ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВПО
Всероссийский заочный финансово-экономический институт
Филиал в г. Архангельске
Кафедра экономико-математических методов и моделей
ЛАБОРАТОРНАЯ РАБОТА
по дисциплине «эконометрика»
Вариант №5
Выполнила студентка
3 курса группы №2 «периферия»
специальности «финансы и кредит»
№ л/д:07ФФД10522
Лукина Мария Александровна
Проверил преподаватель
Бан Татьяна Михайловна
Архангельск – 2010
Постановка задачи
Наименование задачи: анализ предприятий одной отрасли РФ – 1.
Цель задачи – проанализировать экономическую деятельность предприятий.
Условие задачи: имеются данные (см. таб. 1) об экономической деятельности предприятий одной отрасли РФ в 1997г.:
Y – прибыль от реализации продукции, млн. руб.;
X1 – численность промышленно – производственного персонала, чел.;
X3 – среднегодовая стоимость основных фондов, млн. руб.;
X4 – электровооружённость, кВт∙ч;
X5– техническая вооружённость одного рабочего, млн. руб.
№ наблюдения |
Прибыль от реализации продукции, млн. руб. |
Численность промышленно-производствен-ного персонала, чел. |
Среднегодовая стоимость основных фондов, млн. руб. |
Электровоору-женность, кВтЧч. |
Техническая вооруженность одного рабочего, млн. руб. |
Y |
X1 |
X3 |
X4 |
X5 |
|
1 | 7960 | 864 | 16144 | 4,9 | 3,2 |
2 | 42392 | 8212 | 336472 | 60,5 | 20,4 |
3 | 9948 | 1866 | 39208 | 24,9 | 9,5 |
4 | 15503 | 1147 | 63273 | 50,4 | 34,7 |
5 | 9558 | 1514 | 31271 | 5,1 | 17,9 |
6 | 10919 | 4970 | 86129 | 35,9 | 12,1 |
7 | 2631 | 1561 | 48461 | 48,1 | 18,9 |
8 | 18727 | 4197 | 138657 | 69,5 | 12,2 |
9 | 18279 | 6696 | 127570 | 31,9 | 8,1 |
10 | 39689 | 5237 | 208900 | 139,4 | 29,7 |
11 | -984 | 547 | 6922 | 16,9 | 5,3 |
12 | 5431 | 710 | 8228 | 17,8 | 5,6 |
13 | 2861 | 940 | 18894 | 27,6 | 12,3 |
14 | -1123 | 3528 | 27486 | 13,9 | 3,2 |
15 | 203892 | 52412 | 1974472,00 | 37,3 | 19 |
16 | 16304 | 4409 | 162229 | 55,3 | 19,3 |
17 | 35218 | 6139 | 128731 | 35,1 | 12,4 |
18 | 857 | 802 | 6714 | 14,9 | 3,1 |
19 | 116 | 442 | 478 | 0,2 | 0,6 |
20 | 1021 | 2797 | 60209 | 37,2 | 13,1 |
21 | 102843 | 10280 | 540780 | 74,45 | 21,5 |
22 | 10035 | 4560 | 108549 | 32,5 | 13,2 |
23 | 6612 | 3801 | 169995 | 75,9 | 27,2 |
24 | 163420 | 46142 | 972349 | 27,5 | 10,8 |
25 | 2948 | 2535 | 163695 | 65,5 | 19,9 |
Таб.1. Исходные данные
Задание
Рассчитать параметры линейного уравнения множественной регрессии с полным перечнем факторов.
Оценить статистическую значимость параметров регрессионной модели с помощью t – критерия, проверить нулевую гипотезу о значимости уравнения с помощью F – критерия (α=0,05), оценить качество уравнения регрессии с помощью коэффициента детерминации.
Отобрать информативные факторы в модель по t – критерию для коэффициентов регрессии. Построить модель только с информативными факторами и оценить её параметры. Дать оценку влияния значимых факторов на результат с помощью коэффициентов эластичности, β- и Δ – коэффициентов.
Рассчитать прогнозные значения результата, если прогнозные значения факторов составляют 80% от их максимальных значений.
1. Рассчитаем параметры линейного уравнения множественной регрессии с полным перечнем факторов, используя инструмент «регрессия» пакета анализа. В массив «входной интервал Y» вводим диапазон ячеек, содержащих значения результата Y – B2:B27; в массив «входной интервал X» вводим диапазон ячеек, содержащих значения фактора X – C2:D27, активизируем флажки «метки», «новый рабочий лист» и «остатки», затем нажимаем клавишу «ок».
В результате получаем следующее линейное уравнение множественной регрессии:
2а. Оценим статистическую значимость параметров регрессионной модели с помощью t – критерия. Фактор xj является статистически значимым, если параметр aj при этом факторе значим. Для проверки значимости параметра aj используем столбец «t – статистка» таблицы 4 дисперсионного анализа приложения 2.
Имеем:
Сравним расчётные значения t – критерия с табличным значением tтабл.=2,064.
, значит, параметр a0 незначим.
, значит, параметр a1 значим, и фактор x1 при данном параметре является статистически значимым, его следует включить в модель.
, значит, параметр a3 значим и фактор x3
, значит, параметр a4 незначим, и фактор x4 при данном параметре не является статистически значимым, его следует исключить из модели.
, значит, параметр a4 незначим, и фактор x4 при данном параметре не является статистически значимым, его следует исключить из модели.
2б. Проверим нулевую гипотезу о значимости уравнения с помощью F – критерия (α=0,05). Для этого находим расчётное значение данного критерия с помощью функции «FРАСПОБР» мастера функций Excel: в массив «вероятность» вводим значение уровня значимости α=0,05, в массив «число степеней свободы1» вводим значение k1=m=2 (т.к. в модели 2 фактора: х 1 и х 3), в массив «число степеней свободы2» вводим значение k2=n-m-1=25-2-1=24. Затем полученное расчётное значение Fрасч.=3,403 сравниваем с табличным значением Fтабл.=80,419, которое берём из столбца «F» таблицы 4 дисперсионного анализа.
3,403<80,419, значит, уравнение регрессии незначимо.
2в. Проверим качество уравнения регрессии с помощью коэффициента детерминации по следующей формуле по данным таблицы 7(см. приложение 3):
,
значит, построенная линейная модель множественной регрессии точная, а значит, и качественная.
3а. Отобранные информативные факторы в модель по t - критерию для коэффициентов регрессии представлены в таблице 6 приложения 3. Построим модель только с информативными факторами x1 и x3, используя инструмент «регрессия» пакета анализа данных (см. приложение 5).
В результате получаем следующее линейное уравнение множественной регрессии:
.
3б. Оценим влияние значимых факторов на результат с помощью коэффициентов эластичности, β- и Δ-коэффициентов. Вычислим коэффициент эластичности для фактора х1 последующей формуле:
-
если фактор х1 увеличить на 1%, то результат y увеличится на 50%.
Аналогично находим коэффициент эластичности для фактора х3:
-
если фактор х3 увеличить на 1%, то результат y увеличится на 42%.
Находим β-коэффициенты. Для этого сначала вычислим СКО x1 и x3, используя функцию СТАНДОТКЛОН мастера функций Excel. В ячейку С32 вводим формулу:
= СТАНДОТКЛОН (С7:С31).
Аналогичную формулу вводим в ячейку D32 для нахождения СКО для фактора х3:
= СТАНДОТКЛОН(D7: D31).
Полученные значения Sxj подставим в формулы (*) и (**). В ячейку С35 вводим формулу:
=G35*C32/B32.
В ячейку D35 вводим формулу:
=H35*D32/B32.
(*)
.(**)
Получаем:
Если фактор х1 увеличить на Sx1=12994,033, то результат y изменится на
Если фактор х3 увеличить на Sx3=422015,64, то результат изменится на
Для нахождения Δ-коэффициента вычислим сначала коэффициент парной корелляции, используя инструмент «корелляция» пакета анализа данных, затем его значения подставляем в формулу:
.
В ячейку С36 вводим формулу:
=0,956*С35/0,935.
Получаем: , значит, 50% влияния оказывает фактор х1.
Аналогично находим Δ-коэффициент для фактора х3. В ячейку D36 вводим формулу:
=0,954*D35/0,935.
Получаем: , значит, 47% влияния оказывает фактор х3.
4. Найдём прогнозные значения результата y, если прогнозные значения факторов x составляют 80% от их максимальных значений.
- интервальный прогноз.
- средняя квадратическая ошибка прогноза.
- точечный прогноз.