- •«Финансовый университет при Правительстве Российской Федерации» Кировский филиал
- •Киров 2012г. (2013г.) Содержание
- •Исходные данные Задача 1. Эконометрическое моделирование стоимости квартир в Московской области
- •Задача 2. Исследовать динамику экономического показателя на основе анализа одномерного временного ряда
- •Решение Задача 1.1. Матрица парных коэффициентов корреляции
- •Задача 1.2. Поле корреляции результативного признака
- •Задача 1.3. Параметры линейной парной регрессии
- •Задача 1.4. Оценка качества моделей
- •Задача 1.5. Прогнозирование среднего значения
- •Задача 1.6. Пошаговая множественная регрессия
- •Задача 1.7. Оценка качества многофакторной модели
- •Задача 2.1. Проверка наличия аномальных наблюдений
- •Задача 2.2. Построение линейной модели
- •Задача 2.3. Оценка адекватности модели
- •Задача 2.4. Оценка точности модели
- •Задача 2.5. Осуществление прогноза
- •Задача 2.6. Графическое представление результатов моделирования и прогнозирования
- •Список литературы
Задача 2. Исследовать динамику экономического показателя на основе анализа одномерного временного ряда
Задача 2. Исследовать динамику экономического показателя на основе анализа одномерного временного ряда.
В течение девяти последовательных недель фиксировался спрос Y(t) (млн. р.) на кредитные ресурсы финансовой компании. Временной ряд Y(t) этого показателя приведен ниже в таблице.
Номер варианта |
Номер наблюдения (t = 1, 2, …, 9) | ||||||||
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 | |
2 |
43 |
47 |
50 |
48 |
54 |
57 |
61 |
59 |
65 |
Задание.
Проверить наличие аномальных наблюдений.
Построить линейную модель ,параметры которой оценить МНК (– расчетные, смоделированные значения временного ряда).
Оценить адекватность построенных моделей, используя свойства независимости остаточной компоненты, случайности и соответствия нормальному закону распределения (при использовании R/S-критерия взять табулированные границы 2,7-3,7).
Оценить точность моделей на основе использования средней относительной ошибки аппроксимации.
Осуществить прогноз спроса на следующие две недели (доверительный интервал прогноза рассчитать при доверительной вероятности р = 70%).
Фактические значения показателя, результаты моделирования и прогнозирования представить графически.
Решение Задача 1.1. Матрица парных коэффициентов корреляции
Рассчитайте матрицу парных коэффициентов корреляции; оцените статистическую значимость коэффициентов корреляции.
Парные коэффициенты корреляции рассчитываются по формуле:
,
где n – объем выборки, - значение факторного признака, - значение результативного признака,- среднее значение факторного признака,- среднее значение результативного признака.
Используя инструмент «Корреляция» пакета «Анализ данных» в Excel получим матрицу парных коэффициентов корреляции.
|
Y |
X1 |
X2 |
X4 |
Y |
1 |
|
|
|
X1 |
-0,01126 |
1 |
|
|
X2 |
0,751061 |
-0,0341 |
1 |
|
X4 |
0,874012 |
-0,0798 |
0,868524 |
1 |
Качественно оценим взаимосвязь между результирующим признаком Y и каждым из факторов Хj, j=1,2,4 (силу зависимости определим по шкале Чеддока):
, значит, между переменными Y и Х1 наблюдается обратная корреляционная зависимость. Однако зависимость между этими показателями очень слабая.
, значит, между переменными Y и Х2 наблюдается прямая корреляционная зависимость: чем больше число комнат в квартире, тем выше ее цена.
, значит, между переменными Y и X4 наблюдается прямая корреляционная зависимость: чем больше жилая площадь квартиры, тем выше ее цена.
–эта зависимость высокая, ближе к весьма высокой.
Это означает, что на 87,4 зависимая переменная Y (цена квартиры) зависит от показателя Х4 жилая площадь квартиры.
Оценим теперь статистическую значимость каждого коэффициента. Для этого рассчитаем значения t-критерия Стьюдента для каждого коэффициента.
,
где - парный коэффициент корреляции результативного признакаY и факторного Xj, j=1,2,4, n – объем выборки.
ty,x1 = 0,069 ty,x2 = 7,012 ty,x4 = 11,088 tкр. = (0,05; 38) = 2,024
По таблице критических точек распределения Стьюдента (или с помощью функции СТЬЮДРАСПОБР в Excel) при уровне значимости α=5% и числе степеней свободы k=n–2=40–2=38 определим критическое значение: tкр = 2.024
Т.к. (0,069<2.024),то коэффициент не является значимым. На основании выборочных данных нет оснований утверждать, что зависимость между ценой квартирыY и городом области Х1 существует.
Т.к. (7,012>2.024),то коэффициент является значимым. На основании выборочных данных есть основания утверждать, что зависимость между ценой квартирыY и числом комнат в квартире Х2 существует.
Т.к. (11,088>2.024),то коэффициент является значимым (значимо отличается от нуля). На уровне значимости 5% выборочные данные позволяют сделать вывод о наличии тесной линейной корреляционной зависимости между признакамиY и Х4. Зависимость между ценой квартиры Y и жилой площадью квартиры Х4 является достоверной.
Таким образом, наиболее тесная и значимая зависимость наблюдается между ценой квартиры Y и жилой площадью квартиры Х4.