Решение задач по эконометрике

СОДЕРЖАНИЕ

Задание 1

Задание 2

Задание 3

Задание 4

Список использованной литературы

Задание 1

Имеются данные за 12 месяцев года по району города о рынке вторичного жилья (y – стоимость квартиры (тыс. у.е.), x – размер общей площади (м²)). Данные приведены в табл. 1.4.

Таблица 1

Месяц	1	2	3	4	5	6	7	8	9	10	11	12
у	22,5	25,8	20,8	15,2	25,8	19,4	18,2	21,0	16,4	23,5	18,8	17,5
х	29,0	36,2	28,9	32,4	49,7	38,1	30,0	32,6	27,5	39,0	27,5	31,2

Задание:

1.   Рассчитайте параметры уравнений регрессий

 и .

2.   Оцените тесноту связи с показателем корреляции и детерминации.

3.   Рассчитайте средний коэффициент эластичности и дайте сравнительную оценку силы связи фактора с результатом.

4.   Рассчитайте среднюю ошибку аппроксимации и оцените качество модели.

5.   С помощью F-статистики Фишера (при ) оцените надежность уравнения регрессии.

6.   Рассчитайте прогнозное значение , если прогнозное значение фактора увеличится на 5% от его среднего значения. Определите доверительный интервал прогноза для .

7.   Расчеты должны быть подробны, как показано в примере 1, и сопровождены пояснениями.

Решение

Составим таблицу расчетов 2.

Все расчеты в таблице велись по формулам

.

Таблица 2

	х	х2	у	ху	у2								А(%)
	29,0	841,0	22,5	652,5	506,3	2,1	-4,5	4,38	20,33	18,93	3,57	12,75	15,871
	36,2	1310,4	25,8	934,0	665,6	5,4	2,7	29,07	7,25	21,28	4,52	20,40	17,506
	28,9	835,2	20,8	601,1	432,6	0,4	-4,6	0,15	21,24	18,90	1,90	3,62	9,152
	32,4	1049,8	15,2	492,5	231,0	-5,2	-1,1	27,13	1,23	20,04	-4,84	23,43	31,847
	49,7	2470,1	25,8	1282,3	665,6	5,4	16,2	29,07	262,17	25,70	0,10	0,01	0,396
	38,1	1451,6	19,4	739,1	376,4	-1,0	4,6	1,02	21,08	21,90	-2,50	6,27	12,911
	30,0	900,0	18,2	546,0	331,2	-2,2	-3,5	4,88	12,31	19,26	-1,06	1,12	5,802
	32,6	1062,8	21,0	684,6	441,0	0,6	-0,9	0,35	0,83	20,11	0,89	0,80	4,256
	27,5	756,3	16,4	451,0	269,0	-4,0	-6,0	16,07	36,10	18,44	-2,04	4,16	12,430
	39,0	1521,0	23,5	916,5	552,3	3,1	5,5	9,56	30,16	22,20	1,30	1,69	5,536
	27,5	756,3	18,8	517,0	353,4	-1,6	-6,0	2,59	36,10	18,44	0,36	0,13	1,923
	31,2	973,4	17,5	546,0	306,3	-2,9	-2,3	8,46	5,33	19,65	-2,15	4,62	12,277
	402,1	13927,8	244,9	8362,6	5130,7	0,0	0,0	132,7	454,1	-	-	79,0	129,9
Среднее значение	33,5	1160,7	20,4	696,9	427,6	-	-	-	-	-	-	6,6	10,8
	6,43	-	3,47	-	-
	41,28	-	12,06	-	-

Тогда

,

 

и линейное уравнение регрессии примет вид: .

Рассчитаем коэффициент корреляции:

.

Связь между признаком  и фактором  заметная.

Коэффициент детерминации – квадрат коэффициента или индекса корреляции.

R² = 0,606² = 0,367

Средний коэффициент эластичности  позволяет проверить, имеют ли экономический смысл коэффициенты модели регрессии.

 

Для оценки качества модели определяется средняя ошибка аппроксимации:

,

допустимые значения которой 8 - 10 %.

Вычислим значение -критерия Фишера.

,

где

 – число параметров уравнения регрессии (число коэффициентов при объясняющей переменной );

 – объем совокупности.

.

По таблице распределения Фишера находим

.

Так как , то гипотеза  о статистической незначимости параметра  уравнения регрессии отклоняется.

Так как , то можно сказать, что 36,7% результата объясняется вариацией объясняющей переменной.

Выберем в качестве модели уравнения регрессии , предварительно линеаризовав модель. Введем обозначения: . Получим линейную модель регрессии .

Рассчитаем коэффициенты модели, поместив все промежуточные расчеты в табл. 3.

Таблица 3

			y	yU	y2								А(%)
	5,385	29,0	22,5	121,17	506,25	1,640	-0,452	2,69	0,20	13,74	8,76	76,7	38,92
	6,017	36,2	25,8	155,23	665,64	4,940	0,180	24,40	0,03	14,01	11,79	139,0	45,70
	5,376	28,9	20,8	111,82	432,64	-0,060	-0,461	0,004	0,21	13,74	7,06	49,9	33,95
	5,692	32,4	15,2	86,52	231,04	-5,660	-0,145	32,04	0,02	13,87	1,33	1,8	8,72
	7,050	49,7	25,8	181,89	665,64	4,940	1,213	24,40	1,47	14,42	11,38	129,5	44,11
	6,173	38,1	19,4	119,75	376,36	-1,460	0,336	2,13	0,11	14,07	5,33	28,4	27,45
	5,477	30,0	18,2	99,69	331,24	-2,660	-0,360	7,08	0,13	13,78	4,42	19,5	24,27
	5,710	32,6	21,0	119,90	441	0,140	-0,127	0,02	0,02	13,88	7,12	50,7	33,89
	5,244	27,5	16,4	86,00	268,96	-4,460	-0,593	19,89	0,35	13,68	2,72	7,4	16,58
	6,245	39,0	23,5	146,76	552,25	2,640	0,408	6,97	0,17	14,10	9,40	88,3	39,98
	58,368	343,4	208,600	1228,71	4471,02	-	-	-	-	-	-	-	313,567
Среднее значение	5,837	34,34	20,860	122,871	447,10	-	-	-	-	-	-	-	31,357
	0,549	-	3,646	-	-	-	-
	0,302	-	13,292	-	-	-	-

Рассчитаем параметры уравнения:

,

,

.

Коэффициент корреляции

.

Коэффициент детерминации

,

следовательно, только 9,3% результата объясняется вариацией объясняющей переменной .

,

,

следовательно, гипотеза  о статистической незначимости уравнения регрессии принимается. По всем расчетам линейная модель надежнее, и последующие расчеты мы сделаем для нее.

11

Оценим значимость каждого параметра уравнения регрессии

.

Используем для этого t-распределение (Стьюдента). Выдвигаем гипотезу  о статистической незначимости параметров, т.е.

.

.

Определим ошибки .

,

,

,

,

,

.

Полученные оценки модели и ее параметров позволяют использовать ее для прогноза.

Рассчитаем

.

Тогда

.

Средняя ошибка прогноза

,

где

,

.

Строим доверительный интервал с заданной доверительной вероятностью :

,

,

.

Найденный интервальный прогноз достаточно надежен (доверительная вероятность ) и достаточно точен, т.к. .

Оценим значимость каждого параметра уравнения регрессии

.

Используем для этого t-распределение (Стьюдента). Выдвигаем гипотезу  о статистической незначимости параметров, т.е.

.

.

Определим ошибки .

,

,

, ,

, .

Следовательно,  и  не случайно отличаются от нуля, а сформировались под влиянием систематически действующей производной.

1.          , следовательно, качество модели не очень хорошее.