Модифицированная модель Кейнса. Оценка качества уравнения

Расчет параметров линейной регрессии. Сравнительная оценка тесноты связи с помощью показателей корреляции, детерминации, коэффициента эластичности. Построение поля корреляции. Определение статистической надежности результатов регрессионного моделирования.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 17.09.2016
Размер файла 71,7 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

КОНТРОЛЬНАЯ РАБОТА

Задача 1

В таблице приведены результаты измерения силы звука самолета (она обозначается и измеряется в децибелах (дб)) на различных расстояниях от точки взлета (расстояние обозначается через и измеряется в километрах):

Номер измерения

1

2

3

4

5

6

7

Расстояние, км

115

108

102

98

93

89

87

Сила звука самолёта, дБ

1,0

2,5

3,0

5,5

7,0

8,5

10,0

Задание

1. Постройте поле корреляции и сформулируйте гипотезу о форме связи.

2. Рассчитайте параметры линейной регрессии.

3. Оцените тесноту связи с помощью показателей корреляции и детерминации.

4. Оцените с помощью средней квадратической ошибки и средней ошибки аппроксимации качество уравнения.

5. Дайте с помощью среднего коэффициента эластичности сравнительную оценку силы связи фактора с результатом.

6. Оцените с помощью F-критерия Фишера статистическую надежность результатов регрессионного моделирования.

7. Оцените статистическую значимость коэффициента регрессии и коэффициента корреляции.

8. Рассчитайте прогнозное значение результата, если прогнозное значение фактора увеличится на 10% от его среднего уровня.

9. Оцените полученные результаты, оформите выполненное задание в виде отчета.

Решение.

Построим поле корреляции (рис. 1). По расположению эмпирических точек можно предположить наличие линейной корреляционной зависимости между переменными и , т.е. можно принять гипотезу о линейной связи. Поэтому уравнение регрессии будем искать в виде линейного уравнения .

Рис. 1. Поле корреляции

регрессия корреляция статистический моделирование

Найдем оценки параметров и . Все расчеты представлены в таблице

№ п.п.

1

2

3

4

5

6

1

115

1

13225

115

0,271

1

2

108

2,5

11664

270

2,497

6,25

3

102

3

10404

306

4,405

9

4

98

5,5

9604

539

5,677

30,25

5

93

7

8649

651

7,267

49

6

89

8,5

7921

756,5

8,539

72,25

7

87

10

7569

870

9,175

100

692

37,5

69036

3507,5

37,831

267,75

ср. знач.

=98,857

=5,357

=9862,286

=501,071

Система нормальных уравнений для нахождения оценок параметров и имеет вид:

Уравнение линейной регрессии

Коэффициент регрессии говорит о том, что при увеличении расстояния от точки взлёта на 1 км сила звука самолета уменьшается в среднем на 0,318 дб.

Проверим правильность расчетов сравнением сумм .

.

Найдем коэффициент корреляции и коэффициент детерминации.

Коэффициент корреляции:

, где

;

.

Так как значение коэффициента по модулю больше 0,9, то это говорит о наличии весьма высокой связи между признаками.

Коэффициент детерминации:

.

Расчетная таблица.

№ п.п.

1

2

3

4

5

6

1

115

1

-5,086

25,867

-4,357

18,983

2

108

2,5

-2,860

8,180

-2,857

8,162

3

102

3

-0,952

0,906

-2,357

5,555

4

98

5,5

0,320

0,102

0,143

0,020

5

93

7

1,910

3,648

1,643

2,699

6

89

8,5

3,182

10,125

3,143

9,878

7

87

10

3,818

14,577

4,643

21,557

692

37,5

-

63,406

-

66,857

ср. знач.

98,857

5,357

-

-

-

-

Проверка .

Это означает, что 97,5% вариации силы звука самолета (y) объясняется вариацией фактора x - расстояния от точки взлёта (сила звука самолета на 97,5% зависит от расстояния от точки взлёта, и лишь на 2,5% зависит от факторов, не включенных в модель).

Найдем среднюю квадратическую ошибку и среднюю ошибку аппроксимации.

Средняя квадратическая ошибка:

Так как , то использование модели регрессии является целесообразным.

Средняя ошибка аппроксимации

Качество построенной модели оценивается как среднее, так как превышает 10%.

Найдем коэффициент эластичности:

Коэффициент эластичности говорит о том, что при увеличении фактора x (расстояния от точки взлёта) на 1% от уровня , т.е. на 0,988 км приведет к уменьшению результативного признака y (силы звука самолета) на 5,868% относительно уровня дб, т.е. на 0,31 дб.

Оценку статистической значимости уравнения регрессии в целом проведем с помощью F-критерия Фишера. Фактическое значение F-критерия составит:

Табличное значение критерия при пятипроцентном уровне значимости и степенях свободы составляет . Так как , то уравнение регрессии признаётся статистически значимым.

Оценку статистической значимости коэффициента регрессии и коэффициента корреляции проведем с помощью t-статистики Стьюдента.

Определим стандартные ошибки :

Тогда

Табличное значение t-критерия для числа степеней свободы и уровня значимости составит .

Фактические значения t-статистики превосходят табличное значение:

,

Поэтому параметры b, r не случайно отличаются от нуля, а статистически значимы.

Полученные оценки уравнения регрессии позволяют использовать его для прогноза.

Рассчитать прогнозное значение результата, если прогнозное значение фактора увеличится на 10% от его среднего уровня.

Решение.

;

. .

.

Оценим полученные результаты.

Зависимость силы звука самолета от расстояния от точки взлёта определяется формулой:

.

При этом 97,5% вариации силы звука самолета (y) объясняется вариацией фактора x - расстояния от точки взлёта (сила звука самолета на 97,5% зависит от расстояния от точки взлёта, и лишь на 2,5% зависит от факторов, не включенных в модель).

Полученные параметры b, r являются статистически значимыми.

Качество построенной модели оценивается как среднее, так как средняя ошибка аппроксимации превышает 10%.

При увеличении фактора x (расстояния от точки взлёта) на 1% от уровня , т.е. на 0,988 км приведет к уменьшению результативного признака y (силы звука самолета) на 5,868% относительно уровня дб, т.е. на 0,31 дб.

Задача 2

Задание

1. Применив необходимое и достаточное условие идентификации, определите, идентифицировано ли каждое из уравнений модели.

2. Запишите приведенную форму модели.

Модифицированная модель Кейнса:

где C - расходы на потребление, Y - доход, I - инвестиции, G - государственные расходы, t - текущий период, t-1 - предыдущий период

Решение.

Переменные - эндогенные переменные.

Переменная G - экзогенная переменная, переменная - предопределённая переменная (лаговая эндогенная).

Определяем, идентифицировано ли каждое из уравнений модели.

Число предопределённых переменных в системе равно .

Рассмотрим первое уравнение.

Число эндогенных переменных в уравнении равно: , число предопределённых переменных в уравнении равно: .

Проверяем соотношение: .

,

,

- уравнение сверхидентифицировано.

Рассмотрим второе уравнение.

Число эндогенных переменных в уравнении равно: , число предопределённых переменных в уравнении равно: .

Проверяем соотношение: .

,

,

- уравнение точно идентифицировано.

Рассмотрим третье уравнение.

Третье уравнение представляет собой тождество и идентификации не подлежит.

Приведённая форма модели - это система уравнений, в которой каждая эндогенная переменная есть линейная функция от всех предопределённых переменных модели (экзогенных и лаговых). То есть в приведённой форме модели в общем случае эндогенные переменные выражены через предопределённые переменные.

Выразим эндогенные переменные через предопределённые переменные путём преобразования уравнений.

Подставляем первое и второе уравнения системы в третье и преобразовываем его:

Полученное выражение подставляем в первое и второе уравнения системы и получаем приведенную форму исходной модели:

Размещено на Allbest.ru


Подобные документы

  • Построение поля корреляции. Оценка данной зависимости линейной, степенной и гиперболической регрессией. Оценка тесноты связи с помощью показателей корреляции и детерминации. Расчет коэффициента эластичности. Определение доверительного интервала прогноза.

    контрольная работа [508,1 K], добавлен 13.11.2011

  • Расчет параметров уравнения линейной регрессии, оценка тесноты связи с помощью показателей корреляции и детерминации; определение средней ошибки аппроксимации. Статистическая надежность регрессионного моделирования с помощью критериев Фишера и Стьюдента.

    контрольная работа [34,7 K], добавлен 14.11.2010

  • Построение поля корреляции по данным, гипотеза о форме связи. Оценка тесноты связи с помощью показателей корреляции и детерминации. Определение коэффициента эластичности и индекса корреляции. Расчет критериев Фишера. Модель денежного и товарного рынков.

    контрольная работа [353,7 K], добавлен 21.06.2011

  • Оценка тесноты связи с помощью показателей корреляции и детерминации. Построение поля корреляции и расчёт параметров линейной регрессии. Результаты вычисления функций и нахождение коэффициента детерминации. Регрессионный анализ и прогнозирование.

    курсовая работа [1,1 M], добавлен 07.08.2011

  • Построение поля корреляции и формулирование гипотезы о форме связи. Параметры уравнений линейной, степенной и гиперболической регрессии. Оценка тесноты связи с помощью показателей корреляции и детерминации. Оценка средней ошибки аппроксимации уравнения.

    контрольная работа [136,3 K], добавлен 25.09.2014

  • Построение поля корреляции и формулировка гипотезы о линейной форме связи. Расчет уравнений различных регрессий. Расчет коэффициентов эластичности, корреляции, детерминации и F-критерия Фишера. Расчет прогнозного значения результата и его ошибки.

    контрольная работа [681,9 K], добавлен 03.08.2010

  • Расчет параметров уравнения линейной регрессии, оценка тесноты связи с помощью показателей корреляции и детерминации. Определение средней ошибки аппроксимации. Статистическая надежность моделирования с помощью F-критерия Фишера и t-критерия Стьюдента.

    контрольная работа [58,3 K], добавлен 17.10.2009

  • Построение поля корреляции. Расчет параметров уравнений парной регрессии. Зависимость средней ожидаемой продолжительности жизни от некоторых факторов. Изучение "критерия Фишера". Оценка тесноты связи с помощью показателей корреляции и детерминации.

    контрольная работа [173,8 K], добавлен 22.11.2010

  • Построение поля корреляции, расчет уравнений линейной парной регрессии, на основе данных о заработной плате и потребительских расходах в расчете на душу населения. Анализ коэффициента эластичности, имея уравнение регрессии себестоимости единицы продукции.

    контрольная работа [817,3 K], добавлен 01.04.2010

  • Построение уравнения множественной регрессии в линейной форме, расчет интервальных оценок его коэффициентов. Создание поля корреляции, определение средней ошибки аппроксимации. Анализ статистической надежности показателей регрессионного моделирования.

    контрольная работа [179,4 K], добавлен 25.03.2014

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.