + 1,135х R2 = 0,830 F = 29,3.
Таблица 22
у |
7 |
8 |
9 |
9 |
8 |
11 |
12 |
15 |
х |
2 |
3 |
3 |
4 |
5 |
6 |
7 |
8 |
Для последних 8 заводов результаты следующие (табл. 23):
= 19 + 2,756х; R2 = 0,763; F = 19,3.
Таблица 23
у |
23 |
22 |
24 |
25 |
27 |
31 |
33 |
35 |
х |
14 |
16 |
16 |
17 |
17 |
18 |
18 |
19 |
Задание:
С помощью теста Гольдфельда-Квандта исследовать гетероскедастичность остатков. Сделать выводы.
Задача 4.По данным, представленным в табл. 24, изучается зависимость чистого доходау(млрд долл.) крупнейших компаний США в 20ХХ г. от оборота капиталах1(млрд долл.) и численности служащихх2(тыс. чел.).
Задания:
1. Построить линейное уравнение множественной регрессии и пояснить экономический смысл его параметров.
2. Рассчитать частные коэффициенты эластичности, а также стандартизированные коэффициенты регрессии; сделать вывод о силе связи результата и фактора.
3. Рассчитать парные, частные коэффициенты корреляции, а также множественный коэффициент корреляции; сделать выводы.
4. Проверить значимость уравнения регрессии на 5%-м уровне по F-критерию, проверить значимость коэффициентов регрессии поt-статистике.
Таблица 24
№ п/п |
y |
x1 |
x2 |
№ п/п |
y |
x1 |
x2 |
1 |
0,9 |
31,3 |
43,0 |
14 |
1,4 |
9,8 |
212,0 |
2 |
1,7 |
13,4 |
64,7 |
15 |
0,4 |
19,5 |
105,0 |
3 |
0,7 |
4,5 |
24,0 |
16 |
0,8 |
6,8 |
33,5 |
4 |
1,7 |
10,0 |
50,2 |
17 |
1,8 |
27,0 |
142,0 |
5 |
2,6 |
20,0 |
106 |
18 |
0,9 |
12,4 |
96,0 |
6 |
1,3 |
15,0 |
96,6 |
19 |
1,1 |
17,7 |
140,0 |
7 |
4,1 |
137,0 |
347 |
20 |
1,9 |
12,7 |
59,3 |
8 |
1,6 |
17,9 |
85,6 |
21 |
-0,9 |
21,4 |
131,0 |
9 |
6,9 |
165,0 |
745,0 |
22 |
1,3 |
13,5 |
70,7 |
10 |
0,4 |
2,0 |
4,1 |
23 |
2,0 |
13,4 |
65,4 |
11 |
1,3 |
6,8 |
26,8 |
24 |
0,6 |
4,2 |
23,1 |
12 |
1,9 |
27,1 |
42,7 |
25 |
0,7 |
15,5 |
80,8 |
13 |
1,9 |
13,4 |
61,8 |
|
|
|
|
Задача 5. По 35 предприятиям отрасли были получены следующие результаты регрессионного анализа зависимости объема выпуска продукцииу(млн руб.) от численности занятых на предприятиих1(чел.) и среднегодовой стоимости основных фондовх2(млн руб.):
Коэффициент детерминации |
0,85 |
Множественный коэффициент корреляции |
??? |
Уравнение регрессии |
lny = 5,3 + 0,77∙lnx1 + ???∙lnx2 |
Стандартные ошибки параметров |
??? 0,06 0,12 |
t-критерий для параметров |
2,5 ??? 1,6 |
Задания:
1. Написать уравнение регрессии зависимости уотх1их2.
2. Восстановите пропущенные характеристики.
3. Оцените адекватность полученной модели.
Задача 6.Имеются помесячные данные о темпах роста номинальной заработной платы в РФ за 10 месяцев 2003 г. в процентах к уровню декабря 2002 г.
Таблица 25
Месяц |
Темпы роста номинальной месячной заработной платы |
Месяц |
Темпы роста номинальной месячной заработной платы |
Январь |
82,9 |
Июнь |
121,6 |
Февраль |
87,3 |
Июль |
118,6 |
Март |
99,4 |
Август |
114,1 |
Апрель |
104,8 |
Сентябрь |
123,0 |
Май |
107,2 |
Октябрь |
127,3 |
Задания:
1. Построить линейную модель Y(t) =a0+a1t, параметры которой оценить методом наименьших квадратов (МНК).
2. Оценить адекватность модели на основе исследования:
случайной остаточной компоненты по критерию пиков;
независимости уровней ряда остатков по d-критерию или по первому коэффициенту автокорреляции;
нормальности распределения остаточной компоненты по RS-критерию.
3. Построить точечный и интервальный прогнозы на два шага вперед. Отобразить на графике фактические данные, результаты расчетов и прогнозирования.