Автор работы: Пользователь скрыл имя, 05 Июня 2015 в 18:12, контрольная работа
Задание 1
По 15 предприятиям, выпускающим один и тот же вид продукции известны значения двух признаков х – выпуск продукции, тыс. ед., у – затраты на производство, млн. руб.
х 3 3.1 2,9 2,8 3,2 3,1 2,7 2,6 3,2 3,3 3,1 3,4 3,2 2,7 2,9
у 4,5 4,7 4,6 4,7 5,2 4,8 4,5 4 4,8 5 4,7 5,5 4,9 4,5 4,5
Требуется:
1. Построить диаграмму рассеивания и сформулировать гипотезу о форме связи.
2. Построить модели:
2.1. Линейной парной регрессии;
2.2. Полулогарифмической парной регрессии;
2.3. Степенной парной регрессии.
3. По значениям характеристик выбрать лучшее уравнение регрессии;
4. Рассчитать прогнозное значение результата, если прогнозное значение фактора увеличится на 5 % от его среднего уровня. Для уровня значимости = 0,05 определить доверительный интервал прогноза;
5. Используя метод Гольдфельда-Квандта проверить остатки на гетероскедастичность.
Задание 1
По 15 предприятиям, выпускающим один и тот же вид продукции известны значения двух признаков х – выпуск продукции, тыс. ед., у – затраты на производство, млн. руб.
х |
3 |
3.1 |
2,9 |
2,8 |
3,2 |
3,1 |
2,7 |
2,6 |
3,2 |
3,3 |
3,1 |
3,4 |
3,2 |
2,7 |
2,9 |
у |
4,5 |
4,7 |
4,6 |
4,7 |
5,2 |
4,8 |
4,5 |
4 |
4,8 |
5 |
4,7 |
5,5 |
4,9 |
4,5 |
4,5 |
Требуется:
1. Построить диаграмму
2. Построить модели:
2.1. Линейной парной регрессии;
2.2. Полулогарифмической парной регрессии;
2.3. Степенной парной регрессии.
3. По значениям характеристик выбрать лучшее уравнение регрессии;
4. Рассчитать прогнозное значение результата, если прогнозное значение фактора увеличится на 5 % от его среднего уровня. Для уровня значимости = 0,05 определить доверительный интервал прогноза;
5. Используя метод Гольдфельда-Квандта проверить остатки на гетероскедастичность.
Решение:
Анализируя точки диаграммы, предполагаем, что связь между признаками может быть линейная, т. е. .
2.1. Модель линейной парной регрессии.
2.1.1. Строим расчетную таблицу
№ |
|
|
|
|
|
|
|
|
1 |
3 |
4,5 |
13,5 |
9 |
20,25 |
4,72 |
-0,22 |
4,888889 |
2 |
3,1 |
4,7 |
14,57 |
9,61 |
22,09 |
4,832 |
-0,132 |
2,808511 |
3 |
2,9 |
4,6 |
13,34 |
8,41 |
21,16 |
4,608 |
-0,008 |
0,173913 |
4 |
2,8 |
4,7 |
13,16 |
7,84 |
22,09 |
4,496 |
0,204 |
4,340426 |
5 |
3,2 |
5,2 |
16,64 |
10,24 |
27,04 |
4,944 |
0,256 |
4,923077 |
6 |
3,1 |
4,8 |
14,88 |
9,61 |
23,04 |
4,832 |
-0,032 |
0,666667 |
7 |
2,7 |
4,5 |
12,15 |
7,29 |
20,25 |
4,384 |
0,116 |
2,577778 |
8 |
2,6 |
4 |
10,4 |
6,76 |
16 |
4,272 |
-0,272 |
6,8 |
9 |
3,2 |
4,8 |
15,36 |
10,24 |
23,04 |
4,944 |
-0,144 |
3 |
10 |
3,3 |
5 |
16,5 |
10,89 |
25 |
5,056 |
-0,056 |
1,12 |
11 |
3,1 |
4,7 |
14,57 |
9,61 |
22,09 |
4,832 |
-0,132 |
2,808511 |
12 |
3,4 |
5,5 |
18,7 |
11,56 |
30,25 |
5,168 |
0,332 |
6,036364 |
13 |
3,2 |
4,9 |
15,68 |
10,24 |
24,01 |
4,944 |
-0,044 |
0,897959 |
14 |
2,7 |
4,5 |
12,15 |
7,29 |
20,25 |
4,384 |
0,116 |
2,577778 |
15 |
2,9 |
4,5 |
13,05 |
8,41 |
20,25 |
4,608 |
-0,108 |
2,4 |
|
45,2 |
70,9 |
214,65 |
137 |
336,81 |
71,024 |
46,01987 | |
Сред. |
3,01 |
4,73 |
14,31 |
9,133 |
22,454 |
4,73 |
3,068 |
Определим параметры :
Уравнение регрессии , т. е. с увеличением выпуска продукции на 1 тыс. един., затраты на производство увеличиваются в среднем на 1,12 млн. руб.
2.1.2. Тесноту связи оценим с помощью коэффициента парной корреляции . Предварительно определим :
Значение близко к 1, следовательно, между выпуском продукции и затратами на производство наблюдается очень тесная корреляционная связь.
2.1.3. Оценим качество построенной модели.
Определим коэффициент детерминации , т.е. данная модель объясняет 85 % вариации изменений затрат на производство от вариации объема продукции. На долю неучтенных факторов приходится 15 %.
Найдем величину аппроксимации A:
. Тогда %, т.е. в среднем расчетные значения отклоняются от фактических значений на 3,068%.
2.1.4. Оценим статистическую значимость полученного уравнения.
Примем . Найдем табличное значение F-критерия Фишера
. Найдем фактическое значение F-
поэтому с вероятностью 0,95 выявленная зависимость у от х носит неслучайный характер, полученное уравнение статистически значимо, надежно и может быть использовано для прогноза.
2.1.5. Определим средний коэффициент эластичности:
. Он показывает, что с увеличением выпуска продукции на 1 % затраты на производство увеличиваются в среднем на 0,71 %.
2.2. Модель полулогарифмической парной регрессии.
2.2.1. Строим расчетную таблицу
№ |
|
|
|
|
|
|
|
|
|
1 |
3 |
4,5 |
1,1 |
4,95 |
1,21 |
20,25 |
4,733 |
-0,233 |
5,177778 |
2 |
3,1 |
4,7 |
1,13 |
5,311 |
1,2769 |
22,09 |
4,8539 |
-0,1539 |
3,274468 |
3 |
2,9 |
4,6 |
1,06 |
4,876 |
1,1236 |
21,16 |
4,5718 |
0,0282 |
0,613043 |
4 |
2,8 |
4,7 |
1,03 |
4,841 |
1,0609 |
22,09 |
4,4509 |
0,2491 |
5,3 |
5 |
3,2 |
5,2 |
1,16 |
6,032 |
1,3456 |
27,04 |
4,9748 |
0,2252 |
4,330769 |
6 |
3,1 |
4,8 |
1,13 |
5,424 |
1,2769 |
23,04 |
4,8539 |
-0,0539 |
1,122917 |
7 |
2,7 |
4,5 |
0,99 |
4,455 |
0,9801 |
20,25 |
4,2897 |
0,2103 |
4,673333 |
8 |
2,6 |
4 |
0,96 |
3,84 |
0,9216 |
16 |
4,1688 |
-0,1688 |
4,22 |
9 |
3,2 |
4,8 |
1,16 |
5,568 |
1,3456 |
23,04 |
4,9748 |
-0,1748 |
3,641667 |
10 |
3,3 |
5 |
1,19 |
5,95 |
1,4161 |
25 |
5,0957 |
-0,0957 |
1,914 |
11 |
3,1 |
4,7 |
1,13 |
5,311 |
1,2769 |
22,09 |
4,8539 |
-0,1539 |
3,274468 |
12 |
3,4 |
5,5 |
1,22 |
6,71 |
1,4884 |
30,25 |
5,2166 |
0,2834 |
5,152727 |
13 |
3,2 |
4,9 |
1,16 |
5,684 |
1,3456 |
24,01 |
4,9748 |
-0,0748 |
1,526531 |
14 |
2,7 |
4,5 |
0,99 |
4,455 |
0,9801 |
20,25 |
4,2897 |
0,2103 |
4,673333 |
15 |
2,9 |
4,5 |
1,06 |
4,77 |
1,1236 |
20,25 |
4,5718 |
-0,0718 |
1,595556 |
|
45,2 |
70,9 |
16,47 |
78,177 |
18,1719 |
336,81 |
70,8741 |
50,49059 | |
Сред. |
3,01 |
4,73 |
1,098 |
5,212 |
1,211 |
22,454 |
4,725 |
3,366 |
Определим параметры :
Уравнение полулогарифмической регрессии .
2.2.2. Тесноту связи оценим с помощью индекса парной корреляции . Предварительно определим :
Значение близко к 1 , следовательно, между выпуском продукции и затратами на производство наблюдается очень тесна корреляционная связь вида .
2.2.3. Оценим качество построенной модели.
Определим коэффициент детерминации . т. е. данная модель объясняет 73 % вариации изменений затрат на производство от вариации объема продукции. На долю неучтенных факторов приходится 27 %.
Найдем величину аппроксимации A:
. Тогда %, т.е. в среднем расчетные значения отклоняются от фактических значений на 3,366 %.
2.2.4. Оценим статистическую значимость полученного уравнения.
Примем . Найдем табличное значение F-критерия Фишера
. Найдем фактическое значение F-
поэтому с вероятностью 0,95 выявленная зависимость у от х носит неслучайный характер, полученное уравнение статистически значимо, надежно и может быть использовано для прогноза.
2.2.5. Определим средний коэффициент эластичности:
. Он показывает, что с увеличением выпуска продукции на 1 % затраты на производство увеличиваются в среднем на 0,85 %.
2.3. Модель степенной парной регрессии.
2.3.1. Строим расчетную таблицу
№ |
|
|
|
|
|
|
|
|
|
1 |
3 |
4,5 |
1,099 |
1,504 |
1,208 |
1,653 |
4,709 |
0,044 |
4,644444 |
2 |
3,1 |
4,7 |
1,131 |
1,548 |
1,279 |
1,751 |
4,836 |
0,018 |
2,893617 |
3 |
2,9 |
4,6 |
1,065 |
1,526 |
1,134 |
1,625 |
4,58 |
0 |
0,434783 |
4 |
2,8 |
4,7 |
1,03 |
1,548 |
1,061 |
1,594 |
4,45 |
0,063 |
5,319149 |
5 |
3,2 |
5,2 |
1,163 |
1,649 |
1,353 |
1,918 |
4,963 |
0,056 |
4,557692 |
6 |
3,1 |
4,8 |
1,131 |
1,569 |
1,279 |
1,775 |
4,836 |
0,001 |
0,75 |
7 |
2,7 |
4,5 |
0,993 |
1,504 |
0,986 |
1,493 |
4,32 |
0,032 |
4 |
8 |
2,6 |
4 |
0,956 |
1,386 |
0,914 |
1,325 |
4,189 |
0,036 |
4,725 |
9 |
3,2 |
4,8 |
1,163 |
1,569 |
1,353 |
1,825 |
4,963 |
0,027 |
3,395833 |
10 |
3,3 |
5 |
1,194 |
1,609 |
1,426 |
1,921 |
5,09 |
0,008 |
1,8 |
11 |
3,1 |
4,7 |
1,131 |
1,548 |
1,279 |
1,751 |
4,836 |
0,018 |
2,893617 |
12 |
3,4 |
5,5 |
1,224 |
1,705 |
1,498 |
2,087 |
5,215 |
0,081 |
5,181818 |
13 |
3,2 |
4,9 |
1,163 |
1,589 |
1,353 |
1,848 |
4,963 |
0,004 |
1,285714 |
14 |
2,7 |
4,5 |
0,993 |
1,504 |
0,986 |
1,493 |
4,32 |
0,0324 |
4 |
15 |
2,9 |
4,5 |
1,065 |
1,504 |
1,134 |
1,602 |
4,58 |
0,0064 |
1,777778 |
|
45,2 |
70,9 |
16,501 |
23,262 |
18,243 |
25,661 |
70,85 |
0,4268 |
47,65945 |
Сред |
3,01 |
4,73 |
1,1 |
1,551 |
1,216 |
1,711 |
4,723 |
0,028 |
3,177 |
Определим параметры :
Уравнение степенной регрессии .
2.3.2. Тесноту связи оценим с помощью индекса парной корреляции . Предварительно определим , тогда
Значение близко к 1 , следовательно, между выпуском продукции и затратами на производство наблюдается очень тесна корреляционная связь вида .
2.3.3. Оценим качество построенной модели.
Определим коэффициент детерминации . т.е. данная модель объясняет 74 % вариации изменений затрат на производство от вариации объема продукции. На долю неучтенных факторов приходится 26 %.
Найдем величину аппроксимации A:
Тогда %, т.е. в среднем расчетные значения отклоняются от фактических значений на 3,18 %.
2.3.4. Оценим статистическую значимость полученного уравнения.
Примем . Найдем табличное значение F-критерия Фишера
. Найдем фактическое значение F-
поэтому с вероятностью 0,95 выявленная зависимость у от х носит неслучайный характер, полученное уравнение статистически значимо, надежно и может быть использовано для прогноза.
2.3.5. Определим средний коэффициент эластичности:
. Он показывает, что с увеличением выпуска продукции на 1 % затраты на производство увеличиваются в среднем на 0,817 %.
3. Выбор наилучшей модели
Составим таблицу полученных результатов исследований
Уравнение |
|
|
А, % |
|
|
0,92 |
0,85 |
3,068 |
0,71 |
|
0,855 |
0,73 |
3,366 |
0,85 |
|
0,86 |
0,74 |
3,177 |
0,817 |
Выводы:
Все три уравнения оказались статистически значимыми и надежными, имеют близкий к 1 коэффициент (индекс) корреляции, высокий коэффициент (индекс) детерминации и ошибку аппроксимации в допустимых пределах. Характеристики линейной модели указывают, что она несколько лучше полулогарифмической и степенной описывает связь между признаками х и у.
В качестве уравнения регрессии выбираем линейную модель .
4. Рассчитать прогнозное значение результата, если прогнозное значение фактора увеличится на 5 % от его среднего уровня.
Т. Е. для величины выпуска продукции равной 3,16 тыс. единиц прогнозное значение затрат на производство составляет 4,90 млн. руб.
Для уровня значимости определим доверительный интервал прогноза.
. Подставим числовые данные
,
Табличное значение
№ |
|
|
|
|
|
1 |
3 |
4,5 |
4,72 |
0,048 |
0 |
2 |
3,1 |
4,7 |
4,832 |
0,017 |
0,008 |
3 |
2,9 |
4,6 |
4,608 |
0 |
0,012 |
4 |
2,8 |
4,7 |
4,496 |
0,042 |
0,044 |
5 |
3,2 |
5,2 |
4,944 |
0,066 |
0,036 |
6 |
3,1 |
4,8 |
4,832 |
0,001 |
0,008 |
7 |
2,7 |
4,5 |
4,384 |
0,013 |
0,096 |
8 |
2,6 |
4 |
4,272 |
0,074 |
0,168 |
9 |
3,2 |
4,8 |
4,944 |
0,021 |
0,036 |
10 |
3,3 |
5 |
5,056 |
0,003 |
0,084 |
11 |
3,1 |
4,7 |
4,832 |
0,017 |
0,008 |
12 |
3,4 |
5,5 |
5,168 |
0,11 |
0,152 |
13 |
3,2 |
4,9 |
4,944 |
0,002 |
0,036 |
14 |
2,7 |
4,5 |
4,384 |
0,013 |
0,096 |
15 |
2,9 |
4,5 |
4,608 |
0,012 |
0,012 |
|
45,2 |
70,9 |
71,024 |
0,439 |
0,796 |
Ср. |
3,01 |
4,727 |
4,73 |
Информация о работе Контрольная работа по дисциплине "Эконометрика"