- •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
Глава 1. Корреляционный анализ §1.1. Корреляционный анализ в сильных шкалах
Для менеджера большинство решений, принятие которых строится на основе рассмотрения хозяйственных ситуаций весьма важно уметь анализировать причинно-следственные связи в организационных системах. Эффективным инструментом их описания является корреляционно-регрессионный анализ.
Корреляционный анализ имеет своей задачей количественное определение тесноты и направления связи между двумя признаками при парной связи и между результативным и множеством факторных признаков при многофакторной связи.
Корреляционная зависимость – это зависимость случайных величин (признаков), при которой изменению среднего значения одной соответствует изменение среднего значения другой случайной величины.
Показатели тесноты связи между признаками называют коэффициентами корреляции. Знаки при коэффициентах корреляции характеризуют направление связи между признаками. Их выбор зависит от того, в каких шкалах измерены признаки. Напомним, что основными шкалами являются:
номинальная шкала (наименований) предназначена для описания принадлежности объектов к определенным социальным группам;
шкала порядка (ранговая) применяется для измерения упорядоченности объектов по одному или нескольким признакам;
3) количественная шкала используется для описания количественных показателей.
Линейный коэффициент корреляции характеризует тесноту и направление связи между двумя коррелируемыми признаками в случае наличия между ними линейной зависимости. Расчет линейного коэффициента корреляции осуществляется по формуле , где - среднеквадратическое отклонение факторного признака . Значимость линейного коэффициента корреляции определяется с помощью t – критерия Сьюдента, но можно воспользоваться и упрощенным правилом: если , то связь практически отсутствует, если , то связь слабая, если , то связь достаточно сильная, если . То имеется высокая степень зависимости между признаками.
Проверка на значимость коэффициента корреляции. Выдвигаемые гипотезы следующие: . При справедливости нулевой гипотезы статистика критерия имеет - распределение Стьюдента с степенями свободы. Гипотеза отвергается, то есть выборочный коэффициент корреляции значимо отличается от нуля, если , где - табличное значение критерия Стьюдента, определенное на уровне значимости при числе степеней свободы . Доверительный интервал значимого коэффициента корреляции равен . Здесь - критическая точка стандартного нормального распределения, соответствующего уровню значимости , - объем выборки.
Пример. На основе выборочных данных о деятельности пяти предприятий одной из отраслей промышленности РФ оценить тесноту связи между трудоемкостью продукции предприятия (Х, чел.-час) и объемом ее производства (Y, млн руб.)
№ |
Объем произведенной продукции, млн руб., Y |
Затраты на 1000 изделий, чел.-час, Х |
YX |
|
|
1 |
33,2 |
0,15 |
4,980 |
1102,24 |
0,0225 |
2 |
121,0 |
0,12 |
14,520 |
14641,00 |
0,0144 |
3 |
99,5 |
0,11 |
10,945 |
9900,25 |
0,0121 |
4 |
59,8 |
0,09 |
5,382 |
3576,04 |
0,0081 |
5 |
80,3 |
0,08 |
6,424 |
6448,09 |
0,0064 |
Сумма |
393,8 |
0,55 |
42,251 |
35667,62 |
0,0635 |
Средняя |
78,76 |
0,11 |
8,450 |
7133,524 |
0,0127 |
Используя данные таблицы находим: . Проверим на значимость коэффициент корреляции. Статистик Стьюдента в нашем случае . При уровне значимости 0,05 и степени свободы 3 табличное значение = 2,353. Так как > = 2,353, то коэффициент корреляции не является значимым. Таким образом, не имеется зависимости между изучаемыми признаками. В MS Excel имеется функция КОРРЕЛ, которая возвращает коэффициент корреляции между двумя множествами данных.
Задание. Имеются данные по десяти заводам отрасли. Определить, существует ли корреляционная зависимость между стоимостью основных фондов и объемом выпуска продукции.
№ завода |
Стоимость основных фондов (млн руб.) |
Объем выпуска продукции (млн руб.) |
1 |
2 |
2,0 |
2 |
1 |
1,2 |
3 |
3 |
3,6 |
4 |
5 |
6,8 |
5 |
4 |
4,4 |
6 |
3 |
3,8 |
7 |
1 |
0,8 |
8 |
2 |
2,2 |
9 |
4 |
5,0 |
10 |
5 |
4,6 |