
- •Кафедра экономико-математических методов и моделей
- •1. Рассчитаем матрицу парных коэффициентов корреляции и оценим статистическую значимость коэффициентов корреляции.
- •2. Построим поле корреляции результативного признака (стоимости квартиры) и наиболее тесно связанного с ним фактора (жилой площади квартиры).
- •3. Рассчитаем параметры линейной парной регрессии для каждого фактора х.
- •4. Оценим качество каждой модели через коэффициент детерминации, среднюю ошибку аппроксимации и f-критерий Фишера. Установим, какая модель является лучшей.
- •6. Используя пошаговую множественную регрессию (метод исключения), построим модель формирования цены квартиры за счёт значимых факторов.
- •7. Оцените качество построенной модели.
- •Описательная статистика (x1)
- •Задача 2. Исследовать динамику экономического показателя на основе анализа одномерного временного ряда.
- •1) Проверим наличие аномальных наблюдений
- •2) Построим линейную модель
- •4) Оценим точность моделей на основе использования средней относительной ошибки аппроксимации.
- •5) Осуществим прогноз спроса на следующие две недели.
- •6) Представим графически фактические значения показателя, результаты моделирования и прогнозирования.
7. Оцените качество построенной модели.
а) Для модели
коэффициент детерминации составил
0,78, для
модели
он составил 0,683, поскольку чем больше
значение коэффициента детерминации,
тем теснее связь между признаками в
построенной математической модели, то
первая модель является лучшей по данному
критерию.
б) Рассчитаем среднюю ошибку аппроксимации:
Для предыдущей модели она составила 30,57.
в) Рассчитаем табличное значение F-критерия Фишера при вероятности 0,05:
=4,09
= 66,78
=
66,78 >
=4,09
модель по данному критерию адекватна.
Для оценки значимого
фактора полученной математической
модели, рассчитаем коэффициенты
эластичности,
и
- коэффициенты.
Коэффициент эластичности показывает, насколько процентов изменится результативный признак при изменении факторного признака на 1%:
.
Э X3 = 2,37 *(39,62/93,65) = 1%.
Э X1 = (-32,74) * (0,58/93,65) = - 0,3 %.
То есть с ростом общей площади квартиры на 1% стоимость квартиры в среднем возрастает на 1%.
А при изменении города Люберцы на Подольск при неизменной общей площади квартиры величина стоимости квартиры уменьшится в среднем на 0,3 %.
То есть наибольшее воздействие на цену квартиры оказывает величина общей площади (X3), а наименьшее - X1 (город области).
-коэффициент показывает, на какую часть величины среднего квадратического отклонения меняется среднее значение зависимой переменной с изменением независимой переменной на одно среднеквадратическое отклонение.
=
2,37* (17,755/51,492) = 0,817.
=
(-32,74) * (0,5/51,492) = - 0,32.
Данные средних квадратических отклонений взяты из таблиц, полученных с помощью инструменты Описательная статистика.
Таблица 1.11. Таблица 1.12.
Описательная статистика (Х3) |
|
Описательная статистика (Y) |
|||||||||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||
Среднее |
39,6175 |
|
|||||||||||||||||||||||||||||
Стандартная ошибка |
2,8072408 |
|
|||||||||||||||||||||||||||||
Медиана |
35,5 |
|
|||||||||||||||||||||||||||||
Мода |
46 |
|
|||||||||||||||||||||||||||||
Стандартное отклонение |
17,75455 |
|
|||||||||||||||||||||||||||||
Дисперсия выборки |
315,22404 |
|
|||||||||||||||||||||||||||||
Эксцесс |
-0,044002 |
|
|||||||||||||||||||||||||||||
Асимметричность |
0,6711667 |
|
|||||||||||||||||||||||||||||
Интервал |
68,7 |
|
|||||||||||||||||||||||||||||
Минимум |
15,3 |
|
|||||||||||||||||||||||||||||
Максимум |
84 |
|
|||||||||||||||||||||||||||||
Сумма |
1584,7 |
|
|||||||||||||||||||||||||||||
Счет |
40 |
|
|||||||||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||
|
|
|
Таблица 1.13