Автор работы: Пользователь скрыл имя, 29 Апреля 2013 в 22:50, курсовая работа
Цель данной курсовой работы построить оптимальную эконометрическую модель зависимости количества грабежей от некоторых основных факторов.
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
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 проверяетс
Такая проверка осуществляется на основе статистик Стьюдента, вычисленных для свободного члена и для коэффициентов регрессии.
Статистика Стьюдента для
= 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 кажд
Рассчитаем для переменных матрицу парных коэффициентов корреляции.
Денежные |
Основные |
Валовой |
% городского населения |
женщин на 1000 |
Число |
D | |
Денежные |
1,000 |
||||||
Основные |
0,5936 |
1,0000 |
|||||
Валовой |
0,8162 |
0,7802 |
1,0000 |
||||
% городского населения |
0,4314 |
0,5107 |
0,3101 |
1,0000 |
|||
женщин на 1000 |
-0,3290 |
0,2726 |
-0,0027 |
0,1203 |
1,0000 |
||
Число |
-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
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.
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
Свободный член уравнения регрессии обычно не интерпретируется.
Коэффициенты уравнения
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.
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.
Приложение 1. Исходные данные для построения эконометрической модели
№ п./п. |
регион |
количество грабежей |
Денежные |
Основные |
Валовой |
% городского населения |
женщин на 1000 |
Число |
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