Главная страница
Навигация по странице:

  • КОНТРОЛЬНАЯ РАБОТА

  • Выполнил: Проверил

  • эконометрика. Мешкова ДЭ-060 Эконометрика. Контрольная работа дисциплина Эконометрика Направление подготовки 38. 03. 02 Менеджмент


    Скачать 0.93 Mb.
    НазваниеКонтрольная работа дисциплина Эконометрика Направление подготовки 38. 03. 02 Менеджмент
    Анкорэконометрика
    Дата09.01.2023
    Размер0.93 Mb.
    Формат файлаdocx
    Имя файлаМешкова ДЭ-060 Эконометрика.docx
    ТипКонтрольная работа
    #878295

    МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

    Федеральное государственное бюджетное

    образовательное учреждение высшего образования

    «НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ»

    Кафедра менеджмента

    КОНТРОЛЬНАЯ РАБОТА

    Дисциплина: Эконометрика

    Направление подготовки: 38.03.02 Менеджмент

    Выполнил:




    Проверил:





    Студент


    Мешкова А.


    Преподаватель

    Щеколдин В.Ю.

    Факультет

    ЗО ИДО







    Направление (специальность) подготовки


    38.03.02 Менеджмент

    Балл:________

    , ECTS: ________

    Группа

    ДЭ-060

    Оценка: _________________

    Шифр

    093406703








    ____________________________________


    ____________________________________

    подпись

    подпись

    Дата сдачи:

    «__»__________2022 г.

    Дата защиты:

    «__»__________2022 г.

    Новосибирск 2022

    Задача. Построить и проинтерпретировать модель взаимосвязи между указанными факторами, проверить на значимость, осуществить точечный и интервальный прогноз, сделать выводы.

    ПОРЯДОК РЕШЕНИЯ

    1. Исходные данные нанести на координатную плоскость. Сделать предварительное заключение о наличии взаимосвязи между факторами X и Y, о ее характере (положительная или отрицательная) и форме (линейная или нелинейная).

    2. Рассчитать значение парного коэффициента корреляции xy r . Используя t-критерий Стьюдента проверить значимость полученного коэффициента корреляции и сделать вывод о тесноте связи между факторами X и Y.

    3. Полагая, что взаимосвязь между факторами X и Y может быть описана линейной функцией, записать соответствующее уравнение этой зависимости. Вычислить оценки неизвестных параметров уравнения парной регрессии по методу наименьших квадратов на основе решения системы нормальных уравнений. Проинтерпретировать полученные результаты в терминах решаемой задачи.

    4. Проверить значимость всех параметров модели по t-критерию Стьюдента. Для значимых коэффициентов построить доверительные интервалы. Сформулировать выводы.

    5. Проверить значимость модели (уравнения регрессии) в целом с помощью F-критерия Фишера. Сформулировать вывод.

    6. Построить таблицу дисперсионного анализа.

    7. Выбрать прогнозную точку x P в стороне от основного массива данных. Используя уравнение регрессии выполнить точечный прогноз величины Y в точке x P .

    8. Рассчитать доверительные интервалы для уравнения регрессии и для результативного признака y P при доверительной вероятности a = 0.95.

    9. Изобразить в одной системе координат исходные данные, линию регрессии, точечный прогноз, 95% доверительный интервал.

    10. Сделать общие выводы по проделанной работе.

    Таблица 1 - Исходные данные

    Код

    Стоимость основных производственных фондов (Х, тыс. руб.)

    М

    358

    338

    425

    413

    508

    485

    548

    613

    723

    750




    Среднесуточная производительность (Y, тонн)

    А

    69

    71

    70

    72

    73

    68

    72

    75

    76

    76


    РЕШЕНИЕ

    1. Необходимо нанести исходные данные на координатную плоскость:



    Рисунок 1 – Исходные данные, нанесенные на координатную плоскость

    Предварительное заключение: существует взаимосвязь между факторами Х и Y, ее характер: положительная, так как значения Х и Y возрастают, форма взаимосвязи – линейная, так как форма напоминает прямую линию.

    1. Далее я построила таблицу и рассчитала значение парного коэффициента корреляции rxy.

    Таблица 2 – Расчетная таблица №1

    х

    у

    x2

    y2

    x*y

    358

    69

    128164

    4761

    24702

    338

    71

    114244

    5041

    23998

    425

    70

    180625

    4900

    29750

    413

    72

    170569

    5184

    29736

    508

    73

    258064

    5329

    37084

    485

    68

    235225

    4624

    32980

    548

    72

    300304

    5184

    39456

    613

    75

    375769

    5625

    45975

    723

    76

    522729

    5776

    54948

    750

    76

    562500

    5776

    57000

    5161

    722

    2848193

    52200

    375629

    Парный коэффициент корреляции рассчитывается по формуле: rxy = ,

    где ,

    ,

    ,

    ,



    =

    =

    =

    Дисперсии:





    Среднеквадратическое отклонение:

    = = 135,868

    = = 2,676

    Коэффициент корреляции:

    rxy= .

    Коэффициент корреляции может принимать значения от -1 до 1. В моем случае значение коэффициента положительное, близится к 1, что говорит о тесной, прямой связи между признаками Х и Y.

    Используя t-критерий Стьюдента проверяю значимость рассчитанного коэффициента корреляции. Для этого предполагаю, что есть нулевая гипотеза H0, где нет линейной взаимосвязи между признаками. Она подтвердится в случае, если наблюдаемое значение критерия будет меньше, чем значение критерия Стьюдента по таблице. Уровень значимости а=0,05, число степеней свободы k=10-2=8.

    tтабл(k;a:2); tтабл=(8;0,025)=2,752.

    tнабл= rxy ; tнабл=0,826 =4,153

    Если | tнабл |> tкрит , то есть основания отвергнуть нулевую гипотезу. tтабл =2,752. 5,637>2,752, нулевую гипотезу можно отвергнуть, а это значит что коэффициент корреляции не равен нулю и статистически значим.

    1. При помощи МНК записываю уравнение линейной регрессии y = bx+a. Для этого вычисляю параметры a, b, которые нужны для записи уравнения.

    10a + 5161b = 722 |*(-516.1) -5161a - 2663592.1b = -372624.2

    5161a + 2848193b = 375629 <=> 5161a + 2848193b = 375629

    Решаю систему способом сложения:

    -2663592,1b+2848193b = -372624.2+375629

    184600.9b = 3004.8

    b = 0.0162773

    10a + 5161*0.01628 = 722

    10a = 637.993

    a = 63.7993

    Уравнение регрессии: y=0.0162773x+63.7993.

    Уравнение описывает следующее отношение: при увеличении стоимости основных производственных фондов (Х) на 1 тысячу рублей, среднесуточная производительность (Y) будет увеличиваться в среднем на 0,0162773 тонн. Значение коэффициента а = 63,7993 показывает прогнозируемый уровень среднесуточной производительности (Y).

    1. Проверяю значимость параметров а и b по t-критерию Стьюдента.

    ; ; ; , где S-стандартная ошибка.

    S= , где -дисперсия ошибки регрессии.



    Таблица 3 – Расчетная таблица №2

    x

    y

    y(x)

    (yi-ycp)2

    (y-y(x))2

    358

    69

    69,627

    10,24

    0,393

    338

    71

    69,301

    1,44

    2,887

    425

    70

    70,717

    4,84

    0,514

    413

    72

    70,522

    0,04

    2,185

    508

    73

    72,068

    0,64

    0,868

    485

    68

    71,694

    17,64

    13,644

    548

    72

    72,719

    0,04

    0,517

    613

    75

    73,777

    7,84

    1,495

    723

    76

    75,568

    14,44

    0,187

    750

    76

    76,007

    14,44

    0,00005

    5161

    722

    722

    71,6

    22,69



    S= =

    Sa = 2,092 – стандартное отклонение а.

    Sb = 0,00392 - стандартное отклонение b.

    Проверяю гипотезы относительно коэффициентов а и b:

    - H0: b =0, нет линейной зависимости между Х и Y;

    - H1: b≠0, есть линейная зависимость между Х и Y.

    tb ; b>2.752, следовательно нулевая гипотеза отвергается, коэффициент b статистически значим.

    ta = ; a>2.752, следовательно нулевая гипотеза отвергается, коэффициент a статистически значим.

    Доверительные интервалы для значимых коэффициентов:

    (b-tтабл*Sb; b+tтабл*Sb)-доверительный интервал для b.

    ( a-tтабл*Sa; a+tтабл*Sa)-доверительный интервал для а.

    b: (0,0163-2.752*0,00392;0,0163+2.752*0,00392)

    (0,00549;0,0271)- 95% доверительный интервал для параметра b.

    а: (63,799-2,752*2,092; 63,799+2,752*2,092)

    (58,042;69,556) - 95% доверительный интервал для параметра а.

    1. Проверяю значимость модели (уравнения регрессии) в целом с помощью F-критерия Фишера.

    R2

    Осуществляю проверку гипотез Н1 и Н0.

    H0: R2=0, уравнение линейной регрессии в целом статистически не значимо;

    H1: R2≠0, уравнение линейной регрессии в целом статистически значимо.

    Значение F-критерия:

    F= = * = 17,245.

    Для большей дисперсии число степеней свободы равно k=1, для меньшей дисперсии число степеней свободы равно k=8. Табличное значение критерия Fтабл(1;8) = 5,32.

    Fтабл коэффициент детерминации статистически значим. Значимость модели (уравнения регрессии) подтверждается.

    1. Строю таблицу дисперсионного анализа:

    ,

    -общая сумма квадратов;

    - сумма квадратов отклонений, обусловленная регрессией;

    - остаточная сумма квадратов отклонений.

    =71,6

    = 22,69

    = 71,6 – 22,69 = 48,91

    Таблица 4 – Таблица дисперсионного анализа

    Источник вариации

    Сумма квадратов

    Число степеней свободы

    Дисперсия на 1 степень свободы

    Объясненная

    48,91

    1

    48,91

    Остаточная

    22,69

    8

    2,84

    Общая

    71,6

    10 - 1

     



    1. Выбираю прогнозную точку хп = 1000. Прогнозное значение yп составит у(1000) = 0,0163*1000+63,799=80,077



    1. Вычисляю доверительные интервалы для уравнения регрессии и для результативного признака уп при доверительной вероятности а=0,95.



    Таблица 5 - Расчетная таблица для построения доверительных интервалов

    xi

    y(x)



    ymin=y -

    ymax=y +

    358

    69,627

    5,151

    64,475

    74,778

    338

    69,301

    5,227

    64,074

    74,528

    425

    70,717

    4,959

    65,0758

    75,676

    413

    70,522

    4,987

    65,535

    75,508

    508

    72,068

    4,862

    67,206

    76,93

    485

    71,694

    4,872

    66,821

    76,566

    548

    72,719

    4,873

    67,846

    77,592

    613

    73,777

    4,972

    68,805

    78,749

    723

    75,568

    5,349

    70,219

    80,917

    750

    76,007

    4,477

    70,531

    81,484

    Доверительный интервал для уп=80,077

    2.752*1,684*

    (80,077-5,422;80,077+5,422)

    (74,65;85,5) – с вероятностью 95% значение y при х=1000 будет находиться в интервале от 74,65 до 85,5.

    1. Изображаю в одной системе координат исходные данные, линию регрессии, точечный прогноз, 95% доверительный интервал.



    Рисунок 2 – График линейной регрессии



    Рисунок 3– График.

    1. Вывод: В рамках данной работы мной была изучена зависимость между признаками x и y. В терминах задачи изучалась зависимость между стоимостью основных производственных фондов (независимая переменная) и среднесуточной производительностью (зависимая переменная). После нанесения исходных данных на координатную плоскость мной было выдвинуто предположение, что между х и у существует положительная линейная зависимость. Удалось записать уравнение этой зависимости, после подтвердить статистическую значимость коэффициента корреляции, параметров а и b, а после модели при помощи критерия Фишера, Стьюдента. После проведения дисперсионного анализа и построения доверительных интервалов для параметров a, b, а также для уравнения регрессии и прогнозного значения у, я построила график, где отобразила полученные данные. Получилось сделать вывод, что при увеличении стоимости производственных фондов на 1 тысячу рублей увеличится среднесуточная производительность в среднем на 0,0163 тонн.


    Список использованных источников:

    1. Эконометрика – Теоретические материалы [Электронный ресурс] // DiSpace.edu.nstu.ru. URL: Эконометрика — Теоретические материалы — DiSpace (nstu.ru)

    2. Таблица значений критерия Фишера (F-критерия) [Электронный ресурс] // matematicus.ru URL: Таблица значений критерия Фишера (F-критерия) | matematicus.ru

    3. Простая линейная регрессия в EXCEL. Примеры и описание [Электронный ресурс] // Excel2.ru URL: Простая линейная регрессия в EXCEL. Примеры и описание (excel2.ru)

    4. Дисперсионный анализ: соединение теории и практики [Электронный ресурс] // FUNCTION (X). URL: Дисперсионный анализ: соединение теории и практики (function-x.ru)

    5. Распределение Стьюдента. Таблица значений Стьюдента [Электронный ресурс] // Блог Джафара Алиева URL: Распределение Стьюдента (jsoft.ws)

    6. Метод наименьших квадратов – безошибочно и быстро! [Электронный ресурс] // mathprofi.ru URL: Метод наименьших квадратов – безошибочно и быстро! (mathprofi.ru)

    7. Статистическая значимость коэффициентов регрессии. [Электронный ресурс] // Новый семестр URL: Статистическая значимость коэффициентов регрессии (semestr.ru)


    написать администратору сайта