- •080105.65 ‑ Финансы и кредит;
- •080107.65 – Налоги и налогообложение;
- •080103.65 ‑ Национальная экономика
- •Введение 5
- •Введение
- •Глава 1. Корреляционный анализ §1.1. Корреляционный анализ в сильных шкалах
- •§1.2. Корреляционный анализ в слабых шкалах
- •Глава 2. Парный регрессионный анализ §2.1. Линейная модель парной регрессии
- •§2.2. Парный линейный регрессионный анализ в ms Excel
- •2.2.1. Добавление линейного тренда
- •2.2.2. Интерпретация линии тренда
- •2.2.3. Усовершенствование линии тренда
- •2.2.4. Инструмент анализа Регрессия
- •2.2.5. Интерпретация регрессии
- •2.2.6. Диаграммы регрессии
- •2.2.6. Регрессионные функции
- •§2.3. Парный нелинейный регрессионный анализ в ms Excel
- •2.3.1. Полиномиальное приближение
- •2.3.2. Логарифмическое приближение
- •2.3.3. Показательное приближение
- •2.3.4. Экспоненциальное приближение
- •Глава 3. Множественный линейный регрессионный анализ
- •§3.1. Спецификация модели. Отбор факторов при построении уравнения множественной регрессии
- •§3.2. Метод наименьших квадратов (мнк). Свойства оценок на основе мнк
- •§3.3. Проверка существенности факторов и показатели качества регрессии
- •§3.4. Линейные регрессионные модели с гетероскедастичными остатками
- •§3.5. Обобщенный метод наименьших квадратов (омнк)
- •§3.6. Регрессионные модели с переменной структурой (фиктивные переменные)
- •Решение
- •Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •Глава 4. Множественный линейный регрессионный анализ средствами ms Excel
- •§4.1. Интерпретация результатов регрессии
- •Значимость коэффициентов
- •Интерпретация регрессионных статистик
- •Интерпретация анализа дисперсии
- •§4.2. Анализ остатков
- •§4.3. Использование линии тренда для прогноза
- •Интерпретация прогноза
- •Глава 5. Гетероскедастичность и автокорреляция
- •§5.1. Обнаружение гетероскедастичности
- •Графический анализ остатков
- •Тест ранговой корреляции Спирмена
- •Тест Голдфелда-Квандта
- •§5.2. Методы смягчения проблемы гетероскедастичности
- •Дисперсии отклонений известны (метод взвешенных наименьших квадратов)
- •5.2.2. Дисперсии отклонений неизвестны
- •§5.3. Автокорреляция
- •Суть и причины автокорреляции
- •Обнаружение автокорреляции
- •Математико-статистические таблицы в.1. Таблица значений -критерия Фишера при уровне значимости
- •В.2. Критические значения -критерия Стьюдента при уровне значимости 0,10, 0,05, 0,01 (двухсторонний)
- •В.3. Значения статистик Дарбина-Уотсона при 5%-ом уровне значимости
- •Список основной литературы
- •Александр Леонидович осипов Евгений Алексеевич рапоцевич практикум по эконометрике
- •080105.65 ‑ Финансы и кредит;
- •080107.65 – Налоги и налогообложение;
- •080103.65 ‑ Национальная экономика
§4.3. Использование линии тренда для прогноза
После подбора модели мы можем осуществить прогноз стоимости для новых объектов недвижимости. Предположим, что имеются четыре объекта с жилой площадью 600, 800, 1000 и 1200 квадратных футов и оценочными значениями $22500, $25000, $27500, $30000 соответственно. Следующие шаги позволяют осуществить прогноз стоимости с помощью функции ТЕНДЕНЦИЯ. Эта функция имеет следующий синтаксис: ТЕНДЕНЦИЯ(известные_у;известные_х;новые_х;конст).
Введите значения независимой переменной в лист (А18:В21), как показано на рис. 4.4.
Выделите ячейки с значениями прогноза (D18:D21). Введите знак равенства, название функции ТЕНДЕНЦИЯ в нижнем регистре и соответствующие ссылки для аргументов: =ТЕНДЕНЦИЯ(С2:С16;А2:В16;А18:В21;1). Не нажимайте Enter, вместо этого нажмите Enter, удерживая клавиши Ctrl и Shift.
Чтобы не вводить функцию ТЕНДЕНЦИЯ, можно воспользоваться кнопкой Вставки функции (пиктограмма ), выбрав перед этим ячейки результатов (D18:D21). В диалоговом окне Мастера функций выберите Категорию Статистические и функцию ТЕНДЕЦИЯ из списка. Нажмите ОК. В диалоговом окне Аргументов функции укажите (перетаскиванием) или введите промежутки с известными значениями (С1:С16), известными значениями (А2:В16) и новыми значениями (А18:В21). В данные диапазоны не включайте метки в первой строке. В строке, обозначенной Конст, введите значение 1, интерпретируемое как истина, что означает, что следует вычислить смещение. Затем нажмите ОК. При выделенных ячейках с функциями (D18:D210 нажмите клавишу F2. В строке статуса внизу экрана появится слово «Правка». Нажмите Enter, удерживая клавиши Ctrl и Shift.
Рис. 4.4. Прогноз во множественной регрессии
Интерпретация прогноза
Наилучший прогноз стоимости объекта недвижимости с 800 квадратными футами жилой площади и оценочным значением $25000 равен $36445. Данный наилучший прогноз плюс минус две стандартные ошибки оценки ($36445 $5246, то есть от $31199 до $41691) образуют 95% интервал прогноза. С 95% уверенности можно утверждать, что цена будет в этом промежутке.
Однако имеются две неточности в построении интервала. Первое, мы должны использовать вместо Стандартной ошибки оценки, измеряющей разброс фактических значений относительно уравнения регрессии, Стандартную ошибку прогноза, которая включает в себя неопределенность коэффициентов уравнения регрессии. Стандартная ошибка прогноза всегда больше Стандартной ошибки оценки. К сожалению, в MS Excel нет простого способа вычислить Стандартную ошибку прогноза.
Второе, стандартные ошибки для 95% интервала прогноза, построенного по 15 наблюдениям в нашей модели, должны использовать значение - статистики с 12 степенями свободы, которое равно 2,179, а не 2. таким образом, полученный интервал весьма приблизителен. Точный 95% интервал прогноза должен быть шире.
Задание. Подразделение университета проводит исследование с целью определить зависимость начальной зарплаты выпускников школы бизнеса от средней оценки (СО) студентов и возраста. Были получены следующие данные.
СО |
2,95 |
3,40 |
3,20 |
3,10 |
3,05 |
2,75 |
3,15 |
2,75 |
Возраст |
22 |
23 |
27 |
25 |
23 |
28 |
26 |
26 |
Начальная зарплата |
25500 |
28100 |
28200 |
25000 |
22700 |
22500 |
26000 |
23800 |
Постройте множественную линейную регрессионную модель и проинтерпретируйте коэффициенты.
Определите, значительно ли влияние средней оценки и возраста на начальную зарплату.
Выполните прогноз начальной зарплаты для 24-летнего выпускника со средней оценкой 3,00.
Задание. Имеется модель фирмы, одним из параметров которой является рыночная цена капитала. В результате проведения серии расчетов были получены оптимальные объемы выпуска продукции и спроса на капитал при различных уровнях его цены, представленные в таблице.
Цена капитала |
5 |
10 |
15 |
20 |
25 |
30 |
Спрос на капитал |
16 |
8 |
5,33 |
4 |
3,2 |
2,66 |
Объем выпуска |
16,01 |
12,13 |
10,32 |
9,19 |
8,41 |
7,82 |
Выявите зависимость между значениями параметра модели (цена капитала) и решениями фирмы (объем выпуска и спрос на капитал).
Задание. Имеются следующие данные о курсе доллара , фондовом индексе и котировке акций за 10 дней.
|
28,75 |
28,7 |
28,54 |
28,9 |
28,88 |
28,35 |
27,98 |
28,1 |
28,05 |
27,9 |
|
4 |
4,2 |
4,7 |
5,1 |
4,9 |
4,6 |
4,8 |
4,3 |
4,4 |
4,5 |
|
100 |
112 |
108 |
106 |
103 |
101 |
100 |
103 |
102 |
100 |
Спрогнозируйте котировку акций, если курс доллара составит 30 руб., а значение фондового индекса будет равно 5.