- •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 3
Задача 1. Имеются данные об уровне механизации шахтых(%) и сменной добычиу(т) для 26 предприятий (табл. 26).
Таблица 26
Шахта |
Уровень механизации, % |
Сменная добыча, т |
Шахта |
Уровень механизации, % |
Сменная добыча, т |
1 |
35 |
6,2 |
14 |
65 |
7 |
2 |
37 |
4,5 |
15 |
67 |
5,2 |
3 |
37 |
6,8 |
16 |
67 |
7,8 |
4 |
47 |
6,5 |
17 |
81 |
8,7 |
5 |
49 |
5 |
18 |
82 |
10,3 |
6 |
49 |
5,5 |
19 |
82 |
10,9 |
7 |
50 |
5,6 |
20 |
82 |
9,6 |
8 |
51 |
5,1 |
21 |
83 |
7,5 |
9 |
53 |
6,1 |
22 |
84 |
5,5 |
10 |
55 |
5,8 |
23 |
84 |
10,5 |
11 |
58 |
6,3 |
24 |
85 |
9,7 |
12 |
59 |
5,3 |
25 |
100 |
9,7 |
13 |
64 |
6,1 |
26 |
100 |
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. При изучении зависимости потребления материалов у от объема производства продукции х по 15 наблюдениям были получены следующие варианты уравнения регрессии:
1. у = 1,2 + 3,2х + е.
(4,22)
2. lnу = 1,3 + 0,9x + e, r2 = 0,77.
(6,60)
3. у = 1,1 + 0,8 + е, r2= 0,81.
(7,44)
4. у = 6 + 4,5х + 0,6х2 + е, r2 = 0,701.
(3,0) (2,65)
В скобках указаны фактические значения t-критерия.
Задания:
1. Определите коэффициент детерминации для 1-го уравнения.
2. Запишите функции, характеризующие зависимость у от х во 2-м уравнении.
3. Определите коэффициенты эластичности для каждого из уравнений для значения x0 = 1,2.
Задача 3. Зависимость выработки продукции (ден. ед.) у от производительности труда (ед.) х по 10 предприятиям характеризуется следующими данными (табл. 27).
Таблица 27
х |
7 |
8 |
14 |
16 |
19 |
21 |
20 |
32 |
42 |
22 |
у |
7 |
2 |
8 |
17 |
9 |
10 |
12 |
26 |
35 |
15 |
Задание:
Проверить гипотезу об отсутствии гетероскедастичности в линейной регрессии с помощью теста ранговой корреляции Спирмэна при вероятности 0,95.
Задача 4.По данным, представленным в табл. 28, изучается зависимость чистого доходау(млрд долл.) крупнейших компаний США в 20ХХ г. от оборота капиталах1(млрд долл.) и рыночной капитализацией компаниих2(млрд долл.).
Таблица 28
№ п/п |
y |
x1 |
x2 |
№ п/п |
y |
x1 |
x2 |
1 |
0,9 |
31,3 |
40,9 |
14 |
1,4 |
9,8 |
33,1 |
2 |
1,7 |
13,4 |
40,5 |
15 |
0,4 |
19,5 |
32,7 |
3 |
0,7 |
4,5 |
38,9 |
16 |
0,8 |
6,8 |
32,1 |
4 |
1,7 |
10,0 |
38,5 |
17 |
1,8 |
27,0 |
30,5 |
5 |
2,6 |
20,0 |
37,3 |
18 |
0,9 |
12,4 |
29,8 |
6 |
1,3 |
15,0 |
26,5 |
19 |
1,1 |
17,7 |
25,4 |
7 |
4,1 |
137,0 |
37,0 |
20 |
1,9 |
12,7 |
29,3 |
8 |
1,6 |
17,9 |
36,8 |
21 |
-0,9 |
21,4 |
29,2 |
9 |
6,9 |
165,0 |
36,3 |
22 |
1,3 |
13,5 |
29,2 |
10 |
0,4 |
2,0 |
35,3 |
23 |
2,0 |
13,4 |
29,1 |
11 |
1,3 |
6,8 |
35,3 |
24 |
0,6 |
4,2 |
27,9 |
12 |
1,9 |
27,1 |
35,0 |
25 |
0,7 |
15,5 |
27,2 |
13 |
1,9 |
13,4 |
26,2 |
|
|
|
|
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.
Задача 5. По 27 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 |
??? |
Множественный коэффициент корреляции |
0,79 |
Уравнение регрессии |
lny = ??? + 0,9∙lnx1 + 0,5∙lnx2 |
Стандартные ошибки параметров |
5 0,6 ??? |
t-критерий для параметров |
1,5 ??? 6 |
Задания:
1. Напишите уравнение регрессии, характеризующее зависимость уотх1их2.
2. Восстановите пропущенные характеристики.
3. Оцените адекватность полученной модели.
Задача 6.Пусть имеются поквартальные данные о прибыли компании за последние 4 года.
Таблица 29
Год |
Квартал | |||
I |
II |
III |
IV | |
1 |
72 |
100 |
90 |
64 |
2 |
70 |
92 |
80 |
58 |
3 |
62 |
80 |
68 |
48 |
4 |
52 |
60 |
50 |
30 |
Задания:
1. Построить линейную модель Y(t) =a0+a1t, параметры которой оценить методом наименьших квадратов (МНК).
2. Оценить адекватность построенной 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.