Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Курсовая работа по эконометрике.docx
Скачиваний:
10
Добавлен:
29.05.2017
Размер:
9.25 Mб
Скачать

Корреляции цен

1 группа:

2 группа:

3 группа:

4 группа:

Данные матрицы демонстрируют взаимосвязь трех случайных величин – цены на электроэнергию и природный газ для бытовых и промышленных потребителей в течение трех лет. Во всех случаях коэффициент корреляции близок к 1, то есть между переменными наблюдается положительная корреляция. Также для всех четырех групп наблюдается более высокая степень связи между ценами в 2015 и 2016 гг., кроме 4. Для нее наблюдается более высокая степень связи между ценами в 2014 и 2015 гг.

Регрессионные модели для цен на электроэнергию и газ для бытовых и промышленных пользователей

В таблице Данные энергетического рынка Европы за 2014-2016 гг мы имеем дело с ценами на 4 группы энергоносителей. Сейчас мы рассмотрим связь между ценами на электричество и природный газ для определенных типов пользователей – бытовых или промышленных за определенные года – 2014, 2015 и 2016 гг.

Цены на электричество и газ для бытовых пользователей в 2014 году.

Рисунок 10. Диаграмма рассеяния для цен на электричество и газ для бытовых пользователей в 2014 году

Коэффициент газ_быт_2014 бета = 0,644 показывает то, что регрессия оказалась значимой.

Исходя из того, что полученный уровень значимости меньше заданного по умолчанию (p < 0.05), то гипотеза о незначимости уравнения регрессии не отвергается, то есть модель оказывается приемлемой.

Цены на электричество и газ для бытовых пользователей в 2015 году

Рисунок 11. Диаграмма рассеяния для цен на электричество и газ для бытовых пользователей в 2015 году

Коэффициент газ_быт_2015 бета = 0,680 показывает то, что регрессия оказалась значимой.

Исходя из того, что полученный уровень значимости меньше заданного по умолчанию (p < 0.05), то гипотеза о незначимости уравнения регрессии не отвергается, то есть модель оказывается приемлемой.

Цены на электричество и газ для бытовых пользователей в 2016 году

Рисунок 12. Диаграмма рассеяния для цен на электричество и газ для бытовых пользователей в 2016 году

Коэффициент газ_быт_2016 бета = 0,720 показывает то, что регрессия оказалась значимой.

Исходя из того, что полученный уровень значимости меньше заданного по умолчанию (p < 0.05), то гипотеза о незначимости уравнения регрессии не отвергается, то есть модель оказывается приемлемой.

Цены на электричество и газ для промышленных пользователей в 2014 году:

Рисунок 13. Диаграмма рассеяния для цен на электричество и газ для промышленных пользователей в 2014 году

Коэффициент газ_пром_2014 бета = 0,292 показывает то, что регрессия оказалась незначимой, т.е. дальнейшего исследования проводить смысла не имеет.

Цены на электричество и газ для промышленных пользователей в 2015 году

Рисунок 14. Диаграмма рассеяния для цен на электричество и газ для промышленных пользователей в 2015 году

Коэффициент газ_пром_2015 бета = 0,435 показывает то, что регрессия оказалась незначимой, т.е. дальнейшего исследования проводить смысла не имеет.

Цены на электричество и газ для промышленных пользователей в 2016 году

Рисунок 15. Диаграмма рассеяния для цен на электричество и газ для промышленных пользователей в 2016 году

Коэффициент газ_пром_2016 бета = 0,329 показывает то, что регрессия оказалась незначимой, т.е. дальнейшего исследования проводить смысла не имеет.

По результатам парных регрессий можно сделать вывод о том, что существует значимая зависимость между ценами на разные виды энергоносителей для бытовых пользователей, так как это связано с похожим принципом формирования налогообложения на эти цены. Что касается цен для предприятий, то для каждого вида топлива налогообложение формируется по-разному.

Вывод

  1. Выполнен всесторонний визуальный анализ энергетического рынка Европы – построены диаграммы по ценам для каждого исследуемого типа энергоносителей и потребителей в период 2014 – 2016 гг., а также по составляющим эти цены факторам.

  2. Выполнен всесторонний описательный анализ данного рынка – посчитаны основные описательные статистики по ценам для каждого исследуемого типа энергоносителей и потребителей за все года.

  3. Проведена кластеризация стран в зависимости от цены на различные энергоносители – страны были разбиты по трем группам для каждого исследуемого типа энергоносителей и потребителей за все года.

  4. Посчитаны корреляции между ценами на энергоносители в период 2014 – 2016 гг. – во всех случаях коэффициент корреляции близок к 1, что свидетельствует о том, что данные сильно коррелируют между собой.

  5. Построены регрессионные модели цен для исследуемых видов топлива – модели являются приемлемыми, и на их основе можно оценить структуру временного ряда.