ekonometrika_3_var
.docxМИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего профессионального образования
«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»
КАФЕДРА ЭКОНОМИКИ И ФИНАНСОВ
РУКОВОДИТЕЛЬ
доц., канд. экон. наук |
|
|
|
Будагов А.С. |
должность, уч. степень, звание |
|
подпись, дата |
|
инициалы, фамилия |
по дисциплине: ЭКОНОМЕТРИКА
РАБОТУ ВЫПОЛНИЛА
СТУДЕНТКА ГР. |
8111 |
|
|
|
Красушкина Н.Л. |
|
|
|
подпись, дата |
|
инициалы, фамилия |
Санкт-Петербург
2013
Вариант №3
Обозначим через Х цену оптовой продажи некоторого товара, через Y—цену его розничной продажи.
Х |
80 |
79 |
77 |
76 |
76 |
76 |
74 |
72 |
70 |
71 |
69 |
70 |
Y |
84 |
82 |
81 |
82 |
81 |
86 |
83 |
82 |
82 |
82 |
82 |
81 |
Построим поле корреляции:
Расположение точек на диаграмме дает нам право предположить, что переменные связаны линейной зависимостью. Рассчитаем выборочные коэффициенты корреляции. Для этого проведем промежуточные вычисления, по формулам и поместим результаты вычислений в таблицу:
N |
x |
y |
x·y |
x2 |
y2 |
1 |
80 |
84 |
6720 |
6400 |
7056 |
2 |
79 |
82 |
6478 |
6241 |
6724 |
3 |
77 |
81 |
6237 |
5929 |
6561 |
4 |
76 |
82 |
6232 |
5776 |
6724 |
5 |
76 |
81 |
6156 |
5776 |
6561 |
6 |
76 |
86 |
6536 |
5776 |
7396 |
7 |
74 |
83 |
6142 |
5476 |
6889 |
8 |
72 |
82 |
5904 |
5184 |
6724 |
9 |
70 |
82 |
5740 |
4900 |
6724 |
10 |
71 |
82 |
5822 |
5041 |
6724 |
11 |
69 |
82 |
5658 |
4761 |
6724 |
12 |
70 |
81 |
5670 |
4900 |
6561 |
Σ |
890 |
988 |
73295 |
66160 |
81368 |
Составляем систему уравнений:
В случае линейной регрессии параметры и находятся из следующей системы нормальных уравнений МНК:
и решаем ее по формулам Крамера:
Тогда, согласно теореме Крамера,
Получаем уравнение регрессии:
Величина коэффициента регрессии означает, что увеличение оптовой цены товара на 1 ден. ед. приведет к увеличение розничной цены в среднем на 0,12 ден. ед. Коэффициент в данном случае не имеет содержательной интерпретации.
3Нанесем построенную линию регрессии на диаграмму. Для этого рассчитаем значения , , по формуле:
Результаты вычислений запишем в таблицу:
N |
x |
y |
ŷt |
1 |
80 |
84 |
83,04 |
2 |
79 |
82 |
82,92 |
3 |
77 |
81 |
82,68 |
4 |
76 |
82 |
82,55 |
5 |
76 |
81 |
82,55 |
6 |
76 |
86 |
82,55 |
7 |
74 |
83 |
82,31 |
8 |
72 |
82 |
82,07 |
9 |
70 |
82 |
81,83 |
10 |
71 |
82 |
81,95 |
11 |
69 |
82 |
81,71 |
12 |
70 |
81 |
81,83 |
Наносим на диаграмму точки из последнего столбца таблицы
(Линия регрессии):
Найдем величину средней ошибки аппроксимации для оценки погрешности модели, . Для этого нам потребуется вычислить еще ряд промежуточных величин:
N |
x |
y |
ŷt |
y-ŷ |
|(y-ŷ)/y| |
1 |
80 |
84 |
83,04 |
0,96 |
0,01 |
2 |
79 |
82 |
82,92 |
-0,92 |
0,01 |
3 |
77 |
81 |
82,68 |
-1,68 |
0,02 |
4 |
76 |
82 |
82,55 |
-0,55 |
0,01 |
5 |
76 |
81 |
82,55 |
-1,55 |
0,02 |
6 |
76 |
86 |
82,55 |
3,45 |
0,04 |
7 |
74 |
83 |
82,31 |
0,69 |
0,01 |
8 |
72 |
82 |
82,07 |
-0,07 |
0,00 |
9 |
70 |
82 |
81,83 |
0,17 |
0,00 |
10 |
71 |
82 |
81,95 |
0,05 |
0,00 |
11 |
69 |
82 |
81,71 |
0,29 |
0,00 |
12 |
70 |
81 |
81,83 |
-0,83 |
0,01 |
Просуммируем теперь элементы последнего столбца и разделим полученную сумму на 12 – общее количество исходных данных:
.
Средняя ошибка аппроксимации . Величина ошибки оказалась около 1%, что говорит о небольшой погрешности построенной модели. Данную модель можно использовать для прогноза.
Вычислим коэффициент детерминации непосредственно по формуле:
Коэффициент детерминации необходим для оценки тесноты линейной зависимости. Для его нахождения проведем ряд дополнительных вычислений.
Прежде всего, найдем выборочное среднее по формуле:
Теперь произведем расчет остальных вспомогательных величин:
N |
x |
y |
ŷt |
y-ŷ |
(y-ŷ)2 |
y-yср |
(y-yср)2 |
1 |
80 |
84 |
83,04 |
0,96 |
0,92 |
1,67 |
2,78 |
2 |
79 |
82 |
82,92 |
-0,92 |
0,84 |
-0,33 |
0,11 |
3 |
77 |
81 |
82,68 |
-1,68 |
2,81 |
-1,33 |
1,78 |
4 |
76 |
82 |
82,55 |
-0,55 |
0,31 |
-0,33 |
0,11 |
5 |
76 |
81 |
82,55 |
-1,55 |
2,42 |
-1,33 |
1,78 |
6 |
76 |
86 |
82,55 |
3,45 |
11,87 |
3,67 |
13,44 |
7 |
74 |
83 |
82,31 |
0,69 |
0,47 |
0,67 |
0,44 |
8 |
72 |
82 |
82,07 |
-0,07 |
0,01 |
-0,33 |
0,11 |
9 |
70 |
82 |
81,83 |
0,17 |
0,03 |
-0,33 |
0,11 |
10 |
71 |
82 |
81,95 |
0,05 |
0,00 |
-0,33 |
0,11 |
11 |
69 |
82 |
81,71 |
0,29 |
0,08 |
-0,33 |
0,11 |
12 |
70 |
81 |
81,83 |
-0,83 |
0,69 |
-1,33 |
1,78 |
Σ |
890 |
988 |
988 |
0,00 |
20,45 |
0,00 |
22,67 |
Для вычисления коэффициента детерминации воспользуемся формулой
Так как , то использование регрессионной модели возможно, но после оценивания параметров модель подлежит дальнейшему многостороннему статистическому анализу.
Используя построенную модель, рассчитаем значение зависимой переменной при значении фактора , на 10% превышающего среднее значение .
Рассчитаем значение фактора, для которого необходимо построить прогноз. Для этого необходимо вычислить выборочное среднее значение по формуле:
.
Для нашей задачи среднее значение оптовой цены: .
Рассчитаем теперь значение .
Подставим теперь полученное значение фактора в уравнение регрессии и найдем прогнозируемое значение:
.
Таким образом, если оптовая цена составит 81,58 ден. ед., то розничная цена составит в среднем 83,23 ден. ед.
На основании проведенного выше анализа адекватности модели можно сделать вывод о правдоподобности прогноза.
Нанесем уравнение регрессии на диаграмму, используя специальные средства Excel («Добавить линию тренда»).
Линия регрессии, построенная нами ранее, совпала с данной линией регрессии. Нетрудно убедиться, что уравнение регрессии и коэффициент детерминации тоже совпадают с полученными ранее вручную.