Зависимость объема выпуска продукции от объема капиталовложений
По предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (Y, млн. руб.) от объема капиталовложений (X, млн. руб.)
Требуется:
- 1) Построить поле корреляции и сформулировать гипотезу о форме связи. 2) Найти параметры уравнения линейной регрессии и дать ему экономическую интерпретацию. 3) Оценить тесноту связи с помощью показателей корреляции и детерминации. 4) Проверить значимость уравнения регрессии с помощью F-критерия Фишера (б=0,05) и с помощью средней относительной ошибки аппроксимации. Сделать вывод о качестве модели. 5) Проверить выполнимость предпосылок МНК. 6) Рассчитать параметры уравнений степенной и гиперболической регрессий. Дать интерпретацию уравнению степенной регрессии 7) Рассчитать индексы корреляции и детерминации. 8) Оценить значимость построенных моделей регрессий с помощью F-критерия Фишера и средней относительной ошибки аппроксимации. Сделать выводы. 9) С помощью сравнения основных характеристик выбрать лучшее уравнение регрессии и сделать вывод. 10) Осуществите прогнозирование среднего показателя Y при уровне значимости б=0,05, если прогнозное значение фактора Х составит 80% от его максимального значения. Определите доверительный интервал прогноза.
Вариант 2.
X |
65 |
21 |
21 |
65 |
44 |
87 |
22 |
75 |
25 |
75 |
Y |
35 |
13 |
21 |
23 |
18 |
26 |
16 |
30 |
13 |
32 |
Решение
1) Построим поле корреляции.
По виду поля корреляции можно предположить наличие линейной корреляционной зависимости Y по х между двумя рассматриваемыми переменными. Но возможно и построение степенной модели, показательной или гиперболической регрессий.
2) Построим линейную модель парной регрессии.
Рабочая таблица. (При составлении этой таблицы можно воспользоваться математическими функциями ППП Excel)
N |
Х |
Y |
X2 |
Xy |
Y2 | ||||
1 |
65 |
35 |
4225 |
2275 |
1225 |
26,399 |
8,601 |
73,977 |
24,574 |
2 |
21 |
13 |
441 |
273 |
169 |
15,619 |
-2,619 |
6,859 |
0,201 |
3 |
21 |
21 |
441 |
441 |
441 |
15,619 |
5,381 |
28,955 |
0,256 |
4 |
65 |
23 |
4225 |
1495 |
529 |
26,399 |
-3,399 |
11,553 |
0,148 |
5 |
44 |
18 |
1936 |
792 |
324 |
21,254 |
-3,254 |
10,589 |
0,181 |
6 |
87 |
26 |
7569 |
2262 |
676 |
31,789 |
-5,789 |
33,513 |
0,223 |
7 |
22 |
16 |
484 |
352 |
256 |
15,864 |
0,136 |
0,018 |
0,008 |
8 |
75 |
30 |
5625 |
2250 |
900 |
28,849 |
1,151 |
1,325 |
0,038 |
9 |
25 |
13 |
625 |
325 |
169 |
16,599 |
-3,599 |
12,953 |
0,277 |
10 |
75 |
32 |
5625 |
2400 |
1024 |
28,849 |
3,151 |
9,929 |
0,098 |
Сумма |
500 |
227 |
31196 |
12865 |
5713 |
227,24 |
-0,24 |
189,671 |
26,005 |
Значения параметров а и b линейной модели определим, используя данные таблицы
Уравнение линейной регрессии имеет вид:
С увеличением объема капиталовложений на 1 млн. руб. объем выпуска увеличивается на 0,245млн. руб.
3) Рассчитаем линейный коэффициент парной корреляции по следующей формуле:
Можно сказать, что связь между объемом капиталовложений Х и ее объемом выпускаУпрямая и сильная.
Рассчитаем коэффициент детерминации:
RYx=r2Yx=0,661
Вариация результата У (объем выпуска) на 66.1% объясняется вариацией фактора Х (объемом капиталовложений). На остальные факторы, неучтенные в модели, приходится 33.9%.
4) Оценку значимости уравнения регрессии проведем с помощью F-критерий Фишера:
FФакт = 15.63>FТабл = 5.32 для б=0,05; k1=m=1, k2=n-m-1=8, где m-число объясняющих факторов в модели. Уравнение регрессии с вероятностью 0,95 в целом статистическизначимое, так как FФакт>FТабл
Определим среднюю относительную ошибку аппроксимации:
В среднем расчетные значения для линейной модели отличаются от фактических значений на 2.6%, что не находится в пределах нормы, то есть качество модели хорошее.
- 5) Проверим предпосылки МНК. А) Проверка равенства математического ожидания остаточной последовательности нулю.
Вычислим среднее значение ряда остатков.
.
Так как, то модель не содержит постоянной систематической ошибки и адекватна по критерию нулевого среднего.
Б) Проверка свойства гомоскедастичности
Расположим значения факторного признака в порядке возрастания.
21 |
65 |
21 |
65 |
22 |
75 |
25 |
75 |
44 |
87 |
Разделим совокупность наблюдений на две группы и для каждой группы с помощью программы
Анализ данных в EXCEL,
Инструмент Регрессия определим параметры уравнений регрессий и остаточные суммы квадратов.
Таблица 2.4
Расчетные значения
Уравнение регрессии |
Остаток |
1 группа | |
2 группа |
Расчетный критерий равен:
.
Табличное значение F-критерия c
И
Степенями свободы и при доверительной вероятности 0,95 равно 6,39.
Величина
не превышает табличное значение F-критерия, следовательно, свойство гомоскедастичности выполняется.
В)Проверку независимости последовательности остатков(отсутствие автокорреляции) осуществим с помощью D-критерия Дарбина-Уотсона.
.
Расчетное значение критерия сравнивается с нижним и верхним критическими значениями статистики Дарбина-Уотсона. При N=10 и уровне значимости 5%, , .
Поскольку, то гипотеза о независимости остатков принимается и модель признается адекватной по данному критерию.
Г) Случайные отклонения должны быть независимы от объясняющих переменных.
Так как, то
Д) Проверку соответствия распределения остаточной последовательности нормальному закону распределения осуществим с помощью R/S-критерия. формуле:
.
Расчетное значение R/S-критерия сравнивается с табличными значениями (нижней и верхней границами данного отношения).
Нижняя и верхняя границы отношения при уровне значимости равны соответственно 2,67 и 3,57.
Расчетное значение отношения попадает в интервал между критическими границами, следовательно, с заданным уровнем значимости гипотеза о нормальности распределения принимается.
Выполним пункты 6)-8) для степенной модели
6) Построение степенной модели парной регрессии.
Уравнение степенной модели имеет вид:
Для построения этой модели необходимо произвести линеаризацию переменных. Для этого произведем логарифмирование обеих частей уравнения:
.
Обозначим
Тогда уравнение примет вид: , то есть получили линейное уравнение регрессии. Рассчитаем его параметры, используя МНК.
Составим рабочую таблицу.
N |
X |
У |
Y |
X2 |
XY |
*100 | |||||
1 |
65 |
1,8129 |
35 |
1,5441 |
3,2867 |
2,7993 |
1,4205 |
0,1236 |
0,0153 |
8,0056 |
0,0471 |
2 |
21 |
1,3222 |
13 |
1,1139 |
1,7483 |
1,4729 |
1,1751 |
-0,0612 |
0,0037 |
5,4910 |
0,0454 |
3 |
21 |
1,3222 |
21 |
1,3222 |
1,7483 |
1,7483 |
1,1751 |
0,1471 |
0,0216 |
11,1260 |
0,0000 |
4 |
65 |
1,8129 |
23 |
1,3617 |
3,2867 |
2,4687 |
1,4205 |
-0,0587 |
0,0034 |
4,3128 |
0,0012 |
5 |
44 |
1,6435 |
18 |
1,2553 |
2,7009 |
2,0630 |
1,3357 |
-0,0805 |
0,0065 |
6,4093 |
0,0051 |
6 |
87 |
1,9395 |
26 |
1,4150 |
3,7617 |
2,7444 |
1,4838 |
-0,0688 |
0,0047 |
4,8613 |
0,0077 |
7 |
22 |
1,3424 |
16 |
1,2041 |
1,8021 |
1,6164 |
1,1852 |
0,0189 |
0,0004 |
1,5703 |
0,0151 |
8 |
75 |
1,8751 |
30 |
1,4771 |
3,5159 |
2,7697 |
1,4515 |
0,0256 |
0,0007 |
1,7325 |
0,0225 |
9 |
25 |
1,3979 |
13 |
1,1139 |
1,9542 |
1,5572 |
1,2130 |
-0,0990 |
0,0098 |
8,8897 |
0,0454 |
10 |
75 |
1,8751 |
32 |
1,5051 |
3,5159 |
2,8222 |
1,4515 |
0,0536 |
0,0029 |
3,5624 |
0,0317 |
? |
500 |
16,344 |
227 |
13,312 |
27,3206 |
22,0621 |
13,312 |
0,0690 |
55,96 |
0,2214 |
Уравнение регрессии имеет вид:
Перейдем к исходным переменным х и у, выполнив потенцирование данного уравнения.
Получим уравнение степенной модели регрессии
Так как в уравнении степенной регрессии параметр b совпадает с коэффициентом эластичности, то уравнение регрессии можно проинтерпретировать следующим образом: с увеличением объема капиталовложений на 1% объем выпуска увеличивается в среднем на 0,5%.
- 7) Определим индекс корреляции 8)
Связь между показателем у и фактором х можно считать сильной, так как R>0,7. Коэффициент детерминации
Вариация результата У (объем выпуска) на 68,8% объясняется вариацией фактора Х (объемом капиталовложений). На остальные факторы, неучтенные в модели, приходится 31,2%
9) Рассчитаем F-критерий Фишера:
для б=0,05; K1=m=1, k2=n-m-1=8.
Уравнение регрессии с вероятностью 0,95 в целом статистически значимое, так как
Определим среднюю относительную ошибку аппроксимации:
В среднем расчетные значения для степенной модели отличаются от фактических значений на 5,6%, что находится в пределах нормы, то есть качество модели хорошее.
Выполним пункты 6)-8) для гиперболической модели.
6) Построение гиперболической модели парной регрессии.
Уравнение гиперболической регрессии:
.
Произведем линеаризацию модели путем замены
.
В результате получим линейное уравнение
Рассчитаем его параметры по данным следующей рабочей таблицы.
№ |
Х |
У |
Z |
Yz | |||||||
1 |
65 |
35 |
0,0154 |
0,5385 |
0,0002 |
1225 |
27,3592 |
7,6408 |
58,3816 |
21,8308 |
118,81 |
2 |
21 |
13 |
0,0476 |
0,6190 |
0,0023 |
169 |
14,6856 |
-1,6856 |
2,8412 |
12,9659 |
123,21 |
3 |
21 |
21 |
0,0476 |
1,0000 |
0,0023 |
441 |
14,6856 |
6,3144 |
39,8720 |
30,0687 |
9,61 |
4 |
65 |
23 |
0,0154 |
0,3538 |
0,0002 |
529 |
27,3592 |
-4,3592 |
19,0028 |
18,9531 |
1,21 |
5 |
44 |
18 |
0,0227 |
0,4091 |
0,0005 |
324 |
24,4723 |
-6,4723 |
41,8906 |
35,9572 |
37,21 |
6 |
87 |
26 |
0,0115 |
0,2989 |
0,0001 |
676 |
28,8888 |
-2,8888 |
8,3451 |
11,1107 |
3,61 |
7 |
22 |
16 |
0,0455 |
0,7273 |
0,0021 |
256 |
15,5366 |
0,4634 |
0,2147 |
2,8963 |
65,61 |
8 |
75 |
30 |
0,0133 |
0,4000 |
0,0002 |
900 |
28,1657 |
1,8343 |
3,3646 |
6,1143 |
34,81 |
9 |
25 |
13 |
0,0400 |
0,5200 |
0,0016 |
169 |
17,6812 |
-4,6812 |
21,9133 |
36,0089 |
123,21 |
10 |
75 |
32 |
0,0133 |
0,4267 |
0,0002 |
1024 |
28,1657 |
3,8343 |
14,7017 |
11,9821 |
62,41 |
? |
500 |
227 |
0,2724 |
5,2932 |
0,0097 |
5713 |
226,9999 |
0,0001 |
210,5275 |
187,8881 |
579,70 |
Уравнение регрессии имеет вид:
7) Определим индекс корреляции
Связь между показателем У и фактором Х можно считать сильной, так как R>0,7
Индекс детерминации: детерминации
Вариация результата У (объем выпуска) на 62,4% объясняется вариацией фактора Х (объемом капиталовложений). На остальные факторы, неучтенные в модели, приходится 37,6%.
8) Рассчитаем F-критерий Фишера:
для б=0,05; k1=m=1, k2=n-m-1=8.
Уравнение регрессии с вероятностью 0,95 в целом статистическизначимое, так как
Средняя относительная ошибка:
В среднем расчетные значения для гиперболической модели отличаются от фактических значений У на 28,8%, что выходит за пределы нормы. корреляция регрессия гиперболический детерминация
9) Выбор лучшей модели.
Для выбора лучшей модели построим сводную таблицу результатов.
Коэффициент детерминации R |
F-критерий Фишера |
Коэффициент (индекс) корреляции |
Относительная ошибка | |
Линейная |
0,661 |
15,63 |
0,813 |
2,6 |
Степенная |
0,688 |
17,64 |
0,829 |
5,6 |
Гиперболическая |
0,624 |
13,28 |
0,79 |
18,8 |
Линейная и степенная модели имеют примерно равные характеристики, но большее значение F-критерия Фишера и большее значение коэффициента детерминации имеет степеннаямодель. Ее можно взять в качестве лучшей для построения прогноза.
10) XMax=87, следовательно, xP=87-0,8=69,6
Рассчитаем доверительный интервал прогноза
Выполненный прогноз оказался надежным (р=1-б=1-0,05=0,95), достаточно точным, так как диапазон границ не выходит за пределы.
Похожие статьи
-
Выбор математической формы функции при моделировании зависимости выпуска продукции от производственных факторов Постановка проблемы. Одним из важнейших...
-
Объем выпуска продукции Y зависит от количества вложенного труда x как функция . Цена продукции v, зарплата p. Другие издержки не учитываются. Найти...
-
В разделе 1 курсовой работы требуется: Определить количество закупаемого заданным филиалом фирмы сырья у каждого АО, (xj), максимизируя прибыль филиала....
-
Решение задачи - Основы эконометрики
Требуется: 1. Построить линейное уравнение парной регрессии y по x. 2. Рассчитать линейный коэффициент парной корреляции, коэффициент детерминации и...
-
Месяцы года I II III IV V VI VII VIII IX X XI XII Объем продукции, млрд р. 5,0 4,2 5,4 4,8 5,9 5,0 4,8 5,2 5,3 5,0 6,0 6,2 Построить график. На основе...
-
Обозначим через х1, х2, х3, х4 и х5 - объемы производимой предприятием продукции 1-го, 2-го, 3-го, 4-го и 5-го вида соответственно. Из условия следует,...
-
Построение линейного уравнения парной регрессии
Задача Таблица 1 Номер региона Среднедушевой прожиточный минимум в день одного трудоспособного, руб., Среднедневная заработная плата, руб., 1 78 133 2 82...
-
Экономический корреляционный регрессионный Парная линейная регрессия Парная регрессия характеризует связь между двумя признаками: результативным и...
-
Равноускоренное (равнозамедленное) развитие. Этому типу динамики свойственно постоянное во времени увеличение (замедление) развития. Уровни таких рядов...
-
Использование в экономических исследованиях методов регрессии и корреляции - Эконометрика как наука
Начальным пунктом эконометрического анализа зависимостей обычно является оценка линейной зависимости переменных. Это объясняется простотой исследования...
-
Множественная линейная регрессия
Задание Линейный регрессия переменная детерминация Составить уравнение линейной регрессии, используя МНК, и найти числовые характеристики переменных....
-
Составьте линейное уравнение регрессии, вычислите параметры и оцените тесноту корреляционной связи, т. е. 1) вычислить точечную оценку коэффициента...
-
Эконометрическое моделирование и прогнозирование объемов таможенных платежей в регионе деятельности Ростовской таможни В настоящее время для...
-
Гомоскедастичностью называется выполняемость предпосылки о постоянстве дисперсии отклонений. Гетероскедастичностью называется невыполняемость этой самой...
-
Задание 4 Найти оценки коэффициентов регрессионной зависимости У=а 0 +а 1 *х 1 +а 2 *х 2 +а 12 *х 1 *х 2 ,и проверить регрессионную зависимость на...
-
Модели вида, Зависимость - Моделирование в эконометрике
Называются полулогарифмическими моделями. Эти модели также относятся к нелинейным моделям относительно включенных в анализ объясняющих переменных, но...
-
Эконометрика (задания выполнить в ППП Excel, по каждому пункту сделать выводы) Рассмотреть экономическое явление, в котором участвуют 2 фактора...
-
Осуществить прогноз объема производства на 9 и 10 периоды - Расчет показателей прироста
Таб.17 Годы 2002 2003 2004 2005 2006 2007 2008 2009 Объем производства, млн. руб. 118 127 136 137,29 135 150,15 159 163 Рис.6 Рис.7 Рис.8 Рис.9 Рис.10...
-
Парная линейная регрессия и корреляция
Парная линейная регрессия и корреляция Задание 1 По имеющимся данным (таблица 1) изучите зависимость прибыли от выработки продукции на одного человека,...
-
После получения матриц спектра плана, проведем 70 опытов в каждой точке. По полученным параметрам построим регрессионную модель второго порядка,...
-
Моделирование теплопотребления шихты в зависимости от влажности и химического состава
Моделирование теплопотребления шихты в зависимости от влажности и химического состава Выполнен анализ теплопотребления шихты в зонах сушки и подогрева в...
-
Анализ временных рядов - Статистическое исследование инвестиционной деятельности в регионе
Временной ряд - Это последовательность чисел; его элементы - это значения некоторого протекающего во времени процесса. Проведем анализ временных рядов....
-
Парная регрессия на основе метода наименьших квадратов и метода группировок - Основы эконометрики
Парная регрессия Характеризует связь между двумя признаками: результативным и факторным. Аналитически связь между ними описывается уравнениями: Прямой...
-
Сейчас Российская Федерация находится в процессе экономического становления. Поэтому, очень важно правильно и грамотно осуществлять экономическое...
-
Получим систему линейных уравнений: Уравнение гиперболической регрессии: Добавим на диаграмму рассеяния линию гиперболического тренда. Рисунок 9 Вычислим...
-
Тадии парного регрессионного анализа можно представить на следующем рисунке ПОЛЕ КОРРЕЛЯЦИИ Это графическое изображение точек с координатами, которые...
-
На основе данных таблицы 1 приложения А построим предварительную регрессионную модель: Модель 1: МНК, использованы наблюдения 2005:01-2007:12 (T = 36)....
-
Парная нелинейная регрессия - Статистическое изучение взаимосвязи социально-экономических явлений
Наиболее часто при описании взаимосвязи социально-экономических явлений, кроме линейной модели, используют следующие виды зависимостей: Гиперболическая ;...
-
Линейный парный регрессионный анализ - Практические аспекты эконометрического анализа
Линейная парная регрессия характеризуется тем, что: 1) объясненная часть является условным математическим ожиданием MX (Y); 2) уравнение регрессии MX...
-
Построение многофакторной корреляционно-регрессионной модели производительности труда
Построение многофакторной корреляционно-регрессионной модели производительности труда Данная работа направлена на выявление факторов, от которых зависит...
-
Определение необходимого объема выборки - Основы эконометрики
В практике проектирования выборочного наблюдения возникает вопрос о необходимой численности выборки, которая необходима для обеспечения определенной...
-
Регрессионный анализ данных - Статистическое исследование инвестиционной деятельности в регионе
Если расчет корреляции характеризует силу связи между переменными, то регрессионный анализ служит для определения вида этой связи и дает возможность для...
-
Коэффициент детерминации - Математическое описание связи: регрессия, корреляция
Предположим, что экономические предпосылки и анализ расположения точек на корреляционном поле позволил нам выдвинуть гипотезу о том, что зависимость...
-
Множественная регрессия - уравнение связи с несколькими независимыми переменными: где - зависимая переменная (результативный признак); - независимые...
-
Химическое строение, физико-химические и физические свойства лекарственных средств Свойства лекарственных средств в значительной степени обусловлены их...
-
Номер предприятия 1 2 3 4 5 6 7 8 9 10 Валовой доход, млрд р. 5 6 7 8 9 10 11 12 13 14 Фонд оплаты, млрд р. 1 3 5 6 5 8 10 14 13 15 Найдите уравнение...
-
Ниже мы постоим парную регрессию, показывающую зависимость от денежной массы. Год Квартал Денежная масса Значение 2003 I 3665,3 330,0 II 4426,5 470,4 III...
-
Значение контролируемого Параметра Количество единиц продукции 60-70 70-80 80-90 90-100 100-110 20 80 110 150 50 Итого 410 Построить гистограмму и...
-
Модели скользящего среднего порядка q (МА(q)-модели) - Динамические ряды
Рассмотрим частный случай общего линейного процесса ( 2.13), когда только первые q из весовых коэффициентов J ненулевые. В это случае процесс имеет вид T...
-
Модели авторегрессии порядка p (AR(p)-модели) - Динамические ряды
Рассмотрим сначала простейшие частные случаи. Модель авторегрессии 1-го порядка AR(1) (марковский процесс). Эта модель представляет собой простейший...
Зависимость объема выпуска продукции от объема капиталовложений