- •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 8
Задача 1. Имеются данные об износе основных фондовх(%) и рентабельности производствау(%) для 24 однотипных предприятий (табл. 48).
Таблица 48
Номер пред-приятия |
Износ ОФ, % |
Рентабельность, % |
Номер пред-приятия |
Износ ОФ, % |
Рентабельность, % |
1 |
42,3 |
35,39 |
13 |
56,2 |
13,11 |
2 |
43,2 |
33,41 |
14 |
56,3 |
29,14 |
3 |
45,6 |
34,36 |
15 |
56,7 |
19,45 |
4 |
49,5 |
36,42 |
16 |
56,9 |
30,51 |
5 |
50,1 |
35,45 |
17 |
57,3 |
26,31 |
6 |
51,3 |
32,14 |
18 |
57,8 |
21,28 |
7 |
52,3 |
30,98 |
19 |
58,3 |
26,32 |
8 |
52,3 |
31,25 |
20 |
58,3 |
13,31 |
9 |
53,4 |
27,12 |
21 |
58,6 |
12,34 |
10 |
54,1 |
26,45 |
22 |
59,2 |
11,24 |
11 |
55,3 |
25,41 |
23 |
60,1 |
11,45 |
12 |
55,4 |
32,5 |
24 |
61,3 |
10,98 |
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 18 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,
= 100000.
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. 49):
= 4,484 + 1,135х R2 = 0,830 F = 29,3.
Таблица 49
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. 50):
= 19 + 2,756х; R2 = 0,763; F = 19,3:
Таблица 50
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. Сделайте выводы.
Задача 4.По данным, представленным в табл. 37, изучается зависимость индекса человеческого развитияу25 стран от ВВП 20ХХ г.х1(% к 20ХХ г.) и валового накоплениях2(% к ВВП).
Таблица 51
№ п/п |
y |
x1 |
x2 |
№ п/п |
y |
x1 |
x2 |
1 |
0,904 |
115 |
25,2 |
14 |
0,744 |
94 |
23,0 |
2 |
0,922 |
123 |
21,8 |
15 |
0,921 |
118 |
20,2 |
3 |
0,763 |
74 |
25,7 |
16 |
0,927 |
130 |
25,2 |
4 |
0,923 |
111 |
17,8 |
17 |
0,802 |
127 |
22,4 |
5 |
0,918 |
113 |
15,9 |
18 |
0,747 |
61 |
22,7 |
6 |
0,906 |
110 |
22,4 |
19 |
0,927 |
117 |
18,1 |
7 |
0,905 |
119 |
20,6 |
20 |
0,721 |
46 |
20,1 |
8 |
0,545 |
146 |
25,2 |
21 |
0,913 |
107 |
17,3 |
9 |
0,894 |
113 |
20,7 |
22 |
0,918 |
110 |
16,8 |
10 |
0,900 |
108 |
17,5 |
23 |
0,833 |
99,2 |
29,9 |
11 |
0,932 |
113 |
19,7 |
24 |
0,914 |
101 |
20,3 |
12 |
0,740 |
71 |
18,5 |
25 |
0,923 |
105 |
14,1 |
13 |
0,701 |
210 |
42,4 |
|
|
|
|
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. При изучении уровня потребления мяса (кг на душу населения) у в зависимости от дохода (руб. на одного члена семьи) х1 и в соотношении с уровнем потребления рыбы (кг на душу населения) х2 результаты оказались следующими (по 50 семьям):
Уравнение регрессии |
= 80 + 1,1х1 0,4х2 |
Стандартные ошибки параметров |
12 0,01 0,65 |
Множественный коэффициент корреляции |
0,82 |
Задания:
1. Используя t-критерий Стьюдента, оцените значимость параметров уравнения.
2. Рассчитайте F-критерий Фишера.
3. Оцените по частным F-критериям Фишера целесообразность включения в модель:
а) фактора х1 после фактора х2;
б) фактора х2 после фактора х1.
Задача 6.Имеются данные о динамике импорта товаров и услуг России за 19942004 гг. по данным ЦБ РФ.
Таблица 52
Год |
Импорт товаров и услуг России, млрд долл. |
Год |
Импорт товаров и услуг России, млрд долл. |
1994 |
62,6 |
2000 |
53,8 |
1995 |
68,1 |
2001 |
61 |
1996 |
72 |
2002 |
76,1 |
1997 |
58 |
2003 |
97,4 |
1998 |
39,5 |
2004 |
125,1 |
1999 |
44,9 |
|
|
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.