Практическая работа по "Эконометрике"

1 вариант.

2.

 [pic 1]

Проведем анализ коэффициентов парной корреляции. Зависимая переменная У имеет тесную связь с переменной Х2 (=0,841), и достаточно высокое влияние на нее оказывает переменная Х3(=0,584). Поэтому необходимо включить в уравнение регрессии факторы Х2 и Х3. Включать фактор Х1 нецелесообразно, т.к. он слабо воздействуют на У.

3. Y= -33,99+0,97x2-16,58х3, R2=0,718

Tст(-1,189)(5,65)(-0,96),   F=30,49

4. ??? Коэффициенты линейной регрессии в1 и в2 показывает, как в среднем изменяется зависимый экономический показатель у с изменением независимого фактора х на единицу. Коэффициент            в1 (= 0,97) показывает, что при увеличении полезной площади на 1 м2  цена в среднем увеличится на 0,97 тыс. долларов США. Коэффициент  в2 (= -16,58) показывает, что при увеличении этажей на 1 штуку уменьшится на 16,58 тыс. долларов США. Коэффициент а линейной регрессии экономического смысла не имеет.

5. Коэффициент детерминации R2=0,718 означает, что 71,8% вариации цены (у) объясняется вариацией фактора х2 – полезной площади; и фактора х3 – числом этажей, а 28,2% - действием других факторов, не включённых в модель. Чем ближе R2 к единице,  тем меньше доля вариации зависимой переменной, объясняемая случайными и неучеными факторами, тем лучше качество уравнения регрессии. Следовательно, так как R2=0,718, то качество модели хорошее.

6. F= 30,49, Fкр=3,40 при  вероятности равной 0,05

Поскольку F > Fкр при 5%-ном уровне значимости, то можно сделать вывод о значимости уравнения регрессии (связь доказана).

tст (-1,189)(5,65)(-0,96)

tкр = 2,06

Так как   | -1,189| <2,06,  5,65>2,06  и  | -0,96| >2,06   (| tрасч.| > t кр. ) , то коэффициент в не значим, а переменная х не оказывает существенное влияние на зависимую у.

7. Построенная модель имеет хорошее качество, является адекватной и ее параметры соответствуют экономической теории, следовательно, она может быть использована для составления прогноза. Прогноз работающих активов, если прогнозные значения независимых факторов будут составлять 112% их среднего уровня, будет равен 179 тыс.долл США. При этом х2пр=262,62 2., х3пр=2,53 штук.

8. Интервальный прогноз равен 179-2,06 и 179+2,06; 176,94 тыс.долл и 181,06 тыс.долл

Вариант 2

1. ДММ-1
2. Корреляционная матрица:

Зависимая переменная y имеет тесную связь с переменной х1 (= 0,859), х2 (= 0,3949). Фактор х3 включать в модель нецелесообразно, т.к. он слабо воздействует на у: = 0,1986[pic 2][pic 3][pic 4]

1. ŷ = 442,7+0,41х1+3,59х2

 = 0,785[pic 5]

F = 47,4

t = (6,8) (8,7) (2,3)

1. Коэффициенты при х =  0,41 (при х1), 3,59 (при х2). Они показывают, что при увеличении объема производства продукции на 1 тысячу единиц, потребление электроэнергии увеличится на 0,41 тыс. кВт*ч. Если уровень механизации труда увеличится на 1 процент, потребление электроэнергии – на 3,59 кВт*ч.
2. Качество модели определяется с помощью коэффициента детерминации. Коэффициент детерминации  = 0,785, а чем ближе он к 1, тем  меньше неучтённых факторов, т.е на 78,5% потребление электроэнергии зависит от объема производства продукции и уровня механизации, и на 21,5% от других факторов. [pic 6]
3. F= 47,4, Fкр=3,36 при  вероятности равной 0,05

Поскольку F > Fкр при 5%-ном уровне значимости, то можно сделать вывод о значимости уравнения регрессии. Построенная модель имеет хорошее качество, является адекватной и её параметры статистически значимы, следовательно, она может быть использована для составления прогноза.