Эконометрика: примеры решения задач

Оценка коэффициента линейной регрессии по методу наименьших квадратов. Модель кейнсианского типа. Определение эмпирических коэффициентов регрессии и корреляции в случае линейной модели регрессии. Решение системы нормальных уравнений по формулам Крамера.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 19.10.2013
Размер файла 129,9 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/

Размещено на http://www.allbest.ru/

РОССИЙСКАЯ ФЕДЕРАЦИЯ

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ

ФГБОУ ВПО «ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

ИНСТИТУТ ДИСТАНЦИОННОГО ОБРАЗОВАНИЯ

СПЕЦИАЛЬНОСТЬ «Финансы и кредит»

Контрольная работа

По дисциплине: Эконометрика

Вариант № 1

Выполнил:

Гаджиева С.А.

Когалым, 2013

Задача 1

Имеется информация за 10 лет относительно среднего дохода и среднего потребления (млн. руб.):

1. Оцените коэффициенты линейной регрессии по методу наименьших квадратов.

2. Проверьте статистическую значимость оценок теоретических коэффициентов при уровне значимости .

3. Рассчитайте 95%-е доверительные интервалы для теоретических коэффициентов регрессии.

4. Спрогнозируйте потребление при доходе и рассчитайте 95% доверительный интервал для условного математического ожидания .

5. Рассчитайте границы интервала, в котором будет сосредоточено не менее 95% возможных объемов потребления при доходе .

6. Оцените на сколько изменится потребление, если доход вырастет на 3 млн.руб.

7. Рассчитайте коэффициент детерминации .

8. Рассчитайте - статистику для коэффициента детерминации и оцените его статистическую значимость.

Решение

1) Оценим коэффициенты линейной регрессии Y = 0 +1Х + по методу наименьших квадратов. Согласно методу наименьших квадратов система нормальных уравнений имеет вид:

Расчет необходимых сумм сведем в таблицу (см. табл.1)

Таблица 1

Год

х

у

yx

х2

у2

1990

10,5

8,115

85,208

110,25

65,853

1991

11,6

10,03

116,348

134,56

100,601

1992

12,3

8,409

103,431

151,29

70,711

1993

13,7

12,07

165,359

187,69

145,685

1994

14,5

12,44

180,380

210,25

154,754

1995

16,1

11,35

182,735

259,21

128,823

1996

17,3

12,76

220,748

299,29

162,818

1997

18,7

13,92

260,304

349,69

193,766

1998

20,1

17,28

347,328

404,01

298,598

1999

21,8

17,49

381,282

475,24

305,9

Сумма

156,6

123,864

2043,122

2581,48

1627,509

Среднее

15,66

12,386

204,312

258,148

162,751

Система нормальных уравнений примет вид:

Решим её по формулам Крамера (методом определителей):

коэффициент линейный регрессия корреляция

Итак, уравнение линейной регрессии будет иметь вид: .

2) Проверим статистическую значимость оценок b0,b1 теоретических коэффициентов 0,1 при уровне значимости = 0,05 при помощи t-статистики Стьюдента.

Выдвигаем гипотезу Н0 о статистически незначимом отличии показателей от нуля: = =0.

tтабл для числа степеней свободы df=n-2=10-2=8 и = 0,05 составит 2,31.

Определим случайные ошибки и по формулам:

Расчет необходимых сумм сведем в таблицу (табл.2)

Таблица 2

N

х

у

2

2

1990

10,5

8,115

-5,16

26,63

8,26

0,14

0,02

1991

11,6

10,03

-4,06

16,48

9,14

-0,89

0,80

1992

12,3

8,409

-3,36

11,29

9,70

1,29

1,66

1993

13,7

12,07

-1,96

3,84

10,82

-1,25

1,57

1994

14,5

12,44

-1,16

1,35

11,46

-0,98

0,96

1995

16,1

11,35

0,44

0,19

12,74

1,39

1,94

1996

17,3

12,76

1,64

2,69

13,70

0,94

0,89

1997

18,7

13,92

3,04

9,24

14,82

0,90

0,82

1998

20,1

17,28

4,44

19,71

15,95

-1,33

1,78

1999

21,8

17,49

6,14

37,70

17,31

-0,18

0,03

Сумма

156,6

123,864

х

129,12

123,89

х

10,46

Среднее

15,66

12,3864

х

12,91

12,39

х

1,05

Находим фактические значения t-критерия:

< tтабл=2.31, т.е. статистически незначим.

> tтабл=2.31, т.е статистически значим.

3) Рассчитаем 95%-е доверительные интервалы для теоретических коэффициентов регрессии.

Определяем предельные ошибки для каждого показателя:

Доверительные интервалы:

С вероятностью p=1- = 0,95 параметры и , находясь в указанных границах, не принимают нулевых значений, т.е. существенно отличны от нуля.

4) Спрогнозируем среднее потребление Y при среднем доходе Х =23.

=18,268 ден. ед.

Полученное значение является выборочной оценкой условного математического ожидания .

Построим 95% доверительный интервал.

Искомый доверительный интервал составит:

Итак, среднее потребление для дохода Х=23 млн.руб. с надежностью 0,95 находится в пределах от 16,3738 млн.руб. до 20,1622 млн.руб.

5) Рассчитаем границы интервала, в котором будет сосредоточено не менее 95% возможных значений себестоимости при X =23.

Доверительный интервал находится по формуле:

Искомый доверительный интервал:

Итак, при Х=23 не менее 95% возможных значений потребления будет находится в пределах от 15,034 млн.руб. до 21,502 млн. руб.

6) Оценим на сколько изменится потребление, если доход вырастет на 3 млн.руб.

Судя по уравнению регрессии , при увеличении дохода на 3 млн.руб., потребление в среднем увеличится на 0,801*3=2,403 млн.руб.

7) Найдем коэффициент детерминации

Необходимые расчеты представлены в табл.3

Таблица 3

N

у

-

(-)2

у-

(у-)2

1990

8,115

8,256

-4,13

17,06

-4,27

18,24

1991

10,03

9,137

-3,25

10,56

-2,36

5,55

1992

8,409

9,697

-2,69

7,23

-3,98

15,82

1993

12,07

10,819

-1,57

2,46

-0,32

0,10

1994

12,44

11,460

-0,93

0,86

0,05

0,00

1995

11,35

12,741

0,36

0,13

-1,04

1,07

1996

12,76

13,702

1,32

1,73

0,37

0,14

1997

13,92

14,824

2,44

5,94

1,53

2,35

1998

17,28

15,945

3,56

12,67

4,89

23,95

1999

17,49

17,307

4,92

24,21

5,10

26,05

Сумма

123,86

123,89

x

82,85

x

93,28

,

т.е. 88,82% вариации потребления объяснено вариацией доходов.

8) Рассчитаем F - статистику для коэффициента детерминации и оценим его статистическую значимость.

Табличное значение F-критерия на уровне значимости 0,05 составляет .

Т.к. Fфакт=63,56 > , то коэффициент детерминации существенно отличен от нуля, т.е. является статистически значимым.

Задача 2

Имеется следующая модель кейнсианского типа:

где

Переменные являются эндогенными.

Определите, идентифицировано ли каждое из уравнений модели. Напишите приведенную форму модели.

Решение

Модель представляет собой систему одновременных уравнений. Модель включает в себя 4 эндогенные переменные Ct, It, Tt, Yt и две предопределенные переменные: экзогенную Gt и лаговую Yt-1.

Проверим необходимое условие идентификации для уравнений модели.

I уравнение (функция потребления).

Это уравнение включает в себя 3 эндогенные переменные Ct, Tt, Yt и ни одной предопределенной. Т.е., число предопределенных переменных, не входящих в это уравнение, равно 2. Тогда: 2+1=3, т.е. уравнение идентифицируемо.

II уравнение (функция инвестиций).

Содержит 1 эндогенную и 1 предопределенную переменные. Т.е., число предопределенных переменных, не входящих в это уравнение, равно 1. Тогда: 1+1=2 > 1, т.е. уравнение сверхидентифицируемо.

III уравнение (функция налогов).

Содержит 2 эндогенные и ни одной предопределенной. Т.е.: 2+1=3 > 2, т.е. уравнение сверхидентифицируемо.

IV уравнение (тождество доходов) представляет собой тождество, параметры которого известны. Необходимости в его идентификации нет.

Проверим для каждого из уравнений достаточное условие идентификации. Для этого составим матрицу коэффициентов при переменных модели (табл. 4)

Таблица 4

Ct

Yt

Tt

It

Yt-1

Gt

I уравнение

-1

b11

b12

0

0

0

II уравнение

0

0

0

-1

b21

0

III уравнение

0

b31

-1

0

0

0

Тождество

1

-1

0

1

0

1

В соответствии с достаточным условием идентификации определитель матрицы коэффициентов при переменных, не входящих в исследуемое уравнение, не должен быть равен нулю, а ранг матрицы должен быть не менее числа эндогенных переменных модели минус 1, т.е. 4-1=3.

I уравнение

Матрица коэффициентов при переменных, не входящих в уравнение, имеет вид

Определитель этой матрицы равен нулю, т.е. достаточное условие не выполняется.

II уравнение

Ее ранг равен трем, т.к. определитель квадратной подматрицы этой матрицы не равен нулю:

Итак, достаточное условие идентификации для этого уравнения выполняется.

III уравнение

Ее ранг равен трем, т.к. определитель квадратной подматрицы этой матрицы не равен нулю:

Итак, достаточное условие идентификации для этого уравнения выполняется.

Итак, только для первого уравнения не выполняется достаточное условие идентификации.

Остальные уравнения сверхидентифицированы.

Запишем приведенную форму модели:

, где V1,V2,V3,V4 - случайные ошибки.

Задача 3

Для оценки коэффициентов уравнения регрессии вычисления проведены в матричной форме.

Определите эмпирические коэффициенты регрессии.

Решение

Находим обратную матрицу А-1=(ХТХ)-1 по формуле , где - матрица, присоединенная к матрице ХТХ.

Далее находим алгебраические дополнения всех элементов транспонированной матрицы (ХТХ)Т и составляем из них присоединенную матрицу .

Затем находим обратную матрицу по формуле .

Получим:

Теперь получим вектор оценок по формуле : b=(ХТХ)-1ХТY

Получили: b0=28.16, b1=2.71, b2=-2.2.

Итак, уравнение регрессии будет иметь вид:

.

Задача 4

Коэффициент детерминации между переменными и равен 0,64. Каким будет коэффициент корреляции в случае линейной модели регрессии?

Решение

Коэффициент детерминации равен квадрату коэффициента корреляции. Т.е., если R2=0.64, то коэффициент корреляции составит: , что говорит о достаточно тесной, прямой связи между переменными.

Список использованной литературы

1. Кремер Н.Ш., Путко Б.Л. Эконометрика: Учебник для вузов. - М.: ЮНИТИ - ДАНА, 2002. - 569 с.

2. Практикум по эконометрике: Учебн. пособие. / Под ред. И.И. Елисеева и др. - М.: Финансы и статистика, 2004. - 485 с.

3. Эконометрика: Учебник. / Под ред. И.И. Елисеевой. - М.: Финансы и статистика, 2005. - 609 с.

Размещено на Allbest.ru

...

Подобные документы

  • Анализ метода наименьших квадратов для парной регрессии, как метода оценивания параметров линейной регрессии. Рассмотрение линейного уравнения парной регрессии. Исследование множественной линейной регрессии. Изучение ошибок коэффициентов регрессии.

    контрольная работа [108,5 K], добавлен 28.03.2018

  • Определение параметров уравнения линейной регрессии. Экономическая интерпретация коэффициента регрессии. Вычисление остатков, расчет остаточной суммы квадратов. Оценка дисперсии остатков и построение графика остатков. Проверка выполнения предпосылок МНК.

    контрольная работа [1,4 M], добавлен 25.06.2010

  • Параметры уравнения и экономическое толкование коэффициента линейной регрессии. Расчет коэффициентов детерминации и средних относительных ошибок аппроксимации. Построение структурной формы модели с использованием косвенного метода наименьших квадратов.

    контрольная работа [99,2 K], добавлен 27.04.2011

  • Методика определения параметров линейной регрессии, составления экономической интерпретации коэффициентов регрессии. Проверка выполнения предпосылок МНК. Графическое представление физических и модельных значений. Нахождение коэффициентов детерминации.

    контрольная работа [218,0 K], добавлен 25.05.2009

  • Выбор факторных признаков для двухфакторной модели с помощью корреляционного анализа. Расчет коэффициентов регрессии, корреляции и эластичности. Построение модели линейной регрессии производительности труда от факторов фондо- и энерговооруженности.

    задача [142,0 K], добавлен 20.03.2010

  • Понятие регрессии. Оценка параметров модели. Показатели качества регрессии. Проверка статистической значимости в парной линейной регрессии. Реализация регрессионного анализа в программе MS Excel. Условия Гаусса-Маркова. Свойства коэффициента детерминации.

    курсовая работа [233,1 K], добавлен 21.03.2015

  • Основные методы анализа линейной модели парной регрессии. Оценки неизвестных параметров для записанных уравнений парной регрессии по методу наименьших квадратов. Проверка значимости всех параметров модели (уравнения регрессии) по критерию Стьюдента.

    лабораторная работа [67,8 K], добавлен 26.12.2010

  • Определение параметров линейной регрессии и корреляции с использованием формул и табличного процессора MS Excel. Методика расчета показателей парной нелинейной регрессии и корреляции. Вычисление значений линейных коэффициентов множественной детерминации.

    контрольная работа [110,4 K], добавлен 28.07.2012

  • Параметры уравнения линейной регрессии. Вычисление остаточной суммы квадратов, оценка дисперсии остатков. Осуществление проверки значимости параметров уравнения регрессии с помощью критерия Стьюдента. Расчет коэффициентов детерминации и эластичности.

    контрольная работа [248,4 K], добавлен 26.12.2010

  • Оценка коэффициентов парной линейной регрессии, авторегрессионное преобразование. Трехшаговый и двухшаговый метод наименьших квадратов, его гипотеза и предпосылки. Системы одновременных уравнений в статистическом моделировании экономических ситуаций.

    курсовая работа [477,2 K], добавлен 05.12.2009

  • Поле корреляции и гипотеза о виде уравнения регрессии. Оценка величины влияния фактора на исследуемый показатель с помощью коэффициента корреляции и детерминации. Определение основных параметров линейной модели с помощью метода наименьших квадратов.

    контрольная работа [701,1 K], добавлен 29.03.2011

  • Задачи эконометрики, ее математический аппарат. Взаимосвязь между экономическими переменными, примеры оценки линейности и аддитивности. Основные понятия и проблемы эконометрического моделирования. Определение коэффициентов линейной парной регрессии.

    контрольная работа [79,3 K], добавлен 28.07.2013

  • Описание классической линейной модели множественной регрессии. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности. Оценка модели парной регрессии с наиболее значимым фактором. Графическое построение интервала прогноза.

    курсовая работа [243,1 K], добавлен 17.01.2016

  • 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

  • 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

  • Расчет параметров парной линейной регрессии. Оценка статистической значимости уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента. Построение матрицы парных коэффициентов корреляции. Статистический анализ с помощью ППП MS EXCEL.

    контрольная работа [1,6 M], добавлен 14.05.2008

  • Расчет зависимости товарооборота за месяц. Параметры уравнения множественной регрессии, их оценка методом наименьших квадратов. Получение системы нормальных уравнений, ее решение по методу Крамера. Экономическая интерпретация параметров уравнения.

    контрольная работа [45,6 K], добавлен 13.04.2014

  • Понятие модели множественной регрессии. Сущность метода наименьших квадратов, который используется для определения параметров уравнения множественной линейной регрессии. Оценка качества подгонки регрессионного уравнения к данным. Коэффициент детерминации.

    курсовая работа [449,1 K], добавлен 22.01.2015

  • Особенности расчета параметров уравнений линейной, степенной, полулогарифмической, обратной, гиперболической парной и экспоненциальной регрессии. Методика определения значимости уравнений регрессии. Идентификация и оценка параметров системы уравнений.

    контрольная работа [200,1 K], добавлен 21.08.2010

  • Понятие взаимосвязи между случайными величинами. Ковариация и коэффициент корреляции. Модель парной линейной регрессии. Метод наименьших квадратов, теорема Гаусса-Маркова. Сравнение регрессионных моделей. Коррекция гетероскедастичности, логарифмирование.

    курс лекций [485,1 K], добавлен 02.06.2011

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.