- •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 4
Задача 1. Исследовать причинно-следственную связь между такими экономическими явлениями, как себестоимость единицы продукцииу(руб.) и объём произведенной продукциих(тыс. шт.). Данные представлены по 24 предприятиям (табл. 30).
Таблица 30
Предпри-ятие |
Выпуск тыс. шт. |
Себестоимость, руб. |
Предпри-ятие |
Выпуск тыс. шт. |
Себестоимость, руб. |
1 |
2 |
8,00 |
13 |
8 |
5,00 |
2 |
3 |
9,00 |
14 |
9 |
3,00 |
3 |
3 |
10,00 |
15 |
9 |
2,00 |
4 |
4 |
7,00 |
16 |
10 |
2,00 |
Окончание табл. 30
Предпри-ятие |
Выпуск тыс. шт. |
Себестоимость, руб. |
Предпри-ятие |
Выпуск тыс. шт. |
Себестоимость, руб. |
5 |
4 |
6,00 |
17 |
11 |
2,00 |
6 |
5 |
5,00 |
18 |
12 |
1,00 |
7 |
6 |
5,00 |
19 |
13 |
1,00 |
8 |
6 |
4,00 |
20 |
14 |
1,00 |
9 |
6 |
3,00 |
21 |
14 |
2,00 |
10 |
7 |
3,00 |
22 |
15 |
1,00 |
11 |
7 |
4,00 |
23 |
16 |
0,98 |
12 |
7 |
5,00 |
24 |
17 |
0,80 |
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 40 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:
= 29000,
= 190000.
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. Сделайте выводы.
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. 31):
= 5,56 + 0,733х R2 = 0,653 F = 11,3.
Таблица 31
у |
7 |
8 |
9 |
9 |
10 |
11 |
12 |
15 |
х |
2 |
6 |
3 |
3 |
5 |
6 |
8 |
8 |
Для последних 8 заводов результаты следующие (табл. 32):
= 19 + 0,892х; R2 = 0,763; F = 19,3:
Таблица 32
у |
23 |
22 |
24 |
25 |
27 |
31 |
33 |
35 |
х |
14 |
16 |
16 |
17 |
17 |
18 |
18 |
19 |
Задание:
С помощью теста Гольдфельда-Квандта исследуйте гетероскедастичность остатков. Сделайте выводы.
Задача 4.По данным, представленным в табл. 33, изучается зависимость чистого доходау(млрд долл.) крупнейших компаний США в 20ХХ г. от использованного капиталах1(млрд долл.) и численности служащихх2(тыс. чел.).
Таблица 33
№ п/п |
y |
x1 |
x2 |
№ п/п |
y |
x1 |
x2 |
1 |
0,9 |
18,9 |
43,0 |
14 |
1,4 |
12,6 |
212,0 |
2 |
1,7 |
13,7 |
64,7 |
15 |
0,4 |
12,2 |
105,0 |
3 |
0,7 |
18,5 |
24,0 |
16 |
0,8 |
3,2 |
33,5 |
4 |
1,7 |
4,8 |
50,2 |
17 |
1,8 |
13,0 |
142,0 |
5 |
2,6 |
21,8 |
106 |
18 |
0,9 |
6,9 |
96,0 |
6 |
1,3 |
5,8 |
96,6 |
19 |
1,1 |
15,0 |
140,0 |
7 |
4,1 |
99,0 |
347 |
20 |
1,9 |
11,9 |
59,3 |
8 |
1,6 |
20,1 |
85,6 |
21 |
-0,9 |
1,6 |
131,0 |
9 |
6,9 |
60,6 |
745,0 |
22 |
1,3 |
8,6 |
70,7 |
10 |
0,4 |
1,4 |
4,1 |
23 |
2,0 |
11,5 |
65,4 |
11 |
1,3 |
8,0 |
26,8 |
24 |
0,6 |
1,9 |
23,1 |
12 |
1,9 |
18,9 |
42,7 |
25 |
0,7 |
5,8 |
80,8 |
13 |
1,9 |
13,2 |
61,8 |
|
|
|
|
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 39 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 |
0,77 |
Уравнение регрессии |
lny = ??? + 0,38∙lnx1 + 20∙lnx2 |
Стандартные ошибки параметров |
3 1,1 ??? |
t-критерий для параметров |
1,7 ??? 4 |
Задания:
1. Напишите уравнение регрессии, характеризующее зависимость уотх1их2.
2. Восстановите пропущенные характеристики.
3. Оцените адекватность полученной модели.
Задача 6.Пусть имеются данные о среднедушевом располагаемом доходе в США в период с 1986 по 2002 гг. (в сопоставимых ценах 1997 г.)
Таблица 34
Год |
Среднедушевой располагаемый доход (долл. США) |
Год |
Среднедушевой располагаемый доход (долл. США) |
1986 |
10 906 |
1995 |
13 029 |
1987 |
11 192 |
1996 |
13 258 |
1988 |
11 406 |
1997 |
13 552 |
1989 |
11 851 |
1998 |
13 545 |
1990 |
12 039 |
1999 |
13 890 |
1991 |
12 005 |
2000 |
14 030 |
1992 |
12 156 |
2001 |
14 154 |
1993 |
12 146 |
2002 |
13 987 |
1994 |
12 349 |
|
|
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.