- •6.050107 "Економіка підприємств"
- •6.050102 "Економічна кібернетика"
- •6.050103 "Міжнародна економіка"
- •Економетрика вступ
- •Розв’язання типової задачі.
- •Парна лінійна регресія і кореляція Варіанти індивідуальних завдань.
- •Парна регресія і кореляція Варіанти індивідуальних завдань.
- •Розв’язання типових задач.
- •Множинна регресія і кореляція Варіанти індивідуальних завдань.
- •I. Определения
Розв’язання типової задачі.
Задача.По групі підприємств, які випускають один і той же вид продукції, розглядається функція витрат . Необхідна для розрахунку оцінок параметрівіінформація представлена в таблиці.
Потрібно:
1.Скласти рівняння регресії за допомогою МНК:
а)рішенням СЛАУ
б)через середні.
2. Оцінити отриману модель:
а)через коефіцієнти варіації,
б)через показник тісноти зв'язку,
в)через показник детермінації.
Номер підпр. |
Випуск продукції, тыс.од. |
Витрати на виробництво, млн.руб. | |||
1 2 3 4 5 6 7 |
1 2 4 3 5 3 4 |
30 70 150 100 170 100 150 |
30 140 600 300 850 300 600 |
1 4 16 9 25 9 16 |
31,1 67,9 141,6 104,7 178,4 104,7 141,6 |
Разом |
22 |
770 |
2820 |
80 |
770,0 |
|
- вихідні дані. |
|
- допоміжні розрахунки. |
|
- теоретичні значення ,тобто. |
1. Скласти рівняння регресії за допомогою МНК:
а)рішенням СЛАУ
Система рівнянь для оцінки параметрів і:
Рівняння регресії:
(1)
Підставляючи в це рівняння значення , одержуємо теоретичні значення, тобто графу таблиці.
б)через середні.
- дисперсія,- середньоквадратичне відхилення.
іє загальноприйнятимимірами варіації ознаки.
є мірилом надійності середньої: чим менше , тим краще середня арифметична відображає всюнаведену сукупність.
Тоді
Рівняння регресії:
(2)
2.Оцінити отриману модель:
а)через коефіцієнти варіації.
Якщо- великеколивання ознаки.
Отже,
- коливання ознаки в нормі.
- великеколивання ознаки.
- це означає випередження результату над зміною фактора.
б)через показник тісноти зв'язку.
При використанні лінійної регресії показником тісноти зв'язку є лінійний коефіцієнт кореляції.
Формули для обчислення:
1)
2)
У даній задачі, за1) формулою:
для рівняння(1)
для рівняння(2)
за2) формулою
Так якдуже близько до 1, це означає наявність дуже тісній залежностіі , тобто витрат на виробництво від величини обсягу випущеної продукції.
в)через показник детермінації.
Коефіцієнт детермінації
Тобто варіація на 99% пояснюється варіацією . На частку інших факторів, що не враховуються в регресії, доводиться лише 1%.
Величина коефіцієнта детермінації є одним з критеріїв оцінки якості лінійної моделі. Чим більше частка поясненої варіації, тим, відповідно менше роль інших факторів і, отже, лінійна модель добре апроксимує вихідні дані і нею можна скористатися для прогнозу значень результативної ознаки.
Парна лінійна регресія і кореляція Варіанти індивідуальних завдань.
ЗАДАЧА.По групі підприємств, які випускають один і той же вид продукції, розглядається функція витрат . Необхідна для розрахунку оцінок параметрівіінформація представлена в таблиці.
Необхідно:
1.Скласти рівняння регресії за допомогою МНК:
а)рішенням СЛАУ
б)через середні.
2. Оцінити отриману модель:
а)через коефіцієнти варіації,
б)через показник тісноти зв'язку,
в)через показник детермінації.
Номер підпр. |
Випуск продукції, тыс.од. |
Витрати на виробництво. |
1 2 3 4 5 6 7 |
1 2 4 3 5 3 4 |
30+N 70+N 150+N 100+N 170+N 100+N 150+N |
N– номер варианту.
ПАРНА НЕЛІНІЙНА РЕГРЕСІЯ.
Якщо між економічними явищами існують нелінійні співвідношення, то вони виражаються за допомогою відповідних нелінійних функцій.
Приклади нелінійних функцій,які використовуються в якості рівнянь регресії:
1. ŷ=a+bx+cx2. 6. ŷ=axb.
2. ŷ=a+bx+cx2+dx3. 7. ŷ=a+b lnx.
3. ŷ=abx. 8. ŷ=1/(a+bx)
4. ŷ=ea+bs 9. ŷ=aeb/x.
5. ŷ=a+bex.
Коефіцієнти цих рівнянь можна визначити за допомогою методу найменших квадратів (МНК).
Тісноту одержаного зв,язку можна визначити за допомогою множинного коефіцієнта кореляції:
R=0≤R≤ 1
Якість зв,язку можна визначити за допомогою коефіцієнта детермінації R2 та середньої помилки апроксимації Ā.
∑(y-ŷ)2
R2 = 1- ——— .
∑(y-)2
Коефіцієнт детермінації показує , яку частину зміни у визвано зміною х.
у – ŷ |
у |
Допустима помилка апроксимації 10%.
Для перевірки адекватності (тобто ступеня відповідності побудованого рівняння регресії наявним статистичним даним) застосуємо критерій Фішера.
Розрахункове значення критерію Фішера :
, де m- кількість параметрів при х ,
а n –кількість спостережень .
Табличне значення критерію Фішера Ft(α,k1,k2 ) є функція (=0,05 – ймовірність похибки, число ступенів вільності k1=m й k2=n-m-1=).
Якщо F>Ft, то з надійністю Р=0,95 побудовану економетричну модель можна вважати адекватною експериментальним даним .
ПРИКЛАДИ ЗНАХОДЖЕННЯ ПАРАМЕТРІВ НЕЛІНІЙНИХ
РІВНЯНЬ РЕГРЕСІЙ ЗА ДОПОМОГОЮ МНК.
I. ŷ=a+bx+cx2.
Параметри a,b,cзнаходяться із умови
S=∑(y- ŷ)2→min
В нашому випадку
S=∑(y- a-bx-cx2)2 →min
Записавши умови існування мінімуму
Одержимо систему лінійних рівнянь відносно a,b,c.
Можна доказати, що визначник системи відмінний від нуля. Значить
система має єдиний розв,язок.
II. ŷ=abx.
Прологарифмувавши,одержимо:
lnŷ=lna+xlnb
Позначивши A=lna,B=lnb,Y=lny,Ŷ=lnŷ,одержимо лінійне відповідно А та В рівняння
Ŷ=А+Вх
Застосувавши МНК,одержимо:
Знайшовши із ситеми А та В , обчислимо
a=eA, b=eB.
III.ŷ=ea+bx.
Прологарифмувавши,одержимо
lnŷ=а+вх.
Застосувавши МНК,одержимо систему:
IV. ŷ=axb
Після логарифмування матимемо:
lnŷ =lna+blnx
Позначивши A=lna, одержимо лінійне відповідно А та b рівняння:
lnŷ =А+blnx
Застосувавши МНК,одержимо систему:
Одержавши із системи А та b,знайдемо а :
a=eA.
Приклади розв,язання задач по темі «Парна регресія»
Задана статистична залежність прибутку від кількості сировини
сировина х (кількість) |
35 |
56 |
77 |
98 |
119 |
140 |
прибуток у |
105 |
108 |
231 |
294 |
330,57 |
347,5 |
1. Найти рівняня регресій
a) ŷ=a+bx d) ŷ=ea+bx
b) ŷ=a+bx+cx2 e) ŷ=axb
c) ŷ=abx
2. Для кожного рівняння побудувати графік,оцінити тісноту та якість зв,язку по коефіцієнтам детермінації R2 та середнім похибкам апроксимацій Ā .
3.Визначити «найкращу» регресію та зробити прогноз для х=хк +∆х =140+21=161.
a) ŷ1=a+bx
Рівняння регресії:
Приведемо графіки заданої статистичної та найденої теоретичної
залежностей:
|
|
|
|
|
|
|
|
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Оцінимо якість зв,язку :
= -2 =-2
= 409078,775 |
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Таким чином одержимо :
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
=8942,5-(87,5) 2 = 1286,25 = 35,864
=68179,796 – (246,017) 2 = 7655,53 = 87,496 |
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
= 2,399 = 0,983 2 = 0,967
Таким чином, майже 97% зміни у визвано зміною х. Для визначення середньої похибки апроксимації зробимо таблицю :
Середня похибка апроксимації:
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ā= 0,3773*100 % =6,29 %, Що не перевищує допустиму ( 10 % ).
b) ŷ2=a+bx+cx2 |
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
Розв,язавши систему,одержимо
a=-50,579 ;b= 4,780;c= - 0,0136 .
Таким чином
ŷ2= - 50,579+4,78х -0,014х 2
Приведемо графіки заданої статистичної та найденої теоретичної
залежностей:
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
|
Оцінимо якість зв,язку та визначемо середню похибку апроксимації .
Для цього зробимо таблицю :
x |
35 |
56 |
77 |
98 |
119 |
140 |
| |||||||||
y |
105 |
168 |
231 |
294 |
330,57 |
347,5 |
| |||||||||
ŷ |
100,1 |
174,4 |
236,8 |
287,2 |
325,6 |
351,9 |
| |||||||||
(y- ŷ) 2 |
24,395 |
41,563 |
33,974 |
46,156 |
24,917 |
19,789 |
190,794 | |||||||||
(y- ) 2 |
19884,3 |
6085,825 |
225,351 |
2302,88 |
7150,11 |
10299,9 |
45948,3 | |||||||||
|
0,0467 |
0,0381 |
0,0251 |
0,0232 |
0,0150 |
0,0127 |
0,1608 |
∑(y-ŷ)2
R2 = 1- ——— . = 1- =0,9956
∑(y-)2
у – ŷ |
у |
c)ŷ=abx
де A=lna,B= lnb.
Розв,язавши систему,одержимо
A=4,4431,B= 0,0113.
Після потенціювання матимемо
a=eA= 85, 0382b=eB. = 1,0113
Таким чином
Ŷ3= 85, 0382 * 1,0113x
Графіки заданої статистичної та найденої теоретичної
залежностей:
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
|
Оцінимо якість зв,язку та визначемо середню похибку апроксимації .
Для цього зробимо таблицю :
x |
35 |
56 |
77 |
98 |
119 |
140 |
| |||||||||
y |
105 |
168 |
231 |
294 |
330,57 |
347,5 |
| |||||||||
Ŷ |
126,013 |
159,549 |
202,011 |
255,773 |
323,843 |
410,029 |
| |||||||||
(y- ŷ) 2 |
441,546 |
71,419 |
840,362 |
1461,30 |
45,252 |
3909,88 |
6769,76 | |||||||||
(y- ) 2 |
19884,3 |
6085,825 |
225,351 |
2302,88 |
7150,11 |
10299,9 |
45948,3 | |||||||||
|
0,200 |
0,050 |
0,125 |
0,130 |
0,020 |
0,180 |
0,705 |
Одержимо :
∑(y-ŷ)2
R2 = 1- ——— . = 1- =0,85267
∑(y-)2
у – ŷ |
у |
Таким чином, похибка апроксимації більша 10 % .
d)ŷ4=ea+bx
Одержимо :
a= 4,4431 ,b= 0,0112.
Рівняння регресії буде :
ŷ=e4,4431+0,0112 х
Графіки заданої статистичної та найденої теоретичної
залежностей:
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
Оцінимо якість зв,язку та визначемо середню похибку апроксимації .
Для цього зробимо таблицю :
x |
35 |
56 |
77 |
98 |
119 |
140 |
| |||||||||
y |
105 |
168 |
231 |
294 |
330,57 |
347,5 |
| |||||||||
Ŷ |
125,851 |
159,222 |
199,198 |
254,856 |
322,435 |
407,932 |
| |||||||||
(y- ŷ) 2 |
434,773 |
77,0515 |
1011,36 |
1524,43 |
66,1864 |
3625,00 |
6765,81 | |||||||||
(y- ) 2 |
19884,3 |
6085,825 |
225,351 |
2302,88 |
7150,11 |
10299,9 |
45948,3 | |||||||||
|
0,1986 |
0,0522 |
0,1377 |
0,1331 |
0,0246 |
0,1739 |
0,9093 |
Одержимо :
∑(y-ŷ)2
R2 = 1- ——— . = 1- = 0,853
∑(y-)2
у – ŷ |
у |
Таким чином, похибка апроксимації більша 10 % .
e) ŷ5 =axb
де A=lna ;
Розв,язавши систему,одержимо
A= 1, 5146;b= 0,8947.
Після потенціювання матимемо
a=eA= 4,5458
Таким чином
Ŷ= 4,5458*x0,8947
Графіки заданої статистичної та найденої теоретичної
залежностей:
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
|
|
Оцінимо якість зв,язку та визначемо середню похибку апроксимації .
Для цього зробимо таблицю :
x |
35 |
56 |
77 |
98 |
119 |
140 |
| |||||||||
y |
105 |
168 |
231 |
294 |
330,57 |
347,5 |
| |||||||||
Ŷ |
109,418 |
166,615 |
221,541 |
274,891 |
327,041 |
378,226 |
| |||||||||
(y- ŷ) 2 |
19,5170 |
1,9182 |
89,4784 |
365,158 |
12,4538 |
944,069 |
1432,59 | |||||||||
(y- ) 2 |
19884,3 |
6085,825 |
225,351 |
2302,88 |
7150,11 |
10299,9 |
45948,3 | |||||||||
|
0,042 |
0,008 |
0,041 |
0,065 |
0,011 |
0,088 |
0,255 |
Одержимо :
∑(y-ŷ)2
R2 = 1- ——— . = 1- = 0,9688
∑(y-)2
у – ŷ |
у |
Похибка апроксимації менше 10 % .
Порівнюючи одержані результати , приходимо до висновку,що квадратична регресія
Ŷ=a+bx+cx2 = - 50,579 + 4,7804 х – 0,0136 х2
найбільш якісно характеризує задану статистичну залежність .
Для перевірки адекватності (тобто ступеня відповідності побудованого рівняння регресії наявним статистичним даним) застосуємо критерій Фішера.
Обчислимо розрахункове значення критерію Фішера, використовуючи формулу , деm=2 (кількість параметрів при х ) ,
а n –кількість спостережень .
Таким чином, 46,5769 .
Знайдемо табличне значення критерію Фішера Ft(α,k1,k2 ) функцію (=0,05 – ймовірністьпохибки, число ступенів вільності k1=m=2 й k2=n-m-1=6-3=3).
По таблиці Ft(0,05; 2;3) = 9,55.
Так як F>Ft, то з надійністю Р=0,95 побудовану економетричну модель можна вважати адекватною експериментальним даним і на основі прийнятої моделі можна робити прогноз
Ŷ (161) = -50,579 + 4 ,7804 * 161 – 0,0136 * 1612 = 366,540
Таким чином, якщо кількість сировини буде 161 одиниця , то прибуток буде
дорівнювати 366,54 грош. од.