МУ Эконометрика 1583
.pdf41
доход (DOXOD) в среднем увеличится на 0,788 млн руб. при постоянном значении среднегодовой стоимости оборотных средств (OBS). Если же увеличится среднегодовая стоимость оборотных средств (OBS) на 1 млн руб., а стоимость основных фондов в среднем не изменится, то валовой доход (DOXOD) увеличится в среднем на 1,008 млн руб.
Для сравнения влияния на зависимую переменную различных объясняющих переменных используют стандартизированные коэффициенты
регрессии b'j и коэффициенты эластичности Ej (j = 1, 2, …, n):
b'j bj |
Sx |
j |
; |
Ej bj |
|
x |
j |
|
. |
(39) |
||
|
|
|
|
|
|
|
||||||
|
|
|
y |
|||||||||
|
Sy |
|
|
|
|
|||||||
Стандартизированный коэффициент регрессии b'j |
показывает, на |
сколько величин Sy изменится в среднем зависимая переменная у при увеличении только j-й объясняющей переменной на Sxj. Коэффициент эластичности Ej показывает, на сколько процентов (от средней) изменится в среднем у при увеличении только хj на 1%.
Рассчитаем коэффициенты b'j и Ej для рассматриваемого примера.
Найдем |
описательные |
статистики |
|
|
переменных |
|
View/Descriptive |
||||||||||||
Stats/Common Samples (табл. 16). |
|
|
|
|
|
|
|
|
|
||||||||||
По формуле (39) произведем расчет. |
|
|
|
|
|
|
|
Таблица 16 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
OF |
|
OBS |
|
DOXOD |
||||||
|
|
|
Mean |
|
|
87.64000 |
|
69.24000 |
104.6800 |
|
|||||||||
|
|
|
Median |
|
|
100.0000 |
|
63.00000 |
88.00000 |
|
|||||||||
|
|
|
Maximum |
|
|
154.0000 |
|
114.0000 |
237.0000 |
|
|||||||||
|
|
|
Minimum |
|
|
17.00000 |
|
28.00000 |
45.00000 |
|
|||||||||
|
|
|
Std. Dev. |
|
|
36.43817 |
|
24.11134 |
56.29737 |
|
|||||||||
|
|
|
Skewness |
|
|
-0.543487 |
|
0.307240 |
0.887197 |
|
|||||||||
|
|
|
Kurtosis |
|
|
2.345206 |
|
1.967547 |
2.611188 |
|
|||||||||
|
|
|
Jarque-Bera |
|
|
1.677362 |
|
1.503692 |
3.437131 |
|
|||||||||
|
|
|
Probability |
|
|
0.432280 |
|
0.471495 |
0.179323 |
|
|||||||||
|
|
|
Observations |
|
|
|
25 |
|
|
|
25 |
|
|
25 |
|
||||
Тогда, |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
b' |
0,788 |
36,438 |
|
= 0,510 |
|
b' |
|
|
1,008 |
24,111 |
= 0,432. |
||||||||
|
|
|
|
|
|
|
|||||||||||||
1 |
|
|
56,297 |
|
|
|
|
2 |
|
|
56,297 |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
E |
0,788 |
87,64 |
= 0,659 |
|
E |
2 |
1,008 |
69,24 |
|
= 0,667 |
|
||||||||
|
|
|
|
|
|||||||||||||||
1 |
|
|
104,68 |
|
|
|
|
|
104,68 |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
С увеличением среднегодовой стоимости основных фондов на 1 % от среднего уровня годовой валовой доход возрастет на 65,9% от своего среднего уровня при фиксированном значении среднегодовой стоимости
42
оборотных средств. С увеличением стоимости оборотных средств на 1 % от среднего уровня годовой валовой доход возрастет на 66,7% от своего среднего уровня при фиксированном значении стоимости основных фондов. Сила влияния стоимости оборотных средств (х2) на доход несколько больше, чем сила влияния стоимости основных фондов (х1).
Определим парные коэффициенты корреляции, для этого в окне группы выберем View/Correlations. Появится окно, данные которого представлены в табл. 17
Таблица 17
|
OF |
OBS |
DOXOD |
OF |
1.000000 |
0.214228 |
0.602241 |
OBS |
0.214228 |
1.000000 |
0.540797 |
DOXOD |
0.602241 |
0.540797 |
1.000000 |
Парный коэффициент между доходом (у) и стоимостью основных средств (х1) равен 0,602. Парный коэффициент между доходом (у) и стоимостью оборотных средств (х2) равен 0,540. Связь между переменными тесная.
Рассчитаем частные коэффициенты корреляции:
ryx1 x2
ryx2 x1
|
|
|
ryx |
ryx |
2 |
rx x |
2 |
|
|
|
|
||||||
|
|
|
1 |
|
|
|
|
1 |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
(1 r |
2 |
|
)(1 r |
2 |
|
|
) |
|
|||||||||
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
yx |
2 |
|
|
x x |
2 |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
||
|
|
|
|
ryx |
2 |
ryx |
|
rx x |
2 |
|
|
|
|
||||
|
|
|
|
|
|
|
1 |
1 |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
(1 r |
2 |
|
)(1 r |
2 |
|
|
) |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
yx |
|
|
|
x x |
2 |
|
|
|
|||
|
|
|
|
|
|
|
1 |
|
|
|
1 |
|
|
|
|
|
|
|
0,602 0,540 0,214 |
|
|
= 0,591; |
||
|
|
|
|
|
|
|||
|
|
(1 0,5402)(1 0,2142) |
||||||
|
|
|
|
|
|
|
||
|
|
|
|
0,540 0,602 0,214 |
|
= 0,527. |
||
|
|
|
|
|
|
|||
|
(1 0,6022)(1 0,2142) |
|||||||
|
|
|
|
|
|
При сравнении коэффициентов парной и частной корреляции приходим к выводу, что из-за слабой зависимости между факторами (rx1x2 = 0,214 – отсутствие мультиколлинеарности) коэффициенты парной и частной корреляции отличаются незначительно.
Рассчитаем коэффициент множественной корреляции по формуле
|
|
|
|
r |
2 |
r2 |
2 r |
|
r |
r |
||||
Ryx x |
|
|
yx1 |
yx2 |
yx1 |
yx2 |
x1x2 |
|
||||||
|
|
|
|
|
|
|||||||||
1 |
|
|
2 |
|
|
|
|
1 r2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x x |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
0,6022 0,5402 |
2 0,602 0,540 0,214 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
0,735 |
|
|
|
|
|
|
1 0,2142 |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
Коэффициент множественной корреляции больше значений парных коэффициентов корреляции. Совокупность факторов оказывает большее совместное влияние на результативный признак.
Рассчитанные статистики (табл. 15) позволяют оценить значимость и надежность полученных оценок регрессии и уравнения множественной регрессии в целом.
43
Для проверки значимости коэффициента b1 выдвигаем нулевую гипотезу (Н0) о равенстве его нулю (Н0:b1 = 0) против альтернативной гипотезы (Н1) о неравенстве нулю b1 (Н1:b1 0). Программа рассчитывает значение вероятности нулевой гипотезы (Prob.). Для наших расчетов установим уровень значимости = 0,05. Коэффициент b1 является значимым, так как Prob. = 0,00 < 0,05. Аналогично проверяем значимости коэффициента b2. Коэффициент значим, так как Prob. = 0,00 < 0,05.
Для оценки надежности выборочного уравнения регрессии применяется F-критерий Фишера. Выдвигаем нулевую гипотезу (Н0) о равенстве нулю коэффициентов регрессии (Н0:bj = 0) против альтернативной гипотезы (Н1) о неравенстве нулю коэффициентов регрессии (Н1:bj 0). Программа рассчитывает Fнабл (F-statistic). Для нашего примера Fнабл = 12,935. Для нашего примера уравнение регрессии считается значимым, так как вероятность нулевой гипотезы Prob(F-statistic) меньше уровня значимости
Prob. = 0,00 < 0,05.
Мерой качества уравнения регрессии, характеристикой прогностической силы анализируемой регрессионной модели является коэффициент детерминации. Для оцененной модели коэффициент детерминации (R- squared) равен 0,540. Данное значение показывает, что вариация признака (валовой доход) на 54% объясняется вариацией выбранных факторов (стоимости основных и оборотных средств).
Применим тест Уайта и проанализируем модель на гетероскедастичность. В окне оцененной регрессии выберем команду View/Residual
Tests/White Heteroskedasticity (no cross terms), получим модель, представлен-
ную в табл. 18.
Таблица 18
White Heteroskedasticity Test:
F-statistic |
5.149055 |
|
|
Probability |
0.005115 |
|||||
Obs*R-squared |
12.68358 |
|
|
Probability |
0.012930 |
|||||
|
|
|
|
|
|
|
|
|
|
|
Test Equation: |
|
|
|
|
|
|
|
|
|
|
Dependent Variable: RESID^2 |
|
|
|
|
|
|
||||
Method: Least Squares |
|
|
|
|
|
|
||||
Date: 04/18/08 Time: 14:28 |
|
|
|
|
|
|
||||
Sample: 1 25 |
|
|
|
|
|
|
|
|
|
|
Included observations: 25 |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
Variable |
Coefficient |
|
Std. Error |
t-Statistic |
|
Prob. |
||||
|
|
|
|
|
|
|
|
|
|
|
C |
2857.528 |
|
2862.039 |
0.998424 |
|
0.3300 |
||||
OF |
49.98189 |
|
31.63166 |
1.580122 |
|
0.1298 |
||||
OF^2 |
-0.342268 |
|
0.198447 |
-1.724734 |
|
0.1000 |
||||
OBS |
-131.0481 |
|
72.92873 |
-1.796933 |
|
0.0875 |
||||
OBS^2 |
1.176941 |
|
0.496078 |
2.372490 |
|
0.0278 |
||||
|
|
|
|
|
|
|
|
|
|
|
R-squared |
0.507343 |
|
|
Mean dependent var |
1398.346 |
|||||
Adjusted R-squared |
0.408812 |
|
|
S.D. dependent var |
1657.355 |
|||||
S.E. of regression |
1274.319 |
|
|
Akaike info criterion |
17.31507 |
|||||
Sum squared resid |
32477793 |
|
|
Schwarz criterion |
17.55884 |
|||||
Log likelihood |
-211.4384 |
|
|
F-statistic |
|
|
5.149055 |
|||
Durbin-Watson stat |
1.449760 |
|
|
Prob(F-statistic) |
0.005115 |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
44
Зависимость квадратов остатков оказалась следующей:
2 = 2857,53 + 49,982OF 0,342OF2 131,048OBS + 1,177OBS2 + и
(0,988) |
(1,580) |
(1,725) |
(1,797) |
(2,372) |
Уравнение в целом надежно Fнабл = 5,150 (Prob(F-statistic) = 0,01). Следовательно, необходимо признать наличие гетероскедастичности остатков исходя из теста Уайта. При этом количественно гетероскедастичность может быть представлена квадратичной функцией. Исходя из этого утверждения, можно предположить в качестве преобразования для
взвешенного метода наименьших квадратов E(ei2) 2OFi2 или
E(ei2) 2OBSi2 .
Применим указанные преобразования. В окне оцененной регрессии
(рис. 11) нажимаем Estimate/Options/Weighted LS и используем вес OF и
OBS. Для полученных моделей проведем тест Уайта и выберем наилучшую модель. Результаты поместим в табл. 19.
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 19 |
Вес |
|
|
|
Уравнение |
|
|
|
|
Адекват- |
Тест |
|||
|
|
|
|
|
|
|
ность |
Уайта |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
||
OF |
|
DOXOD |
|
104,59 |
1 |
1,09 |
1,53 |
OBS |
|
R2 = 0,856 |
нет |
||
|
|
|
|
F = 25,46 |
F = 1,85 |
||||||||
|
|
OF |
OF |
OF |
|||||||||
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
||||
OBS |
|
DOXOD |
|
41,72 |
|
1 |
1,29 |
OF |
0,53 |
R2 = 0,781 |
есть |
||
|
|
|
|
F = 16,66 |
F = 5,52 |
||||||||
|
|
OBS |
|
OBS |
|
||||||||
|
|
|
|
|
OBS |
|
|
Проведенные расчеты позволяют в качестве преобразования выбрать вес OF.
3. ЗАДАНИЯ КВЫПОЛНЕНИЮ ЛАБОРАТОРНЫХРАБОТ
Лабораторная работа № 1
В соответствии со своим вариантом в работе необходимо выполнить следующие задания:
1)построить линейную модель y = b0 + b1x, параметры которой оценить методом наименьших квадратов;
2)оценить тесноту и направление связи между переменными с помощью коэффициента корреляции, найти коэффициент детерминации и пояснить его смысл;
3)проверить значимость уравнения регрессии на 5%-м уровне по F-критерию, проверить значимость коэффициента регрессии по t-статистике;
4)построить доверительный интервал индивидуальных значений y;
аналогично построить доверительный интервал для 1;
45
5) применить тест Гольдфельда Квандта, тест ранговой корреляции Спирмэна для оценки гетероскедастичности.
Вариант 1. Имеются следующие данные об уровне механизации работ х (%) и производительности труда у (т/ч) для 24 однотипных предприятий (табл. 20).
|
|
|
|
|
Таблица 20 |
Номер |
Уровень |
Производи- |
Номер |
Уровень |
Производи- |
пред- |
механизации |
тельность |
пред- |
механизации |
тельность |
тия |
работ, % |
труда, т/ч |
тия |
работ, % |
труда, т/ч |
1 |
32 |
20 |
13 |
43 |
31 |
2 |
31 |
22 |
14 |
44 |
33 |
3 |
30 |
24 |
15 |
45 |
32 |
4 |
32 |
21 |
16 |
47 |
33 |
5 |
33 |
23 |
17 |
56 |
34 |
6 |
33 |
25 |
18 |
54 |
37 |
7 |
34 |
26 |
19 |
60 |
38 |
8 |
36 |
28 |
20 |
55 |
40 |
9 |
35 |
29 |
21 |
61 |
41 |
10 |
40 |
30 |
22 |
67 |
43 |
11 |
41 |
31 |
23 |
69 |
45 |
12 |
42 |
32 |
24 |
76 |
48 |
Табличные значения статистик: t0,95; 22 = 2,07; F0,05;1;22 = 4,30.
Вариант 2. Имеются данные о мощности пласта шахты х (м) и сменной добычи у (т) для 26 предприятий (табл. 21).
|
|
|
|
|
Таблица 21 |
Шахта |
Мощность |
Сменная до- |
Шахта |
Мощность |
Сменная до- |
|
пласта, м |
быча, т |
|
пласта, м |
быча, т |
1 |
76 |
5 |
14 |
98 |
9,6 |
2 |
76 |
5,2 |
15 |
100 |
8,8 |
3 |
78 |
5,4 |
16 |
101 |
7 |
4 |
80 |
5,6 |
17 |
105 |
10,5 |
5 |
82 |
5,5 |
18 |
108 |
10,3 |
6 |
83 |
6,8 |
19 |
110 |
10,6 |
7 |
84 |
5,5 |
20 |
113 |
10,9 |
8 |
85 |
6,2 |
21 |
113 |
8,7 |
9 |
88 |
4,5 |
22 |
115 |
7,8 |
10 |
90 |
5,9 |
23 |
115 |
9,1 |
11 |
91 |
6,5 |
24 |
116 |
9,7 |
12 |
94 |
6,1 |
25 |
125 |
9,7 |
13 |
98 |
7,5 |
26 |
141 |
11,6 |
46
Табличные значения статистик: t0,95; 24 = 2,06; F0,05;1;24 = 4,26.
Вариант 3. Имеются данные об уровне механизации шахты х (%) и сменной добычи у (т) для 26 предприятий (табл. 22).
|
|
|
|
|
Таблица 22 |
Шахта |
Уровень ме- |
Сменная |
Шахта |
Уровень меха- |
Сменная |
ханизации, % |
добыча, т |
низации, % |
добыча, т |
||
1 |
35 |
6,2 |
14 |
65 |
7 |
2 |
37 |
4,5 |
15 |
67 |
5,2 |
3 |
37 |
6,8 |
16 |
67 |
7,8 |
4 |
47 |
6,5 |
17 |
81 |
8,7 |
5 |
49 |
5 |
18 |
82 |
10,3 |
6 |
49 |
5,5 |
19 |
82 |
10,9 |
7 |
50 |
5,6 |
20 |
82 |
9,6 |
8 |
51 |
5,1 |
21 |
83 |
7,5 |
9 |
53 |
6,1 |
22 |
84 |
5,5 |
10 |
55 |
5,8 |
23 |
84 |
10,5 |
11 |
58 |
6,3 |
24 |
85 |
9,7 |
12 |
59 |
5,3 |
25 |
100 |
9,7 |
13 |
64 |
6,1 |
26 |
100 |
11,6 |
Табличные значения статистик: t0,95; 24 = 2,06; F0,05;1;24 = 4,26.
Вариант 4. Исследовать причинно-следственную связь между такими экономическими явлениями, как себестоимость единицы продукции у (руб.) и объём произведенной продукции х (тыс. шт.). Данные представлены по 24 предприятиям (табл. 23).
|
|
|
|
|
Таблица 23 |
Предпри- |
Выпуск |
Себестоимость, |
Предпри- |
Выпуск |
Себестоимость, |
ятие |
тыс. шт. |
руб. |
ятие |
тыс. шт. |
руб. |
1 |
2 |
8,00 |
13 |
8 |
5,00 |
2 |
3 |
9,00 |
14 |
9 |
3,00 |
3 |
3 |
10,00 |
15 |
9 |
2,00 |
4 |
4 |
7,00 |
16 |
10 |
2,00 |
5 |
4 |
6,00 |
17 |
11 |
2,00 |
6 |
5 |
5,00 |
18 |
12 |
1,00 |
7 |
6 |
5,00 |
19 |
13 |
1,00 |
8 |
6 |
4,00 |
20 |
14 |
1,00 |
9 |
6 |
3,00 |
21 |
14 |
2,00 |
10 |
7 |
3,00 |
22 |
15 |
1,00 |
11 |
7 |
4,00 |
23 |
16 |
0,98 |
12 |
7 |
5,00 |
24 |
17 |
0,80 |
47
Табличные значения статистик: t0,95; 22 = 2,07; F0,05;1;22 = 4,30.
Вариант 5. Имеются следующие данные о выработке литья на одного работающего х (т) и себестоимости одной тонны литья у (руб.) по 25 литейным цехам заводов (табл. 24).
|
|
|
|
|
Таблица 24 |
|
№ п/п |
Выработка |
Себестоимость, |
№ п/п |
Выработка |
Себестоимость, |
|
литья, т |
руб. |
литья, т |
руб. |
|||
|
|
|||||
1 |
14,6 |
239 |
14 |
75,8 |
172 |
|
2 |
13,5 |
254 |
15 |
27,6 |
201 |
|
3 |
21,5 |
262 |
16 |
88,4 |
130 |
|
4 |
17,4 |
251 |
17 |
16,6 |
251 |
|
5 |
44,8 |
158 |
18 |
33,4 |
195 |
|
6 |
111,9 |
101 |
19 |
17,0 |
262 |
|
7 |
20,1 |
259 |
20 |
33,1 |
196 |
|
8 |
28,1 |
186 |
21 |
30,1 |
186 |
|
9 |
22,3 |
204 |
22 |
65,2 |
176 |
|
10 |
25,3 |
198 |
23 |
22,6 |
238 |
|
11 |
56,0 |
170 |
24 |
33,4 |
204 |
|
12 |
40,2 |
173 |
25 |
19,7 |
205 |
|
13 |
40,6 |
197 |
|
|
|
Табличные значения статистик: t0,95; 23 = 2,07; F0,05;1;23 = 4,28.
Вариант 6. Имеются следующие данные о браке литья х (%) и себестоимости одной тонны литья у (руб.) по 25 литейным цехам заводов
(табл. 25).
|
|
|
|
|
Таблица 25 |
№ п/п |
Брак литья, |
Себестоимость, |
№ п/п |
Брак литья, |
Себестоимость, |
|
% |
руб. |
|
% |
руб. |
1 |
4,2 |
239 |
14 |
3,3 |
172 |
2 |
6,7 |
254 |
15 |
3,4 |
201 |
3 |
5,5 |
262 |
16 |
1,1 |
130 |
4 |
7,7 |
251 |
17 |
0,1 |
251 |
5 |
1,2 |
158 |
18 |
4,1 |
195 |
6 |
2,2 |
101 |
19 |
2,3 |
262 |
7 |
8,4 |
259 |
20 |
9,3 |
196 |
8 |
1,4 |
186 |
21 |
3,3 |
186 |
9 |
4,2 |
204 |
22 |
3,5 |
176 |
10 |
0,9 |
198 |
23 |
1,0 |
238 |
11 |
1,3 |
170 |
24 |
5,2 |
204 |
12 |
1,8 |
173 |
25 |
2,3 |
205 |
13 |
4,2 |
197 |
|
|
|
Табличные значения статистик: t0,95; 23 = 2,07; F0,05;1;23 = 4,28.
48
Вариант 7. Имеются данные об обновлении основных фондов х (%) и производительности труда у (руб./чел) для 24 однотипных предприятий (табл. 26).
|
|
|
|
|
Таблица 26 |
|
Номер |
Обновление |
Производи- |
Номер |
Обновление |
Производи- |
|
пред- |
тельность |
пред- |
тельность |
|||
ОФ, % |
труда, |
ОФ, % |
труда, |
|||
приятия |
приятия |
|||||
|
руб./чел |
|
руб./чел |
|||
|
|
|
|
|||
1 |
1,94 |
256,01 |
13 |
3,34 |
254,12 |
|
2 |
1,99 |
265,12 |
14 |
3,41 |
263,74 |
|
3 |
2,15 |
225,23 |
15 |
3,55 |
254,33 |
|
4 |
2,21 |
257,31 |
16 |
3,65 |
257,44 |
|
5 |
2,23 |
245,36 |
17 |
3,87 |
268,36 |
|
6 |
2,39 |
232,65 |
18 |
3,98 |
270,47 |
|
7 |
2,45 |
227,65 |
19 |
4,23 |
272,87 |
|
8 |
2,47 |
229,11 |
20 |
4,55 |
272,9 |
|
9 |
2,65 |
236,17 |
21 |
4,65 |
272,46 |
|
10 |
2,75 |
248,21 |
22 |
4,89 |
273,11 |
|
11 |
2,88 |
254,11 |
23 |
5,01 |
279,55 |
|
12 |
3,11 |
265,82 |
24 |
5,12 |
287,22 |
Табличные значения статистик: t0,95; 22 = 2,07; F0,05;1;22 = 4,30.
Вариант 8. Имеются данные об износе основных фондов х (%) и рентабельности производства у (%) для 24 однотипных предприятий
(табл. 27).
|
|
|
|
|
Таблица 27 |
Номер |
Износ |
Рентабельность, |
Номер |
Износ |
Рентабельность, |
пред- |
пред- |
||||
приятия |
ОФ, % |
% |
приятия |
ОФ, % |
% |
1 |
42,3 |
35,39 |
13 |
56,2 |
13,11 |
2 |
43,2 |
33,41 |
14 |
56,3 |
29,14 |
3 |
45,6 |
34,36 |
15 |
56,7 |
19,45 |
4 |
49,5 |
36,42 |
16 |
56,9 |
30,51 |
5 |
50,1 |
35,45 |
17 |
57,3 |
26,31 |
6 |
51,3 |
32,14 |
18 |
57,8 |
21,28 |
7 |
52,3 |
30,98 |
19 |
58,3 |
26,32 |
8 |
52,3 |
31,25 |
20 |
58,3 |
13,31 |
9 |
53,4 |
27,12 |
21 |
58,6 |
12,34 |
10 |
54,1 |
26,45 |
22 |
59,2 |
11,24 |
11 |
55,3 |
25,41 |
23 |
60,1 |
11,45 |
12 |
55,4 |
32,5 |
24 |
61,3 |
10,98 |
Табличные значения статистик: t0,95; 22 = 2,07; F0,05;1;22 = 4,30.
49
Вариант 9. Имеются данные об удельном весе продукции высшей категории качества х (%) и рентабельности производства у (%) для 24 однотипных предприятий (табл. 28).
|
|
|
|
|
Таблица 28 |
|
Номер |
Удельный |
Рентабель- |
Номер |
Удельный |
Рентабель- |
|
пред- |
пред- |
|||||
вес (%) |
ность, % |
вес (%) |
ность, % |
|||
приятия |
приятия |
|||||
|
|
|
|
|||
1 |
68,6 |
18,6 |
13 |
75,1 |
21,4 |
|
2 |
69,4 |
18,3 |
14 |
75,2 |
21,3 |
|
3 |
69,6 |
19,4 |
15 |
75,4 |
32,6 |
|
4 |
70,6 |
21,4 |
16 |
76,3 |
29,4 |
|
5 |
71,6 |
20,4 |
17 |
76,2 |
30,4 |
|
6 |
72,3 |
19,8 |
18 |
77,6 |
32,4 |
|
7 |
72,5 |
19,7 |
19 |
78,6 |
36,5 |
|
8 |
72,6 |
22,6 |
20 |
78,6 |
36,5 |
|
9 |
72,8 |
19,3 |
21 |
78,7 |
36,4 |
|
10 |
73,1 |
19,4 |
22 |
79,2 |
36,9 |
|
11 |
74,8 |
21,9 |
23 |
80,1 |
39,4 |
|
12 |
74,8 |
21,6 |
24 |
80,2 |
40,3 |
Табличные значения статистик: t0,95; 22 = 2,07; F0,05;1;22 = 4,30.
Вариант 10. Имеются данные о технической вооруженности труда х (тыс. руб/чел.) и затрат на рубль товарной продукции у (коп.) для 24 однотипных предприятий (табл. 29).
|
|
|
|
|
Таблица 29 |
|
Номер |
Техническая |
Затраты |
Номер |
Техническая |
|
Затраты |
вооруженность |
на |
вооруженность |
|
|||
пред- |
пред- |
|
на рубль, |
|||
труда, |
рубль, |
труда, |
|
|||
приятия |
приятия |
|
коп. |
|||
тыс. руб./чел. |
коп. |
тыс. руб./чел. |
|
|||
1 |
76 |
30,10 |
13 |
87 |
|
26,45 |
2 |
77 |
31,10 |
14 |
88 |
|
25,45 |
3 |
78 |
32,10 |
15 |
89 |
|
22,3 |
4 |
79 |
29,60 |
16 |
89 |
|
21,11 |
5 |
80 |
19,16 |
17 |
90 |
|
21,03 |
6 |
82 |
19,54 |
18 |
91 |
|
20,95 |
7 |
82 |
29,87 |
19 |
91 |
|
20,99 |
8 |
83 |
29,67 |
20 |
92 |
|
19,65 |
9 |
83 |
29,65 |
21 |
93 |
|
18,47 |
10 |
84 |
29,71 |
22 |
93 |
|
18,51 |
11 |
85 |
27,54 |
23 |
94 |
|
18,48 |
12 |
86 |
28,45 |
24 |
96 |
|
18,55 |
Табличные значения статистик: t0,95; 22 = 2,07; F0,05;1;22 = 4,30.
50
Контрольные вопросы
1.Что такое зависимая и независимая переменная, регрессия, коэффициент регрессии?
2.Суть метода наименьших квадратов (МНК). Как с помощью МНК оценить параметры регрессии?
3.Что такое корреляция, коэффициент корреляции?
4.Основные предпосылки регрессионного анализа (условия Гаус-
са Маркова). Теорема.
5.Что такое значимость уравнения регрессии? Что такое ошибка первого или второго рода? Нулевая гипотеза.
6.Основное дисперсионное соотношение. F-критерий, t-статистика
идетерминация.
7.Что такое точечный прогноз и доверительный интервал? Какие прогнозы можно построить для линейной регрессии?
8.Критерии оценки параметров регрессии (несмещенность, эффективность, состоятельность).
9.Гомоскедастичность и гетероскедастичность. Основные тесты.
10.Обощенный метод наименьших квадратов.
Лабораторная работа № 2
В соответствии с данными лабораторной работы № 1, используя программу EViews, необходимо выполнить следующие задания:
1)найти описательные статистики переменных и сделать вывод о выборке наблюдений, найти коэффициент корреляции;
2)построить поле корреляции и сделать вывод о форме связи между переменными;
3)построить линейную модель y = b0 + b1x, проверить значимость уравнения регрессии на 5%-ном уровне по F-критерию, проверить значимость коэффициента регрессии по t-статистике;
4)провести анализ остатков, используя тест Уайта, Парка и Гейзера, определить количественную оценку остатков и фактора;
5)улучшить модель, используя взвешенный МНК.
Контрольные вопросы
1.Назовите сферы применения эконометрического пакета EViews.
2.Как создать новый рабочий файл средствами EViews? Какие типы данных допускаются в пакете? Какие переменные всегда содержатся в рабочем файле?
3.Как импортировать данные из среды MExcel? В чем особенность сохранения файла *.xls?