Контрольная работа по «эконометрике»

МИНОБРНАУКИ РОССИИ

Федеральное государственное образовательное  учреждение высшего

профессионального образования

 

Финансовый  университет при Правительстве  Российской Федерации

 

 

 

 

 

 

 

 

 

 

 

 

КОНТРОЛЬНАЯ РАБОТА

по дисциплине «Эконометрика»

Вариант № 23

 

 

 

 

 

 

        Исполнитель:

Хрипунов Егор Сергеевич

  10ММБ00219

3 курс, 1С-ФК304

Руководитель:

Орлова И. В,

 

 

 

 

 

 

Москва 2013

Задания.

На основании  данных, приведенных в табл. 1:

1. Постройте диаграммы рассеяния, представляющие собой зависимости Y от каждого из факторов Х. Сделайте выводы о характере взаимосвязи переменных.

2. Осуществите двумя способами выбор факторных признаков для построения регрессионной модели:

а) на основе анализа  матрицы коэффициентов парной корреляции, включая проверку гипотезы о независимости  объясняющих переменных (тест на выявление  мультиколлинеарности Фаррара–Глоубера);

б) с помощью  пошагового отбора методом исключения.

3. Постройте уравнение множественной регрессии в линейной форме с выбранными факторами. Дайте экономическую интерпретацию коэффициентов модели регрессии.

4. Дайте сравнительную оценку силы связи факторов с результатом с помощью коэффициентов эластичности, b- и D-коэффициентов.

5. Рассчитайте параметры линейной парной регрессии для наиболее подходящего фактора Х_j.

6. Оцените качество построенной модели с помощью коэффициента детерминации, F-критерия Фишера.

7. Проверьте выполнение условия гомоскедастичности.

8. Используя результаты регрессионного анализа ранжируйте компании по степени эффективности.

9. Осуществите прогнозирование среднего значения показателя Y при уровне значимости α = 0,1, если прогнозное значение фактора Х_j составит 80% от его максимального значения. Представьте на графике фактические данные Y, результаты моделирования, прогнозные оценки и границы доверительного интервала.

10. Составьте уравнения нелинейной регрессии:

а) гиперболической;

б) степенной;

в) показательной.

11. Приведите графики построенных уравнений регрессии.

12. Для  нелинейных моделей найдите коэффициенты  детерминации и средние относительные  ошибки аппроксимации. Сравните  модели по этим характеристикам  и сделайте вывод о лучшей  модели.

 

Таблица 1 – Исходные данные.

 

Добыча сырой нефти и природного газа; предоставление услуг в этих областях	№ п.п.	Прибыль (убыток)	Краткосрочные обязательства	Основные средства	Дебиторская задолженность (краткосрочная)	Запасы готовой продукции и  товаров для перепродажи
		Y	X2	X4	X5	Х6
Акционерная нефтяная Компания Башнефть, Открытое акционерное общество	5	19513178,0	2411352,0	47002385,0	23780450,0	1696853,0
АЛРОСА -Газ, Открытое акционерное общество	6	28973,0	74839,0	1545052,0	204181,0	19474,0
Арктическая газовая компания, открытое акционерное общество	7	-780599,0	15737048,0	740437,0	1456438,0	176,0
Барьеганнефтегаз, Открытое акционерное  общество	8	2598165,0	4381403,0	11925177,0	5566412,0	127937,0
Белкамнефть, Открытое акционерное общество	9	628091,0	3728587,0	2580485,0	4285041,0	73823,0
Белорусское управление по повышению  нефтеотдачи пластов и капитальному ремонту скважин, открытое акционерное  общество	10	29204,0	738811,0	269908,0	624393,0	130,0
Битран, Открытое акционерное общество	11	1945560,0	716648,0	229855,0	2918345,0	39667,0
Богородскнефть, Открытое акционерное  общество	12	366170,0	239076,0	349643,0	484537,0	5733,0
Братскэкогаз, Открытое акционерное  общество	13	-20493,0	8855,0	934881,0	9865,0	3319,0
Булгарнефть, Открытое акционерное общество	14	381558,0	265569,0	697664,0	196045,0	5763,0
Варьеганнефть, Открытое акционерное  общество	15	1225908,0	1525379,0	2231651,0	1095263,0	430844,0
Верхнечонскнефтегаз, Открытое акционерное  общество	16	3293989,0	8556455,0	23170344,0	2477424,0	38133,0
Восточная транснациональная компания, Открытое акционерное общество	17	416616,0	258120,0	3509537,0	48174,0	28393,0
Восточно-Сибирская нефтегазовая компания, Открытое акционерное общество	18	-564258,0	7958766,0	1290245,0	286058,0	236642,0
Геолого-разведочный исследовательский  центр, Открытое акционерное общество	19	221194,0	105123,0	607249,0	72854,0	4548,0
ГРОЗНЕФТЕГАЗ, ОТКРЫТОЕ АКЦИОНЕРНОЕ  ОБЩЕСТВО	20	701035,0	497028,0	4616250,0	1304084,0	8773,0
Губкинский газоперерабатывающий комплекс, открытое акционерное общество	21	62200,0	1659245,0	991114,0	294575,0	0,0
ДАГНЕФТЕГАЗ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	22	123440,0	84026,0	438262,0	44889,0	24866,0
Елабуганефть, Открытое акционерное  общество	23	55528,0	137348,0	75442,0	24275,0	3949,0
Иделойл, Открытое акционерное общество	24	422070,0	662299,0	1269731,0	140535,0	8212,0
Избербашнефть, Открытое акционерное  общество	25	-468,0	29880,0	10870,0	114444,0	940,0
ИНВЕСТИЦИОННАЯ НЕФТЯНАЯ КОМПАНИЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	26	225452,0	87112,0	227132,0	272147,0	0,0
Инга, Открытое акционерное общество	27	-61237,0	299733,0	110970,0	76561,0	11218,0
КАББАЛКНЕФТЕТОППРОМ, ОТКРЫТОЕ АКЦИОНЕРНОЕ  ОБЩЕСТВО	28	-540,0	46139,0	21278,0	25017,0	127,0
Калининграднефть, Открытое акционерное  общество	29	40588,0	22683,0	139209,0	18072,0	7569,0
КАМЧАТГАЗПРОМ, ОТКРЫТОЕ АКЦИОНЕРНОЕ  ОБЩЕСТВО	30	53182,0	1909328,0	113113,0	496994,0	0,0
КИРОВСКОЕ НЕФТЕГАЗОДОБЫВАЮЩЕЕ УПРАВЛЕНИЕ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	31	-210,0	16191,0	12685,0	602,0	46,0
Когалымнефтепрогресс, Открытое акционерное  общество	32	63058,0	563481,0	873886,0	474612,0	0,0
Комнедра, Открытое акционерное общество	33	1197196,0	1083829,0	2307478,0	1040387,0	25862,0
Кондурчанефть, Открытое акционерное  общество	34	221177,0	40664,0	331954,0	55155,0	1260,0
Корпорация югранефть, открытое акционерное  общество	35	1548768,0	413994,0	1138707,0	7613662,0	14716,0
Краснодарское опытно- экспериментальное  управление по повышению нефтеотдачи  пластов и капитальному ремонту  скважин, открытое акционерное общество	36	-33030,0	52575,0	16705,0	5038,0	0,0
Ленинградсланец, открытое акционерное  общество	37	-34929,0	1769300,0	393717,0	61353,0	833099,0
Меллянефть, Открытое акционерное общество	38	115847,0	432312,0	517290,0	122062,0	6824,0
МНКТ, Общество с ограниченной ответственностью	39	35198,0	169155,0	484228,0	168314,0	3227,0
Мохтикнефть, Открытое акционерное общество	40	788567,0	647914,0	402613,0	317153,0	14021,0
НАУЧНО-ПРОИЗВОДСТВЕННОЕ ОБЪЕДИНЕНИЕ  СПЕЦЭЛЕКТРОМЕХАНИКА, ОТКРЫТОЕ АКЦИОНЕРНОЕ  ОБЩЕСТВО	41	309053,0	211624,0	18776,0	212882,0	1909,0
НАУЧНО-ПРОИЗВОДСТВЕННОЕ ПРЕДПРИЯТИЕ  БУРСЕРВИС, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	42	8552,0	99815,0	12381,0	63550,0	2558,0
НГДУ Пензанефть, Открытое акционерное  общество	43	173079,0	114223,0	176126,0	147549,0	16197,0
НЕГУСНЕФТЬ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	44	1227017,0	1930517,0	2063285,0	171162,0	63810,0
НЕНЕЦКАЯ НЕФТЯНАЯ КОМПАНИЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	45	701728,0	335238,0	59353,0	237083,0	3886,0
НЕФТЕБУРСЕРВИС, ОТКРЫТОЕ АКЦИОНЕРНОЕ  ОБЩЕСТВО	46	17927,0	101834,0	84818,0	73343,0	963,0
Нефтегазовая компания Славнефть, Открытое акционерное общество	47	2557698,0	21786237,0	3841845,0	33477251,0	26578,0
Нефтеразведка, Открытое акционерное  общество	48	0,0	64889,0	33112,0	15161,0	7,0
Нефть, Открытое акционерное общество	49	5406,0	27941,0	38560,0	7540,0	6465,0
Нефтьинвест, Открытое акционерное общество	50	40997,0	39653,0	178604,0	58762,0	1035,0
НЕФТЯНАЯ АКЦИОНЕРНАЯ КОМПАНИЯ АКИ-ОТЫР, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	51	1580624,0	1476613,0	6546853,0	259519,0	13516,0
Нефтяная компания Магма, Открытое акционерное  общество	52	9990896,0	5066776,0	2329554,0	7271400,0	391744,0
НЕФТЯНАЯ КОМПАНИЯ МАНГАЗЕЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	53	6649,0	1486511,0	78526,0	444251,0	24001,0
Нефтяная компания Нефтиса, Открытое акционерное общество	54	22868,0	76455,0	9067,0	28536,0	0,0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Задание 1.

Построим диаграммы рассеивания  для Y и X₂, Y и X₄, Y и X₅, Y и X₆, они представлены на рисунках с 1 по 4 соответственно.

 

Рисунок 1 – Диаграмма рассеиния признака прибыль от фактора краткосрочные обязательства.

 

 

Рисунок 2 – Диаграмма рассеиния признака прибыль от фактора основные средства.

 

Рисунок 3 – Диаграмма рассеиния признака прибыль от фактора дебиторская задолженность.

 

 

Рисунок 4 – Диаграмма рассеиния признака прибыль от фактора запасы готовой продукции и товаров для перепродажи.

Вывод: в каждом случае наблюдается нелинейная связь. Исходя из графиков наиболее тесная связь показана на рисунках 2 и 4, а наименее тесная на рисунках 1 и 3.

 

 

Задание 2.

В этом примере  количество наблюдений n = 50, количество объясняющих переменных m = 4.

Для проведения корреляционного анализа используем инструмент Корреляция в табличной процессоре MS Excel.

В результате будет получена матрица коэффициентов  парной корреляции (табл.2).

 

Таблица 2 – Результаты корреляционного  анализа.

 

	Y	X2	X4	X5	Х6
Y	1
X2	0,161	1
X4	0,849	0,200	1
X5	0,640	0,650	0,552	1
Х6	0,820	0,084	0,754	0,484	1

 

Анализ матрицы  коэффициентов парной корреляции начнем с анализа первого столбца матрицы, в котором расположены коэффициенты корреляции, отражающие тесноту связи зависимой переменной прибыль (убытки) с включенными в анализ факторами. Анализ показывает, что зависимая переменная, то есть прибыль (убытки), имеет тесную связь с основными средствами (r_yx4 = 0,849), дебиторской задолженностью (r_yx5 = 0,640) и запасами готовой продукции и товарами для перепродажи (r_yx6 = 0,820). Фактор краткосрочные обязательства (r_yx2 = 0,161) имеет слабую связь с зависимой переменной и его не рекомендуется включать в модель регрессии.

Затем перейдем к анализу остальных столбцов матрицы с целью выявления  коллинеарности. Факторы Х₂ и Х₅, Х₄ и Х₆ тесно связаны между собой ( r_x2,x5=0,650, r_x4,x6=0,754 ), что свидетельствует о наличии коллинеарности. Из этих пар переменных оставим Х₄ и Х₅ – основные средства и дебиторская задолженность, так как r_x4y = 0,849 > r_x6y = 0,820, r_x2y = 0,161 < r_x5y = 0,640. Таким образом, на основе анализа только корреляционной матрицы остается два фактора: основные средства, дебиторская задолженность (n = 50, k =2).

Одним из условий классической регрессионной  модели является предположение о независимости объясняющих переменных.

 

Для выявления  мультиколлинеарности оставшихся факторов выполняем тест Фаррара–Глоубера по всем факторам.

1. Проверка  наличия мультиколлинеарности всего  массива переменных

1. Построим матрицу межфакторных корреляций R₁ (Рис. 8) и найдем ее определитель  с помощью функции МОПРЕД. det[R₁] = 0,150.

 

Таблица 3 – Матрица межфакторных корреляций.

 

	X2	X4	X5	Х6
X2	1	0,200	0,650	0,084
X4	0,200	1	0,552	0,754
X5	0,650	0,552	1	0,484
Х6	0,084	0,754	0,484	1

 

1.2 Вычислим наблюдаемое значение статистики Фаррара–Глоубера по следующей формуле:

FG_набл = -[n-1-1/6(2k+5)]*ln(det[R₁]) = 88,873, где n = 50 – количество наблюдений, k = 4 – количество факторов.

Фактическое значение этого критерия FG_набл сравниваем с табличным значением χ² (FG_крит) при 0,5k(k-1) = 6 степенях свободы и уровне значимости α = 0,05. Табличное значение χ² можно найти с помощью функции ХИ2.ОБР.ПХ. Оно равно 12,592. Так как FG_набл > FG_крит, то в массиве объясняющих переменных присутствует мультиколлинеарность.

 

2. Проверка наличия мультиколлинеарности каждой переменной с другими переменными

 

1. Вычислим обратную матрицу, результат в таблице 4.

 

Таблица 4 – Обратная матрица межфакторных корелляций.

 

	X2	X4	X5	X6
X2	1,970	0,066	-1,583	0,550
X4	0,066	2,597	-0,689	-1,631
X5	-1,583	-0,689	2,733	-0,669
X6	0,550	-1,631	-0,669	2,507

 

2. Вычислим F-критерии _, где c_jj – диагональные элементы матрицы C: F₂=10,907, F₄=17,968, F₅=19,497, F₆=16,951.
3. Фактические значения F-критериев сравниваем с табличным значением F_табл = 2,579, при n = (n – k – 1) = 45 степенях свободы и уровне значимости α = 0,05, где k – количество факторов.
4. Так как все F больше табличного, то все переменные мультиколлинеарны друг с другом.

 

3. Проведем мультиколлинеарность каждой пары переменных

По формулам вычислим r и t, результат в таблице 5.

 

Таблица 5 –  Результаты вычисления r_ij и t_ij.

 

	rij	tij
x2x4	-0,029	-0,197
x2x5	0,682	6,260
x2x6	-0,247	-1,713
x4x5	0,259	1,797
x4x6	0,639	5,574
x5x6	0,255	1,773

 

Для того чтобы избавиться от мультиколлинеарности, можно исключить по одной из переменных мультиколлинеарной пар Х₂ и Х₅, Х₄ и Х₆. Удалить следует переменные Х₄ и Х₅, так как у них больше значение F-критерия. Следовательно, они больше влияют на общую мультиколлинеарность факторов.

 

Результаты  проведенного теста опровергают  выводы, сделанные ранее только на основе корреляционной матрицы, они получили противоположными.

 

4. Выбор факторных признаков для построения регрессионной модели методом исключения.

Для проведения регрессионного анализа используем инструмент Регрессия в табличном процессоре Excel.

На первом шаге строится модель регрессии по всем факторам:

 

Y_i= 134127,011-0,146x₂+0,182x₄+ 0,192x₅+3,757x₆

 

 

Рисунок 5 - Модель регрессии по 4 факторам

 

В данном случае коэффициенты уравнения регрессии  при Х₆ незначимы при 5%-ном уровне значимости. После построения уравнения регрессии и оценки значимости всех коэффициентов регрессии из модели исключают тот фактор, коэффициент при котором незначим и имеет наименьший по абсолютной величине коэффициент t, а именно Х₂.

После этого  получают новое уравнение множественной  регрессии

Y_i= -28250,766 + 0,185x₄ + 0,111x₅ + 4,356x₆

 

 

Рисунок 6 - Модель регрессии по 3 факторам

 

Сравнивая результаты   выбора факторных  признаков для построения регрессионной  модели:  а) на основе анализа матрицы  коэффициентов парной корреляции с  проверкой гипотезы о независимости объясняющих переменных  на основе теста Фаррара–Глоубера  и б) методом исключения приходим к выводу что проводить  тест на выбор «длинной» и «короткой» регрессии не следует. Очевидно, в нашей регрессионной модели эффективней использовать уравнение:

Y_i= -28250,766 + 0,185x₄ + 0,111x₅ + 4,356x₆

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Задание 3.

В результате применения различных подходов к  выбору факторов пришли к выводу о необходимости включения в модель трех факторов – Долгосрочные обязательства, Краткосрочные обязательства и Оборотные активы. Выполняя матричные вычисления по формуле , естественно, получим такое же уравнение регрессии, как и при использовании инструмента Регрессия в Анализе данных (рисунок 6). Уравнение зависимости объема реализации прибыли (убытков) от Долгосрочных обязательств, Краткосрочных обязательств и Оборотных активов можно записать в следующем виде:

Y_i= -28250,766 + 0,185x₄ + 0,111x₅ + 4,356x₆

коэффициент регрессии a_j показывает, на какую величину в среднем изменится результативный признак Y, если переменную x_j увеличить на единицу измерения, то есть a_j является нормативным коэффициентом.

В нашей  задаче величина, равная 0,185(коэффициент при х₂), показывает, что при увеличении краткосрочных обязательств на 1 тыс. руб. прибыль увеличится на 0,185 тыс. руб., а если на 1 тыс. руб. увеличиться дебиторская задолженность, то прибыль увеличиться на 0,111 тыс. руб., также если на 1 тыс. руб. запасы готовой продукции и товаров для перепродажи, то прибыль увеличится на 4,356 тыс. руб.

Расчетные значения Y определяются путем последовательной подстановки в эту модель значений факторов, взятых для каждого наблюдения, или из последней таблицы регрессионного анализа Вывод остатка (столбец Предсказанное Y).

 

 

 

 

 

 

Задание 4.

Поскольку коэффициенты модели регрессии имеют  разные степени колеблемости и единицы  измерения, то они непосредственно  не отражают степень влияния факторов  x_j на зависимую переменную y.

    В связи с этим для  оценки влияния факторов применяются:

частные коэффициенты эластичности 

Э_j= a_j·x_{j ср} / y_ср, где a_j – коэффициент уравнения регрессии, x_{j ср} , y_ср – средние значения j – го фактора и зависимой переменной.

Коэффициенты  эластичности показывают, на сколько  процентов в среднем изменится y при изменении j –го фактора на один процент.

По средствам  функции в табличном редакторе  Excel вычислим необходимые средние значения. На рисунке 7 отображено вычисление среднего значения X и вычисление СКО.

Рисунок 7 – Вычисление среднего значения X и СКО и коэффицентов.

Бета-коэффициенты показывают на какую часть СКО (ср.кв отклонение) S_y изменяется зависимая переменная y  c изменением независимой переменной x_j на величину своего СКО при неизменных остальных независимых переменных.

Коэффициенты Э_j и β_j  позволяют проранжировать факторы по степени их влияния на y.

По средствам  функции в MS excel вычислим необходимые значения.

 

Дельта-коэффициенты     ∆_j = r_{y, xj} · β_j  /  R²        отражают долю влияния

j – го фактора в суммарном влиянии все факторов.

 

Вывод: на Прибыль более сильное влияние оказывает фактор основные средства, так же сильное влияние оказывает фактор запасы готовой продукции и товаров для перепродажи.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Задача 5.

Рисунок 8 – Расчет уравнения регрессии для наиболее подходящего фактора и нахождение коэффициентов уравнений.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Задание 6.

 

Рисунок 9 – Расчет коэффициента детерминации и F-критерия Фишера.

 

 

 

 

 

 

 

 

 

 

Задание 7.

При проверке предпосылки МНК о гомоскедастичности остатков в модели множественной регрессии следует вначале определить, по отношению к какому из факторов дисперсия остатков более всего нарушена. Это можно сделать в результате визуального исследования графиков остатков, построенных по каждому из факторов, включенных в модель. Та из объясняющих переменных, от которой больше зависит дисперсия случайных возмущений, и будет упорядочена по возрастанию фактических значений при проверке теста Гольдфельда–Квандта.

Для двухфакторной  модели нашего примера графики остатков относительно каждого из двух факторов имеют вид, представленный на рисунок 2 (эти графики легко получить в отчете, который формируется в результате использования инструмента Регрессия в пакете Анализ данных).

Рисунок 10 - График остатков фактора  краткосрочные обязательства.

 

Рисунок 11 - График остатков фактора  основные средства.

 

Рисунок 12 - График остатков фактора  дебиторская задолженность.

 

Рисунок 13 - График остатков фактора  запасов готовой продукции и  товаров для перепродажи.

 

Из графиков на рисунках 10 - 13 видно, что дисперсия  остатков более всего нарушена по отношению к фактору основные средства.

Проверим  наличие гомоскедастичности в остатках четырехфакторной модели на основе теста Гольдфельда–Квандта.

Упорядочим  переменные по возрастанию фактора  X4 (в Excel для этого можно использовать команду Данные – Сортировка – по возрастанию Х₄), результат показан на рисунке 14.

 

 

 

 

 

 

 

 

 

 

Рисунок 14 - Регрессия 10-ти наибольших и 10-ти наименьших наблюдений.

Найдем отношение полученных остаточных сумм квадратов (в числителе должна быть большая сумма) и сравним его с табличным.

F = 254,470, F_табл = 2,080

         Так как F>Fтабл, то не подтверждается гомоскедастичность в остатках двухфакторной регрессии. Проявляется гетероскедастичность.

 

 

 

 

 

 

 

 

 

 

 

 

Задача 8.

Проведя регрессионный  анализ мы пришли к выводу что на прибыль основное влияние оказывают  основные средства, следуя из этой логики отсортируем организации по признаку X₄ (основные средства), эффективней та организация у которой наибольшая прибыль при наибольших основных средствах. Результаты представлены в таблице 6.

Таблица 6 –  Результаты сортировки по признаку основные средства.

Добыча сырой нефти и природного газа; предоставление услуг в этих областях	№ п.п.	Прибыль (убыток)	Основные средства
		Y	X4
Нефтяная компания Нефтиса, Открытое акционерное общество	54	22868,0	9067,0
Избербашнефть, Открытое акционерное  общество	25	-468,0	10870,0
НАУЧНО-ПРОИЗВОДСТВЕННОЕ ПРЕДПРИЯТИЕ  БУРСЕРВИС, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	42	8552,0	12381,0
КИРОВСКОЕ НЕФТЕГАЗОДОБЫВАЮЩЕЕ УПРАВЛЕНИЕ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	31	-210,0	12685,0
Краснодарское опытно- экспериментальное  управление по повышению нефтеотдачи  пластов и капитальному ремонту  скважин, открытое акционерное общество	36	-33030,0	16705,0
НАУЧНО-ПРОИЗВОДСТВЕННОЕ ОБЪЕДИНЕНИЕ  СПЕЦЭЛЕКТРОМЕХАНИКА, ОТКРЫТОЕ АКЦИОНЕРНОЕ  ОБЩЕСТВО	41	309053,0	18776,0
КАББАЛКНЕФТЕТОППРОМ, ОТКРЫТОЕ АКЦИОНЕРНОЕ  ОБЩЕСТВО	28	-540,0	21278,0
Нефтеразведка, Открытое акционерное  общество	48	0,0	33112,0
Нефть, Открытое акционерное общество	49	5406,0	38560,0
НЕНЕЦКАЯ НЕФТЯНАЯ КОМПАНИЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	45	701728,0	59353,0
Елабуганефть, Открытое акционерное  общество	23	55528,0	75442,0
НЕФТЯНАЯ КОМПАНИЯ МАНГАЗЕЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	53	6649,0	78526,0
НЕФТЕБУРСЕРВИС, ОТКРЫТОЕ АКЦИОНЕРНОЕ  ОБЩЕСТВО	46	17927,0	84818,0
Инга, Открытое акционерное общество	27	-61237,0	110970,0
КАМЧАТГАЗПРОМ, ОТКРЫТОЕ АКЦИОНЕРНОЕ  ОБЩЕСТВО	30	53182,0	113113,0
Калининграднефть, Открытое акционерное  общество	29	40588,0	139209,0
НГДУ Пензанефть, Открытое акционерное  общество	43	173079,0	176126,0
Нефтьинвест, Открытое акционерное общество	50	40997,0	178604,0
ИНВЕСТИЦИОННАЯ НЕФТЯНАЯ КОМПАНИЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	26	225452,0	227132,0
Битран, Открытое акционерное общество	11	1945560,0	229855,0
Белорусское управление по повышению  нефтеотдачи пластов и капитальному ремонту скважин, открытое акционерное  общество	10	29204,0	269908,0
Кондурчанефть, Открытое акционерное  общество	34	221177,0	331954,0
Богородскнефть, Открытое акционерное  общество	12	366170,0	349643,0
Ленинградсланец, открытое акционерное  общество	37	-34929,0	393717,0
Мохтикнефть, Открытое акционерное общество	40	788567,0	402613,0
ДАГНЕФТЕГАЗ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	22	123440,0	438262,0
МНКТ, Общество с ограниченной ответственностью	39	35198,0	484228,0
Меллянефть, Открытое акционерное общество	38	115847,0	517290,0
Геолого-разведочный исследовательский  центр, Открытое акционерное общество	19	221194,0	607249,0
Булгарнефть, Открытое акционерное общество	14	381558,0	697664,0
Арктическая газовая компания, открытое акционерное общество	7	-780599,0	740437,0
Когалымнефтепрогресс, Открытое акционерное  общество	32	63058,0	873886,0
Братскэкогаз, Открытое акционерное  общество	13	-20493,0	934881,0
Губкинский газоперерабатывающий комплекс, открытое акционерное общество	21	62200,0	991114,0
Корпорация югранефть, открытое акционерное  общество	35	1548768,0	1138707,0
Иделойл, Открытое акционерное общество	24	422070,0	1269731,0
Восточно-Сибирская нефтегазовая компания, Открытое акционерное общество	18	-564258,0	1290245,0
АЛРОСА -Газ, Открытое акционерное общество	6	28973,0	1545052,0
НЕГУСНЕФТЬ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	44	1227017,0	2063285,0
Варьеганнефть, Открытое акционерное  общество	15	1225908,0	2231651,0
Комнедра, Открытое акционерное общество	33	1197196,0	2307478,0
Нефтяная компания Магма, Открытое акционерное  общество	52	9990896,0	2329554,0
Белкамнефть, Открытое акционерное общество	9	628091,0	2580485,0
Восточная транснациональная компания, Открытое акционерное общество	17	416616,0	3509537,0
Нефтегазовая компания Славнефть, Открытое акционерное общество	47	2557698,0	3841845,0
ГРОЗНЕФТЕГАЗ, ОТКРЫТОЕ АКЦИОНЕРНОЕ  ОБЩЕСТВО	20	701035,0	4616250,0
НЕФТЯНАЯ АКЦИОНЕРНАЯ КОМПАНИЯ АКИ-ОТЫР, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО	51	1580624,0	6546853,0
Барьеганнефтегаз, Открытое акционерное  общество	8	2598165,0	11925177,0
Верхнечонскнефтегаз, Открытое акционерное  общество	16	3293989,0	23170344,0
Акционерная нефтяная Компания Башнефть, Открытое акционерное общество	5	19513178,0	47002385,0

 

 

 

 

Задание 9.

Рисунок 15 - Выполнение необходимых расчетов для осуществления прогнозирования.

Таблица 7 -Расчет среднего значения X₄ и суммы отклонения в квадрате значений X₄ от среднего.

Ранжируем данные по возрастанию фактора  Х4
Y	Х4	(Х4-Х4ср)2
22868,0	9067,0	6410482872379,060
-468,0	10870,0	6401356116525,220
8552,0	12381,0	6393712467243,140
-210,0	12685,0	6392175183542,020
-33030,0	16705,0	6371864011816,420
309053,0	18776,0	6361412836067,540
-540,0	21278,0	6348798086634,980
0,0	33112,0	6289302293301,460
5406,0	38560,0	6262006460672,020
701728,0	59353,0	6158373997298,980
55528,0	75442,0	6078779698669,060
6649,0	78526,0	6063581893837,540
17927,0	84818,0	6032634211883,780
-61237,0	110970,0	5904852080497,220
53182,0	113113,0	5894441735206,180
40588,0	139209,0	5768408538491,300
173079,0	176126,0	5592440509709,540
40997,0	178604,0	5580726532195,700
225452,0	227132,0	5353800661455,860
1945560,0	229855,0	5341206968134,420
29204,0	269908,0	5157677822598,580
221177,0	331954,0	4879708126557,700
366170,0	349643,0	4801870808057,780
-34929,0	393717,0	4610653102277,060
788567,0	402613,0	4572528491146,180
123440,0	438262,0	4421339467959,460
35198,0	484228,0	4230147095708,980
115847,0	517290,0	4095240835527,620
221194,0	607249,0	3739238772960,100
381558,0	697664,0	3397740659738,900
-780599,0	740437,0	3241883577675,460
63058,0	873886,0	2779136188256,740
-20493,0	934881,0	2579490203943,140
62200,0	991114,0	2402023057672,900
1548768,0	1138707,0	1966313868639,860
422070,0	1269731,0	1616023526385,140
-564258,0	1290245,0	1564288361425,220
28973,0	1545052,0	991833023318,260
1227017,0	2063285,0	228173539374,020
1225908,0	2231651,0	95672144087,540
1197196,0	2307478,0	54513909698,980
9990896,0	2329554,0	44692556029,700
628091,0	2580485,0	1562214558,020
416616,0	3509537,0	938141133727,459
2557698,0	3841845,0	1692301418977,220
701035,0	4616250,0	4306828003018,820
1580624,0	6546853,0	16047177605799,000
2598165,0	11925177,0	88063526075508,200
3293989,0	23170344,0	425571478443228,000
19513178,0	47002385,0	1976818300581430,000
	2540960,14	2695909861770840,00