Главная страница
Навигация по странице:

  • Задание 1 Решение Исходные данные для анализа представлены в таблице 1.1:Таблица 1.1 – исходные данные

  • Таблица 1.2- Матрица коэффициентов парной корреляции

  • Таблица 1.2 – Промежуточные расчеты для построения регрессии

  • эконометрика. Контрольная работа по дисциплине Эконометрика


    Скачать 152.32 Kb.
    НазваниеКонтрольная работа по дисциплине Эконометрика
    Анкорэконометрика
    Дата09.06.2022
    Размер152.32 Kb.
    Формат файлаdocx
    Имя файлаEKONOMETRIKA.docx
    ТипКонтрольная работа
    #581723
    страница1 из 11
      1   2   3   4   5   6   7   8   9   10   11

    Министерство науки и высшего образования РФ

    ФГБОУ ВО «Псковский государственный университет»


    Институт права, экономики и управления
    Кафедра экономики, финансов и финансового права


    КОНТРОЛЬНАЯ работа
    по дисциплине «Эконометрика»
    Вариант №2

    Выполнил студент: Гаврилов В.В.

    Группа:0072-04

    Преподаватель: Кистаева Н. Н.

    Псков

    2021

    Содержание

    1 задание ………………………………………………………………………………… 3

    2 задание ………………………………………………………………………………… 19

    Задание 1

    Решение

    Исходные данные для анализа представлены в таблице 1.1:

    Таблица 1.1 – исходные данные

    номер

    Регион

    СРЕДНИЕ ЦЕНЫ НА ПЕРВИЧНОМ РЫНКЕ ЖИЛЬЯ ЖИЛЬЯ (на конец года; руб. за м2 общей площади)(Y)

    СРЕДНЕГОДОВАЯ ЧИСЛЕННОСТЬ НАСЕЛЕНИЯ (тыс. человек)(X1)

    ОБЪЕМ ЖИЛИЩНЫХ КРЕДИТОВ, ПРЕДОСТАВЛЕННЫХ КРЕДИТНЫМИ ОРГАНИЗАЦИЯМИ ФИЗИЧЕСКИМ ЛИЦАМ В РУБЛЯХ (млн руб.)(X2)

    1

    Белгородская область

    57818

    1548,3

    19733

    2

    Брянская область

    36884

    1196,3

    16821

    3

    Владимирская область

    35524

    1362,1

    21384

    4

    Воронежская область

    49010

    2326

    36490

    5

    Ивановская область

    39229

    1000,7

    12221

    6

    Калужская область

    51363

    1006

    22749

    7

    Костромская область

    39381

    635,3

    9168

    8

    Курская область

    42011

    1105,5

    15838

    9

    Липецкая область

    44741

    1141,7

    15812

    10

    Московская область

    88486

    7645,2

    242590

    11

    Орловская область

    40021

    736,5

    12320

    12

    Рязанская область

    43401

    1111,5

    20386

    13

    Смоленская область

    39606

    938,6

    14315

    14

    Тамбовская область

    37855

    1011,4

    14053

    15

    Тверская область

    47340

    1265

    23912

    16

    Тульская область

    55148

    1472,5

    25645

    17

    Ярославская область

    53475

    1256,5

    18200

    18

    г. Москва

    203190

    12646,7

    393629

    19

    Республика Карелия

    52523

    616,1

    11264

    20

    Республика Коми

    50023

    825,4

    19411

    21

    Архангельская область

    62346

    1140,3

    26500

    22

    Вологодская область

    42296

    1164,1

    19696

    23

    Калининградская область

    52513

    1007,3

    18366

    24

    Ленинградская область

    59035

    1861,8

    45525

    25

    Новгородская область

    45223

    598,4

    9337

    26

    Псковская область

    38695

    627,9

    8439

    27

    г. Санкт-Петербург

    120600

    5391

    195015

    28

    Республика Адыгея

    38843

    458,9

    4103

    29

    Республика Калмыкия

    29626

    271,9

    5365

    30

    Республика Крым

    66490

    1912,2

    8852

    31

    Краснодарский край

    52552

    5661,8

    77706

    32

    Астраханская область

    47991

    1009,9

    13682

    33

    Волгоградская область

    46257

    2499,3

    34769

    34

    Ростовская область

    51664

    4200,1

    59165

    35

    г. Севастополь

    70195

    446,2

    3011

    36

    Республика Дагестан

    34382

    3098,5

    11715

    37

    Республика Ингушетия

    39489

    502,2

    397

    38

    Кабардино-Балкарская Республика

    23254

    867,3

    6120

    39

    Карачаево-Черкесская

    38449

    465,6

    3292

    40

    Республика Северная Осетия – Алания

    35099

    698,1

    5984

    41

    Чеченская Республика

    46592

    1467,8

    2568

    42

    Ставропольский край

    41156

    2799,4

    32461

    Воспользуемся пакетом анализа данных «Excel» (инструмент «Корреляция») для расчета коэффициентов интеркорреляции. Записываем их в виде матрицы (таб.1.2)

    Таблица 1.2- Матрица коэффициентов парной корреляции

     

    (Y)

    (X1)

    (X2)

    (Y)

    1,000







    (X1)

    0,845

    1,000




    (X2)

    0,915

    0,950

    1,000

    Так как rx1x2 = 0,950, то между факторами присутствует мультиколлинеарность.

    С помощью пакета анализа Excel вычислены значения выборочных средних и среднеквадратических отклонений для изучаемых переменных (таб. 1.2)

    Таблица 1.2 – Промежуточные расчеты для построения регрессии

    переменные

    ср знач

    стандартное отклонение

    коэф корреляции

    y

    52138

    28523

    ryx1

    0,845

    x1

    1881

    2264

    ryx2

    0,915

    x2

    37095

    71844

    rx1x2

    0,950

    Вывод : Факторы тесно коррелированы между собой.

    Линейное уравнение множественной регрессии y от x1 и x2 имеет вид:



    Искомое уравнение в стандартизованном масштабе:

    ,

    где — коэффициенты «чистой регресии»;

    переменные исходной модели,

    – стандартизованные коэффициенты регрессии,

    – стандартизованные переменные,





    Расчет - коэффициентов выполнен по формулам:

    = = -0,243

    1,146

    Уравнение в стандартизованном масштабе:

    ty =

    Вывод: x2 оказывает на y более сильное влияние, чем x1

    Для построения уравнения в естественной форме необходимо рассчитать и , используя формулы перехода от к :

    -3,07

    0,46

    Значение α находим по следующей формуле:

    15388,070

    Уравнение в естественном виде выглядит следующим образом:

    15388,07-3,067x1+0,455x2

    Результаты регрессионного анализа представлены в таблице 1.4:

    Таблица 1.4 – Результаты регрессионного анализа























































    Регрессионная статистика






















    Множественный R

    0,92






















    R-квадрат

    0,84






















    Нормированный R-квадрат

    0,83






















    Стандартная ошибка

    11729,26






















    Наблюдения

    42,00

















































    Дисперсионный анализ






















     

    df

    SS

    MS

    F

    Значимость F










    Регрессия

    2

    28803906592

    14401953296

    104,68

    2,09602E-16










    Остаток

    39

    5365444509

    137575500,2
















    Итого

    41

    34169351100

     

     

     





































     

    Коэффициенты

    Стандартная ошибка

    t-

    статистика

    P-

    Значение

    Нижние

    95%

    Верхние 95%

    Нижние 95,0%

    Верхние

    95,0%

    Y-пересечение

    41026,03

    2832,37

    14,48

    0,00

    35297,03

    46755,03

    35297,03

    46755,03

    (X1)

    -3,07

    2,55

    -1,20

    0,24

    -8,23

    2,10

    -8,23

    2,10

    (X2)

    0,46

    0,08

    5,65

    0,00

    0,29

    0,62

    0,29

    0,62


    Исходя из результатов анализа, представленных в таблице 1.4, можно сделать следующие выводы.

    Вывод:

    Линейная модель адекватна для исходных данных, связь прямая и тесная (Множественный R = 0,92)

    R2 = 84% вариации средних цен на первичном рынке жилья на конец год объяснено определяются вариацией учтенных в модели факторов: среднегодовая численность населения и объем жилищных кредитов.

    F = 104,68 уравнение в целом значимо (α=0,05)

    Значение показатели Fкритич считаем с помощью формулы «Excel» - формула «F.ОБР.ПХ.»

    Fкритич =3,238

    Оба коэффициента регрессии значимы (α = 0,05), не значим свободный член

    Частные коэффициенты эластичности:

    Эyx1

    Эyx2

    Вывод:

    При увеличении среднегодовая численность населения на 1% от ее среднего уровня, средние цены на первичном рынке жилья уменьшиться на 0,11% от ее среднего уровня, а при увеличении объем жилищных кредитов, предоставленных кредитными организациями физическим лицам на 1% от ее среднего уровня, средние цены на первичном рынке жилья увеличиться на 0,32% от ее среднего уровня.

    Фактор x2 сильнее влияет на y, чем x1.

    Такие же выводы можно сделать при сравнении и .

    Различия в силе влияния факторов на результат, полученные при сравнении и объясняются тем, что коэффициент эластичности исходит из соотношения средних, а из соотношения квадратичных отклонений.

    Линейные коэффициенты частной корреляции:





    Сравниваем полученные результаты линейных коэффициентов частной корреляции и приходим к выводу, что объем жилищных кредитов, предоставленных кредитными организациями физическим лицам, имеет более тесную связь со средние цены на первичном рынке жилья, чем среднегодовая численность населения.

    Частный F-критерий:





    Вывод:

    Низкое значение свидетельствует о статистической незначимости прироста за счёт включение в модель фактора среднегодовая численность населения. Следовательно, подтверждается нулевая гипотеза о нецелесообразности включения его в модель.
      1   2   3   4   5   6   7   8   9   10   11


    написать администратору сайта