- •Контрольная работа по эконометрике
- •Решение:
- •Рассчитайте параметры уравнений линейной, степенной, показательной и гиперболической парных регрессий.
- •Линейная парная регрессия рассчитывается по формуле:
- •Линейная парная регрессия.
- •Степенная парная регрессия рассчитывается по формуле:
- •Степенная парная регрессия.
- •Показательная парная регрессия рассчитывается по формуле:
- •Показательная парная регрессия.
- •Гиперболическая парная регрессия рассчитывается по формуле:
- •Гиперболическая парная регрессия.
- •Оцените тесноту связи с помощью показателей корреляции и детерминации.
- •2.1 Оценка тесноты связи с помощью показателей корреляции.
- •2.1.1 Показатель корреляции для линейной регрессии:
- •2.1.2 Показатель корреляции для степенной регрессии:
- •2.1.3 Показатель корреляции для показательной регрессии:
- •2.1.4 Показатель корреляции для гиперболической регрессии:
- •2.2 Оценка тесноты связи с помощью показателей детерминации.
- •Оцените качество уравнений с помощью средней ошибки аппроксимации.
- •3.1 Линейная парная регрессия.
- •3.2 Степенная парная регрессия.
- •3.3 Показательная парная регрессия.
- •3.4 Гиперболическая парная регрессия.
- •Оцените статистическую надёжность результатов регрессионного моделирования с помощью f-критерия Фишера. Выбрать лучшее уравнение регрессии.
- •Рассчитайте ожидаемое значение результата, если прогнозное значение фактора увеличится на 10 % от его среднего уровня.
3.4 Гиперболическая парная регрессия.
n |
у |
х |
ŷ |
|
|
1 |
11,92 |
18,26 |
11,6717 |
0,0208 |
|
2 |
8,34 |
21,9 |
12,7713 |
0,5313 |
|
3 |
7,08 |
12,12 |
8,3200 |
0,1751 |
|
4 |
10,52 |
17,52 |
11,3922 |
0,0829 |
|
5 |
18,68 |
26,28 |
13,6907 |
0,2671 |
|
6 |
8,24 |
11,86 |
8,1015 |
0,0168 |
|
7 |
10,5 |
15,08 |
10,2765 |
0,0213 |
|
8 |
7,34 |
10,56 |
6,8475 |
0,0671 |
|
9 |
7,28 |
10,4 |
6,6715 |
0,0836 |
|
10 |
6,72 |
10,78 |
7,0810 |
0,0537 |
|
11 |
8,18 |
10,8 |
7,1017 |
0,1318 |
|
12 |
9,04 |
13,64 |
9,4308 |
0,0432 |
|
13 |
7,34 |
10,74 |
7,0392 |
0,0410 |
|
14 |
6,56 |
11,78 |
8,0323 |
0,2244 |
|
15 |
9,2 |
12,52 |
8,6385 |
0,0610 |
|
16 |
7,6 |
10,42 |
6,6938 |
0,1192 |
|
17 |
8,78 |
12,52 |
8,6385 |
0,0161 |
|
18 |
6,88 |
10,42 |
6,6938 |
0,0271 |
|
19 |
8,02 |
13,16 |
9,1077 |
0,1356 |
|
20 |
10,28 |
14,92 |
10,1906 |
0,0087 |
|
|
|
|
Σ |
2,1280 |
Вывод:
Средняя ошибка аппроксимации не должна превышать 10-12%, следовательно чем ниже процент ошибки, тем предпочтительней уравнение регрессии. В нашем случае наиболее предпочтительней использовать уравнение степенной регрессии, а так все функции находятся в пределах нормы средней ошибки аппроксимации.
