Статистические модели в экономике - Экономика и экономическая теория контрольная работа

Главная

Экономика и экономическая теория
Статистические модели в экономике

Автоматический анализ тренда на базе диаграммы экспериментальных данных Х и У с помощью программы MSExcel. Прогноз заработной платы при заданном значении среднедушевого прожиточного минимума с помощью пакета анализа. Уравнение линейной парной регрессии.


посмотреть текст работы


скачать работу можно здесь


полная информация о работе


весь список подобных работ


Нужна помощь с учёбой? Наши эксперты готовы помочь!
Нажимая на кнопку, вы соглашаетесь с
политикой обработки персональных данных

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Размещено на http://www.allbest.ru/
С помощью MSExcel провести автоматический анализ тренда на основе диаграммы экспериментальных данных Х и У.
По территориям региона приводятся следующие данные за 20ХX г.:
Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,
Среднедневная заработная плата, руб.,
1. Линейный тренд y = 0,911x + 69,126. Коэффициент детерминации RІ = 0,2941
2. Логарифмическая аппроксимация y = 81,913ln(x) - 216,93. Коэффициент детерминацииRІ = 0,3009
3. Полиномиальная аппроксимацияy = 2E-05x 6 - 0,0096x 5 + 2,1539x 4 - 256,57x 3 + 17130x 2 - 607754x + 9E+06. Коэффициент детерминацииRІ = 0,4855
4. Степенная аппроксимацияy = 11,542x 0,5713 . Коэффициент детерминации RІ = 0,327
5. Экспоненциальная аппроксимация y = 84,91e 0,0063 x . Коэффициент детерминации RІ = 0,3191.
Как видно, зависимость среднедневной заработной платы от среднедушевого прожиточного минимума в день одного трудоспособного слабая. Лучше всего, судя по коэффициенту детерминации RІ = 0,4855, она описывается полиномом y = 2E-05x 6 - 0,0096x 5 + 2,1539x 4 - 256,57x 3 + 17130x 2 - 607754x + 9E+06. Однако такой вид уравнения не имеет экономического обоснования, а является просто подгонкой под данные. С точки зрения экономической теории такая зависимость скорее линейная, то есть при увеличении среднедушевого прожиточного минимума в день одного трудоспособного на 1 рубль среднедневная заработная плата увеличивается на 91 коп.
Требуется с помощью пакета анализа на основе экспериментальных данных Х и У:
1. Построить линейное уравнение парной регрессии от.
2. Рассчитать линейный коэффициент парной корреляции и среднюю ошибку аппроксимации.
3. Оценить статистическую значимость параметров регрессии и корреляции с помощью -критерия Фишера и -критерия Стьюдента.
4. Выполнить прогноз заработной платы при прогнозном значении среднедушевого прожиточного минимума , составляющем 110% от среднего уровня.
5. Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.
1. Линейное уравнение парной регрессии y от x:
Параметр регрессии позволяет сделать вывод, что с увеличением среднедушевого прожиточного минимума на 1 руб. среднедневная заработная плата возрастает в среднем на 0,91 руб. (или 91 коп.).
2. Линейный коэффициент парной корреляции:
Коэффициент корреляции чуть выше 0,5 говорит о средней линейной зависимости среднедневной заработной платы от среднедушевого прожиточного минимума. Чтобы найти среднюю ошибку аппроксимации, делим остатки на значения y, суммируем модули получившихся значений и делим сумму на количество наблюдений:
Качество модели оценивается, как хорошее, так как средняя ошибка аппроксимации не превышает 10%.
3. Фактическое значение F-критерия Фишера = 4,1673
Если Р> 0,05 то модель не значима и данные отражает не корректноt-статистики коэффициентов равны 1,7762 и 2,0414.
Их Р-значения больше 0,05, значит, коэффициенты незначимы.
Yпрогноз = 69,1261+0,9110*Xпрогноз = 155,98
Однако строить прогноз по незначимой модели нецелесообразно.
6. Ошибка прогноза вычисляется по следующей формуле:
Доверительный интервал для прогноза: [155,98-35,64; 155,98+35,64]=[120,34; 191,62].
Требуется с помощью Пакета анализа на основе экспериментальных данных Х1, Х2 и У:
1. Построить линейную модель множественной регрессии. На основе средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.
2. Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их.
3. С помощью -критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации .
4. С помощью коэффициентов эластичности оценить целесообразность включения в уравнение множественной регрессии фактора ,
5. Составить уравнение линейной парной регрессии, оставив лишь один значащий фактор.
По 20 предприятиям региона изучается зависимость выработки продукции на одного работника (тыс. руб.) от ввода в действие новых основных фондов (% от стоимости фондов на конец года) и от удельного веса рабочих высокой квалификации в общей численности рабочих (%)
Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,
Среднедневная заработная плата, руб.,
1. Линейная модель множественной регрессии:
Уравнение регрессии показывает, что при увеличении ввода в действие основных фондов на 1% (при неизменном уровне удельного веса рабочих высокой квалификации) выработка продукции на одного рабочего увеличивается в среднем на 1,193 тыс. руб., а при увеличении удельного веса рабочих высокой квалификации в общей численности рабочих на 1% (при неизменном уровне ввода в действие новых основных фондов) выработка продукции на одного рабочего увеличивается в среднем на 0,029 тыс. руб.
Средние коэффициенты эластичности вычисляются по следующей формуле:
Т.е. увеличение только основных фондов (от своего среднего значения) или только удельного веса рабочих высокой квалификации на 1% увеличивает в среднем выработку продукции на 0,73% или 0,06% соответственно. Таким образом, подтверждается большее влияние на результат y фактора x1 , чем фактора x2.
Кроме того, нужно заметить, коэффициент при переменной х2 вообще незначим (р-значение для t-статистики = 0,6688 > 0,05).
2. Коэффициенты парной регрессии найдены с помощью пакета анализа (Корреляция):
rx1y= 0,9840; rx2y= 0,9649; rx1x2= 0,9765.
Они указывают на весьма сильную связь каждого фактора с результатом, а также высокую межфакторную зависимость (факторы x1 и x2 явно коллинеарны, т.к. rx1x2= 0,9765 > 0,7). При такой сильной межфакторной зависимости рекомендуется один из факторов исключить из рассмотрения. Частные коэффициенты корреляции характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании (устранении влияния) других факторов, включенных в уравнение регрессии.
При двух факторах частные коэффициенты корреляции рассчитываются следующим образом:
Если сравнить коэффициенты парной и частной корреляции, то можно увидеть, что из-за высокой межфакторной зависимости коэффициенты парной корреляции дают завышенные оценки тесноты
связи. Именно по этой причине рекомендуется при наличии сильной коллинеарности (взаимосвязи) факторов исключать из исследования тот фактор, у которого теснота парной зависимости меньше, чем теснота межфакторной связи.
Множественный коэффициент корреляции находится с помощью пакета анализа (Регрессия):
Коэффициент множественной корреляции указывает на весьма сильную связь всего набора факторов с результатом.
3. Оценку надежности уравнения регрессии в целом и показателя тесноты связи R^2 дает F -критерий Фишера, найденный с помощью пакета анализа (Регрессия).
То есть вероятность случайно получить такое значение F -критерия не превышает допустимый уровень значимости 5%. Следовательно, полученное значение не случайно, оно сформировалось под влиянием существенных факторов, т.е. подтверждается статистическая значимость всего уравнения и показателя тесноты связи R^2 .
Видно, что степень влияния фактора х2 не значительна, тогда как фактор х1 оказывает существенное влияние на у. Отсюда можно сделать вывод о том, что фактор х2 можно исключить из модели.
5. Воспользуемся пакетом анализа (Регрессия). Получаем уравнение:
По F-критерию модель значима (Р=6,2259E-15 < 0,05)
По критерию Стьюдента оба коэффициента значимы (Р= 2,28Е-05 < 0,05 и P=6,23E-15 < 0,05)
Оценка статистической значимости параметров регрессии. Построение экономического прогноза прибыли при прогнозном значении произведенной валовой продукции. Статистическая оценка параметров уравнения регрессии. Построение мультипликативной модели тренда. контрольная работа [132,1 K], добавлен 10.03.2013
Составление матрицы парных коэффициентов корреляции. Построение уравнения регрессии, характеризующего зависимость цены от всех факторов. Проведение регрессионного анализа с помощью пакета SPSS. Экономическая интерпретация коэффициентов модели регрессии. лабораторная работа [2,5 M], добавлен 27.09.2012
Сущность и применение метода наименьших квадратов для однофакторной линейной регрессии. Нахождение коэффициента эластичности для указанной модели в заданной точке X и его экономический анализ. Прогноз убыточности на основании линейной регрессии. контрольная работа [47,3 K], добавлен 15.06.2009
Построение диаграммы рассеивания (корреляционного поля). Группировка данных и построение корреляционной таблицы. Оценка числовых характеристик для негруппированных и группированных данных. Выборочное значение статистики. Параметры линейной регрессии. контрольная работа [150,5 K], добавлен 14.12.2010
Понятие и значение прожиточного минимума, общая характеристика методов его определения. Мировой опыт расчета прожиточного минимума, развитие методики определения в Российской Федерации. Установление величины прожиточного минимума в современной России. курсовая работа [90,8 K], добавлен 21.07.2013
Проверка выполнения предпосылок МНК. Значимость параметров уравнения регрессии с помощью t-критерия Стьюдента и F-критерия Фишера. Средняя относительная ошибка аппроксимации. Гиперболические, степенные и показательные уравнения нелинейной регрессии. контрольная работа [253,4 K], добавлен 17.03.2011
Параметры уравнений линейной, степенной парной. Оценка тесноты связи с помощью показателей корреляции и детерминации, качества уравнений с помощью средней ошибки аппроксимации. Определение прогнозного значения от среднего значения заданного параметра. контрольная работа [150,5 K], добавлен 22.02.2016
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 .

© 2000 — 2021



Статистические модели в экономике контрольная работа. Экономика и экономическая теория.
Курсовая работа по теме Холодні солодкі страви
Контрольная Работа На Тему Дидактические Игры По Цветоведению
Реферат На Тему Двоичная Система
Курсовая работа: Позиционирование лекарственных препаратов
Курсовая Работа Личностно Деятельностный Подход В Музыке 3 Класс
Курсовая работа по теме Аудит расчетов с бюджетом по налогам и сборам
Жаһанданудың Пайдасы Мен Зияны Эссе 9 Сынып
Курсовая работа по теме Качество морских перевозок грузов
Учебное пособие: Методические указания по выполнению письменной контрольной работы реферативного типа Для слушателей переподготовки
Дипломная Работа На Тему Библиотека
Курсовая работа по теме Стратегия и тактика избирательных кампаний на примере выборов во Франции 2022 года
Реферат: Проблемы истории феодальной России. Поиски в области методологии
Отчет по практике: Организационно-экономическая характеристика ЗАО "СТД" Краснодонского молокозавода
Дипломная Работа На Тему Развитие Творческого Потенциала Воспитанников В Процессе Изучения Предмета "Технология"
Эссе По Цитате
Реферат: A Teaching Career Essay Research Paper I
Контрольная работа по теме Как эффективно адаптировать нового сотрудника
Реферат: The Awakening A Woman
Реферат: Становление социального учения в православии
Курсовая работа по теме Формирование учебной мотивации школьников
Эталонные модели взаимодействия открытых систем - Программирование, компьютеры и кибернетика презентация
Анализ хозяйственной деятельности предприятия ООО "МАК "Трансфес Сахалин" - Финансы, деньги и налоги отчет по практике
Этнические факторы в процессе формирования политического имиджа - Политология реферат