Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

ЛР2_висновки

.docx
Скачиваний:
2
Добавлен:
18.12.2021
Размер:
17.46 Кб
Скачать

Висновки ЛР2

В результаті розрахунків було отримано рівняння множинної регресії: Y = 18.1829 + 0.09231X1 + 0.9995X2-0.01504X3.

Інтерпретація коефіцієнтів регресії: константа оцінює вплив інших (крім врахованих у моделі хi) чинників на результат Y і означає, що Y при відсутності xi склав би 18.1829. Коефіцієнт а1 вказує, що зі збільшенням x1 на 1, Y збільшується на 0.09231. Коефіцієнт а2 вказує, що зі збільшенням x2 на 1, Y збільшується на 0.9995. Коефіцієнт а3 вказує, що зі збільшенням x3 на 1, Y знижується на 0.01504.

Значення парного коефіцієнта кореляції свідчить про низькі лінійні зв'язки між x1 і y, x3 і y, x2 і x1, x3 і x1, x3 і x2 і сильнимй лінійний зв'язок між x2 і y.

Т статистика: Оскільки tнабл <tкріт, то приймаємо гіпотезу про рівність 0 коефіцієнтів кореляції для а0, а1, а3. Іншими словами, коефіцієнти кореляції статистично - не значимі, а для а2 значимі і гіпотеза не вірна.

Еластичність: При зміні фактора х1 на 1%, Y зміниться на 0.0437%. Приватний коефіцієнт еластичності | E1 | <1. Отже, його вплив на результативну ознаку Y незначно. Так само і для х2 та х3, але у зміниться на 0,782% та на -0.00556% відповідно.

F статистика: Оскільки фактичне значення F> Fkp, то коефіцієнт детермінації статистично значимий і рівняння регресії статистично надійно (тобто коефіцієнти аi спільно значимі). Фактори х1 і х3 недоцільно включати в модель після введення факторів хj, а х2 доцільно.

Також був проведений точковий та інтервальний прогнози на основі заданих мною Х.

Статистична значимість рівняння перевірена за допомогою коефіцієнта детермінації і критерію Фішера. Встановлено, що в досліджуваній ситуації 75.1% загальної варіабельності Y пояснюється зміною факторів Xj. Встановлено також, що параметри моделі статистично не значимі.

Прогнозні можливості моделі:

Аналізуючи здобуті характеристики, доходимо висновку, що

побудована економетрична модель буде давати зміщений прогноз,

а це означає, що залишки не є випадковими і ними не можна нехтувати, прогнозуючи прибуток за розглянутою моделлю. Зміщеність прогнозу характеризується порівняно великими значеннями

похибок М.Е. та М.Р.Е. Наголосимо, що абсолютне зміщення М.Е.

збігається з абсолютною похибкою прогнозу, а це означає, що точ-

ковий прогноз може бути зміщеним в бік збільшення. Оскільки відносна похибка прогнозу М.А.Р.Е.= 2,810806 (що менше за 10%) і коефіцієнт Тейла наближається до нуля, економетричну модель можна використовувати для прогнозування, враховуючи зміщення прогнозу. Зауважимо, що всі розраховані характеристики для оцінювання

прогнозних можливостей моделі мають розглядатись системно, тобто

робити висновки на основі лише окремих характеристик немає сенсу.

Економіко математичний аналіз моделі:

На базі обчислених характеристик середньої ефективності впливу чинників на продуктивність можна дійти висновку, що при зміні х1 на 1%, у в середньому зміниться на 2,11 за умови, що решта чинників будуть константами. Аналогічно в разі зменшення х2 на 1%, у в середньому збільшиться на 1,27 за умови, що решта чинників - константи; у разі зменшення х3 на 1%, у зросте в середньому на 2,7, якщо решта - константи.

Гранична ефективність чинників показує, що коли х1 зміниться на 1%, то у гранично зросте на 0,092314 за умови, що решта чинників будуть сталими. Аналогічно, якщо на 1% зменшаться х2 та х3, то у гранично зросте на 0,999458, -0,01504. Усі ці співвідношення між економічними показниками і у можуть бути використані в управлінні рівня у. У лінійній моделі збільшення х3 може зумовити падіння рівня у, що суперечить теоретичним уявленням про цей зв'язок.

Обчислена сумарна еластичність показує, що коли всі враховані нами чинники збільшуються одночасно на 1%, то у знижується для лінійної моделі на 0.820149. Зміна всіх чинників одночасно, як засвідчує показник сумарної еластичності, для лінійної моделі менше впливає на зниження у.

Норма заміщення чинників у моделі:

h12,h13: Обчислені показники свідчать, що в разі збільшення х1 на 1%, х2 має зменшитися на 10,83 (за умови, що решта не зміняться) за незмінної у. Аналогічно за цих самих умов у разі зміни х3 необхідно збільшити х1 на 0,16.

h21,h23: Наприклад, якщо х2 збільшиться на 1%, то х1 потрібно зменшити на 0,09 (що ж до х3, то його в такому разі слід збільшити на 0,015) за умови, що решта не змінюються за незмінного результату:

h31,h32: Зі збільшенням х3 на 1% потрібно х1 збільшити на 6,14 якщо решта чинників та у лишаться незмінними. Що ж до х2, то його треба також збільшити на 66,43, коли решта чинників (для кожного з двух випадків їх набір, звичайно, буде різним) не змінюються за незмінного результату у.

Соседние файлы в предмете Моделирование