- •ОГЛАВЛЕНИЕ
- •ПРЕДИСЛОВИЕ
- •МЕТОДИЧЕСКИЕ МАТЕРИАЛЫ
- •РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
- •РЕКОМЕНДАЦИИ ПО САМОСТОЯТЕЛЬНОЙ РАБОТЕ СТУДЕНТА
- •ТЕОРЕТИЧЕСКИЕ МАТЕРИАЛЫ
- •ГЛАВА 1. СТАТИСТИЧЕСКИЕ ПОНЯТИЯ И РАСПРЕДЕЛЕНИЯ
- •§ 1. Введение
- •§ 2. Суть регрессионного анализа
- •§ 3. Некоторые статистические определения
- •§ 4. Нормальное (гауссовское) распределение
- •§ 5. (хи-квадрат)-распределение
- •§ 6. Распределение Стьюдента (t-распределение)
- •§ 7. F-распределение (распределение дисперсионного отношения)
- •§ 8. Статистическая проверка гипотез
- •§ 9. Определение критических значений распределений Стьюдента и Фишера с использованием программы Microsoft Office Excel
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 2. ПАРНАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ. УСЛОВИЯ ГАУССА–МАРКОВА
- •§ 1. Основные понятия
- •§ 2. Метод наименьших квадратов
- •§ 3. Предпосылки метода наименьших квадратов
- •§ 4. Анализ точности определения оценок коэффициентов регрессии
- •§ 5. Проверка статистической значимости коэффициентов парной линейной регрессии
- •§ 6. Интервальные оценки коэффициентов линейного уравнения регрессии
- •§ 7. Доверительные интервалы для зависимой переменной
- •§ 8. Проверка общего качества уравнения регрессии. Коэффициент детерминации
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 3. МНОЖЕСТВЕННАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ
- •§ 1. Определение параметров уравнения регрессии
- •§ 2. Расчет коэффициентов множественной линейной регрессии
- •§ 3. Дисперсии и стандартные ошибки коэффициентов
- •§ 4. Проверка статистической значимости коэффициентов уравнения регрессии
- •§ 5. Интервальные оценки коэффициентов теоретического уравнения регрессии
- •§ 6. Проверка общего качества уравнения регрессии
- •§ 7. Проверка равенства двух коэффициентов детерминации
- •§ 8. Проверка гипотезы о совпадении уравнений регрессии для двух выборок
- •§ 10. Частные уравнения регрессии
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 4. АВТОКОРРЕЛЯЦИЯ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ
- •§ 1. Суть и причины автокорреляции
- •§ 2. Последствия автокорреляции
- •§ 3. Обнаружение автокорреляции. Критерий Дарбина–Уотсона
- •§ 4. Методы устранения автокорреляции
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 5. ГЕТЕРОСКЕДАСТИЧНОСТЬ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ
- •§ 1. Общие понятия
- •§ 2. Последствия гетероскедастичности
- •§ 3. Обнаружение гетероскедастичности
- •§ 4. Методы смягчения проблемы гетероскедастичности
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 6. МУЛЬТИКОЛЛИНЕАРНОСТЬ
- •§ 1. Общие понятия и последствия мультиколлнеарности
- •§ 2. Определение мультиколлинеарности
- •§ 3. Методы устранения мультиколлинеарности
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 7. ФИКТИВНЫЕ ПЕРЕМЕННЫЕ В РЕГРЕССИОННЫХ МОДЕЛЯХ
- •§ 1. Модель с одной фиктивной (бинарной) переменной
- •§ 3. Сравнение двух регрессий
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 8. НЕЛИНЕЙНАЯ РЕГРЕССИЯ
- •§ 1. Общие понятия
- •§ 2. Степенные модели (логарифмические)
- •§ 3. Обратная модель (гиперболическая)
- •§ 4. Полиномиальная модель
- •§ 5. Показательная модель (лог-линейная)
- •§ 6. Выбор формы модели
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 9. ВРЕМЕННЫЕ РЯДЫ
- •§ 1. Общие понятия
- •§ 2. Моделирование тренда временного ряда
- •§ 4. Стационарные ряды
- •§ 5. Процесс авторегрессии AR(p)
- •§ 6. Процессы скользящего среднего MA(q)
- •§ 7. Комбинированные процессы авторегрессии-скользящего среднего ARMA(p, q)
- •§ 8. Модели ARMA, учитывающие наличие сезонности
- •§ 9. Нестационарные временные ряды. Процессы авторегрессии и проинтегрированного скользящего среднего ARIMA(p, k, q)
- •§ 10. Регрессионные модели с распределенными лагами
- •§ 11. Полиномиально распределенные лаги Ш. Алмон
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 10. СИСТЕМЫ ОДНОВРЕМЕННЫХ УРАВНЕНИЙ
- •§ 1. Общие понятия
- •§ 2. Идентификация структурной формы модели
- •§ 3. Косвенный метод наименьших квадратов
- •§ 4. Двухшаговый метод наименьших квадратов
- •§ 5. Трехшаговый метод наименьших квадратов
- •Резюме
- •Вопросы для самопроверки
- •ЗАКЛЮЧЕНИЕ
- •ЗАДАНИЯ ДЛЯ КОНТРОЛЯ
- •Тесты для самоконтроля
- •Ключи к тестам для самоконтроля
- •Контрольная работа
- •Вопросы к зачету (экзамену)
- •ГЛОССАРИЙ
- •СПИСОК ЛИТЕРАТУРЫ
Ключи к тестам для самоконтроля
№ |
Вариант ответа |
№ |
Вариант ответа |
№ |
Вариант ответа |
|
|
|
|
|
в |
1 |
г |
11 |
а |
21 |
|
2 |
б |
12 |
б |
22 |
б |
3 |
в |
13 |
в |
23 |
а |
4 |
в |
14 |
б |
24 |
б |
5 |
а |
15 |
а |
25 |
в |
6 |
б |
16 |
а |
26 |
в |
7 |
б |
17 |
б |
27 |
в |
8 |
г |
18 |
а |
28 |
б |
9 |
в |
19 |
в |
29 |
г |
10 |
а |
20 |
г |
30 |
б |
Контрольная работа
Основной формой работы студента является самостоятельное изучение материала. Изучение курса завершается выполнением контрольной работы. Прежде чем приступить к выполнению контрольной, необходимо ознакомиться с соответствующими разделами курса, изучить рекомендуемую литературу.
Цель контрольной работы — закрепление и проверка знаний, полученных студентами в процессе самостоятельного изучения учебного материала, а также выявление их умения применять на практике эконометрические методы.
Требования к оформлению и выполнению контрольной работы
1.Контрольную работу необходимо выполнить и предоставить в срок, установленный графиком работы, но не позднее, чем за две недели до начала сессии.
2.В начале работы указать номер варианта, перед решением полностью привести условия задач.
238
3.Выполнять задания в той последовательности, которая указана в варианте.
4.Решение задач следует подробно объяснить. Задачи, в которых приведены только ответы без расчетов и пояснений, будут считаться нерешенными.
5.Работа выполняется аккуратно (она должна быть чисто и разборчиво написана, без помарок и сокращений слов, кроме общепринятых).
6.В конце работы приводится список литературы.
7.Работа подписывается студентом с указанием даты ее выполнения.
Варианты контрольной работы
Студент должен выполнить в установленный срок контрольную работу, состоящую из 4 задач. Номер варианта можно выбрать, воспользовавшись следующей таблицей.
Первая буква фамилии студента |
Номер варианта |
|
|
А, Л, Х |
1 |
|
|
Б, М, Ш |
2 |
|
|
В, Н, Щ |
3 |
|
|
Г, О, Ы |
4 |
|
|
Д, П, Э |
5 |
|
|
Е, Ё, Р, Ю |
6 |
|
|
Ж, С, Я |
7 |
|
|
З, Т, Ч |
8 |
|
|
И, Й, У |
9 |
|
|
К, Ф, Ц |
10 |
|
|
239
Вариант 1
Задача 1
Имеется информация за 10 лет относительно среднего дохода X и среднего потребления Y (млн. руб.):
|
|
|
|
|
|
|
|
|
|
|
|
|
Годы |
2000 |
2001 |
2002 |
2003 |
2004 |
2005 |
2006 |
2007 |
2008 |
2009 |
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
10,5 |
11,6 |
12,3 |
13,7 |
14,5 |
16,1 |
17,3 |
18,7 |
20,1 |
21,8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
8,12 |
10,0 |
8,41 |
12,1 |
12,4 |
11,4 |
12,8 |
13,9 |
17,3 |
17,5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε
по методу наименьших квадратов.
2. Проверьте статистическую значимость оценок b0, b1 теоретических коэффициентов β0, β1 при уровнях значимости α = 0,05.
3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.
4. Спрогнозируйте потребление при доходе X = 19,0 и рассчитайте 95% доверительный интервал для условного математического ожидания M (Y X =19,0).
5.Рассчитайте границы интервала, в котором будет сосредоточено не менее95% возможных объемовпотребленияпри доходеX = 19,0.
6.Оцените, на сколько изменится потребление, если доход вырастет на 3 млн. руб.
7.Рассчитайте коэффициент детерминации R2.
8.Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.
Задача 2
По 15 наблюдениям получены следующие результаты:
15 |
15 |
=1240, |
15 |
|
∑xi1 |
=120, ∑xi21 |
∑xi2 |
||
i =1 |
i =1 |
|
|
i =1 |
15 |
15 |
|
|
|
∑xi1 xi2 =936, ∑xi1 yi |
=5732, |
|||
i =1 |
i =1 |
|
|
|
15 |
|
|
|
|
∑ei2 |
=30. |
|
|
|
i =1 |
|
|
|
|
|
15 |
|
15 |
|
=104, ∑xi22 |
=1004, ∑ yi |
=590, |
||
|
i =1 |
|
i =1 |
|
15 |
yi =4841, |
15 |
|
|
∑xi2 |
∑ yi2 =27468, |
|||
i =1 |
|
|
i =1 |
|
240
1. Оцените коэффициенты линейной регрессии:
Y= β0 + β1 x1 + β2 x2 +ε .
2.Определите стандартные ошибки коэффициентов.
3.Вычислите R2 и R 2 .
4.Оцените статистическую значимость коэффициентов регрессии и детерминации при уровне значимости α = 0,05.
Задача 3
|
Пусть |
определена регрессия |
ˆ |
|
|
|
Y = b0 +b1 X1 +b2 X 2 , причем |
||||
b1 > 0. |
При |
отбрасывании переменной |
X2 и оценке регрессии |
||
ˆ |
= b0 |
+b1 X1 +b2 X 2 коэффициент |
a1 |
оказался отрицательным |
|
Y |
(a1<0). Возможно ли это? Если да, то при каких обстоятельствах?
Задача 4
Докажите, что график уравнения парной линейной регрессии всегда проходит через точку с координатами (x, y), где x, y — средние значения переменных.
Вариант 2
Задача 1
Имеется информация о деятельности 10 компаний. X — оборот капитала (млрд. руб.), Y — чистый доход (млрд. руб.):
|
|
|
|
|
|
|
|
|
|
|
|
|
№ п/п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
X |
31,3 |
13,4 |
4,5 |
10,0 |
20,0 |
15,0 |
60,1 |
17,9 |
40,2 |
2,0 |
|
Y |
2,2 |
1,7 |
0,7 |
1,7 |
2,2 |
1,3 |
4,1 |
1,6 |
2,5 |
0,5 |
|
|
|
|
|
|
|
|
|
|
|
|
1. Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε по методу наименьших квадратов.
2.Проверьте статистическую значимость оценок b0 ,b1 теоретических коэффициентов β0, β1 при уровне значимости α = 0,05.
3.Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.
241
4. Спрогнозируйте чистый доход при обороте капитала X = 50,0 и рассчитайте 95%-й доверительный интервал для условного математического ожидания M (Y X = 50,0).
5.Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных значений чистого дохода при обороте капитала X = 50,0.
6.Оцените, на сколько изменится чистый доход, если оборот капитала вырастет на 3 млрд. руб.
7.Рассчитайте коэффициент детерминации R2.
8.Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.
Задача 2
Имеется информация за 15 лет относительно среднего дохода X и среднего потребления Y (млн. руб.):
|
|
|
|
|
|
|
|
|
|
|
Годы |
X |
Y |
Годы |
X |
Y |
Годы |
X |
Y |
|
1995 |
10,5 |
8,8 |
2000 |
16,1 |
11,9 |
2005 |
23,1 |
20,5 |
|
1996 |
11,6 |
12,0 |
2001 |
17,3 |
13,5 |
2006 |
24,3 |
19,5 |
|
1997 |
12,3 |
13,0 |
2002 |
18,7 |
15,0 |
2007 |
25,5 |
19,1 |
|
1998 |
13,7 |
12,6 |
2003 |
20,1 |
18,2 |
2008 |
27,8 |
19,3 |
|
1999 |
14,5 |
11,2 |
2004 |
21,8 |
21,2 |
2009 |
30,0 |
24,0 |
1.Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε по методу наименьших квадратов.
2.Вычислите значение DW статистики Дарбина–Уотсона и проанализируйте наличие автокорреляции остатков.
3.При наличии автокорреляции переоцените уравнение регрессии, используя для этого один цикл метода Кохрана–Оркатта.
Задача 3
Имеются следующие значения переменных X и Y:
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
2,6 |
4,6 |
6,0 |
9,4 |
9,0 |
12,3 |
15,1 |
14,3 |
17,9 |
23,1 |
|
|
|
|
|
|
|
|
|
|
|
|
242
Рассчитайте коэффициент корреляции rxy, проверьте гипотезу о наличии (отсутствии) корреляционной связи.
Задача 4
Как действует на величину коэффициента корреляции rxy увеличение в n раз всех значений переменных X и Y?
Вариант 3
Задача 1
Имеется информация по 10 регионам о среднедневной зарплате X (ден. ед.) и расходах на покупку продовольственных товаров в общих расходах Y (%):
|
|
|
|
|
|
|
|
|
|
|
|
|
№ п/п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
340 |
389 |
452 |
509 |
540 |
567 |
643 |
658 |
679 |
720 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
70,1 |
62,1 |
66,1 |
65,6 |
55,6 |
58,0 |
55,1 |
57,3 |
53,1 |
48,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε
по методу наименьших квадратов.
2. Проверьте статистическую значимость оценок b0 ,b1 теоретических коэффициентов β0, β1 при уровне значимости α = 0,05.
3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.
4. Спрогнозируйте долю расходов на покупку продовольственных товаров при средней зарплате X = 700 ден. ед. и рассчитайте 95%-й доверительный интервал для условного математического ожидания M (Y X = 700).
5.Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных значений Y при X = 700.
6.Оцените, на сколько процентов изменятся расходы на покупку продовольствия, еслисреднедневная зарплата вырастетна10 ден. ед.
7.Рассчитайте коэффициент детерминации R2.
8.Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.
243
Задача 2
Известны данные для 30 домохозяйств (в условных единицах) по доходам (X) и расходам (Y):
|
X |
26 |
28 |
31 |
32 |
34 |
35 |
37 |
40 |
41 |
43 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
11,2 |
9,74 |
12,4 |
15,0 |
12,2 |
12,1 |
16,4 |
14,7 |
16,4 |
20,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
45 |
48 |
49 |
52 |
53 |
54 |
57 |
60 |
61 |
62 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
14,9 |
19,2 |
23,0 |
24,4 |
21,2 |
17,8 |
22,8 |
28,2 |
21,6 |
20,5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
63 |
66 |
67 |
68 |
69 |
70 |
75 |
77 |
79 |
80 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
29,6 |
31,0 |
24,8 |
22,4 |
22,8 |
34,9 |
31,5 |
30,8 |
23,3 |
41,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε по методу наименьших квадратов.
2.Примените тест Голдфелда–Квандта для изучения гипотезы об отсутствии гетероскедастичности остатков.
3.В случае гетероскедастичности остатков примените взвешенный метод наименьших квадратов, предполагая, что дисперсии от-
клонений σ i2 пропорциональны xi2 .
4. Определите, существенно ли повлияла гетероскедастичность на качество оценок в уравнении, построенном по обычному методу наименьших квадратов.
Задача 3
Рассчитайте стандартные ошибки Sb0 , Sb1 , Sb2 коэффициентов мо-
|
|
2 |
−0,3 |
−0,3 |
|
|
|
делилинейнойрегрессии, если (X T X )−1 |
|
−0,3 |
0,1 |
0 |
|
15 |
= 4 . |
= |
|
, ∑e2 |
|||||
|
|
−0,3 |
0 |
0,1 |
|
i =1 |
|
|
|
|
|
|
Задача 4
Имеются следующие данные об остатках парной линейной регрессии (t-номер момента наблюдения):
15 |
2 |
= 90, |
15 |
( |
− |
)2 |
= 31. |
∑ |
∑ |
||||||
t =1 |
et |
|
t =2 |
et |
|
et −1 |
|
|
|
|
|
|
|
244
Сделайте вывод о наличии или отсутствии автокорреляции, применив тест Дарбина–Уотсона.
Вариант 4
Задача 1
Имеется информация по 10 предприятиям о зависимости себестоимости Y (ден. ед.) единицы продукции от трудоемкости единицы продукции X (чел.-час):
|
|
|
|
|
|
|
|
|
|
|
|
|
№ п/п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
X |
10,3 |
11,2 |
12,3 |
11,8 |
14,6 |
15,8 |
15,2 |
14,2 |
13,1 |
10,8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
110 |
125 |
130 |
131 |
150 |
172 |
158 |
145 |
140 |
118 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε
по методу наименьших квадратов.
2. Проверьте статистическую значимость оценок b0 ,b1 теоретических коэффициентов β0 , β1 при уровне значимости α = 0,05.
3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.
4. Спрогнозируйте себестоимость при трудоемкости X = 15,0 и рассчитайте 95%-й доверительный интервал для условного математического ожидания M (Y X =15,0).
5.Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных значений себестоимости при трудоемкости X = 15,0.
6.Оцените, на сколько изменится себестоимость, если трудоемкость вырастет на 1 чел.-час.
7.Рассчитайте коэффициент детерминации R2.
8.Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.
Задача 2
Предполагается, что объем предложения некоторого блага Y для функционирующей в условиях конкуренции фирмы зависит
245
линейно от цены X1 данного блага и от заработной платы X2 сотрудников фирмы, производящих данное благо:
Y = β0 + β1 X1 + β2 X 2 +ε .
|
X1 |
10 |
15 |
20 |
25 |
40 |
37 |
43 |
35 |
38 |
55 |
50 |
35 |
40 |
45 |
|
X2 |
12 |
10 |
9 |
9 |
8 |
8 |
6 |
4 |
4 |
5 |
3 |
1 |
2 |
1 |
|
Y |
20 |
35 |
30 |
45 |
60 |
69 |
75 |
90 |
105 |
110 |
120 |
130 |
130 |
135 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Оцените по методу наименьших квадратов коэффициенты уравнения регрессии.
2. Проверьте качество построенной модели на основе t-статистики и F-статистики.
Задача 3
При расчете коэффициентов уравнения регрессии yˆ = b0 +b1 x
была допущена ошибка при определении коэффициента b0 (коэффициент b1 вычислен правильно). В результате получили b0 = 5.
20 |
20 |
(yi |
− yˆi)= 40 . Определи- |
Сумма остатков оказалась равной: ∑ei = ∑ |
|||
i=1 |
i=1 |
|
|
те коэффициент b0.
Задача 4
Коэффициент корреляции между переменными X и Y равен 0,9. Каким будет коэффициент детерминации в случае линейной модели регрессии?
Вариант 5
Задача 1
Имеется информация по 10 предприятиям о зависимости удельных постоянных расходов Y от объема выпускаемой продукции X:
|
|
|
|
|
|
|
|
|
|
|
|
|
№ п/п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
1000 |
900 |
950 |
1020 |
1100 |
950 |
1150 |
1200 |
1220 |
1250 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
800 |
720 |
730 |
800 |
845 |
745 |
890 |
940 |
922 |
960 |
|
|
|
|
|
|
|
|
|
|
|
|
246
1. Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε
по методу наименьших квадратов.
2. Проверьте статистическую значимость оценок b0 ,b1 теоретических коэффициентов β0 , β1 при уровне значимости α = 0,05.
3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.
4. Спрогнозируйте постоянные расходы при объеме выпуска X = 120 и рассчитайте 95%-й доверительный интервал для условного математического ожидания M (Y X =1200 ).
5.Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных постоянных расходов при объеме выпуска X = 120.
6.Оцените, на сколько единиц изменится значение постоянных расходов, если объем выпуска вырастет на 100.
7.Рассчитайте коэффициент детерминации R2.
8.Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.
Задача 2
Выберите подходящую нелинейную модель, линеаризуйте ее и оцените параметры, если имеются следующие данные (X — объясняющая переменная, Y — зависимая переменная).
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
5 |
12,3 |
20,9 |
30,3 |
40,5 |
51,4 |
62,7 |
74,6 |
87,0 |
99,8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Задача 3
|
|
|
|
ˆ |
+b X1 +b2 X 2 +e . |
|
|
||
Рассматривается модель Y = b0 |
|
|
|||||||
Получены матрицы: |
|
|
|
|
|
|
|||
|
|
|
0,74 |
−0,06 |
−0,06 |
|
|
|
330 |
(X T X |
)−1 |
|
−0,06 |
0,01 |
−0,002 |
|
XT Y |
|
|
= |
, |
= |
2000 . |
||||||
|
|
|
−0,06 |
−0,002 |
0,01 |
|
|
|
|
|
|
|
|
|
|
2060 |
Рассчитайте оценки b0 ,b1 ,b2 параметров модели.
247
Задача 4
Чему равны коэффициент детерминации R2 и F-статистика в случае строгой функциональной зависимости y от x?
Вариант 6
Задача 1
Имеется информация по 10 предприятиям о потреблении материалов Y от объема производства продукции X:
|
|
|
|
|
|
|
|
|
|
|
|
|
№ п/п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
X |
105 |
116 |
123 |
137 |
145 |
161 |
173 |
187 |
201 |
218 |
|
Y |
210 |
240 |
270 |
290 |
300 |
320 |
350 |
400 |
400 |
450 |
|
|
|
|
|
|
|
|
|
|
|
|
1. Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε
по методу наименьших квадратов.
2. Проверьте статистическую значимость оценок b0 ,b1 теоретических коэффициентов β0, β1 при уровне значимости α = 0,05.
3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.
4. Спрогнозируйте потребление материалов при объеме производства X = 200 и рассчитайте 95%-й доверительный интервал для условного математического ожидания M (Y X = 200).
5.Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных объемов потребления материалов при объеме производства X = 200.
6.Оцените, на сколько изменится потребление материалов, если доход вырастет на 10.
7.Рассчитайте коэффициент детерминации R2.
8.Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.
Задача 2
Выберите подходящую нелинейную модель, линеаризуйте ее и оцените параметры, если имеются следующие данные (X — объясняющая переменная, Y — зависимая переменная):
248
X |
0,1 |
0,2 |
0,3 |
0,4 |
0,5 |
0,6 |
0,7 |
0,8 |
0,9 |
1,0 |
Y |
5,5 |
5,7 |
6,3 |
6,6 |
7,1 |
7,7 |
8,12 |
9,1 |
9,3 |
10 |
Задача 3
Коэффициент корреляции двух переменных X и Y равен 0,85. Чему будет равен коэффициент корреляции, если все значения переменных X и Y умножить на -10?
Задача 4
Как ведет себя зависимая переменная с ростом объясняющей переменной в модели линейной регрессии, если коэффициент корреляции меньше, чем коэффициент детерминации?
Вариант 7
Задача 1
Имеется информация по 10 предприятиям концерна об объеме продаж Y (млн. руб.) от затрат на рекламу X (млн. руб.).
|
|
|
|
|
|
|
|
|
|
|
|
|
№ п/п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
X |
1,1 |
1,2 |
1,3 |
1,5 |
1,6 |
1,5 |
1,9 |
2,1 |
2,2 |
2,3 |
|
Y |
23,1 |
23,6 |
24,2 |
23,1 |
25,2 |
25,1 |
26,7 |
26,3 |
27,1 |
26,9 |
|
|
|
|
|
|
|
|
|
|
|
|
1. Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε
по методу наименьших квадратов.
2. Проверьте статистическую значимость оценок b0, b1 теоретических коэффициентов β0, β1 при уровне значимости α = 0,05.
3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.
4. Спрогнозируйте объем продаж при затратах на рекламу X = 2,5 и рассчитайте 95%-й доверительный интервал для условного математического ожидания M (Y X = 2,5).
5.Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных объемов продаж при затратах на рекламу X = 2,5.
6.Оцените, на сколько изменится объем продаж, если расходы на рекламу вырастут на 0,1 млн. руб.
249
7.Рассчитайте коэффициент детерминации R2.
8.Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.
Задача 2
Даны следующие данные (X — объясняющая переменная, Y — зависимая переменная). Выберите подходящую нелинейную модель, линеаризуйте ее и оцените параметры.
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
10,0 |
11,7 |
13,7 |
16,0 |
18,7 |
21,9 |
25,7 |
30,0 |
35,1 |
41,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
15,0 |
13,0 |
11,0 |
11,2 |
10,3 |
9,4 |
8,9 |
8,1 |
7,6 |
7,44 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Задача 3
Построены две эмпирических модели:
(1)Y = b0 + b1 X + e ,
(2)ln Y = b′0 + b′1 X + e .
Коэффициенты детерминации соответственно равны:
(1)R2 = 0,91,
(2)R2 = 0,95.
Можно ли сказать, что уравнение (2) лучше описывает исходные данные, чем уравнение (1)? Ответ обосновать.
Задача 4
Если построить модель ˆ =b0 X1 b2 X 2 , где Y — прибыль,
Y +b + +e
X1 — доход, X2 — затраты, токакими будут коэффициентырегрессии?
Вариант 8
Задача 1
Имеется информация по 10 предприятиям оптовой торговли об объеме реализации Y относительно размера торговой площади X:
|
|
|
|
|
|
|
|
|
|
|
|
|
№ п/п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
700 |
750 |
800 |
830 |
850 |
900 |
920 |
950 |
980 |
890 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
6350 |
7800 |
7600 |
8600 |
8600 |
9200 |
9000 |
9100 |
9950 |
9000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
250
1. Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε
по методу наименьших квадратов.
2. Проверьте статистическую значимость оценок b0, b1 теоретических коэффициентов β0, β1 при уровне значимости α = 0,05.
3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.
4. Спрогнозируйте объем реализации при размере торговой площади X = 1000 и рассчитайте 95% доверительный интервал для условного математического ожидания M (Y X =1000 ).
5.Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных объемов реализации при торговой площади X = 1000.
6.Оцените, на сколько единиц изменится объем реализации, если площадь вырастет на 100.
7.Рассчитайте коэффициент детерминации R2.
8.Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.
Задача 2
Имеются данные о динамике оборота розничной торговли и потребительских цен региона за два года. Используя метод Ш. Алмон, оцените параметры модели с распределенным лагом. Длину лага выберите не более 4, степень аппроксимирующего полинома — не более 3. Оцените качество построенной модели.
|
|
|
|
|
Месяц |
Оборот розничной торговли, |
Индекс потребительских цен, |
|
% к предыдущему месяцу |
% к предыдущему месяцу |
|
|
|
||
|
Январь |
70,8 |
101,7 |
|
Февраль |
98,7 |
101,1 |
|
Март |
97,9 |
100,4 |
|
Апрель |
99,6 |
100,1 |
|
Май |
96,1 |
100,0 |
|
Июнь |
103,4 |
100,1 |
|
Июль |
95,5 |
100,0 |
|
Август |
102,9 |
105,8 |
251
|
Месяц |
Оборот розничной торговли, |
Индекс потребительских цен, |
|
% к предыдущему месяцу |
% к предыдущему месяцу |
|
|
|
||
|
Сентябрь |
77,6 |
145,0 |
|
Октябрь |
102,3 |
99,8 |
|
Ноябрь |
102,9 |
102,7 |
|
Декабрь |
123,1 |
109,4 |
|
Январь |
74,3 |
110,0 |
|
Февраль |
92,9 |
106,4 |
|
Март |
106,0 |
103,2 |
|
Апрель |
99,8 |
103,2 |
|
Май |
105,2 |
102,9 |
|
Июнь |
99,7 |
100,8 |
|
Июль |
99,7 |
101,6 |
|
Август |
107,9 |
101,5 |
|
Сентябрь |
98,8 |
101,4 |
|
Октябрь |
104,6 |
101,7 |
|
Ноябрь |
106,4 |
101,7 |
|
Декабрь |
122,7 |
101,2 |
|
|
|
|
Задача 3
(1)Y = β0 + β1 X +ε — теоретическое уравнение регрессии,
(2)Y = b0 + b1 X + e — эмпирическое уравнение регрессии.
Какое из уравнений и почему лучше описывает выборочные данные?
Задача 4
Если построить модель ˆ = 0 1 2 2 +e, где Y — прибыль,
Y b +b X +b X
X1 — доход, X2 — затраты, то каким будет коэффициент детерминации?
Вариант 9
Задача 1
Имеется информация по 10 предприятиям оптовой торговли об объеме реализации Y относительно товарных запасов X:
252
|
Годы |
2000 |
2001 |
2002 |
2003 |
2004 |
2005 |
2006 |
2007 |
2008 |
2009 |
|
X |
11,1 |
11,6 |
12,3 |
12,8 |
13,3 |
13,6 |
13,9 |
14,5 |
16,8 |
18,2 |
|
Y |
70,1 |
73,3 |
77,1 |
76,1 |
80,1 |
76,5 |
79,5 |
81,5 |
86,8 |
91,5 |
|
|
|
|
|
|
|
|
|
|
|
|
1. Оцените коэффициенты линейной регрессии Y = β0 +β1 X +ε
по методу наименьших квадратов.
2. Проверьте статистическую значимость оценок b0, b1 теоретических коэффициентов β0, β1 при уровне значимости α = 0,05.
3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.
4. СпрогнозируйтеобъемреализациипритоварныхзапасахX = 20,0 и рассчитайте 95% доверительный интервал для условного математического ожидания M (Y X = 20,0).
5.Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных объемов реализации при уровне за-
пасов X = 20,0.
6.Оцените, на сколько единиц изменится объем реализации, если товарные запасы вырастут на 1.
7.Рассчитайте коэффициент детерминации R2.
8.Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.
Задача 2
На предприятии используются станки двух фирм (А, В). Исследуется надежность этих станков. Учитывается возраст станка (X, в месяцах) и время (Y, в часах) безаварийной работы до последней поломки. Выборка из 36 станков дала следующие результаты.
|
|
|
|
|
|
|
|
|
Фирма |
X |
Y |
|
Фирма |
X |
Y |
|
А |
23 |
280 |
|
А |
52 |
200 |
|
А |
69 |
176 |
|
А |
66 |
123 |
|
А |
63 |
176 |
|
А |
20 |
245 |
|
А |
52 |
200 |
|
А |
48 |
236 |
|
А |
66 |
123 |
|
В |
30 |
230 |
|
|
|
|
253 |
|
|
|
Фирма |
|
X |
Y |
|
Фирма |
X |
Y |
|
А |
|
20 |
245 |
|
В |
25 |
216 |
|
А |
|
48 |
236 |
|
В |
75 |
45 |
|
А |
|
25 |
240 |
|
В |
20 |
265 |
|
А |
|
71 |
115 |
|
В |
40 |
176 |
|
А |
|
40 |
225 |
|
В |
25 |
260 |
|
А |
|
30 |
260 |
|
В |
69 |
65 |
|
А |
|
75 |
100 |
|
В |
45 |
126 |
|
А |
|
56 |
170 |
|
В |
69 |
45 |
|
А |
|
37 |
240 |
|
В |
22 |
220 |
|
А |
|
67 |
120 |
|
В |
33 |
194 |
|
А |
|
23 |
280 |
|
В |
21 |
240 |
|
А |
|
69 |
176 |
|
В |
50 |
120 |
|
А |
|
63 |
176 |
|
В |
56 |
88 |
|
|
|
|
|
||||
|
Оцените |
уравнение |
регрессии |
Y = β0 + β1 X +γ1 D +γ 2 DX +ε , |
учитывающее различие качества станков разных фирм.
Задача 3
Выведите непосредственно методом наименьших квадратов формулу для оценки коэффициента наклона в регрессии без свободного члена, т. е. найдите оценку параметра β1 в регрес-
сии Y = β1 X +ε минимизацией суммы квадратов отклонений
∑n (yi−yˆi)2 .
i=1
Задача 4
Как ведет себя зависимая переменная с ростом объясняющей переменной в модели линейной регрессии, если коэффициент корреляции больше, чем коэффициент детерминации?
Вариант 10
Задача 1
Имеется информация за 10 лет относительно среднего дохода X и среднего потребления Y (млн. руб.):
254
|
Годы |
2000 |
2001 |
2002 |
2003 |
2004 |
2005 |
2006 |
2007 |
2008 |
2009 |
|
X |
10,5 |
11,6 |
12,3 |
13,7 |
14,5 |
16,1 |
17,3 |
18,7 |
20,1 |
21,8 |
|
Y |
8,12 |
10,0 |
8,41 |
12,0 |
12,4 |
11,4 |
12,8 |
13,9 |
17,3 |
17,5 |
|
|
|
|
|
|
|
|
|
|
|
|
1. Оцените коэффициенты линейной регрессии Y = β0 + β1 X +ε
по методу наименьших квадратов.
2. Проверьте статистическую значимость оценок b0, b1 теоретических коэффициентов β0, β1 при уровне значимости α = 0,05.
3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.
4. Спрогнозируйте потребление при доходе X = 23,0 и рассчитайте 95%-й доверительный интервал для условного математического ожидания M (Y X = 23,0).
5.Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных объемов потребления при доходе
X = 23,0.
6.Оцените, на сколько изменится потребление, если доход вырастет на 3 млн. руб.
7.Рассчитайте коэффициент детерминации R2.
8.Рассчитайте F-статистику для коэффициента детерминации и оцените его статистическую значимость.
Задача 2
Имеется следующая модель кейнсианского типа:
Ct = a1+b11Yt+b12Tt+εt1
It = a2+b21Yt-1+εt2
Tt = a3+b31Yt+εt3 Yt = Ct+It+Gt
(функция потребления) (функция инвестиций) (функция налогов)
(тождество дохода)
гдеCt — совокупное потребление в период времени t; Yt — совокупный доход в период времени t;
It — инвестиции в период времени t; Tt — налоги в период времени t;
Gt — государственные расходы в период времени t;
255