Приднестровский Государственный Университет
им. Т. Г. Шевченко
Кафедра «Прикладной математики
и экономико-математических методов»
Лабораторная работа №1
по дисциплине «Эконометрика»
На тему:
«Модели парной регрессии»
Серия В (N=1)
Выполнил:
студентки 3 курса 301/02 гр.
экономического факультета, ФК, БД
Андриянова О.А.
Проверила:
Доцент,зав.кафедрой
Спиридонова Г.В.
Тирасполь, 2013
Задание 1.
В таблице по территориям района республики приводится данные за 2010 г. о средних рыночных ценах одного квадратного метра жилья квартир домов массового спора на первичном рынке, (у )тыс.руб. и о полной себестоимости одного квадратного метра жилья квартир домов массового спора, (х) тыс.руб. Требуется:
1. Сформировать свой вариант исходных данных, где N- номер варианта.
2.Построить модели парной регрессии у от х :
а) линейную;
б)степенную;
в)показательную;
г) гиперболическую;
д)параболическую;
3. Рассчитать индекс парной корреляции и детерминации (для линейной модели- коэффициенты корреляции и детерминации), и среднюю ошибку аппроксимации.
4.Оценить линейную модель, применив критерии Фишера и Стьюдента.
5. Рассчитать прогнозное значение результата, если прогнозное значение фактора увеличится на 20% от его среднего уровня.
6. Найти доверительный интервал для прогнозного значения средних рыночных цен одного квадратного метра жилья квартир домов массовго спроса на первичном рынке.
7.Составить сводную таблицу результатов вычислений, выбрать лучшую модель, дать интерпретацию рассчитаных характеристик.
8. Результаты расчетов отобразить на графиках.
Серия В N=1
|
|
|
|
|
|
№ района |
у -средние рыночные цены 1м ^2 жильяквартир домов массового спроса на первичном рынке, тыс.руб. |
х -полная себестоимость 1м ^2 жилья квартир домов массового спроса, тыс. руб. |
|
|
1 |
36,333 |
34,34 |
|
|
2 |
36,517 |
35,953 |
|
|
3 |
46,399 |
33,992 |
|
|
4 |
43,59 |
35,243 |
|
|
5 |
38,571 |
34,231 |
|
|
6 |
50,642 |
49,594 |
|
|
7 |
44,124 |
32,866 |
|
|
8 |
43,59 |
32,468 |
|
|
9 |
42,062 |
32,08 |
|
|
10 |
91,169 |
53,56 |
|
|
11 |
36,704 |
33,482 |
|
|
12 |
44,396 |
37,46 |
|
|
|
|
|
|
Графики всех функций высчитаны и построены в программе EXELи имеются в приложении.
Линейная модель.:
Уравнение регрессии для линейной модели будем искать в виде y=ax+b;
Var(x)=
Cov(x;y)=
a=
b= yср-a*xср
Решение по этим формулам проведем в таблице №1.
|
|
|
|
|
|
|
n |
Y |
x |
Х- Хср |
У- Уср |
(Х-Хср)*(У-Уср) |
(Х-Хср)^2 |
1 |
36,333 |
34,34 |
-2,76575000 |
-9,84175000 |
27,21982006 |
7,64937306 |
2 |
36,517 |
35,953 |
-1,15275000 |
-9,65775000 |
11,13297131 |
1,32883256 |
3 |
46,399 |
33,992 |
-3,11375000 |
0,22425000 |
-0,69825844 |
9,69543906 |
4 |
43,59 |
35,243 |
-1,86275000 |
-2,58475000 |
4,81474306 |
3,46983756 |
5 |
38,571 |
34,231 |
-2,87475000 |
-7,60375000 |
21,85888031 |
8,26418756 |
6 |
50,642 |
49,594 |
12,48825000 |
4,46725000 |
55,78813481 |
155,95638806 |
7 |
44,124 |
32,866 |
-4,23975000 |
-2,05075000 |
8,69466731 |
17,97548006 |
8 |
43,59 |
32,468 |
-4,63775000 |
-2,58475000 |
11,98742431 |
21,50872506 |
9 |
42,062 |
32,08 |
-5,02575000 |
-4,11275000 |
20,66965331 |
25,25816306 |
10 |
91,169 |
53,56 |
16,45425000 |
44,99425000 |
740,34663806 |
270,74234306 |
11 |
36,704 |
33,482 |
-3,62375000 |
-9,47075000 |
34,31963031 |
13,13156406 |
12 |
44,396 |
37,46 |
0,35425000 |
-1,77875000 |
-0,63012219 |
0,12549306 |
сумма |
554,097 |
445,269 |
0,00000000 |
0,00000000 |
935,50418225 |
535,10582625 |
средняя |
46,17475 |
37,10575 |
0,00000000 |
0,00000000 |
77,95868185 |
44,59215219 |
|
|
|
|
|
cov(x,y) |
var(x) |
n |
(У-Уср) ^2 |
Ур |
У-Ур |
|У-Ур| / Y |
х ^2 |
(Y-Yp) ^2 |
|
1 |
96,86004306 |
41,33949954 |
-5,00649954 |
0,13779483 |
1179,23560000 |
25,06503765 |
|
2 |
93,27213506 |
44,15944313 |
-7,64244313 |
0,20928453 |
1292,61820900 |
58,40693704 |
|
3 |
0,05028806 |
40,73110502 |
5,66789498 |
0,12215554 |
1155,45606400 |
32,12503356 |
|
4 |
6,68093256 |
42,91817844 |
0,67182156 |
0,01541229 |
1242,06904900 |
0,45134421 |
|
5 |
57,81701406 |
41,14893919 |
-2,57793919 |
0,06683620 |
1171,76136100 |
6,64577045 |
|
6 |
19,95632256 |
68,00745959 |
-17,3654596 |
0,34290628 |
2459,56483600 |
301,55918674 |
|
7 |
4,20557556 |
38,76256411 |
5,36143589 |
0,12150838 |
1080,17395600 |
28,74499484 |
|
8 |
6,68093256 |
38,06675657 |
5,52324343 |
0,12670896 |
1054,17102400 |
30,50621794 |
|
9 |
16,91471256 |
37,38843164 |
4,67356836 |
0,11111142 |
1029,12640000 |
21,84224118 |
|
10 |
2024,48253306 |
74,94105927 |
16,22794073 |
0,17799845 |
2868,67360000 |
263,34606029 |
|
11 |
89,69510556 |
39,83949235 |
-3,13549235 |
0,08542645 |
1121,04432400 |
9,83131226 |
|
12 |
3,16395156 |
46,79407115 |
-2,39807115 |
0,05401548 |
1403,25160000 |
5,75074525 |
|
сумма |
2419,77954625 |
554,09700000 |
0,00000000 |
1,57115880 |
17057,14602300 |
784,27488142 |
|
средняя |
201,64829552 |
46,17475000 |
0,00000000 |
0,13092990 |
1421,42883525 |
65,35624012 |
|
|
var(y) |
|
|
|
|
|
|
a= = 1,748260132
b=46,17475-1,748260132*31,10575= -18,69575338
Подставляем найденные значения в уравнение регрессии, получим:
Ур=1,748260132 *X -18,69575338– уравнение регрессии показывает, что если полная себестоимость (х) увеличится на 1т.р.,, то средние рыночные цены (у) возрастут на 1,748260132 т.р.
Оценим данные уравнения и тесноту связи с помощью коэффициента корреляции и детирминации.
Находим значение коэффициента корреляции:
rxy= == 0,822125261
0.940130369>0 – коэффициент корреляции к 1, связь между x и y тесная.
Коэффициент детерминации равен:
R= =(0,822125261)=0,675889945
Коэффициент детерминации свидетельствует также о том, что 67,58% вариации (у) средние рыночные цены определяются вариацией полной себестоимости (х).
Среднюю ошибку аппроксимации найдем по формуле:
13,09% -расчетные значенияyотклоняются от истинных значений в среднем на 13,09%.
13,09>10 %, Ошибка аппроксимации >10%, значит точность модели не очень хорошая.
Оценим статистическую значимость уравнения регрессии и показателя тесноты связи коэффициента корреляции с помощью критериев Стьюдента и Фишера.
Fфакт = ==20,85371728
Сравниваем полученное значение с табличным. Fтаблнайдем для=0,05 и числа степеней свободы:
k1=m– число параметров при независимых переменных
k2=n-m-1,n– число наблюдений.
Fтабл = 4,96.
Fфакт = 20,85>Fтабл = 4,96, следовательно, гипотеза H0 о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность, связь между средним объемом продаж и средней ценой сформировалась не случайно, а под влиянием объективно действующих факторов. Коэффициент корреляции также статистически значим.
В данном случае мы оценили уравнение регрессии в целом.
Выдвигаем гипотезу H0о статистической незначимости коэффициентов регрессии и корреляции. Найдем значениеt – критерия Стьюдентадляa, b иr.
ta = a / ma, tb = b / mb, tr = r / mr.
ma = == 0,38283736
mb = == 14,43367339
mr = =0,180030568
ta = a / ma = 4,56658705
tb = b / mb = -1,295287268
tr = r / mr = 4,56658705
Сравним полученные значения с табличными. tтабл найдем для=0,05 и числа степеней свободы: df =n-m-1. Для нашей задачи df= 12-1-1=10.
tтабл= 2,2281.
|| ≈4,56658705> tтабл= 2,2281. Гипотеза H0о случайной природеa отклоняется, то есть значенияa неслучайно отличаются от нуля и сформировались под влиянием фактораx,который действует постоянно; признается его статистическая значимость и надежность
|| ≈-1,295287268< tтабл= 2,2281. Гипотеза H0о случайной природе b принимается, то есть значения b статистически незначимо.
|| ≈ 4,56658705>tтабл= 2,2281. . Гипотеза H0о случайной природеrxy отклоняется, то есть значенияrxy неслучайно отличаются от нуля и сформировались под влиянием фактораx,который действует постоянно; признается его статистическая значимость и надежность
Рассчитаем прогнозное значение фактора при увеличение его значения на 20% :
44,5269
Рассчитаем прогнозное значение результата при увеличении значения фактора:
59,14885068
Рассчитаем ошибку прогноза:
=9,645461331
Рассчитаем доверительный интервал прогноза:
= 21,49105239
Доверительный интервал прогноза:
=(37,657798285; 80,63990307).