Задания по эконометрике
.pdf7 |
1 |
8 |
1 |
8 |
9 |
2 |
9 |
9 |
1 |
9 |
5 |
10 |
5 |
6 |
4 |
1.По результатам данных наблюдений построить линейное уравнение множественной регрессии выражающее зависимость у от x1 и x2.
2.Проверить статистическую значимость параметров уравнения регрессии.
3.Проверить наличие в модели мультиколлинеарности и сделать необходимые
выводы.
4.Проверить наличие гетероскедастичности с помощью теста ранговой корреляции Спирмена и при помощи теста Голдфелда-Квандта.
5.Определить наличие автокорреляции с помощью графического метода и критерия Дарбина-Уотсона. Уровень значимости принять равным α = 0,05.
Вариант 4
В результате наблюдений получены следующие данные:
№ п/п |
y |
x1 |
x2 |
1 |
5 |
1 |
8 |
2 |
2 |
8 |
1 |
3 |
8 |
2 |
4 |
4 |
3 |
5 |
7 |
5 |
8 |
1 |
2 |
6 |
5 |
4 |
7 |
7 |
9 |
8 |
1 |
8 |
4 |
5 |
8 |
9 |
1 |
2 |
5 |
10 |
5 |
1 |
6 |
1.По результатам данных наблюдений построить линейное уравнение множественной регрессии выражающее зависимость у от x1 и x2.
2.Проверить статистическую значимость параметров уравнения регрессии.
3.Проверить наличие в модели мультиколлинеарности и сделать необходимые
выводы.
4.Проверить наличие гетероскедастичности с помощью теста ранговой корреляции Спирмена и при помощи теста Голдфелда-Квандта.
5.Определить наличие автокорреляции с помощью графического метода и критерия Дарбина-Уотсона. Уровень значимости принять равным α = 0,05.
Вариант 5
В результате наблюдений получены следующие данные:
31
№ п/п |
y |
x1 |
x2 |
1 |
4 |
1 |
3 |
2 |
6 |
4 |
5 |
3 |
8 |
6 |
2 |
4 |
5 |
9 |
1 |
5 |
3 |
9 |
5 |
6 |
5 |
1 |
2 |
7 |
1 |
2 |
5 |
8 |
4 |
2 |
8 |
9 |
1 |
5 |
3 |
10 |
2 |
8 |
7 |
1.По результатам данных наблюдений построить линейное уравнение множественной регрессии выражающее зависимость у от x1 и x2.
2.Проверить статистическую значимость параметров уравнения регрессии.
3.Проверить наличие в модели мультиколлинеарности и сделать необходимые
выводы.
4.Проверить наличие гетероскедастичности с помощью теста ранговой корреляции Спирмена и при помощи теста Голдфелда-Квандта.
5.Определить наличие автокорреляции с помощью графического метода и критерия Дарбина-Уотсона. Уровень значимости принять равным α = 0,05.
Вариант 6
В результате наблюдений получены следующие данные:
№ п/п |
y |
x1 |
x2 |
1 |
1 |
2 |
3 |
2 |
9 |
5 |
3 |
3 |
4 |
7 |
4 |
4 |
1 |
1 |
6 |
5 |
5 |
3 |
8 |
6 |
2 |
1 |
1 |
7 |
7 |
5 |
5 |
8 |
1 |
1 |
7 |
9 |
3 |
2 |
6 |
10 |
2 |
2 |
2 |
1.По результатам данных наблюдений построить линейное уравнение множественной регрессии выражающее зависимость у от x1 и x2.
2.Проверить статистическую значимость параметров уравнения регрессии.
3.Проверить наличие в модели мультиколлинеарности и сделать необходимые
выводы.
32
4.Проверить наличие гетероскедастичности с помощью теста ранговой корреляции Спирмена и при помощи теста Голдфелда-Квандта.
5.Определить наличие автокорреляции с помощью графического метода и критерия Дарбина-Уотсона. Уровень значимости принять равным α = 0,05.
Вариант 7
В результате наблюдений получены следующие данные:
№ п/п |
y |
x1 |
x2 |
1 |
6 |
1 |
9 |
2 |
1 |
9 |
6 |
3 |
9 |
4 |
8 |
4 |
3 |
1 |
2 |
5 |
2 |
5 |
4 |
6 |
7 |
2 |
3 |
7 |
1 |
1 |
7 |
8 |
4 |
4 |
2 |
9 |
3 |
1 |
5 |
10 |
9 |
3 |
2 |
1.По результатам данных наблюдений построить линейное уравнение множественной регрессии выражающее зависимость у от x1 и x2.
2.Проверить статистическую значимость параметров уравнения регрессии.
3.Проверить наличие в модели мультиколлинеарности и сделать необходимые
выводы.
4.Проверить наличие гетероскедастичности с помощью теста ранговой корреляции Спирмена и при помощи теста Голдфелда-Квандта.
5.Определить наличие автокорреляции с помощью графического метода и критерия Дарбина-Уотсона. Уровень значимости принять равным α = 0,05.
Вариант 8
В результате наблюдений получены следующие данные:
№ п/п |
y |
x1 |
x2 |
1 |
4 |
6 |
5 |
2 |
9 |
9 |
2 |
3 |
1 |
2 |
8 |
4 |
2 |
5 |
7 |
5 |
6 |
8 |
3 |
6 |
1 |
2 |
5 |
7 |
2 |
4 |
8 |
8 |
4 |
5 |
4 |
33
9 |
6 |
7 |
6 |
10 |
6 |
7 |
7 |
1.По результатам данных наблюдений построить линейное уравнение множественной регрессии выражающее зависимость у от x1 и x2.
2.Проверить статистическую значимость параметров уравнения регрессии.
3.Проверить наличие в модели мультиколлинеарности и сделать необходимые
выводы.
4.Проверить наличие гетероскедастичности с помощью теста ранговой корреляции Спирмена и при помощи теста Голдфелда-Квандта.
5.Определить наличие автокорреляции с помощью графического метода и критерия Дарбина-Уотсона. Уровень значимости принять равным α = 0,05.
Вариант 9
В результате наблюдений получены следующие данные:
№ п/п |
y |
x1 |
x2 |
1 |
3 |
1 |
2 |
2 |
5 |
8 |
5 |
3 |
4 |
3 |
3 |
4 |
6 |
2 |
4 |
5 |
9 |
2 |
1 |
6 |
2 |
4 |
2 |
7 |
1 |
1 |
7 |
8 |
3 |
9 |
6 |
9 |
9 |
5 |
3 |
10 |
4 |
4 |
8 |
1.По результатам данных наблюдений построить линейное уравнение множественной регрессии выражающее зависимость у от x1 и x2.
2.Проверить статистическую значимость параметров уравнения регрессии.
3.Проверить наличие в модели мультиколлинеарности и сделать необходимые
выводы.
4.Проверить наличие гетероскедастичности с помощью теста ранговой корреляции Спирмена и при помощи теста Голдфелда-Квандта.
5.Определить наличие автокорреляции с помощью графического метода и критерия Дарбина-Уотсона. Уровень значимости принять равным α = 0,05.
Вариант 10
В результате наблюдений получены следующие данные:
34
№ п/п |
y |
x1 |
x2 |
1 |
7 |
3 |
5 |
2 |
7 |
1 |
7 |
3 |
5 |
5 |
2 |
4 |
4 |
4 |
1 |
5 |
2 |
9 |
2 |
6 |
8 |
9 |
1 |
7 |
1 |
3 |
3 |
8 |
3 |
1 |
7 |
9 |
4 |
2 |
4 |
10 |
2 |
8 |
8 |
1.По результатам данных наблюдений построить линейное уравнение множественной регрессии выражающее зависимость у от x1 и x2.
2.Проверить статистическую значимость параметров уравнения регрессии.
3.Проверить наличие в модели мультиколлинеарности и сделать необходимые
выводы.
4.Проверить наличие гетероскедастичности с помощью теста ранговой корреляции Спирмена и при помощи теста Голдфелда-Квандта.
5.Определить наличие автокорреляции с помощью графического метода и критерия Дарбина-Уотсона. Уровень значимости принять равным α = 0,05.
Лабораторная работа №5
«Анализ временных рядов»
Вариант 1
Имеются условные данные об объемах потребления электроэнергии yt жителями
региона за 16 кварталов:
t |
|
yt |
|
t |
|
yt |
1 |
|
5,8 |
|
9 |
|
7,9 |
2 |
|
4,5 |
|
10 |
|
5,5 |
3 |
|
5,1 |
|
11 |
|
6,3 |
4 |
|
9,1 |
|
12 |
|
10,8 |
5 |
|
7,0 |
|
13 |
|
9,0 |
6 |
|
5,0 |
|
14 |
|
6,5 |
7 |
|
6,1 |
|
15 |
|
7,0 |
8 |
|
10,1 |
|
16 |
|
11,1 |
1. Проанализировать |
автокорреляцию |
уровней |
временного ряда, выявить и |
охарактеризовать его структуру.
35
2. Построить аддитивную и мультипликативную модель временного ряда,
характеризующую зависимость уровней ряда от времени.
3. На основе лучшей модели сделать прогноз на следующие два квартала с учетом выявленной сезонности.
|
|
|
Вариант 2 |
|
||
Имеются условные данные об объемах потребления электроэнергии |
yt жителями |
|||||
региона за 16 кварталов: |
|
|
|
|
|
|
t |
|
yt |
|
t |
|
yt |
1 |
|
5,5 |
|
9 |
|
8,0 |
2 |
|
4,6 |
|
10 |
|
5,6 |
3 |
|
5,0 |
|
11 |
|
6,4 |
4 |
|
9,2 |
|
12 |
|
10,9 |
5 |
|
7,1 |
|
13 |
|
9,1 |
6 |
|
5,1 |
|
14 |
|
6,4 |
7 |
|
5,9 |
|
15 |
|
7,2 |
8 |
|
10,0 |
|
16 |
|
11,0 |
1.Проанализировать автокорреляцию уровней временного ряда, выявить и охарактеризовать его структуру.
2.Построить аддитивную и мультипликативную модель временного ряда,
характеризующую зависимость уровней ряда от времени.
3. На основе лучшей модели сделать прогноз на следующие два квартала с учетом выявленной сезонности.
|
|
|
Вариант 3 |
|
||
Имеются условные данные об объемах потребления электроэнергии |
yt жителями |
|||||
региона за 16 кварталов: |
|
|
|
|
|
|
t |
|
yt |
|
t |
|
yt |
1 |
|
5,3 |
|
9 |
|
8,2 |
2 |
|
4,7 |
|
10 |
|
5,5 |
3 |
|
5,2 |
|
11 |
|
6,5 |
4 |
|
9,1 |
|
12 |
|
11,0 |
5 |
|
7,0 |
|
13 |
|
8,9 |
6 |
|
5,0 |
|
14 |
|
6,5 |
7 |
|
6,0 |
|
15 |
|
7,3 |
8 |
|
10,1 |
|
16 |
|
11,2 |
1. Проанализировать автокорреляцию уровней временного ряда, выявить и
охарактеризовать его структуру.
36
2. Построить аддитивную и мультипликативную модель временного ряда,
характеризующую зависимость уровней ряда от времени.
3. На основе лучшей модели сделать прогноз на следующие два квартала с учетом выявленной сезонности.
|
|
|
Вариант 4 |
|
||
Имеются условные данные об объемах потребления электроэнергии |
yt жителями |
|||||
региона за 16 кварталов: |
|
|
|
|
|
|
t |
|
yt |
|
t |
|
yt |
1 |
|
5,5 |
|
9 |
|
8,3 |
2 |
|
4,8 |
|
10 |
|
5,4 |
3 |
|
5,1 |
|
11 |
|
6,4 |
4 |
|
9,0 |
|
12 |
|
10,9 |
5 |
|
7,1 |
|
13 |
|
9,0 |
6 |
|
4,9 |
|
14 |
|
6,6 |
7 |
|
6,1 |
|
15 |
|
7,5 |
8 |
|
10,0 |
|
16 |
|
11,2 |
1.Проанализировать автокорреляцию уровней временного ряда, выявить и охарактеризовать его структуру.
2.Построить аддитивную и мультипликативную модель временного ряда,
характеризующую зависимость уровней ряда от времени.
3. На основе лучшей модели сделать прогноз на следующие два квартала с учетом выявленной сезонности.
|
|
|
Вариант 5 |
|
||
Имеются условные данные об объемах потребления электроэнергии |
yt жителями |
|||||
региона за 16 кварталов: |
|
|
|
|
|
|
t |
|
yt |
|
t |
|
yt |
1 |
|
5,6 |
|
9 |
|
8,2 |
2 |
|
4,7 |
|
10 |
|
5,6 |
3 |
|
5,2 |
|
11 |
|
6,4 |
4 |
|
9,1 |
|
12 |
|
10,8 |
5 |
|
7,0 |
|
13 |
|
9,1 |
6 |
|
5,1 |
|
14 |
|
6,7 |
7 |
|
6,0 |
|
15 |
|
7,5 |
8 |
|
10,2 |
|
16 |
|
11,3 |
1. Проанализировать автокорреляцию уровней временного ряда, выявить и
охарактеризовать его структуру.
37
2. Построить аддитивную и мультипликативную модель временного ряда,
характеризующую зависимость уровней ряда от времени.
3. На основе лучшей модели сделать прогноз на следующие два квартала с учетом выявленной сезонности.
|
|
|
Вариант 6 |
|
||
Имеются условные данные об объемах потребления электроэнергии |
yt жителями |
|||||
региона за 16 кварталов: |
|
|
|
|
|
|
t |
|
yt |
|
t |
|
yt |
1 |
|
7,9 |
|
9 |
|
10 |
2 |
|
6,6 |
|
10 |
|
7,6 |
3 |
|
7,2 |
|
11 |
|
8,4 |
4 |
|
11,2 |
|
12 |
|
12,9 |
5 |
|
9,1 |
|
13 |
|
11,1 |
6 |
|
7,1 |
|
14 |
|
8,6 |
7 |
|
8,2 |
|
15 |
|
9,1 |
8 |
|
12,2 |
|
16 |
|
13,2 |
1.Проанализировать автокорреляцию уровней временного ряда, выявить и охарактеризовать его структуру.
2.Построить аддитивную и мультипликативную модель временного ряда,
характеризующую зависимость уровней ряда от времени.
3. На основе лучшей модели сделать прогноз на следующие два квартала с учетом выявленной сезонности.
|
|
|
Вариант 7 |
|
||
Имеются условные данные об объемах потребления электроэнергии |
yt жителями |
|||||
региона за 16 кварталов: |
|
|
|
|
|
|
t |
|
yt |
|
t |
|
yt |
1 |
|
7,7 |
|
9 |
|
10,2 |
2 |
|
6,8 |
|
10 |
|
7,8 |
3 |
|
7,2 |
|
11 |
|
8,6 |
4 |
|
11,4 |
|
12 |
|
13,1 |
5 |
|
9,3 |
|
13 |
|
11,3 |
6 |
|
7,3 |
|
14 |
|
8,6 |
7 |
|
8,1 |
|
15 |
|
9,4 |
8 |
|
12,2 |
|
16 |
|
13,2 |
1. Проанализировать автокорреляцию уровней временного ряда, выявить и
охарактеризовать его структуру.
38
2. Построить аддитивную и мультипликативную модель временного ряда,
характеризующую зависимость уровней ряда от времени.
3. На основе лучшей модели сделать прогноз на следующие два квартала с учетом выявленной сезонности.
|
|
|
Вариант 8 |
|
||
Имеются условные данные об объемах потребления электроэнергии |
yt жителями |
|||||
региона за 16 кварталов: |
|
|
|
|
|
|
t |
|
yt |
|
t |
|
yt |
1 |
|
7,6 |
|
9 |
|
10,5 |
2 |
|
7 |
|
10 |
|
7,8 |
3 |
|
7,5 |
|
11 |
|
8,8 |
4 |
|
11,4 |
|
12 |
|
13,3 |
5 |
|
9,3 |
|
13 |
|
11,2 |
6 |
|
7,3 |
|
14 |
|
8,8 |
7 |
|
8,3 |
|
15 |
|
9,6 |
8 |
|
12,4 |
|
16 |
|
13,5 |
1.Проанализировать автокорреляцию уровней временного ряда, выявить и охарактеризовать его структуру.
2.Построить аддитивную и мультипликативную модель временного ряда,
характеризующую зависимость уровней ряда от времени.
3. На основе лучшей модели сделать прогноз на следующие два квартала с учетом выявленной сезонности.
|
|
|
Вариант 9 |
|
||
Имеются условные данные об объемах потребления электроэнергии |
yt жителями |
|||||
региона за 16 кварталов: |
|
|
|
|
|
|
t |
|
yt |
|
t |
|
yt |
1 |
|
7,9 |
|
9 |
|
10,7 |
2 |
|
7,2 |
|
10 |
|
7,8 |
3 |
|
7,5 |
|
11 |
|
8,8 |
4 |
|
11,4 |
|
12 |
|
13,3 |
5 |
|
9,5 |
|
13 |
|
11,4 |
6 |
|
7,3 |
|
14 |
|
9 |
7 |
|
8,5 |
|
15 |
|
9,9 |
8 |
|
12,4 |
|
16 |
|
13,6 |
1. Проанализировать автокорреляцию уровней временного ряда, выявить и
охарактеризовать его структуру.
39
2. Построить аддитивную и мультипликативную модель временного ряда,
характеризующую зависимость уровней ряда от времени.
3. На основе лучшей модели сделать прогноз на следующие два квартала с учетом выявленной сезонности.
|
|
|
Вариант 10 |
|
||
Имеются условные данные об объемах потребления электроэнергии |
yt жителями |
|||||
региона за 16 кварталов: |
|
|
|
|
|
|
t |
|
yt |
|
t |
|
yt |
1 |
|
8,1 |
|
9 |
|
10,7 |
2 |
|
7,2 |
|
10 |
|
8,1 |
3 |
|
7,7 |
|
11 |
|
8,9 |
4 |
|
11,6 |
|
12 |
|
13,3 |
5 |
|
9,5 |
|
13 |
|
11,6 |
6 |
|
7,6 |
|
14 |
|
9,2 |
7 |
|
8,5 |
|
15 |
|
10 |
8 |
|
12,7 |
|
16 |
|
13,8 |
1.Проанализировать автокорреляцию уровней временного ряда, выявить и охарактеризовать его структуру.
2.Построить аддитивную и мультипликативную модель временного ряда,
характеризующую зависимость уровней ряда от времени.
3. На основе лучшей модели сделать прогноз на следующие два квартала с учетом выявленной сезонности.
Лабораторная работа №6
«Динамические эконометрические модели»
Вариант 1
В течение девяти последовательных недель фиксировался спрос Y (t) (млн.руб.) на кредитные ресурсы финансовой компании:
Недели |
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
|
Спрос на |
кредитные |
45 |
43 |
40 |
36 |
38 |
34 |
31 |
28 |
25 |
|
ресурсы (млн. руб.) |
|||||||||||
|
|
|
|
|
|
|
|
|
1.Сгладить Y(t) с помощью простой скользящей средней.
2.Определить величину тренда Y(t).
3.Построить линейную модель Y (t) = a0 + a1 × t, параметры которой оценить
методом наименьших квадратов (МНК).
4. Построить адаптивную модель Брауна Y (t) = a0 + a1 × k, с параметром
сглаживания В=0,4 и В=0,7; выбрать наилучшее значение В.
5. Оценить адекватность построенных моделей на основе исследования:
40