Расчет эконометрических показателей
Определение результирующей и объясняющей переменных. Выяснение формы и направления связи между результативным и факторным признаком. Информационные технологии эконометрических исследований. Множественная регрессионная модель. Модели временных рядов.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 24.01.2017 |
Размер файла | 332,6 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/
ЧАСТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВО
ЦЕНТРОСОЮЗА РОССИЙСКОЙ ФЕДЕРАЦИИ
СИБИРСКИЙ УНИВЕРСИТЕТ
ПОТРЕБИТЕЛЬСКОЙ КООПЕРАЦИИ
Якутский филиал
КОНТРОЛЬНАЯ РАБОТА
По предмету ЭКОНОМЕТРИКА
Группа ЭП-15
Иванова Сахаайа Анатольевна
1. Теоретические основы эконометрики
Определите, какие из перечисленных показателей относятся к временным данным, а какие к пространственным:
Решение:
Временные данные |
Пространственные данные |
|
2) изменение курса акций; 3) динамика потребительских цен; 7) изменение курса евро за неделю; 8) товарооборот магазина за 5 лет; 10) изменение рождаемости за первое полугодие в Новосибирской области |
1) урожайность ячменя в хозяйствах области; 4) валовой сбор зерновых в 2003 году в хозяйствах области; 5) объем производства предприятий области; 6) товарооборот магазинов торговой сети; 9) показатель рождаемости регионов России |
Определите, какие из перечисленных показателей относятся к качественным, а какие к количественным:
Качественные показатели |
Количественные показатели |
|
3) площадь помещения; 4) тип строения здания; 6) марка автомобиля; 8) образование; 10) форма собственности предприятия. |
1) урожайность; 2) численность работников; 5) товарооборот; 7) прибыль; 9) ассортимент выпускаемой продукции; |
Определите в приведенных ниже парах показателей результирующую и объясняющую переменные
Результирующие переменные |
Объясняющие переменные |
|
1) товарооборот 2) товарооборот магазина 3) среднемесячная заработная плата 4) объем произведенной продукции 5) количество внесенных минеральных удобрений 6) стоимость квартиры |
прибыль магазина торговая площадь стаж работника стоимость основных фондов валовой сбор овощей количество комнат |
2. Корреляция и регрессия
1.1. Определите форму и направление связи между результативным и факторным признаком, используя графический метод и метод сопоставления параллельных рядов.
Рис. 1 Диаграмма зависимости
Анализируя диаграмму, можно прийти к выводу, что на рисунке прослеживается линейная закономерность.
Значит форма связи объемом розничного товарооборота и объемом промышленного оборота линейная.
Вывод, что между объемом розничного товарооборота и объемом промышленного оборота связь прямая, т.е. с ростом объемом розничного товарооборота растет объемом промышленного оборота.
1.2. Определите направление и тесноту связи между результирующей переменной Y и объясняющей переменной Х с помощью линейного коэффициента корреляции, если известны следующие данные:
и , b=10.
Связь между результирующей переменной «Y» и объясняющей переменной «Х» прямая (т.к. линейный коэффициент корреляции положительный), весьма высокая (т.к. значение линейного коэффициента корреляции попадает в интервал выше 0,99 по шкале Чеддока).
1.1. Определите виды регрессии:
- это множественная линейная регрессия, т.к. здесь прямая зависимость между у - результирующей переменной и объясняющими переменными , е - дополнительный остаточный член.
- это простая экспоненциальная зависимость между y - результирующей переменной и объясняющей переменной х, в основании е - экспонента, а в степени - дополнительный остаточный член.
3. Информационные технологии эконометрических исследований
Опишите историю и цель создания, а также основные функции и характеристики специализированных эконометрических пакетов.
Значение |
Наименование пакета |
|
204 |
EViews |
EViews (Econometric Views) - эконометрическое программное приложение, позволяющее вводить и обрабатывать статистические данные, проводить графический анализ, строить эконометрические модели. Версия 1.0 была выпущена в марте 1994 года и заменил MicroTSP. [1] TSP программное обеспечение и язык программирования был первоначально разработан Роберт Холл в 1965 г. Текущая версия EViews 9.5, выпущенный в марте 2016 года.
EViews могут быть использованы для общего статистического анализа и эконометрического анализа, таких как поперечное сечение и анализа панельных данных и временных рядов оценки и прогнозирования.
EViews сочетает в себе электронную таблицу и технологию реляционных баз данных с традиционными задачами, найденных в статистическом программном обеспечении, и использует Windows, графический интерфейс пользователя. Это в сочетании с языком программирования, который содержит ограниченную ориентацию объекта. Enterprise издание EViews позволяет получить доступ к 3 - й серии данных партии время от нескольких поставщиков, включая: Thomson Reuters Datastream, FactSet, Economy.com Moody ' s, макросвязи Финансовый и CEIC.
EViews в значительной мере опирается на патентованной и незарегистрированной формат файла для хранения данных. Тем не менее, для ввода и вывода он поддерживает множество форматов, включая формат банка данных, форматы Excel, ГАЭС/ SPSS, DAP / SAS, Stata, РАТС и TSP. EViews может получить доступ к ODBC баз данных. Eviews форматы файлов могут быть частично открыт Gretl.
4. Парная регрессионная модель
4.1. Назовите этапы эконометрического исследования.
4.2. По Российской Федерации за 2011 год известны значения двух признаков, представленных в таблице.
Решение.
4.1. Выделяют семь основных этапов эконометрического исследования:
1) постановочный этап;
2) априорный этап;
3) этап параметризации (моделирования);
4) информационный этап;
5) этап идентификации модели;
6) этап оценки качества модели;
7) этап интерпретации результатов моделирования.
4.2. Найдем коэффициенты парной линейной регрессионной модели:
,
Получили уравнение регрессии:
.
Значит, с увеличением среднего денежного дохода на 1 руб. доля расходов на покупку продовольственных товаров снижается в среднем 0,005 процентных пункта.
Линейный коэффициент парной корреляции (связь слабая, обратная).
Найдем коэффициент детерминации . Вариация результата Y на 15,21 % объясняется вариацией фактора X.
Средняя ошибка аппроксимации , что говорит о средней ошибке аппроксимации (допустимые пределы).
,
Проверяем F-критерий Фишера, для этого сравним 4,96<107), значит - гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность с вероятностью
1-б=1-0,05=0,95.
Общий вывод: Линейная парная модель хорошо описывается изучаемую закономерность, т.к. выполняются условия по коэффициенту детерминации и средней ошибке аппроксимации.
5. Множественная регрессионная модель
Решение:
б=204
1) Уравнение многофакторной регрессии:
Экономическая интерпретация полученной модели:
Квартиры в районе А стоят 15,5% дешевле, чем в районе В. При увеличении общей площади на 1 стоимость квартиры возрастает на 1,25 тыс. $. При увеличении жилой площади на 1 стоимость квартиры увеличивается на 0,2 тыс. $. При увеличении площади кухни на 1 стоимость квартиры увеличивается на 0,8 тыс. $. При увеличении этажа на среднего и крайнего увеличивается на 0,05 тыс. $. При увеличении дома на кирпичный и панельный увеличивается на 24,8 тыс. $. При увеличении срока сдачи на 1 мес. Стоимость квартиры уменьшается 0,4 тыс. $.
Минимальный объем выборки:
,
т.е. для получения статистической значимой модели необходимо отобрать 45 квартир и собрать по ним необходимые данные.
2) В модели использована 1 фиктивная переменная, наименование района, т.к. в построении модели участвуют 2 района - «а» и «б», которым присвоены количественные значения «1» и «2» соответственно.
3) Проверим факторы на мультиколлинеарность:
- это условие выполняется для следующих пар факторов и , и и , : .
Найдены мультиколлинеарные факторы.
Для устранения мультиколлинеарности используется метод исключения переменных.
Рассмотрим первую пару мультиколлинеарных факторов . Для исключения переменных необходимо знать, как из каждой факторных признаков связан с результативным признаком Y. Эта зависимость отражается в последней строке матрицы парной корреляции. Итак, , , .
Найдены мультиколлинеарные факторы.
Для устранения мультиколлинеарности используется метод исключения переменных.
Будем исключать факторы, имеющие наименьшее значение .
Рассмотрим первую пару мультиколлинеарных факторов .
Итак, , . Сравнение: 0,899 > 0,690. Следовательно, в модели множества включить, т.к. его связь с результативным признаком больше, чем у . Аналогично, рассматриваются следующие пары.
Вторая пара ; , . 0,885 > 0,690. Следовательно, в модели множества включить, т.к. его связь с результативным признаком больше, чем у . Аналогично, рассматриваются следующие пары.
Третья пара ; , . 0,855 > 0,690. Следовательно, в модели множества включить, т.к. его связь с результативным признаком больше, чем у .
4.
,
регрессионный переменная эконометрический ряд
т.е. для получения статистической значимой модели необходимо отобрать 30 квартир и собрать по ним необходимые данные.
7. Модели временных рядов
Месяц |
Доход, тыс. руб |
t |
cost |
sint |
y*cost |
y*sint |
Yt |
|
Январь |
33,45 |
0 |
1 |
0 |
33,45 |
0 |
33,5 |
|
Февраль |
33,12 |
0,5236 |
0,87 |
0,5 |
28,8144 |
16,56 |
33,2242 |
|
Март |
34,9 |
1,0472 |
0,5 |
0,87 |
17,45 |
30,363 |
35,6151 |
|
Апрель |
38,95 |
1,5708 |
0 |
1 |
0 |
38,95 |
39,9565 |
|
Май |
48,4 |
2,0944 |
-0,5 |
0,87 |
-24,2 |
42,108 |
45,0781 |
|
Июнь |
48,4 |
2,61799 |
-0,87 |
0,5 |
-42,108 |
24,2 |
49,6898 |
|
Июль |
51,23 |
3,14159 |
-1 |
0 |
-51,23 |
0 |
52,4205 |
|
Август |
53,33 |
3,66519 |
-0,87 |
-0,5 |
-46,397 |
-26,665 |
52,6908 |
|
Сентябрь |
50,18 |
4,18879 |
-0,5 |
-0,87 |
-25,09 |
-43,657 |
50,2999 |
|
Октябрь |
45,5 |
4,71239 |
0 |
-1 |
0 |
-45,5 |
45,9585 |
|
Ноябрь |
41,5 |
5,23599 |
0,5 |
-0,87 |
20,75 |
-36,105 |
40,8369 |
|
Декабрь |
36,53 |
5,75959 |
0,87 |
-0,5 |
31,7811 |
-18,265 |
36,2252 |
|
сумма |
515,49 |
34,5575 |
-56,78 |
-18,011 |
515,496 |
Получаем значения коэффициентов:
= 42,9575; (-56,78) = -9,463; (-18,011)=-3,001
Модель сезонных колебаний дохода торгового предприятия:
График ряда Фурье по фактическим данным
7. Модели с распределенным лагом
=
=204+154+51+201
154+51=205. Следовательно, увеличение факторного показателя на одну единицу своего измерения приведет к среднему росту результативного показателя на 205 единиц своего измерения в момент времени t+1.
Долгосрочный мультипликатор равен 154+51+201=406. В долгосрочной перспективе увеличение факторного показателя на одну единицу своего измерения приведет к среднему росту результативного показателя на 406 единиц своего времени.
Вклад каждого лага в модель равен:
Следовательно, 38%общего увеличения результативного показателя происходит в текущем моменте времени; 12% в момент времени (t+1); 50% в момент времени (t+2).
Проверим свойство,
0,38+0,12+0,5=1
Средний лаг модели равен:
= 0+0.12+1=1.12
Большая величина лага подтверждает, что большая часть эффекта роста результативного признака проявляется в течение длительного периода времени.
8. Цепи Маркова
0,38 0,05
0,222
Граф состояний системы А с заданными вероятностями перехода
Составим матрицу переходных вероятностей:
Зададим вектор начальных вероятностей:
P(0)= т.е.
Определим вероятности состояний после второго шага (после первого года):
*
*
*
Определим вероятности состояний после второго шага (после второго года):
*
*
*
Можно сделать вывод, что через два года только 44% покупателей будут покупать продукцию А1, около 113 % покупателей - А3, и число покупателей продукции А2 увеличится в 1,1 раза.
9. Система эконометрических уравнений
Проверим, идентифицированы ли уравнения модели «спрос-предложение» с помощью необходимого условия:
Решение: , , - эндогенные переменные, соответственно величины спроса, предложения и цены. Для каждого из уравнений n = 2, Р=0. Следовательно, P+1<n, это означает, что оба они неидентифицируемы. В этом случае изменяют модель так, чтобы она, с одной стороны, содержала основные эндогенные и экзогенные переменные, которые определяют спрос и предложение, а с другой - был эконометрически разрешима.
Размещено на Allbest.ru
...Подобные документы
Определение формы связи между связи между факторным признаком (производственными затратами) и результативным (окупаемостью затрат). Расчет коэффициентов регрессии, корреляции, детерминации, эластичности, доверительного интервала прогноза окупаемости.
курсовая работа [67,0 K], добавлен 10.12.2013Тесты, 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 24.09.2012Модели стационарных и нестационарных рядов, их идентификация. Системы эконометрических уравнений, оценка длины периода. Определение и свойства индексов инфляции. Использование потребительской корзины и индексов инфляции в экономических расчетах.
книга [5,0 M], добавлен 19.05.2010Основные этапы эконометрического исследования. Система совместных, одновременных уравнений. Понятие эконометрических уравнений. Система независимых уравнений. Пример модели авторегрессии. Система линейных одновременных эконометрических уравнений.
курсовая работа [41,2 K], добавлен 17.09.2009Основы построения и тестирования адекватности экономических моделей множественной регрессии, проблема их спецификации и последствия ошибок. Методическое и информационное обеспечение множественной регрессии. Числовой пример модели множественной регрессии.
курсовая работа [3,4 M], добавлен 10.02.2014Практика применения эконометрических методов выходит за границы классической математико-статистической теории. Схема последовательного анализа А. Вальда или схема оценивания степени полинома в регрессии путем последовательной проверки адекватности модели.
реферат [64,9 K], добавлен 08.01.2009Этапы и проблемы эконометрических исследований. Параметры парной линейной регрессии. Оценка тесноты связи с помощью показателей корреляции и детерминации. Расчет коэффициентов автокорреляции второго порядка для временного ряда расходов на потребление.
контрольная работа [60,3 K], добавлен 05.01.2011Использование эконометрических моделей в оценке цены на недвижимость. Методы искусственных нейронных сетей и влияние экзогенных переменных. Анализ чувствительности, который позволяет оценить влияние входных переменных на рыночную цену недвижимости.
практическая работа [1,0 M], добавлен 01.07.2011Временные ряды и их характеристики. Факторы, влияющие на значения временного ряда. Тренд и сезонные составляющие. Декомпозиция временных рядов. Метод экспоненциального сглаживания. Построение регрессионной модели. Числовые характеристики переменных.
контрольная работа [1,6 M], добавлен 18.06.2012Системы эконометрических уравнений. Структурные и приведенные системы одновременных уравнений. Проблема идентификации. Необходимое и достаточное условие идентификации. Оценивание параметров структурной модели. Косвенный метод наименьших квадратов.
контрольная работа [900,9 K], добавлен 29.06.2015Множественная корреляция и линейная регрессия. Оценка прогнозных качеств модели. Простейшие методы линеаризации. Вероятностный эксперимент, событие или вероятность. Фиктивные переменные в регрессионных моделях. Системы эконометрических уравнений.
курс лекций [2,0 M], добавлен 13.02.2014Вычисление уравнений регрессии для различных показателей продукции. Определение выборочной корреляции между двумя величинами. Расчет коэффициента детерминации и статистики Дарбина-Уотсона. Вычисление выборочной частной автокорреляции 1-го порядка.
контрольная работа [29,7 K], добавлен 07.05.2009Разработка и исследование эконометрических методов с учетом специфики экономических данных и в соответствии с потребностями экономической науки и практики. Применение эконометрических методов и моделей для статистического анализа экономических данных.
реферат [43,1 K], добавлен 10.01.2009Множественная линейная регрессия: спецификация модели, оценка параметров. Отбор факторов на основе качественного теоретико-экономического анализа. Коэффициент регрессии при фиктивной переменной. Проблемы верификации модели. Коэффициент детерминации.
контрольная работа [88,0 K], добавлен 08.09.2014Проектирование регрессионной модели по панельным данным. Скрытые переменные и индивидуальные эффекты. Расчет коэффициентов однонаправленной модели с фиксированными эффектами по панельным данным в MS Excel. Выбор переменных для построения данной регрессии.
курсовая работа [2,3 M], добавлен 26.08.2013Классические подходы к анализу финансовых рынков, алгоритмы машинного обучения. Модель ансамблей классификационных деревьев для прогнозирования динамики финансовых временных рядов. Выбор алгоритма для анализа данных. Практическая реализация модели.
дипломная работа [1,5 M], добавлен 21.09.2016Степень тесноты и характера направления зависимости между признаками. Парная линейная корреляционная зависимость, ее корреляционно-регрессионный анализ. Исследование связи между одним признаком-фактором и одним признаком-результатом, шкала Чеддока.
методичка [75,0 K], добавлен 15.11.2010Построение модели парной регрессии и расчет индекса парной корреляции. Построение производственной функции Кобба-Дугласа, коэффициент детерминации . Зависимость среднедушевого потребления от размера дохода и цен. Расчет параметров структурной модели.
контрольная работа [1,6 M], добавлен 05.01.2012Построение 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 13.10.2011Построение корреляционного поля зависимости между y и x1, определение формы и направления связи. Построение двухфакторного уравнения регрессии y, x1, x2, оценка показателей тесноты связи. Оценка модели через F-критерий Фишера и t-критерий Стьюдента.
лабораторная работа [1,0 M], добавлен 23.01.2011