Учебная работа № 78505. «Контрольная Эконометрика вариант 5
Содержание:
«Пятый вариант
Y 32 40 44 28 50 56 50
X 60 68 80 76 74 87 96
Задача № 1
По предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (У, млн. руб) от объема капиталовложений (Х, млн. руб).
Требуется:
1. Для характеристики У от Х построить следующие модели:
линейную,
степенную,
показательную,
гиперболическую.
2. Оценить каждую модель, определив:
индекс корреляции,
среднюю относительную ошибку,
коэффициент детерминации,
F – критерий Фишера.
3. Составить сводную таблицу вычислений, выбрать лучшую модель, дать интерпретацию рассчитанных характеристик.
4. Рассчитать прогнозное значение результативного признака, если прогнозное значение фактора увеличится на 110% относительно среднего уровня.
5. Результаты расчетов отобразить на графике.
»
Форма заказа готовой работы
Выдержка из похожей работы
Институт экономики и управления
Кафедра «Экономика, финансы и кредит»
РАСЧЕТНОЕ ЗАДАНИЕ
по дисциплине «Эконометрика»
Студент группы ЭК — 23
Л,В, Евдокова
Руководитель работы
Доцент Е,М, Гельфанд
БАРНАУЛ 2014
Содержание
Исходные данные
Множественная модель уравнения регрессии
Уравнение парной линейной регрессии
Предпосылки МНК
Список использованной литературы
Приложения
Исходные данные
Средняя урожайность зерна (ц/га), У
Орошение земель (тыс, га), Х1
Курс доллара, Х2
17,2
3,5
30,3647
28,1
3,4
28,9503
27,2
1,5
29,3282
21,2
0,5
29,3627
18,7
2,8
32,4509
37,3
3,1
32,8169
32,4
2,1
32,1881
31
0,6
32,2934
11,9
1,8
30,9169
20,6
2,9
31,5252
18,4
2,7
31,0565
31,3
1,5
30,3727
20,5
1,6
30,0277
18,8
2,4
30,6202
18,5
2,6
31,0834
17,1
3,3
31,2559
23,7
3,2
31,5893
28,8
2,7
32,709
24,2
2
32,8901
25,8
0,7
33,2474
17,3
0,99
32,3451
19,1
1,25
32,0613
15,7
0,9
33, 1916
16,7
0,7
32,7292
19,7
3,5
35,2448
22,1
3
36,0501
23
2,9
35,6871
24
0,1
35,6983
25,7
0,5
34,7352
102,7
0,4
33,6306
Множественная модель уравнения регрессии
Средняя урожайность зерна (ц/га), У
Орошение земель (тыс, га), Х1
Курс доллара, Х2
17,2
3,5
30,3647
28,1
3,4
28,9503
27,2
1,5
29,3282
21,2
0,5
29,3627
18,7
2,8
32,4509
37,3
3,1
32,8169
32,4
2,1
32,1881
31
0,6
32,2934
11,9
1,8
30,9169
20,6
2,9
31,5252
18,4
2,7
31,0565
31,3
1,5
30,3727
20,5
1,6
30,0277
18,8
2,4
30,6202
18,5
2,6
31,0834
17,1
3,3
31,2559
23,7
3,2
31,5893
28,8
2,7
32,709
24,2
2
32,8901
25,8
0,7
33,2474
17,3
0,99
32,3451
19,1
1,25
32,0613
15,7
0,9
33, 1916
16,7
0,7
32,7292
19,7
3,5
35,2448
22,1
3
36,0501
23
2,9
35,6871
24
0,1
35,6983
25,7
0,5
34,7352
102,7
0,4
33,6306
Высчитываем значения коэффициента частной и парной корреляции, а так же необходимые значения, для уравнений множественной регрессии:
· y=a+b1x1+b2x2
· ty=в1tx1+в2tx2
Признак
Среднее значение
СКО
Лин, коэф,
парной коррел,
Линейные коэф,
частных коррел,
y
25,75714
16,17129
ryx1
0,138691
rx1x2
0,111461
x1
32,21409
1,923079
ryx2
-0,26109
rx2x1
-0,24839
x2
1,971333
1,099341
rx1x2
-0,12219
rx1x2y
-0,08993
Если сравнивать значения коэффициентов парной и частной корреляции, то приходим к выводу, Что из-за слабой межфакторной связи (rx1x2= — 0,12219) коэффициенты парной и частной корреляции отличаются незначительно,
И следовательно значения: в1, в2, b1, b2, a,
в1
в2
0,108407
-0,24785
b1
b2
a
Ryx1x2
0,911602
-3,64581
3,577821
0,2824
Найдем: Fx1факт, Fx2факт, для 30 нами выбранных значений и найденного нами индекса Множественной корреляции (Ryx1x2),
Fx1факт
Fx2факт
0,339655
1,775355
Средний коэффициент эластичности: показывает, на сколько % в среднем измениться показатель y, от своего среднего значения при изменении фактора x на 1 % от своей величины,
Эyx1ср, %
Эyx2ср, %
1,140127
-0,27903
Далее найдем значение дисперсии для каждого из следующих признаков: x1,x2,y,
Дисп x1
Дисп x2
Дисп y
3,698232
1, 20855
261,5107
В результате всех вычислений получаем уравнение множественной регрессии: y=3,577821+0,911602*x1-3,64581*x2, ty=0,108407*tx1-0,24785tx2, Поскольку фактическое значение Fфакт = 0,3033 < Fтабл, (4,47), то коэффициент детерминации статистически не значим, а следовательно, полученное уравнение регрессии статистически ненадежно, Это означает, что его нельзя использовать для прогноза и дальнейшего анализа, Уравнение парной линейной регрессии Выбираем один из значимых признаков, для построения парной модели, (x1, y) и рассчитываем показатели: x1 y xy yт yт-y |yт-y| |yт-y|/y |yт-y|/y*100 3,5 17,2 60, 20 19,69 2,49 2,49 0,14 14,45 3,4 28,1 95,54 20,05 -8,05 8,05 0,29 28,64 1,5 27,2 40,80 27,02 -0,18 0,18 0,01 0,67 0,5 21,2 10,60 30,68 9,48 9,48 0,45 44,73 2,8 18,7 52,36 22,25 3,55 3,55 0, 19 19,00 3,1 37,3 115,63 21,15 -16,15 16,15 0,43 43,29 2,1 32,4 68,04 24,82 -7,58 7,58 0,23 23,40 0,6 31 18,60 30,32 -0,68 0,68 0,02 2, 20 1,8 11,9 21,42 25,92 14,02 14,02 1,18 117,80 2,9 20,6 59,74 21,89 1,29 1,29 0,06 6,24 2,7 18,4 49,68 22,62 4,22 4,22 0,23 22,93 1,5 31,3 46,95 27,02 -4,28 4,28 0,14 13,68 1,6 20,5 32,80 26,65 6,15 6,15 0,30 30,01 2,4 18,8 45,12 23,72 4,92 4,92 0,26 26,16 2,6 18,5 48,10 22,99 4,49 4,49 0,24 24,25 3,3 17,1 56,43 20,42 3,32 3,32 0, 19 19,41 3,2 23,7 75,84 20,79 -2,91 2,91 0,12 12,30 2,7 28,8 77,76 22,62 -6,18 6,18 0,21 21,46 2 24,2 48,40 25,18 0,98 0,98 0,04 4,07 0,7 25,8 18,06 29,95 4,15 4,15 0,16 16,09 0,99 17,3 17,13 28,89 11,59 11,59 0,67 66,98 1,25 19,1 23,88 27,93 8,83 8,83 0,46 46,25 0,9 15,7 14,13 29,22 13,52 13,52 0,86 86,10 0,7 16,7 11,69 29,95 13,25 13,25 0,79 79,34 3,5 19,7 68,95 19,69 -0,01 0,01 0,00 0,07 3 22,1 66,30 21,52 -0,58 0,58 0,03 2,63 2,9 23 66,70 21,89 -1,11 1,11 0,05 4,84 0,1 24 2,40 32,15 8,15 8,15 0,34 33,96 0,5 25,7 12,85 30,68 4,98 4,98 0, 19 19,39 0,4 102,7 41,08 31,05 -71,65 71,65 0,70 69,77 Уравнение парной линейной регрессии имеет вид: = а+bx, Находим средние значения (xср,, yср и их произведения xyср,), по совокупности n=30, Хср yср xyср 1,9713 25,2900 45,5724 Далее, находим Дисперсию по (x и y), а так же Среднее Квадратическое Отклонение (СКО) этих показателей, Дх СКОх Дy СКОy 1,1683 1,0809 238,4229 15,4409 b a -3,6658 32,5165 Посчитаем значения параметров a и b, Находим Aсред, Из всей совокупности (Ai) = 30,0036"