4 семестр / ekonometrika_Variant_71
.docxВариант 71
№1
Имеются данные о расходах населения на продукты питания (y) и доходах семьи (x), ден. ед. для 8 районов.
y |
90 |
120 |
180 |
220 |
260 |
290 |
330 |
380 |
x |
120 |
310 |
530 |
740 |
960 |
1180 |
1450 |
1870 |
1. Для характеристики зависимости y от x рассчитайте параметры следующих функций: а) линейной; б) степенной; 2.Оцените тесноту связи изучаемых признаков. 3.Оцените каждую модель через среднюю ошибку аппроксимации и F-критерий Фишера.
Р е ш е н и е :
а) Для расчета параметров b0 и b1 линейной регрессии решаем систему нормальных уравнений относительно b0 и b1:
По исходным данным рассчитываем Σy, Σx, Σxy, Σx2, Σy2.
Таблица 1.2 – Определение параметров модели и оценка ее качества
№ |
x |
y |
xy |
x2 |
y2 |
y- |
Ai |
|
1 |
120 |
90 |
10800 |
14400 |
8100 |
102 |
-12 |
13,33 |
2 |
310 |
120 |
37200 |
96100 |
14400 |
134,3 |
-14,3 |
11,92 |
3 |
530 |
180 |
95400 |
280900 |
32400 |
171,7 |
8,3 |
4,61 |
4 |
740 |
220 |
162800 |
547600 |
48400 |
207,4 |
12,6 |
5,73 |
5 |
960 |
260 |
249600 |
921600 |
67600 |
244,8 |
15,2 |
5,85 |
6 |
1180 |
290 |
342200 |
1392400 |
84100 |
282,2 |
7,8 |
2,69 |
7 |
1450 |
330 |
478500 |
2102500 |
108900 |
328,1 |
1,9 |
0,58 |
8 |
1870 |
380 |
710600 |
3496900 |
144400 |
399,5 |
-19,5 |
5,13 |
Итого |
7160 |
1870 |
2087100 |
8852400 |
508300 |
1870 |
0,00 |
49,83 |
Ср. значение |
895 |
233,75 |
260887,5 |
1106550 |
63537,5 |
|
|
6,23 |
Решив систему уравнений, получим следующие значения параметров: b1 = 0.17, b0 = 81,6
Уравнение регрессии имеет вид:
С увеличением дохода семьи на 1 ден. ед. расходы на продукты питания увеличиваются на 0,17 ден. ед.
Рассчитаем линейный коэффициент парной корреляции:
Связь между рассматриваемыми признаками сильная, прямая.
Определим коэффициент детерминации:
Вариация результата на 99,2% объясняется вариацией фактора x. На долю прочих факторов, не учитываемых в регрессии, приходится 0,8%.
Подставляя в уравнение регрессии фактические значения x, определим теоретические (расчетные) значения . Найдем величину средней ошибки аппроксимации:
Ошибка аппроксимации показывает хорошее соответствие расчетных и фактических данных: среднее отклонение составляет 6,23 %
Рассчитаем F-критерий:
Fкр. находим по таблице значений F-критерия Фишера при уровне значимости 0,05 и степенях свободы k1=1, k2=6: Fкр=5,99.
Т.к. Fкр < Fнабл (5,99 < 744), отклоняется гипотеза Н0 о случайной природе выявленной зависимости и статистической незначимости параметров уравнения и показателя тесноты связи.
б) Построению нелинейной модели предшествует процедура линеаризации переменных. Линеаризация степенной модели производится путем логарифмирования обеих частей уравнения:
Где Y=lg y, X=lg x, B0=lg b0
Для расчетов используем данные таблицы 1.3.
Таблица 1.3 – Определение параметров модели и оценка ее качества
№ |
x |
y |
X |
Y |
XY |
X2 |
Y2 |
y- |
(y-)2 |
Ai |
(2 |
|
1 |
120 |
90 |
2,08 |
1,95 |
4,06 |
4,32 |
3,82 |
90,07 |
-0,07 |
0,01 |
0,08 |
20664,063 |
2 |
310 |
120 |
2,49 |
2,08 |
5,18 |
6,21 |
4,32 |
144,77 |
-24,77 |
613,59 |
20,64 |
12939,063 |
3 |
530 |
180 |
2,72 |
2,26 |
6,14 |
7,42 |
5,09 |
189,29 |
-9,29 |
86,39 |
5,16 |
2889,063 |
4 |
740 |
220 |
2,87 |
2,34 |
6,72 |
8,23 |
5,49 |
223,67 |
-3,67 |
13,50 |
1,67 |
189,063 |
5 |
960 |
260 |
2,98 |
2,41 |
7,20 |
8,89 |
5,83 |
254,76 |
5,24 |
27,43 |
2,01 |
689,063 |
6 |
1180 |
290 |
3,07 |
2,46 |
7,56 |
9,44 |
6,06 |
282,45 |
7,55 |
57,01 |
2,60 |
3164,063 |
7 |
1450 |
330 |
3,16 |
2,52 |
7,96 |
9,99 |
6,34 |
313,10 |
16,90 |
285,59 |
5,12 |
9264,063 |
8 |
1870 |
380 |
3,27 |
2,58 |
8,44 |
10,70 |
6,66 |
355,57 |
24,43 |
597,00 |
6,43 |
21389,063 |
Итого |
7160 |
1870 |
22,65 |
18,61 |
53,28 |
65,21 |
43,61 |
1853,69 |
16,31 |
1680,51 |
43,73 |
71187,50 |
Ср. значение |
895 |
233,75 |
2,83 |
2,33 |
6,66 |
8,15 |
5,45 |
|
|
|
5,47 |
|
Рассчитаем значения параметров В0 и b1:
Получим линейное уравнение:
Выполнив его потенцирование, получим:
Подставляя в данное уравнение фактические значения x, получаем теоретические значения результата . По ним рассчитаем индекс корреляции и среднюю ошибку аппроксимации A:
Ai=5.47
Так как Fкр < Fнабл (5,99 < 294), отвергается гипотеза Н0 о статистической незначимости параметров степенного уравнения.
№7
Имеются структурная модель и приведенная форма модели
Структурная модель:
Приведенная форма:
Т р е б у е т с я :
1. Проверить структурную модель на необходимое и достаточное условия идентификации;
2. Исходя из приведенной формы модели уравнений, найти структурные коэффициенты модели.
Решение :
1. Модель имеет три эндогенные (y1, y2, y3) и три экзогенные (x1, x2, x3) переменные.
Проверим каждое уравнение системы на необходимое (Н) и достаточное (Д) условия идентификации.
Первое уравнение.
Н: эндогенных переменных – 2 (y1, y2), отсутствующих экзогенных – 1 (x3). Выполняется необходимое равенство: 2=1+1, следовательно, уравнение точно идентифицируемо.
Д: в первом уравнении отсутствуют y3 и x3. Построим матрицу из коэффициентов при них в других уравнениях системы:
Уравнение |
Отсутствующие переменные |
|
y3 |
x3 |
|
Второе |
b23 |
0 |
Третье |
0 |
а33 |
Det A=b23*а33≠0
Определитель матрицы не равен 0, ранг матрицы равен 2; следовательно, выполняется достаточное условие идентификации, и первое уравнение точно идентифицируемо.
Второе уравнение.
Н: эндогенных переменных – 3 (y1, y2, y3), отсутствующих экзогенных – 2 (x1, x3). Выполняется необходимое равенство: 3=2+1, следовательно, уравнение точно идентифицируемо.
Д: во втором уравнении отсутствуют x1 и x3. Построим матрицу из коэффициентов при них в других уравнениях системы:
Уравнение |
Отсутствующие переменные |
|
X1 |
X3 |
|
Первое |
а11 |
0 |
Третье |
а31 |
а33 |
Det A= a11*а33- 0= а11*а33≠0
Определитель матрицы не равен 0, ранг матрицы равен 2; следовательно, выполняется достаточное условие идентификации, и второе уравнение точно идентифицируемо.
Третье уравнение.
Н: эндогенных переменных – 2 (y2, y3), отсутствующих экзогенных – 1 (x2). Выполняется необходимое равенство: 2=1+1, следовательно, уравнение точно идентифицируемо.
Д: в третьем уравнении отсутствуют y1 и x2. Построим матрицу из коэффициентов при них в других уравнениях системы:
Уравнение |
Отсутствующие переменные |
|
Y1 |
X2 |
|
Первое |
-1 |
a12 |
Второе |
b21 |
а22 |
Det A= -а22- a12* b21≠0
Определитель матрицы не равен 0, ранг матрицы равен 2; следовательно, выполняется достаточное условие идентификации, и третье уравнение точно идентифицируемо.
2. Вычислим структурные коэффициенты модели:
1) Из 3 уравнения приведенной формы выразим x3 (так как его нет в первом уравнении структурной формы):
x3= 1/5y3+x1-8/5x2
Подставим полученный x3 в первое уравнение ПФМ:
y1= 0,4y3+5x1-6.2x2 – первое уравнение СФМ.
2) Из 1 и 3 уравнений приведенной формы выразим x1 и x3 (так как их нет во втором уравнении структурной формы):
x1=-0.2y3+1.6x2+x3
x3= 0.5y1-1.5x1+1.5x2
Следовательно,
x1=0.2y1-0.08y3+1.24x2
x3= 0.2y1+0.12y3-0.36x2
Подставим полученные x1 и x3 во второе уравнение ПФМ:
y2= -1.2y1-1.12y3+9.36x2 – второе уравнение СФМ.
3) Из 2 уравнения приведенной формы выразим x2 (так как его нет в третьем уравнении структурной формы):
x2= 1/4y2-1/2 x1+2x3
Подставим полученный x2 в третье уравнение ПФМ:
y3=2y2-9x1+21x3– третье уравнение СФМ.
Таким образом, СФМ примет вид:
№10.
Динамика выпуска продукции характеризуется данными (млн. долл.), представленными в таблице:
1991 |
1992 |
1993 |
1994 |
1995 |
1996 |
1997 |
1998 |
1999 |
2000 |
23085 |
23980 |
23444 |
29657 |
39570 |
38435 |
39000 |
39020 |
40012 |
41010 |
Требуется:
1. Провести расчет параметров линейного, степенного, экспоненциального и параболического трендов.
2. Выбрать наилучший вид тренда на основании графического изображения и значения коэффициента детерминации.
3. Построить графики ряда динамики и выбранного тренда.
4. Рассчитать критерий Дарбина-Уотсона. Оценить полученный результат при 5%-ном уровне значимости.
5. Сделать прогноз ряда на два ближайших года.
Решение
1. Линейный тренд:
Степенной тренд:
Экспоненциальный тренд:
Параболический тренд:
2. Сравним значения коэффициентов детерминации по разным уравнениям трендов:
Линейный: 0,8103;
Степенной: 0,8263;
Экспоненциальный: 0,7998;
Параболический: 0,8756.
Исходные данные лучше всего описывает параболический тренд. Следовательно, в рассматриваемом примере для расчета прогнозных значений следует использовать уравнение параболического тренда y=-257,2x2 + 5122,1x + 15452.
4)
|
y |
εt |
εt-1 |
εt- εt-1 |
(εt- εt-1)2 |
εt2 |
|
1 |
20316,9 |
23085 |
2768,1 |
|
|
|
7662377,61 |
2 |
24667,4 |
23980 |
-687,4 |
2768,10 |
-3455,50 |
11940480,25 |
472518,76 |
3 |
28503,5 |
23444 |
-5059,5 |
-687,40 |
-4372,10 |
19115258,41 |
25598540,25 |
4 |
31825,2 |
29657 |
-2168,2 |
-5059,50 |
2891,30 |
8359615,69 |
4701091,24 |
5 |
34632,5 |
39570 |
4937,5 |
-2168,20 |
7105,70 |
50490972,49 |
24378906,25 |
6 |
36925,4 |
38435 |
1509,6 |
4937,50 |
-3427,90 |
11750498,41 |
2278892,16 |
7 |
38703,9 |
39000 |
296,1 |
1509,60 |
-1213,50 |
1472582,25 |
87675,21 |
8 |
39968 |
39020 |
-948 |
296,10 |
-1244,10 |
1547784,81 |
898704,00 |
9 |
40717,7 |
40012 |
-705,7 |
-948,00 |
242,30 |
58709,29 |
498012,49 |
10 |
40953 |
41010 |
57 |
-705,70 |
762,70 |
581711,29 |
3249,00 |
Итого |
337213,5 |
337213 |
-0,5 |
-57,50 |
-2711,10 |
105317612,89 |
66579966,97 |
Критерий Дарбина-Уотсона рассчитаем по формуле:
Фактическое значение d сравниваем с табличными значениями при 5%-ном уровне значимости. При n=10 лет и k=1 (число факторов) нижнее значение dL=0,88, а верхнее dU= 1,32.
Найденное значение d=1,58. С вероятностью 0,95 принимается гипотеза Н0 и можно считать, что автокорреляция в остатках отсутствует. Следовательно, уравнение регрессии может быть использовано для прогноза.
5). Сделаем прогноз ряда на 2 ближайших года:
В следующие два года будет наблюдаться небольшое снижение динамики выпуска продукции.