Эконометрика. Решение. Вес (унция)Y
![]()
|
Задача № 1 Исследуется зависимость веса куриных окорочков от возраста кур и страны производителя. Требуется выяснить, как вес куриных окорочков зависит от возраста кур и страны производителя.
1. Построить линейное уравнение регрессии. Дать экономическую интерпретацию коэффициентов модели. 2. Оценить качество полученного уравнения. 3. Построить графики частных уравнений регрессии. Решение: 1. Построим линейное уравнение регрессии Общий вид линейного уравнения с фиктивной переменной: Построим уравнение множественной регрессии следующего вида: ![]() Z – фиктивная переменная, которую введем согласно правила: ![]() Для нахождения параметров линейного уравнения множественной регрессии воспользуемся инструментом Регрессия Пакета анализа Microsoft Excel. ![]() Рис.1.1 Результат регрессионного анализа Таким образом, линейное уравнение множественной регрессии, выражающее зависимость веса куриных окорочков от возраста кур и страны производителя имеет вид: ![]() Таким образом, вес куриных окорочков из США (z=1) определяется с помощью уравнения: ![]() из Канады (z=0): ![]() Коэффициенты уравнения говорят о том, что с повышением возраста курицы на 1 месяц, вес окорочка увеличивается на 0,4663 унции . При этом окорочка из США в среднем на 0,4222 унции меньше, чем окорочка куриц того же возраста из Канады. 2. Оценим качество полученного уравнения. Коэффициент множественной детерминации – это доля объясняющей дисперсии экзогенной переменной в её общей дисперсии. В нашем случае, коэффициент множественной детерминации равен 0,8084, что говорит о том, что 80,84% вариации результата (веса окорочка) объясняется вариацией представленных в уравнении факторов (возрастом курицы и производителем), то есть уравнение регрессии достаточно объясняет вариацию объёма продаж. При этом окорочка из США в среднем на 0,4222 унции меньше, чем окорочка куриц того же возраста из Канады. С помощью ![]() F-критерий состоит в проверке гипотезы Н0 о статистической незначимости уравнения регрессии и показателя тесноты связи. Для этого выполняется сравнение фактического Fфакт и критического (табличного) Fтабл значений F-критерия Фишера Фактическое значение ![]() ![]() Табличное значение критерия при 0,05%-ном уровне значимости и степенях свободы k1 =1 и k2 = 11 – 2 = 9 составляет Fтабл = 5,118. Т.к. неравенство Fрасч = 16,87 > Fтабл = 5,118 выполняется, поэтому гипотеза H0 отклоняется и признается статистическая значимость уравнения. 3.Построим графики частных уравнений регрессии Частное уравнение регрессии по фактору Х имеет вид: ![]() ![]() Рис.1.2 Частное уравнение регрессии по фактору Z имеет вид: ![]() ![]() Рис.1.3 Задача № 7 Имеется 20 фирм, по каждой из которых известны данные о затратах на рекламу сервиса и о количестве туристов, воспользовавшихся услугами фирмы
Требуется: 1) построить уравнение парной регрессии; 2) проверить качество построенного уравнения; 3) выполнить прогноз количества туристов (Р=85%), если затраты на рекламу в ближайшем периоде увеличатся на 7% от её максимального значения (результаты отобразить на графике). Решение: Построим уравнение парной регрессии. Линейное уравнение регрессии имеет вид: ![]() Итак, для того, чтобы вывести линейное уравнение регрессии для зависимости затрат на рекламу (У) от количества туристов (Х), определим параметры ![]() ![]() ![]() ![]() 0x +1x2 =xy Для расчета параметров а и b линейной регрессии методом наименьших квадратов необходимо решить систему нормальных уравнений относительно а и b: ![]() Для расчета параметров уравнения линейной регрессии строим расчетную таблицу 7.1. Значения параметров а и b линейной модели можно определить по формулам: ![]() Составим расчетную таблицу: Таблица 7.1.
Определим значения параметров а и b линейной модели, используя данные таблицы 7.1. ![]() ![]() Уравнение регрессии будет иметь вид: ![]() Коэффициент регрессии b = 83,84 показывает среднее изменение результативного показателя (количество туристов) с повышением или понижением величины фактора х (затраты на рекламу) на единицу его измерения, те.е.с увеличением на 1 единицу затрат на рекламу количество туристов повышается в среднем на 83,84. Коэффициент a = 118,3 формально показывает прогнозируемый уровень у, но только в том случае, если х=0 находится близко с выборочными значениями. Проверим качество построенного уравнения. Тесноту линейной связи оценит коэффициент корреляции, определяемый по формуле: ![]() где: σx σy – среднеквадратичные отклонения. Рассчитываются по формулам: ![]() ![]() Тогда коэффициент корреляции будет равен: ![]() Значение коэффициента корреляции показывает, что линейная связь между признаками прямая и высокая. Рассчитаем коэффициент детерминации: ![]() Таким образом, в 65,69 % случаев изменения х приводят к изменению y. Другими словами - точность подбора уравнения регрессии - средняя. Остальные 34.31 % изменения Y объясняются факторами, не учтенными в модели (а также ошибками спецификации). Выполним прогноз количества туристов (Р=85%), если затраты на рекламу в ближайшем периоде увеличатся на 7% от её максимального значения. Подставив в уравнение регрессии соответствующие значения х, можно определить выровненные (предсказанные) значения результативного показателя y(x) для каждого наблюдения. Максимальное значение затрат на рекламу равно 12. Тогда прогнозное значение затрат на рекламу составит: ![]() Прогнозное значение количества туристов при Х = 12,84 (составит: ![]() Оценим точность прогноза, рассчитав ошибку прогноза и его доверительный интервал. Средняя квадратическая ошибка прогноза находится по формуле: ![]() где: ![]() Ошибка прогноза составит: ![]() Табличное значение ![]() Предельная ошибка прогноза, которая в 85% случаев не будет превышена, составит: ![]() Доверительный интервал прогноза: ![]() Выполненный прогноз количества туристов является надежным (p = 1 – α = 1 – 0,15 = 0,85) и находится в пределах от 1048 до 1342 туристов. Отобразим полученные данные на графике: ![]() Рис.7.1 |