Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Методчика по эконометрике.doc
Скачиваний:
0
Добавлен:
01.04.2025
Размер:
6 Мб
Скачать
☆

Лабораторна робота № 5 ( 2 год. )

Тема. Побудова та аналіз багатофакторної нелінійної моделі

Мета заняття: засвоїти прийоми побудови та аналізу нелінійної багатофакторної моделі.

Постановка задачі: на підставі статистичних даних показника Y факторів X1, X2 знайти

  • оцінки параметрів моделі, якщо припустити, що вона має вигляд: Y=ln(a0+ a1/ X1+ a2 X2);

  • оцінити адекватність прийнятої математичної моделі статистичним даним з надійністю Р=0,95;

Якщо прийнята математична модель адекватна, знайти:

  • оцінку прогнозу показника для заданих прогнозованих значень факторів та з надійністю Р=0,95 його довірчий інтервал;

  • оцінки часткових коефіцієнтів еластичності для прогнозу.

Короткі теоретичні відомості

Багатофакторна нелінійна модель має вигляд ,

де - нелінійна функція своїх аргументів, – стохастична складова. Якщо за допомогою перетворень:

, , , …,

таку залежність можна звести до лінійної відносно аргументів , то її називають квазілінійною. Ідея побудови рівняння регресії в такому випадку полягає в тому, щоб спочатку привести залежність до лінійного вигляду і побудувати лінійне рівняння регресії , а потім, за допомогою зворотних перетворень побудувати нелінійну залежність . Верифікація моделі проводиться за допомогою коваріаційної матриці моделі:

,

на головній діагоналі якої стоять дисперсії оцінок параметрів моделі, – матриця допоміжних факторів моделі. Для перевірки адекватності моделі використовується критерій Фішера. При побудові прогнозу: спочатку будується прогноз для допоміжної лінійної моделі:

а потім границі інтервалу для показника отримуємо у вигляді:

,

де – перетворення, обернене до .

Хід роботи

  1. Завантажити програму EXCEL.

  2. Сформувати таблицю вихідних даних, для чого заповнити діапазон комірок А4:C16 (див. рис. 5.1).

  3. Висувається гіпотеза, що між факторами X1, X2 і показником Y існує певна стохастична залежність (у даному випадку Y=ln(a0+ a1/ X1+ a2 X2)+ε).

  4. Для приведення регресії до лінійного виду зробити заміну величин Y1=exp(Y), Z1=1/X1, Z2= Х2. Сформувати відповідні рядки в розрахунковій таблиці (див. рис. 5.1).

  5. Визначити об’єм вибірки (можна використати функцію ЧСТРОК, аргументом якої треба вказати діапазон клітинок).

  6. Розрахувати суму величин , , , , , , використовуючи вбудовану функцію СУММ або Автосумму.

  7. Знайти оцінки параметрів лінійної регресії , для чого скористатись алгоритмом, описаним у роботі 4.

  8. Тоді розрахункові значення показника можна знайти за формулою: , або .

  9. Обчислити розрахункові значення показника та (i=1,…,14).

  10. Для визначення розрахункового значення критерію Фішера обчислити значення , .

  11. Обчислити значення:

дисперсії помилок за формулою:

,

дисперсії показника за формулою:

;

дисперсії регресії:

;

дисперсію допоміжного показника:

,

де n – кількість спостережень, m – кількість факторів (у нашому випадку m = 2).

  1. Обчислити розрахункове значення критерію Фішера за формулою:

.

  1. Перевірити адекватність моделі, порівнявши розрахункове значення критерію Фішера з критичним значенням, яке знаходимо із таблиць відповідно до вибраного рівня значущості та і ступенях свободи. Якщо , то на даному рівні значущості можна вважати, що модель адекватна статистичним даним, у протилежному випадку – ні.

Оцінимо незміщеність та статистичну значущість оцінок параметрів моделі. Для цьго:

  1. Знайти коваріаційну матрицю моделі: . Ця матриця влаштована так, що на її головній діагоналі стоять дисперсії оцінок параметрів моделі, а всі інші елементи є взаємними коваріаціями оцінок.

  2. Тому стандартні похибки оцінок знаходимо як корені квадратні із відповідних діагональних елементів коваріаційної матриці (див. рис.5.1, діапазон B31:H33).

  3. Знайти стандартне відхилення оцінки у відсотках: Якщо таке відхилення менше 30%, то можна зробити висновок про незміщеність оцінки, у протилежному випадку – ні (див. рис.5.1, діапазон B36:H38 ).

  4. Знайти розрахункові значення критерію Стьюдента для кожного параметра за формулами: .

  5. Знайти критичне значенння критерію Стьюдента, яке залежить від рівня значущості та ступенів свободи , де n – кількість спостережень, m – кількість змінних у моделі. Для цього можна скористатися вбудованою функцією СТЬЮДРАСПОБР (див. рис. 5.1, діапазон R38).

  6. Якщо , то з імовірністю можна стверджувати, що отримані оцінки є статистично значущими, у протилежному випадку – слід прийняти гіпотезу про незначущість оцінок.

Якщо зроблено висновок про адекватність моделі, можна робити прогноз на її основі. Для цього:

  1. Задати прогнозні значення факторів: та .

  2. Знайти точковий прогноз за формулою:

.

  1. Знайти прогнозне значення допоміжного показника

,

або в матричному вигляді , матриця факторів лінійної моделі.

  1. Знайти дисперсію прогнозу лінійної регресії та довірчий інтервал для математичного сподівання прогнозу показника , (див. лаб. роб. № 4).

  2. Якщо знайдено межі для , то межі довірчого інтервалу для показника можна знайти так:

.

Вигляд робочих листів EXCEL після виконаної роботи показано на рисунках 5.1 та 5.2.