- •Содержание
- •5. Лабораторная работа № 4. Проверка предпосылки отсутствия корреляции возмущений. Оценка параметров модели с автокоррелированными остатками …………………………………………………………...79
- •9. Лабораторная работа № 8. Статистический анализ рядов ди-
- •Введение
- •Лабораторная работа № п.1. Функции программы ms Excel выполнения операций с матрицами и категории «Статистические» применяемые при решении задач курса «Эконометрия»
- •1.2. Выполнение операций с матрицами с помощью функций ms Excel.
- •Функции программы ms Excel для работы с матрицами
- •1.3. Обработка наблюдений статистических признаков
- •Наблюдения статистических признаков и .
- •Функции программы ms Excel для расчета числовых характеристик статистических признаков
- •Реализация в ms Excel формул задания 2
- •1.4. Нахождение значений статистических критериев.
- •Функции программы ms Excel для нахождения значений статистических критериев
- •1.5. Вопросы для самоподготовки к лабораторной работе № п.1
- •2. Лабораторная работа № 1. Выявление взаимосвязи между статистическими признаками
- •Реализация в ms Excel формул заданий 1-3
- •2.7. Вопросы для самоподготовки к лабораторной работе № 1
- •3. Лабораторная работа № 2. Классическая линейная регрессионная модель. Метод наименьших квадратов (1-мнк) оценки параметров модели
- •Выборочные данные наблюдений статистических признаков: объем реализации и площадь магазина .
- •Реализация в ms Excel формул на рис. 3.1
- •Реализация в ms Excel формул на рис. 3.1
- •Реализация в ms Excel формул на рис. 3.3
- •Показатели отчета на рис. 3.4
- •Реализация в ms Excel формул на рис. 3.3
- •3.7. Вопросы для самоподготовки к лабораторной работе № 2
- •4. Лабораторная работа № 3. Модель множественной регрессии. Проверка предпосылок 1-мнк. Оценка параметров обобщенной линейной эконометрической модели
- •4.1. Модель множественной регрессии (задание 3.1)
- •Примеры многофакторных эконометрических моделей
- •Реализация в ms Excel формул задания №1
- •4.3. Проверка предпосылки гомоскедастичности возмущений. Обобщенный метод наименьших квадратов оценки параметров модели с гетероскедастичными остатками (задание 3.3).
- •Реализация в ms Excel формул при проверке гетероскедастичности модели возмущений по критерию Гольфельда-Квандта (рис. 4.13)
- •Сравнение эконометрических моделей производительности труда
- •4.4. Экономический анализ и прогноз по многофакторной модели линейной регрессии. (задание 3.4).
- •Реализация в ms Excel лабораторной работы № 3 (задание 3.4)
- •Реализация в ms Excel формул задании №3 (лаб. Раб. №3)
- •4.5. Вопросы для самоподготовки к лабораторной работе № 3
- •5. Лабораторная работа № 4. Проверка предпосылки отсутствия корреляции возмущений. Оценка параметров модели с автокоррелированными остатками
- •Реализация в ms Excel формул на рис. 5.2.
- •Сравнение эконометрических моделей товарооборота продовольственных товаров
- •5.5. Вопросы для самоподготовки к лабораторной работе № 4
- •6. Лабораторная работа № 5. Фиктивные (индикативные) переменные в эконометрических моделях
- •Значения переменных 2-ой модели
- •6.4. Вопросы для самоподготовки к лабораторной работе № 5
- •7. Лабораторная работа № 6. Экономический анализ деятельности предприятия с помощью производственной функции
- •Вопросы для самоподготовки к лабораторной работе № 6
- •8. Лабораторная работа № 7. Системы эконометрических уравнений
- •8.3. Организация данных и расчетов на листе ms Excel.
- •8.4. Результаты оценивания параметров уравнений двухшаговым мнк
- •8.5. Вопросы для самоподготовки к лабораторной работе № 7
- •9. Лабораторная работа № 8. Статистический анализ рядов динамики.
- •9.1. Теоретические замечания.
- •Потребление электроэнергии
- •Исходные данные и скользящие средние
- •Исходные данные и экспоненциально слаженные уровни
- •9.3. Выявление тренда во временном ряде и построение кривых роста.
- •9.4. Выявление сезонных колебаний во временном ряде. Построение аддитивной и мультипликативной моделей временного ряда с сезонными колебаниями.
- •Значения коэффициента автокорреляции
- •Расчёты аддитивной модели
- •Определение сезонной составляющей в аддитивной модели
- •Определение прогноза по аддитивной модели
- •Расчёты мультипликативной модели
- •Определение сезонной составляющей в мультипликативной модели
- •9.5. Адаптивные модели временных рядов.
- •Количество проданных джинсов: апрель 2009 - март 2012 г
- •Расчёты задания 4 по способу Брауна
- •9.6. Вопросы для самоподготовки к лабораторной работе № 8
- •Раздел 10. Задания лабораторных работ
- •10.1. Требования к выполнению и оформлению лабораторных работ по курсу «Эконометрия»
- •Сроки и порядок допуска, выполнения и защиты лабораторных работ
- •10.2. Задания лабораторной работы № п.1 Функции программы ms Excel выполнения операций с матрицами и категории «Статистические» применяемые при решении задач курса «Эконометрия»
- •Выполнение операций с матрицами с помощью функций ms Excel.
- •Наблюдения статистических признаков и
- •Преобразования данных наблюдений статистических признаков и
- •10.3. Задания лабораторной работы № 1
- •Отбор показателей в лабораторной работе № 1
- •10.4. Задания лабораторной работы № 2
- •Данные для выполнения лабораторной работы № 2
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •10.5. Задания лабораторной работы № 3.
- •Данные для построения многофакторной регрессии
- •Данные для построения многофакторной регрессии
- •Данные для построения многофакторной регрессии
- •10.6. Задания лабораторной работы № 4
- •10.7. Задания лабораторной работы № 5 Фиктивные (индикативные) переменные в эконометрических моделях
- •Возраст компьютерной техники ( , месяцы)
- •Данные для задачи 2 (для нечетного номера варианта) лабораторной работы №6.
- •Данные для задачи 3 (для четного номера варианта) лабораторной работы №6.
- •10.8. Задания лабораторной работы № 6
- •Затраты труда,
- •Затраты производственных фондов,
- •Выпуск продукции,
- •10.9. Задания лабораторной работы № 7 Системы эконометрических уравнений.
- •Модели для выполнения лабораторной работы №8(*)
- •Исходные данные к лабораторной работе № 8
- •Исходные данные к лабораторной работе № 8
- •Исходные данные к лабораторной работе № 8 (вариант 6)
- •Исходные данные к лабораторной работе № 8 (вариант 11)
- •10.10. Задания лабораторной работы № 8 Статистический анализ рядов динамики
- •Экономический смысл показателей заданий 1,2,3
- •Экономический смысл показателей задания 4
- •Данные заданий 1,2,3 (варианты 1-12)
- •Данные заданий 1,2,3 (варианты 13-24)
- •Данные заданий 1,2,3 (варианты 25-35)
- •Данные задания 4 (варианты 1 - 12)
- •Данные задания 4 (варианты 13 - 24)
- •Данные задания 4 (варианты 25 - 35)
- •10. Задания контрольной работы студентов заочного отделения
- •Задания контрольной работы
- •Выбор варианта контрольной работы
- •Список рекомендованной литературы Основная
- •Дополнительная
- •Приложение а задания и требования к выполнению самостоятельных работ и творческих заданий творческих заданий по курсу «эконометрия»
- •Приложение б Статистические таблицы
- •Значения - критерия Фишера при уровне значимости
- •Значения - критерия Стьюдента при уровне значимости 0,10; 0,05; 0,01 (двусторонний)
- •Значения - критерия Пирсона при уровне значимости 0,10; 0,05; 0,01
- •Значения статистик Дарбина-Уотсона при 5%-ом уровне значимости
- •Значения функции Гаусса
- •Значения интегральной функции Лапласа
- •Продолжение табл. Б.6
Реализация в ms Excel формул на рис. 3.3
адрес ячейки |
формула |
реализация в MS Excel |
|
|
E25=ABS(C25/D25) |
|
|
=СРЗНАЧ(E25:E34) |
На основании расчетов по пунктам 1) – 6) лабораторной работы № 2 средствами программы MS Excel (рис. 3.1, табл. 3.2) получим следующие результаты.
3.3. Построение модели линейной парной регрессии. Уравнение выборочной линейной регрессии на имеет вид:
.
3.4. Проверка качества модели. На основании значения коэффициента детерминации делаем вывод, что построенная модель объясняет дисперсию (колебания) результативного признака на 89%, а 11% приходится на долю факторов неучтенных в модели.
Средняя ошибка аппроксимации , что меньше 7%, следовательно, построенную модель можно использовать для экономического анализа и прогноза.
При проверке значимости модели получены результаты: , =5,32. Так как (66,52>5,32), то признается статистическая значимость модели.
При проверке значимости коэффициентов модели и коэффициента корреляции получены расчетные значения статистики: и . Табличное значение - критерия: . Так как , , то коэффициенты , и коэффициент корреляции значимы.
Границы доверительных интервалов коэффициентов модели (с надежностью 95%) следующие: и .
3.5. Экономический анализ и прогноз. Значения факторного признака для прогноза и соответствующее прогнозное значение результативного признака следующие: и соответственно. Предельная ошибка прогноза при уровне значимости – . Откуда, доверительный интервал прогноза результативного признака (с надежностью 95%) имеет вид: .
На основании построенной модели можно сделать следующие экономические выводы.
При увеличении торговой площади магазина на 1 тыс. м.кв. объем реализации магазина увеличивается в среднем на 1,16 млн. грн.
3.6. Построение модели нелинейной парной регрессии. Анализируя графики и коэффициенты детерминации уравнений нелинейной регрессии (рис. 3.5 – 3.7) делаем вывод, что качество нелинейных моделей незначительно отличается от линейной модели (на 0,5% - 1,5%), поэтому для дальнейшего экономического анализа рекомендуется использовать линейную модель в виду простоты экономической интерпретации ее параметров.
Рис. 3.5. Результат построения корреляционного поля и кривой выборочной нелинейной регрессии.
Рис. 3.6. Результат построения корреляционного поля и кривой выборочной параболической регрессии.
Рис. 3.7. Результат построения корреляционного поля и кривой выборочной степенной регрессии.
Пример построения и анализа однофакторной модели регрессии по пунктам 1) – 9) задания лабораторной работы № 2 рассмотрен полностью.
3.7. Вопросы для самоподготовки к лабораторной работе № 2
Регрессионные модели. Общие предпосылки регрессионного анализа. Теоретическое и эмпирическое уравнения регрессии.
Алгоритм построения и анализа регрессионных моделей.
Основные предпосылки метода наименьших квадратов (МНК).
Свойства оценок регрессионной модели.
Оценка параметров регрессионного уравнения с помощью МНК. Система нормальных уравнений.
Оценки параметров линейной модели парной регрессии. Расчетные формулы.
Матричная форма модели парной регрессии и формула расчета ее параметров.
Оценка качества уравнения регрессии. Объясненная и необъясненная составляющие уравнения регрессии.
Коэффициент детерминации и коэффициент корреляции, их расчет в модели парной регрессии.
Средняя относительная ошибка аппроксимации.
Проверка значимости уравнения регрессии в целом. -критерий Фишера.
Уровень значимости и степени свободы при проверке значимости уравнения регрессии.
Мера точности регрессионного уравнения. Несмещенная оценка дисперсии остаточной компоненты .
Анализ статистической значимости параметров модели. Стандартные ошибки коэффициентов и .
Оценка статистической значимости коэффициентов регрессии. Доверительные интервалы параметров регрессии.
Прогнозирование с применением уравнения регрессии. Средняя стандартная ошибка прогноза.