Учебная работа № /7018. «Контрольная Эконометрика (2 задания)

Учебная работа № /7018. «Контрольная Эконометрика (2 задания)

Количество страниц учебной работы: 12
Содержание:
«Задание 1. 1
Оценка параметров уравнения парной регрессии и качества экономической модели.
Задание предусматривает выполнение следующих пунктов содержания: определение формы связи, оценка параметров уравнений для различной формы связи, тесноты связи, качества уравнений по средней ошибке аппроксимации, статистической надежности уравнения с помощью F-критерия Фишера, выбор уравнения наиболее адекватно отражающего существующую связь, прогнозирование.
Для построения экономической модели используются данные по субъектам Приволжского федерального округа об уровне денежных доходов и оборотов розничной торговли.

Задание 2. 6
Моделирование тенденции временного ряда.
Условие: имеются данные по производству молока по Уинскому району Пермского края.
Выполнение задания предусматривает решение комплекса вопросов в определенной последовательности: выявление структуры ряда, выравнивание исходного ряда методом скользящей средней, определение сезонной компоненты, устранение сезонной компоненты и исходных уравнений ряда и получение выровненных данных в аддитивной модели, аналитическое выравнивание уровней и расчет значений трендовой составляющей, расчет абсолютных и относительных ошибок.
В таблице представлено производство молока по Уинскому району Пермского края (y),тыс. тонн:
Список литературы 12
»

Стоимость данной учебной работы: 585 руб.Учебная работа № /7018.  "Контрольная Эконометрика (2 задания)

    Укажите Ваш e-mail (обязательно)! ПРОВЕРЯЙТЕ пожалуйста правильность написания своего адреса!

    Укажите № работы и вариант

    Соглашение * (обязательно) Федеральный закон ФЗ-152 от 07.02.2017 N 13-ФЗ
    Я ознакомился с Пользовательским соглашением и даю согласие на обработку своих персональных данных.

    Выдержка из похожей работы

    Данные приведены в табл,1,4
    Таблица 1,4

    Мес,

    Задача 1

    Задача 2

    Задача 3

    Задача 4

    Задача 5

    y

    x

    y

    x

    y

    x

    y

    x

    y

    x

    1

    13,0

    37,0

    13,2

    37,2

    22,5

    46,0

    22,5

    29,0

    23,0

    22,8

    2

    16,4

    60,0

    15,9

    58,2

    25,5

    54,0

    25,8

    36,2

    26,8

    27,5

    3

    17,0

    60,9

    16,2

    60,8

    19,2

    50,2

    20,8

    28,9

    28,0

    34,5

    4

    15,2

    52,1

    15,4

    52,0

    13,5

    43,8

    15,2

    32,4

    18,4

    26,4

    5

    14,2

    40,1

    14,2

    44,6

    25,4

    78,6

    25,8

    49,7

    30,4

    19,8

    6

    10,5

    30,4

    11,0

    31,2

    17,8

    60,2

    19,4

    38,1

    20,8

    17,9

    7

    20,0

    43,0

    21,1

    26,4

    18,0

    50,2

    18,2

    30,0

    22,4

    25,2

    8

    12,0

    32,1

    13,2

    20,7

    21,0

    54,7

    21,0

    32,6

    21,8

    20,1

    9

    15,6

    35,1

    15,4

    22,4

    16,5

    42,8

    16,4

    27,5

    18,5

    20,7

    10

    12,5

    32,0

    12,8

    35,4

    23,0

    60,4

    23,5

    39,0

    23,5

    21,4

    11

    13,2

    33,0

    14,5

    28,4

    14,6

    47,2

    18,8

    27,5

    16,7

    19,8

    12

    14,6

    32,5

    15,1

    20,7

    14,2

    40,6

    17,5

    31,2

    20,4

    24,5

    Задание:
    Рассчитайте параметры уравнений регрессий и , Оцените тесноту связи с показателем корреляции и детерминации,
    Рассчитайте средний коэффициент эластичности и дайте сравнительную оценку силы связи фактора с результатом,
    Рассчитайте среднюю ошибку аппроксимации и оцените качество модели,
    С помощью F-статистики Фишера (при ) оцените надежность уравнения регрессии,
    Рассчитайте прогнозное значение , если прогнозное значение фактора увеличится на 5% от его среднего значения, Определите доверительный интервал прогноза для ,
    Расчеты должны быть подробны, как показано в примере 1, и сопровождены пояснениями,
    Решение
    Составим таблицу расчетов для линейной регрессии y = a + bx + е (таблица построена в MS Exсel),
    Таблица 1,

    x

    x2

    y

    xy

    y2

    y — ?

    x — x~

    (y — ?) 2

    (x — x~) 2

    y

    y — y

    (y — y) 2

    A (%)

    22,8

    519,84

    23

    524,4

    529

    0,44

    -0,58

    0, 20

    0,34

    22,37

    0,63

    0,40

    2,76

    27,5

    756,25

    26,8

    737

    718,2

    4,24

    4,12

    17,99

    16,95

    23,91

    2,89

    8,32

    10,77

    34,5

    1190,3

    28

    966

    784

    5,44

    11,12

    29,61

    123,58

    26,22

    1,78

    3,16

    6,35

    26,4

    696,96

    18,4

    485,8

    338,6

    -4,16

    3,02

    17,29

    9,10

    23,55

    -5,15

    26,55

    28,00

    19,8

    392,04

    30,4

    601,9

    924,2

    7,84

    -3,58

    61,49

    12,84

    21,38

    9,02

    81,40

    29,68

    17,9

    320,41

    20,8

    372,3

    432,6

    -1,76

    -5,48

    3,09

    30,07

    20,75

    0,05

    0,00

    0,23

    25,2

    635,04

    22,4

    564,5

    501,8

    -0,16

    1,82

    0,03

    3,30

    23,16

    -0,76

    0,57

    3,38

    20,1

    404,01

    21,8

    438,2

    475,2

    -0,76

    -3,28

    0,58

    10,78

    21,48

    0,32

    0,10

    1,48

    20,7

    428,49

    18,5

    383

    342,3

    -4,06

    -2,68

    16,47

    7, 20

    21,67

    -3,17

    10,08

    17,16

    21,4

    457,96

    23,5

    502,9

    552,3

    0,94

    -1,98

    0,89

    3,93

    21,90

    1,60

    2,54

    6,79

    19,8

    392,04

    16,7

    330,7

    278,9

    -5,86

    -3,58

    34,32

    12,84

    21,38

    -4,68

    21,88

    28,01

    24,5

    600,25

    20,4

    499,8

    416,2

    -2,16

    1,12

    4,66

    1,25

    22,93

    -2,53

    6,38

    12,38

    У

    280,6

    6793,5

    270,7

    6406

    6293

    0,00

    0,00

    186,61

    232,18

    0,00

    161,40

    146,99

    У/n

    23,38

    566,13

    22,56

    533,86

    524,43

    13,45

    12,25

    у

    4,399

    3,943

    у2

    19,35

    15,55

    Отсюда получаем коэффициенты a и b:
    То есть, уравнение линейной регрессии в нашем случае имеет вид:
    y = 14,85 + 0,3295•x,

    Рассчитаем коэффициент корреляции:
    rxy = b•уx / уy = 0,329 • 4,399/3,943 = 0,368

    Малое значение коэффициента корреляции означает, что связь между признаком y и фактором x плохая,
    Вычислим значение F-критерия Фишера:

    и сравним его с табличным при б=0,05, н1 = 1, н2 = 10: Fтабл = 2,228

    Поскольку Fтабл > F, то гипотеза H0 о статистической незначимости параметра b принимается,
    Средняя ошибка аппроксимации
    также выходит за допустимые пределы 8 — 10%, что опять говорит о низкой надежности модели,
    Попробуем для сравнения модель y = a + b•vx + е, Для нее таблица параметров имеет вид:
    Таблица 2 (начало)

    x

    u = ?x

    u2

    y

    uy

    y2

    17,9

    4,23

    17,90

    20,80

    88,00

    432,64

    19,8

    4,45

    19,80

    30,40

    135,27

    924,16

    19,8

    4,45

    19,80

    16,70

    74,31

    278,89

    20,1

    4,48

    20,10

    21,80

    97,74

    475,24

    20,7

    4,55

    20,70

    18,50

    84,17

    342,25

    21,4

    4,63

    21,40

    23,50

    108,71

    552,25

    22,8

    4,77

    22,80

    23,00

    109,82

    529,00

    24,5

    4,95

    24,50

    20,40

    100,97

    416,16

    25,2

    5,02

    25, 20

    22,40

    112,45

    501,76

    26,4

    5,14

    26,40

    18,40

    94,54

    338,56

    27,5

    5,24

    27,50

    26,80

    140,54

    718,24

    34,5

    5,87

    34,50

    28,00

    164,46

    784,00

    У

    57,79

    280,60

    270,70

    1310,99

    6293,15

    Среднее значение

    4,82

    23,38

    22,56

    109,25

    524,43

    Таблица 2 (окончание)

    y — ?

    u — ?

    (y — ?) 2

    (u — ?) 2

    y

    y — y

    (y — y) 2

    A (%)

    -1,76

    -0,58

    3,09

    0,34

    20,69

    0,11

    0,01

    0,55

    7,84

    -0,37

    61,49

    0,13

    21,39

    9,01

    81,25

    29,65

    -5,86

    -0,37

    34,32

    0,13

    21,39

    -4,69

    21,96

    28,06

    -0,76

    -0,33

    0,58

    0,11

    21,49

    0,31

    0,09

    1,41

    -4,06

    -0,27

    16,47

    0,07

    21,71

    -3,21

    10,28

    17,33

    0,94

    -0, 19

    0,89

    0,04

    21,95

    1,55

    2,40

    6,59

    0,44

    -0,04

    0, 20

    0,00

    22,43

    0,57

    0,33

    2,49

    -2,16

    0,13

    4,66

    0,02

    22,99

    -2,59

    6,69

    12,68

    -0,16

    0, 20

    0,03

    0,04

    23,21

    -0,81

    0,66

    3,62

    -4,16

    0,32

    17,29

    0,10

    23,59

    -5, 19

    26,94

    28,21

    4,24

    0,43

    17,99

    0,18

    23,93

    2,87

    8,24

    10,71

    5,44

    1,06

    29,61

    1,12

    25,95

    2,05

    4,22

    7,34

    У

    0,00

    0,00

    186,61

    2,30

    0,00

    163,08

    148,65

    У/n

    13,59

    12,39

    Здесь мы вводим переменную u = vx и получаем линейную модель относительно x и u:
    u = a + b•u + е,
    Найдем коэффициенты a и b:
    ,
    Рассчитаем коэффициент корреляции:
    ruy = b • уu /уy = 3, 203 • 0,437/ 3,943 = 0,355104

    Мы получили значение коэффициента корреляции еще хуже, чем в предыдущем случае,
    Проверим значение F-критерия Фишера:
    И снова расчетное значение еще хуже,
    Средняя о
    шибка аппроксимации также оказалась хуже, чем в линейной модели:
    Линейная модель оказалась надежнее (хотя тоже неудовлетворительная) и поэтому последующие расчеты мы будем делать для нее,
    Рассмотрим гипотезу H0 о статистической незначимости основных параметров модели: H0: {a = b = rxy = 0} и найдем для нее табличное значение распределения Стьюдента:
    tтабл (б =0,05, н = 10) = 2,228,

    Определим ошибки ma, mb и mr:
    Оценим значимость параметров:
    ta = a/ma = 7,139/6,27 = 2,368 > tтабл,
    tb = b/mb = 3, 202/0,2637 = 1,25 < tтабл tr = r/mr = 0,368/0,294 = 1,25 < tтабл Таким образом, параметры модели незначимо отличаются от нуля, и, следовательно, модель нельзя использовать для прогноза, Чтобы окончательно убедиться в этом, попробуем оценить доверительный интервал прогноза при отклонении хпрог от среднего значения на 5% для доверительной вероятности 0,01, Для yprog = a + b•xprog = 22,94,my = 4, 193, При б = 0,01 и n = 10 tтабл = 3,169,tтабл • my =13,29, Следовательно, доверительным интервалом будет (22,94 - 13,29, 22,94 +13,29) или 9,656 < yprog < 36,231, Таким образом, сделанный прогноз абсолютно ненадежен и совершенно неточен, Контрольное задание № 2 Задача 2 Имеются данные о деятельности крупнейших компаний в течение двенадцати месяцев 199Х года"