Контрольная работа по "Эконометрике"

Автор работы: Пользователь скрыл имя, 14 Ноября 2013 в 05:40, контрольная работа

Краткое описание

На основании данных об экономической и финансовой отчетности вашего предприятия:
1) Провести анализ динамики объема продаж и выручки предприятия;
2) Используя данные экономической отчетности, выявить факторы, влияющие на объем продаж.
3) Обосновать выбор и построить модель статистической динамики продаж.
4) Построить модель объема продаж в форме множественной регрессии с лаговыми объясняющими переменными, доказать качество построенного уравнения (с помощью F -статистики Фишера (а =0,05) и t- критерия Стьюдента, оцените надёжность параметров и уравнений регрессии в целом).

Скачать полностью (213.13 Кб) Сколько стоит заказать работу?
Прикрепленные файлы: 1 файл

Отчет по эконометрике.doc

— 1.11 Мб (Скачать документ)

 

 

Экспоненциальная модель статистической динамики будет выглядеть следующим  образом:

 

.

Чтобы обосновать выбор модели рассчитаем еще среднюю ошибку аппроксимации. Чтобы иметь общее суждение о качестве модели из относительных отклонений по каждому наблюдению, определяют среднюю ошибку аппроксимации как среднюю арифметическую простую. Средняя ошибка аппроксимации рассчитывается по формуле:

.

Линейное:

Линейное

Объем продаж.У

Цена Х1

Широта ассортимента Х2

190032

25

15

190168

22

16

190236

21

14

196548

20

15

198863

23

17

200820

24

18

201658

21

19

206589

26

16

210294

22

14

212761

24

18

216412

28

19

222296

24

17


 

Для расчета средней ошибки аппроксимации  рассчитаем отношение  , а затем его сумму.

Линейное

      

Объем продаж.У

Цена Х1

Широта ассортимента Х2

У расч.

(У-Урасч)/У

|(Y-Yp)/Y|

190032

25

15

202983,9415

-0,0681566

0,068156634

190168

22

16

199936,9723

-0,0513702

0,051370221

190236

21

14

194560,1449

-0,0227304

0,022730424

196548

20

15

194790,5374

0,00894165

0,008941646

198863

23

17

203444,7264

-0,0230396

0,023039612

200820

24

18

206952,4805

-0,0305372

0,0305372

201658

21

19

203905,5113

-0,0111452

0,011145163

206589

26

16

206491,6955

0,00047101

0,000471005

210294

22

14

196198,8257

0,06702604

0,067026041

212761

24

18

206952,4805

0,02730068

0,027300678

216412

28

19

215376,277

0,00478589

0,004785885

222296

24

17

205083,4072

0,07743096

0,077430961

       

сумма

0,39293547


 

 

 

Тогда средняя ошибка аппроксимации  для данного примера будет  равна:

.

 

Степенное:

lg Y

lg X1

lg X2

У расч.

5,27882674

1,39794001

1,17609126

154101,997

5,27913744

1,34242268

1,20411998

153778,802

5,27929271

1,32221929

1,14612804

152993,933

5,29346863

1,30103

1,17609126

153053,911

5,29855399

1,36172784

1,23044892

154235,748

5,30280696

1,38021124

1,25527251

154663,274

5,30461546

1,32221929

1,2787536

154251,125

5,31510719

1,41497335

1,20411998

154549,785

5,32282688

1,34242268

1,14612804

153214,653

5,32789202

1,38021124

1,25527251

154663,274

5,33528134

1,44715803

1,2787536

155574,592

5,34693165

1,38021124

1,23044892

154433,036


 

 

Для расчета средней ошибки аппроксимации  рассчитаем отношение  , а затем его сумму.

 

Степенное

      

lg Y

lg X1

lg X2

У расч.

(У-Урасч)/У

|(Y-Yp)/Y|

5,27882674

1,39794001

1,17609126

154101,997

-29191,47118

29191,47

5,27913744

1,34242268

1,20411998

153778,802

-29128,53187

29128,53

5,27929271

1,32221929

1,14612804

152993,933

-28979,0058

28979,01

5,29346863

1,30103

1,17609126

153053,911

-28912,72773

28912,73

5,29855399

1,36172784

1,23044892

154235,748

-29108,02646

29108,03

5,30280696

1,38021124

1,25527251

154663,274

-29165,30282

29165,3

5,30461546

1,32221929

1,2787536

154251,125

-29077,66289

29077,66

5,31510719

1,41497335

1,20411998

154549,785

-29076,45409

29076,45

5,32282688

1,34242268

1,14612804

153214,653

-28783,45159

28783,45

5,32789202

1,38021124

1,25527251

154663,274

-29027,9805

29027,98

5,33528134

1,44715803

1,2787536

155574,592

-29158,58542

29158,59

5,34693165

1,38021124

1,23044892

154433,036

-28881,55295

28881,55

       

сумма

348490,8


 

 

 

Тогда средняя ошибка аппроксимации для данного примера будет равна:

.

 

 

 

Экспоненциальное:

 

Экспоненциальное

  

ln Y

X1

X2

У расч.

12,15494776

25

15

202358,2319

12,15566317

22

16

199481,7825

12,15602069

21

14

194236,8542

12,18866196

20

15

194523,9624

12,20037142

23

17

202956,8994

12,21016426

24

18

206492,5554

12,21432847

21

19

203557,3381

12,23848659

26

16

205883,4586

12,25626183

22

14

195776,7837

12,26792475

24

18

206492,5554

12,28493928

28

19

215126,3651

12,31176511

24

17

204565,9623


 

 

 

Для расчета средней ошибки аппроксимации рассчитаем отношение , а затем его сумму.

 

Экспоненциальное

      

ln Y

X1

X2

У расч.

(У-Урасч)/У

|(Y-Yp)/Y|

12,15494776

25

15

202358,2319

-16647,219

16647,22

12,15566317

22

16

199481,7825

-16409,605

16409,6

12,15602069

21

14

194236,8542

-15977,654

15977,65

12,18866196

20

15

194523,9624

-15958,419

15958,42

12,20037142

23

17

202956,8994

-16634,305

16634,3

12,21016426

24

18

206492,5554

-16910,53

16910,53

12,21432847

21

19

203557,3381

-16664,455

16664,45

12,23848659

26

16

205883,4586

-16821,624

16821,62

12,25626183

22

14

195776,7837

-15972,613

15972,61

12,26792475

24

18

206492,5554

-16830,906

16830,91

12,28493928

28

19

215126,3651

-17510,39

17510,39

12,31176511

24

17

204565,9623

-16614,486

16614,49

       

сумма

198952,2


 

 

 

Тогда средняя ошибка аппроксимации  для данного примера будет  равна:

.

 

В нашем случае наиболее приемлема  линейная модель статистической динамики продаж. Т. К. при расчете средней  ошибки аппроксимации, ее значение наиболее удовлетворяет в линейной модели ( не более 8-12%).

 

  1. Построить модель объема продаж в форме множественной регрессии с лаговыми объясняющими переменными, доказать качество построенного уравнения (с помощью F -статистики Фишера (а =0,05) и t- критерия Стьюдента, оцените надёжность параметров и уравнений регрессии в целом).

 

Лаг – величина l, характеризующая запаздывание в воздействии фактора на результат.

Лаговые переменные – временные ряды факторных переменных, сдвинутые на один или более моментов времени.

 

 

 

Запишем лаговые переменные для  нашего примера.

Рассчитаем параметры уравнения  через вкладку «Анализ данных», «Регрессия», для того чтобы построить модель объема продаж в форме множественной регрессии с лаговыми объясняющими переменными.

ВЫВОД ИТОГОВ

            
             

Регрессионная статистика

          

Множественный R

0,794818655

          

R-квадрат

0,631736695

          

Нормированный R-квадрат

0,421300521

          

Стандартная ошибка

8188,693369

          

Наблюдения

12

          
             

Дисперсионный анализ

          
 

df

SS

MS

F

Значимость F

  

Регрессия

4

805202131,3

201300533

3,0020347

0,09732076

  

Остаток

7

469382893,7

67054699

      

Итого

11

1274585025

        
             
 

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Y-пересечение

106904,5462

32172,64507

3,3228398

0,0127154

30828,3294

182980,763

Переменная X 1

2975,225241

1329,241778

2,2382875

0,0602299

-167,9321

6118,38259

Переменная X 2

1594,063285

1088,294079

1,4647358

0,1864096

-979,34329

4167,46986

Переменная X 3

477,4491665

1670,713517

0,2857756

0,7833217

-3473,1605

4428,05887

Переменная X 4

-1004,727943

1508,138922

-0,6662038

0,5266193

-4570,9098

2561,45393


 

 

Модель объема продаж в форме множественной регрессии с лаговыми объясняющими переменными будет выглядеть следующим образом:

.

 

 

Fрасчетный = 3,002;

Fтабличный = 6,09.

Fрасчетный < Fтабличный. А это значит, что уравнение регрессии статистически не значимо, не надежно, некачественно построено.

● tа = 3,3228398;

● = 2,2382875;

● = 1,4647358;                                        tтабличное = 2,1788

● = 0,2857756;

● = -0,6662038.

Параметры b2,b3,b4, статистически незначимы, не надежны.

Рассчитаем среднюю ошибку аппроксимации.

Объем продаж.У

Цена Х1

Широта ассортимента Х2

              

190032

25

15

              

190168

22

16

              

190236

21

14

              

196548

20

15

              

198863

23

17

              

200820

24

18

              

201658

21

19

    

а

106905

      

206589

26

16

    

б1

2975,2

      

210294

22

14

    

б2

1594,1

      

212761

24

18

    

б3

477,45

      

216412

28

19

    

б4

-1005

      

222296

24

17

              
         

A

0,0243

      
                   
                   
                   

Объем продаж.У

X1(t)

X1(t-1)

X2(t)

X2(t-1)

    

У расч.

(У-Урасч)/У

|(Y-Yp)/Y|

190032

25

0

15

0

    

188446,91

0,00834115

0,008341149

190168

22

25

16

15

    

204779,35

-0,0768339

0,076833911

190236

21

22

14

16

    

195062,31

-0,0253701

0,025370118

196548

20

21

15

14

    

192979,93

0,0181537

0,018153701

198863

23

20

17

15

    

200261,71

-0,0070335

0,007033531

200820

24

23

18

17

    

206487,12

-0,0282199

0,028219886

201658

21

24

19

18

    

198628,23

0,01502432

0,015024317

206589

26

21

16

19

    

206285,09

0,0014711

0,001471099

210294

22

26

14

16

    

204413,79

0,02796186

0,027961862

212761

24

22

18

14

    

207907,24

0,02281321

0,022813213

216412

28

24

19

18

    

219454,8

-0,0140602

0,014060232

222296

24

28

17

19

    

211970,53

0,0464492

0,046449199

               

сумма

0,291732219

Информация о работе Контрольная работа по "Эконометрике"