- •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 9
Задача 1. Имеются данные об удельном весе продукции высшей категории качествах(%) и рентабельности производствау(%) для 24 однотипных предприятий (табл. 53).
Таблица 53
Номер пред-приятия |
Удельный вес (%) |
Рентабель-ность, % |
Номер пред-приятия |
Удельный вес (%) |
Рентабель-ность, % |
1 |
68,6 |
18,6 |
13 |
75,1 |
21,4 |
2 |
69,4 |
18,3 |
14 |
75,2 |
21,3 |
3 |
69,6 |
19,4 |
15 |
75,4 |
32,6 |
4 |
70,6 |
21,4 |
16 |
76,3 |
29,4 |
5 |
71,6 |
20,4 |
17 |
76,2 |
30,4 |
6 |
72,3 |
19,8 |
18 |
77,6 |
32,4 |
7 |
72,5 |
19,7 |
19 |
78,6 |
36,5 |
8 |
72,6 |
22,6 |
20 |
78,6 |
36,5 |
9 |
72,8 |
19,3 |
21 |
78,7 |
36,4 |
10 |
73,1 |
19,4 |
22 |
79,2 |
36,9 |
11 |
74,8 |
21,9 |
23 |
80,1 |
39,4 |
12 |
74,8 |
21,6 |
24 |
80,2 |
40,3 |
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 32 наблюдениям были получены следующие варианты уравнения регрессии:
1. у = 2 + 1,2х + е.
(6,1)
2. lnу = 3 + 0,1x + e, r2 = 0,66.
(7,63)
3. у = 1,1 + 0,8lnx + е, r2= 0,71.
(8,57)
4. у = 5 + 0,2х + 1,6х2 + 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 = 3,4.
Задача 3. В табл. 54 имеются данные о доходах по акциям х и балансовой прибыли у 11 предприятий одной отрасли, ден. ед.
Таблица 54
х |
3 |
4 |
5 |
7 |
8 |
10 |
11 |
12 |
15 |
20 |
30 |
у |
12 |
13 |
20 |
19 |
31 |
24 |
41 |
28 |
52 |
55 |
103 |
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. 55, изучается зависимость чистого доходау(млрд долл.) крупнейших компаний США в 20ХХ г. от оборота капиталах1(млрд долл.) и использованного капиталах2(млрд долл.).
Таблица 55
№ п/п |
y |
x1 |
x2 |
№ п/п |
y |
x1 |
x2 |
1 |
6,6 |
6,9 |
83,6 |
11 |
4,2 |
71,9 |
32,5 |
2 |
3,0 |
18,0 |
6,5 |
12 |
2,7 |
93,6 |
25,4 |
3 |
6,5 |
107,9 |
50,4 |
13 |
1,6 |
10,0 |
6,4 |
4 |
3,3 |
16,7 |
15,4 |
14 |
2,4 |
31,5 |
12,5 |
5 |
0,1 |
79,6 |
29,6 |
15 |
3,3 |
36,7 |
14,3 |
6 |
3,6 |
16,2 |
13,3 |
16 |
1,8 |
13,8 |
6,5 |
7 |
1,5 |
5,9 |
5,9 |
17 |
2,4 |
64,8 |
22,7 |
8 |
5,5 |
53,1 |
27,1 |
18 |
1,6 |
30,4 |
15,8 |
9 |
2,4 |
18,8 |
11,2 |
19 |
1,4 |
12,1 |
9,3 |
10 |
3,0 |
35,3 |
16,4 |
20 |
0,9 |
31,3 |
18,9 |
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 |
= 180 + 0,56х1 0,1х2 |
Стандартные ошибки параметров |
10 0,13 0,85 |
Множественный коэффициент корреляции |
0,65 |
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 9. Пусть имеются данные о динамике объемов ВВП США (в ценах 1997 г., млрд долл. США)
Таблица 56
Год |
Объем ВВП США, млрд. долл. |
Год |
Объем ВВП США, млрд. долл. |
1986 |
3221,7 |
1995 |
4148,5 |
1987 |
3380,8 |
1996 |
4279,8 |
1988 |
3533,2 |
1997 |
4404,5 |
1989 |
3703,5 |
1998 |
4540 |
1990 |
3796,8 |
1999 |
4781,6 |
1991 |
3776,3 |
2000 |
4836,9 |
1992 |
3843,1 |
2001 |
4884,9 |
1993 |
3760,3 |
2002 |
4848,4 |
1994 |
3906,6 |
|
|
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.