Контрольная работа по "Эконометрике"

Автор работы: Пользователь скрыл имя, 02 Февраля 2014 в 19:41, контрольная работа

Краткое описание

Задание №1. Линейный парный регрессионный анализ.
Задание №2. Множественный регрессионный анализ.

Прикрепленные файлы: 1 файл

Ekonometrika_Variant_91.doc

— 567.00 Кб (Скачать документ)

Содержание

Задание №1. Линейный парный регрессионный анализ   3

Задание №2. Множественный регрессионный анализ    12

Список литературы           19

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Вариант 91

Задание № 1

На основе данных, приведенных в  Приложении 1 и соответствующих Вашему варианту (признаки 1 и 3, начиная с 46 по 95 наблюдения), требуется:

  1. Построить уравнение линейной парной регрессии одного признака от другого. Один из признаков, соответствующих Вашему варианту, будет играть роль факторного (х), другой – результативного (y). Причинно-следственные связи между признаками установить самим на основе экономического анализа. Пояснить смысл параметров уравнения;
  2. Рассчитать линейный коэффициент парной корреляции и коэффициент детерминации. Сделать выводы;
  3. Оценить статистическую значимость параметров регрессии и коэффициента корреляции с уровнем значимости 0,05;
  4. Выполнить прогноз ожидаемого значения признака-результата y при прогнозном значении признака-фактора х, составляющим 105% от среднего уровня х. Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал с вероятностью 0,95;
  5. Дать оценку полученного уравнения с помощью общего F-критерия Фишера.

Исходные данные представлены в  таблице 1.

Таблица 1 – Показатели деятельности производственных предприятий за 2006 год

№ наблюдения

Собственные оборотные средства, млн. руб.

Дебиторская задолженность по результатам деятельности, млн. руб.

 

№ наблюдения

Собственные оборотные средства, млн. руб.

Дебиторская задолженность по результатам деятельности, млн. руб.

46

1416

58

 

71

484

69

47

1185

44

 

72

1060

62

48

1220

68

 

73

1612

36

49

1311

64

 

74

1120

42

50

1288

25

 

75

947

52

51

918

54

 

76

1102

56

52

809

70

 

77

1302

66

53

1188

19

 

78

1477

32

54

1394

28

 

79

820

68

55

1435

54

 

80

1231

47

56

1514

48

 

81

1311

59

57

1577

44

 

82

1843

29

58

1579

39

 

83

1215

36

59

1210

26

 

84

1284

36

60

1448

58

 

85

1336

54

61

1468

28

 

86

1412

60

62

1661

47

 

87

1447

45

63

989

58

 

88

1593

54

64

1007

62

 

89

1663

49

65

1030

62

 

90

1114

81

66

1099

42

 

91

863

61

67

1197

67

 

92

932

49

68

1386

72

 

93

978

68

69

1498

45

 

94

1621

53

70

1672

35

 

95

1199

39


Решение:

Пусть признак Y – дебиторская задолженность по результатам деятельности, млн. руб., а X – собственные оборотные средства, млн. руб. В нашем распоряжении имеется 50 наблюдений.

Построим поле корреляции – множество точек (X, Y) на плоскости OXY (см. рис. 1). Из рис. 1 видно, что между признаками имеет место обратная зависимость: при росте значений признака X наблюдается уменьшение значений признака Y. То есть рост собственных оборотных средств вызывает уменьшение дебиторской задолженности, и наоборот.

Рис. 1 – Поле корреляции

Вычислим значение коэффициента линейной корреляции с помощью следующей  формулы:

где - среднее значение зависимой переменной Y;

 - среднее значение независимой переменной X;

- среднее значение произведения  индивидуальных значений X и Y;

- среднее значение квадрата  независимой переменной X;

- - среднее значение квадрата  зависимой переменной Y;

n – число наблюдений.

 

Так как  (см. таблицу 2), то коэффициент корреляции rXY  есть:

rXY = -0,443.

 

Линейный коэффициент корреляции rXY отрицательный, что свидетельствует о наличии обратной связи между признаками (см. также рис. 1). При этом коэффициент корреляции достаточно близок к единице, что свидетельствует о наличии достаточно тесной линейной связи между признаками.

Вероятностная оценка существенности коэффициента корреляции при малой выборке предпочтительно осуществляется на основе расчета значения t - критерия Стьюдента:

,

где r - коэффициент корреляции;

n - число наблюдений.

Полученное  расчетное значение t - критерия Стьюдента (по абсолютной величине) сравнивают с его теоретической величиной в зависимости от 5% и 1% уровень значимости и (n-1) числа степеней свободы.

Если |tрасч.| > tтабл., то связь между фактором и результатом существенная и наоборот, если |tрасч.| < tтабл., то связь несущественная и данный фактор исключается из дальнейшего исследования.

Определим значимость коэффициента корреляции с помощью критерия Стьюдента. Так расчетное значение t-статистики составит:

Табличное значение критерия при уровне значимости 0,95 составит: t0,95; 48 = 2.01. Так как |tрасч.| =| -3,42| = 3,42 > tтабл. = 2.01, то связь между фактором и результатом существенная.

 

Построим уравнение  линейной регрессии вида Y = a + bX, , где a, b – неизвестные параметры. Оценивание будем производить с использованием метода наименьших квадратов. Метод наименьших квадратов состоит в нахождении таких значений параметров a и b, при которых значение величины:

минимально,

где Yk – исходные значения зависимой переменной;

Xk – исходные значения независимой переменной;

k = 1, 2, 3, …, n – порядковый номер наблюдения;

n – общее число наблюдений.

Таким образом, требуется решить задачу минимизации  функции  . Данная задача может быть решена следующим образом:

Таким образом, мы имеем  систему линейных уравнений с двумя  неизвестными a и b:

Решив систему уравнений, получим формулы  для вычисления параметров регрессии:

,

где - среднее значение зависимой переменной Y;

- среднее значение независимой  переменной X;

- среднее значение произведения  индивидуальных значений X и Y;

- среднее значение квадрата независимой переменной X;

n – число наблюдений.

Подставляя  численные значения (см. таблицу 2), получим: b = -0.023; a = 79,852, откуда уравнение регрессии принимает вид:

Y = 79,852– 0.023·X.

Дадим экономическую  интерпретацию полученных коэффициентов  регрессии Y = a + b·X:

  • коэффициент регрессии b = -0,023 показывает, что при изменении значения переменной X на единицу значение переменной Y уменьшается на 0,023 единиц. Таким образом, видно, что переменные X и Y связаны обратной зависимостью. То есть при увеличении величины собственных оборотных средств на 1 млн. руб. следует ожидать уменьшения дебиторской задолженности на 0,023 млн. руб.;
  • коэффициент a = 79,852 отражает влияние на результативный признак Y факторов, неучтенных в рассматриваемой модели.

Уравнение регрессионной  линии и множество исходных точек  представлено на рис. 2.

Рис. 2 – Поле корреляции между X и Y и уравнение регрессии

 

Коэффициент детерминации R2 может быть определен как квадрат коэффициента корреляции:

R2 = rXY2 = 0,196,

или с использованием следующей формулы:

Коэффициент детерминации показывает, что лишь 19,6% вариации результативного признака Y объясняется вариацией фактора X. Таким образом, построенное уравнение регрессии не обладает достаточно хорошей объясняющей силой.

 

Величина остаточной (необъясненной) дисперсии составит:

Проверим гипотезу о значимости уравнения регрессии в целом. Нулевая гипотеза H0 – гипотеза о том, что уравнение регрессии в целом статистически незначимо, альтернативная гипотеза H1 – гипотеза о том, что уравнение регрессии в целом статистически значимо.

Оценка статистической значимости построенной модели регрессии в целом производится с использованием F-критерия Фишера. Сперва вычисляется фактическое значение F-критерия Фишера по следующей формуле:

или

где - факторная (или объясненная регрессией) и остаточная сумма квадратов, n – число наблюдений.

Далее следует  сравнить вычисленное фактическое  значение F-критерия Фишера с табличным значением соответствующего критерия. Если фактическое значение используемого критерия превышает табличное, то нулевая гипотеза отклоняется и с вероятностью (1-α) (выбранный уровень значимости) принимается альтернативная гипотеза о статистической значимости регрессии в целом. Если же фактическое значение F-критерия Фишера меньше табличного, то говорят, что нет оснований отвергнуть нулевую гипотезу, то есть регрессия в целом не значима.

Проверим значимость уравнения регрессии на уровне α = 0,05.

Вычислим фактическое  значение F-критерия Фишера. В нашем случае, m = 1 (рассматривается лишь один регрессор в модели – переменная X), n = 50 (имеем 50 наблюдений). Fфакт = 11,73.

Для определения табличного значения F-критерия Фишера воспользуемся таблицами распределения Фишера для заданного уровня значимости (0.95), число степеней свободы (m, n-m-1). Таким образом, Fтабл = F0.95; 1; 48 = 4.04.

Так как Fфакт = 11,73 > Fтабл = 4.04, то нулевая гипотеза отклоняется и с вероятностью 0.95 принимается альтернативная гипотеза о статистической значимости уравнения регрессии в целом.

Следовательно, допуская ошибку 5%, можно считать построенное уравнение пригодным для дальнейшего исследования и прогнозирования.

 

Выполним прогноз ожидаемого значения признака-результата Y при прогнозном значении признака-фактора X, составляющим 105% от среднего уровня X. Так среднее значение признака X составляет 1269,30 млн. руб., тогда прогноз нужно построить для значения X* = 1269,30 · 105% = 1332,77 млн. руб. Используя уравнение регрессии, будем иметь:

Y* = 79,852 – 0,023 · X* = 79,852 – 0,023 · 1332,77 = 48,93 млн. руб.

 

Оценим точность прогноза, рассчитав ошибку прогноза и его доверительный интервал с вероятностью 0,95.

Прогнозируемое  значение признака-результата c доверительной вероятностью равной (1-a) принадлежит интервалу прогноза:

(

-t·mp;
+t·mp),

где - точечный прогноз (Yth);

t – коэффициент доверия, определяемый по таблицам распределения Стьюдента в зависимости от уровня значимости a и числа степеней свободы (n-2);

mp- средняя ошибка прогноза.

Средняя ошибка прогноза определяется по формуле:

.

И составит в нашем случае:

Коэффициент доверия t составит t0.95; 48 = 2.01. Таким образом, доверительный интервал будет иметь вид:

48,93 – 13,19 · 2.01 ≤ Y* ≤ 48,93 + 13,19 · 2.01

 

22,41 ≤ Y* ≤ 75,44

 

Таким образом, было получено, что между признаками наблюдается обратная зависимость. Однако уравнение регрессии линейного вида не достаточно точно отражает действительную ситуацию, возможно, что требуется усложнение вида зависимости или добавление дополнительных признаков, оказывающих влияние на результативный признак.

Однако, не смотря на это  согласно критерию Фишера уравнение  регрессии может быть использовано для прогнозирования. Но ошибка прогнозирования при этом достаточно велика! То есть наши предположения с экономической точки зрения, а точнее с точки зрения, бухгалтерского учета, подтвердились: между показателями, предложенными для анализа, нет какой-либо значимой связи – собственные оборотные средства не оказывает какого-либо существенного влияния на величину дебиторской задолженности.

 

Таблица 2 – Вспомогательная таблица

Номер наблюдения

Y

X

X2

Y2

XY

Yth

(Y-Yth)2

46

58

1416

2005056

3364

82128

47

121,09

57,76

11,59

21520,89

47

44

1185

1404225

1936

52140

52

69,82

40,96

3,83

7106,49

48

68

1220

1488400

4624

82960

52

270,80

309,76

1,31

2430,49

49

64

1311

1718721

4096

83904

49

212,21

184,96

0,94

1738,89

50

25

1288

1658944

625

32200

50

623,31

645,16

0,19

349,69

51

54

918

842724

2916

49572

59

20,72

12,96

66,45

123411,69

52

70

809

654481

4900

56630

61

79,56

384,16

114,08

211876,09

53

19

1188

1411344

361

22572

52

1107,99

985,96

3,56

6609,69

54

28

1394

1943236

784

39032

48

380,50

501,76

8,37

15550,09

55

54

1435

2059225

2916

77490

47

55,43

12,96

14,78

27456,49

56

48

1514

2292196

2304

72672

45

10,74

5,76

32,24

59878,09

57

44

1577

2486929

1936

69388

43

0,55

40,96

50,98

94679,29

58

39

1579

2493241

1521

61581

43

17,76

129,96

51,64

95914,09

59

26

1210

1464100

676

31460

52

664,40

595,36

1,89

3516,49

60

58

1448

2096704

3364

83984

46

137,98

57,76

17,19

31933,69

61

28

1468

2155024

784

41104

46

316,46

501,76

21,26

39481,69

62

47

1661

2758921

2209

78067

41

32,36

11,56

82,61

153428,89

63

58

989

978121

3364

57362

57

1,20

57,76

42,30

78568,09

64

62

1007

1014049

3844

62434

56

30,40

134,56

37,04

68801,29

65

62

1030

1060900

3844

63860

56

36,57

134,56

30,83

57264,49

66

42

1099

1207801

1764

46158

54

152,56

70,56

15,61

29002,09

67

67

1197

1432809

4489

80199

52

222,68

275,56

2,81

5227,29

68

72

1386

1920996

5184

99792

48

590,87

466,56

7,33

13618,89

69

45

1498

2244004

2025

67410

45

0,01

29,16

28,16

52303,69

70

35

1672

2795584

1225

58520

41

36,67

237,16

87,31

162167,29

71

69

484

234256

4761

33396

69

0,14

345,96

332,03

616696,09

72

62

1060

1123600

3844

65720

55

45,47

134,56

23,59

43806,49

73

36

1612

2598544

1296

58032

42

41,58

207,36

63,23

117443,29

74

42

1120

1254400

1764

47040

54

140,76

70,56

12,00

22290,49

75

52

947

896809

2704

49244

58

34,56

2,56

55,93

103877,29

76

56

1102

1214404

3136

61712

54

2,95

31,36

15,07

27989,29

77

66

1302

1695204

4356

85932

50

267,61

243,36

0,58

1069,29

78

32

1477

2181529

1024

47264

46

184,43

338,56

23,23

43139,29

79

68

820

672400

4624

55760

61

51,47

309,76

108,69

201870,49

80

47

1231

1515361

2209

57857

51

18,39

11,56

0,79

1466,89

81

59

1311

1718721

3481

77349

49

91,54

73,96

0,94

1738,89

82

29

1843

3396649

841

53447

37

65,42

457,96

177,21

329131,69

83

36

1215

1476225

1296

43740

52

245,23

207,36

1,59

2948,49

84

36

1284

1648656

1296

46224

50

197,65

207,36

0,12

216,09

85

54

1336

1784896

2916

72144

49

26,50

12,96

2,40

4448,89

86

60

1412

1993744

3600

84720

47

166,70

92,16

10,96

20363,29

87

45

1447

2093809

2025

65115

46

1,63

29,16

17,00

31577,29

88

54

1593

2537649

2916

86022

43

123,45

12,96

56,42

104781,69

89

49

1663

2765569

2401

81487

41

59,83

1,96

83,45

154999,69

90

81

1114

1240996

6561

90234

54

728,81

936,36

12,99

24118,09

91

61

863

744769

3721

52643

60

1,37

112,36

88,88

165079,69

92

49

932

868624

2401

45668

58

85,13

1,96

61,26

113771,29

93

68

978

956484

4624

66504

57

117,52

309,76

45,69

84855,69

94

53

1621

2627641

2809

85913

42

115,79

6,76

66,60

123692,89

95

39

1199

1437601

1521

46761

52

169,81

129,96

2,66

4942,09

Сумма

2520,00

63465,00

84266275,00

137182,00

3112547,00

2520,00

8176,42

10174,00

1997,58

3710150,50

Среднее значение

50,40

1269,30

1685325,50

2743,64

62250,94

50,40

       

Информация о работе Контрольная работа по "Эконометрике"