Автор работы: Пользователь скрыл имя, 18 Мая 2015 в 10:46, контрольная работа
Задача 1. Эконометрическое моделирование стоимости квартир в Московской области.
Задача 2. Исследовать динамику экономического показателя на основе анализа одномерного временного ряда.
СОДЕРЖАНИЕ 2
ИСХОДНЫЕ ДАННЫЕ 3
ЗАДАЧА 1. ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ СТОИМОСТИ КВАРТИР В МОСКОВСКОЙ ОБЛАСТИ 3
ЗАДАЧА 2. ИССЛЕДОВАТЬ ДИНАМИКУ ЭКОНОМИЧЕСКОГО ПОКАЗАТЕЛЯ НА ОСНОВЕ АНАЛИЗА ОДНОМЕРНОГО ВРЕМЕННОГО РЯДА 5
РЕШЕНИЕ 6
ЗАДАЧА 1. ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ СТОИМОСТИ КВАРТИР В МОСКОВСКОЙ ОБЛАСТИ 6
Задача 1.1 Расчет матрицы парных коэффициентов корреляции и оценка их статистической значимости. 6
1.2 Построение поля корреляции результативного признака. 9
1.3 Расчет параметров линейной парной регрессии. 9
Задача 1.4 Оценка качества модели через коэффициент детерминации, среднюю ошибку аппроксимации и F-критерий Фишера. 12
Задача 1.5 Осуществление прогнозирования среднего значения показателя Y. 15
Задача 1.6 Построение модели формирования цены на основе только значимых факторов. 17
Задача 1.7 Оценка качества построенной модели. 21
ЗАДАЧА 2. ИССЛЕДОВАТЬ ДИНАМИКУ ЭКОНОМИЧЕСКОГО ПОКАЗАТЕЛЯ НА ОСНОВЕ АНАЛИЗА ОДНОМЕРНОГО ВРЕМЕННОГО РЯДА. 27
Задача 2.1 Проверка наличия аномальных наблюдений. 27
Задача 2.2 Построение линейной модели. 29
Задача 2.3 Оценка адекватности модели. 32
Задача 2.4 Оценка точности модели на основе использования средней относительной ошибки аппроксимации. 35
Задача 2.5 Осуществление прогноза спроса на следующие 2 недели. 35
Задача 2.6 Графическое предоставление результатов моделирования и прогнозирования. 37
СПИСОК ЛИТЕРАТУРЫ 39
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
«ФИНАНСОВЫЙ УНИВЕРСИТЕТ
ПРИ ПРАВИТЕЛЬСТВЕ РОССИЙСКОЙ ФЕДЕРАЦИИ» УФИМСКИЙ ФИЛИАЛ
Факультет менеджмента и маркетинга
Кафедра экономико-математических моделей и методов
Эконометрика
Контрольная работа
Вариант № 8.
Выполнил: студент Хамзин А.Р.
Факультет: финансово-кредитный.
Группа: 13 БЭФ.
№ зачетной книжки: 09ффб02888.
Руководитель: Горбатков С.А.
Исследуемые факторы: Y, X1, X2, X3 – приведены в таблице 1.Номера наблюдений:41-80 – приведены в таблице 2.
Таблица 1: Наименования показателей.
Обозначение |
Наименование показателя |
Единица измерения (возможные значения) |
Y |
цена квартиры |
тыс. долл. |
X1 |
город области |
1 – Подольск 0 – Люберцы |
X2 |
число комнат в квартире |
|
X3 |
общая площадь квартиры |
кв. м |
Таблица 2: Исходные данные для эконометрического моделирования стоимости квартир:
№ |
Y |
X1 |
X2 |
X3 |
38 |
1 |
1 |
41,9 | |
62,2 |
1 |
2 |
69 | |
125 |
0 |
3 |
67 | |
61,1 |
1 |
2 |
58,1 | |
67 |
0 |
1 |
32 | |
93 |
0 |
2 |
57,2 | |
118 |
1 |
3 |
107 | |
132 |
0 |
3 |
81 | |
92,5 |
0 |
3 |
89,9 | |
105 |
1 |
4 |
75 | |
42 |
1 |
1 |
36 | |
125 |
1 |
3 |
72,9 | |
170 |
0 |
4 |
90 | |
38 |
0 |
1 |
29 | |
130,5 |
0 |
4 |
108 | |
85 |
0 |
2 |
60 | |
98 |
0 |
4 |
80 | |
128 |
0 |
4 |
104 | |
85 |
0 |
3 |
85 | |
160 |
1 |
3 |
70 | |
60 |
0 |
1 |
60 | |
41 |
1 |
1 |
35 | |
90 |
1 |
4 |
70 | |
83 |
0 |
4 |
69,5 | |
45 |
0 |
1 |
32,8 | |
39 |
0 |
1 |
32 | |
86,9 |
0 |
3 |
97 | |
40 |
0 |
1 |
32,8 | |
80 |
0 |
2 |
71,3 | |
227 |
0 |
4 |
147 | |
235 |
0 |
4 |
150 | |
40 |
1 |
1 |
34 | |
67 |
1 |
1 |
47 | |
123 |
1 |
4 |
81 | |
100 |
0 |
3 |
57 | |
105 |
1 |
3 |
80 | |
70,3 |
1 |
2 |
58,1 | |
82 |
1 |
3 |
81,1 | |
280 |
1 |
4 |
155 | |
200 |
1 |
4 |
108,4 |
В течение девяти последовательных недель фиксировался спрос Y(t) (млн. р.) на кредитные ресурсы финансовой компании. Временной ряд Y(t) этого показателя приведен в таблице 3.
Таблица 3: временной ряд спроса на кредитные ресурсы компании.
Номер варианта |
Номер наблюдения (t = 1,2,…,9) | ||||||||
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 | |
8 |
8 |
13 |
15 |
19 |
25 |
27 |
33 |
35 |
40 |
Требуется:
Задача 1.1 Расчет матрицы парных коэффициентов корреляции и оценка их статистической значимости.
Рассчитайте матрицу парных коэффициентов корреляции; оцените статистическую значимость коэффициентов корреляции.
Инструмент «Корреляция» применяется, если имеется более двух переменных измерений для каждого объекта. В результате выдается корреляционная матрица:
Парные коэффициенты корреляции рассчитываются по формуле:
где n– объем выборки;
– значение факторного признака;
– значение результативного признака;
– среднее значение факторного признака;
– среднее значение результативного признака.
Используя инструмент «Корреляция» пакета «Анализ данных» в Excel получим матрицу парных коэффициентов корреляции.
Таблица 4: Матрица парных коэффициентов корреляции.
Y |
X1 |
X2 |
X3 | |
Y |
1 |
|||
X1 |
-0,01126 |
1 |
||
X2 |
0,751061 |
-0,0341 |
1 |
|
X3 |
0,892994 |
-0,04899 |
0,805405 |
1 |
Качественно оценим взаимосвязь между результирующим признаком Y и каждым из факторов Хj, j=1,2,3 (силу зависимости определим по шкале Чеддока):
– эта зависимость высокая, ближе к весьма высокой.
Вывод:зависимая переменная Y (цена квартиры) на 89,3% зависит от показателя Х3 (общая площадь квартиры).
Оценим теперь статистическую значимость каждого коэффициента. Для этого рассчитаем значения t-критерия Стьюдента для каждого коэффициента.
где –парный коэффициент корреляции результативного признака Y и факторного Xj;
j=1,2,3;
n– объем выборки.
По таблице критических точек распределения Стьюдента (или с помощью функции СТЬЮДРАСПОБР в Excel):
.
При уровне значимости и числе степеней свободы определим критическое значение:
Т.к. ,то коэффициент не является значимым. На основании выборочных данных нельзя утверждать, что зависимость между ценой квартиры Y и городом областиХ1 существует.
Т.к. ,то коэффициент является значимым. На основании выборочных данных можно утверждать, что зависимость между ценой квартиры Y и числом комнат в квартире Х2 существует.
Т.к. ,то коэффициент является значимым (значимо отличается от нуля). На уровне значимости 5% выборочные данные позволяют сделать вывод о наличии тесной линейной корреляционной зависимости между признаками Y и Х3. Зависимость между ценой квартиры Y и общей площадью квартиры Х3 является достоверной.
Вывод:наиболее тесная и значимая зависимость наблюдается между ценой квартиры Y и общей площадью квартиры Х3.
1.2 Построение поля
корреляции результативного
Постройте поле корреляции результативного признака и наиболее тесно связанного с ним фактора.
Для построения поля корреляции воспользуемся инструментом «Мастер диаграмм» в Excel. Выберем «Точечную» диаграмму. По оси абсцисс отложим значения фактора, наиболее тесно связанного с результативным фактором (X3), а по оси ординат – сам результативный фактор (Y).
Рисунок 1: Поле корреляции.
Вывод:
1.3 Расчет параметров линейной парной регрессии.
Рассчитайте параметры линейной парной регрессии для фактора Х, наиболее тесно связанного с Y.
Для построения уравнения линейной парной модели
где j=3,используем инструмент «Регрессия» пакета «Анализ данных» в Excel.
Входной фактор Х3.
Результаты вычислений представлены в таблицах 5, 6, 7.
Таблица 5: Регрессионная статистика.
Регрессионная статистика | |
Множественный R |
0,892994 |
R-квадрат |
0,797439 |
Нормированный R-квадрат |
0,792108 |
Стандартная ошибка |
26,12201 |
Наблюдения |
40 |
Таблица 6: Дисперсионный анализ.
Дисперсионный анализ | |||||
df |
SS |
MS |
F |
Значимость F | |
Регрессия |
1 |
102079,3 |
102079,3 |
149,5976 |
9,55E-15 |
Остаток |
38 |
25929,66 |
682,3595 |
||
Итого |
39 |
128009 |
Таблица 7: Расчетные параметры линейной парной регрессии.
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% | |
Y-пересечение |
-14,7806 |
10,34577 |
-1,42866 |
0,161271 |
-35,7245 |
6,163328 |
-35,7245 |
6,163328 |
X3 |
1,593655 |
0,130296 |
12,23101 |
9,55E-15 |
1,329884 |
1,857426 |
1,329884 |
1,857426 |
Таким образом, уравнение линейной парной модели имеете вид:
Вывод: коэффициент регрессии ,следовательно, при изменении общей площади квартиры, в среднем на 1,594 тыс. долл. увеличивается цена квартиры. Свободный член не имеет экономического смысла, но говорит о том, что сначала меняется результат Y, а потомфактор X3.
Информация о работе Контрольная работа по дисциплине "Эконометрика"