Эконометрическое моделирование
Моделирование экономических процессов с помощью однофакторной регрессии. Оценка параметров проекта методом наименьших квадратов. Расчет коэффициента линейной корреляции. Исследование множественной эконометрической линейной схемы на мультиколлинеарность.
Рубрика | Экономико-математическое моделирование |
Вид | курсовая работа |
Язык | русский |
Дата добавления | 19.01.2011 |
Размер файла | 326,5 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.
Министерство образования и науки Украины
Таврический национальный университет им. В.И. Вернадского
Судакский факультет управления и экономики
Кафедра информационного менеджмента
Курсовая работа по курсу
"Эконометрия"
Выполнила:
студент гр. 31- МО
Абибуллаев ВВ.
Проверил:
Ст. преподователь
Заболотский А. С.
Судак, 2011 г
Этап №1. Эконометрическое моделирование
1 шаг. Пояснение экономического содержания показателей.
Наименование показателей:
1. Розничный товарооборот государственной и кооперативной торговли на душу населения
2. Среднемесячная денежная заработная плата рабочих и служащих
3. Средний размер вклада в сберегательном банке
4. Доля жителей в трудоспособном возрасте
5. Продажа алкогольных напитков на душу населения
Доля жителей в трудоспособном возрасте - это естественно-искусственный показатель, который влияет на среднемесячную денежную заработную плату рабочих и служащих.
Среднемесячная денежная заработная плата рабочих и служащих - это искусственный показатель, который складывается под влиянием доли жителей в трудоспособном возрасте и влияет на средний размер вклада в сберегательном банке и продажу алкогольных напитков на душу населения.
Средний размер вклада в сберегательном банке и продажа алкогольных напитков на душу населения, в свою очередь, влияют на розничный товарооборот государственной и кооперативно торговли на душу населения.
2шаг. Причинно-следственный анализ показателей и соподчинение их в иерархию:
3 шаг. Статистическая характеристика выборочной совокупности по регионам (средняя, средняя геометрическая, мода, медиана, среднее геометрическое отклонение, коэффициент вариации, асимметрия, эксцесс)
Таблица №1 Перечень показателей
№ |
Области |
1 |
2 |
3 |
4 |
5 |
|
1 |
Республика Крым |
2861 |
464,4 |
2136 |
58 |
4,9 |
|
2 |
Винницкая |
2102 |
407,8 |
2122 |
52,6 |
2,5 |
|
3 |
Волынская |
2224 |
426,3 |
2166 |
52,7 |
3,3 |
|
4 |
Днепропетровская |
2386 |
508,2 |
2040 |
57,2 |
3,9 |
|
5 |
Донецкая |
2671 |
547,7 |
2118 |
56,7 |
4,9 |
|
6 |
Житомирская |
2230 |
474,1 |
2219 |
52,9 |
3,1 |
|
7 |
Закарпатская |
2457 |
387,5 |
2373 |
56 |
5,5 |
|
8 |
Запорожская |
2733 |
500,3 |
2110 |
57,1 |
4,5 |
|
9 |
Ивано-Франковская |
2140 |
429,4 |
1954 |
54,4 |
4 |
|
10 |
Киевская |
2093 |
493,5 |
2237 |
54,9 |
2,5 |
|
11 |
Кировоградская |
2121 |
448 |
2184 |
53,8 |
3,2 |
|
12 |
Луганская |
2475 |
516,3 |
2020 |
56,4 |
4,5 |
|
13 |
Львовская |
2553 |
443,5 |
2185 |
56,1 |
4,8 |
|
14 |
Николаевская |
2608 |
439,9 |
2191 |
56,3 |
3,3 |
|
15 |
Одесская |
2576 |
445,2 |
2464 |
57,4 |
4,1 |
|
16 |
Полтавская |
2290 |
470,8 |
2257 |
53,6 |
4,2 |
|
17 |
Ровенская |
2248 |
444,2 |
1951 |
53,7 |
3 |
|
18 |
Сумская |
2154 |
471,1 |
2323 |
53,2 |
3,7 |
|
19 |
Тернопольская |
2078 |
417,1 |
2071 |
52,5 |
3,2 |
|
20 |
Харьковская |
2590 |
463,7 |
2146 |
56,9 |
4,7 |
|
21 |
Херсонская |
2546 |
443,7 |
2048 |
57 |
4,5 |
|
22 |
Хмельницкая |
2109 |
435,8 |
2067 |
52,7 |
2,2 |
|
23 |
Черкасская |
2398 |
461,7 |
2254 |
53,2 |
3,4 |
|
24 |
Черновецкая |
2242 |
392,9 |
18,63 |
54,5 |
3 |
|
25 |
Черниговская |
2209 |
419,8 |
2484 |
51,1 |
4,4 |
Таблица №2 Расчет параметров по показателям
Показатели |
1 |
2 |
3 |
4 |
5 |
|
Среднее |
2363,76 |
454,116 |
2085,545 |
54,836 |
3,812 |
|
Стандартная ошибка |
45,86314 |
7,712748 |
90,38595 |
0,396017 |
0,174864 |
|
Медиана |
2290 |
445,2 |
2146 |
54,5 |
3,9 |
|
Мода |
#Н/Д |
#Н/Д |
#Н/Д |
52,7 |
4,5 |
|
Стандартное отклонение |
229,3157 |
38,56374 |
451,9297 |
1,980084 |
0,874319 |
|
Дисперсия выборки |
52585,69 |
1487,162 |
204240,5 |
3,920733 |
0,764433 |
|
Эксцесс |
-0,89828 |
0,221876 |
20,07951 |
-1,35075 |
-0,88971 |
|
Асимметричность |
0,481048 |
0,49941 |
-4,24965 |
-0,03999 |
-0,04171 |
|
Интервал |
783 |
160,2 |
2465,37 |
6,9 |
3,3 |
|
Минимум |
2078 |
387,5 |
18,63 |
51,1 |
2,2 |
|
Максимум |
2861 |
547,7 |
2484 |
58 |
5,5 |
|
Сумма |
59094 |
11352,9 |
52138,63 |
1370,9 |
95,3 |
|
Счет |
25 |
25 |
25 |
25 |
25 |
|
Уровень надежности(95,0%) |
94,65685 |
15,91833 |
186,5474 |
0,817338 |
0,360901 |
4 шаг. Геометрическая иллюстрация статистических наблюдений
1-ый показатель
Карман |
Частота |
P=m/n |
Кумулята |
|
2100 |
2 |
0,08 |
0,08 |
|
2200 |
5 |
0,2 |
0,28 |
|
2300 |
6 |
0,24 |
0,52 |
|
2400 |
2 |
0,08 |
0,6 |
|
2500 |
2 |
0,08 |
0,68 |
|
2600 |
4 |
0,16 |
0,84 |
|
2700 |
2 |
0,08 |
0,92 |
|
2800 |
1 |
0,04 |
0,96 |
|
2900 |
1 |
0,04 |
1 |
|
Еще |
0 |
0 |
2-ой показатель
Карман |
Частота |
P=m/n |
Кумулята |
|
390 |
1 |
0,04 |
0,04 |
|
410 |
2 |
0,08 |
0,12 |
|
430 |
4 |
0,16 |
0,28 |
|
430 |
0 |
0 |
0,28 |
|
450 |
7 |
0,28 |
0,56 |
|
470 |
3 |
0,12 |
0,68 |
|
490 |
3 |
0,12 |
0,8 |
|
510 |
3 |
0,12 |
0,92 |
|
550 |
2 |
0,08 |
1 |
|
Еще |
0 |
0 |
3-ий показатель
Карман |
Частота |
P=m/n |
Кумулята |
|
20 |
1 |
0,04 |
0,04 |
|
330 |
0 |
0 |
0,04 |
|
640 |
0 |
0 |
0,04 |
|
950 |
0 |
0 |
0,04 |
|
1260 |
0 |
0 |
0,04 |
|
1570 |
0 |
0 |
0,04 |
|
1880 |
0 |
0 |
0,04 |
|
2190 |
15 |
0,6 |
0,64 |
|
2500 |
9 |
0,36 |
1 |
|
Еще |
0 |
0 |
4-ый показатель
Карман |
Частота |
P=m/n |
Кумулята |
|
51 |
0 |
0 |
0 |
|
52 |
1 |
0,04 |
0,04 |
|
53 |
5 |
0,2 |
0,24 |
|
54 |
5 |
0,2 |
0,44 |
|
55 |
3 |
0,12 |
0,56 |
|
56 |
1 |
0,04 |
0,6 |
|
57 |
6 |
0,24 |
0,84 |
|
58 |
4 |
0,16 |
1 |
|
Еще |
0 |
0 |
5-ый показатель
Карман |
Частота |
P=m/n |
Кумулята |
|
2 |
0 |
0 |
0 |
|
3 |
5 |
0,2 |
0,2 |
|
4 |
9 |
0,36 |
0,56 |
|
5 |
10 |
0,4 |
0,96 |
|
6 |
1 |
0,04 |
1 |
|
Еще |
0 |
0 |
Этап №2. Однофакторная регрессия
1 шаг. Сравнение 1-го со 2-м:
Моделирование экономических процессов с помощью математических зависимостей заключается в подборе вида функции, которая гипотетически описывает эти процессы.
В нашем случае в качестве такой функции выбираем линейную зависимость между факторами.
Для этого введем следующие показатели:
Y - розничный товарооборот государственной и кооперативной торговли на душу населения
Х - среднемесячная денежная заработная плата рабочих и служащих
Тогда зависимость между ними будет характеризоваться следующим уравнением:
На основе данных, указанных в таблице 1, рассчитаем параметры модели, оценив ее статистическую надежность и адекватность реальным условиям.
2 шаг. Оценка параметров модели с помощью метода наименьших квадратов
Параметры модели нужно оценить по методу наименьших квадратов, т.к. он обеспечивает минимальную дисперсию опытных данных и в случае линейных зависимостей является наилучшим.
3 шаг. Оценка значимости рассчитанных параметров
Оценка параметров модели по данным формулам при помощи электронных таблиц Excel дает следующий результат:
а0=45,06
а1=0,02
Следовательно, уравнение связи между факторами имеет следующий вид:
У=45,06+0,02Х1
4 шаг. Тестирование модели.
Рассчитаем коэффициент линейной корреляции.
Коэффициент адекватности модели рассчитываем при помощи электронных таблиц Excel, используя надстройку. Анализ данных и получаем следующие значения:
Таблица №3
Определение коэффициента детерминации. Он показывает изменение результирующего признака под действием факторного.
Таким образом, действием фактора среднемесячной денежной заработной платы рабочих и служащих можно объяснить лишь 17,5% изменения результирующего признака - розничный товарооборот государственной и кооперативной торговли на душу населения.
Вывод: анализ данной однофакторной модели показал, что она имеет низкую описательную силу. Выявлено наличие слабой связи между показателями среднемесячной денежной заработной платой рабочих и служащих и розничным товарооборотом государственной и кооперативной торговли на душу населения.
5 шаг.
Наблюдение |
Предсказанное Y |
Остатки |
|
1 |
55,05728 |
2,942715 |
|
2 |
53,8394 |
-1,2394 |
|
3 |
54,23747 |
-1,53747 |
|
4 |
55,99975 |
1,200255 |
|
5 |
56,84968 |
-0,14968 |
|
6 |
55,266 |
-2,366 |
|
7 |
53,4026 |
2,597401 |
|
8 |
55,82976 |
1,270242 |
|
9 |
54,30418 |
0,095823 |
|
10 |
55,68344 |
-0,78344 |
|
11 |
54,7044 |
-0,9044 |
|
12 |
56,17404 |
0,225964 |
|
13 |
54,60757 |
1,492428 |
|
14 |
54,53011 |
1,769891 |
|
15 |
54,64415 |
2,755849 |
|
16 |
55,195 |
-1,595 |
|
17 |
54,62263 |
-0,92263 |
|
18 |
55,20145 |
-2,00145 |
|
19 |
54,03951 |
-1,53951 |
|
20 |
55,04222 |
1,857778 |
|
21 |
54,61188 |
2,388125 |
|
22 |
54,44189 |
-1,74189 |
|
23 |
54,99919 |
-1,79919 |
|
24 |
53,51879 |
0,981207 |
|
25 |
54,09761 |
-2,99761 |
Вывод: в результате анализа однофакторной эконометрической модели, характеризующей взаимосвязь между долей жителей в трудоспособном возрасте и среднемесячной денежной заработной платой рабочих и служащих, можно отметить, что модель имеет высокую описательную силу. Выявлена довольно значительная связь между этими показателями.
Этап №3. Множественная линейная эконометрическая модель
Для сложных систем характерно большое число входных параметров, влияющих на их состояние. Экономические явления представляют собой многофакторные системы, в которых состояние результирующего признака зависит от целой группы таких параметров. Поэтому для изучения процессов в экономике следует применять методы многофакторного анализа. В данном разделе работы проводится пример построения двухфакторной модели, как простейшего случая многофакторных систем.
Y - розничный товарооборот государственной и кооперативной торговли на душу населения
X1 - продажа алкогольных напитков на душу населения
Х2 - среднемесячная денежная заработная плата рабочих и служащих
Расчетные данные указаны в таблице:
Y |
X1 |
X2 |
|
2861 |
4,9 |
464,4 |
|
2102 |
2,5 |
407,8 |
|
2224 |
3,3 |
426,3 |
|
2386 |
3,9 |
508,2 |
|
2671 |
4,9 |
547,7 |
|
2230 |
3,1 |
474,1 |
|
2457 |
5,5 |
387,5 |
|
2733 |
4,5 |
500,3 |
|
2140 |
4 |
429,4 |
|
2093 |
2,5 |
493,5 |
|
2121 |
3,2 |
448 |
|
2475 |
4,5 |
516,3 |
|
2553 |
4,8 |
443,5 |
|
2608 |
3,3 |
439,9 |
|
2576 |
4,1 |
445,2 |
|
2290 |
4,2 |
470,8 |
|
2248 |
3 |
444,2 |
|
2154 |
3,7 |
471,1 |
|
2078 |
3,2 |
417,1 |
|
2590 |
4,7 |
463,7 |
|
2546 |
4,5 |
443,7 |
|
2109 |
2,2 |
435,8 |
|
2398 |
3,4 |
461,7 |
|
2242 |
3 |
392,9 |
|
2209 |
4,4 |
419,8 |
Наблюдение |
Предсказанное Y |
Остатки |
|
1 |
2568,515 |
292,4853 |
|
2 |
2069,892 |
32,10848 |
|
3 |
2235,592 |
-11,5916 |
|
4 |
2454,054 |
-68,0542 |
|
5 |
2683,852 |
-12,8521 |
|
6 |
2266,754 |
-36,7543 |
|
7 |
2567,102 |
-110,102 |
|
8 |
2548,179 |
184,8205 |
|
9 |
2362,458 |
-222,458 |
|
10 |
2188,552 |
-95,5519 |
|
11 |
2248,127 |
-127,127 |
|
12 |
2570,333 |
-95,3331 |
|
13 |
2522,066 |
30,93408 |
|
14 |
2254,422 |
353,5778 |
|
15 |
2401,845 |
174,1545 |
|
16 |
2454,802 |
-164,802 |
|
17 |
2207,844 |
40,15589 |
|
18 |
2367,664 |
-213,664 |
|
19 |
2205,343 |
-127,343 |
|
20 |
2532,524 |
57,47573 |
|
21 |
2469,811 |
76,189 |
|
22 |
2056,129 |
52,87146 |
|
23 |
2302,117 |
95,8829 |
|
24 |
2136,814 |
105,186 |
|
25 |
2419,208 |
-210,208 |
Предположим, что между результирующим и факторными признаками существует линейная связь, выраженная уравнением:
У = а0 + a1x1 +a2x2
Для расчета коэффициентов а0; a1; a2 применим метод наименьших квадратов.
а0= 1067,5
а1= 175,1
а2= 1,38
Следовательно, модель имеет следующий вид:
У=1067,5+175,1Х1+1,38Х2
1 шаг. Проверка на мультиколлинеарность
Наиболее распространенным методом исследования модели на мультиколлинеарность является метод Феррара-Глобера.
Проводим стандартизацию факторов:
X1 |
X2 |
X |
X |
X- |
X2- |
X1* |
X2* |
|
464,4 |
69 |
215667,4 |
4761 |
10,284 |
8,68 |
0,05 |
0,12 |
|
407,8 |
46 |
166300,8 |
2116 |
-46,316 |
-14,32 |
-0,25 |
-0,21 |
|
426,3 |
51 |
181731,7 |
2601 |
-27,816 |
-9,32 |
-0,15 |
-0,13 |
|
508,2 |
84 |
258267,2 |
7056 |
54,084 |
23,68 |
0,29 |
0,34 |
|
547,7 |
90 |
299975,3 |
8100 |
93,584 |
29,68 |
0,50 |
0,43 |
|
474,1 |
55 |
224770,8 |
3025 |
19,984 |
-5,32 |
0,11 |
-0,08 |
|
387,5 |
42 |
150156,3 |
1764 |
-66,616 |
-18,32 |
-0,35 |
-0,26 |
|
500,3 |
76 |
250300,1 |
5776 |
46,184 |
15,68 |
0,24 |
0,22 |
|
429,4 |
43 |
184384,4 |
1849 |
-24,716 |
-17,32 |
-0,13 |
-0,25 |
|
493,5 |
56 |
243542,3 |
3136 |
39,384 |
-4,32 |
0,21 |
-0,06 |
|
448 |
61 |
200704 |
3721 |
-6,116 |
0,68 |
-0,03 |
0,01 |
|
516,3 |
87 |
266565,7 |
7569 |
62,184 |
26,68 |
0,33 |
0,38 |
|
443,5 |
61 |
196692,3 |
3721 |
-10,616 |
0,68 |
-0,06 |
0,01 |
|
439,9 |
66 |
193512 |
4356 |
-14,216 |
5,68 |
-0,08 |
0,08 |
|
445,2 |
66 |
198203 |
4356 |
-8,916 |
5,68 |
-0,05 |
0,08 |
|
470,8 |
58 |
221652,6 |
3364 |
16,684 |
-2,32 |
0,09 |
-0,03 |
|
444,2 |
47 |
197313,6 |
2209 |
-9,916 |
-13,32 |
-0,05 |
-0,19 |
|
471,1 |
64 |
221935,2 |
4096 |
16,984 |
3,68 |
0,09 |
0,05 |
|
417,1 |
42 |
173972,4 |
1764 |
-37,016 |
-18,32 |
-0,20 |
-0,26 |
|
463,7 |
79 |
215017,7 |
6241 |
9,584 |
18,68 |
0,05 |
0,27 |
|
443,7 |
62 |
196869,7 |
3844 |
-10,416 |
1,68 |
-0,06 |
0,02 |
|
435,8 |
50 |
189921,6 |
2500 |
-18,316 |
-10,32 |
-0,10 |
-0,15 |
|
461,7 |
54 |
213166,9 |
2916 |
7,584 |
-6,32 |
0,04 |
-0,09 |
|
392,9 |
43 |
154370,4 |
1849 |
-61,216 |
-17,32 |
-0,32 |
-0,25 |
|
419,8 |
56 |
176232 |
3136 |
-34,316 |
-4,32 |
-0,18 |
-0,06 |
,
Составляем матрицу В* = X*TX*.
;
Рассчитаем фактическое значение для расчетной матрицы:
Находим критическое значение :
, , .
Сравнивая полученные значения, приходим к выводу, что в массиве факторных переменных мультиколлиниарность не существует.
Подобные документы
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 24.06.2015Эконометрическое моделирование стоимости квартир в московской области. Матрица парных коэффициентов корреляции. Расчет параметров линейной парной регрессии. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.
контрольная работа [298,2 K], добавлен 19.01.2011Поле корреляции и гипотеза о виде уравнения регрессии. Оценка величины влияния фактора на исследуемый показатель с помощью коэффициента корреляции и детерминации. Определение основных параметров линейной модели с помощью метода наименьших квадратов.
контрольная работа [701,1 K], добавлен 29.03.2011Анализ метода наименьших квадратов для парной регрессии, как метода оценивания параметров линейной регрессии. Рассмотрение линейного уравнения парной регрессии. Исследование множественной линейной регрессии. Изучение ошибок коэффициентов регрессии.
контрольная работа [108,5 K], добавлен 28.03.2018Эконометрическое моделирование стоимости квартир в Московской области. Исследование динамики экономического показателя на основе анализа одномерного временного ряда. Параметры линейной парной регрессии. Оценка адекватности модели, осуществление прогноза.
контрольная работа [925,5 K], добавлен 07.09.2011Основные проблемы эконометрического моделирования. Показатели, характеризующие степень разброса случайной величины вокруг ее среднего значения. Физический смысл коэффициента детерминации. Расчет функции эластичности в линейной эконометрической модели.
контрольная работа [18,1 K], добавлен 23.11.2009Расчет параметров линейной регрессии. Сравнительная оценка тесноты связи с помощью показателей корреляции, детерминации, коэффициента эластичности. Построение поля корреляции. Определение статистической надежности результатов регрессионного моделирования.
контрольная работа [71,7 K], добавлен 17.09.2016Расчет 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 17.10.2009Понятие модели множественной регрессии. Сущность метода наименьших квадратов, который используется для определения параметров уравнения множественной линейной регрессии. Оценка качества подгонки регрессионного уравнения к данным. Коэффициент детерминации.
курсовая работа [449,1 K], добавлен 22.01.2015Оценка влияния разных факторов на среднюю ожидаемую продолжительность жизни по методу наименьших квадратов. Анализ параметров линейной двухфакторной эконометрической модели с помощью метода наименьших квадратов. Графическое изображение данной зависимости.
практическая работа [79,4 K], добавлен 20.10.2015