Парная регрессия и корреляция в эконометрическом моделировании

Автор работы: Пользователь скрыл имя, 02 Марта 2014 в 18:55, контрольная работа

Описание работы

Исследуется зависимость оборота розничной торговли от уровня денежных доходов на душу населения по субъектам Приволжского федерального округа.
провести оценку параметров и показателей тесноты связи для степенной функции (модели) модели,
оценить качество уравнения по средней ошибке аппроксимации,
провести оценку статистической значимости коэффициентов регрессии и корреляции по F-критерию Фишера,
провести прогнозирование результативного признака в виде доверительного интервала при увеличении факторного признака на 10% (или другое возможное значение).

Файлы: 1 файл

Задача 1 ст.docx

— 102.31 Кб (Скачать файл)

Задание 1

тема «Парная регрессия и корреляция в эконометрическом моделировании»

 

Исследуется зависимость оборота розничной торговли от уровня денежных доходов на душу населения по субъектам Приволжского федерального округа.

  1. провести оценку параметров и показателей тесноты связи для степенной функции (модели) модели, 
  2. оценить качество уравнения по средней ошибке аппроксимации,
  3. провести оценку статистической значимости коэффициентов регрессии и корреляции по F-критерию Фишера,
  4. провести прогнозирование результативного признака в виде доверительного интервала при увеличении факторного признака на 10% (или другое возможное значение).

 

Субъекты Федерации

x -  денежный доход

y - оборот розничной торговли

  1. Республика Башкортастан

15,0

9,4

2. Республика Марий Эл

8,4

4,3

3. Республика Мордовия

10,0

5,6

4.  Республика Татарстан

14,9

9,0

5. Удмурдская республика

12,1

6,6

6. Чувашская республика

9,2

5,3

7. Кировская область

11,1

7,0

8. Нижегородская область

13,0

7,2

9. Оренбургская область

12,9

6,1

10. Пензенская область

9,2

5,8

11. Пермская область

18,9

10,6

12. Самарская область

23,5

20,4

13. Саратовская область

12,8

7,6

14. Ульяновская область

11,2

7,2


 

Построению степенной модели предшествует процедура линеаризации переменных. В примере линеаризация производится путем логарифмирования обеих частей уравнения:

,

где

Для расчетов используем данные таблицы


 

X

X2

Y

XY

Y2

 

Аi

1

1,176

1,383

0,973

1,144

0,947

3,943

1,940

9,311

0,089

0,008

0,009

2

0,924

0,854

0,633

0,586

0,401

21,292

13,743

4,500

-0,200

0,040

0,047

3

1,000

1,000

0,748

0,748

0,560

9,086

5,794

5,600

0,000

0,000

0,000

4

1,173

1,376

0,954

1,120

0,911

3,556

0,986

9,233

-0,233

0,054

0,026

5

1,083

1,172

0,820

0,887

0,672

0,836

1,980

7,112

-0,512

0,262

0,078

6

0,964

0,929

0,724

0,698

0,525

14,549

7,329

5,044

0,256

0,065

0,048

7

1,045

1,093

0,845

0,883

0,714

3,664

1,014

6,383

0,617

0,381

0,088

8

1,114

1,241

0,857

0,955

0,735

0,000

0,651

7,781

-0,581

0,338

0,081

9

1,111

1,233

0,785

0,872

0,617

0,013

3,637

7,706

-1,606

2,581

0,263

10

0,964

0,929

0,763

0,736

0,583

14,549

4,871

5,044

0,756

0,571

0,130

11

1,276

1,629

1,025

1,309

1,051

34,642

6,723

12,440

-1,840

3,387

0,174

12

1,371

1,880

1,310

1,796

1,715

109,950

153,583

16,347

4,053

16,423

0,199

13

1,107

1,226

0,881

0,975

0,776

0,046

0,166

7,632

-0,032

0,001

0,004

14

1,049

1,101

0,857

0,900

0,735

3,292

0,651

6,455

0,745

0,555

0,103

Среднее

значение

1,097

1,218

0,870

0,972

0,781

         

8,93%

Сумма

15,358

17,047

12,177

13,609

13,569

219,417

203,069

   

24,667

 

 

0,119

 

0,16

               

0,014

 

0,025

               

 

 

В таблице:

 

     

Рассчитаем b и С:

Получим линейное уравнение регрессии .

Выполнив его потенцирование, получим:

Подставляя в уравнение регрессии фактические значения x, получим теоретические значения . По ним рассчитаем показатели: тесноты связи – индекс корреляции ρxy и среднюю ошибку аппроксимации :

Связь очень сильная, прямая, т.к. индекс корреляции близок к единице.

Определим коэффициент детерминации:

Вариация результата на 89,9% объясняется вариацией фактора x.

Определим коэффициент эластичности степенной модели:

Т.е., при увеличении денежных доходов в среднем на 1% средний оборот розничной торговли увеличивается на 1,254%.

В данном случае ошибка не превышает допустимые значения (10%), что говорит о хорошем качестве степенной модели.

Определим критерий Фишера

,

.

Так как , то уравнение значимо в целом.

Оценку статистической значимости параметров регрессии проведем с помощью t-статистики Стьюдента. tтабл  =  2,09.

Для оценки существенности отдельных параметров уравнения определяется их стандартная ошибка  и  :

,

>
;

 

 

>

Модель статистически значима по параметрам, т.к. все  значения t-статистик больше табличного.

 

Проведем прогнозирование результативного признака в виде доверительного интервала при увеличении факторного признака на 10%

Значение факторного признака составит:

При этом значение результативного признака составит:

Доверительный интервал составит

- средняя ошибка прогноза

 

Вывод: в целом модель значима в целом и по параметрам и может быть использована для прогнозирования.

Среди нелинейных функций, которые используются при решении задач по эконометрике и которые могут быть приведены к линейному виду, очень широко используют степенную функцию.

,

в нашем случае: а = 0,312, b = 1,254.

Параметр b в степенной функции имеет четкую экономическую интерпретацию, в таких моделях он является коэффициентом эластичности. Это означает, что величина коэффициента b показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1 %., то есть при увеличении денежных доходов в среднем на 1% средний оборот розничной торговли увеличивается на 1,254%.

Чем больше уровень денежного дохода субъекта, тем больше оборот розничной торговли субъекта.


Информация о работе Парная регрессия и корреляция в эконометрическом моделировании