Исследование экономических данных с использованием корреляционно-регрессионного анализа

Автор работы: Пользователь скрыл имя, 10 Ноября 2013 в 16:07, контрольная работа

Краткое описание

Регрессия и корреляция широко используется при анализе связей между явлениями. Прежде всего, в экономике – исследование зависимости объемов производства от целого ряда факторов: размера основных фондов, обеспеченности предприятия квалифицированным персоналом и других; зависимости спроса или потребления населения от уровня дохода, цен на товары и т.д. Экономические показатели являются многомерными случайными величинами.
В большинстве случаев между переменными, характеризующими экономические величины, существуют зависимости, отличающиеся от функциональных. Она возникает, когда один из факторов зависит не только от другого, но и от ряда случайных условий, оказывающих влияние на один или оба фактора.

Содержание

Введение……………………………………………………………………….3
1.Исходные данные, таблица…………………………………………………4
2.Исследование экономических данных с использованием корреляционно-регрессионного анализа……………………………………………………….7
Список использованной литературы…………………………………………31

Вложенные файлы: 1 файл

Эконометрика контрольная №8.doc

— 886.00 Кб (Скачать файл)

 

Для каждой совокупности в отдельности выполним регрессионный  анализ (рисунок 7 ).

Для первой совокупности:

Рис. 7.Фрагменты регрессионного анализа для первой совокупности

Для второй совокупности:

Рис.7. Фрагменты регрессионного анализа для второй совокупности

Найдем отношение  полученных остаточных сумм квадратов (в числителе должна быть большая  сумма):

R= 2,06E+14/5,37E+11=383,9938698

 Вывод о  наличии гомоскедастичности остатков делаем с помощью F-критерия Фишера с уровнем значимости и двумя одинаковыми степенями свободы k1=k2=(n-c-2*p)/2=(50-12-2.2)/2=17 (здесь р – число параметров (коэффициентов) в уравнении регрессии):

Fтабл= 2,271893

Так как , то обнаруживается наличие гетероскедастичности в остатках модели по отношению к фактору X4.

8. Ранжирование кампаний по степени  эффективности, используя результаты регрессионного анализа

Для ранжирования предприятий по степени их эффективности  используем регрессионные остатки. Совокупность упорядочивается по убыванию показателя эффективности (табл.16).

Таблица 16. Ранжирование компаний по степени эффективности

ВЫВОД ОСТАТКА

     

Наблюдение

Предсказанное Прибыль(убыток)Y

Остатки

5

1,7E+07

2593124

11

170446

1775114

45

-148006

849734

40

18523

770044

35

920608

628160

44

664710

562307

33

684573

512623

41

-146928

455981

15

782062

443846

12

-5743,4

371913

26

-52617

278069

43

-83649

256728

14

125777

255781

34

-29536

250713

23

-134523

190051

25

-167867

167399

48

-164316

164316

42

-155239

163791

4

-161735

162699

2

-156966

162112

31

-160395

160185

49

-149633

155039

28

-154934

154394

29

-108870

149458

3

-133983

147595

46

-129311

147238

19

80510,3

140684

50

-96657

137654

30

-82563

135745

36

-158435

125405

27

-178157

116920

22

11228,6

112211

38

31103,5

84743,5

24

346214

75855,6

10

-6764,2

35968,2

39

39270

-4072

37

-11274

-23655

32

204851

-141793

13

130607

-151100

21

250762

-188562

6

423213

-394240

9

1203443

-575352

17

1085289

-668673

1

2172084

-732009

18

274962

-839220

7

229358

-1E+06

20

1769392

-1E+06

47

3863753

-1E+06

8

4999307

-2E+06

16

6683402

-3E+06


 

  Т.е. самой эффективной компанией является Акционерная нефтяная Компания Башнефть, Открытое акционерное общество; а самой неэффективной Верхнечонскнефтегаз, Открытое акционерное общество.

9. Прогнозирование среднего значения показателя при уровне значимости  ,  если прогнозное значения фактора   составит 80% от его максимального значения. Представить на графике фактические данные Y, результаты моделирования, прогнозные оценки, границы доверительного интервала.

Прогнозируемое  значение переменной получается при подстановке в уравнение регрессии ожидаемой величины фактора .

Рассчитаем  Хмакс. = 47002385, следовательно, Хпр=Хмакс*0,8= 37601908

Для получения  прогнозной оценки зависимости переменной по модели

Yпр=-50626.7+0.355376Xпр=-50626,7+0,355376*37601908= 13312189

Рисунок 8. График исходных данных, прогнозирования и доверительные интервалы

10.Составление уравнения нелинейной  регрессии:

- гиперболической;

- степенной;

- показательной.

11. Графики построенных уравнений  регрессии. Поиск для нелинейных  моделей коэффициентов детерминации и средних относительных ошибок аппроксимации. Сравнение моделей по этим характеристикам и  вывод о лучшей модели.

Воспользуемся командой Добавить линию тренда , для чего сначала построим корреляционное поле (х, у) и выберем одну из зависимостей на вкладке параметры: полиномиальный, логарифмический, показательный.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Список использованной литературы

  1. Эконометрика: учебник/ под редакцией И.И.Елисеевой. - М.: Финансы и статистика , 2003.
  2. Практикум по эконометрике. Под редакцией И.И.Елисеевой. - М.: Финансы и статистика , 2003.
  3. Эконометрика. Компьютерный практикум для студентов третьего курса М. : ВЗФЭИ,2011
  4. Руководство по решению задач по Эконометрике с использованием ППП Excel. Для студентов экономических специальностей.Ростовский государственный университет, 2010
  5. Эконометрика. Методические указания по выполнению контрольных работ для студентов заочной формы обучения.Под редакцией В.В.Свиридова. Воронеж: ИММиФ, 2006.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

  




Информация о работе Исследование экономических данных с использованием корреляционно-регрессионного анализа