Определение количественных и качественных экономических взаимосвязей на основании заданных показателей
Определение экономических взаимосвязей на основании данных о прибыли (убытках), долгосрочных обязательствах, оборотных активах и дебиторской задолженности (краткосрочной). Диаграмма рассеяния, выбор факторных признаков, матрица межфакторных корреляций.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 20.05.2013 |
Размер файла | 1,3 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Финансовый университет при правительстве Российской Федерации
Контрольная работа
по дисциплине "Эконометрика"
Выполнила:
Студентка: Чичкова Е.А.
Курс: 3 бакалавр экономики
Липецк 2013
Исходные данные
На основании данных, представленных в таблице:
(1-50; Х1, Х3, Х5)
У - зависимая переменная (прибыль/убыток)
Х1 - Долгосрочные обязательства
Х3 - Оборотные активы
Х5 - Дебиторская задолженность
Х1, Х3, Х5 - зависимые, объясняющие переменные
Количество наблюдений n=50, количество объясняющих переменных m=3.
1. Постройте диаграммы рассеяния, представляющие собой зависимости Y от каждого из факторов X. Сделайте выводы о характере взаимосвязи переменных
Рис.1. Диаграмма рассеяния, показывающая зависимость прибыли (убытка) от долгосрочных обязательств.
Рис.2. Диаграмма рассеяния, показывающая зависимость прибыли (убытка) от оборотных активов.
Рис.3. Диаграмма рассеяния, показывающая зависимость прибыли (убытка) от дебиторской задолженности.
Вывод: по диаграмме рассеяния для x1 наблюдаем тесную прямую, линейную связь прибыли с долгосрочными обязательствами. Имеются аномальные наблюдения.
По диаграмме рассеяния для x3 наблюдаем прямую, линейную со слабой зависимостью связь прибыли с оборотными активами. Имеются аномальные наблюдения.
По диаграмме рассеяния для x5 наблюдаем нелинейную связь прибыли с дебиторской задолженностью. Имеются аномальные наблюдения.
2. Осуществить двумя способами выбор факторных признаков для построения регрессионной модели
а) на основе анализа матрицы коэффициентов парной корреляции, включая проверку гипотезы о независимости объясняющих переменных (тест на выявление мультиколлинеарности Фаррара-Глоубера);
б) с помощью пошагового отбора методом исключения.
экономическая матрица прибыль задолженность
а) Получим матрицу коэффициентов парной корреляции. Для этого используем инструмент Корреляция (надстройка Анализ данных Excel).
Табл. 1. Матрица коэффициентов парной корреляции.
Y |
X1 |
X3 |
X5 |
||
Y |
1 |
||||
X1 |
0,867250505 |
1 |
|||
X3 |
0,911710389 |
0,758421873 |
1 |
||
X5 |
0,654168805 |
0,507984957 |
0,891184 |
1 |
|
Анализ матрицы коэффициентов парной корреляции начинаем с анализа первого столбца матрицы, где расположены коэффициенты корреляции, отражающие тесноту связи зависимой переменной Объем реализации с включенными в анализ факторами. Анализ показывает, что зависимая переменная, т.е. объем реализации, имеет тесную связь с оборотными активами (ryx3= 0.912), с долгосрочными обязательствами (ryx1= 0.867) и с дебиторской задолженностью (ryx5= 0.654). Затем переходим к анализу остальных столбцов матрицы с целью выявления коллинеарности. Факторы х1 и х3 тесно связаны между собой (rх1х3= 0.76), что свидетельствует о наличии коллинеарности. Из этих двух переменных оставим Х3 - оборотные активы, так как rх3у= 0.91> rх1у= 0.87.
В нашем примере из двух тесно связанных друг с другом факторов Х1 и Х3 (rх1х3= 0.76) один, Х5, был исключен.
Так как по данной матрице мы затрудняемся выбрать связь факторов, построим матрицу частных корреляций. Используем программу VSTAT.
Табл. 2. Матрица частных корреляций.
Матрица частных корреляций |
|||||||||
Переменная |
1. Y |
2. X1 |
3. X3 |
4. X5 |
|||||
1. Y |
1,00 |
0,40 |
0,89 |
-0,77 |
|||||
2. X1 |
0,40 |
1,00 |
-0,03 |
-0,03 |
|||||
3. X3 |
0,89 |
-0,03 |
1,00 |
0,95 |
|||||
4. X5 |
-0,77 |
-0,03 |
0,95 |
1,00 |
|||||
Критическое значение на уровне 95% при 46 степенях свободы = +0.2790 |
Для выявления мультиколлинеарности факторов Х1, Х3, Х5 выполняют тест Феррара-Глоубера.
3. Построим матрицу межфакторных корреляций R1 и найдем её определитель
Оставляем только 2 фактора Х1 и Х3, которые наиболее тесно связаны с Y.
Т.к. определитель 0,06 стремится к 0, то все факторы между собой зависимы и, следовательно, наблюдается мультиколлениарность.
б) с помощью пошагового отбора методом исключения.
Воспользуемся программой VSTAT - Регрессионный анализ - Пошаговая регрессия
Табл. 3. Пошаговая регрессия.
С помощью пошагового отбора методом исключения в программе Vstat, были выбраны параметр Х3 (оборотные активы).
4. Построить уравнение множественной регрессии в линейной форме с выбранными факторами. Дать экономическую интерпретацию коэффициентов модели регрессии
Для построения уравнения множественной регрессии, необходимо рассчитать регрессию по отобранным факторам. Для этого воспользуемся программой MS Excel (данные> анализ данных> регрессия).
Табл.4. Множественная регрессия
На основании полученных данных составляем уравнение множественной регрессии в линейной форме.
Y = 126826,5 + 0,444815 х3 - 0,37268 х5.
Экономический смысл коэффициентов регрессии: при изменении оборотных активов (х3) на 1 млн. руб. прибыль изменится в противоположную сторону на 0,445 млн. руб. При изменении дебиторской задолженности (х5) на 1 млн. руб. прибыль уменьшится на - 0,373 млн. руб.
5. Дайте сравнительную оценку силы связи факторов с результатом с помощью коэффициентов эластичности, в - и Д-коффициентов
Воспользуемся программой Vstat.
Табл.5. Оценка коэффициентов.
Коэффициент |
Эластичность |
Бета - коэф-т |
Дельта - коэф-т |
|
109004,47 |
0,00 |
0,00 |
0,00 |
|
0,05 |
0,13 |
0,14 |
0,09 |
|
0,38 |
1,44 |
1,36 |
0,91 |
|
-0,31 |
-0,70 |
0,00 |
0,00 |
Вывод: при изменении долгосрочных обязательств (х1) на 1%, прибыль меняется в ту же сторону на 0,13 %, изменение неэластично. При изменении оборотных активов (х3) на 1%, прибыль меняется в ту же сторону примерно на 1,44%, изменение эластично. Изменение дебиторской задолженности (х5) - не эластично, так как она равна - 0,70.
При изменении фактора х1 на 1 СКО, прибыль меняется в ту же сторону на 0,14 своего СКО. Так же и при изменении фактора х3 на 1 СКО Прибыль изменится в ту же сторону на 1,36 своего СКО.
Средняя доля влияния фактора х1 на у составляет 0,09; фактора х3 - 0,91.
Наиболее сильное влияние на Прибыль (у) оказывает Оборотные активы (х3), так как Э=1,44; в=1,36; ?=0,91.
6. Рассчитайте параметры линейной парной регрессии для наиболее подходящего фактора
Рассчитаем параметры с помощью программы VSTAT. Наиболее подходящий фактор х3 - Оборотные активы.
Оценки коэффициентов линейной регрессии [1. Прибыль (убыток) (Y)] |
||||
Переменная |
Коэффициент |
Среднекв. отклонение |
t - значение |
|
Св. член |
26398,24 |
173055,36 |
0,15 |
|
2. Оборотные активы (X3) |
0,25 |
0,02 |
15,37 |
|
Кpитическое значения t-pаспpеделения пpи 48 степенях свободы (p=95%) = +2.011 |
y =26398,24 + 0,25x3 + e.
7. Оцените качество построенной модели с помощью коэффициента детерминации, средней относительной ошибки аппроксимации и F-критерия Фишера
ВЫВОД ИТОГОВ |
||||||
Регрессионная статистика |
||||||
Множественный R |
0,91171 |
|||||
R-квадрат |
0,831216 |
|||||
Нормированный R-квадрат |
0,827699 |
|||||
Стандартная ошибка |
1167099 |
|||||
Наблюдения |
50 |
|||||
Дисперсионный анализ |
||||||
|
df |
SS |
MS |
F |
Значимость F |
|
Регрессия |
1 |
3,22E+14 |
3,22E+14 |
236,3869 |
3,58E-20 |
|
Остаток |
48 |
6,54E+13 |
1,36E+12 |
|||
Итого |
49 |
3,87E+14 |
Коэффициент детерминации = 0,831. Это говорит о том, что около 83% случайных колебаний учтено в построенной модели и обусловлено случайными колебаниями, включенных в неё факторов.
Не учтено в модели влияние 1-0,831=0,169 примерно 7%.
F=236,387
Fтаб= Fтаб (0,05; 1; 48) =4,043.
F больше Fтаб., следовательно, уравнение статистически значимое.
Средняя относительная ошибка аппроксимации=0,912 стремится к 1, следовательно, построенная модель качественная.
8. Проверьте выполнение условия гомоскедастичности
Для проверки условия гомоскедастичности сначала значение переменной Y упорядочиваем по возрастанию фактора Х с помощью инструмента Данные - Сортировка в Microsoft Excel.
Далее из середины упорядоченной совокупности убираем С= (1/4) *50=12 центральных значений.
Y |
X3 |
|
-210 |
1 702 |
|
964 |
13 398 |
|
-33 030 |
14 412 |
|
13 612 |
18 903 |
|
5 406 |
21 132 |
|
-540 |
36 641 |
|
-20 493 |
46 728 |
|
5146 |
50 798 |
|
55 528 |
52 042 |
|
0 |
76 430 |
|
40 997 |
79 930 |
|
17 927 |
81 960 |
|
8 552 |
119 434 |
|
221 177 |
128 256 |
|
-468 |
130 350 |
|
123 440 |
167 297 |
|
422 070 |
188 662 |
|
40 588 |
215 106 |
|
115 847 |
233 340 |
|
366 170 |
624 661 |
|
29 204 |
705 877 |
|
-564 258 |
801 276 |
|
63 058 |
807 686 |
|
-34 929 |
921 832 |
|
53 182 |
998 875 |
|
701 035 |
1 566 040 |
|
1 197 196 |
1 567 998 |
|
1 945 560 |
2 964 277 |
|
1 225 908 |
3 463 511 |
|
-780 599 |
3 933 712 |
|
1 227 017 |
4215454 |
|
1 440 075 |
4 920 199 |
|
628 091 |
5 325 806 |
|
3 293 989 |
5 891 049 |
|
2 598 165 |
5 910 831 |
|
1 548 768 |
7 720 298 |
|
2 557 698 |
35 232 071 |
|
19 513 178 |
63 269 757 |
Для каждой из полученных совокупностей выполняем регрессионный анализ и находим две остаточные суммы квадратов.
Табл. 6. Остаточные суммы квадратов
Дисперсионный анализ |
для 1-й совокупности |
|||||
|
df |
SS |
MS |
F |
Значимость F |
|
Регрессия |
1 |
73167913479 |
73167913479 |
9,097312544 |
0,007781543 |
|
Остаток |
17 |
1,36728E+11 |
8042805293 |
|||
Итого |
18 |
2,09896E+11 |
Дисперсионный анализ |
для 2-й совокупности |
|||||
|
df |
SS |
MS |
F |
Значимость F |
|
Регрессия |
1 |
2,83488E+14 |
2,83488E+14 |
75,31372856 |
1,18454E-07 |
|
Остаток |
17 |
6,39895E+13 |
3,76409E+12 |
|||
Итого |
18 |
3,47477E+14 |
Затем вычислим
Воспользуемся F-критерием Фишера: Fтабл=2,271892889
Так как F табл. > R - остатки гомоскедастичны.
9. Используя результаты регрессионного анализа, ранжируйте компании по степени эффективности
Для ранжирования берем столбец с названиями компаний и столбец с расчетным значением прибыли и сортируем по возрастанию.
Табл. 7. Ранжировка по возрастанию.
Добыча сырой нефти и природного газа; предоставление услуг в этих областях |
У расчетное |
|
КИРОВСКОЕ НЕФТЕГАЗОДОБЫВАЮЩЕЕ УПРАВЛЕНИЕ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
26830,35 |
|
Аксоль, Открытое акционерное общество Производственно-коммерческая фирна |
29799,74 |
|
КРАСНОДАРСКОЕ ОПЫТНО - ЭКСПЕРИМЕНТАЛЬНОЕ УПРАВЛЕНИЕ ПО ПОВЫШЕНИЮ НЕФТЕОТДАЧИ ПЛАСТОВ И КАПИТАЛЬНОМУ РЕМОНТУ СКВАЖИН, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
30057,17 |
|
Акмай, Открытое акционерное общество |
31197,35 |
|
Нефть, Открытое акционерное общество |
31763,25 |
|
КАББАЛКНЕФТЕТОППРОМ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
35700,69 |
|
Братскэкогаз, Открытое акционерное общество |
38261,59 |
|
АЗНАКАЕВСКИЙ ГОРИЗОНТ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
39294,89 |
|
Елабуганефть, Открытое акционерное общество |
39610,71 |
|
Нефтеразведка, Открытое акционерное общество |
45802,36 |
|
Нефтьинвест, Открытое акционерное общество |
46690,94 |
|
НЕФТЕБУРСЕРВИС, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
47206,32 |
|
НАУЧНО-ПРОИЗВОДСТВЕННОЕ ПРЕДПРИЯТИЕ БУРСЕРВИС, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
56720,26 |
|
Кондурчанефть, Открытое акционерное общество |
58959,99 |
|
Избербашнефть, Открытое акционерное общество |
59491,62 |
|
ДАГНЕФТЕГАЗ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
68871,76 |
|
Иделойл, Открытое акционерное общество |
74295,92 |
|
Калининграднефть, Открытое акционерное общество |
81009,55 |
|
Меллянефть, Открытое акционерное общество |
85638,82 |
|
НГДУ Пензанефть, Открытое акционерное общество |
91681,18 |
|
Геолого-разведочный исследовательский центр, Открытое акционерное общество |
91806,35 |
|
Восточная транснациональная компания, Открытое акционерное общество |
102381,25 |
|
НЕНЕЦКАЯ НЕФТЯНАЯ КОМПАНИЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
108901,42 |
|
Инга, Открытое акционерное общество |
113834,32 |
|
МНКТ, Общество с ограниченной ответственностью |
118219,86 |
|
АЛРОСА - Газ, Открытое акционерное общество |
119795,96 |
|
Мохтикнефть, Открытое акционерное общество |
142734,86 |
|
ГУБКИНСКИЙ ГАЗОПЕРЕРАБАТЫВАЮЩИЙ КОМПЛЕКС, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
160678,91 |
|
Булгарнефть, Открытое акционерное общество |
174304,44 |
|
ИНВЕСТИЦИОННАЯ НЕФТЯНАЯ КОМПАНИЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
174922,90 |
|
НАУЧНО-ПРОИЗВОДСТВЕННОЕ ОБЪЕДИНЕНИЕ СПЕЦЭЛЕКТРОМЕХАНИКА, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
183665,29 |
|
Богородскнефть, Открытое акционерное общество |
184987,75 |
|
БЕЛОРУССКОЕ УПРАВЛЕНИЕ ПО ПОВЫШЕНИЮ НЕФТЕОТДАЧИ ПЛАСТОВ И КАПИТАЛЬНОМУ РЕМОНТУ СКВАЖИН, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
205606,95 |
|
Восточно-Сибирская нефтегазовая компания, Открытое акционерное общество |
229826,93 |
|
Когалымнефтепрогресс, Открытое акционерное общество |
231454,31 |
|
ЛЕНИНГРАДСЛАНЕЦ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
260433,80 |
|
КАМЧАТГаЗПРОМ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
279993,55 |
|
ГРОЗНЕФТЕГАЗ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
423985,92 |
|
Комнедра, Открытое акционерное общество |
424483,02 |
|
Битран, Открытое акционерное общество |
778971,62 |
|
Варьеганнефть, Открытое акционерное общество |
905717,61 |
|
АРКТИЧЕСКАЯ ГАЗОВАЯ КОМПАНИЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
1025092,67 |
|
НЕГУСНЕФТЬ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
1096621,59 |
|
АГАННЕФТЕГАЗГЕОЛОГИЯ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО МНОГОПРОФИЛЬНАЯ КОМПАНИЯ |
1275542,90 |
|
Белкамнефть, Открытое акционерное общество |
1378518,78 |
|
Верхнечонскнефтегаз, Открытое акционерное общество |
1522023, 19 |
|
Барьеганнефтегаз, Открытое акционерное общество |
1527045,46 |
|
КОРПОРАЦИЯ ЮГРАНЕФТЬ, ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО |
1986434,61 |
|
Нефтегазовая компания Славнефть, Открытое акционерное общество |
8971148,89 |
|
Акционерная нефтяная Компания Башнефть, Открытое акционерное общество |
16089382,44 |
Вывод: компанией с самой маленькой прибылью (26830,3 млн. руб.) является Кировское Нефтегазодобывающее Управление, а с самой большой прибылью (16089382,5 млн. руб.) является Акционерная нефтяная Компания Башнефть.
10. Осуществите прогнозирование среднего значения показателя Y при уровне значимости б=0,1, если прогнозное значение фактора Хj составит 80% от его максимального значения. Представьте на графике фактические данные Y, результаты моделирования, прогнозные оценки и границы доверительного интервала
y=26398,24+0,25x3+e
а) точечный прогноз Х =0,8* х (max) = 0,8 * 63269757 = 50615805,6
б) точечный прогноз У = 26398,24+0,25*Х
У = 26398,24 + 0,25*50615806 = 12680349,64
в) интервальный прогноз У:
найдем ошибку прогнозирования: U=Se*tтабл =1957487,488
t табл = 1,677224197, Se=1167099.48
Нижняя граница: У - U = 12680349,64 - 1957487,49 = 10722862,15
Верхняя граница: У + U = 12680349,64 + 1957487,49 = 14637837,13
11. Составить уравнения нелинейной регрессии
гиперболической;
степенной;
показательной.
12. Привести графики построенных уравнений регрессии
Составим уравнения нелинейной регрессии с помощью программы VSTAT.
Таблица функций парной регрессии [Y=1. Y] [X=2. X3] |
|||
Функция |
Критерий |
Эластичность |
|
Y (X) =+26398.243+0.254*X |
1362121196368,08 |
0,97 |
|
Y (X) =+363813.361-0.028*X +0.000*X*X |
774359883350,80 |
0,04 |
|
Y (X) =0+0/X |
-1,00 |
0,00 |
|
Y (X) =1/ (0+0*X) |
-1,00 |
0,00 |
|
Y (X) =1/ (0+0*exp (-X)) |
-1,00 |
0,00 |
|
Y (X) =0*exp (0*X) |
-1,00 |
0,00 |
|
Y (X) = - 7974790.012+681587.130*ln (X) |
6016251589656,83 |
0,83 |
|
Y (X) =0*0**X*0** (X*X) |
-1,00 |
0,00 |
|
Y (X) =0*0** (X) |
-1,00 |
0,00 |
|
Y (X) = +6847083.551-75643328.322/ln (X) |
6907426425240,00 |
-0, 19 |
|
Y (X) =0*X**0 |
-1,00 |
0,00 |
|
Y (X) = +351188.878+0.317*X-482.177*sqr (X) |
1328622436588,57 |
1,16 |
|
Y (X) = X/ (-4.631+0.000*X) |
7193275042196,18 |
1,24 |
|
Y (X) =0*exp (0/X)) |
-1,00 |
0,00 |
|
Y (X) = +406402.483+0.000*X**4 |
553182285635,90 |
0,00 |
|
Y (X) = +363813.361-0.028*X**1+0.000*X**2 |
774359883350,80 |
0,04 |
|
Выбрана функция Y (X) = +406402.483+0.000*X**4 |
Вывод: Степенная, показательная и гиперболическая функции не построены (не идентифицированы), но в качестве лучшей указана функция:
Выбрана функция Y (X) = +406402.483+0.000*X**4
а) гиперболическая модель:
у = 1694324,77 - 2572512035*Х - линейная
у = 1694324,77 - 2572512035/Х - нелинейная
б) степенная
У = 4.798+0.226*X - линейная
У = 62805,84*х в степени 0,226 нелинейная
в) показательная
у = - 46242556,16+7917760,32*х - линейная
у = 7,66504183 * 6,898602351Я - нелинейная
13. Для нелинейных моделей найдите коэффициенты детерминации и средние относительные ошибки аппроксимации. Сравните модели по этим характеристикам и сделайте выводы о лучшей модели
Табл. 8. Сравнение нелинейных моделей.
Сводная таблица |
|||
Модель |
R^2 |
eотн. ср. |
|
Степенная |
0,251 |
6,066 |
|
Показательная |
0,722 |
0,45 |
|
Гиперболическая |
0,0004 |
7,855 |
Лучшая из моделей - показательная.
Размещено на Allbest.ru
...Подобные документы
Выбор факторных признаков для построения регрессионной модели неоднородных экономических процессов. Построение диаграммы рассеяния. Анализ матрицы коэффициентов парной корреляции. Определение коэффициентов детерминации и средних ошибок аппроксимации.
контрольная работа [547,6 K], добавлен 21.03.2015Оценка уравнений парной и множественной регрессии. Ковариация, корреляция, дисперсия. Определение доверительных интервалов для параметров. Статистические уравнения зависимостей. Расчет нормативных микроэкономических показателей хозяйственной деятельности.
дипломная работа [1,9 M], добавлен 20.10.2014Методика и этапы построения экономических моделей с помощью программы Microsoft Excel. Определение оптимальной структуры производства консервного завода на основании имеющихся статистических данных. Нахождение условного экстремума функции в Excel.
контрольная работа [1,4 M], добавлен 01.06.2009Построение гипотезы о форме связи денежных доходов на душу населения с потребительскими расходами в Уральском и Западно-Сибирском регионах РФ. Расчет параметров уравнений парной регрессии, оценка их качества с помощью средней ошибки аппроксимации.
контрольная работа [4,5 M], добавлен 05.11.2014- Использование корреляционно-регрессионного анализа для обработки экономических статистических данных
Расчет стоимости оборудования с использованием методов корреляционного моделирования. Метод парной и множественной корреляции. Построение матрицы парных коэффициентов корреляции. Проверка оставшихся факторных признаков на свойство мультиколлинеарности.
задача [83,2 K], добавлен 20.01.2010 Оценка корреляционной матрицы факторных признаков. Оценки собственных чисел матрицы парных коэффициентов корреляции. Анализ полученного уравнения регрессии, определение значимости уравнения и коэффициентов регрессии, их экономическая интерпретация.
контрольная работа [994,1 K], добавлен 29.06.2013Построение описательной экономической модели. Матрица корреляций между исходными статистическими признаками. Оценка параметров модели. Определение и графическое изображение регрессионной зависимости между показателями. Оценка адекватности модели.
контрольная работа [215,8 K], добавлен 13.10.2011Использование метода оценки параметров в стандартных масштабах для определения неизвестных параметров линейной модели множественной регрессии. Специфика изучения взаимосвязей по временным рядам. Моделирование взаимосвязей и тенденций в финансовой сфере.
контрольная работа [326,7 K], добавлен 22.04.2016Структурная равноинтервальная группировка. Определение связи между численностью постоянного населения и потреблением продуктов на душу населения. Динамический ряд для характеристики изменения социально-экономических показателей по Псковскому району.
контрольная работа [252,9 K], добавлен 07.03.2011Модели, применяемые в производстве, их классификация, возможности и влияние информации на их сложность. Определение минимизации затрат и максимизации прибыли от реализации продукции с помощью "Excel" и оптимальных значений производственных процессов.
курсовая работа [2,1 M], добавлен 29.11.2014Типологическая, структурная, аналитическая группировка данных. Определение моды и медианы распределения. Зависимость прибыли от развития компании. График, отражающий изменение прибыли фирмы. Особенности группировки данных по системе варьирующих признаков.
контрольная работа [959,9 K], добавлен 12.02.2012Статистический и корреляционный анализ активов, пассивов, прибыли, ВВП. Выбор формы моделей, отражающих зависимости между показателями. Построение и анализ регрессионной модели на основании реальных статистических данных, построение уравнения регрессии.
курсовая работа [494,7 K], добавлен 20.11.2013Особенности группировки экономических данных. Методика определения средних показателей, мод, медиан, средней арифметической, индексов товарооборота, цен и объема реализации, абсолютных приростов, темпов роста и прироста. Анализ цен реализации товара.
контрольная работа [51,1 K], добавлен 03.05.2010Матрица выигрышей и рисков. Максиминные и минимальные критерии (крайнего пессимизма и оптимизма). Критерии максимизации взвешенного среднего показателя оптимальности стратегий. Выбор сельхозкультуры для оптимального использования посевных площадей.
курсовая работа [488,8 K], добавлен 14.06.2011Теория математического анализа моделей экономики. Сущность и необходимость моделей исследования систем управления в экономике и основные направления их применения. Выявление количественных взаимосвязей и закономерностей в социально-экономической системе.
курсовая работа [366,0 K], добавлен 27.09.2010Проведение экономического анализа ООО "Мясная традиция" хозяйственной деятельности, объема производства продукции, затрат, прибыли, рентабельности. Разработка математической модели повышения эффективности экономических показателей работы предприятия.
дипломная работа [4,3 M], добавлен 19.03.2010Выбор и определение показателей оптимальности для решения транспортной задачи для автомобильного, железнодорожного, речного транспорта. Определение удельных затрат на доставку груза, составление матрицы задачи и схемы оптимальных транспортных связей.
контрольная работа [419,4 K], добавлен 27.11.2015Определение, цели и задачи эконометрики. Этапы построения модели. Типы данных при моделировании экономических процессов. Примеры, формы и моделей. Эндогенные и экзогенные переменные. Построение спецификации неоклассической производственной функции.
презентация [1010,6 K], добавлен 18.03.2014Определение наличия тенденции по заданным значениям прибыли фирмы. Построение графика линейной парной регрессии, нанесение полученных результатов на диаграмму рассеяния. Прогнозирование величины прибыли с помощью построенной регрессионной модели.
контрольная работа [284,0 K], добавлен 27.10.2010Характеристика и описание метода линейного программирования, основные области его применения и ограничения использования. Решение экономических задач, особенности формирования оптимизационной модели, расчет и анализ результатов оптимизации прибыли.
курсовая работа [99,0 K], добавлен 23.03.2010