- •«Економетрика»
- •Перелік лабораторних робіт Лабораторна робота № 1 ( 2 год. )
- •Короткі теоретичні відомості
- •Хід роботи
- •Зразок висновків
- •Контрольні питання.
- •Варіанти вихідних даних для лабораторної роботи №1
- •Хід роботи
- •Лабораторна робота № 2 ( 2год. ) Тема. Побудовата аналіз нелінійної однофакторної економетричної моделі
- •Короткі теоретичні відомості
- •Контрольні питання
- •Варіанти вихідних даних для лабораторної роботи № 2
- •Лабораторна робота № 3 ( 2 год. )
- •Короткі теоретичні відомості
- •Хід роботи
- •Контрольні питання
- •Варіанти вихідних даних для лабораторної роботи №3
- •Лабораторна робота №4 ( 2год. )
- •Короткі теоретичні відомості
- •Хід роботи
- •Контрольні питання
- •Варіанти вихідних даних для лабораторної роботи № 4
- •Лабораторна робота № 5 ( 2 год. )
- •Короткі теоретичні відомості
- •Хід роботи
- •Контрольні питання
- •Варіанти вихідних даних для лабораторної роботи № 5
- •Короткі теоретичні відомості
- •Хід роботи
- •Контрольні питання
- •Варіанти вихідних даних для лабораторної роботи № 6
- •Лабораторна робота № 7
- •Короткі теоретичні відомості
- •Хід роботи
- •Знайти частинні коефіцієнти еластичності для прогнозу за формулами , .
- •Контрольні питання
- •Варіанти вихідних даних для лабораторної роботи № 7
- •Лабораторна робота № 8
- •Короткі теоретичні відомості
- •Хід роботи
- •Для кожної групи знайти середнє значення залежної змінної та суму квадратів відхилень значень залежної змінної від середнього по цій групі: .
- •Контрольні питання
- •Варіанти вихідних даних для лабораторної роботи №8
- •Лабораторна робота № 9
- •Короткі теоретичні відомості
- •Хід роботи
- •Контрольні питання
- •Варіанти вихідних даних для лабораторної роботи № 9
- •Лабораторна робота № 10
- •Короткі теоретичні відомості
- •Хід роботи
- •Завантажити програму excel.
- •Контрольні питання
- •Варіанти вихідних даних для лабораторної роботи №10
- •Критерій оцінювання за 100 – бальною системою
- •Шкала оцінювання: національна та ects
- •Список літератури
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
Завантажити програму EXCEL.
Сформувати таблицю вихідних даних, для чого заповнити діапазон комірок А4:C16 (див. рис. 5.1).
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).
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).
Визначити об’єм вибірки (можна використати функцію ЧСТРОК, аргументом якої треба вказати діапазон клітинок).
Розрахувати суму величин
,
,
,
,
,
,
використовуючи
вбудовану функцію СУММ
або Автосумму.Знайти оцінки параметрів лінійної регресії
,
для чого скористатись алгоритмом,
описаним у роботі 4.
Тоді розрахункові значення показника можна знайти за формулою:
,
або
.
Обчислити розрахункові значення показника
та
(i=1,…,14).Для визначення розрахункового значення критерію Фішера обчислити значення , .
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).
Обчислити розрахункове значення критерію Фішера за формулою:
.
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:
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.
Тому стандартні похибки оцінок знаходимо як корені квадратні із відповідних діагональних елементів коваріаційної матриці (див. рис.5.1, діапазон B31:H33).
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
).
Знайти розрахункові значення критерію Стьюдента для кожного параметра за формулами:
.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).
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:
Задати прогнозні значення факторів:
та
.
Знайти точковий прогноз за формулою:
.
Знайти прогнозне значення допоміжного показника
,
або в матричному вигляді
,
матриця факторів лінійної моделі.
Знайти дисперсію прогнозу лінійної регресії та довірчий інтервал для математичного сподівання прогнозу показника
,
(див. лаб. роб. № 4).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.
