- •2. Построение степенной модели парной регрессии.
- •3. Построение показательной функции
- •4. Построение гиперболической функции
- •4. Рассчитать прогнозное значение результативного признака, если прогнозное значение фактора увеличится на 110% относительно среднего уровня. Результаты расчетов отобразить на графике.
- •Пример №2.
- •2. Выбор вида модели и оценка ее параметров.
- •3. Оценка качества модели.
3. Оценка качества модели.
В таблице приведем вычисленные по модели значения Y и значения остаточной компоненты.
t |
Y |
X1 |
X2 |
yt |
y-yt |
1 |
36 |
40 |
32 |
48,95584 |
-12,9558 |
2 |
28 |
44 |
40 |
59,27904 |
-31,279 |
3 |
66 |
28 |
44 |
53,71713 |
12,28287 |
4 |
74 |
52 |
28 |
52,13475 |
21,86525 |
5 |
80 |
50 |
50 |
72,7788 |
7,2212 |
6 |
84 |
64 |
56 |
87,07446 |
-3,07446 |
7 |
82 |
70 |
50 |
84,69382 |
-2,69382 |
8 |
98 |
68 |
56 |
89,45747 |
8,542532 |
9 |
112 |
78 |
60 |
99,38508 |
12,61492 |
10 |
96 |
90 |
62 |
108,5191 |
-12,5191 |
|
756 |
584 |
478 |
|
|
Y- |
Y-- (Y-) |
(Y-)2 |
|
Yt- |
(Yt-)2 |
y- |
(y- )2 |
|||||
-23,279044 |
10,323204 |
106,5685 |
167,8538 |
110,2 |
110,2 |
709,9113 |
-39,6 |
1568,16 |
||||
-25,717128 |
-5,561916 |
30,93491 |
978,3786 |
110,2 |
110,2 |
266,3736 |
-47,6 |
2265,76 |
||||
13,865248 |
-1,582376 |
2,503914 |
150,8689 |
110,2 |
110,2 |
478,8601 |
-9,6 |
92,16 |
||||
1,2212 |
20,644048 |
426,1767 |
478,0891 |
110,2 |
110,2 |
550,6179 |
-1,6 |
2,56 |
||||
-7,074464 |
14,295664 |
204,366 |
52,14573 |
110,2 |
110,2 |
7,959169 |
4,4 |
19,36 |
||||
-0,69382 |
-2,380644 |
5,667466 |
9,452329 |
110,2 |
110,2 |
131,6633 |
8,4 |
70,56 |
||||
-7,457468 |
4,763648 |
22,69234 |
7,256666 |
110,2 |
110,2 |
82,69756 |
6,4 |
40,96 |
||||
-1,385078 |
9,92761 |
98,55744 |
72,97485 |
110,2 |
110,2 |
192,0294 |
22,4 |
501,76 |
||||
3,48086 |
9,134062 |
83,43109 |
159,1363 |
110,2 |
110,2 |
565,7299 |
36,4 |
1324,96 |
||||
47,04416 |
-59,5633 |
3547,787 |
156,7289 |
110,2 |
110,2 |
1083,67 |
20,4 |
416,16 |
||||
|
0 |
4528,685 |
2232,885 |
|
-0,00447 |
4069,512 |
5,68 |
6302,4 |
Проверку независимости проведем с помощью d – критерия Дарбина – Уотсона:
В качестве критических табличных уровней при N=10, двух объясняющих факторах при уровне значимости в 5% возьмем величины d1=0,98 и d2=1,54.
Из формулы следует, что при отсутствии автокорреляции d=2 (приблизительно), при полной положительной автокорреляции d=0 (приблизительно), при полной отрицательной d=4 (приблизительно).
Проверим наличие автокорреляции.
Для этого вычислим коэффициент автокорреляции и проверим его значимость при помощи критерия стандартной ошибки.
Y |
y+1 |
y2 |
y+12 |
y*y+1 |
36 |
28 |
1296 |
784 |
1008 |
28 |
66 |
784 |
4356 |
1848 |
66 |
74 |
4356 |
5476 |
4884 |
74 |
80 |
5476 |
6400 |
5920 |
80 |
84 |
6400 |
7056 |
6720 |
84 |
82 |
7056 |
6724 |
6888 |
82 |
98 |
6724 |
9604 |
8036 |
98 |
112 |
9604 |
12544 |
10976 |
112 |
96 |
12544 |
9216 |
10752 |
96 |
36 |
9216 |
1296 |
3456 |
756 |
756 |
63456 |
63456 |
60488 |
Коэффициент автокорреляции определим по формуле:
Определим среднее квадратическое отклонение как
Если r1 находится в интервале – 0,529*0,316≤ r1*0,529≤0,316, то можно считать, что данные не показывают наличие автокорреляции первого порядка, так как -0,167≤ r1*0,529≤0,316, и свойство независимости выполняется.
Вычислим для модели коэффициент детерминации.
Составим расчетную таблицу.
Y |
|
(Yt-) |
(Yt-)2 |
(Y-) |
(Y-)2 |
|
36 |
|
75,6 |
-26,6442 |
709,9113 |
-39,6 |
1568,16 |
28 |
|
75,6 |
-16,321 |
266,3736 |
-47,6 |
2265,76 |
66 |
|
75,6 |
-21,8829 |
478,8601 |
-9,6 |
92,16 |
74 |
|
75,6 |
-23,4652 |
550,6179 |
-1,6 |
2,56 |
80 |
|
75,6 |
-2,8212 |
7,959169 |
4,4 |
19,36 |
84 |
|
75,6 |
11,47446 |
131,6633 |
8,4 |
70,56 |
82 |
|
75,6 |
9,09382 |
82,69756 |
6,4 |
40,96 |
98 |
|
75,6 |
13,85747 |
192,0294 |
22,4 |
501,76 |
112 |
|
75,6 |
23,78508 |
565,7299 |
36,4 |
1324,96 |
96 |
|
75,6 |
32,91914 |
1083,67 |
20,4 |
416,16 |
756 |
|
|
-0,00447 |
4069,512 |
5,68434E-14 |
6302,4 |
Следовательно, около 35,43% вариации зависимой переменной учтено в модели и обусловлено влиянием включенных факторов.
Проверку значимости уравнения регрессии произведем на основе вычисления F – критерия Фишера:
Табличное значение F критерия при доверительной вероятности 0,95 при V1=к=2 и V2=n-л-1=10-2-1=7 составляет 3,81.
Так как Fрасч<Fтабл, то уравнение регрессии следует принять адекватным.
5. Проанализируем влияние факторов на зависимую переменную по модели (для каждого коэффициента регрессии вычислим коэффициент эластичности).
Коэффициент эластичности Э показывает, насколько % изменяется зависимая переменная при изменении фактора на 1%.
Бета коэффициент с математической точки зрения показывает, на какую часть величины среднего квадратического отклонения меняется среднее значение зависимой переменной с изменением независимой переменной на одно среднеквадратическое отклонение при фиксированном на постоянном уровне значении остальных независимых переменных.
Тогда
6. Определим точечные и интервальные прогнозные оценки объема прибыли на два квартала вперед.
Прогнозные значения X111, X211, X112, X212 определим с помощью экстраполяционного метода.
Воспользуемся трендовой моделью.
Проведем аналитическое выравнивание по прямой. При использовании этого метода применим аналитическое уравнение вида:
Xt=b0+b1*t,
где - b0,b1 – коэффициенты, рассчитанные по методу наименьших квадратов;
t – порядковый номер периодов.
∑xi=b0*n+b1*∑ti
∑xi*ti=b0*∑ti+b1*∑ti2
|
x1 |
ti |
x1*ti |
ti2 |
xt |
x1-xt |
(xi-xt)2 |
1 |
40 |
-5 |
-200 |
25 |
33,128 |
6,8725 |
47,23125625 |
2 |
44 |
-4 |
-176 |
16 |
38,182 |
5,818 |
33,849124 |
3 |
28 |
-3 |
-84 |
9 |
43,237 |
-15,2365 |
232,1509323 |
4 |
52 |
-2 |
-104 |
4 |
48,291 |
3,709 |
13,756681 |
5 |
50 |
-1 |
-50 |
1 |
53,346 |
-3,3455 |
11,19237025 |
6 |
64 |
1 |
64 |
1 |
63,455 |
0,5455 |
0,29757025 |
7 |
70 |
2 |
140 |
4 |
68,509 |
1,491 |
2,223081 |
8 |
68 |
3 |
204 |
9 |
73,564 |
-5,5635 |
30,95253225 |
9 |
78 |
4 |
312 |
16 |
78,618 |
-0,618 |
0,381924 |
10 |
90 |
5 |
450 |
25 |
83,673 |
6,3275 |
40,03725625 |
∑ |
584 |
0 |
556 |
110 |
584 |
7,1054E-15 |
412,0727275 |
b0=∑xi/n
b0=584/10=58.4 млн. руб.
b1=(∑xi*ti)/∑ti2
b1=556/110=5.0545 млн. руб.
X1t=58.4+5.0545*ti
Прогноз X1 на 11 период при t=6 составит 88,73 млн. руб.
Прогноз X1 на 12 период при t=7 составит 93,78 млн. руб.
Аналогично сделаем прогноз по Х2.
|
X2 |
ti |
X2*ti |
ti2 |
xt |
X2-xt |
(xi-xt)2 |
1 |
32 |
-5 |
-160 |
25 |
33,128 |
-1,1275 |
1,27125625 |
2 |
40 |
-4 |
-160 |
16 |
38,182 |
1,818 |
3,305124 |
3 |
44 |
-3 |
-132 |
9 |
43,237 |
0,7635 |
0,58293225 |
4 |
28 |
-2 |
-56 |
4 |
48,291 |
-20,291 |
411,724681 |
5 |
50 |
-1 |
-50 |
1 |
53,346 |
-3,3455 |
11,19237025 |
6 |
56 |
1 |
56 |
1 |
63,455 |
-7,4545 |
55,56957025 |
7 |
50 |
2 |
100 |
4 |
68,509 |
-18,509 |
342,583081 |
8 |
56 |
3 |
168 |
9 |
73,564 |
-17,5635 |
308,4765323 |
9 |
60 |
4 |
240 |
16 |
78,618 |
-18,618 |
346,629924 |
10 |
62 |
5 |
310 |
25 |
83,673 |
-21,6725 |
469,6972563 |
∑ |
478 |
0 |
316 |
110 |
584 |
-106 |
1951,032728 |
b0=478/10=47,8 млн. руб.
b1=316/110=2,8727 млн. руб.
X1t=47,8+2,8727*ti
Прогноз X2 на 11 период при t=6 составит 65,04 млн. руб.
Прогноз X2 на 12 период при t=7 составит 67,91 млн. руб.
Получим прогнозные оценки модели, подставив в нее найденные прогнозные значения факторов Х1 и Х2.
Определим абсолютную ошибку прогноза Sŷt.
Sŷt= ∑(yi-ŷt)2/n-m,
где m – количество параметров в уравнении
Sŷt=√2232,885/(10-3)=17,86 млн. руб.
Определим относительную ошибку прогноза как отношение абсолютной ошибки к среднему значению.
Оŷt=17,86/75,6*100% =23,62%.
Рассчитаем доверительный интервал.
ŷt-tα* Sŷt/√n ≤y≤ ŷt+tα* Sŷt/√n,
где tα - табличное значение критерия Стьюдента при уровне значимости α.
α.=0,05.
tα=2,365 (при V=7).
Для прогнозного значения на 11 период:
110,8 – 2,365*17,86/√10≤у≤110,8 + 2,365*17,86/√10
68,56≤у≤153,04
Таким образом, с вероятностью 0,95 можно утверждать, что прогнозный объем прибыли находится в пределах от 68,56 до 153,04 млн. руб.
Для прогнозного значения на 12 период:
116,66 – 2,365*17,86/√10≤у≤116,66 + 2,365*17,86/√10
74,42≤у≤158,90
Таким образом, с вероятностью 0,95 можно утверждать, что прогнозный объем прибыли находится в пределах от 74,42 до 158,90 млн. руб.