Построение и экономический анализ однофакторной регрессионной модели
Автор: rmah • Декабрь 12, 2019 • Лабораторная работа • 1,446 Слов (6 Страниц) • 460 Просмотры
Уфимский Государственный Авиационный Технический Университет
Отчет
Лабораторные работы №1,2,3,4
1-Построение и экономический анализ однофакторной регрессионной модели
2- Построение и экономический анализ многофакторных регрессионных моделей
3-Оценка качества регрессионных моделей. Дисперсионный анализ
4-Эконометрический анализ изменчивости многофакторных систем
Уфа 2012г.
Цель работы: Приобретение практических навыков по эконометрическому анализу, моделированию и прогнозированию на основе регрессий с использованием компьютерного инструментария стастистико-математической обработки данных программы Statistica при построении и анализе однофакторной модели регрессии.
Задача работы: эконометрический анализ зависимости экономических показателей оборота розничной торговли и поступление налогов в бюджет, построить эту эконометрическую модель.
Предмет: Исследовать взаимосвязь показателей между розничной торговлей и поступлением налогов в бюджет.
Объект: Совокупность субъектов РФ
Исходные данные:
[pic 1]
Результаты линейного регрессионного анализа
[pic 2]
Анализ показывает , что R близок к 1, т.е. линейные аппроксимирующая функция хорошо отражает исследуемую зависимость поступления налогов от оборота розничной торговли.
Оценки параметров линейной регрессии
[pic 3]
Результаты регрессионного анализа показывают, что модель является статистически значимой , так как Fнабл>Fкр (416>4.54), параметры регрессии также значимы , наблюдаемые значения t –критерия по обоим параметрам превосходят табличные (4,65>2).
Регрессионная модель : Налоги=-1575.19+0.66*оборот ,R^2=0,97
Ст ош 338.67 0,03
Теоретические значения зависимой переменной и остатки
[pic 4]
Прогнозирование переменной Поступления налогов и сборов в бюджет
[pic 5]
Для оценки возможности улучшения построенное регрессии необходим анализ нелинейных регрессий влияния оборота розничной торговли на поступления налогов и сборов в бюджет .
Оценка параметров нелинейной модели регрессии
[pic 6]
[pic 7]
Анализ показывает , что уравнение степенной регрессии после оценивания неизвестных параметров примет вид:
Налоги = 0,035*оборот ^1.28 , R^2=0.9756
Оценка параметров нелинейной модели регрессии
[pic 8]
[pic 9]f
Анализ показывает , что уравнение степенной регрессии после оценивания неизвестных параметров примет вид:
Налоги=11905,8-49012/оборот . R^2=0.5
Результаты эконометрического моделирования
Регрессионная модель | Критерии выбора | ||||
Коэффициент детерминации R^2 | Средняя ошибка аппроксимации А | ||||
Налоги=2558+1,47*оборот | 0,97 | 0,11 | |||
Налоги =0,35*оборот^1,28 | 0,98 | 0,003 | |||
Налоги=11905,8-49012/оборот | 0,5 | 1,187705 | |||
Residual Values (101эмз6.sta) | Observed Values (101эмз6.sta) | ||||
НАЛОГИ | НАЛОГИ | ||||
Residual | Observd. | ||||
1 | -2019,216187 | 1 | 3395,6 | ||
2 | -14,48273754 | 2 | 4803,2 | ||
3 | -3024,589844 | 3 | 4508,4 | ||
4 | -2021,07666 | 4 | 4410,3 | ||
5 | -319,1665039 | 5 | 1567,3 | ||
6 | 2849,671875 | 6 | 1134,7 | ||
7 | -1333,30249 | 7 | 1780,4 | ||
8 | -2313,713135 | 8 | 2802,1 | ||
9 | 1692,681763 | 9 | 1250,5 | ||
10 | 110,575882 | 10 | 1894,2 | ||
11 | 2555,521484 | 11 | 1299,6 | ||
12 | 9673,167969 | 12 | 20054,9 | ||
13 | -710,9528198 | 13 | 2464,3 | ||
14 | -1248,719116 | 14 | 2365,5 | ||
15 | -3876,399414 | 15 | 1703,3 | ||
6,58035E-05 | 55434,3 | ||||
4,3869E-06 | 3695,62 | ||||
1,18705E-09 | 0,003074 | ||||
Вывод: Для проведения эконометрического анализа зависимости экономических показателей оборота розничной торговли и поступления налогов в бюджет исследовали результат линейного регрессионного анализа который показал, что значение R близко к 1, т.е функция хорошо отражает исследуемую зависимость . Результат регрессионного анализа показал, что модель является статистически значимой , параметры регрессии также значимы так, как значения t-критерия превосходят табличные. Для оценки возможности улучшения построенной регрессии провели анализ нелинейных регрессий. Выбрали нелинейную регрессионную модель построенную по степенной функции. Так как коэффициент детерминации приближен к 1 и средняя ошибка аппроксимации минимальна.
...