Практическая часть.
Задание 1. Парная регрессия и корреляция в эконометрическом моделировании
Для изучения зависимости оборота розничной торговли от уровня денежных доходов на душу населения по субъектам Приволжского федерального округа необходимо выполнить задание, состоящее из следующих этапов:
определение формы связи,
оценка параметров уравнений и показателей тесноты связи,
оценка качества уравнений по средней ошибке аппроксимации, статистической значимости коэффициентов регрессии и корреляции по F – критерию Фишера,
прогнозирование результативного признака в виде доверительного интервала при увеличении факторного признака на 10% (или другое возможное значение).
Исходные данные
Субъекты федерации |
Среднедушевые денежные доходы на душу населения, тыс. руб. |
Оборот розничной торговли на душу населения, тыс. руб. |
1. Республика Башкортостан |
15,0 |
9,4 |
2. Республика Мариэл |
8,4 |
4,3 |
3. Республика Мордовия |
10,0 |
5,6 |
4. Республика Татарстан |
14,9 |
9,0 |
5. Удмуртская республика |
12,1 |
6,6 |
6. Чувашская республика |
9,2 |
5,3 |
7. Кировская область |
11,1 |
7,0 |
8. Нижегородская область |
13,0 |
7,2 |
9. Оренбургская область |
12,9 |
6,1 |
10.Пензенская область |
9,2 |
5,8 |
11 Пермская область |
18,9 |
10,6 |
12.Самарская область |
23,5 |
20,4 |
] 3.Саратовская область |
12,8 |
7,6 |
14 Ульяновская область |
11,2 |
7,2 |
Решение
Для определения формы связи построим корреляционное поле, где по оси абсцисс в определенном масштабе отложены значения факторного признака, а по оси ординат – результативного:
Определим параметры уравнений по трем формам связи: линейной, степенной и гиперболической.
Для расчета параметров «а» и «b» линейной регрессии у = а + bּх необходимо решить систему нормальных уравнений относительно «а» и «b» :
nּa + bּ∑x = ∑у,
аּ∑х + bּ∑х2 = ∑уּх
По исходным данным определим значения ∑у, ∑х, ∑уּх, ∑х2, ∑у2, σ2 (табл. 1)
Таблица 1 – Расчет показателей для оценки параметров модели парной линейной регрессии
№ п/п |
y |
x |
yx |
x2 |
y2 |
ŷx |
| уi - ŷх | |
|уi-ŷx| уi |
(уi –ŷх)2 |
(уi–)2 |
1 |
9,4 |
15 |
141 |
225 |
88,36 |
9,8 |
0,4 |
0,043 |
0,16 |
1,9321 |
2 |
4,3 |
8,4 |
36,12 |
70,56 |
18,49 |
3,9 |
0,4 |
0,093 |
0,16 |
13,7641 |
3 |
5,6 |
10 |
56 |
100 |
31,36 |
5,3 |
0,3 |
0,054 |
0,09 |
5,8081 |
4 |
9 |
14,9 |
134,1 |
222,01 |
81 |
9,7 |
0,7 |
0,078 |
0,49 |
0,9801 |
5 |
6,6 |
12,1 |
79,86 |
146,41 |
43,56 |
7,2 |
0,6 |
0,091 |
0,36 |
1,9881 |
6 |
5,3 |
9,2 |
48,76 |
84,64 |
28,09 |
4,6 |
0,7 |
0,132 |
0,49 |
7,3441 |
7 |
7 |
11,1 |
77,7 |
123,21 |
49 |
6,3 |
0,7 |
0,1 |
0,49 |
1,0201 |
8 |
7,2 |
13 |
93,6 |
169 |
51,84 |
8 |
0,8 |
0,111 |
0,64 |
0,6561 |
9 |
6,1 |
12,9 |
78,69 |
166,41 |
37,21 |
7,9 |
1,8 |
0,295 |
3,24 |
3,6481 |
10 |
5,8 |
9,2 |
53,36 |
84,64 |
33,64 |
4,6 |
1,2 |
0,207 |
1,44 |
4,8841 |
11 |
10,6 |
18,9 |
200,34 |
357,21 |
112,36 |
13,3 |
2,7 |
0,255 |
7,29 |
6,7081 |
12 |
20,4 |
23,5 |
479,4 |
552,25 |
416,16 |
17,4 |
3 |
0,147 |
9 |
153,5121 |
13 |
7,6 |
12,8 |
97,28 |
163,84 |
57,76 |
7,8 |
0,2 |
0,026 |
0,04 |
0,1681 |
14 |
7,2 |
11,2 |
80,64 |
125,44 |
51,84 |
6,4 |
0,8 |
0,111 |
0,64 |
0,6561 |
Итого |
112,1 |
182,2 |
1656,85 |
2590,62 |
1100,67 |
112,2 |
14,3 |
1,743 |
24,53 |
203,07 |
Среднее |
8,01 |
13,01 |
118,35 |
185,04 |
78,62 |
x |
x |
x |
x |
x |
σ2 |
14,4599 |
15,7799 |
x |
x |
x |
x |
x |
x |
x |
x |
σ |
3,8 |
3,97 |
x |
x |
x |
x |
x |
x |
x |
x |
Параметры «а» и «b» рассчитаем по формулам:
,
.
Таким образом, уравнение линейной регрессии .
Для построения степенной модели у = аּхb необходимо сначала провести процедуру линеаризации переменных путем логарифмирования обеих частей этого уравнения:
lg y = lg a + bּlg x,
У = С + bּХ,
где У = lg y , X = lg x , C = lg a
Расчеты представлены в таблице 2.
Таблица 2 – Расчет показателей для оценки параметров модели степенной регрессии
№№ по п/п |
У |
Х |
УХ |
У2 |
Х2 |
ŷх |
|уi – ŷх| |
(уi – ŷх)2 |
|уi – ŷх| ───── уi |
1 |
0,973 |
1,176 |
1,1442 |
0,9467 |
1,383 |
9,2 |
0,2 |
0,04 |
0,021 |
2 |
0,633 |
0,924 |
0,5849 |
0,4007 |
0,8538 |
4,7 |
0,4 |
0,16 |
0,093 |
3 |
0,748 |
1 |
0,748 |
0,5595 |
1 |
5,8 |
0,2 |
0,04 |
0,036 |
4 |
0,954 |
1,173 |
1,119 |
0,9101 |
1,3759 |
9,1 |
0,1 |
0,01 |
0,011 |
5 |
0,82 |
1,083 |
0,8881 |
0,6724 |
1,1729 |
7,2 |
0,6 |
0,36 |
0,091 |
6 |
0,724 |
0,964 |
0,6979 |
0,5242 |
0,9293 |
5,2 |
0,1 |
0,01 |
0,019 |
7 |
0,845 |
1,045 |
0,883 |
0,714 |
1,092 |
6,5 |
0,5 |
0,25 |
0,071 |
8 |
0,857 |
1,114 |
0,9547 |
0,7344 |
1,241 |
7,8 |
0,6 |
0,36 |
0,083 |
9 |
0,785 |
1,111 |
0,8721 |
0,6162 |
1,2343 |
7,7 |
1,6 |
2,56 |
0,262 |
10 |
0,763 |
0,964 |
0,7355 |
0,5822 |
0,9293 |
5,2 |
0,6 |
0,36 |
0,103 |
11 |
1,025 |
1,276 |
1,3079 |
1,0506 |
1,6282 |
12 |
1,4 |
1,96 |
0,132 |
12 |
1,31 |
1,371 |
1,796 |
1,7161 |
1,8796 |
15,5 |
4,9 |
24,01 |
0,24 |
13 |
0,881 |
1,107 |
0,9753 |
0,7762 |
1,2254 |
7,7 |
0,1 |
0,01 |
0,013 |
14 |
0,857 |
1,049 |
0,899 |
0,7344 |
1,1004 |
6,6 |
0,6 |
0,36 |
0,083 |
Итого |
12,175 |
15,357 |
13,6056 |
10,9377 |
17,0451 |
110,2 |
11,9 |
30,49 |
1,258 |
Среднее |
0,87 |
1,097 |
0,9718 |
0,7813 |
1,2175 |
х |
х |
х |
х |
σ2 |
0,027 |
0,015 |
х |
х |
х |
х |
х |
х |
х |
σ |
0,164 |
0,124 |
х |
х |
х |
х |
х |
х |
х |
Определяем значения параметров С и b:
,
Линейное уравнение примет вид: .
Выполнив его потенцирование, получим: .
Уравнение равносторонней гиперболы у = а + bлинеаризуется при замене:Z = , тогда у = а +bּZ.
Расчеты представлены в таблице 3.
Таблица 3 – Расчет показателей для оценки параметров модели равносторонней гиперболы
№№ по п/п |
У |
Z |
УZ |
Z2 |
У2 |
ŷх |
|уi – ŷх| |
(уi – ŷх)2 |
|уi – ŷх| ───── уi |
1 |
9,4 |
0,0667 |
0,62698 |
0,0044489 |
88,36 |
10,5 |
1,1 |
1,21 |
0,117 |
2 |
4,3 |
0,119 |
0,5117 |
0,014161 |
18,49 |
2,5 |
1,8 |
3,24 |
0,419 |
3 |
5,6 |
0,1 |
0,56 |
0,01 |
31,36 |
5,4 |
0,2 |
0,04 |
0,036 |
4 |
9 |
0,0671 |
0,6039 |
0,0045024 |
81 |
10,4 |
1,4 |
1,96 |
0,156 |
5 |
6,6 |
0,0826 |
0,54516 |
0,0068228 |
43,56 |
8 |
1,4 |
1,96 |
0,212 |
6 |
5,3 |
0,1087 |
0,57611 |
0,0118157 |
28,09 |
4,1 |
1,2 |
1,44 |
0,226 |
7 |
7 |
0,0901 |
0,6307 |
0,008118 |
49 |
6,9 |
0,1 |
0,01 |
0,014 |
8 |
7,2 |
0,0769 |
0,55368 |
0,0059136 |
51,84 |
8,9 |
1,7 |
2,89 |
0,236 |
9 |
6,1 |
0,0775 |
0,47275 |
0,0060063 |
37,21 |
8,8 |
2,7 |
7,29 |
0,443 |
10 |
5,8 |
0,1087 |
0,63046 |
0,0118157 |
33,64 |
4,1 |
1,7 |
2,89 |
0,293 |
11 |
10,6 |
0,0529 |
0,56074 |
0,0027984 |
112,36 |
12,6 |
2 |
4 |
0,189 |
12 |
20,4 |
0,0426 |
0,86904 |
0,0018148 |
416,16 |
14,2 |
6,2 |
38,44 |
0,304 |
13 |
7,6 |
0,0781 |
0,59356 |
0,0060996 |
57,76 |
8,7 |
1,1 |
1,21 |
0,145 |
14 |
7,2 |
0,0893 |
0,64296 |
0,0079745 |
51,84 |
7 |
0,2 |
0,04 |
0,028 |
Итого |
112,1 |
1,1602 |
8,37774 |
0,1022916 |
1100,67 |
112,1 |
22,8 |
66,62 |
2,818 |
Среднее |
8,01 |
0,0829 |
0,59841 |
0,0073065 |
78,62 |
х |
х |
х |
х |
σ2 |
14,4599 |
0,00043 |
х |
х |
х |
х |
х |
х |
х |
σ |
3,8 |
0,0208 |
х |
х |
х |
х |
х |
х |
х |
Определим значения параметров регрессии а и b:
,
Уравнение регрессии: .
Определим тесноту связи для каждой формы зависимости:
1. линейный коэффициент парной корреляции:
;
2. индекс корреляции для степенной модели:
;
3. индекс корреляции для гиперболической модели:
.
Рассчитаем значения коэффициента детерминации:
R2 = rху2 и R2 =ρху2 .
1. линейная модель: R2 = 0,876, или 87,6%;
2. степенная модель: R2 = 0,852, или 85,2%;
3. гиперболическая модель: R2 = 0,672, или 67,2%.
Определим величину средней ошибки аппроксимации:
1. линейная модель: ;
2. степенная модель: ;
3. гиперболическая модель: .
Проверим значимость моделей регрессии с помощью F-критерия Фишера.
Определим фактическое значение F-критерия:
1. линейная модель: ;
2. степенная модель: ;
3. гиперболическая модель: .
Определим табличное значение F-критерия при уровне значимости α=0,05 и для числа степеней свободы ν1= m=1 и ν2=n-m-1=12: Fтабл=4,75. Рассчитанные значения F-критерия больше критического для всех моделей, следовательно, построенные модели парной регрессии можно считать статистически значимыми.
Сравнивая величину показателей тесноты связи, статистическую значимость уравнений регрессии и показателей тесноты связи, размер средней ошибки аппроксимации по различным моделям можно сделать вывод о том, что наиболее качественным является уравнение линейной регрессии .
Оценим статистическую значимость линейного коэффициента регрессии b.
Выдвигаем нулевую гипотезу Н0: b=0, т.е. коэффициент регрессии не значим.
Определяем фактическое значение t-критерия:
,
где .
S(b) =0,1,tb = .
Табличное значение t-критерия для заданного уровня значимости α=0,05 и числа степеней свободы ν=n-2=12: tтабл=2,18.
Поскольку, tтабл < tрасч, то нулевая гипотеза отвергается и с вероятностью 0,95 можно сделать вывод о статистической значимости линейного коэффициента регрессии b.
Оценим статистическую значимость коэффициента корреляции rxy.
Рассчитаем наблюдаемое значение t-критерия Стьюдента:
tнабл=.
Табличное значение t-критерия для заданного уровня значимости α=0,05 и числа степеней свободы ν=n-2=12: tтабл=2,18.
Поскольку tнабл > tкрит, то нулевая гипотеза, утверждающая равенство нулю коэффициента корреляции, отвергается. Таким образом, между среднедушевыми доходами населения и оборотом розничной торговли на душу населения существует сильная подтвержденная статистическая взаимосвязь.
Построим точечный прогноз при увеличении среднего значения факторного признака на 10%:
хр=1,1=1,1*13,01=14,3 тыс.руб.
= 9,2 тыс.руб.
Точечный прогноз дополним расчетом стандартной ошибки
= 1,5.
Доверительный интервал для:
-≤≤+
где при ν=n-2=12 при уровне значимости α=0,05 равно 2,18.
Таким образом:
9,2 - 2,18*1,5≤ ≤ 9,2 + 2,18*1,5,
5,9 ≤≤ 12,5 тыс.руб.
Задание 2. «Моделирование одномерных временных рядов»
Необходимо решить комплекс вопросов в определенной последовательности для аддитивной модели:
выявление структуры ряда;
выравнивание исходного ряда методом скользящей средней;
определение сезонной компоненты;
устранение сезонной компоненты из исходных уравнений;
аналитическое выравнивание уровней и расчет значений трендовой составляющей (для выполнения задания использовать линейную форму тренда и расчет параметров уравнения способом от условного нуля);
оценка качества модели при помощи абсолютных и относительных ошибок;
прогнозирование значений уровня ряда на ближайшую перспективу (3 года или 3 квартала);
комментарии экономического содержания расчетов.
Исходные данные:
Динамика цен по всем группам товаров по Пермскому краю в 2005 году
Месяц |
Индекс цен, % |
Январь |
101,78 |
Февраль |
100,99 |
Март |
101,42 |
Апрель |
101,15 |
Май |
101,16 |
Июнь |
100,57 |
Июль |
100,55 |
Август |
100,04 |
Сентябрь |
100,14 |
Октябрь |
100,45 |
Ноябрь |
100,50 |
Декабрь |
101,23 |