Главная страница

задачи. антон. Имеются данные об объёмах продаж (Y, тыс шт.), затратах на рекламу (X1, тыс ден ед.) и затраты на сырье (X2, тыс ден ед.) для пяти предприятий за 20202021 года ()


Скачать 0.49 Mb.
НазваниеИмеются данные об объёмах продаж (Y, тыс шт.), затратах на рекламу (X1, тыс ден ед.) и затраты на сырье (X2, тыс ден ед.) для пяти предприятий за 20202021 года ()
Анкорзадачи
Дата01.02.2023
Размер0.49 Mb.
Формат файлаdocx
Имя файлаантон.docx
ТипДокументы
#915694


Имеются данные об объёмах продаж (Y, тыс.шт.), затратах на рекламу (X1, тыс. ден. ед.) и затраты на сырье (X2, тыс. ден. ед.) для пяти предприятий за 2020-2021 года (таблица 1).
Таблица 1 - Исходные данные

Исходные данные


























ОАО « 8 Марта»

ОАО « 8 Марта»

ОАО « 8 Марта»

ОАО « 8 Марта»

ОАО « 8 Марта»
















«Восток

«Восток

«Восток

«Восток

«Восток

Завод» Бел ЖД РУП

Завод» Бел ЖД РУП

Завод» Бел ЖД РУП

Завод» Бел ЖД РУП

Завод» Бел ЖД РУП































ООО «ТАЛА»

ООО «ТАЛА»

ООО «ТАЛА»

ООО «ТАЛА»

ООО «ТАЛА»
















ООО «Синтез»

ООО «Синтез»

ООО «Синтез»

ООО «Синтез»

ООО «Синтез»














































ООО «ГАММА»

ООО «ГАММА»

ООО «ГАММА»

ООО «ГАММА»

ООО «ГАММА»

















Требуется построить однонаправленную модель с фиксированными эффектами зависимости объемов продаж У от факторов Х1 и Х2 .
2 Построение регрессионной модели по панельным данным и проверка адекватности модели в пакете STATISTICA
Модель имеет вид

Исходные данные представим в пакете STATISTICA, изображено на рисунке 3.


Рисунок 3 - Исходные данные
Оценки коэффициентов данной модели находятся при помощи анализа STATISTICI, изображенном на рисунке 4.



Рисунок 4 – Анализ STATISTICA
Выбираем переменные для построения модели с фиксированными эффектами зависимости , изображенные на рисунке 5.


Рисунок 5 – Выбор переменных для построения регрессии

регрессионная модель данный excel

На стартовой панели отображен диалог определения оценивания модели, выбрав итоговую таблицу регрессии, были получены оценки коэффициентов, изображенные на рисунке 6. Так же данная модель проверена на адекватность, представлена на рисунке 7.



Рисунок 6 – Результаты оценки множественной линейной регрессии с

фиктивными переменными
В таблице приведены значения остатков для уравнения регрессии



Рисунок 7 – Показатели адекватности уравнения регрессии с фиктивными переменными
Согласно данным, приведенным на рисунке 6 и рисунке 7, модель статистически значима по F-критерию Фишера, при этом R2=0.76, что указывает на высокую адекватность модели.

Задача 2

Необходимо исследовать зависимость заработной платы ( , тыс. руб.) от возраста ( , лет) и стажа по данной специальности ( , лет), используя данные наблюдений, приведенные в таблице 1. Построить регрессионную модель . Рассчитать значение заработной платы для работника в возрасте 35 лет со стажем работы по данной специальности 10 лет.
Таблица 1 – Данные наблюдений

ЗП

возраст

стаж

984,48

28

10

974,45

26

8

1029,62

30

14

1048,86

35

15

1061,44

41

16

1073,42

45

17

928,07

27

3

1031,84

35

13

998,81

30

10

945,92

23

5

964,64

29

7

1011,18

33

11

1098,07

40

20

1133,82

41

24

967,97

41

6

907,61

23

2

1011,76

32

12

1028,62

37

13

966,15

31

7

983,7

30

9


После ввода исходных данных в Excel, рассчитываются корреляционная матрица и значимость коэффициентов корреляции.


Корреляционная матрица













ЗП

возраст

стаж

ЗП

1







возраст

0,794825

1

0,747928

стаж

0,995338

0,747928

1

Значимость коэффициентов корреляции




tЗП, В набл.

5,556924







tЗП, С набл.

43,7846







tкр

2,100922








После спецификации модели производится параметризация.

При помощи команды Сервис → Анализ данных → Регрессия создается еще один лист Excel c соответствующим именем.

Далее производится верификация модели, в частности общее качество уравнения. Для этого вычисляется критическое значение.

Далее находим нормальность распределения остатков с помощью пакета анализа данных.


ВЫВОД ОСТАТКА
















Наблюдение

Предсказанное ЗП

Остатки

1

992,3248

-7,8448

2

971,7141

2,73588

3

1031,487

-1,86704

4

1045,911

2,949402

5

1061,364

0,076288

6

1074,758

-1,33771

7

926,3648

1,705242

8

1027,359

4,480968

9

994,3839

4,426093

10

940,7981

5,121895

11

965,527

-0,887

12

1006,748

4,431645

13

1097,437

0,63271

14

1135,57

-1,74998

15

968,6059

-0,63588

16

912,9708

-5,36075

17

1014,995

-3,23458

18

1029,418

-0,79814

19

967,5861

-1,43611

20

985,1081

-1,40812


Расчет критерия Пирсона производится с помощью пакета анализа. Также выводим график.

Рассмотрим значимость коэффициентов регрессии, вычислим критическое значение.

Проведем центрирование остатков на том же листе «Регрессия».

Гомоскедастичность (гетероскедастичность) остатков рассчитывается на отедльном листе «Усорвие2» с помощью формул массива и пакета анализа.

Автокорреляция остатков производится на листе «Регрессия», Условие3.

Если критерии Дарбина-Уотсона не дает ответа о наличии автокорреляции, то можно воспользоваться визуальным способом анализа графика зависимости остатков от номера наблюдения, построенного с помощью диаграммы.

Для проведения анализа свойств модели рассмотрим мультиколлинеарность факторов: выявление зависимости объясняющих факторов.

Для проверки гипотезы об отсутствии мультиколлинеарности используется статистика хи-квадрат с степенями свободы, наблюдаемое значение которой определяется по формуле , где – определитель матрицы парных коэффициентов корреляции между факторами, n – количество наблюдений, p – число независимых переменных. Расссеты производятся на листе «Исходные данные».


Мультиколлинеарность




Определитель

0,440604

хи-кв набл.

19,53393

хи-кв кр.

223,1602


Рассчитываем показатели эластичности. Для этого капируем коэффициенты стажа и возраста из листа «Регрессия».


Эластичность







ЗП_ср

Возраст_ср

Стаж_ср

1007,5215

32,85

11,1

Коэф. Возраст.

1,029554971




Эластичность по фактору возраст.

0,033568396




Коэф. Стаж.

9,275783402




Эластичность по фактору стаж.

0,102192554





Частные коэффициенты корреляции рассчитываются на том же листе «Исходные данные»


Частные коэф. корр.




rЗП, В-С

0,787012

rЗП, С-В

0,995181


Для прогнозирования рассчитаем на листе «Регрессия» точечный прогноз для расчеты точечной оценки заработной платы при возрасте работника 35 лет и стаже работы 10 лет из условия задачи»

На новом листе «Интервальный_прогноз» произведем вычисления интервальной оценки прогноза, используя формулы ТАНСП(), МУМНОЖ(), МОБР().


написать администратору сайта