- •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
Продолжение табл. Б.6
|
|
|
|
|
|
|
|
|
|
|
|
0,49 |
0,1879 |
1,39 |
0,4177 |
2,29 |
0,489 |
3,19 |
0,4993 |
4,09 |
0,499978 |
4,99 |
0,4999997 |
0,5 |
0,1915 |
1,4 |
0,4192 |
2,3 |
0,4893 |
3,2 |
0,4993 |
4,1 |
0,499979 |
5 |
0,4999997 |
0,51 |
0,195 |
1,41 |
0,4207 |
2,31 |
0,4896 |
3,21 |
0,4993 |
4,11 |
0,49998 |
5,01 |
0,4999997 |
0,52 |
0,1985 |
1,42 |
0,4222 |
2,32 |
0,4898 |
3,22 |
0,4994 |
4,12 |
0,499981 |
5,02 |
0,4999997 |
0,53 |
0,2019 |
1,43 |
0,4236 |
2,33 |
0,4901 |
3,23 |
0,4994 |
4,13 |
0,499982 |
5,03 |
0,4999998 |
0,54 |
0,2054 |
1,44 |
0,4251 |
2,34 |
0,4904 |
3,24 |
0,4994 |
4,14 |
0,499983 |
5,04 |
0,4999998 |
0,55 |
0,2088 |
1,45 |
0,4265 |
2,35 |
0,4906 |
3,25 |
0,4994 |
4,15 |
0,499983 |
5,05 |
0,4999998 |
0,56 |
0,2123 |
1,46 |
0,4279 |
2,36 |
0,4909 |
3,26 |
0,4994 |
4,16 |
0,499984 |
5,06 |
0,4999998 |
0,57 |
0,2157 |
1,47 |
0,4292 |
2,37 |
0,4911 |
3,27 |
0,4995 |
4,17 |
0,499985 |
5,07 |
0,4999998 |
0,58 |
0,219 |
1,48 |
0,4306 |
2,38 |
0,4913 |
3,28 |
0,4995 |
4,18 |
0,499985 |
5,08 |
0,4999998 |
0,59 |
0,2224 |
1,49 |
0,4319 |
2,39 |
0,4916 |
3,29 |
0,4995 |
4,19 |
0,499986 |
5,09 |
0,4999998 |
0,6 |
0,2257 |
1,5 |
0,4332 |
2,4 |
0,4918 |
3,3 |
0,4995 |
4,2 |
0,499987 |
5,1 |
0,4999998 |
0,61 |
0,2291 |
1,51 |
0,4345 |
2,41 |
0,492 |
3,31 |
0,4995 |
4,21 |
0,499987 |
5,11 |
0,4999998 |
0,62 |
0,2324 |
1,52 |
0,4357 |
2,42 |
0,4922 |
3,32 |
0,4995 |
4,22 |
0,499988 |
5,12 |
0,4999998 |
0,63 |
0,2357 |
1,53 |
0,437 |
2,43 |
0,4925 |
3,33 |
0,4996 |
4,23 |
0,499988 |
5,13 |
0,4999999 |
0,64 |
0,2389 |
1,54 |
0,4382 |
2,44 |
0,4927 |
3,34 |
0,4996 |
4,24 |
0,499989 |
5,14 |
0,4999999 |
0,65 |
0,2422 |
1,55 |
0,4394 |
2,45 |
0,4929 |
3,35 |
0,4996 |
4,25 |
0,499989 |
5,15 |
0,4999999 |
0,66 |
0,2454 |
1,56 |
0,4406 |
2,46 |
0,4931 |
3,36 |
0,4996 |
4,26 |
0,49999 |
5,16 |
0,4999999 |
0,67 |
0,2486 |
1,57 |
0,4418 |
2,47 |
0,4932 |
3,37 |
0,4996 |
4,27 |
0,49999 |
5,17 |
0,4999999 |
0,68 |
0,2517 |
1,58 |
0,4429 |
2,48 |
0,4934 |
3,38 |
0,4996 |
4,28 |
0,499991 |
5,18 |
0,4999999 |
0,69 |
0,2549 |
1,59 |
0,4441 |
2,49 |
0,4936 |
3,39 |
0,4997 |
4,29 |
0,499991 |
5,19 |
0,4999999 |
0,7 |
0,258 |
1,6 |
0,4452 |
2,5 |
0,4938 |
3,4 |
0,4997 |
4,3 |
0,499991 |
5,2 |
0,4999999 |
0,71 |
0,2611 |
1,61 |
0,4463 |
2,51 |
0,494 |
3,41 |
0,4997 |
4,31 |
0,499992 |
5,21 |
0,4999999 |
0,72 |
0,2642 |
1,62 |
0,4474 |
2,52 |
0,4941 |
3,42 |
0,4997 |
4,32 |
0,499992 |
5,22 |
0,4999999 |
0,73 |
0,2673 |
1,63 |
0,4484 |
2,53 |
0,4943 |
3,43 |
0,4997 |
4,33 |
0,499993 |
5,23 |
0,4999999 |
0,74 |
0,2704 |
1,64 |
0,4495 |
2,54 |
0,4945 |
3,44 |
0,4997 |
4,34 |
0,499993 |
5,24 |
0,4999999 |
0,75 |
0,2734 |
1,65 |
0,4505 |
2,55 |
0,4946 |
3,45 |
0,4997 |
4,35 |
0,499993 |
5,25 |
0,4999999 |
0,76 |
0,2764 |
1,66 |
0,4515 |
2,56 |
0,4948 |
3,46 |
0,4997 |
4,36 |
0,499993 |
5,26 |
0,4999999 |
0,77 |
0,2794 |
1,67 |
0,4525 |
2,57 |
0,4949 |
3,47 |
0,4997 |
4,37 |
0,499994 |
5,27 |
0,4999999 |
0,78 |
0,2823 |
1,68 |
0,4535 |
2,58 |
0,4951 |
3,48 |
0,4997 |
4,38 |
0,499994 |
5,28 |
0,4999999 |
0,79 |
0,2852 |
1,69 |
0,4545 |
2,59 |
0,4952 |
3,49 |
0,4998 |
4,39 |
0,499994 |
5,29 |
0,4999999 |
0,8 |
0,2881 |
1,7 |
0,4554 |
2,6 |
0,4953 |
3,5 |
0,4998 |
4,4 |
0,499995 |
5,3 |
0,4999999 |
0,81 |
0,291 |
1,71 |
0,4564 |
2,61 |
0,4955 |
3,51 |
0,4998 |
4,41 |
0,499995 |
5,31 |
0,4999999 |
0,82 |
0,2939 |
1,72 |
0,4573 |
2,62 |
0,4956 |
3,52 |
0,4998 |
4,42 |
0,499995 |
5,32 |
0,4999999 |
0,83 |
0,2967 |
1,73 |
0,4582 |
2,63 |
0,4957 |
3,53 |
0,4998 |
4,43 |
0,499995 |
5,33 |
0,5 |
0,84 |
0,2995 |
1,74 |
0,4591 |
2,64 |
0,4959 |
3,54 |
0,4998 |
4,44 |
0,499995 |
5,34 |
0,5 |
0,85 |
0,3023 |
1,75 |
0,4599 |
2,65 |
0,496 |
3,55 |
0,4998 |
4,45 |
0,499996 |
5,35 |
0,5 |
0,86 |
0,3051 |
1,76 |
0,4608 |
2,66 |
0,4961 |
3,56 |
0,4998 |
4,46 |
0,499996 |
5,36 |
0,5 |
0,87 |
0,3078 |
1,77 |
0,4616 |
2,67 |
0,4962 |
3,57 |
0,4998 |
4,47 |
0,499996 |
5,37 |
0,5 |
0,88 |
0,3106 |
1,78 |
0,4625 |
2,68 |
0,4963 |
3,58 |
0,4998 |
4,48 |
0,499996 |
5,38 |
0,5 |
0,89 |
0,3133 |
1,79 |
0,4633 |
2,69 |
0,4964 |
3,59 |
0,4998 |
4,49 |
0,499996 |
5,39 |
0,5 |
Например, требуется определить вероятность того, что нормально распределенная нормированная случайная величина примет значение в интервале от 0 до 1,33. Имеем (в табл. Б.6 выделено жирным шрифтом):
.
На графике это выглядит так (рис. Б.2):
Рис. Б.2. Графическая иллюстрация работы с таблицей Б.6
Полученный результат можно проиллюстрировать и с помощью функции Гаусса (табл. Б.5). Число – величина площади криволинейной трапеции, расположенной под кривой плотности нормированного нормального распределения (рис. Б.3).
Рис. Б.3. Графическая иллюстрация работы с таблицей Б.6 по функции Гаусса
Напомним, что интегральная функция Лапласа – нечётная, т.е. . Кроме того, эта функция связана с функцией распределения нормированной нормальной случайной величины
следующим соотношением: .