эконометрика. Мешкова ДЭ-060 Эконометрика. Контрольная работа дисциплина Эконометрика Направление подготовки 38. 03. 02 Менеджмент
Скачать 0.93 Mb.
|
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
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
РЕШЕНИЕ 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. Далее я построила таблицу и рассчитала значение парного коэффициента корреляции rxy. Таблица 2 – Расчетная таблица №1
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. 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). Проверяю значимость параметров а и b по t-критерию Стьюдента. ; ; ; , где S-стандартная ошибка. S= , где -дисперсия ошибки регрессии. Таблица 3 – Расчетная таблица №2
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. 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 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
Выбираю прогнозную точку хп = 1000. Прогнозное значение yп составит у(1000) = 0,0163*1000+63,799=80,077 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
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. Изображаю в одной системе координат исходные данные, линию регрессии, точечный прогноз, 95% доверительный интервал. Рисунок 2 – График линейной регрессии Рисунок 3– График. 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: Эконометрика – Теоретические материалы [Электронный ресурс] // DiSpace.edu.nstu.ru. URL: Эконометрика — Теоретические материалы — DiSpace (nstu.ru) Таблица значений критерия Фишера (F-критерия) [Электронный ресурс] // matematicus.ru URL: Таблица значений критерия Фишера (F-критерия) | matematicus.ru Простая линейная регрессия в EXCEL. Примеры и описание [Электронный ресурс] // Excel2.ru URL: Простая линейная регрессия в EXCEL. Примеры и описание (excel2.ru) Дисперсионный анализ: соединение теории и практики [Электронный ресурс] // FUNCTION (X). URL: Дисперсионный анализ: соединение теории и практики (function-x.ru) Распределение Стьюдента. Таблица значений Стьюдента [Электронный ресурс] // Блог Джафара Алиева URL: Распределение Стьюдента (jsoft.ws) Метод наименьших квадратов – безошибочно и быстро! [Электронный ресурс] // mathprofi.ru URL: Метод наименьших квадратов – безошибочно и быстро! (mathprofi.ru) Статистическая значимость коэффициентов регрессии. [Электронный ресурс] // Новый семестр URL: Статистическая значимость коэффициентов регрессии (semestr.ru) |