• план
  • Вступ
  • Класифікація економетричних моделей і методів.
  • Параметрична ідентифікація парної лінійної економетричної моделі
  • критерій Фішера
  • Параметрична ідентифікація парної нелінійної регресії
  • Прогнозування попиту на продукцію підприємства.
  • Список літератури


  • Дата конвертації21.04.2017
    Розмір31.35 Kb.
    Типконтрольна робота

    Скачати 31.35 Kb.

    Класифікація економетричних моделей і методів

    2

    МОСКОВСЬКИЙ ГУМАНІТАРНО-ЕКОНОМІЧНИЙ ІНСТИТУТ

    Товариський філія

    Кафедра загальногуманітарних дисциплін

    КОНТРОЛЬНА РОБОТА

    Спеціальність: Бухгалтерський облік, аналіз і аудит.

    Навчальна дисципліна: "Економетрика"

    студентки 3 курсу група ББ-341

    факультет економіки і управління

    Тимофєєвої Тетяни Євгенівни

    перевірив

    Снастін Олександр Анатолійович

    доцент, к. т. н.

    2008 р

    план

    • Вступ
      • I. Основна частина
      • Параметрична ідентифікація парної лінійної економетричної моделі
      • критерій Фішера
      • Параметрична ідентифікація парної нелінійної регресії
      • Прогнозування попиту на продукцію підприємства. Використання в MS Excel функції "Тенденція"
      • Список літератури

    Вступ

    Класифікація економетричних моделей і методів.

    Економетрика - це наука, що лежить на стику між статистикою і математикою, вона розробляє економічні моделі для мети параметричної ідентифікації, прогнозування (аналізу часових рядів).

    Класифікація економетричних моделей і методів.

    Економетричні моделі (ЕМ)

    Економетричні моделі параметричної ідентифікації

    Економетричні моделі для мети прогнозування

    Система економетричних моделей

    (Встановлення параметрів (чи є тренд) (комплексна моделі) оцінка)

    y = a + b + xy = a + b * ty = a + b 1 x 1 -b 2 x 2

    y - залежна змінна (відгук), прибуток, наприклад. x - незалежна змінна (регресорів), яка чисельність персоналу, наприклад. На підставі спостережень оцінюються a і b (визначення параметрів моделей або регресивні коефіцієнти).

    № п / п

    y

    x

    1

    11

    1

    2

    13

    2

    3

    14

    3

    4

    12

    4

    5

    17

    5

    6

    16,7

    6

    7

    17,8

    7

    На підставі спостережень оцінюється a і b (визначення параметрів моделей або регресивні коефіцієнти).

    Параметрична ідентифікація займається оцінкою економетричних моделей, в яких є один або кілька x і один y. Для цілей встановлення впливу одних параметрів роботи підприємства на інші.

    Якщо x в першого ступеня і немає коренів, ні ступенів, немає 1 / x, то модель лінійна.

    y = ax b - статечна функція;

    y = ab x - показова функція;

    y = a1 / x - парабола одностороння.

    Y-прибуток - лінійна модель

    - статечна функція

    x - чисельність

    Вибираємо найбільш надійну модель. Після побудови по одним і тим же експерт даними однієї лінійної і декількох нелінійних моделей над кожною з отриманих моделей виробляємо дві перевірки.

    1 - на надійність моделі або статистичну значущість. F кр - або критерій Фішера. Табличне F і розрахункове F. Якщо F p > F табл. - то модель статистично значуща.

    2 - Відібравши з моделей всі значущі моделі, серед них знаходимо найточнішу, у якій мінімальна середня помилка апроксимації.

    Економетричні моделі для прогнозів досліджують поведінку одного параметра роботи підприємства в часі.

    I. Основна частина

    Параметрична ідентифікація парної лінійної економетричної моделі

    За семи областям регіону відомі значення двох ознак за 2007р.

    район

    Витрати на покупку продовольчих товарів в загальних витратах,%, у

    середньоденна заробітна плата одного працюючого, руб., х

    1

    68,8

    45,1

    2

    61,2

    59

    3

    59,9

    57,2

    4

    56,7

    61,8

    5

    55

    58,8

    6

    54,3

    47,2

    7

    49,3

    55,2

    № п / п

    Y

    x

    ух

    Х 2

    y

    (y - у) 2

    (у - y) 2

    (Yy) / y

    1

    68,80

    45,10

    3102,88

    2034,01

    61,33

    11,8286862

    55,87562

    0,108648

    2

    61, 20

    59,00

    3610,80

    3481,00

    56,46

    2,0326612

    22,46760

    0,077451

    3

    59,90

    57, 20

    3426,28

    3271,84

    57,09

    0,6331612

    7,89610

    0,046912

    4

    56,70

    61,80

    3504,06

    3819,24

    55,48

    5,7874612

    1,48840

    0,021517

    5

    55,00

    58,80

    3234,00

    3457,44

    56,53

    1,8379612

    2,34090

    0,027820

    6

    54,30

    47, 20

    2562,96

    2227,84

    60,59

    7,3131612

    39,56410

    0,115840

    7

    49,30

    55, 20

    2721,36

    3047,04

    57,79

    0,0091612

    72,08010

    0,172210

    Разом

    405, 20

    384,30

    22162,34

    21338,41

    405,27

    29,4422535

    201,7128

    0,570398

    Сер. з

    57,89

    54,90

    3166,05

    3048,34

    57,90

    4, 2060362

    28,81612

    0,081485

    yx yx x 2

    Вихідні дані x і y можуть бути двох типів:

    а) розглядаємо одне підприємство, то спостереження беруться через равностоящих проміжки часу (1 в квартал);

    б) якщо кожне спостереження - це окреме підприємство, то дані беруться на одну і ту ж дату, наприклад, на 01.01.07

    у - витрати на продовольчі товари у відсотках; витрати, наприклад, на їжу.

    b =

    yx-yx

    (Гаусс)

    XІ - (x) І

    х - середньоденна заробітна плата, в руб.

    у = а + b х - лінійна парна регрессионная ЕМ.

    = -0.35 a = y - bx = 76,88

    b = (3166,049-57,88571 * 54,9) / (3048,344-54,9) = - 0,35

    а = 57,88571 - (- 0,35) * 54,9 = 77,10071

    y = а + b х

    y = 77,10071-0,35х

    y (ігрек з кришечкою) = 76,88-0,35х це модельне значення y, яке виходить шляхом підстановки в y = a + bx, конкретне значення a і b коефіцієнти, а також x з конкретної рядки.

    критерій Фішера

    F розр =

    У (y -y) 2 m

    У (y - y) 2 (nm-1)

    n - кількість спостережень;

    m - кількість регресорів (x 1)

    Припустимо, 0,7. F крит не може бути менше одиниці, тому, якщо ми отримаємо значення <1, то

    F розр =

    1

    0,7

    - зворотне значення. = 1,4

    1. Таблиця значень F-критерію Фішера для рівня значущості б = 0.05

    k 2 k 1

    1

    2

    3

    4

    5

    6

    8

    12

    24

    ?

    1

    161,45

    199,50

    215,72

    224,57

    230,17

    233,97

    238,89

    243,91

    249,04

    254,32

    2

    18,51

    19,00

    19,16

    19,25

    19,30

    19,33

    19,37

    19,41

    19,45

    19,50

    3

    10,13

    9,55

    9,28

    9,12

    9,01

    8,94

    8,84

    8,74

    8,64

    8,53

    4

    7,71

    6,94

    6,59

    6,39

    6,26

    6,16

    6,04

    5,91

    5,77

    5,63

    5

    6,61

    5,79

    5,41

    5, 19

    5,05

    4,95

    4,82

    4,68

    4,53

    4,36

    6

    5,99

    5,14

    4,76

    4,53

    4,39

    4,28

    4,15

    4,00

    3,84

    3,67

    7

    5,59

    4,74

    4,35

    4,12

    3,97

    3,87

    3,73

    3,57

    3,41

    3,23

    8

    5,32

    4,46

    4,07

    3,84

    3,69

    3,58

    3,44

    3,28

    3,12

    2,93

    9

    5,12

    4,26

    3,86

    3,63

    3,48

    3,37

    3,23

    3,07

    2,90

    2,71

    10

    4,96

    4,10

    3,71

    3,48

    3,33

    3,22

    3,07

    2,91

    2,74

    2,54

    11

    4,84

    3,98

    3,59

    3,36

    3, 20

    3,09 П

    2,95

    2,79

    2,61

    2,40

    Коли m = 1, вибираємо 1 стовпець.

    k 2 = nm = 7-1 = 6 - т.е.6-й рядок - беремо табличне значення Фішера

    F табл = 5.99, у порівн. = Разом: 7

    Вплив х на у - помірне і негативне

    y - модельне значення.

    F розр. =

    28,648: 1

    = 0,92

    200,50: 5

    А = 1/7 * 398,15 * 100% = 8,1% <10% -

    прийнятне значення

    Модель досить точна.

    F розр. = 1 / 0,92 = 1,6

    F розр. = 1,6

    Повинно бути F розр. > F табл

    Порушується дана модель, тому дане рівняння статистично значимо.

    Так як розрахункове значення менше табличного - незначна модель.

    В ср =

    1

    У

    (Y - y)

    * 100%

    N

    y

    Помилка апроксимації.

    A = 1/7 * 0,563494 * 100% = 8,04991% 8,0%

    Вважаємо, що модель точна, якщо середня помилка апроксимації менше 10%.

    Параметрична ідентифікація парної нелінійної регресії

    Модель у = а * х b - статечна функція

    Щоб застосувати відому формулу, необхідно логаріфміровать нелінійну модель.

    log у = log a + b log x

    Y = C + b * X лінійна модель.

    b =

    yx-Y * X

    xІ- (x) І

    C = Yb * X

    b = 0.289

    С = 1,7605 - (- 0,298) * 1,7370 = 2,278

    Повернення до вихідної моделі

    Y = 10 з * x b = 10 2.2 78 * x -0 .2 98

    № п / п

    У

    X

    Y

    X

    Y * X

    X 2

    У

    I (yy) / yI

    1

    68,80

    45,10

    1,8376

    1,6542

    3,039758

    2,736378

    60,9614643

    0,113932

    2

    61, 20

    59,00

    1,7868

    1,7709

    3,164244

    3,136087

    56,2711901

    0,080536

    3

    59,90

    57, 20

    1,7774

    1,7574

    3,123603

    3,088455

    56,7931534

    0,051867

    4

    56,70

    61,80

    1,7536

    1,7910

    3,140698

    3, 207681

    55,4990353

    0,021181

    5

    55,00

    58,80

    1,7404

    1,7694

    3,079464

    3,130776

    56,3281590

    0,024148

    6

    54,30

    47, 20

    1,7348

    1,6739

    2,903882

    2,801941

    60,1402577

    0,107555

    7

    49,30

    55, 20

    1,6928

    1,7419

    2,948688

    3,034216

    57,3987130

    0,164274

    Разом

    405, 20

    384,30

    12,3234

    12,1587

    21,40034

    21,13553

    403,391973

    0,563493

    Середня

    57,88571

    54,90

    1,760486

    1,736957

    3,057191

    3,019362

    57,62742

    0,080499

    Входимо в EXCEL через "Пуск"-програми.Заносимо дані в таблицю. В "Сервіс" - "Аналіз даних" - "Регресія" - ОК

    Якщо в меню "Сервіс" відсутній рядок "Аналіз даних", то її необхідно встановити через "Сервіс" - "Налаштування" - "Пакет аналізу даних"

    Прогнозування попиту на продукцію підприємства. Використання в MS Excel функції "Тенденція"

    A - попит на товар. B - час, дні

    № п / п

    A

    B

    1

    11

    1

    2

    14

    2

    3

    13

    3

    4

    15

    4

    5

    17

    5

    6

    17,9

    6

    7

    18,4

    7

    1/3

    1

    Крок 1. Підготовка вихідних даних

    Крок 2. Продовжуємо тимчасову вісь, ставимо на 6,7 вперед; маємо право прогнозувати на 1/3 від даних.

    Крок 3. Виділимо діапазон A6: A7 під майбутній прогноз.

    Крок 4. Вставка функція

    Крок 1

    Категорія

    Повний алфавітний перелік Тенденція

    КРОК 2

    тенденція

    Відомі значення x

    (курсор В 1: В 5)

    Виділяємо з 1 по 5

    новий x

    В6: В7

    відомий y

    А1: А5

    Const

    1

    Ок

    Крок 5. ставимо курсор в рядок формул за останню дужку

    = Тенді ()

    Вставка діаграма нестандартні гладкі графіки

    діапазон у готово.

    Якщо кожне наступне значення нашого тимчасової осі буде відрізнятися не на кілька відсотків, а в кілька разів, тоді потрібно використовувати не функцію "Тенденція", а функцію "Рост".

    Список літератури

    1. Єлісєєва "Економетрика"

    2. Єлісєєва "Практикум з економетрики"

    3. Карлсберг "Excel для мети аналізу"

    додаток

    ВИСНОВОК ПІДСУМКІВ

    Реєстраційна статистика

    множинний R

    0,947541801

    R-квадрат

    0,897835464

    Нормований R-квадрат

    0,829725774

    стандартна помилка

    0,226013867

    спостереження

    6

    дисперсійний аналіз

    df

    SS

    MS

    F

    значимість F

    регресія

    2

    1,346753196

    0,673376598

    +13,18219855

    0,032655042

    залишок

    3

    0,153246804

    0,051082268

    Разом

    5

    1,5

    коефіцієнти

    стандартна помилка

    t-статистика

    Р-значення

    Нижні 95%

    Верхні 95%

    Нижні 95%

    Верхні 95%

    Y-перетин

    4,736816539

    0,651468195

    7,27098664

    0,005368842

    2,66355399

    6,810079088

    2,66355399

    6,810079088

    Мінлива X1

    0,333424008

    0,220082134

    1,51499807

    0,227014505

    -0,366975566

    1,033823582

    -0,366975566

    1,033823582

    Мінлива X2

    0,077993238

    0,038841561

    2,007984153

    0,138252856

    -0,045617943

    0, 201604419

    -0,045617943

    0, 201604419