- •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 10
Задача 1. Имеются данные о технической вооруженности трудах(тыс. руб/чел.) и затрат на рубль товарной продукцииу(коп.) для 24 однотипных предприятий (табл. 57).
Таблица 57
Номер пред-приятия |
Техническая вооруженность труда, тыс. руб./чел. |
Затраты на рубль, коп. |
Номер пред-приятия |
Техническая вооруженность труда, тыс. руб./чел. |
Затраты на рубль, коп. |
1 |
76 |
30,10 |
13 |
87 |
26,45 |
2 |
77 |
31,10 |
14 |
88 |
25,45 |
3 |
78 |
32,10 |
15 |
89 |
22,3 |
4 |
79 |
29,60 |
16 |
89 |
21,11 |
5 |
80 |
19,16 |
17 |
90 |
21,03 |
6 |
82 |
19,54 |
18 |
91 |
20,95 |
7 |
82 |
29,87 |
19 |
91 |
20,99 |
8 |
83 |
29,67 |
20 |
92 |
19,65 |
9 |
83 |
29,65 |
21 |
93 |
18,47 |
10 |
84 |
29,71 |
22 |
93 |
18,51 |
11 |
85 |
27,54 |
23 |
94 |
18,48 |
12 |
86 |
28,45 |
24 |
96 |
18,55 |
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. По совокупности 33 предприятий торговли изучается линейная зависимость между ценой товара А (тыс. руб.) х и прибылью торгового предприятия (млн руб.) у.
При оценке регрессионной модели были получены следующие промежуточные результаты:
= 59000,
= 80000.
Задания.
1. Поясните, какой показатель корреляции можно определить по вышеприведенным данным:
2. Постройте таблицу дисперсионного анализа для расчета значения F-критерия Фишера.
3. Сравните фактическое значение F-критерия с табличным. Сделайте выводы.
Задача 3. По 20 машиностроительным заводам строилась линейная модель зависимости рентабельности продукции (%) у, от производительности труда (ед. в день) х.
Для первых 8 заводов (заводы проранжированы по х) результаты оказались следующими (табл. 58):
= 5,56 + 0,733х R2 = 0,653 F = 11,3.
Таблица 58
у |
7 |
8 |
9 |
9 |
10 |
11 |
12 |
15 |
х |
2 |
6 |
3 |
3 |
5 |
6 |
8 |
8 |
Для последних 8 заводов результаты следующие (табл. 59):
= 19 + 0,892х; R2 = 0,763; F = 19,3:
Таблица 59
у |
23 |
22 |
24 |
25 |
27 |
31 |
33 |
35 |
х |
14 |
16 |
16 |
17 |
17 |
18 |
18 |
19 |
Задание:
С помощью теста Гольдфельда-Квандта исследуйте гетероскедастичность остатков. Сделайте выводы.
Задача 4.По данным, представленным в табл. 60, изучается зависимость чистого доходау(млрд долл.) крупнейших компаний США в 20ХХ г. от использованного капитала х1(млрд долл.) и численности служащихх2(тыс. чел.).
Таблица 60
№ п/п |
y |
x1 |
x2 |
№ п/п |
y |
x1 |
x2 |
1 |
6,6 |
83,6 |
222,0 |
11 |
4,2 |
32,5 |
225,4 |
2 |
3,0 |
6,5 |
32,0 |
12 |
2,7 |
25,4 |
675,0 |
3 |
6,5 |
50,4 |
82,0 |
13 |
1,6 |
6,4 |
43,8 |
4 |
3,3 |
15,4 |
45,2 |
14 |
2,4 |
12,5 |
102,3 |
5 |
0,1 |
29,6 |
299,3 |
15 |
3,3 |
14,3 |
105,0 |
6 |
3,6 |
13,3 |
41,6 |
16 |
1,8 |
6,5 |
49,1 |
7 |
1,5 |
5,9 |
17,8 |
17 |
2,4 |
22,7 |
50,4 |
8 |
5,5 |
27,1 |
151,0 |
18 |
1,6 |
15,8 |
480,0 |
9 |
2,4 |
11,2 |
82,3 |
19 |
1,4 |
9,3 |
71,0 |
10 |
3,0 |
16,4 |
103,0 |
20 |
0,9 |
18,9 |
43,0 |
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. При изучении уровня потребления мяса (кг на душу населения) у в зависимости от дохода (руб. на одного члена семьи) х1 и в соотношении с уровнем потребления рыбы (кг на душу населения) х2 результаты оказались следующими (по 50 семьям):
Уравнение регрессии |
= 40 + 0,32х1 0,9х2 |
Стандартные ошибки параметров |
12 0,56 0,25 |
Множественный коэффициент корреляции |
0,92 |
Задания:
1. Используя t-критерий Стьюдента, оцените значимость параметров уравнения.
2. Рассчитайте F-критерий Фишера.
3. Оцените по частным F-критериям Фишера целесообразность включения в модель:
а) фактора х1 после фактора х2;
б) фактора х2 после фактора х1.
Задача 6.Пусть имеются данные о валовых внутренних инвестиций в экономику США (в ценах 1997 г., млрд долл. США)
Таблица 61
Год |
Валовые внутренние инвестиции, млрд долл. |
Год |
Валовые внутренние инвестиции, млрд долл. |
1986 |
437,6 |
1995 |
757,5 |
1987 |
520,6 |
1996 |
745,9 |
1988 |
600,4 |
1997 |
735,1 |
1989 |
664,6 |
1998 |
749,3 |
1990 |
669,7 |
1999 |
773,4 |
1991 |
594,4 |
2000 |
789,2 |
1992 |
631,1 |
2001 |
744,5 |
1993 |
540,5 |
2002 |
672,6 |
1994 |
599,5 |
|
|
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.