- •Загальні положення
- •Навчальна програма
- •Тема 1. Концептуальні аспекти математичного моделювання економіки
- •Тема 2. Принципи побудови економетричних моделей
- •Хід роботи
- •Тема 3. Лінійні моделі множинної регресії.
- •Тема 4. Узагальнені економетричні моделі.
- •Тема 5. Економетричні моделі динаміки.
- •Лабораторна робота 1-2 Побудова моделі міжгалузевого балансу (ч.1, ч.2).
- •Теоретичні відомості
- •Контрольні питання.
- •Лабораторна робота 3-4 Побудова лінійної економетричної моделі. (ч.1) Дослідження адекватності лінійної економетричної моделі. (ч.2)
- •Теоретичні відомості
- •Хід роботи
- •Контрольні питання.
- •Лабораторна робота 5 Побудова нелінійних економетричних моделей
- •Теоретичні відомості
- •Хід роботи
- •Порядок виконання роботи
- •Контрольні питання.
- •Отримані результати:
- •Перевірка знайдених значень параметрів за допомогою матриць
- •Графічне представлення даних
- •Висновки зробити самостійно!!!!! Лабораторна робота 6 Виробнича функція
- •Теоретичні відомості
- •Хід роботи
- •Постановка задачі:
- •Порядок виконання роботи
- •Побудувати неокласичну виробничу функцію Кобба–Дугласа: ,
- •Контрольні питання
- •Розрахункова таблиця до лабораторної роботи №6
- •Лабораторна робота 7-8 Побудова двофакторної лінійної моделі ч.1 Дослідження адекватності двофакторної лінійної моделі ч.2
- •Теоретичні відомості
- •Хід роботи
- •Порядок виконання роботи
- •Контрольні питання.
- •Висновки зробити самостійно!!!!! Лабораторна робота 9-10 Побудова множинної економетричної моделі. Дослідження адекватності множинної економетричної моделі
- •Теоретичні відомості
- •Хід роботи
- •Порядок виконання роботи
- •Контрольні питання.
- •Лабораторна робота 11-12 Мультиколінеарність. Дослідження наявності мультиколінеарності між змінними за допомогою алгоритму Фаррара-Глобера
- •Теоретичні відомості
- •Хід роботи
- •Порядок виконання роботи
- •Контрольні питання.
- •Лабораторна робота 13 Визначення автокореляції залишків. Побудова моделі при наявності автокореляції залишків.
- •Теоретичні відомості
- •Хід роботи
- •Порядок виконання роботи
- •Контрольні питання.
- •Лабораторна робота 14 Перевірка гетероскедастичності. Побудова моделі з наявністю гетероскедастичності.
- •Теоретичні відомості
- •Хід роботи
- •Порядок виконання роботи
- •Контрольні питання.
- •Лабораторна робота №15-16 Моделі розподіленого лагу. Метод Койка
- •Теоретичні відомості
- •Хід роботи
- •Порядок виконання роботи
- •Контрольні питання.
- •Вимоги до оформлення звітів виконання лабораторних робіт
- •Контрольні питання по темах, що виносяться на вивчення дисципліни
- •Додаток а
- •Додаток б
- •Додаток в
- •Додаток г
- •Додаток д
- •Додаток е
- •Додаток ж
- •Література
- •1. Основна література
- •2. Допоміжна література
- •Економіко-математичні методи і моделі", ч.1 (економетрика)
Хід роботи
І. Постановка задачі
Задача № 1
Перевірити вибірку на автокореляцію за критерієм знаків.
Перевірити вибірку на автокореляцію за критерієм Дарбіна–Уотсона.
Перевірити вибірку на автокореляцію за критерієм фон Неймана.
х |
у |
27,1 |
24 |
28,2 |
25 |
29,3 |
25,7 |
31,3 |
27 |
34 |
28,8 |
36 |
30,8 |
38,7 |
33,8 |
43,7 |
38,1 |
50 |
43,4 |
52,1 |
45,5 |
На основі вихідних даних побудувати модель даної залежності у вигляді лінійного рівняння.
Знайти оцінки параметрів лінії регресії по даній стохастичній залежності.
Оцінити адекватність моделі статистичним даним з ймовірністю Р=0,95.
З ймовірністю Р=0,95 визначити наявність автокореляції в залишках.
У випадку наявності автокореляції в залишках, побудувати модель даної залежності за допомогою методу Ейткена та перетворення вхідної інформації.
Визначити наявність автокореляції у залишках для отриманої моделі. Зробити висновки.
Порядок виконання роботи
1.Знайти параметри моделей
та
за допомогою вбудованої функції Excel
LINEST(
=
0,171809;
=0,864962).
2.
Знайти залишки регресійної моделі, яка
має вигляд
та
виписати їх знаки.
х |
у |
Ŷ |
uі |
Знаки залишків |
27,1 |
24 |
23,61228 |
-0,38772 |
- |
28,2 |
25 |
24,56374 |
-0,43626 |
- |
29,3 |
25,7 |
25,51519 |
-0,18481 |
- |
31,3 |
27 |
27,24512 |
0,245118 |
+ |
34 |
28,8 |
29,58052 |
0,780516 |
+ |
36 |
30,8 |
31,31044 |
0,51044 |
+ |
38,7 |
33,8 |
33,64584 |
-0,15416 |
- |
43,7 |
38,1 |
37,97065 |
-0,12935 |
- |
50 |
43,4 |
43,41991 |
0,019907 |
+ |
52,1 |
45,5 |
45,23633 |
-0,26367 |
- |
3. Підрахувати кількість додатних залишків , від’ємних та кількість серій знаків – чергування груп «+» та «-» . ( =4, =6, =5).
4. За статистичними таблицями (додаток) знайдемо верхню та нижню межі для =5. У верхній частині таблиці знаходимо нижню межу. Для цього обираємо необхідний нам рядок =4 та стовпчик =6 і отримуємо значення 2. У нижній частині таблиці знайдемо верхню межу для тих самих значень та . Верхня межа дорівнює 9. Значення знаходиться в отриманих межах: 2< <9; 2<12<9.
Можна зробити висновок, що за критерієм знаків автокореляція _______________.
ІІ. 1. Для перевірки вибірки на наявність автокореляції за критерієм Дарбіна–Уотсона необхідно заповнити відповідну таблицю:
х |
у |
Ŷ |
uі |
uі2 |
uі –1 |
uі–uі–1 |
(uі–uі–1)2 |
27,1 |
24 |
23,61228 |
-0,38772 |
0,150328 |
|
|
|
28,2 |
25 |
24,56374 |
-0,43626 |
0,190326 |
-0,38772 |
-0,04854 |
0,002356 |
29,3 |
25,7 |
25,51519 |
-0,18481 |
0,034153 |
-0,43626 |
0,251458 |
0,063231 |
31,3 |
27 |
27,24512 |
0,245118 |
0,060083 |
-0,18481 |
0,429924 |
0,184835 |
34 |
28,8 |
29,58052 |
0,780516 |
0,609205 |
0,245118 |
0,535397 |
0,28665 |
36 |
30,8 |
31,31044 |
0,51044 |
0,260549 |
0,780516 |
-0,27008 |
0,072941 |
38,7 |
33,8 |
33,64584 |
-0,15416 |
0,023766 |
0,51044 |
-0,6646 |
0,441697 |
43,7 |
38,1 |
37,97065 |
-0,12935 |
0,016732 |
-0,15416 |
0,02481 |
0,000616 |
50 |
43,4 |
43,41991 |
0,019907 |
0,000396 |
-0,12935 |
0,14926 |
0,022279 |
52,1 |
45,5 |
45,23633 |
-0,26367 |
0,069523 |
0,019907 |
-0,28358 |
0,080418 |
|
|
|
|
|
|
|
|
370,4 |
322,1 |
322,1 |
1,42E-14 |
1,415062 |
0,263673 |
0,124049 |
1,155022 |
2. Розрахувати d–статистику на основі табличних даних:
DW=
(
)
3. Користуючись статистичними таблицями Дарбіна–Уотсона для n=10 (обсяг вибірки), m=1 (кількість незалежних змінних) та заданим рівнем значущості – 5%, знаходимо значення dl= 0,879 та du=1,32. Розрахункове значення d < dl, можна зробити висновок, що автокореляція ______________
ІІІ.
1. Зробити перевірку
вибірки на автокореляцію за критерієм
фон Неймана(Qкр=1,18)
(Q=0,9069)
IV. На основі вихідних даних побудувати модель даної залежності у вигляді лінійного рівняння. Знайти оцінки параметрів лінії регресі. Оцінити адекватність моделі
0,864962 |
0,171809 |
0,015652 |
0,594814 |
0,997387 |
0,420574 |
3053,853 |
8 |
540,1739 |
1,415062 |
y= |
0,172 |
+ |
0,865 |
x |
|
ȳ |
32,21 |
σ²у |
60,17656 |
r |
0,998693 |
ẋ |
37,04 |
σу |
7,757355 |
r² |
0,997387 |
σ²х |
72,2004 |
σ²u |
0,176886 |
σu |
0,420578 |
V. 1.Для побудови
нової моделі за методом Ейткена, необхідно
обчислити параметр
:
=
2.Побудувати матрицю
:
1 |
0,772143 |
0,596205 |
0,460356 |
0,355461 |
0,274467 |
0,211927 |
0,163638 |
0,126352 |
0,772143 |
1 |
0,772143 |
0,596205 |
0,460356 |
0,355461 |
0,274467 |
0,211927 |
0,163638 |
0,596205 |
0,772143 |
1 |
0,772143 |
0,596205 |
0,460356 |
0,355461 |
0,274467 |
0,211927 |
0,460356 |
0,596205 |
0,772143 |
1 |
0,772143 |
0,596205 |
0,460356 |
0,355461 |
0,274467 |
0,355461 |
0,460356 |
0,596205 |
0,772143 |
1 |
0,772143 |
0,596205 |
0,460356 |
0,355461 |
0,274467 |
0,355461 |
0,460356 |
0,596205 |
0,772143 |
1 |
0,772143 |
0,596205 |
0,46036 |
0,211927 |
0,274467 |
0,355461 |
0,460356 |
0,596205 |
0,772143 |
1 |
0,772143 |
0,596205 |
0,163638 |
0,211927 |
0,274467 |
0,355461 |
0,460356 |
0,596205 |
0,772143 |
1 |
0,77214 |
0,126352 |
0,163638 |
0,211927 |
0,274467 |
0,355461 |
0,460356 |
0,596205 |
0,772143 |
1 |
3. Побудувати обернену до матрицю.
2,4765 |
-1,9122 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-1,9122 |
3,95301 |
-1,9122 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-1,9122 |
3,95301 |
-1,9122 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-1,9122 |
3,95301 |
-1,9122 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-1,9122 |
3,95301 |
-1,9122 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-1,9122 |
3,95301 |
-1,9122 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-1,9122 |
3,95301 |
-1,9122 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-1,9122 |
3,95301 |
-1,9122 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-1,9122 |
3,95301 |
-1,91222 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-1,9122 |
2,476505 |
4. Знайдемо матрицю
2,157192 |
82,13325 |
82,13325 |
3539,49 |
5. Знайдемо матрицю
3,979239 |
-0,09234 |
-0,09234 |
0,002425 |
6. Знайдемо матрицю
71,69658 |
3084,931 |
7. Знайдемо матрицю
- оцінки параметрів
та
0,442826 |
=b0 |
0,861299 |
=b1 |
8. Розрахувати нові розрахункові значення показника Ŷ з новими оцінками параметрів та ; залишки моделі; квадрати залишків моделі; різниці відповідного і попереднього залишків моделі; квадрати різниці відповідного і попереднього залишків моделі;
х |
у |
Ŷ' |
uі' |
Знаки залиш ків |
uі2 |
uі –1 |
uі–uі–1 |
(uі–uі–1)2 |
(uі –1)*uі |
27,1 |
24 |
23,78404 |
0,21596 |
+ |
0,046638 |
|
|
|
|
28,2 |
25 |
24,73147 |
0,268536 |
+ |
0,072108 |
0,215959 |
0,052571 |
0,002764 |
0,057992 |
29,3 |
25,7 |
25,6789 |
0,021106 |
+ |
0,000445 |
0,26853 |
-0,24743 |
0,061221 |
0,005666 |
31,3 |
27 |
27,4015 |
-0,401498 |
- |
0,161201 |
0,021101 |
-0,4226 |
0,17859 |
-0,00847 |
34 |
28,8 |
29,72701 |
-0,927007 |
- |
0,859341 |
-0,4015 |
-0,52551 |
0,276159 |
0,372191 |
36 |
30,8 |
31,44961 |
-0,649605 |
- |
0,421987 |
-0,92701 |
0,277401 |
0,076951 |
0,602189 |
38,7 |
33,8 |
33,77511 |
0,024886 |
+ |
0,000619 |
-0,64961 |
0,674492 |
0,454939 |
-0,01617 |
43,7 |
38,1 |
38,08161 |
0,018389 |
+ |
0,000338 |
0,024886 |
-0,0065 |
4,22E-05 |
0,000458 |
50 |
43,4 |
43,5078 |
-0,107797 |
- |
0,01162 |
0,018389 |
-0,12619 |
0,015923 |
-0,00198 |
52,1 |
45,5 |
45,31653 |
0,18347 |
+ |
0,033663 |
-0,1078 |
0,291271 |
0,084839 |
-0,01978 |
55 |
|
47,81429 |
|
|
|
|
|
|
|
370,4 |
322,1 |
323,45 |
-1,35 |
|
1,61 |
-1,54 |
-0,03 |
1,15 |
0,99 |
Розрахувати нове значення критерію Дарбіна-Уотсона та Неймана, зробити непараметричний тест. Порівняти його з критичним значенням при n=10 і =0,05 і зробити висновок чи звільнились від автокореляції залишків ( якщо ні, то визначити яка це кореляція).
кр д-у |
|
кр неймана |
|
DW= |
0,716079 |
Q= |
0,795644 |
dl= |
0,879 |
Qкр= |
1,18 |
du= |
1,32 |
|
|
9. Оцінити адекватність нової моделі (чи покращилась модель?)
y= |
0,442826 |
+ |
0,861299424 |
x |
σ²u= |
0,200995 |
r= |
0,998514411 |
|
σu= |
0,448325 |
r²= |
0,99703103 |
|
10. Визначити прогнозне значення Ŷі+1 для Хі+1=55
Ŷі+1 = Ŷі+1 + ui; ui=yi- Ŷі;
ui*= |
0,141668 |
Ŷі+1 = |
47,95596258 |
11 Побудувати модель даної залежності за допомогою методу перетворення вхідної інформації
|
Метод покращення моделі(Т2) |
|
|
|
|
|
|
|||
|
-0,77214 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
0 |
-0,77214 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
0 |
0 |
-0,77214 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
|
0 |
0 |
0 |
-0,77214 |
1 |
0 |
0 |
0 |
0 |
0 |
Т2= |
0 |
0 |
0 |
0 |
-0,77214 |
1 |
0 |
0 |
0 |
0 |
|
0 |
0 |
0 |
0 |
0 |
-0,77214 |
1 |
0 |
0 |
0 |
|
0 |
0 |
0 |
0 |
0 |
0 |
-0,77214 |
1 |
0 |
0 |
|
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-0,77214 |
1 |
0 |
|
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
-0,77214 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
6,468562 |
|
|
7,274918 |
|
xт * x* |
1132,677 |
|
|
|
|
6,396419 |
|
|
7,52556 |
|
(xт * x*)-1 |
0,000883 |
|
|
|
|
7,155918 |
|
|
8,676203 |
|
xт * y* |
983,051 |
|
|
|
y*=t*y |
7,952132 |
|
x*=t*x |
9,831916 |
|
|
|
|
|
|
|
8,562274 |
|
|
9,74713 |
|
(xт * x*)-1*(xт * y*) |
0,867901 |
=b1 |
|
|
|
10,01799 |
|
|
10,90284 |
|
b0=ȳ-b1*ẋ |
0,062951 |
=b0 |
|
|
|
12,00156 |
|
|
13,81806 |
|
|
|
|
|
|
|
13,98134 |
|
|
16,25734 |
|
|
|
|
|
|
|
11,98898 |
|
|
13,49284 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xт |
7,274918 |
7,52556 |
8,676203 |
9,831916 |
9,74713 |
10,90284 |
13,81806 |
16,25734 |
13,49284 |
|
y= |
0,062951 |
+ |
0,867901 |
x |
σ²u= |
0,177662 |
r= |
0,998687 |
|
σu= |
0,4215 |
r²= |
0,997376 |
|
Ŷ' |
uі' |
Знаки залишків |
uі2 |
uі –1 |
uі–uі–1 |
(uі–uі–1)2 |
(uі –1)*uі |
23,58307 |
0,416935 |
+ |
0,173835 |
|
|
|
|
24,53776 |
0,462244 |
+ |
0,213669 |
0,416935 |
0,045309 |
0,002053 |
0,192726 |
25,49245 |
0,207553 |
+ |
0,043078 |
0,462244 |
-0,25469 |
0,064867 |
0,09594 |
27,22825 |
-0,22825 |
- |
0,052098 |
0,207553 |
-0,4358 |
0,189923 |
-0,04737 |
29,57158 |
-0,77158 |
- |
0,595338 |
-0,22825 |
-0,54333 |
0,29521 |
0,176113 |
31,30738 |
-0,50738 |
- |
0,257438 |
-0,77158 |
0,264198 |
0,069801 |
0,391487 |
33,65072 |
0,149285 |
+ |
0,022286 |
-0,50738 |
0,656668 |
0,431212 |
-0,07574 |
37,99022 |
0,10978 |
+ |
0,012052 |
0,149285 |
-0,0395 |
0,001561 |
0,016388 |
43,458 |
-0,058 |
- |
0,003363 |
0,10978 |
-0,16778 |
0,028149 |
-0,00637 |
45,28059 |
0,219412 |
+ |
0,048142 |
-0,058 |
0,277408 |
0,076955 |
-0,01272 |
|
|
|
|
|
|
|
|
322,10 |
0,00 |
|
1,42 |
-0,22 |
-0,20 |
1,16 |
0,73 |
|
|
кр д-у |
|
кр неймана |
|
|
|
|
|
DW= |
0,815966 |
Q= |
0,906629 |
|
|
|
|
dl= |
0,879 |
qкр= |
1,18 |
|
|
|
|
du= |
1,32 |
|
|
|
|
12. Зробити висновок.
ІІ. Завдання для самостійної роботи.
(Для визначення числових значень коефіцієнтів використовується: N – Ваш порядковий номер в списку студентів групи, K – остання цифра номеру Вашої групи).
Зробити висновки про автокореляційні залишки моделі.
Розв’язати задачу:
Перевірити вибірку на автокореляцію за критерієм знаків.
Перевірити вибірку на автокореляцію за критерієм Дарбіна–Уотсона.
Перевірити вибірку на автокореляцію за критерієм фон Неймана.
X |
Y |
1 |
40,69+N |
2 |
68,76 |
3 |
91,76 |
4 |
45,03+N |
5 |
67,69 |
6 |
115,9 |
7 |
152,7 |
8 |
73,84+N |
9 |
110,4 |
10 |
184,2 |
11 |
240,1 |
12 |
114,2 |
13 |
168,8 |
14 |
279,6 |
15 |
359,6 |
16 |
171+K |
17 |
248,7 |
18 |
405,3 |
19 |
514,9 |
20 |
240,6 |
21 |
347,9 |
22 |
562+N |
23 |
708,2 |
24 |
327,3 |
