Парная регрессия

Определение наличия тенденции по заданным значениям прибыли фирмы. Построение графика линейной парной регрессии, нанесение полученных результатов на диаграмму рассеяния. Прогнозирование величины прибыли с помощью построенной регрессионной модели.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 27.10.2010
Размер файла 284,0 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.

Контрольная работа

по теме: "Парная линейная регрессия"

Данные, характеризующие прибыль торговой компании "Все для себя" за первые 10 месяцев 2004 года (в тыс. руб.), даны в следующей таблице:

январь

февраль

март

апрель

май

июнь

июль

август

сентябрь

октябрь

367

418

412

470

485

470

525

568

538

558

В контрольной работе с использованием табличного процессора Ехсеl необходимо выполнить следующие вычисления и построения:

1. Построить диаграмму рассеяния.

2. Убедится в наличии тенденции (тренда) в заданных значениях прибыли фирмы и возможности принятия гипотезы о линейном тренде.

3. Построить линейную парную регрессию (регрессию вида ). Вычисление коэффициентов b0, b1 выполнить методом наименьших квадратов.

4. Нанести график регрессии на диаграмму рассеяния.

5. Вычислить значения статистики F и коэффициента детерминации R2. Проверить гипотезу о значимости построенного уравнения регрессии.

6. Вычислить выборочный коэффициент корреляции и проверить гипотезу о ненулевом его значении.

7. Вычислить оценку дисперсии случайной составляющей эконометрической модели.

8. Проверить гипотезы о значимости вычисленных коэффициентов b0, b1 .

9. Построить доверительные интервалы для коэффициентов b0, b1.

10. Построить доверительные интервалы для дисперсии случайной составляющей эконометрической модели.

11. Построить доверительную область для условного математического ожидания М()( по оси Х откладывать месяцы январь - декабрь). Нанести границы этой области на диаграмму рассеяния.

12. С помощью линейной парной регрессии сделать прогноз величины прибыли на ноябрь и декабрь месяц и нанести эти значения на диаграмму рассеяния. Сопоставить эти значения с границами доверительной области для условного математического ожидания М() и сделать вывод о точности прогнозирования с помощью построенной регрессионной модели.

Решение.

Используя исходные данные, строим диаграмму рассеяния:

На основе анализа диаграммы рассеяния убеждаемся в наличии тенденции увеличения прибыли фирмы и выдвигаем гипотезу о линейном тренде.

Полагаем, что связь между факторами Х и У может быть описана линейной функцией . Решение задачи нахождения коэффициентов b0, b1 основывается на применении метода наименьших квадратов и сводится к решению системы двух линейных уравнений с двумя неизвестными b0, b1 :

b0 n + b1 Уxi = Уyi,

b0 Уxi + b1 Уxi2 = Уxiyi.

Составляем вспомогательную таблицу:

х

y

x2

ху

y2

1

1

367

1

367

134689

2

2

418

4

836

174724

3

3

412

9

1236

169744

4

4

470

16

1880

220900

5

5

485

25

2425

235225

6

6

470

36

2820

220900

7

7

525

49

3675

275625

8

8

568

64

4544

322624

9

9

538

81

4842

289444

10

10

558

100

5580

311364

сумма

55

4811

385

28205

2355239

Для нашей задачи система имеет вид:

Решение этой системы можно получить по правилу Крамера:

Получаем:

, .

Таким образом, искомое уравнение регрессии имеет вид:

y =364,8 + 21,145x.

4. Нанесем график регрессии на диаграмму рассеяния.

5. Вычислим значения статистики F и коэффициента детерминации R2. Коэффициент детерминации рассчитаем по формуле R2 = rxy2 = 0,9522 = 0,907. Проверим адекватность модели (уравнения регрессии) в целом с помощью F-критерия. Рассчитаем значение статистики F через коэффициент детерминации R2 по формуле:

Получаем: . Зададим уровень значимости б =0,01, по таблице находим квантиль распределения Фишера F0,01;1;8 = 11,26, где 1 - число степеней свободы.

Fфакт. > F0,01;1;8, т.к. 78,098 > 11,26.

Следовательно, делаем вывод о значимости уравнения регрессии при 99% - м уровне значимости.

6. Вычислим выборочный коэффициент корреляции и проверим гипотезу о ненулевом его значении.

Рассчитаем выборочный коэффициент корреляции по формуле:

Получаем:

Проверка существенности отличия коэффициента корреляции от нуля проводится по схеме: если , то гипотеза о существенном отличии коэффициента корреляции от нуля принимается, в противном случае отвергается.

Здесь t1-б/2,n-2 - квантиль распределения Стьюдента, б - уровень значимости или уровень доверия, n - число наблюдений, (n-2) - число степеней свободы. Значение б задается. Примем б = 0,05, тогда t1-б/2,n-2 = t0,975,8 = 2,37. Получаем:

.

Следовательно, коэффициент корреляции существенно отличается от нуля и существует сильная линейная связь между х и у.

С использованием табличного процессора Ехсеl проведем регрессионную статистику:

Вывод итогов:

Регрессионная статистика

Множественный R

0,952409

R-квадрат

0,907083

Нормированный R-квадрат

0,895468

Стандартная ошибка

21,7332

Наблюдения

10

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

1

36888,245

36888,25

78,09816

2,119E-05

Остаток

8

3778,6545

472,3318

Итого

9

40666,9

Коэфф.

Станд. ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Y-пересечение

364,8

14,846599

24,57128

8,04E-09

330,56368

399,0363

Переменная X 1

21,14545

2,3927462

8,837316

2,12E-05

15,627772

26,66314

Вычисленные значения коэффициентов b0, b1, значения статистики F, коэффициента детерминации R2 выборочного коэффициента корреляции rxy совпадают с выделенными в таблице.

7. Оценка дисперсии случайной составляющей эконометрической модели вычисляется по формуле .

Используя результаты регрессионной статистики, получаем:

.

8. Проверим значимость вычисленных коэффициентов b0, b1 по t-критерию Стьюдента. Для этого проверяем выполнение неравенств:

и ,

где

, , , .

Используем результаты регрессионной статистики:

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Y-пересечение

364,8

14,846599

24,57128

8,04E-09

330,56368

399,0363

Переменная X 1

21,14545

2,3927462

8,837316

2,12E-05

15,627772

26,66314

Получаем: ; Примем б = 0,05, тогда t1-б/2,n-2 = t0,975,8 = 2,37.

Так как и , делаем вывод о значимости коэффициентов линейного уравнения регрессии.

9. Доверительные интервалы для коэффициентов b0, b1 получаем с помощью результатов регрессионной статистики.

Доверительный интервал для коэффициента b0 уравнения регрессии:

Доверительный интервал для коэффициента b1 уравнения регрессии:

10. Построим доверительный интервал для дисперсии случайной составляющей эконометрической модели по формуле:

.

Примем б = 0,05, тогда по таблице для 10-элементной выборки q = 0,65.

Получаем:

,

.

11. Построим доверительную область для условного математического ожидания М().

Доверительные интервалы для уравнения линейной регрессии: находятся по формуле:

где соответственно верхняя и нижняя границы доверительного интервала; значение независимой переменной для которого определяется доверительный интервал, квантиль распределения Стьюдента, доверительная вероятность, (n-2) - число степеней свободы;

Рассмотрим уравнение: y =364,8 + 21,145x. Пусть тогда . Зная и , заполним таблицу:

1

385,95

20,25

4,634

377,327

394,564

2

407,09

12,25

5,215

397,391

416,791

3

428,24

6,25

5,738

417,564

438,908

4

449,38

2,25

6,217

437,819

460,945

5

470,53

0,25

6,661

458,138

482,917

6

491,67

0,25

7,078

478,508

504,838

7

512,82

2,25

7,471

498,921

526,715

8

533,96

6,25

7,845

519,372

548,556

9

555,11

12,25

8,202

539,854

570,365

10

576,25

20,25

8,544

560,363

592,146

сумма

82,5

11

597,4

30,25

8,873

580,897

613,903

12

618,55

42,25

9,190

601,453

635,638

График уравнения регрессии, доверительная полоса, диаграмма рассеяния:

12. С помощью линейной парной регрессии сделаем прогноз величины прибыли на ноябрь и декабрь месяц:

597,4, 618,55.

Нанесем эти значения на диаграмму рассеяния.

Эти значения сопоставимы с границами доверительной области для условного математического ожидания М().

Точность прогнозирования: с вероятностью 0,95 прибыль в ноябре находится в интервале (487,292; 515,508); прибыль в декабре находится в интервале (497,152; 526,376).


Подобные документы

  • Основные методы анализа линейной модели парной регрессии. Оценки неизвестных параметров для записанных уравнений парной регрессии по методу наименьших квадратов. Проверка значимости всех параметров модели (уравнения регрессии) по критерию Стьюдента.

    лабораторная работа [67,8 K], добавлен 26.12.2010

  • Оценка распределения переменной Х1. Моделирование взаимосвязи между переменными У и Х1 с помощью линейной функции и методом множественной линейной регрессии. Сравнение качества построенных моделей. Составление точечного прогноза по заданным значениям.

    курсовая работа [418,3 K], добавлен 24.06.2015

  • Выбор факторных признаков для двухфакторной модели с помощью корреляционного анализа. Расчет коэффициентов регрессии, корреляции и эластичности. Построение модели линейной регрессии производительности труда от факторов фондо- и энерговооруженности.

    задача [142,0 K], добавлен 20.03.2010

  • Определение количественной зависимости массы пушного зверька от его возраста. Построение уравнения парной регрессии, расчет его параметров и проверка адекватности. Оценка статистической значимости параметров регрессии, расчет их доверительного интервала.

    лабораторная работа [100,5 K], добавлен 02.06.2014

  • Задачи эконометрики, ее математический аппарат. Взаимосвязь между экономическими переменными, примеры оценки линейности и аддитивности. Основные понятия и проблемы эконометрического моделирования. Определение коэффициентов линейной парной регрессии.

    контрольная работа [79,3 K], добавлен 28.07.2013

  • Понятие регрессии. Оценка параметров модели. Показатели качества регрессии. Проверка статистической значимости в парной линейной регрессии. Реализация регрессионного анализа в программе MS Excel. Условия Гаусса-Маркова. Свойства коэффициента детерминации.

    курсовая работа [233,1 K], добавлен 21.03.2015

  • Статистический и корреляционный анализ активов, пассивов, прибыли, ВВП. Выбор формы моделей, отражающих зависимости между показателями. Построение и анализ регрессионной модели на основании реальных статистических данных, построение уравнения регрессии.

    курсовая работа [494,7 K], добавлен 20.11.2013

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.