- •Содержание
- •Введение
- •1 Требования к выполнению лабораторных работ
- •Реализация типовых заданий
- •Рассчитайте параметры линейного уравнения множественной регрессии с полным перечнем факторов по данным о деятельности крупнейших компаний сша в 2007 г.
- •2 Дайте сравнительную оценку силы связи факторов с результатом с помощью средних (общих) коэффициентов эластичности.
- •3 Оцените с помощью f-критерия Фишера-Снедекора значимость уравнения линейной регрессии и показателя тесноты связи.
- •Оцените статистическую значимость коэффициентов регрессии с помощью t- критерия Стьюдента.
- •Рассчитайте матрицу парных коэффициентов корреляции и отберите информативные факторы в модели. Укажите коллинеарные факторы.
- •5. Оцените качество уравнения через среднюю ошибку аппроксимации.
- •7. Постройте модель в естественной форме только с информативными факторами и оцените ее параметры.
- •8. Постройте модель в стандартизованном масштабе и проинтерпретируйте ее параметры.
- •9. Рассчитайте прогнозное значение результата, если прогнозное значение факторов составляют 80% от их максимальных значений.
- •10. Рассчитайте ошибки и доверительный интервал прогноза для уровня значимости .
- •11. По полученным результатам сделайте экономический вывод.
- •Реализация типовых заданий
- •Реализация типовых заданий
- •Провести графический анализ остатков
- •Графический анализ остатков
- •Тест Голфелда-Квандта
- •Тест ранговой корреляции Спирмена
- •Метод рядов
- •Критерий Дарбина – Уотсона
- •Реализация типовых заданий Степенная модель регрессии
- •Показательная модель регрессии
- •Гиперболическая модель регрессии
- •Прогнозирование по тренд – сезонной аддитивной модели
- •Прогнозирование по тренд – сезонной мультипликативной модели
- •Прогнозирование по модели регрессии с включением фактора времени и фиктивных переменных
- •Построение модели ar (p) в statistica
- •Реализация типовых заданий
- •Список использованных источников
- •Приложение а
- •Исходные данные для выполнения лабораторных работ
Реализация типовых заданий
Задание 1
Таблица 6.1 – Исходные данные для построения системы взаимозависимых уравнений
Годы |
Годовое потребление свинины на душу населения, кг |
Оптовая цена за 1 кг свинины, руб. |
Доход на душу населения, руб. |
Расходы по обработке мяса, % к цене |
|
|
|
|
|
1 |
60 |
5,0 |
1300 |
60 |
2 |
62 |
4,0 |
1300 |
56 |
3 |
65 |
4,2 |
1500 |
56 |
4 |
62 |
5,0 |
1600 |
63 |
5 |
66 |
3,8 |
1800 |
50 |
Итого |
315 |
22,0 |
7500 |
285 |
Составим систему структурных уравнений:
Для выбора метода оценки параметров проверим систему на идентифицированность.
Необходимое условие:
В модели 2 предопределенные переменные: , и такое же количество эндогенных переменных: и . Следовательно, М=2 и К=2.
Проверим необходимое условие для каждого уравнения системы.
Для первого уравнения:
k1=2; m1=1
M-m1=1=k-1=1 следовательно, уравнение точно идентифицировано.
Для второго уравнения:
k2=2; m2=1
M-m2=1=k-1=1 следовательно, уравнение точно идентифицировано.
Так как оба уравнения точно идентифицированы, система в целом тоже точно идентифицирована.
Достаточное условие:
Для того чтобы уравнение было точно идентифицируемым, достаточно чтобы ранг матрицы А (матрица коэффициентов при переменных, не входящих в данное уравнение) был равен (К-1).
Так в нашем примере система состоит только из двух уравнений, то данное условие не проверяется.
Для определения параметров точно идентифицированной модели применяется КМНК.
На первом этапе структурную форму преобразуем в приведенную форму:
Параметры модели А11, А12, А21, А22 определяются с помощью традиционного МНК. Найдем данные параметры используя функцию Excel Сервис– Анализ данных– Регрессия (при этом необходимо учесть, что в уравнениях отсутствует свободный член). Результаты регрессионного анализа приведенной формы представлены на рисунке 6.1.
Рисунок 6.1 – Результаты регрессионного анализа уравнений приведенной формы
Следовательно, приведенная форма примет вид:
На следующем этапе определим коэффициенты структурной модели.
В
первом
уравнении
структурной формы в правой части
присутствуют переменные
и
.
Следовательно, необходимо из второго
уравнения выразить переменную
через переменные
и
.
Получим:
.
Подставим полученное выражение в первое
уравнение и приведем подобные слагаемые:
Во втором
уравнении
структурной формы в правой части
присутствуют переменные
и
.
Следовательно, необходимо из первого
уравнения выразить переменную
через переменные
и
.
Получим:
.
Подставим полученное выражение в первое
уравнение и приведем подобные слагаемые:
Таким
образом, структурная форма модели примет
вид:
Рассчитаем
по полученным уравнениям теоретические
значения
и
.
Результаты расчетов представлены на
рисунке 6.2.
Рисунок 6.2 – Фактические и расчетные значения переменных и
Задание 2
Таблица 6.2 – Исходные данные для построения модели –I Клейна
Годы |
CN |
Pt |
Pt-1 |
W1 |
W2 |
I |
Kt-1 |
Et |
Et-1 |
1921 |
41,9 |
12,4 |
12,7 |
25,5 |
2,7 |
-0,2 |
182,8 |
45,6 |
44,9 |
1922 |
45,0 |
16,9 |
12,4 |
29,3 |
2,9 |
1,9 |
182,6 |
50,1 |
45,6 |
1923 |
49,2 |
18,4 |
16,9 |
34,1 |
2,9 |
5,2 |
184,5 |
57,2 |
50,1 |
1924 |
50,6 |
19,4 |
18,4 |
33,9 |
3,1 |
3,0 |
189,7 |
57,1 |
57,2 |
1925 |
52,6 |
20,1 |
19,4 |
35,4 |
3,2 |
5,1 |
192,7 |
61,0 |
57,1 |
1926 |
55,1 |
19,6 |
20,1 |
37,4 |
3,3 |
5,6 |
197,8 |
64,0 |
61,0 |
1927 |
56,2 |
19,8 |
19,6 |
37,9 |
3,6 |
4,2 |
203,4 |
64,4 |
64,0 |
1928 |
57,3 |
21,1 |
19,8 |
39,2 |
3,7 |
3,0 |
207,6 |
64,5 |
64,4 |
1929 |
57,8 |
21,7 |
21,1 |
41,3 |
4,0 |
5,1 |
210,6 |
67,0 |
64,5 |
1930 |
55,0 |
15,6 |
21,7 |
37,9 |
4,2 |
1,0 |
215,7 |
61,2 |
67,0 |
1931 |
50,9 |
11,4 |
15,6 |
34,5 |
4,8 |
-3,4 |
216,7 |
53,4 |
61,2 |
1932 |
45,6 |
7,0 |
11,4 |
29,0 |
5,3 |
-6,2 |
213,3 |
44,3 |
53,4 |
1933 |
46,5 |
11,2 |
7,0 |
28,5 |
5,6 |
-5,1 |
207,1 |
45,1 |
44,3 |
1934 |
48,7 |
12,3 |
11,2 |
30,6 |
6,0 |
-3,0 |
202,0 |
49,7 |
45,1 |
1935 |
51,3 |
14,0 |
12,3 |
33,2 |
6,1 |
-1,3 |
199,0 |
54,4 |
49,7 |
1936 |
57,7 |
17,6 |
14,0 |
36,8 |
7,4 |
2,1 |
197,7 |
62,7 |
54,4 |
1937 |
58,7 |
17,3 |
17,6 |
41,0 |
6,7 |
2,0 |
199,8 |
65,0 |
62,7 |
1938 |
57,5 |
15,3 |
17,3 |
38,2 |
7,7 |
-1,9 |
201,8 |
60,9 |
65,0 |
1939 |
61,6 |
19,0 |
15,3 |
41,6 |
7,8 |
1,3 |
199,9 |
69,5 |
60,9 |
1940 |
65,0 |
21,1 |
19,0 |
45,0 |
8,0 |
3,3 |
201,2 |
75,7 |
69,5 |
1941 |
69,7 |
23,5 |
21,1 |
53,3 |
8,5 |
4,9 |
204,5 |
88,4 |
75,7 |
Проверим модель на идентифицируемость.
В модели 3 эндогенные переменные: , , . Следовательно, К=3.
И 6 предопределенных переменных: , , , . Следовательно, М=6.
Проверим необходимое условие идентификации:
В первом уравнении m1=3, k=1. 6-3=3>1-1=0. Следовательно, уравнение сверхидентифицированно.
Во втором уравнении m2=3, k=1. 6-3=3>1-1=0. Следовательно, уравнение сверхидентифицированно.
В третьем уравнении m3=2, k=1. 6-2=4>1-1=0. Следовательно, уравнение сверхидентифицированно.
Проверим достаточное условие идентификации:
В первом уравнении отсутствуют , , . Построим матрицу из коэффициентов при них в других уравнениях системы:
.
Ранг данной матрицы равен 2=К-1=3-1.
Следовательно, уравнение точно
идентифицируемо.
Во втором уравнении отсутствуют , + , , . Построим матрицу из коэффициентов при них в других уравнениях системы:
.
Ранг данной матрицы равен 2=К-1=3-1.
Следовательно, уравнение точно
идентифицируемо.
В третьем уравнении отсутствуют , + , , . Построим матрицу из коэффициентов при них в других уравнениях системы:
.
Ранг данной матрицы равен 2=К-1=3-1.
Следовательно, уравнение точно
идентифицируемо.
Таким образом, можно сделать вывод, что исследуемая модель сверхидентифицированна и может быть решена двухшаговым методом наименьших квадратов.
1 шаг. Составим приведенную форму модели:
2 шаг. С помощью традиционного МНК оценим параметры приведенной формы модели. Получим следующие результаты (рисунок 6.3).
Рисунок 6.3 – Вывод итогов регрессионного анализа системы приведенных уравнений
Оцененная приведенная форма модели примет вид:
3 шаг. Определим расчетные значения переменной , т.к. она фигурирует в качестве фактора в структурной форме модели.
Рисунок 6.4 – Расчетные и фактические значения переменной
4 шаг. Определяем параметры каждого уравнения в отдельности традиционным МНК, используя в качестве факторов входящие в это уравнение предопределенные переменные и расчетные значения эндогенной переменной . Результаты представлены на рисунках 6.5-6.7.
Таким образом, система структурных уравнений примет вид:
Все полученные уравнения статистически значимы по F – критерию.
Рассчитаем по ним теоретические значения эндогенных переменных и проведем графический анализ (рисунок 6.8). Как видно на рисунке, теоретические значения незначительно отклоняются от фактических, следовательно полученная модель адекватна изучаемым процессам.
Рисунок 6.5 – Результаты МНК- оценивания первого уравнения структурной формы ( )
Рисунок
6.6 – Результаты МНК- оценивания второго
уравнения структурной формы (
)
Рисунок 6.7 – Результаты МНК- оценивания третьего уравнения структурной формы ( )
Рисунок 6.8 – Сравнительный графический анализ теоретических и фактических значений эндогенных переменных
