Построение исходной модели № 1 и ее анализ

Автор работы: Пользователь скрыл имя, 29 Апреля 2013 в 22:50, курсовая работа

Описание работы

Цель данной курсовой работы построить оптимальную эконометрическую модель зависимости количества грабежей от некоторых основных факторов.

Содержание работы

Введение 3
1. Построение исходной модели № 1 и ее анализ 5
2. Построение улучшенной модели № 2 и ее анализ 10
3. Построение окончательной модели № 3 и ее анализ 14
Заключение 16
Список литературы 17
Приложения

Файлы: 1 файл

эконометрика - курсовая.doc

— 1,003.50 Кб (Скачать файл)

Рассчитаем  параметры модели.

В меню «Сервис» выберем «Анализ данных». В открывшемся диалоговом окне выберем инструмент «Регрессия». Нажмем «ОК». В диалоговом окне инструмента «Регрессия» введем входной интервал Y – интервал с данными наблюдений прогнозируемого показателя (В2:В89). Входной интервал Х – полностью весь интервал с данными наблюдений всех связанных показателей, например, С2:I89 (добавился столбец для фиктивной переменной D). Нажмем «ОК». В новом листе (если выбрать параметры вывода – новый рабочий лист) появятся итоги регрессионного анализа взаимосвязанных показателей.

Результаты  оценки модели представлены в приложении 4.

Получили следующее уравнение  модели № 2:

y = 6346,718 -0,757x1 + 0,004x2 + 0,003x3 + 22,408x4 – 5,303x5 -24,381x6 + 3122,136x7.

Составим график для сравнения  эмпирических (исходных) и расчетных (прогнозируемых) значений количества грабежей по регионам по уравнению модели № 2 (приложение 5).

Анализ модели показывает, что значение множественного коэффициента детерминации увеличилось до 0,834, то есть связь между показателями стала характеризоваться как сильная. Значимость модели также увеличилась с F = 22,788 до F = 57,652.

Продолжим анализ точности уравнения регрессии. Как уже  отмечалось, при проверке значимости уравнения регрессии проверяется гипотеза о том, что все коэффициенты модели регрессии равны нулю. Если нулевая гипотеза отклоняется, то это означает, что не все коэффициенты в модели регрессии равны нулю и тогда встает вопрос о проверки значимости каждого коэффициента регрессии в отдельности.

Такая проверка осуществляется на основе статистик Стьюдента, вычисленных для свободного члена и для коэффициентов регрессии.

Статистика Стьюдента для свободного члена и коэффициентов уравнения регрессии равна:

=  bk / ,

где – стандартные ошибки соответствующих оценок.

Будем считать, что b0 =a, тогда

= MSE [(XTX)-1] kk , (k=0,1,…,m).

Здесь [(XTX)-1] kk является соответствующим диагональным элементом матрицы (XTX)-1 .

В случае мультиколлинеарности определитель матрицы (XTX) близок к нулю, поэтому стандартные ошибки  коэффициентов регрессии существенно увеличиваются. При этом коэффициенты регрессии теряют свою познавательную ценность.

При компьютерных расчетах вместе со статистикой Стьюдента для каждой оценки параметров уравнения регрессии вычисляется и выборочный уровень значимости или р-величина. По ее значению и определяется значимость каждой оценки параметров уравнения регрессии.

Рассчитаем для переменных матрицу  парных коэффициентов корреляции.

 

Денежные 
доходы

Основные 
фонды

Валовой 
региональный 
продукт

% городского населения

женщин на 1000 
мужчин

Число 
безработных 
в % от экономически активного 
населения

 

 

 

 

 

D

Денежные 
доходы

1,000

           

Основные 
фонды

0,5936

1,0000

         

Валовой 
региональный 
продукт

0,8162

0,7802

1,0000

       

% городского населения

0,4314

0,5107

0,3101

1,0000

     

женщин на 1000 
мужчин

-0,3290

0,2726

-0,0027

0,1203

1,0000

   

Число 
безработных 
в % от экономически активного населения

-0,2819

-0,3317

-0,3444

-0,3429

-0,2942

1,0000

 

D

0,2652

0,5251

0,3896

0,3557

-0,2185

-0,2185

1,0000


 

Анализ матрицы парных коэффициентов  корреляции с учетом для каждого коэффициента корреляции р-величины показывает, что:

- значимыми являются пять переменных: х1 (денежные доходы), х2 (основные фонды), х4 (% городского населения), х5 (женщин на 1000 мужчин), х7 (D) - для них расчетные уровни значимости меньше 0,05;

- мультиколлинеарность присутствует  для переменной х3 (валовой 
региональный продукт), так общеизвестно, что валовой региональный продукт зависим от стоимости основных фондов (коэффициент корреляции между валовым региональным продуктом и стоимостью основных фондов равен  0,8162, что больше 0,8). Переменную х3 необходимо из модели исключить.

- для переменной х6 ( число безработных  в % от экономически активного населения) все коэффициенты регрессии отрицательны, то есть регрессия обратная. Таким образом, можно заключить, что переменная х6 не влияет на количество грабежей.

Делаем вывод, что необходимо построить окончательную модель № 3 уже без переменных х3 (валовой региональный продукт) и х6 (число безработных в % от экономически активного населения). Поэтому строим новую эконометрическую модель № 3.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3. Построение окончательной модели  № 3 и ее анализ

 

Итак, для расчета модели № 3 необходимо исключить переменные х3 (валовой региональный продукт) и х6 (число безработных в % от экономически активного населения), как незначимые.

Уравнение множественной линейной регрессии (как оценка модели) в общем  виде может быть записано как

y = a + b1x1 + b2x2 + b4x4 + b5x5 + + b7x7.

где  

у – количество грабежей в год;

х1 – средний денежный доход населения (руб.);

х2 – стоимость основных фондов (млн. руб.);

х4 – процент городского населения в регионе (%);

х5 – количество женщин на 1000 мужчин (чел);

х7 – фиктивный параметр D;

а   – оценка свободного члена уравнения регрессии;

bk – оценки коэффициентов регрессии при переменных xk.

Результаты  оценки модели представлены в приложении 6.

Получили следующее уравнение  модели № 3.

y = 4465,224 - 0,570x1 + 0,005x2 + 19,541x4 – 3,943x5 + 3159,012x7.

Составим график для сравнения  эмпирических (исходных) и расчетных (прогнозируемых) значений количества грабежей по регионам по уравнению модели № 3 (приложение 7).

Анализ модели показывает, что значение множественного коэффициента детерминации почти не изменилось и равно 0,824. таким образом, полученная модель в дальнейшем улучшении не нуждается. Связь между показателями характеризуется как сильная. Значимость модели увеличилась до F = 76,740, р-величины для каждого из факторов меньше, чем 0,05, что говорит о значимости всех переменных, входящих в модель.

Делаем вывод, что модель № 3 в улучшении не нуждается.

Приведем интерпретацию коэффициентов  уравнения множественной регрессии.

Свободный член уравнения регрессии обычно не интерпретируется.

Коэффициенты уравнения множественной  регрессии при каждой переменной показывают, насколько в среднем изменится значение зависимой переменной (в своих единицах измерения) – количество грабежей, если значение соответствующей независимой переменной изменится на единицу (в своих единицах измерения) при фиксированных значениях других переменных. Но это верно лишь в случае построенной модели № 3, так как выполняется основная предпосылка регрессионного анализа, – факторные переменные не зависят между собой (только в этом случае можно изменить значение одной переменной, оставив без изменения другие). В случае же существования взаимозависимости объясняющий переменных смысл коэффициентов уравнения регрессии искажается. А в случае мультиколлинеарности коэффициенты уравнения регрессии вообще теряют какой-либо смысл.

При фиктивной переменной, равной 0, модель имеет вид:

y = 4465,224 - 0,570x1 + 0,005x2 + 19,541x4 – 3,943x5.

Графическая интерпретация показана в приложении 8.

При фиктивной переменной, равной 1, модель имеет вид:

y = 7624,236 - 0,570x1 + 0,005x2 + 19,541x4 – 3,943x5.

Графическая интерпретация показана в приложении 9.

 

 

 

 

 

 

 

Заключение

 

В результате проведенной работы был произведен статистический анализ исходных данных, полученных при исследовании основных показателей регионов Российской Федерации по количеству грабежей с целью выявления доминирующих факторов влияющих на количество грабежей и построена адекватная эконометрическая модель, которая 2 раза требовала улучшения.

Для сравнения  параметры всех трех моделей сведены  в таблицу.

 

Модель № 1

Модель № 2

Модель № 3

Свободный член

4953,011

6346,72

4465,224

D

-

3122,135

3159,012

Денежные доходы

-0,839

-0,757

-0,570

Основные фонды

0,006

0,004

0,005

Валовой региональный продукт

0,004

0,003

-

% городского населения

30,269

22,408

19,541

Женщин на 1000 мужчин

-4,497

-5,302

-3,943

Число безработных в % от экономически активного населения

-25,061

-24,381

-

Множественный коэффициент  детерминации R2

0,628

0,834

0,824

F

22,788

57,652

76,740


 

Процесс прогнозирования не так прост, как может показаться на первый взгляд, и связан с множеством сложностей. Чтобы сделать более или менее точный прогноз, необходимо, в первую очередь, тщательно собрать данные всех показателей, которые будут использоваться в прогнозировании. Необходимо выбрать наиболее подходящий подход в прогнозировании каждого конкретного показателя. Даже, если кажется, что все сделано правильно, нельзя забывать, что условия имеют свойство неожиданно меняться, превращая прогноз в слепую догадку. Чем большее количество переменных используется в процессе прогнозирования, тем больше шансов увидеть будущую тенденцию развития исследуемого процесса. Кроме того, изменения в одном прогнозе могут служить подсказкой, что другой прогноз может также измениться.

Список литературы

 

    1. Айвазян С. А., Мхаторян В. С. Прикладная статистика и основы эконометрики. М.: ЮНИТИ. 2004.
    2. Акулич И.Л. Математическое программирование в примерах и задачах. М.: Высшая школа, 1999.
    3. Иванилов Ю.П., Лотов А.В. Математические модели в экономике. М.: Высшая школа, 2003.
    4. Канторович Л.В., Горстко А.Б. Оптимальные решения в экономике. М.: Наука, 1999.
    5. Лотов А.В. Введение в экономико-математические моделирование. М.: Наука, 2004.
    6. Практикум по эконометрике. / Под ред. И. И. Елисеевой. М.: Финансы и статистика. 2002.
    7. Россия в цифрах. http://www.sci.aha.ru/cgi-bin/regbase.pl

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Приложение 1. Исходные данные для  построения эконометрической модели

 

 

 

 

 

№ п./п.

регион

количество грабежей

Денежные 
доходы

Основные 
фонды

Валовой 
региональный 
продукт

% городского населения

женщин на 1000 
мужчин

Число 
безработных 
в % от экономически активного 
населения

1

Адыгея

343

1112,6

47056

5110,2

53,9

1150

14,1

2

Башкирия

1647

1731,8

407013

114145,1

65,2

1117

11,5

3

Алтай

145

1147,4

15278

2568,1

25,4

1105

17,5

4

Бурятия

2052

1381,4

91700

18085

59,8

1077

19,1

5

Дагестан

257

850,6

134133

13043,6

40,2

1081

25,6

6

Кабардино-Балкария

289

1135,6

48059

10529,8

57

1125

16,6

7

Калмыкия

74

956,3

21677

2127,1

40,8

1062

20,1

8

Карачаево-Черкесия

154

1021

32493

4317,5

44

1122

20,7

9

Карелия

737

2168,1

90800

20382,3

73,8

1113

11,5

10

Коми

1054

2788,1

201201

50914,3

74,5

1008

12,1

11

Марий-Эл

1014

863,5

95617

10467,7

61,9

1127

11,3

12

Мордовия

594

1089,8

70373

14075,5

59,5

1164

10,7

13

Северная Осетия

271

1612,7

43296

7572,3

67,5

1145

28,5

14

Татарстан

3004

1779,1

477390

123671,8

73,8

1141

8

15

Тува

468

1095,2

14652

2616,3

47,9

1052

22,9

16

Удмуртия

2201

1404,9

180173

37501,6

69,4

1133

9,3

17

Хакасия

761

1551,8

61889

14317,1

70,9

1079

12,3

18

Ингушетия

12

488,6

5139

2030,7

42,3

1027

32

19

Чувашия

983

1016,2

113170

18372,1

61

1138

9,1

20

Якутия-Саха

842

3559,4

220865

64688

64,1

1016

11,3

21

Еврейская а.обл.

209

1303,5

20746

2443,5

67,1

1069

15,2

22

Агинский-Бурятский а

21

749,9

3742

22160,9

32,2

1029

25,6

23

Коми-Пермяцкий а.о.

134

797,8

6370

94893,9

26

1144

8

24

Корякский а.о.

8

3580,8

5497

15462,2

25,4

1008

12,5

25

Ненецкий а.о.

31

2997,1

17633

38994,1

60,4

1068

10,9

26

Таймырский а.о.

34

2908,2

5400

129456,9

63,6

979

5,7

27

Усть-Ордынский а.о.

79

595,8

6335

85889,1

0

1045

8,9

28

Ханты-Мансийский а.о

1237

6572,3

641474

356139

91,2

979

11,2

29

Чукотский а.о.

21

3706,9

18712

3212,1

68,4

917

10

30

Эвенкийский а.о.

10

1999

1842

129456,9

29,1

1109

3,2

31

Ямало-Ненецкий а.о.

266

7564,4

295785

356139

82,6

947

7,9

32

Алтайский край

2537

1160,1

191413

34837,7

52,3

1122

11,5

33

Краснодарский край

2589

1575,6

479549

109100,8

53,2

1145

12,5

34

Красноярский край

3275

2582,297

376431

129456,9

74,84647

1096,6

12,04584

35

Приморский край

2583

1694

166236

54791,9

78,1

1036

11,9

36

Ставропольский край

1643

1363,2

205580

43440,1

55,2

1138

13,8

37

Хабаровский край

1893

2240,4

248304

49534,8

80,8

1044

11,6

38

Амурская обл.

993

1465,8

141651

22773

65,6

1018

13,4

39

Архангельская обл.

1530

1833,881

180707

38994,1

74,85121

1068

12,2419

40

Астраханская обл.

773

1602,7

106980

18942,9

66,2

1093

11,5

41

Белгородская обл.

590

1382,4

145787

34526,3

65,6

1160

5,8

42

Брянская обл.

762

1150

113415

18554,3

68,6

1163

13,1

43

Владимирская обл.

1034

1127,2

129272

25577

80,4

1194

12,2

44

Волгоградская обл.

1923

1204,1

208817

49974,2

73,9

1130

9,7

45

Вологодская обл.

1620

1825,7

136362

47279

68,3

1123

8

46

Воронежская обл.

1530

1239

211898

40710,1

61,9

1172

10

47

Ивановская обл.

1542

912,3

84550

12760,9

82,4

1208

10,1

48

Иркутская обл.

4905

2276,578

333170

85889,1

83,94924

1103,005

11,5366

49

Калининградская обл.

1042

1655,1

75707

16157,5

76,8

1081

15,4

50

Калужская обл.

771

1212,1

105783

17300,8

74,3

1151

8,2

51

Камчатская обл.

210

2994,514

56701

15462,2

85,73224

946,1486

16,29789

52

Кемеровская обл.

3379

2202,9

313617

68975,4

86,6

1118

10,4

53

Кировская обл.

1025

1155,4

148026

28543,1

70,6

1118

8,2

54

Костромская обл.

965

1240,8

83716

14286,9

65,9

1152

8,6

55

Курганская обл.

1789

1198,2

93139

15424,2

55,3

1127

13,2

56

Курская обл.

683

1258,7

124453

25351,6

61,3

1164

10,4

57

Ленинградская обл.

1373

1357,1

223013

42604,2

66

1156

9,7

58

г.Санкт-Петербург

6258

2589,6

412221

161748,5

100

1221

6,3

59

Липецкая обл.

573

1692,9

129114

31923,6

64,3

1159

8,5

60

Магаданская обл.

210

2979,3

45747

11328,6

90,6

971

10,8

61

Московская обл.

3224

1908,3

659675

160034,6

80,1

1189

7,4

62

г.Москва

4869

9291,3

1384509

677372,2

100

1232

3,8

63

Мурманская обл.

894

3333,8

144824

42976,7

91,7

1044

12,8

64

Нижегородская обл.

3739

1561,6

294133

83456,2

78,1

1189

7,5

65

Новгородская обл.

759

1689,1

65864

16409,7

70,4

1178

7,8

66

Новосибирская обл.

3007

1477,8

302292

58301,8

73,8

1137

13,4

67

Омская обл.

2082

1306,9

190292

40591,1

67,1

1125

13,9

68

Оренбургская обл.

1581

1404,4

234022

56583,4

56,9

1116

11,8

69

Орловская обл.

472

1324,9

64366

17928,2

62,7

1170

8,5

70

Пензенская обл.

618

1136,9

123940

19686,5

64,3

1161

11,2

71

Пермская обл.

5992

2239,97

296528

94893,9

78,07838

1110,265

10,53012

72

Псковская обл.

550

1293,1

74695

11548,8

66,1

1169

12,6

73

Ростовская обл.

2975

1616,5

299151

68975,9

67,5

1143

14,9

74

Рязанская обл.

419

1200,4

110379

22789,8

68,3

1186

9,5

75

Самарская обл.

2407

2561

482883

121328,4

80,5

1154

10,3

76

Саратовская обл.

1577

1377,9

268971

48595,4

72,9

1136

9,5

77

Сахалинская обл.

648

2563,5

97652

28329,3

86,6

1026

13

78

Свердловская обл.

8764

1770,6

580302

123408,9

87,4

1143

10

79

Смоленская обл.

882

1626,3

125247

21729

70,3

1164

12,2

80

Тамбовская обл.

379

1432,7

111642

17878,8

57,9

1173

8,2

81

Тверская обл.

1096

1197,7

175833

27887,7

73,4

1193

9,4

82

Томская обл.

923

2002,3

149647

31166,3

66,9

1074

12,2

83

Тульская обл.

1035

1428,1

156543

30286

81,4

1207

9,7

84

Тюменская обл.

2473

3380,15

146216

356139

66,54198

1051,963

10,28799

85

Ульяновская обл.

996

1212,3

125943

26050,1

73

1127

6,4

86

Челябинская обл.

4848

1883

404407

84579,6

81,3

1138

8,1

87

Читинская обл.

1815

1035,563

101503

22160,9

64,16528

1050,31

13,13354

88

Ярославская обл.

2111

1683

185442

37749,3

80,2

1184

7,3

Информация о работе Построение исходной модели № 1 и ее анализ