![](/user_photo/2706_HbeT2.jpg)
- •1. Парная регрессия и корреляция
- •1.1. Оценка параметров, оценка адекватности модели
- •1.2. Виды нелинейной регрессии. Оценка параметров модели.
- •1.3. Коэффициент эластичности как характеристика силы связи фактора с результатом
- •1.4. Анализ гетероскедастичности
- •2. Множественная регрессия и корреляция
- •2.1. Нормальная линейная модель множественной регрессии
- •2.2. Традиционный метод наименьших квадратов для многомерной регрессии (ols)
- •2.3. Парный, частный и множественный коэффициент корреляции
- •3. Моделирование одномерных временных рядов
- •3.1. Основные понятия и определения
- •3.2. Требования к исходной информации
- •3.3. Этапы построения прогноза по временным рядам
- •4. Типичные примеры анализа моделей Задача 1
- •Задача 3
- •Задача 4
- •Задача 5
- •Задача 6
- •Задача 7
- •Задача 8
- •5. Задания для выполнения контрольных работ Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •Приложение 1 Статистико-математические таблицы
- •Критические значения t-критерия Стьюдента при уровне значимости 0,10; 0,05; 0,01 (двухсторонний)
- •Критические значения корреляции для уровневой значимости 0,05 и 0,01
- •Значения статистик Дарбина-Уотсона для 5%-го уровня значимости
- •Критические границы отношения rs на 5% уровне значимости
- •Содержание
Вариант 5
Задача 1. Имеются следующие данные о выработке литья на одного работающегох(т) и себестоимости одной тонны литьяу(руб.) по 25 литейным цехам заводов (табл. 35).
Таблица 35
№ п/п |
Выработка литья, т |
Себестоимость, руб. |
№ п/п |
Выработка литья, т |
Себестоимость, руб. |
1 |
14,6 |
239 |
14 |
75,8 |
172 |
2 |
13,5 |
254 |
15 |
27,6 |
201 |
3 |
21,5 |
262 |
16 |
88,4 |
130 |
4 |
17,4 |
251 |
17 |
16,6 |
251 |
5 |
44,8 |
158 |
18 |
33,4 |
195 |
6 |
111,9 |
101 |
19 |
17,0 |
262 |
7 |
20,1 |
259 |
20 |
33,1 |
196 |
8 |
28,1 |
186 |
21 |
30,1 |
186 |
9 |
22,3 |
204 |
22 |
65,2 |
176 |
10 |
25,3 |
198 |
23 |
22,6 |
238 |
11 |
56,0 |
170 |
24 |
33,4 |
204 |
12 |
40,2 |
173 |
25 |
19,7 |
205 |
13 |
40,6 |
197 |
|
|
|
Задания:
1. Построить линейную модель y=b0+b1x, параметры которой оценить методом наименьших квадратов.
2. Оценить тесноту и направление связи между переменными с помощью коэффициента корреляции, найти коэффициент детерминации и пояснить его смысл.
3. Проверить значимость уравнения регрессии на 5%-м уровне по F-критерию, проверить значимость коэффициента регрессии поt-статистике.
Задача 2. При изучении зависимости потребления материалов у от объема производства продукции х по 23 наблюдениям были получены следующие варианты уравнения регрессии:
1. у = 0,2 + 5,2х + е.
(8,6)
2. lnу = 1,3 + 0,9x + e, r2 = 0,66.
(6,38)
3. у = 1,1 + 0,8lnx + е, r2= 0,81.
(7,44)
4. у = 5 + 0,2х + 1,6х2 + е, r2 = 0,701.
(3,0) (2,65)
Задания:
1. Определите коэффициент детерминации для 1-го уравнения.
2. Запишите функции, характеризующие зависимость у от х во 2-м уравнении.
3. Определите коэффициенты эластичности для каждого из уравнений для значения x0 = 1,6.
Задача 3. Имеются данные о цене однокомнатной квартиры (тыс. долл.) у и величине ее общей площади (м2) х по 10 сделкам одного района города (табл. 36).
Таблица 36
х |
35 |
35 |
33 |
34 |
38 |
40 |
40 |
39 |
37 |
36 |
у |
29 |
31 |
35 |
35 |
45 |
46 |
45 |
44 |
38 |
37 |
Задание:
Проверить гипотезу об отсутствии гетероскедастичности в линейной регрессии с помощью теста ранговой корреляции Спирмэна при вероятности 0,95.
Задача 4.По данным, представленным в табл. 37, изучается зависимость чистого доходау(млрд долл.) крупнейших компаний США в 20ХХ г. от использованного капиталах1(млрд долл.) и рыночной капитализации компаниих2(млрд долл.).
Таблица 37
№ п/п |
y |
x1 |
x2 |
№ п/п |
y |
x1 |
x2 |
1 |
0,9 |
18,9 |
40,9 |
14 |
1,4 |
12,6 |
33,1 |
2 |
1,7 |
13,7 |
40,5 |
15 |
0,4 |
12,2 |
32,7 |
3 |
0,7 |
18,5 |
38,9 |
16 |
0,8 |
3,2 |
32,1 |
4 |
1,7 |
4,8 |
38,5 |
17 |
1,8 |
13,0 |
30,5 |
5 |
2,6 |
21,8 |
37,3 |
18 |
0,9 |
6,9 |
29,8 |
6 |
1,3 |
5,8 |
26,5 |
19 |
1,1 |
15,0 |
25,4 |
7 |
4,1 |
99,0 |
37,0 |
20 |
1,9 |
11,9 |
29,3 |
8 |
1,6 |
20,1 |
36,8 |
21 |
-0,9 |
1,6 |
29,2 |
9 |
6,9 |
60,6 |
36,3 |
22 |
1,3 |
8,6 |
29,2 |
10 |
0,4 |
1,4 |
35,3 |
23 |
2,0 |
11,5 |
29,1 |
11 |
1,3 |
8,0 |
35,3 |
24 |
0,6 |
1,9 |
27,9 |
12 |
1,9 |
18,9 |
35,0 |
25 |
0,7 |
5,8 |
27,2 |
13 |
1,9 |
13,2 |
26,2 |
|
|
|
|
Задания:
1. Построить линейное уравнение множественной регрессии и пояснить экономический смысл его параметров.
2. Рассчитать частные коэффициенты эластичности, а также стандартизированные коэффициенты регрессии; сделать вывод о силе связи результата и фактора.
3. Рассчитать парные, частные коэффициенты корреляции, а также множественный коэффициент корреляции; сделать выводы.
4. Проверить значимость уравнения регрессии на 5%-м уровне по F-критерию, проверить значимость коэффициентов регрессии поt-статистике.
Задача 5. По 22 предприятиям отрасли были получены следующие результаты регрессионного анализа зависимости объема выпуска продукцииу(млн руб.) от численности занятых на предприятиих1(чел.) и среднегодовой стоимости основных фондовх2(млн руб.):
Коэффициент детерминации |
0,89 |
Множественный коэффициент корреляции |
??? |
Уравнение регрессии |
lny = 6,1 + 0,23∙lnx1 + ???∙lnx2 |
Стандартные ошибки параметров |
3 ??? 0,03 |
t-критерий для параметров |
??? 6,2 4 |
Задания:
1. Напишите уравнение регрессии зависимости уотх1их2.
2. Восстановите пропущенные характеристики.
3. Оцените адекватность полученной модели.
Задача 6.Пусть имеются данные о среднедушевом расходе на конечное потребление в США в период с 1986 по 2002 гг. (в сопоставимых ценах 1997 г.).
Таблица 38
Год |
Среднедушевой расход на конечное потребление (долл. США) |
Год |
Среднедушевой расход на конечное потребление (долл. США) |
1986 |
9711 |
1995 |
11 617 |
1987 |
10 121 |
1996 |
12 015 |
1988 |
10 425 |
1997 |
12 336 |
1989 |
10 744 |
1998 |
12 568 |
1990 |
10 867 |
1999 |
12 903 |
1991 |
10 746 |
2000 |
13 027 |
1992 |
10 770 |
2001 |
13 051 |
1993 |
10 782 |
2002 |
12 889 |
1994 |
11 179 |
|
|
Задания:
1. Построить линейную модель Y(t) =a0+a1t, параметры которой оценить методом наименьших квадратов (МНК).
2. Оценить адекватность построенной модели на основе исследования:
случайной остаточной компоненты по критерию пиков;
независимости уровней ряда остатков по d-критерию или по первому коэффициенту автокорреляции;
нормальности распределения остаточной компоненты по RS-критерию.
3. Построить точечный и интервальный прогнозы на два шага вперед. Отобразить на графике фактические данные, результаты расчетов и прогнозирования.