Эконометрическое моделирование

Эконометрическое моделирование стоимости квартир в Московской области. Построение поля корреляции и модели формирования цены квартиры за счет значимых факторов. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 06.06.2013
Размер файла 194,0 K

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/

ЗАДАЧА 1

Эконометрическое моделирование стоимости квартир в Московской области.

Таблица 1

№ варианта

Исследуемые факторы

Номера наблюдений

7

1- 40

1. Рассчитайте матрицу парных коэффициентов корреляции; оцените статистическую значимость коэффициентов корреляции.

2. Постройте поле корреляции результативного признака и наиболее тесно связанного с ним фактора.

3. Рассчитайте параметры линейной парной регрессии для всех факторов Х.

4. Оцените качество каждой модели через коэффициент детерминации, среднюю ошибку аппроксимации и F-критерий Фишера. Выберите лучшую модель.

5. Осуществите прогнозирование для лучшей модели среднего значения показателя Y при уровне значимости б = 0,1, если прогнозное значение фактора X составит 80% от его максимального значения. Представьте графически: фактические и модельные значения, точки прогноза.

6. Используя пошаговую множественную регрессию (метод исключения или метод включения), постройте модель формирования цены квартиры за счет значимых факторов. Дайте экономическую интерпретацию коэффициентов модели регрессии.

7. Оцените качество построенной модели. Улучшилось ли качество по сравнению с однофакторной моделью? Дайте оценку влияния значимых факторов на результат с помощью коэффициентов эластичности, в- и ?-коэффициентов.

Таблица 2

Y

X1

X2

X3

X4

X5

X6

1

115

0

4

70.4

51.4

9

7

2

85

1

3

82.8

46

5

10

3

69

1

2

64.5

34

6

10

4

57

1

2

55.1

31

1

9

5

184.6

0

3

83.9

65

1

9

6

56

1

1

32.2

17.9

2

7

7

85

0

3

65

39

12

8.3

8

265

0

4

169.5

80

10

16.5

9

60.65

1

2

74

37.8

11

12.1

10

130

0

4

87

57

6

6

11

46

1

1

44

20

2

10

12

115

0

3

60

40

2

7

13

70.96

0

2

65.7

36.9

5

12.5

14

39.5

1

1

42

20

7

11

15

78.9

0

1

49.3

16.9

14

13.6

16

60

1

2

64.5

32

11

12

17

100

1

4

93.8

58

1

9

18

51

1

2

64

36

6

12

19

157

0

4

98

68

2

11

20

123.5

1

4

107.5

67.5

12

12.3

21

55.2

0

1

48

15.3

9

12

22

95.5

1

3

80

50

6

12.5

23

57.6

0

2

63.9

31.5

5

11.4

24

64.5

1

2

58.1

34.8

10

10.6

25

92

1

4

83

46

9

6.5

26

100

1

3

73.4

52.3

2

7

27

81

0

2

45.5

27.8

3

6.3

28

65

1

1

32

17.3

5

6.6

29

110

0

3

65.2

44.5

10

9.6

30

42.1

1

1

40.3

19.1

13

10.8

31

135

0

2

72

35

12

10

32

39.6

1

1

36

18

5

8.6

33

57

1

2

61.6

34

8

10

34

80

0

1

35.5

17.4

4

8.5

35

61

1

2

58.1

34.8

10

10.6

36

69.6

1

3

83

53

4

12

37

250

1

4

152

84

15

13.3

38

64.5

1

2

64.5

30.5

12

8.6

39

125

0

2

54

30

8

9

40

152.3

0

3

89

55

7

13

РЕШЕНИЕ

1. Рассчитаем матрицу парных коэффициентов корреляции:

Таблица 3

 

Y

X1

X2

X3

Y

1

X1

-0,40333

1

X2

0,68821

-0,15501

1

X3

0,845551

-0,08233

0,805999

1

- наибольший коэффициент парной корреляции. Следовательно, ведущим признается фактор х3.

Существует мультиколлинеарность между факторами х2 и х3, т.к. .

< . Следовательно, фактор х3 оказывает большее влияние на результативный признак. Значит, х3 - оставляем в модели, а х2 - из рассмотрения исключаем.

2. Поле корреляции:

Рис. 1.

эконометрическое моделирование корреляция

3. Анализируем:

Таблица 4

 

Коэффициенты

Стандартная ошибка

t-статистика

Y-пересечение

11,69225872

10,84793217

1,077832949

X1

-35,17686233

7,202017768

-4,884306518

X2

-3,283285149

5,741581887

-0,571843303

X3

1,590356124

0,213210491

7,45908944

Y=-35,177*X1+1,59*X3

tтабл=1,681

4. Оценка качества моделей:

Таблица 5

Вид модели

R-квадрат

F

Стандартная ошибка

Модель парной регрессии

0,715

95,313

27,851

Y=1,543*X3

Модель множественной регрессии

0,829

58,028

22,186

Y=-35,177*X1+1,59*X3

Лучшей моделью множественной регрессии, характеризующая зависимость стоимости квартиры от следующих факторов: город области; число комнат в квартире; общая площадь квартиры. Так как она имеет большее значение коэффициента детерминации R2=0,829 по сравнению с моделью парной регрессии, характеризующей зависимость цены квартиры от общей площади квартиры.

5. Лучшая модель: Y=-35,177*X1+1,59*X3. Уровень значимости б=0,1.

Максимальные значения факторных признаков:

Для X1 = 1; для X3 = 169,5.

Прогнозные значения:

Для X1` = X1*0,8=1*0,8=0,8 ; для X3` =X3*0,8=169,5*0,8=135,6.

Y=-35.177*X1`+1.59*X3`=-35.177*0.8+1.59*135.6=187.462

Рис. 2.

6. Значимыми факторами являются: X1 и X3.

Таблица 6

 

Коэффициенты

Стандартная ошибка

t-статистика

Y-пересечение

10,25480926

10,45625985

0,980733972

X1

-34,55798284

7,055185463

-4,898238752

X3

1,492125577

0,125142453

11,9234164

Y=-34,558*X1+1,492*X3

tтабл=1,682

После регрессионного анализа получаем следующую модель:

Y=-34,558*X1+1,492*X3.

Итак, на цену квартиры больше всего влияют два признака: в каком городе области находится квартира и какова общая площадь этой квартиры.

7. Определяем качество модели.

1) Случайность:

р - поворотные точки.

р=26>20 - значит, выполняется условие случайности.

Рис. 3.

2) Независимость:

d1=1.08; d2=1.36 - табличные значения.

d=2.0.34 - расчетное значение для данной модели.

d > 2, поэтому принадлежит 4-ому интервалу, следовательно, однозначно вывод сделать нельзя. Значит, рассчитываем:

d`=4-d=-2.034=1.966 - значит, 1.36 <d` <2 - 3-ий интервал, поэтому можем однозначно утверждать, что свойство независимости выполняется.

3) Нормальность распределения:

; .

;;;

Для n=40 и б=0,1: 3.79 < S < 5.16.

3,79 < 4,538 < 5,16 - значит, нормальный закон распределения выполняется.

Так как выполняются все 3 свойства: случайность, независимость, нормальный закон распределения, то модель признается адекватной и может быть использована для построения прогнозов.

Определим среднюю относительную ошибку:

.

Сравнение с однофакторной моделью:

Таблица 7

Вид модели

R-квадрат

F

Стандартная ошибка

Модель однофакторной регрессии

0,715

95,313

27,851

Y=1,543*X3

Модель множественной регрессии со значимыми факторами

0,827

88,489

21,983

Y=-34,558*X1+1,492*X3

По сравнению с однофакторной моделью качество модели улучшилось.

· Коэффициент эластичности: .

; .

· в-коэффициент: .

; .

· ?-коэффициент: .

; .

ЗАДАЧА 2

Исследовать динамику экономического показателя на основе анализа одномерного временного ряда.

В течение девяти последовательных недель фиксировался спрос Y(t) (млн. р.) на кредитные ресурсы финансовой компании. Временной ряд Y(t) этого показателя приведен ниже в таблице:

Таблица 8

Номер варианта

Номер наблюдения ( t = 1,2,…,9)

1

2

3

4

5

6

7

8

9

7

20

27

30

41

45

51

51

55

61

Требуется:

1) Проверить наличие аномальных наблюдений.

2) Построить линейную модель , параметры которой оценить МНК (- расчетные, смоделированные значения временного ряда).

3) Оценить адекватность построенных моделей, используя свойства независимости остаточной компоненты, случайности и соответствия нормальному закону распределения (при использовании R/S-критерия взять табулированные границы 2,7--3,7).

4) Оценить точность моделей на основе использования средней относительной ошибки аппроксимации.

5) Осуществить прогноз спроса на следующие две недели (доверительный интервал прогноза рассчитать при доверительной вероятности р = 70%).

6) Фактические значения показателя, результаты моделирования и прогнозирования представить графически.

1). Проверяем аномальность:

Таблица 9

Номер

наблюдения, t

Спрос,

Y(t)

[y(t)-yср]2

y(t)-yср

y(t)-yср/у

1

20

498,762889

-22,333

-3,538181242

2

27

235,100889

-15,333

-2,42918251

3

30

152,102889

-12,333

-1,953897338

4

41

1,776889

-1,333

-0,211185044

5

45

7,112889

2,667

0,422528517

6

51

75,116889

8,667

1,373098859

7

51

75,116889

8,667

1,373098859

8

55

160,452889

12,667

2,006812421

9

61

348,456889

18,667

2,957382763

d`табл=1,57

Наблюдения аномальные, если: y(t)-yср/у > d`табл=1,57.

2).

Таблица 10.1

Номер

наблюдения,

t

Спрос,

Y(t)

[y(t)-yср]2

y(t)-yср

y(t)-yср/у

t-tср

[y(t)-ср]*

*[t-tср]

[t-tср]2

1

20

498,762889

-22,333

-3,538181242

-4

89,332

16

2

27

235,100889

-15,333

-2,42918251

-3

45,999

9

3

30

152,102889

-12,333

-1,953897338

-2

24,666

4

4

41

1,776889

-1,333

-0,211185044

-1

1,333

1

5

45

7,112889

2,667

0,422528517

0

0

0

6

51

75,116889

8,667

1,373098859

1

8,667

1

7

51

75,116889

8,667

1,373098859

2

17,334

4

8

55

160,452889

12,667

2,006812421

3

38,001

9

9

61

348,456889

18,667

2,957382763

4

74,668

16

Итого:

Итого:

Итого:

Итого:

Итого:

Итого:

Итого:

Итого:

45

381

1554,000001

0,003

0,000475285

0

300

60

Таблица 10.2

Yp(t)

E(t)

E(t)-E(t-1)

E(t)2

[E(t)-E(t-1)]2

E(t)*E(t-1)

{E(t)}/Y(t)

22,333

-2,333

-

5,442889

-

-

11,665

27,333

-0,333

2

0,110889

4

0,776889

1,233333333

32,333

-2,333

-2

5,442889

4

0,776889

7,776666667

37,333

3,667

6

13,446889

36

-8,55511

8,943902439

42,333

2,667

-1

7,112889

1

9,779889

5,926666667

47,333

3,667

1

13,446889

1

9,779889

7,190196078

52,333

-1,333

-5

1,776889

25

-4,88811

2,61372549

57,333

-2,333

-1

5,442889

1

3,109889

4,241818182

62,333

-1,333

1

1,776889

1

3,109889

2,185245902

Итого:

Итого:

Итого:

Итого:

Итого:

Итого:

Итого:

380,997

0,003

1

54,000001

73

13,89011

51,77655476

Получили линейную модель: Yр(t)=17,333+5*t.

3). 1. Случайность: .

р - поворотные точки.

р=6 > 2 - значит, выполняется условие случайности.

Рис. 4.

2. Независимость:

d1=1.08; d2=1.36 - табличные значения.

d=1,35 - расчетное значение для данной модели.

1.08 < d < 1.36, поэтому принадлежит 2-ому интервалу, следовательно, однозначно вывод сделать нельзя. Значит, рассчитываем:

r(1) = 0.257 < rтабл=0,36 - значит, свойство независимости выполняется.

3. Нормальность распределения:

; .

;;;

Для n=9 и б=0,1: 2.7 < S < 3.7.

2,3 < 2,7 - значит, нормальный закон распределения не выполняется.

Так как не выполняется свойство нормального закона распределения, то модель не признается адекватной и ее не целесообразно использовать для построения прогнозов.

4). Определим среднюю относительную ошибку:

.

5). Имеем уравнение: y(t)=17,333+5*t. У нас 9 значений t, следовательно, ближайшие прогнозы 10 и 11. Ищем y(10) и y(11):

y(10)=17.333+5*10=67.333; y(11)=17.333+5*11=72.333.

t=10, k=1 .

t=11, k=2 .

Прогнозные значения:

Yp(10) ±U(1) = 67.333±; Yp(11) ±U(2) = 72.333±.

6). Фактические значения показателя и результаты моделирования:

Рис. 5.

Так как построенная модель является неадекватной, то нет никакой уверенности, что прогнозируемое значение спроса на кредитные ресурсы попадет в построенный доверительный интервал.

Список литературы

1. Ефимова М.Р., Петрова Е.В., Румянцева В.Н. Общая теория статистики: Учебник. - М.: ИНФРА-М, 2004.

2. Статистика финансов: Учебник / Под ред. В.Н. Салина. - М.: Финансы и статистика, 2000.

3. Теория статистики: Учеб. пособие для вузов. - М.: Аудит, ЮНИТИ, 1998. - 247 с.

4. Практикум по статистике: Учеб. пособие для вузов / Под ред. В. М. Симчеры / ВЗФЭИ. - М.: ЗАО «Финстатинформ», 1999. - 259 с.

Размещено на Allbest.ru

...

Подобные документы

  • Эконометрическое моделирование стоимости квартир в московской области. Матрица парных коэффициентов корреляции. Расчет параметров линейной парной регрессии. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.

    контрольная работа [298,2 K], добавлен 19.01.2011

  • Эконометрическое моделирование стоимости квартир в Московской области. Исследование динамики экономического показателя на основе анализа одномерного временного ряда. Параметры линейной парной регрессии. Оценка адекватности модели, осуществление прогноза.

    контрольная работа [925,5 K], добавлен 07.09.2011

  • Понятие экономико-математического моделирования. Совершенствование и развитие экономических систем. Сущность, особенности и компоненты имитационной модели. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.

    курсовая работа [451,4 K], добавлен 23.04.2013

  • Исследование линейной модели парной регрессии зависимости стоимости однокомнатных квартир от общей площади жилья. Пространственно-параметрическое моделирование рынка вторичного жилья. Особенности изменения среднего уровня цены в пространстве и во времени.

    курсовая работа [365,2 K], добавлен 26.10.2014

  • Анализ и выявление значимых факторов, влияющих на объект. Построение эконометрической модели затрат предприятия для обоснований принимаемых решений. Исследование трендов временных рядов. Оценка главных параметров качества эконометрической модели.

    курсовая работа [821,1 K], добавлен 21.11.2013

  • Основные проблемы эконометрического моделирования. Показатели, характеризующие степень разброса случайной величины вокруг ее среднего значения. Физический смысл коэффициента детерминации. Расчет функции эластичности в линейной эконометрической модели.

    контрольная работа [18,1 K], добавлен 23.11.2009

  • Газовая промышленность как составная часть топливно-энергетического комплекса РФ. Потребление природного газа в России, анализ факторов, обуславливающих его спрос на внутреннем рынке. Эконометрическое моделирование спроса на газ на внутреннем рынке РФ.

    дипломная работа [552,6 K], добавлен 14.11.2012

  • Теоретические основы эконометрического анализа рождаемости в России. Эконометрика и эконометрическое моделирование. Парная регрессия и корреляция. Многомерный эконометрический анализ уровня рождаемости в России: с помощью множественной и парной регрессии.

    курсовая работа [1,5 M], добавлен 25.03.2014

  • Моделирование экономических процессов с помощью однофакторной регрессии. Оценка параметров проекта методом наименьших квадратов. Расчет коэффициента линейной корреляции. Исследование множественной эконометрической линейной схемы на мультиколлинеарность.

    курсовая работа [326,5 K], добавлен 19.01.2011

  • Методы исследования и моделирования социально-экономических систем. Этапы эконометрического моделирования и классификация эконометрических моделей. Задачи экономики и социологии труда как объект эконометрического моделирования и прогнозирования.

    курсовая работа [701,5 K], добавлен 14.05.2015

  • Изучение понятия имитационного моделирования. Имитационная модель временного ряда. Анализ показателей динамики развития экономических процессов. Аномальные уровни ряда. Автокорреляция и временной лаг. Оценка адекватности и точности трендовых моделей.

    курсовая работа [148,3 K], добавлен 26.12.2014

  • Описание факторов рынка подержанных автомобилей. Эконометрическое моделирование исходных данных. Модель регрессии с добавленными фиктивными переменными наблюдений. Точечные и интервальные внутри-выборочные прогнозы для продажной стоимости автомашин.

    курсовая работа [921,9 K], добавлен 03.04.2014

  • Определение и роль валютного курса. Конъюнктурные и структурные факторы, влияющие на его изменение. Понятие инфляции и ее темпы. Исследование изменения курса валют и инфляции с помощью графиков ряда динамики и трендов и уравнения множественной регрессии.

    курсовая работа [927,8 K], добавлен 12.05.2015

  • Построение эконометрических моделей и адекватная оценка их параметров для принятия обоснованных экономических решений. Проведение анализа и краткосрочного прогнозирования урожайности зерновых культур в Нижнем Поволжье методом многократного выравнивания.

    реферат [51,4 K], добавлен 25.02.2011

  • Основы понятия финансового рынка. Методы нахождения параметров уравнения тренда. Метод временного ряда на примере продажи акций. Производный финансовый инструмент (дериватив). Екстраполяция тенденции как метод прогнозирования. Валютный рынок Форекс.

    курсовая работа [398,4 K], добавлен 25.02.2011

  • Построение линейной модели и уравнения регрессии зависимости цены на квартиры на вторичном рынке жилья в Москве в 2006 г. от влияющих факторов. Методика составления матрицы парных коэффициентов корреляции. Экономическая интерпретация модели регрессии.

    лабораторная работа [1,8 M], добавлен 25.05.2009

  • Миграция населения как перемещение людей через границы определенных территорий со сменой постоянного места жительства или возвращения к нему. Знакомство с основными особенностями эконометрического моделирования миграции населения Пензенской области.

    курсовая работа [2,0 M], добавлен 23.02.2016

  • Тесты, с помощью которых можно построить эконометрические модели. Эконометрическое моделирование денежного агрегата М0, в зависимости от валового внутреннего продукта и индекса потребительских цен. Проверка рядов на стационарность и гетероскедастичность.

    курсовая работа [814,0 K], добавлен 24.09.2012

  • Теория и анализ временных рядов. Построение линии тренда и прогнозирование развития случайного процесса на основе временного ряда. Сглаживание временного ряда, задача выделения тренда, определение вида тенденции. Выделение тригонометрической составляющей.

    курсовая работа [722,6 K], добавлен 09.07.2019

  • Динамика распространения безналичных платежей с использованием банковских карт и региональные специфики рынка эквайринга в России. Построение эконометрических моделей для выявления факторов, влияющих на скорость и уровень распространения инноваций.

    дипломная работа [1,2 M], добавлен 17.10.2016

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.