Контрольная по "Эконометрике"

Негосударственное (частное) образовательное учреждение

высшего профессионального  образования

«ТОМСКИЙ ИНСТИТУТ БИЗНЕСА»

 

Факультет заочного обучения

 

Кафедра «Экономика и бухгалтерский учёт»

 

 

 

 

КОНТРОЛЬНАЯ РАБОТА

 

по дисциплине «Эконометрика»

 

Вариант 6 (табл.1)

 

 

 

 

 

 

 

Выполнила:

Иванова А.А.

      студентка 3 курса  гр. № 152

Факультет,

 «Бухгалтерский  учёт, анализ и аудит»

 

 

Преподаватель:

 

 

 

 

 

 

Томск 2012

 

Задание: 6

 

По территориям Районов известны данные за 1995 г. (в табл.).

  1. Рассчитайте параметры уравнений линейной парной регрессии.
  2. Оцените тесноту связи с помощью показателей корреляции и детерминации.
  3. Оцените с помощью средней ошибки аппроксимации качество уравнений.
  4. Оцените с помощью F - критерия  Фишера статистическую надёжность результатов регрессионного моделирования.

Район

Потребительские расходы на душу населения, тыс. руб., у

Денежные доходы на душу населения, тыс. руб., х

Респ. Бурятия

408

524

Респ. Тыва

249

371

Респ. Хакасия

253

453

Красноярский край

580

1006

Иркутская обл.

651

997

Усть-Ордынский Бурятский авт. Округ

139

217

Читинская обл.

322

486

Респ. Саха (Якутия)

899

1989

Еврейская авт. обл.

330

595

Чукотский авт. округ

446

1550

Приморский край

642

937

Хабаровский край

542

761


 

Решение:

Для расчета построим вспомогательную таблицу:

i

у

х

ух

х2

у2

ŷх

у-ŷi

Ai

1

408

524

213792

274576

166464

349,7

58,3

14,30

2

249

371

92379

137641

62001

295,9

-46,9

-18,83

3

253

453

114609

205209

64009

324,7

-71,7

-28,35

4

580

1006

583480

1012036

336400

519,1

60,9

10,50

5

651

997

649047

994009

423801

516,0

135,0

20,74

6

139

217

30163

47089

19321

241,7

-102,7

-73,92

7

322

486

156492

236196

103684

336,3

-14,3

-4,45

8

899

1989

1788111

3956121

808201

864,7

34,3

3,81

9

330

595

196350

354025

108900

374,6

-44,6

-13,53

10

446

1550

691300

2402500

198916

710,4

-264,4

-59,28

11

642

937

601554

877969

412164

494,9

147,1

22,92

12

542

761

412462

579121

293764

433,0

109,0

20,11

Итого

5461

9886

5529739

11076492

2997625

5461,0

0,0

-105,96

Среднее значение

455,08

823,83

460811,58

923041,00

249802,08

   

-8,83


b =

 

 a =

Уравнение линейной парной  регрессии:

С  увеличением  денежных доходов на душу населения х на 1 тыс. руб.  доля потребительских расходов  у  повышается  на 0,35%-ных пункта.

Рассчитаем линейный коэффициент  парной корреляции:

=

 

 

Связь тесная, прямая.

Определим коэффициент  детерминации, для парной линейной регрессии:

Вариация результата ( y ) на 70,7 % объясняется вариацией фактора   x.

Подставляя в уравнение  регрессии ( ŷ ) фактические значения  x, определим расчетные значения  ŷх . Найдем  величину средней ошибки аппроксимации Ā :

В среднем расчетные значения отклоняются от фактических на - 8,83 %,  что считается в  пределах нормы.

Рассчитаем F-критерий:

 

 получили, что Fфакт. > Fтабл., значит уравнение можно применять  для статистических данных.

Проверка парной регрессии с помощью Excel. Встроенная статистическая функция ЛИНЕЙН определяет параметры линейной регрессии y = a+bx. Дополнительная регрессионная статистика будет выводиться в порядке, указанном в следующей схеме:

значение 

коэффициента   b

0,352

165,461

Значение

 коэффициента   а

среднеквадратическое  отклонение b

0,072

68,726

среднеквадратическое  отклонение а

коэффициент детерминации R²

0,707

122,490

среднеквадратическое  отклонение y

F-статистика

24,152

10,000

Число степеней свободы

Регрессионная сумма  квадратов

362377,435

150037,481

Остаточная сумма квадратов


 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Задание: 16

 

  1. Рассчитать параметры линейного уравнения множественной регрессии с полным перечнем факторов.
  2. Дать сравнительную оценку силы связи факторов с результатами с помощью коэффициента эластичности и стандартизированных коэффициентов регрессии.
  3. Оценить значимость полученного уравнения регрессии.

 

Изучается зависимость  средней ожидаемой продолжительности  жизни от нескольких факторов по данным за 1995г., представленным таблицей

№

Страна

у

х1

х2

х3

х4

Мозамбик

47

3

2,6

2,4

113

Бурунди

49

2,3

2,6

2,7

98

Чад

48

2,6

2,5

2,5

117

Непал

55

4,3

2,5

2,4

91

Буркина-Фасо

49

2,9

2,8

2,1

99

Мадагаскар

52

2,4

3,1

3,1

89

Бангладеш

58

5,1

1,6

2,1

79

Гаити

57

3,4

2

1,7

72

Мали

50

2

2,9

2,7

123

Нигерия

53

4,5

2,9

2,8

80

Кения

58

5,1

2,7

2,7

58

Того

56

4,2

3

2,8

88

Индия

62

5,2

1,8

2

68

Бенин

50

6,5

2,9

2,5

95

Никарагуа

68

7,4

3,1

4

46

Гана

59

7,4

2,8

2,7

73

Ангола

47

4,9

3,1

2,8

124

Пакистан

60

8,3

2,9

3,3

90

Мавритания

51

5,7

2,5

2,7

96

Зимбабве 

57

7,5

2,4

2,2

55


 

у – средняя ожидаемая  продолжительность жизни при  рождении, лет;

х1 – ВВП в паритетах покупательной способности;

х2 –населения по сравнению с предыдущим годом, %;

х3 – темпы прироста рабочей силы по сравнению с предыдущим годом, %;

х4 – коэффициент младенческой смертности, %.

 

Решение:

Для расчета построим вспомогательную таблицу:

 

i

у

х1

х2

х3

х4

1.  

47

3

2,6

2,4

113

2.  

49

2,3

2,6

2,7

98

3.  

48

2,6

2,5

2,5

117

4.  

55

4,3

2,5

2,4

91

5.  

49

2,9

2,8

2,1

99

6.  

52

2,4

3,1

3,1

89

7.  

58

5,1

1,6

2,1

79

8.  

57

3,4

2

1,7

72

9.  

50

2

2,9

2,7

123

10.  

53

4,5

2,9

2,8

80

11.  

58

5,1

2,7

2,7

58

12.  

56

4,2

3

2,8

88

13.  

62

5,2

1,8

2

68

14.  

50

6,5

2,9

2,5

95

15.  

68

7,4

3,1

4

46

16.  

59

7,4

2,8

2,7

73

17.  

47

4,9

3,1

2,8

124

18.  

60

8,3

2,9

3,3

90

19.  

51

5,7

2,5

2,7

96

20.  

57

7,5

2,4

2,2

55

Сумма

1086

94,7

52,7

52,2

1754

среднее значение

54,3

4,735

2,635

2,61

87,7

стандартизированная

5,639

1,936

0,423

0,503

21,900


 

С помощью Excel вычисляем параметры линейного уравнения множественной регрессии. Эта операция проводится с помощью инструмента анализа данных Регрессия.

                 

 

ВЫВОД ИТОГОВ

               

Регрессионная статистика

             

Множественный R

0,919058809

             

R-квадрат

0,844669094

             

Нормированный R-квадрат

0,803247519

             

Стандартная ошибка

2,501345416

             

Наблюдения

20

             
                 

 

 

Дисперсионный анализ

               
 

df

SS

MS

F

Значимость F

     

Регрессия

4

510,3490667

127,5872667

20,392008

6,30718E-06

     

Остаток

15

93,85093334

6,25672889

         

Итого

19

604,2

           
                 
 

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y-пересечение

66,81415194

4,790035949

13,94857004

5,391E-10

56,60443204

77,02387184

56,60443204

77,02387184

Переменная X 1

0,441496913

0,380772214

1,159477758

0,2643862

-0,370099846

1,253093672

-0,370099846

1,253093672

Переменная X 2

-5,410333539

2,224272809

-2,432405556

0,0279915

-10,15125879

-0,669408293

-10,15125879

-0,669408293

Переменная X 3

5,254149625

1,881468214

2,792579532

0,0136627

1,243895074

9,264404177

1,243895074

9,264404177

Переменная X 4

-0,160339127

0,034491078

-4,648713201

0,0003151

-0,233855119

-0,086823136

-0,233855119

-0,086823136


 

Получим следующее уравнение множественной регрессии

Она показывает, что средняя ожидаемая продолжительность жизни при:

х1 – если ВВП в паритетах покупательной способности увеличивается, то продолжительность жизни при рождении увеличивается на 0,44;

х2 – при увеличении населения предыдущего года, продолжительность жизни уменьшается на 5,41 %;

х3 – при увеличении темпа прироста рабочей силы по сравнению с предыдущим годом, продолжительность жизни при рождении увеличивается на 5,25 %;

х4 – если коэффициент младенческой смертности увеличивается, то продолжительность жизни при рождении уменьшается на 0,16 %.

 

Находим стандартизированную (таб.), величины для расчетов Sy и Sj  определяем с помощью Excel (мастер функции, категория статистические, функция стадотклон).

Нужно сравнить влияние на зависимую переменную различных  объясняющих переменных, когда они выражаются разными единицами измерения, для этого используют два показателя:

- стандартизированный коэффициент регрессии - ;

Она показывает, что средняя ожидаемая продолжительность жизни:

- при увеличении покупательной способности  в паритетах ВВП, продолжительность жизни в среднем повышается на 0,152.

- при увеличении населения  по сравнению с предыдущим годом, продолжительность жизни уменьшается на 0,406%.

- при увеличении темпов прироста рабочей силы по сравнению с предыдущим годом, продолжительность жизни увеличивается на 0,468%.

- при увеличении коэффициента младенческой смертности, продолжительность жизни уменьшается на 0,621%.

- коэффициент эластичности - ;

Она показывает, что средняя ожидаемая продолжительность жизни:

- при увеличении покупательной способности в паритетах ВВП на 1 %, продолжительность жизни в среднем повышается на 0,038.

-  при увеличении населения  по сравнению с предыдущим годом на 1%, продолжительность жизни уменьшается на 0,263%.

- при увеличении темпов прироста рабочей силы по сравнению с предыдущим годом на 1%, продолжительность жизни увеличивается на 0,252%.

- при увеличении коэффициента младенческой смертности на 1%, продолжительность жизни уменьшается на 0,258%.

Оценить значимость  можно  с помощью коэффициента детерминации (таб. Дисперсионного анализа):

Задание: 26

Постройте авторегрессионную  функцию. Охарактеризуйте структуру  ряда. Выбрать наилучший тип тренда и определить его параметры. Известны сведения об уровне среднегодовых цен  на мировых рынках на шерсть из Новой Зеландии, амер. центы за кг.

 

Год

Цена 

Год

Цена 

1970

73,8

1977

256,4

1971

72,6

1978

249,6

1972

106,9

1979

300,4

1973

237,5

1980

316,7

1974

214,7

1981

274,6

1975

147,6

1982

239,7

1976

202,9

1983

221,9


 

Решение:

Пусть имеются условные данные об уровне среднегодовых ценах на мировых рынках на шерсть за 14 лет. Добавим в таблицу Yt-1; Yt-2 и т.д.

t

Yt

Yt-1

Yt-2

Yt-3

Yt-4

Yt-5

Yt-6

Yt-7

1/t

ŷt  линен.

ŷt  гипербола

1

73,8

-

-

-

-

-

-

-

1

113,7

113,7

2

72,6

73,8

-

-

-

-

-

-

0,5

128,2

106,45

3

106,9

72,6

73,8

-

-

-

-

-

0,333333

142,7

104,033333

4

237,5

106,9

72,6

73,8

-

-

-

-

0,25

157,2

102,825

5

214,7

237,5

106,9

72,6

73,8

-

-

-

0,2

171,7

102,1

6

147,6

214,7

237,5

106,9

72,6

73,8

-

-

0,166667

186,2

101,616667

7

202,9

147,6

214,7

237,5

106,9

72,6

73,8

-

0,142857

200,7

101,271429

8

256,4

202,9

147,6

214,7

237,5

106,9

72,6

73,8

0,125

215,2

101,0125

9

249,6

256,4

202,9

147,6

214,7

237,5

106,9

72,6

0,111111

229,7

100,811111

10

300,4

249,6

256,4

202,9

147,6

214,7

237,5

106,9

0,1

244,2

100,65

11

316,7

300,4

249,6

256,4

202,9

147,6

214,7

237,5

0,090909

258,7

100,518182

12

274,6

316,7

300,4

249,6

256,4

202,9

147,6

214,7

0,083333

273,2

100,408333

13

239,7

274,6

316,7

300,4

249,6

256,4

202,9

147,6

0,076923

287,7

100,315385

14

221,9

239,7

274,6

316,7

300,4

249,6

256,4

202,9

0,071429

302,2

100,235714

итого

2915,3

2693,4

2453,7

2179,1

1862,4

1562,0

1312,4

1056,0

     

среднее значение

208,2

207,2

204,5

198,1

186,2

173,6

164,1

150,9

     

 

Следует заметить, что  среднее значение y t-1  получается путем деления не на 14, а на 13, т.к. у нас теперь на одно наблюдение меньше и т. д.

 

Нанесем значение Yt на график:

Среднегодовые  цены на мировых рынках на шерсть за 14 лет.

Где,         t – время, лет;

    Yt – среднегодовые цены.

Определяем коэффициент  автокорреляции  первого  порядка Y t-1 и воспользуемся формулой расчета линейного коэффициента корреляции:

 

 Эту величину называют коэффициентом автокорреляции уровней ряда первого  порядка, так как он измеряет  зависимость между соседними уровнями ряда t и y t-1.

Аналогично можно определить коэффициенты автокорреляции второго  и более высоких порядков.  Так коэффициент автокорреляции  второго порядка характеризует тесноту связи между уровнями  yt и yt-2 и определяется по формуле:

 

Мы  воспользуемся  расчетами  Excel  (аргументы функции, коррел, массив1, массив2.) зависимость между соседними уровнями ряда t и y t-1, t и y t-2 и т.д. Все полученные значения заносим в сводную таблицу:

Лаг

Коэффициент автокорреляции уровней

Коррелограмма

1

0,771065885

********

2

0,439553649

****

3

0,361285713

****

4

0,464038703

*****

5

0,411142373

****

6

0,372870292

****

7

0,233406005

**

     

 

Анализ коррелограммы  и графика исходных уровней временного ряда позволяет сделать вывод, что наиболее высоким оказался коэффициент автокорреляции первого порядка, исследуемый ряд содержит только тенденцию, сезонности нет, есть только тренд.

Для моделирования тенденции  временного ряда, мы вычислим параметры  линейного уравнения регрессии  с помощью Excel, инструмента анализа данных Регрессия. (где y =Yt: x =t)


 

ВЫВОД ИТОГОВ

               
                 

Регрессионная статистика

             

Множественный R

0,76949101

             

R-квадрат

0,592116414

             

Нормированный R-квадрат

0,558126115

             

Стандартная ошибка

52,53995047

             

Наблюдения

14

             
                 

Дисперсионный анализ

               
 

df

SS

MS

F

Значимость F

     

Регрессия

1

48087,4154

48087,4154

17,4201591

0,001290799

     

Остаток

12

33125,35675

2760,446396

         

Итого

13

81212,77214

           
                 
 

решение

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y-пересечение

99,1956044

29,65978249

3,34444814

0,005839829

34,57248985

163,8187189

34,57248985

163,8187189

Переменная X 1

14,53868132

3,483364797

4,17374641

0,001290799

6,949081417

22,12828122

6,949081417

22,12828122


 

 

 

 

 

 

 

 

 

 

Поскольку зависимость от времени может принимать разные формы, для ее формализации можно использовать различные виды функций. Для построения трендов мы рассмотрим  два вида функции:

 

Линейный тренд: 

 

Применительно к данному  временному ряду можно сказать, что  темпы роста среднегодовых цен на мировых рынках на шерсть из Новой Зеландии, за 14 лет, с 1970 по 1983г.г. изменились от уровня 99,2% со средним за год абсолютным приростом, равным 14,5 проц. пункта.

Подставляя в это  уравнение значения t=1, 2….14, найдем уровни t для каждого момента времени, т.е.   ŷ лин1 =  99,2+14,5·1 = 113,7;   ŷ лин2 = 99,2+14,5·2  = 128,2;  и т.д. (рассчитываем в Excel и подставляем  данные в таблицу, в колонку  ŷ линt)

 

Гипербола:    

Подставляя в это  уравнение значения t=1, 2….14, найдем уровни t для каждого момента времени т.е.  ŷ гипер1 = 99,2+14,5/1 = 113,7;  ŷ гипер2 = 99,2+14,5/2 = 106,45; и т.д. (рассчитываем в Excel и подставляем  данные в таблицу, в колонку ŷ гиперt)

 

R2   = 0,60

 

R2нормированный = 0,56

 

Построим график временного  ряда:

 

 

 

Где,         t – время, лет;

             Yt – фактические уровни ряда;

            ŷ линt – уровни ряда, рассчитанные по линейному тренду;

  ŷ гиперt – уровни ряда, рассчитанные по киперболическому тренду;

 

На рисунке  наглядно видно наличие возрастающей тенденции. Возможно существование линейного тренда.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Задание: 36

 

По двадцати предприятиям отрасли была получена следующая матрица парных коэффициентов корреляции показателей: у – объем выпуска продукции (млн.руб.), х1 – численность занятых на предприятии, х2 – среднегодовая стоимость основных фондов.

 

у

х1

х2

у

1

   

х1

0,7

1

 

х2

0,9

0,5

1




 

 

 

 

 

 

Определить частные коэффициенты корреляции результата с каждым из факторов. Прокомментируйте различие полученных парных и частных коэффициентов корреляции.

Контрольная по "Эконометрике"