- •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
9.5. Адаптивные модели временных рядов.
Задание 4
Спрос на джинсы в магазине «Спортмастер» (апрель 2009 - март 2012г.), шт. / мес. представлено в табл. 9.12.
Построить адаптивную модель Брауна с линейной тенденцией и сделать прогноз продаж в апреле, мае, июне 2012 года.
Таблица 9.12
Количество проданных джинсов: апрель 2009 - март 2012 г
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
yt |
149 |
136 |
153 |
158 |
151 |
178 |
174 |
180 |
201 |
222 |
220 |
220 |
t |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
20 |
21 |
22 |
23 |
24 |
yt |
220 |
215 |
216 |
230 |
231 |
235 |
251 |
252 |
254 |
280 |
253 |
256 |
t |
25 |
26 |
27 |
28 |
29 |
30 |
31 |
32 |
33 |
34 |
35 |
36 |
yt |
260 |
263 |
268 |
270 |
278 |
280 |
282 |
260 |
262 |
274 |
279,5 |
281 |
Решение задание 4
1. По первым пяти точкам временного ряда оцениваем с помощью МНК значения и параметров линейной модели:
. (9.28)
Получим: .
2. Находим прогноз на первый шаг при
.
3. Находим величину отклонения .
Дальнейшие расчёты оформляем в табл. 9.13.
Таблица 9.13
Расчёты задания 4 по способу Брауна
Дата |
|
|
|
|
|
|
|
|
|
0 |
|
141,6 |
2,5 |
|
|
|
|
25.04.09 |
1 |
149 |
146,6 |
2,9 |
144,1 |
4,9 |
3,3 |
24,0 |
25.05.09 |
2 |
136 |
142,4 |
1,7 |
149,5 |
-14,0 |
10,4 |
197,1 |
25.06.09 |
3 |
153 |
148,6 |
2,5 |
144,1 |
8,9 |
5,8 |
80,0 |
25.07.09 |
4 |
158 |
154,4 |
3,1 |
151,1 |
6,4 |
4,1 |
41,0 |
25.08.09 |
5 |
151 |
153,9 |
2,4 |
157,4 |
-6,9 |
4,6 |
47,9 |
25.09.09 |
6 |
178 |
167,4 |
4,4 |
156,3 |
21,7 |
12,2 |
469,7 |
25.10.09 |
7 |
174 |
172,9 |
4,6 |
171,8 |
2,2 |
1,3 |
5,0 |
25.11.09 |
8 |
180 |
178,8 |
4,8 |
177,5 |
2,5 |
1,4 |
6,3 |
25.12.09 |
9 |
201 |
192,5 |
6,4 |
183,6 |
17,4 |
8,7 |
303,3 |
25.01.10 |
10 |
222 |
210,7 |
8,5 |
198,8 |
23,2 |
10,4 |
536,1 |
25.02.10 |
11 |
220 |
219,6 |
8,5 |
219,1 |
0,9 |
0,4 |
0,8 |
25.03.10 |
12 |
220 |
224,0 |
7,8 |
228,1 |
-8,1 |
3,7 |
65,8 |
25.04.10 |
13 |
220 |
225,8 |
6,8 |
231,8 |
-11,8 |
5,4 |
138,9 |
Продолжение таблицы 9.13
25.05.10 |
14 |
215 |
223,6 |
5,2 |
232,5 |
-17,5 |
8,2 |
307,2 |
||||||||
25.06.10 |
15 |
216 |
222,3 |
4,0 |
228,8 |
-12,8 |
5,9 |
162,9 |
||||||||
25.07.10 |
16 |
230 |
228,2 |
4,4 |
226,3 |
3,7 |
1,6 |
13,8 |
||||||||
25.08.10 |
17 |
231 |
231,8 |
4,2 |
232,5 |
-1,5 |
0,7 |
2,4 |
||||||||
25.09.10 |
18 |
235 |
235,5 |
4,1 |
236,0 |
-1,0 |
0,4 |
1,0 |
||||||||
25.10.10 |
19 |
251 |
245,4 |
5,2 |
239,6 |
11,4 |
4,5 |
129,7 |
||||||||
25.11.10 |
20 |
252 |
251,3 |
5,3 |
250,6 |
1,4 |
0,6 |
2,0 |
||||||||
25.12.10 |
21 |
254 |
255,3 |
5,1 |
256,6 |
-2,6 |
1,0 |
6,7 |
||||||||
25.01.11 |
22 |
280 |
270,5 |
6,9 |
260,3 |
20,0 |
7,1 |
400,0 |
||||||||
25.02.11 |
23 |
253 |
264,7 |
4,6 |
277,4 |
-24,9 |
9,9 |
618,9 |
||||||||
25.03.11 |
24 |
256 |
262,5 |
3,4 |
269,3 |
-13,3 |
5,2 |
177,0 |
||||||||
25.04.11 |
25 |
260 |
262,9 |
2,9 |
265,9 |
-5,9 |
2,3 |
35,2 |
||||||||
25.05.11 |
26 |
263 |
264,4 |
2,6 |
265,8 |
-2,8 |
1,1 |
7,8 |
||||||||
25.06.11 |
27 |
268 |
267,5 |
2,7 |
267,0 |
1,0 |
0,4 |
1,0 |
||||||||
25.07.11 |
28 |
270 |
270,1 |
2,7 |
270,2 |
-0,2 |
0,1 |
0,1 |
||||||||
25.08.11 |
29 |
278 |
275,5 |
3,2 |
272,8 |
5,2 |
1,9 |
26,9 |
||||||||
25.09.11 |
30 |
280 |
279,3 |
3,3 |
278,6 |
1,4 |
0,5 |
1,9 |
||||||||
25.10.11 |
31 |
282 |
282,3 |
3,2 |
282,6 |
-0,6 |
0,2 |
0,4 |
||||||||
25.11.11 |
32 |
260 |
272,5 |
0,9 |
285,5 |
-25,5 |
9,8 |
652,2 |
||||||||
25.12.11 |
33 |
262 |
267,6 |
-0,1 |
273,5 |
-11,5 |
4,4 |
131,1 |
||||||||
25.01.12 |
34 |
274 |
270,8 |
0,5 |
267,5 |
6,5 |
2,4 |
42,0 |
||||||||
25.02.12 |
35 |
280 |
275,5 |
1,2 |
271,3 |
8,2 |
2,9 |
67,0 |
||||||||
25.03.12 |
36 |
281 |
278,9 |
1,6 |
276,7 |
4,3 |
1,5 |
18,4 |
||||||||
|
144,0 |
4721,6 |
||||||||||||||
4,0 |
11,5 |
Средняя относительная ошибка прогноза .
Среднее 11,5.
4. Корректируем параметры модели и по формулам:
, (9.29)
. (9.30)
Вычисления проводим при , .
,
.
Получим:
.
5. Находим прогноз на следующий момент времени , подставляя в уравнение :
.
6. Возвращаемся к пункту 3. Вычисления повторяем до конца наблюдений.
7. Значения и среднее вносим в табл. 9. 14.
8. Последовательно повторяем все вычисления при значениях
.
Таблица 9.14.
Показатели точности задания 4
|
|
Среднее |
0,1 |
5,116 |
14,558 |
0,2 |
4,154 |
11,985 |
0,3 |
4,000 |
11,452 |
0,4 |
4,055 |
11,561 |
0,5 |
4,2 |
11,9 |
0,6 |
4,4 |
12,4 |
0,7 |
4,6 |
13,0 |
0,8 |
5,0 |
13,9 |
0,9 |
5,4 |
15,2 |
Для выбора лучшей модели строим графики зависимости и среднее от :
Рис. 9.12. Графики относительной и среднеквадратической ошибок
На рис. 9.12 видно, что наименьшая относительная ошибка прогноза будет при .
В табл. 9.13 представлены вычисления при .
9. Параметры построенной модели используем для построения точечного прогноза.
Коэффициенты уравнение для прогноза находятся в 36-й строке табл. 9.13:
Таблица 9.15.
Прогноз по модели Брауна
Месяцы |
Прогноз |
|
1 |
26.03.12 |
280,5 |
2 |
27.03.12 |
282,1 |
3 |
28.03.12 |
283,7 |
4 |
29.03.12 |
285,3 |
,
,
.
Изобразим графически полученные результаты.
Рис. 9.13. Исходные данные и результаты моделирования по модели Брауна при ; .