• Кафедра економіко-математичних методів і моделей
  • Постановка задачі
  • № спостереження


  • Дата конвертації24.03.2017
    Розмір14 Kb.
    ТипЛабораторна робота

    Аналіз підприємств однієї галузі РФ

    МІНІСТЕРСТВО ОСВІТИ

    Державна освітня установа

    В ПО

    Всеросійський заочний фінансово-економічний інститут

    Філія в м Архангельську

    Кафедра економіко-математичних методів і моделей

    ЛАБОРАТОРНА РОБОТА

    з дисципліни «економетрика»

    варіант №5

    виконала студентка

    3 курсу групи №2 «периферія»

    спеціальності «фінанси і кредит»

    № л / д: 07ФФД10522

    Лукіна Марія Олександрівна

    перевірив викладач

    Бан Тетяна Михайлівна

    Архангельськ - 2010

    Постановка задачі

    Найменування завдання: аналіз підприємств однієї галузі РФ - 1.

    Мета завдання - проаналізувати економічну діяльність підприємств.

    Умова завдання: є дані (див. Таб. 1) про економічну діяльність підприємств однієї галузі РФ в 1997р .:

    Y - прибуток від реалізації продукції, млн. Руб .;

    X 1 - чисельність промислово - виробничого персоналу, чол .;

    X 3 - середньорічна вартість основних фондів, млн. Руб .;

    X 4 - електроозброєність, кВт ∙ год;

    X 5 - технічна озброєність одного робочого, млн. Руб.

    № спостереження

    Прибуток від реалізації продукції, млн. Руб.

    Чисельність промислово-виробничої ного персоналу, чол.

    Середньорічна вартість основних фондів, млн. Руб.

    Електровоору-ність, кВт × год.

    Технічна озброєність одного робочого, млн. Руб.

    Y

    X1

    X3

    X4

    X5

    1

    7960

    864

    16144

    4,9

    3,2

    2

    42392

    8212

    336472

    60,5

    20,4

    3

    9948

    1866

    39208

    24,9

    9,5

    4

    15503

    +1147

    63273

    50,4

    34,7

    5

    9558

    1514

    31271

    5,1

    17,9

    6

    10919

    4970

    86129

    35,9

    12,1

    7

    2631

    тисячі п'ятсот шістьдесят одна

    48461

    48,1

    18,9

    8

    18727

    4197

    138657

    69,5

    12,2

    9

    18279

    6696

    127570

    31,9

    8,1

    10

    39689

    5237

    208900

    139,4

    29,7

    11

    -984

    547

    6922

    16,9

    5,3

    12

    5431

    710

    8228

    17,8

    5,6

    13

    2861

    940

    18894

    27,6

    12,3

    14

    -1123

    3528

    27486

    13,9

    3,2

    15

    203892

    52412

    1974472,00

    37,3

    19

    16

    16304

    4409

    162229

    55,3

    19,3

    17

    35218

    6139

    128731

    35,1

    12,4

    18

    857

    802

    6714

    14,9

    3,1

    19

    116

    442

    478

    0,2

    0,6

    20

    1021

    2797

    60209

    37,2

    13,1

    21

    102843

    10280

    540780

    74,45

    21,5

    22

    10035

    4560

    108549

    32,5

    13,2

    23

    6612

    3801

    169995

    75,9

    27,2

    24

    163420

    46142

    972349

    27,5

    10,8

    25

    2948

    2535

    163695

    65,5

    19,9

    Таб.1. Початкові дані

    завдання

    1. Розрахувати параметри лінійного рівняння множинної регресії з повним переліком факторів.

    2. Оцінити статистичну значущість параметрів регресійної моделі за допомогою t - критерію, перевірити нульову гіпотезу про значущість рівняння за допомогою F - критерію (α = 0,05), оцінити якість рівняння регресії за допомогою коефіцієнта детермінації.

    3. Відібрати інформативні чинники в модель по t - критерію для коефіцієнтів регресії. Побудувати модель тільки з інформативними факторами і оцінити її параметри. Дати оцінку впливу значущих чинників на результат за допомогою коефіцієнтів еластичності, β- і Δ - коефіцієнтів.

    4. Розрахувати прогнозні значення результату, якщо прогнозні значення факторів складають 80% від їх максимальних значень.

    1. Розрахуємо параметри лінійного рівняння множинної регресії з повним переліком факторів, використовуючи інструмент «регресія» пакета аналізу. У масив «вхідний інтервал Y» вводимо діапазон комірок, що містять значення результату Y - B2: B27; в масив «вхідний інтервал X» вводимо діапазон комірок, що містять значення фактора X - C2: D27, активізуємо прапорці «мітки», «новий робочий лист» і «залишки», потім натискаємо клавішу «ок».

    В результаті отримуємо наступне лінійне рівняння множинної регресії:

    2а. Оцінимо статистичну значущість параметрів регресійної моделі за допомогою t - критерію. Фактор x j є статистично значущим, якщо параметр a j при цьому факторі значущий. Для перевірки значущості параметра a j використовуємо стовпець «t - статистка» таблиці 4 дисперсійного аналізу додатка 2.

    маємо:

    Порівняємо розрахункові значення t - критерію з табличним значенням t табл. = 2,064.

    , Значить, параметр a 0 незначну.

    , Значить, параметр a 1 значущий, і фактор x 1 при даному параметрі є статистично значущим, його слід включити в модель.

    , Значить, параметр a 3 значущий і фактор x 3

    , Значить, параметр a 4 незначну, і фактор x 4 при даному параметрі не є статистично значущим, його слід виключити з моделі.

    , Значить, параметр a 4 незначну, і фактор x 4 при даному параметрі не є статистично значущим, його слід виключити з моделі.

    2б. Перевіримо нульову гіпотезу про значущість рівняння за допомогою F - критерію (α = 0,05). Для цього знаходимо розрахункове значення даного критерію з допомогою функції «FРАСПОБР» майстра функцій Excel: в масив «ймовірність» вводимо значення рівня значущості α = 0,05, в масив «число ступенів свободи1» вводимо значення k 1 = m = 2 (т. к. в моделі 2 фактора: х 1 і х 3), в масив «число ступенів свободи2» вводимо значення k 2 = nm-1 = 25-2-1 = 24. Потім отримане розрахункове значення Fрасч. = 3,403 порівнюємо з табличним значенням Fтабл. = 80,419, яке беремо з шпальти «F» таблиці 4 дисперсійного аналізу.

    3,403 <80,419, значить, рівняння регресії незначимо.

    2в. Перевіримо якість рівняння регресії за допомогою коефіцієнта детермінації за такою формулою за даними таблиці 7 (див. Додаток 3):

    ,

    значить, побудована лінійна модель множинної регресії точна, а значить, і якісна.

    3а. Відібрані інформативні чинники в модель по t - критерію для коефіцієнтів регресії представлені в таблиці 6 додатка 3. Побудуємо модель тільки з інформативними факторами x 1 і x 3, використовуючи інструмент «регресія» пакета аналізу даних (див. Додаток 5).

    В результаті отримуємо наступне лінійне рівняння множинної регресії:

    .

    3б. Оцінимо вплив значущих чинників на результат за допомогою коефіцієнтів еластичності, β- і Δ-коефіцієнтів. Обчислимо коефіцієнт еластичності для фактора х1 такою формулою:

    -

    якщо фактор х 1 збільшити на 1%, то результат y збільшиться на 50%.

    Аналогічно знаходимо коефіцієнт еластичності для фактора х 3:

    -

    якщо фактор х 3 збільшити на 1%, то результат y збільшиться на 42%.

    Знаходимо β-коефіцієнти. Для цього спочатку обчислимо СКО x 1 і x 3, використовуючи функцію СТАНДОТКЛОН майстра функцій Excel. У осередок С32 вводимо формулу:

    = СТАНДОТКЛОН (С7: С31).

    Аналогічну формулу вводимо в комірку D32 для знаходження СКО для фактора х 3:

    = СТАНДОТКЛОН (D7: D31).

    Отримані значення Sx j підставимо в формули (*) і (**). У осередок С35 вводимо формулу:

    = G35 * C32 / B32.

    У осередок D35 вводимо формулу:

    = H35 * D32 / B32.

    (*)

    . (**)

    отримуємо:

    Якщо фактор х 1 збільшити на Sx 1 = 12994,033, то результат y зміниться на

    Якщо фактор х 3 збільшити на Sx 3 = 422015,64, то результат зміниться на

    Для знаходження Δ-коефіцієнта обчислимо спочатку коефіцієнт парної кореляції, використовуючи інструмент «корелляция» пакета аналізу даних, потім його значення підставляємо в формулу:

    .

    У осередок С36 вводимо формулу:

    = 0,956 * С35 / 0,935.

    отримуємо: , Значить, 50% впливу надає фактор х 1.

    Аналогічно знаходимо Δ-коефіцієнт для фактора х 3. У осередок D36 вводимо формулу:

    = 0,954 * D35 / 0,935.

    отримуємо: , Значить, 47% впливу надає фактор х 3.

    4. Знайдемо прогнозні значення результату y, якщо прогнозні значення факторів x становлять 80% від їх максимальних значень.

    - Інтервальний прогноз.

    - Середня квадратична помилка прогнозу.

    - Точковий прогноз.