- •Введение
- •Задание
- •1. Построение моделей
- •1.2. Линейная модель
- •1.2. Степенная модель
- •1.3. Показательная модель
- •1.4. Гиперболическая модель
- •2. Проверка адекватности однофакторного регрессионного уравнения
- •2.1. Анализ показателей качества подгонки регрессионного уравнения.
- •2.4. Проверка выполнения условий для получения «хороших оценок» методом наименьших квадратов
- •3. Сводная таблица по лабораторной работе
- •4. Расчет прогнозного значения
- •Заключение
- •Список использованной литературы:
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
ГОСУДАРСТВЕННОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
«БАШКИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
НЕФТЕКАМСКИЙ ФИЛИАЛ
Экономико-математический факультет
Кафедра математического моделирования
Лабораторная работа №1 по курсу «Эконометрика»
Выполнил: студент 2 курса
экономико-математического факультета
специальности «Финансы и кредит»
группы Э-22 очного отделения
Мухаметдинов И.Ф.
Проверила:
Зарипова Л.И.
Нефтекамск - 2010
Введение
Регрессионное уравнение или регрессионные модели отражает зависимость между экономическими переменными, а именно между одной зависимой, то есть эндогенной (Y), и одной и более независимой (X) – экзогенная.
Однофакторное регрессионное уравнение формально выглядит как обыкновенная функциональная зависимость у=f(x), где у - зависимая переменная, функция или результат, а х - независимая, аргумент или фактор.
Однофакторное регрессионное уравнение отражает зависимость между случайными переменными. Так как среднее значение случайной переменной- это математическое ожидание, то регрессионное уравнение можно определить как уравнение, отражающее зависимость между математическим ожиданием одной переменной и соответствующим значением другой переменной. Регрессионное уравнение в общем виде записывается следующим образом: у=а+bх, где:
b - коэффициент регрессии,
а - свободный член, некоторая постоянная.
В этом уравнении параметр а — свободный член; графически он представляет отрезок ординаты (у) в системе прямоугольных координат. Параметр b называется коэффициентом регрессии. С точки зрения аналитической геометрии b— угловой коэффициент, определяющий наклон линии регрессии по отношению к осям, координат. В области регрессионного анализа этот параметр показывает, насколько в среднем величина одного признака (Y) изменяется при изменении на единицу меры другого корреляционно связанного с Y признака X.
Частным случаем однофакторного регрессионного уравнения является линейная модель уi=а+bхi+ , где - ошибка или так называемая компонента.
Существуют следующие причины существования :
любая регрессионная модель является упрощением действительности. На самом деле есть еще другие параметры, от которых зависит уi
трудности в измерении данных или присутствуют ошибки измерения.
Нужно различать кросс - секционную регрессию и регрессию временных рядов. Кросс - секционная регрессия проверяет связь между переменными в определенный момент времени. В качестве примера можно рассмотреть зависимость между количеством работников на предприятии прибыль этого предприятия. При анализе регрессии во временных рядах данные каждой переменной собираются в течение следующих друг за другом периода времени. Независимо от того проводится кросс – секционный анализ или анализ временных рядов основные понятия и положения регрессионного анализа остаются теми же.
Задание
Необходимо: собрать данные (экономические показатели), должно быть не менее 10 наблюдений зависимой переменной (Y) и независимой переменной (X).
Требуется:
Построить регрессионные модели зависимости Y от X отобразить на графиках фактические и расчётные данные следующих моделей:
линейной,
степенной,
показательной,
гиперболической.
Оценить каждую модель, определив:
Характеристики модели:
Rxy (индекс корреляции),
R2 (коэффициент детерминации),
Э X (коэффициент эластичности),
(бета – коэффициент)
2.2. Значимость уравнения множественной регрессии в целом (F- критерий Фишера).
2.3. Значимость коэффициентов уравнения регрессии (t-критерий Стьюдента).
2.4. Произвести проверку выполнения условий для получения «хороших» оценок методом наименьших квадратов (МНК):
Математическое ожидание случайной компоненты равно 0, иначе M( i)=0.(с помощью t-критерия Стьюдента);
Дисперсия должна быть постоянной, т.е. D( i)=const= 2 (с помощью F-критерия Фишера);
Коввариация должна быть равна 0, иначе по формуле: cov ( i, j)=0(с помощью d-критерия Дарбина-Уотсона (D-W)).
2.5. Найти Еотн (среднюю относительную ошибку).
Составить сводную таблицу вычислений, выбрать лучшую модель, дать интерпретацию рассчитанных характеристик.
Рассчитать прогнозные значения по результативной модели, если прогнозное значение фактора увеличивается на 110% относительно среднего уровня.