- •Методические указания и задания
- •Использование регрессионного анализа в решении экономических задач.
- •Цель работы.
- •Методические рекомендации.
- •Функции регрессии.
- •Простая линейная регрессия.
- •Множественная линейная регрессия
- •Задания.
- •Использование надстройки "Поиск решения".
- •Задание.
- •Решение экономических задач с использованием финансовых функцийExcel.
- •Цель работы.
- •Методические рекомендации.
- •Функция Цена
- •Функция бс (бз)
- •Функция плт (пплат).
- •Функция чпс (нпз).
- •Подбор Параметра
- •Диспетчер сценариев
- •Задание.
- •Работа с ценными бумагами
- •Определение размера вклада
- •Выбор кредита.
- •Выбор проекта.
- •Содержание отчета:
Простая линейная регрессия.
Задача:
Определить доход мебельного салона в четвертом квартале на основании имеющихся данных за предыдущие месяцы.
Решение:
В случае простой линейной регрессии y=mx+b, задача может решаться несколькими способами:
1 способ. С помощью мастера функций.
Исходные данные занесем в таблицу:
Рисунок 4. Исходные данные для функции ЛИНЕЙН.
Решим задачу, используя простую линейную регрессию, которая описывается уравнением прямой линии y=mx+b.
Найдем значения коэффициентов m и b. Для этого выделим ячейки E3:F3 и с помощью функции {=ЛИНЕЙН(C3:C9; A3:A9; ИСТИНА)}определим эти коэффициенты. Они равны {1726107,14; 6191571,43}. Теперь в ячейку С10 введем формулу =СУММ($E$3*A10;$F$3)для определения дохода мебельного салона в октябре. С помощью маркера скопируем формулу на ячейки С11:С12 и получим интересующие нас данные на ноябрь и декабрь
Рисунок 5. Результат функции ЛИНЕЙН.
2 способ. С помощью маркера заполнения.
Выделим группу ячеек с исходными данными (диапазон В3:В9на рис.6).
В нижней части выделенного диапазона правой кнопкой мыши захватить маркер заполнения и протащить до конца того диапазона, который требуется заполнить (диапазон В10:В12). Отпустите кнопку мыши появиться контекстное меню.
Выберите из меню пункт Линейное приближениеи получите результат.
Рисунок 6. Использование маркера заполнения.
3 способ. С помощью команды автозаполнение.
Выделите весь диапазон, включая пустые ячейки, а затем выберите Правка—Заполнить —Прогрессия. В появившемся диалоговом окне выбрать пунктАвтозаполнение.
Этим же способом можно воспользоваться, если рост происходит по экспоненциальному закону. Для этого вместо команды Линейное приближениевыберите командуЭкспоненциальное приближение.
4 способ. Графический метод.
Коэффициенты mиbможно найти и так:
Построить точечный график по диапазону ячеек В3:В9.
Выделить точки графика и вызвать контекстное меню правой кнопкой мыши.
В меню выбрать команду ДобавитьЛинию тренда.
Задать следующие параметры: Тип-Линейная,Параметры-Прогноз-Вперед на 3 периода,Показать уравнениеивеличину достоверности аппроксимации.
Если величина достоверности аппроксимации R20,9-1, то данную зависимость можно использовать для предсказания результата.
Для расчета объема реализации продукции на 4-ый квартал используем полученное уравнение (см. рис.7)
Рисунок 7. Графический метод.
Множественная линейная регрессия
Уравнение для прямой линии в случае множественной линейной регрессии имеет следующий вид:
y = m1x1 + m2x2 + ... + b,
где зависимое значение yявляется функцией независимых значенийx1, x2, … xn. Значенияm- это коэффициенты, соответствующие каждой независимой переменнойx, аb- это постоянная.
Функция ЛИНЕЙН возвращает массив {mn;mn-1;...;m1;b}. ЛИНЕЙН может также возвращать дополнительную регрессионную статистику. В приведенной ниже таблице 2 показано, в каком порядке возвращается дополнительная регрессионная статистика.
Таблица 2. Результат функции ЛИНЕЙН.
mn |
mn-1 |
… |
m2 |
m1 |
b |
sen |
sen-1 |
… |
se2 |
se1 |
seb |
R2 |
sev |
|
|
|
|
F |
df |
|
|
|
|
ssreq |
ssresid |
|
|
|
|
Размерность массива, возвращаемого функцией ЛИНЕЙН определяется следующим образом: (n+ 1) х 5. Наибольший интерес представляет первая строка массива: здесь мы видим все коэффициентыmи свободный членb. Обратите внимание, что коэффициентыmвозвращаются в обратном порядке (отmn доm1).
Таблица 3. Подробное описание результата функции ЛИНЕЙН.
Величина |
Описание |
se1,se2,...,sen |
Стандартные значения ошибок для коэффициентов m1,m2,...,mn. |
seb |
Стандартное значение ошибки для постоянной b (seb= #Н/Д, есликонстантаимеет значение ЛОЖЬ). |
R2 |
Коэффициент детерминированности, нормированный от 0 до 1. Если он равен 1, то имеет место полная корреляция с моделью, если коэффициент детерминированности равен 0, то уравнение регрессии неудачно для предсказания значений y. |
sey |
Стандартная ошибка для оценки y. |
F |
F-статистика, илиF-наблюдаемое значение.F-статистика используется для определения того, является ли наблюдаемая взаимосвязь между зависимой и независимой переменными случайной или нет. |
df |
Степени свободы. Степени свободы полезны для нахождения F-критических значений в статистической таблице. Для определения уровня надежности модели нужно сравнить значения в таблице сF-статистикой, возвращаемой функцией ЛИНЕЙН. |
ssreg |
Регрессионная сумма квадратов. |
ssresid |
Остаточная сумма квадратов. |