- •Эконометрика
- •Содержание
- •Введение
- •1 Лабораторная работа № 1 Классическая модель линейной регрессии
- •Реализация типовых заданий:
- •1 Рассчитайте параметры линейного уравнения множественной регрессии с полным перечнем факторов по данным о деятельности крупнейших компаний сша в текущем году
- •2 Рассчитайте матрицу парных коэффициентов корреляции и отберите информативные факторы в модели. Укажите коллинеарные факторы
- •3 Постройте модель в естественной форме только с информативными факторами и оцените ее параметры.
- •4 Оцените с помощью f-критерия Фишера-Снедекора значимость уравнения линейной регрессии и показателя тесноты связи
- •5 Оцените статистическую значимость коэффициентов регрессии с помощью t- критерия Стьюдента
- •6 Дайте сравнительную оценку силы связи факторов с результатом с помощью средних (общих) коэффициентов эластичности
- •7 Оцените качество уравнения через среднюю ошибку аппроксимации
- •8 Постройте модель в стандартизованном масштабе и проинтерпретируйте ее параметры
- •9 Рассчитайте прогнозное значение результата, если прогнозное значение факторов составляют 80 % от их максимальных значений
- •10 Рассчитайте ошибки и доверительный интервал прогноза для уровня значимости
- •11 По полученным результатам сделайте экономический вывод
- •2 Лабораторная работа № 2 Регрессионные модели с переменной структурой
- •Реализация типовых заданий:
- •1 Оцените линейную регрессию, включив в модель фиктивную переменную
- •2 Проверти данные на наличие структурного сдвига при помощи теста Чоу
- •3 Лабораторная работа № 3 Нарушения допущений классической модели линейной регрессии
- •Реализация типовых заданий:
- •1 Провести графический анализ остатков
- •Графический анализ остатков
- •Тест Голфелда-Квандта
- •Тест ранговой корреляции Спирмена
- •2 Если будет обнаружена гетероскедастичность остатков, примените для исходных данных омнк, предполагая, что .
- •Критерий Дарбина – Уотсона
- •4 Лабораторная работа № 4 Нелинейная регрессия
- •Реализация типовых заданий
- •Показательная модель регрессии
- •Гиперболическая модель регрессии
- •5 Лабораторная работа 5 Моделирование временных рядов
- •Решение типовых задач:
- •1 На основе графического анализа провести исследование компонентного состава временного ряда
- •2 При обнаружении тенденции во временном ряду оценить параметры линейного и параболического тренда
- •3 Построить прогноз по тренд – сезонной аддитивной или мультипликативной модели
- •Прогнозирование по тренд – сезонной мультипликативной модели
- •4 Построить прогноз по модели регрессии с включением фактора времени и фиктивных переменных
- •6 Лабораторная работа № 6 Системы линейных одновременных уравнений
- •Реализация типовых заданий:
- •1) Построить модель вида, рассчитав соответствующие структурные коэффициенты. Исходные данные представлены в таблице 6.1.
- •2) Оценить параметры модели – I Клейна, используя данные таблицы 6.2.
- •Список использованных источников
- •Приложение а (обязательное) Исходные данные для выполнения лабораторных работ № 1 - 4
- •Приложение б (обязательное) Варианты заданий для выполнения 5 задания лабораторной работы № 5
- •Приложение в (обязательное) Результаты регрессионного анализа по первым разностям
- •Приложение г (обязательное) Результаты регрессионного анализа по отклонениям от тренда
- •Приложение д (обязательное) Результаты регрессионного анализа по модели регрессии с включением фактора времени
- •Приложение е (обязательное) Варианты заданий для выполнения лабораторной работы №6
- •Приложение ж (обязательное) Исходные данные для выполнения лабораторной работы №6
- •Приложение и (обязательное) Статистико-математические таблицы
Реализация типовых заданий:
1 Рассчитайте параметры линейного уравнения множественной регрессии с полным перечнем факторов по данным о деятельности крупнейших компаний сша в текущем году
Имеются данные о деятельности 25 крупнейших компаний США (таблица 1.1).
Таблица 1.1 – Исходные данные
№ компании |
y |
x1 |
x2 |
x3 |
x4 |
x5 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
1 |
2,5 |
38,2 |
5,3 |
16,5 |
29,4 |
1,2 |
2 |
3,3 |
20,3 |
3,8 |
24,9 |
29 |
2 |
3 |
2,3 |
11,4 |
5,1 |
9,2 |
27,4 |
0,9 |
4 |
3,3 |
16,9 |
1,3 |
19,3 |
27 |
1,3 |
5 |
4,2 |
26,9 |
6,1 |
40,8 |
25,8 |
1,6 |
Продолжение таблицы 1.1
1 |
2 |
3 |
4 |
5 |
6 |
7 |
6 |
2,9 |
21,9 |
1,6 |
37,2 |
15 |
0,3 |
7 |
5,7 |
144 |
27,5 |
133,5 |
25,5 |
2,6 |
8 |
3,2 |
24,8 |
5,6 |
32,9 |
25,3 |
1,3 |
9 |
8,5 |
172,3 |
16,8 |
286,5 |
24,8 |
2,3 |
10 |
2 |
8,9 |
0,4 |
1,6 |
23,8 |
1 |
11 |
2,9 |
13,7 |
2,2 |
10,3 |
23,8 |
1,5 |
12 |
3,5 |
34 |
5,3 |
16,4 |
23,5 |
1,8 |
13 |
3,5 |
20,3 |
3,7 |
23,8 |
14,7 |
1,9 |
14 |
3 |
16,7 |
3,5 |
81,5 |
21,6 |
1,3 |
15 |
2 |
26,4 |
3,4 |
40,4 |
21,2 |
1,5 |
16 |
2,4 |
13,7 |
0,9 |
12,9 |
20,6 |
0,2 |
17 |
3,4 |
33,9 |
3,6 |
54,6 |
19 |
1,1 |
18 |
2,5 |
19,3 |
1,9 |
36,9 |
18,3 |
1,7 |
19 |
2,7 |
24,6 |
4,2 |
53,8 |
13,9 |
2,1 |
20 |
3,5 |
19,6 |
3,3 |
22,8 |
17,8 |
2,1 |
21 |
0,7 |
28,3 |
0,4 |
50,4 |
17,7 |
1,4 |
22 |
2,9 |
20,4 |
2,4 |
27,2 |
17,7 |
1,8 |
23 |
3,6 |
20,3 |
3,2 |
25,2 |
17,6 |
2 |
24 |
2,2 |
11,1 |
0,5 |
8,9 |
16,4 |
1,3 |
25 |
2,3 |
22,4 |
1,6 |
31,1 |
15,7 |
2 |
где y – чистый доход, млрд. долл.;
x1 – оборот капитала, млрд. долл.;
x2 – использованный капитал, млрд. долл.;
x3 – численность служащих, тыс. чел.;
x4 – рыночная капитализация компаний, млрд. долл.;
x5 – заработная плата служащих, тыс. долл.
Построим уравнение множественной линейной регрессии следующего вида:
.
Для этого проведем регрессионный анализ данных факторов с помощью ППП МС Excel.
Для построения модели можно воспользоваться инструментом анализа данных Регрессия. Порядок действий следующий:
а) в главном меню выберите Сервис/Анализ данных/Регрессия. Щелкните по кнопке ОК;
б) заполните диалоговое окно ввода данных и параметров ввода (рисунок 1.1):
Входной интервал Y – диапазон, содержащий данные результативного признака;
Входной интервал Х – диапазон, содержащий данные всех пяти факторов;
Метки – флажок, который указывает, содержит ли первая строка названия столбцов или нет;
Константа – ноль – флажок, указывающий на наличие или отсутствие свободного члена в уравнении;
Выходной интервал – достаточно указать левую верхнюю ячейку будущего диапазона;
Новый рабочий лист - можно задать произвольное имя нового листа.
Рисунок 1.1 – Диалоговое окно ввода параметров инструмента Регрессия
Результаты регрессионного анализа представлены на рисунке 1.2.
Рисунок 1.2 – Результат применения инструмента Регрессия для факторов
Составим уравнение множественной регрессии:
.
Коэффициенты регрессии показывают среднее изменение результативного признака с изменением на 1 единицу своего измерения данного фактора при условии постоянства всех остальных.
Таким
образом, коэффициент регрессии при
показывает, что с увеличением оборотного
капитала на 1 млрд. долл. чистый доход
увеличится на 0,0039 млрд. долл., при
фиксированном значении остальных
факторов. Аналогичным образом делаются
выводы по остальным коэффициентам
регрессии.
Параметр a экономической интерпретации не имеет.
