- •Київ нухт 2008
- •1. Розподіл годин дисципліни
- •2. Зміст дисципліни
- •2.1. Лекційні зайняття
- •Тема 1. Вступ. Предмет, методи і завдання дисципліни
- •Контрольні запитання
- •Тема 2. Основи економетричного моделювання
- •Контрольні запитання
- •Тема 3. Методи побудови загальної лінійної моделі
- •Контрольні запитання
- •Тема 4. Методи побудови нелінійних економетричних моделей
- •Контрольні запитання
- •Тема 5. Методи побудови множинних економетричнх моделей
- •Контрольні запитання
- •Тема 6. Умови оцінка параметрів економетричної моделі за допомогою методу найменших квадратів
- •Контрольні запитання
- •Тема 7. Мультиколінеарність
- •Контрольні запитання
- •Тема 8. Узагальнений метод найменших квадратів (метод Ейткена)
- •Контрольні запитання
- •Тема 9. Моделі розподіленого лагу
- •Контрольні запитання
- •2.2. Лабораторні заняття
- •Вказівки до виконання контрольної роботи студентами заочної форми навчання Зміст та оформлення контрольної роботи
- •Варіанти лабораторних робіт та порядок їх вибору
- •Тема: «Побудова парної лінійної економетричної моделі» Лабораторна робота № 1 Побудова лінійних економетричних моделей продуктивності праці
- •Тема: «Побудова двофакторної лінійної економетричної моделі» Лабораторна робота № 2 Побудова двофакторної лінійної моделі продуктивності праці
- •Тема: «Методи Побудови множинних економетричних моделей» Лабораторна робота № 3 Побудова множинних економетричних моделей
- •1. Побудова рівняння регресії
- •2. Оцінка точності та імовірності моделі
- •3. Графічне відображення моделі
- •4. Загальний економічний аналіз моделі
- •Тема: «Методи Побудови нелінійних економетричних моделей» Лабораторна робота № 4 Побудова нелінійних економетричних моделей обсягу виробленої продукції
- •Приклад виконання лабораторної роботи № 4
- •Лабораторна робота № 5 Побудова нелінійних економетричних моделей попиту на продукцію
- •Лабораторна робота № 6 Побудова нелінійних економетричних моделей пропозиції продукції
- •Приклад виконання завдання при відсутності мультиколеніарності
- •Порядок виконання завдання
- •Приклад виконання завдання при наявності мультиколеніарності
- •Порядок виконання завдання
- •Тестові завдання
- •Додатки
- •Варіанти та вихідна інформація для виконання лабораторної роботи № 3
- •Додаток 7
- •Додаток 8
- •Додаток 9
- •Додаток 10 Основні вбудовані функції системи Eхсеl
- •1. Математичні функції
- •2. Категорія «Ссылки и массивы»
- •3. Статистичні функції
- •Література Основна
- •Додаткова
- •Глосарій
Тема: «Методи Побудови множинних економетричних моделей» Лабораторна робота № 3 Побудова множинних економетричних моделей
Згідно варіанту завдання та вихідними даними (додаток 3) побудувати множинну лінійну регресійну модель залежності Y (продуктивності праці, тис.грн./чол.) від Х1 – втрат робочого часу, тис.год./рік, Х2 – коефіцієнту використання потужностей, %, Х3 – рівня механізації і автоматизації виробництва, %.
Мета роботи:
1. Побудувати рівняння регресії.
2. Провести оцінку точності та імовірності моделі: розрахувати коефіцієнт кореляції; розрахувати середньоквадратичну та відносну похибки; розрахувати критерій Фішера; розрахувати коефіцієнт еластичності.
3. Представити модель на графіку.
4. Зробити загальний економічний аналіз моделі.
Рішення.
1. Побудова рівняння регресії
У загальному вигляді множинна лінійна регресія буде мати вигляд:
Y = а0 + а1Х1 + а2Х2 + а3Х3
Вихідні дані наводяться в таблиці 3.1.
Таблиця 3.1
Спосте-реження |
Функція |
1-й аргумент |
2-й аргумент |
3-й аргумент |
Y |
X1 |
X2 |
X3 |
|
1 |
13,1 |
8,3 |
55,8 |
60,7 |
2 |
13,4 |
8 |
56,1 |
65,1 |
3 |
13 |
8,7 |
57,1 |
69,9 |
4 |
12,8 |
8,1 |
60,3 |
70,4 |
5 |
14,5 |
7,5 |
61,4 |
75,8 |
6 |
14,8 |
6,5 |
62,5 |
79,6 |
7 |
15,1 |
6 |
70,4 |
80,1 |
8 |
15,4 |
5,9 |
71,7 |
85,4 |
9 |
15,9 |
5,4 |
73,7 |
86, |
10 |
16,3 |
5,1 |
73,7 |
89,9 |
11 |
17,4 |
4,3 |
75,8 |
90,1 |
12 |
18,1 |
2,1 |
76,7 |
90,3 |
13 |
19 |
2 |
77,9 |
94,6 |
14 |
19,3 |
1,5 |
78,1 |
96,8 |
15 |
19,3 |
1,5 |
78,1 |
99,0 |
Щоб визначити коефіцієнти регресії а0, а1, а2 та а3, складаємо систему нормальних рівнянь:
а0 · N + а1 ∑X1 + а2 ∑X2 + а3 ∑X3 = ∑Y
а0 ∑X1+ а1 ∑ (X1)2 + а2 ∑X1 · X2 + а3 ∑X1 · X3= ∑Y · X1
а0 ∑X2 + а1 ∑X1 · X2 + а2 ∑ (X2)2+ а3 ∑X2 · X3 = ∑Y · X2
а0 ∑X3 + а1 ∑X1 · X3 + а2 ∑X2 · X3 + а3 ∑ (X3 )2 = ∑ Y · X3
Всі суми обраховуються на основі похідних статистичних даних в таблиці 3.2.
На основі системи рівнянь та обрахованих сум в таблиці 3.2 запишемо для нашого прикладу:
а 0 15 + а1 80,6 + а2 1029,3 + а3 1234,4 = 237,4
а0 80,9+ а1 530,1+ а2 5260,3+ а3 6260,0= 1196,81
а0 1029,3+ а1 5260,3 + а2 71690,2+ а3 86099,3 = 16554,5
а0 × 1234,4 + а1 6260,0 + а2 86099,3 + а3 103547,0 = 19901,6
В результаті розв’язування системи отримуємо значення:
а0 = –0,174, a1 = –0,00013, a2 = 0,06921, a3 = 0,137.
Таким чином, рівняння регресії має вигляд:
Yрозр = – 0,174 – 0,00013 Х1 + 0,06921 Х2 + 0,137 Х3
Коефіцієнт регресії а1 = –0,00013 показує, що зниження втрат робочого часу на 1 тис. год./рік може привести до зростання продуктивності праці на 0,00013 тис.грн./чол.
Коефіцієнт регресії а2 = 0,06921 свідчить про те, що підвищення коефіцієнту використання потужності на 1% може привести до росту продуктивності праці на 0,06921 тис.грн./чол.
Коефіцієнт регресії а3 = 0,137 показує, що підвищення рівня механізації і автоматизації виробництва на 1% може привести до росту продуктивності праці на 0,137 тис.грн./чол.
Таблиця 3.2
спостереження |
Yфакт |
X1 |
X2 |
X3 |
Y · X1 |
Y · X2 |
Y · X3 |
(X1)2 |
X1 ·X2 |
X1 ·X3 |
(Х2)2 |
Х2 ·Х3 |
(Х3)2 |
Yрозр |
(Yфакт – Yрозр)2 |
(Yфакт – Yсер)2 |
1 |
13,1 |
8,3 |
55,8 |
60,7 |
108,7 |
731,0 |
795,2 |
68,9 |
463,1 |
503,8 |
3113,6 |
3387,1 |
3684,5 |
11,986 |
1,240 |
7,43 |
2 |
13,4 |
8,0 |
56,1 |
65,1 |
107,2 |
751,7 |
872,3 |
64,0 |
448,8 |
520,8 |
3147,2 |
3652,1 |
4238,0 |
12,609 |
0,626 |
5,89 |
3 |
13,0 |
8,7 |
57,1 |
69,9 |
113,1 |
742,3 |
908,7 |
75,7 |
496,8 |
608,1 |
3260,4 |
3991,3 |
4886,0 |
13,334 |
0,112 |
7,99 |
4 |
12,8 |
8,1 |
60,3 |
70,4 |
103,7 |
771,8 |
901,1 |
65,6 |
488,4 |
570,2 |
3636,1 |
4245,1 |
4956,2 |
13,624 |
0,679 |
9,16 |
5 |
14,5 |
7,5 |
61,4 |
75,8 |
108,8 |
890,3 |
1099,1 |
56,3 |
460,5 |
568,5 |
3770,0 |
4654,1 |
5745,6 |
14,439 |
0,004 |
1,76 |
6 |
14,8 |
6,5 |
62,5 |
79,6 |
96,2 |
925,0 |
1178,1 |
42,3 |
406,3 |
517,4 |
3906,3 |
4975,0 |
6336,2 |
15,035 |
0,055 |
1,05 |
7 |
15,1 |
6,0 |
70,4 |
80,1 |
90,6 |
1063,0 |
1209,5 |
36,0 |
422,4 |
480,6 |
4956,2 |
5639,0 |
6416,0 |
15,650 |
0,302 |
0,53 |
8 |
15,4 |
5,9 |
71,7 |
85,4 |
90,9 |
1104,2 |
1315,2 |
34,8 |
423,0 |
503,9 |
5140,9 |
6123,2 |
7293,2 |
16,465 |
1,133 |
0,18 |
9 |
15,9 |
5,4 |
73,7 |
86,7 |
85,9 |
1171,8 |
1378,5 |
29,2 |
398,0 |
468,2 |
5431,7 |
6389,8 |
7516,9 |
16,781 |
0,776 |
0,01 |
10 |
16,3 |
5,1 |
73,7 |
89,9 |
83,1 |
1201,3 |
1465,4 |
26,0 |
375,9 |
458,5 |
5431,7 |
6625,6 |
8082,0 |
17,218 |
0,843 |
0,22 |
11 |
17,4 |
4,3 |
75,8 |
90,1 |
74,8 |
1318,9 |
1567,7 |
18,5 |
325,9 |
387,4 |
5745,6 |
6829,6 |
8118,0 |
17,391 |
0,000 |
2,48 |
12 |
18,1 |
2,1 |
76,7 |
90,3 |
38,0 |
1388,3 |
1634,4 |
4,4 |
161,1 |
189,6 |
5882,9 |
6926,0 |
8154,1 |
17,481 |
0,383 |
5,17 |
13 |
19,0 |
2,0 |
77,9 |
94,6 |
38,0 |
1480,1 |
1797,4 |
4,0 |
155,8 |
189,2 |
6068,4 |
7369,3 |
8949,2 |
18,152 |
0,719 |
10,07 |
14 |
19,3 |
1,5 |
78,1 |
96,8 |
29,0 |
1507,3 |
1868,2 |
2,3 |
117,2 |
145,2 |
6099,6 |
7560,1 |
9370,2 |
18,467 |
0,694 |
12,06 |
15 |
19,3 |
1,5 |
78,1 |
99,0 |
29,0 |
1507,3 |
1910,7 |
2,3 |
117,2 |
148,5 |
6099,6 |
7731,9 |
9801,0 |
18,768 |
0,283 |
12,06 |
|
237,4 |
80,9 |
1029,3 |
1234,4 |
1196,8 |
16554,5 |
19901,6 |
530,1 |
5260,3 |
6260,0 |
71690,2 |
86099,3 |
1035400 |
237,40 |
7,85 |
76,07 |