Главная страница
Навигация по странице:

  • МОСКОВСКИЙ МЕЖДУНАРОДНЫЙ УНИВЕРСИТЕТ Кафедра экономики и управления

  • ПРАКТИЧЕСКИХ ЗАДАНИЙ ПО ДИСЦИПЛИНЕ « Эконометрика» Группа 21Э371в Студент Т. Н. Белецкая МОСКВА 2023

  • Назовите виды аналитических зависимостей, наиболее часто используются при построении моделей.

  • 3.Охарактеризуйте функции, которые чаще всего используются для построения уравнения парной регрессии

  • 4.Укажите, по какой формуле вычисляется выборочный коэффициент парной корреляции

  • 5.Объясните сущность метода анализа динамического ряда.

  • Задача №1

  • Практическая работа Эконометрика. Форма обучения очнозаочная выполнение практических заданий по дисциплине


    Скачать 53.43 Kb.
    НазваниеФорма обучения очнозаочная выполнение практических заданий по дисциплине
    Дата23.02.2023
    Размер53.43 Kb.
    Формат файлаdocx
    Имя файлаПрактическая работа Эконометрика.docx
    ТипДокументы
    #951476

    Автономная некоммерческая организация высшего образования

    МОСКОВСКИЙ МЕЖДУНАРОДНЫЙ УНИВЕРСИТЕТ


    Кафедра экономики и управления

    Форма обучения: очно-заочная


    ВЫПОЛНЕНИЕ

    ПРАКТИЧЕСКИХ ЗАДАНИЙ

    ПО ДИСЦИПЛИНЕ

    «Эконометрика»

    Группа 21Э371в

    Студент Т. Н. Белецкая

    МОСКВА 2023
    ЗАДАНИЕ ПО ПРАКТИЧЕСКОЙ РАБОТЕ

    1.Укажите основные этапы эконометрического исследования.

    Ответ:

    1.Постановочный этап включает в себя постановку цели исследования и набора экономических переменных.
    2.Априорный этап выявляет сущность экономического показателя, а также формирование и формализацию априорной(известной до начала моделирования) информации.
    3.На информационном этапе производится регистрация значений, участвующих в модели факторов и показателей.
    4.На этапе спецификации модели (подробного описания объекта исследования) обнаруженные связи и соотношения выражаются в математической форме; устанавливается список экономических переменных и взаимосвязи экзогенных и эндогенных переменных, в том числе лаговых; производится формулировка исходных предпосылок и ограничений модели.
    5.Этап параметризации модели характеризуется выбором общего вида модели и выявлением входящих в нее связей.
    6.На этапе идентификации модели проводится статистический анализ модели, дается оценка ее параметров при помощи статистических методов(например, регрессионного анализа).
    7.Этап верификации модели предполагает проверку адекватности модели и точности расчетов.

    2.Назовите виды аналитических зависимостей, наиболее часто используются при построении моделей.

    Ответ:

    При построении эконометрических моделей могут использоваться различные виды аналитических зависимостей. Наиболее часто используются следующие виды зависимостей:

    • Линейная y = a+ + …+ +𝜀

    • Степенная y = a

    • Полулогарифмическая y = a+ +𝜀

    • Гиперболическая y = a+ + +𝜀

    • Экспоненциальная y =


    Может применяться также комбинация представленных выше зависимостей.

    y = a+ + +𝜀

    При выборе аналитической зависимости учитывают требования простоты модели и возможности наглядной экономической интерпретации ее параметров. Исходя из этих соображений, наиболее часто для представления эконометрической модели используются линейная и степенная функции.

    3.Охарактеризуйте функции, которые чаще всего используются для построения уравнения парной регрессии.

    Ответ:
    Функция парной регрессии может быть как линейной, так и нелинейной.
    Линейная регрессия – это выраженная в виде прямой зависимость среднего значения какой-либо величины от некоторой другой величины. В модели линейной парной регрессии зависимость между переменными в генеральной совокупности представляется в виде:
    где у – зависимая переменная;
    х – независимая переменная;

    α и β - параметры уравнения (параметр α – свободный член регрессии; параметр β – коэффициент регрессии, который измеряет, на сколько единиц в среднем изменится результативный признак при изменении фактора на одну единицу;
    ε – случайная ошибка.
    К видам нелинейной парной регрессии относятся функции:
    1. Степенная функция

    2. Функция экспоненты

    3. Показательная функция

    4. Функция равносторонней гиперболы

    5. Обратная функция:
    Степенная функция нелинейной парной регрессии имеет вид:

    y =

    Функция экспоненты нелинейной парной регрессии имеет вид:

    y =

    Показательная функция нелинейной парной регрессии имеет вид:

    y =

    Функция равносторонней гиперболы нелинейной парной регрессии имеет вид: y =a+

    Обратная функция нелинейной парной регрессии имеет вид:

    y =
    4.Укажите, по какой формуле вычисляется выборочный коэффициент парной корреляции rxy.

    Ответ:

    =b =

    5.Объясните сущность метода анализа динамического ряда.

    Ответ: Динамические ряды, характеризуют каждый момент времени в отдельности, а не весь период, для которого строится модель. Эконометрическая модель является динамической, если в данный период времени она учитывает значения входящих в нее переменных, относящихся как к текущему, так и к предыдущему периоду времени, то есть если эта модель отражает динамику исследуемых переменных в каждый момент времени. Сущность метода анализа динамического ряда заключается в том, что при сравнении двух уровней, показать разницу между данным уровнем и уровнем базисного периода.
    Задача №1

    1.Рассчитать коэффициенты для различных видов зависимостей. Исходные данные в табл.3
    Таблица 3. Регрессионный анализ.

    Значения вел X

    № варианта

    10

    20

    30

    40

    50

    1

    7,38

    18,15

    44,64

    109,79

    270,06

    2

    30

    50

    70

    90

    110

    3

    23,94

    58,95

    99,87

    145,16

    194,01

    4

    126,19

    54,92

    33,77

    23,91

    18,29

    5

    166,44

    55,41

    18,44

    6,14

    2,04


    Вариант № 1

    y = a+bx

    i











    1

    10

    7,38

    100

    54,46

    73,8

    2

    20

    18,15

    400

    329,42

    363

    3

    30

    44,64

    900

    1992,73

    1339,2

    4

    40

    109,79

    1600

    12053,84

    4391,6

    5

    50

    270,06

    2500

    72932,40

    13503

    Ʃ

    150

    450,02

    5500

    87362,86

    19670,6


    a * n + b Ʃ x=Ʃ y

    a *Ʃ x + b Ʃ =Ʃ x y

    5a+150 b = 450.02

    150a + 5500b = 19670.6

    a = - 95.096b = 6.17

    y = a + b x = - 95.096 + 6.17 x


    Вариант № 2

    y = a+bx

    i











    1

    10

    30

    100

    900

    300

    2

    20

    50

    400

    2500

    1000

    3

    30

    70

    900

    4900

    2100

    4

    40

    90

    1600

    8100

    3600

    5

    50

    110

    2500

    12100

    5500

    Ʃ

    150

    350

    5500

    28500

    12500


    a * n + b Ʃ x=Ʃ y

    a *Ʃ x + b Ʃ =Ʃ x y

    5a+150 b = 350

    150a + 5500b = 12500

    a = 10b = 2

    y = a + b x = 10 + 2x
    Вариант № 3

    y = a+bx

    i











    1

    10

    23,94

    100

    573,1253

    239,4

    2

    20

    58,95

    400

    3475,1025

    1179

    3

    30

    99,87

    900

    9974,0169

    2996,1

    4

    40

    145,16

    1600

    21071,4256

    5806,4

    5

    50

    194,01

    2500

    37639,8801

    9700,5

    Ʃ

    150

    521,93

    5500

    72733,5487

    19921,4


    a * n + b Ʃ x=Ʃ y

    a *Ʃ x + b Ʃ =Ʃ x y

    5a+150 b = 521.93

    150a + 5500b = 19921.4

    a = - 23.519b = 4.2635

    y = a + b x = -23.519 + 4.2635x
    Вариант № 4

    y = a+bx

    i











    1

    10

    126,19

    100

    15923,9161

    1261,9

    2

    20

    54,92

    400

    3016,2064

    1098,4

    3

    30

    33,77

    900

    1140,4129

    1013,1

    4

    40

    23,91

    1600

    571,6881

    956,4

    5

    50

    18,19

    2500

    334,5241

    914,5

    Ʃ

    150

    257,08

    5500

    20986,7476

    5244,3


    a * n + b Ʃ x=Ʃ y

    a *Ʃ x + b Ʃ =Ʃ x y

    5a+150 b = 257.08

    150a + 5500b = 5244.3

    a = 125.459b = - 2.4681

    y = a + b x = 125.459 – 2.4681 x
    Вариант № 5

    y = a+bx

    i











    1

    10

    166,44

    100

    27702,2736

    1664,4

    2

    20

    55,41

    400

    3070,2681

    1108,2

    3

    30

    18,44

    900

    340,0336

    553,2

    4

    40

    6,14

    1600

    37,6996

    245,6

    5

    50

    2,04

    2500

    4,1616

    102

    Ʃ

    150

    248,47

    5500

    31154,4365

    3673,4


    a * n + b Ʃ x=Ʃ y

    a *Ʃ x + b Ʃ =Ʃ x y

    5a+150 b = 248.47

    150a + 5500b = 3673.4

    a = 163.115b = - 3.7807

    y = a + b x = 163.115 – 3.7807 x
    Задача № 2

    Вычислить коэффициент корреляции для линейной зависимости. Исходные данные в таблице 4.

    Таблица 4. Корреляционный анализ.

    Значения вел X

    № варианта

    10

    20

    30

    40

    50

    1

    7,38

    18,15

    44,64

    109,79

    270,06

    2

    30

    50

    70

    90

    110

    3

    23,94

    58,95

    99,87

    145,16

    194,01

    4

    126,19

    54,92

    33,77

    23,91

    18,29

    5

    166,44

    55,41

    18,44

    6,14

    2,04


    Вариант № 1



    i











    1

    10

    7,38

    100

    54,46

    73,8

    2

    20

    18,15

    400

    329,42

    363

    3

    30

    44,64

    900

    1992,73

    1339,2

    4

    40

    109,79

    1600

    12053,84

    4391,6

    5

    50

    270,06

    2500

    72932,40

    13503

    Ʃ

    150

    450,02

    5500

    87362,86

    19670,6



    a * n + b Ʃ x=Ʃ y ʹx = = = 30

    a *Ʃ x + b Ʃ =Ʃ xy ʹy = = = 90.004

    5a+150 b = 450.02 xʹy = = = 3934.12

    150a + 5500b = 19670.6 = - = - 900 = 200

    a = - 95.096b = 6.17 = = = 14.142

    y = a + b x = - 95.096 + 6.17 x = - = – 8100.72 = 9371.85

    = = = 96.808

    =b = =0.901

    Вариант № 2

    i











    1

    10

    30

    100

    900

    300

    2

    20

    50

    400

    2500

    1000

    3

    30

    70

    900

    4900

    2100

    4

    40

    90

    1600

    8100

    3600

    5

    50

    110

    2500

    12100

    5500

    Ʃ

    150

    350

    5500

    28500

    12500


    a * n + b Ʃ x=Ʃ y ʹx = = = 30

    a *Ʃ x + b Ʃ =Ʃ x y ʹy = = = 70

    5a+150 b = 350 xʹy = = = 2500

    150a + 5500b = 12500 = - = - 900 = 200

    a = 10b = 2 = = = 14.142

    y = a + b x = 10 + 2x = - = – 4900 = 800

    = = = 28.284

    =b = =1
    Вариант № 3

    i











    1

    10

    23,94

    100

    573,1253

    239,4

    2

    20

    58,95

    400

    3475,1025

    1179

    3

    30

    99,87

    900

    9974,0169

    2996,1

    4

    40

    145,16

    1600

    21071,4256

    5806,4

    5

    50

    194,01

    2500

    37639,8801

    9700,5

    Ʃ

    150

    521,93

    5500

    72733,5487

    19921,4


    a * n + b Ʃ x=Ʃ y ʹx = = = 30

    a *Ʃ x + b Ʃ =Ʃ x y ʹy = = = 104.386

    5a+150 b = 521.93 xʹy = = = 3984.28

    150a + 5500b = 19921.4 = - = - 900 = 200

    a = - 23.519b = 4.2635 = = = 14.142

    y = a + b x = -23.519 + 4.2635x = - = – 10896.437 =3650.27

    = = = 60.417

    =b = =0.998


    Вариант № 4

    i











    1

    10

    126,19

    100

    15923,9161

    1261,9

    2

    20

    54,92

    400

    3016,2064

    1098,4

    3

    30

    33,77

    900

    1140,4129

    1013,1

    4

    40

    23,91

    1600

    571,6881

    956,4

    5

    50

    18,19

    2500

    334,5241

    914,5

    Ʃ

    150

    257,08

    5500

    20986,7476

    5244,3


    a * n + b Ʃ x=Ʃ y ʹx = = = 30

    a *Ʃ x + b Ʃ =Ʃ x y ʹy = = = 51.416

    5a+150 b = 257.08 xʹy = = = 1048.86

    150a + 5500b = 5244.3 = - = - 900 = 200

    a = 125.459b = - 2.4681 = = = 14.142

    y = a + b x = 125.459 – 2.4681 x = - = – 264.605 =1553.74

    = = = 39.418

    =b = = - 0.885

    Вариант № 5


    i











    1

    10

    166,44

    100

    27702,2736

    1664,4

    2

    20

    55,41

    400

    3070,2681

    1108,2

    3

    30

    18,44

    900

    340,0336

    553,2

    4

    40

    6,14

    1600

    37,6996

    245,6

    5

    50

    2,04

    2500

    4,1616

    102

    Ʃ

    150

    248,47

    5500

    31154,4365

    3673,4


    a * n + b Ʃ x=Ʃ y ʹx = = = 30

    a *Ʃ x + b Ʃ =Ʃ x y ʹy = = = 49.694

    5a+150 b = 248.47 xʹy = = = 734.68

    150a + 5500b = 3673.4 = - = - 900 = 200

    a = 163.115b = - 3.7807 = = = 14.142

    y = a + b x = 163.115 – 3.7807 x = - = – 2469.494=3761.39

    = = = 61.33
    =b = = - 0.872


    написать администратору сайта