Исследования рынка жилья в Москве в районе станции метро «Крылатское»
Регрессионный анализ Во втором столбце рисунка 1.5 содержатся коэффициенты уравнения регрессии а0, а3, а4, а5, а7. В третьем столбце содержатся стандартные ошибки коэффициентов уравнения регрессии, а в четвертом — t — статистика, используемая для проверки значимости коэффициентов уравнения регрессии. Уравнение регрессии зависимости у от х можно записать в следующем виде: Полученные значения… Читать ещё >
Исследования рынка жилья в Москве в районе станции метро «Крылатское» (реферат, курсовая, диплом, контрольная)
Федеральное агентство по образованию ГОУ ВПО Всероссийский заочный финансово-экономический институт
Лабораторная работа
по дисциплине «Эконометрика»
Исследования рынка жилья в Москве в районе станции метро «Крылатское»
Студентка 3 курса Бух. учет, анализ и аудит Учетно-статистический факультет Зачетная книжка № 08УБД43 494
Преподаватель: Василенко В.В.
Краснодар 2010 г
Имеются данные (таб. 1.1) о продаже квартир на вторичном рынке жилья в Москве в районе станции метро «Крылатское» в марте 2006 г. (газета «Из рук в руки»).
Таблица 1.1
№ | У | Х1 | Х2 | Х3 | Х4 | Х5 | Х6 | Х7 | |
37,5 | |||||||||
17,2 | 7,2 | ||||||||
8,5 | |||||||||
40,8 | 8,7 | ||||||||
33,7 | 10,5 | ||||||||
48,2 | 25,5 | ||||||||
11,5 | |||||||||
75,6 | 43,8 | ||||||||
30,1 | 5,5 | ||||||||
30,2 | 9,3 | ||||||||
85,1 | 14,7 | ||||||||
46,3 | 30,5 | 6,6 | |||||||
95,6 | 46,8 | 18,5 | |||||||
26,7 | 8,5 | ||||||||
64,1 | 31,6 | 9,7 | |||||||
68,8 | 38,8 | 15,3 | |||||||
9,5 | |||||||||
39,2 | |||||||||
76,2 | 44,8 | ||||||||
83,4 | 48,5 | 12,5 | |||||||
73,6 | 15,3 | ||||||||
74,2 | |||||||||
43,5 | 10,5 | ||||||||
15,5 | |||||||||
18,5 | |||||||||
48,2 | 11,3 | ||||||||
150,2 | 62,5 | 17,5 | |||||||
110,3 | 56,2 | 15,3 | |||||||
136,4 | 58,1 | 15,7 | |||||||
72,1 | 46,2 | 10,1 | |||||||
48,6 | 16,5 | ||||||||
98,9 | 54,8 | ||||||||
73,5 | 47,6 | 12,3 | |||||||
29,5 | 5,1 | ||||||||
75,5 | 19,5 | ||||||||
Принятые в таблице обозначения:
Y — цена квартиры, тыс. долл.;
X1 — общая площадь квартиры, мІ;
X2 — жилая площадь квартиры, мІ;
X3 — площадь кухни, мІ;
X4 — число комнат в квартире;
X5 — тип дома (1 — кирпичный, монолит; 0 — другой);
X6 — расстояние относительно Рублевского шоссе (близко к Рублевскому шоссе — 1; далеко — 0);
X7 — расстояние от метро, минут пешком.
По этим данным необходимо определить факторы, формировавшие цену квартир на вторичном рынке жилья в Москве весной 2006 г., и построить линейную модель зависимости цены от влияющих факторов.
Задание
1. Составить матрицу парных коэффициентов корреляции. Установить, какие факторы коллинеарные:
2. Решение задачи в spss
Решение:
1. Составить матрицу парных коэффициентов корреляции. Установить, какие факторы коллинеарные:
Построим матрицу парных коэффициентов корреляции с использованием инструмента Корреляция.
Для проведения корреляционного анализа выполним следующие действия:
1. EXCEL => команда Сервис => Анализ данных.
2. В диалоговом окне Анализ данных выберем инструмент Корреляция.
Рисунок 1.1
3. В диалоговом окне Корреляция в поле Входной интервал необходимо ввести диапазон ячеек, содержащих исходные данные.
4. Выберем параметры вывода = >ОК.
Рисунок 1.2
Рисунок 1.3
Матрица парных коэффициентов корреляции Так как Rx1x2 = 0,901>0,7, то x1 и x2 факторы коллинеарные.
Х6 не входит в уравнение регрессии так как принимает очень маленькое значение.
1. Построить уравнение регрессии, характеризующее зависимость цены от всех факторов.
Для проведения регрессионного анализа выполним следующие действия:
1. EXCEL => команда Сервис => Анализ данных.
2. В диалоговом окне Анализ данных выберем инструмент Регрессия
3. В диалоговом окне Регрессия в поле Входной интервал Y вводим адрес одного диапазона ячеек, который представляет зависимую переменную. В поле Входной интервал X вводим адреса диапазонов, которые содержат значения независимых переменных.
4. Выберем параметры вывода =>ОК
Рисунок 1.4
Рисунок 1.5
Регрессионный анализ Во втором столбце рисунка 1.5 содержатся коэффициенты уравнения регрессии а0, а3, а4, а5, а7. В третьем столбце содержатся стандартные ошибки коэффициентов уравнения регрессии, а в четвертом — t — статистика, используемая для проверки значимости коэффициентов уравнения регрессии. Уравнение регрессии зависимости у от х можно записать в следующем виде:
у=87,53+6,74×3+50,5×4+79,09×5−7,48х7
2. Оценить значимость полученного уравнения. Какие факторы значимо воздействуют на формирование цены квартиры в этой модели?
Оценка статистической значимости уравнения регрессии вцелом осуществляется по F — критерию Фишера:
Табличное значение F-критерия Фишера находим с помощью функции FРАСПОБР:
Рисунок 1.6
Расчетное значение берем из дисперсионного анализа:
Fтабл.= 2,612
Так как Fрасч. > Fтабл. (71,437 > 2,612), то уравнение регрессии можно признать значимым (адекватным).
Табличное значение t-критерия Стьюдента находим с помощью функции СТЬЮДРАСПОБР:
Рисунок 1.7
Расчетное значение t-критерия Стьюдента находим по формуле:
Оценим значимость факторов с помощью Ткритерия Стьюдента, для этого, определим его табличное значение при уровне значимости 0,05.
к =n-m-1=44−4-1=39 t-кр.таб=2,022
Сравним расчетные значения с табличным по модулю:
¦t X3= 3,086 ¦< tтабл. = 2,022, следовательно фактор Х3 — площадь кухни — является значимым.
¦t X4= 5,232¦< tтабл. = 2,022, следовательно фактор Х4 — число комнат в квартире — является значимым.
¦t X5= 5,181¦> t — табл. = 2,022, следовательно фактор X5 — тип дома — является значимым.
¦t X7= -5,116¦> t — табл. = 2,022, следовательно фактор X7 — расстояние от метро — является значимым.
3. Значима ли разница в ценах квартир, расположенных на Рублевском шоссе и в других районах?
Разница в ценах квартир, расположенных на Рублевском шоссе и в других районах незначима, так как t Х6= -0,438 и t Х6 < t — табл.
4. Значима ли разница в ценах квартир разных типов домов?
Разница в ценах квартир, разных типов домов значима, так как t X5 = 5,181 и X5 > t — табл.
5. Используя пошаговую множественную регрессию (метод исключения или метод включения), построить модель формирования цены квартиры за счет значимых факторов. Дать экономическую интерпретацию коэффициентов модели регрессии.
Сравниваем значения t-статистики с t-критерием Стьюдента (2,022), все факторы значимы.
Уравнение регрессии за счет значимых факторов будет иметь вид:
у=87,53+6,74×3+50,5×4+79,09×5−7,48х7
Коэффициент детерминации равен 0,87 990 762, близок к 1, модель можно считать качественной.
корреляция уравнение регрессия Рисунок 1.8
6. Оценить качество построенной модели. Дать оценку влияния значимых факторов на результат с помощью коэффициентов эластичности, ви ?-коэффициентов.
Коэффициент эластичности рассчитывается по формуле:
Полученные значения представлены в табл. 1.2. Коэффициент эластичности Эj показывает, на сколько % изменится зависимая переменная Y при изменение фактора Xj на 1%.
Эх3= 0,647 902 — при изменение Х3 (площадь кухни) на 1% Y (цена квартиры) изменится на 0,647 902%.
Эх4= 0,332 687 — при изменение Х4 (число комнат в квартире) на 1% Y (цена квартиры) изменится на 0,332 687%.
Эх5= 0,8 884 — при изменение Х5 (тип дома) на 1% Y (цена квартиры) изменится на 0,8 884%.
Эх7 = -0,242 — при изменеие Х7 (расстояние от метро) на 1% Y (цена квартиры) уменьшится на 0,242%.
Бетта-коэффициент рассчитывается по формуле:
где; .
Полученные значения представлены в табл. 1.2. Бетта-коэффициент вj показывает, на какую часть величины среднеквадратического отклонения Sу изменится зависимая переменная Y с изменением независимой переменной Хj на величину своего среднеквадратического отклонения при фиксированном на постоянном уровне значение остальных независимых переменных.
вх3= 0,273 — при увеличении Х3 (площадь кухни, мІ) на 4,26 502 мІ (Sх3=4,26 502) Y (цена квартиры) увеличится на 28,743 351 тыс. долл. (вх3•Sу=0,273 •105,287 = 28,743 351).
вх4= 0,348 — при увеличении Х4 (число комнат в квартире) на 0,7255 (Sх4=0,7255) Y (цена квартиры) увеличится 36,639 876 на тыс. долл. (вх4•Sу=0,348•105,287= 36,639 876).
вх5= 0,335 — при увеличении Х5 (тип дома) на 0,445 362 (Sх5=0,445 362) Y (цена квартиры) увеличится на 35,271 145 тыс. долл. (вх5•Sу=0,335•105,287= 35,271 145).
вх7= -0,367 — при уменьшении Х7 (расстояние от метро) на 5,1566 (Sх7
= 5,1566) Y (цена квартиры) изменится на 38,640 329 тыс. долл. (вх7•Sу= -0,335•105,287= -38,640 329).
?-коэффициент рассчитывается по формуле:
Полученные значения представлены в табл. 1.2. Коэффициент? j показывает долю влияния фактора Хj в суммарном влияние всех факторов на зависимую переменную Y. Следовательно самое сильное влияние на Y оказывает фактор Х7 (площадь кухни) (?7=0,275), а самое слабое влияние на Y оказывает фактор Х4 (число комнат в квартире) (?4=0,222).
Таблица 1.2
№ | У | Х3 | Х4 | Х5 | x7 | ||||||
17,507 | 1,678 | 0,074 | 11 722,98 | ||||||||
26,875 | 1,678 | 0,074 | 13 752,89 | ||||||||
7,2 | 24,841 | 1,678 | 0,074 | 18 843,80 | |||||||
8,5 | 13,573 | 1,678 | 0,074 | 12 605,17 | |||||||
26,875 | 1,678 | 0,074 | 42 548,44 | ||||||||
8,7 | 12,139 | 1,678 | 0,074 | 11 507,44 | |||||||
10,5 | 2,836 | 0,087 | 0,074 | 743,80 | |||||||
0,034 | 0,087 | 0,529 | 8598,35 | ||||||||
7,929 | 0,087 | 0,529 | 23 325,62 | ||||||||
4,770 | 0,087 | 0,074 | 2527,35 | ||||||||
25,5 | 177,313 | 0,087 | 0,529 | 23 325,62 | |||||||
0,034 | 0,087 | 0,074 | 3280,17 | ||||||||
11,5 | 0,468 | 0,087 | 0,074 | 52,89 | |||||||
0,666 | 0,087 | 0,074 | 22,35 | ||||||||
5,5 | 44,677 | 0,087 | 0,529 | 19 957,98 | |||||||
9,3 | 8,318 | 0,087 | 0,074 | 4938,26 | |||||||
0,034 | 0,087 | 0,074 | 1389,26 | ||||||||
14,7 | 6,330 | 0,087 | 0,529 | 12 707,44 | |||||||
6,6 | 31,182 | 0,087 | 0,074 | 5971,07 | |||||||
18,5 | 39,891 | 0,087 | 0,529 | 17 089,62 | |||||||
8,5 | 13,573 | 0,087 | 0,074 | 2732,44 | |||||||
4,770 | 0,087 | 0,529 | 2472,80 | ||||||||
9,7 | 6,171 | 0,087 | 0,074 | 32 498,26 | |||||||
15,3 | 9,709 | 0,087 | 0,074 | 743,80 | |||||||
9,5 | 7,204 | 0,087 | 0,074 | 3280,17 | |||||||
4,770 | 0,087 | 0,074 | 1389,26 | ||||||||
23,193 | 0,496 | 0,074 | 161,98 | ||||||||
12,5 | 0,100 | 0,496 | 0,074 | 6843,80 | |||||||
15,3 | 9,709 | 0,496 | 0,074 | 7,44 | |||||||
4,770 | 0,496 | 0,074 | 2780,17 | ||||||||
4,770 | 0,496 | 0,074 | 516,53 | ||||||||
10,5 | 2,836 | 0,496 | 0,074 | 150,62 | |||||||
15,5 | 10,995 | 0,496 | 0,529 | 23 325,62 | |||||||
18,5 | 39,891 | 0,496 | 0,529 | 59 891,44 | |||||||
11,3 | 0,782 | 0,496 | 0,074 | 161,98 | |||||||
17,5 | 28,259 | 0,496 | 0,074 | 23 325,62 | |||||||
15,3 | 9,709 | 0,496 | 0,074 | 2780,17 | |||||||
15,7 | 12,362 | 0,496 | 0,529 | 10 552,89 | |||||||
10,1 | 4,343 | 0,496 | 0,074 | 3754,35 | |||||||
16,5 | 18,627 | 0,496 | 0,074 | 161,98 | |||||||
33,825 | 0,496 | 0,529 | 12 707,44 | ||||||||
12,3 | 0,013 | 0,496 | 0,074 | 2234,71 | |||||||
5,1 | 50,184 | 0,496 | 0,074 | 26 985,53 | |||||||
19,5 | 53,523 | 2,905 | 0,529 | 33 389,26 | |||||||
536, | 800,379 | 23,16 | 8,73 | ||||||||
СР | 247,2 | 12,1 | 2,295 | 0,27 | 18,1904 | 0,52 634 | 0,198 347 | 26,591 | 11 085,4 | ||
Sy, x | 4,26 502 | 0,7255 | 0,445 362 | 5,1566 | 105,287 | ||||||
aj | 87,53 | 6,74 | 50,50 | 79,0 | — 7,487 | ||||||
Эj | 0,33 | 0,468 | 0,08 | — 0,242 | |||||||
вj | 0,273 | 0,348 | 0,33 | — 0,367 | |||||||
?j | 0,255 | 0,222 | 0,24 | 0,275 | |||||||
2. Решение задачи в spss
1. Выбор факторных признаков для построения регрессионной модели на основе анализа матрицы коэффициентов корреляции.
Для построения матрицы парной корреляции всех переменных с помощью паркета SPSS необходимо выполнить следующие действия:
· Выбираем в верхней строчке меню Анализ — Корреляция — Парные.
· Переменные, относительно которых проверяется степень корреляционной связи, поочередно переместим в поле тестируемых переменных справа.
В результате в выходной области появится матрица парной корреляции всех переменных (рис. 2.1). Полученные результаты содержат: коэффициент корреляции Пирсона; вероятность ошибки, соответствующую предположению о нулевой корреляции, и количество использованных пар значений (n =49).
Рисунок 2.1
2. Построение линейного уравнения регрессии.
Для проведения регрессионного анализа с помощью пакета SPSS выполним следующие действия:
Выберем в верхней строке меню Анализ — Регрессия — Линейная. Результаты регрессионного анализа приведены на следующих рисунках.
При последовательном поборе переменных в SPSS предусмотрена автоматизация, основанная на значимости включения и исключения переменных.
На рисунке 2.3 перечислены переменные, которые были последовательно исключены на каждом шаге.
Рисунок 2.3
На рисунке 2.4 приведены значения коэффициента детерминации, коэффициента множественной корреляции, стандартная ошибка, коэффициент Дарбина — Уотсона последовательно для всех моделей. В поледеней строке приводятся данные для окончательной модели.
На рисунке 2.4 приведены результаты дисперсионного анализа и значения F-критерия, полученные на каждом шаге.
Рисунок 2.4
На рисунке 2.5 в первом столбце указан номер модели, во втором перечисляются используемые в модели независимые переменные, а в третьем столбце содержится коэффициенты уравнения регрессии. В четвертом столбце содержится стандартные ошибки коэффициентов уравнения регрессии, в пятом — стандартизированные коэффициенты, а в шестом — t-статистики, используемая для проверки значимости коэффициентов уравнения регрессии.
Рисунок 2.5
Уравнение регрессии имеет вид:
у=61,596+3,491×2+4,983×3+56,345×5−4,445х7
3. Оценка качества модели.
· Оценка качества всего уравнения регрессии Коэффициент детерминации RІ = 0,920 показывает долю вариации результативного признака под воздействием изучаемых факторов. Следовательно, около 92% вариации зависимой переменной учтено в модели и обусловлено влиянием включенных факторов.
Коэффициент множественной корреляции R =0,959 показывает тесноту связи зависимой переменной Y со всеми включенными в модель объясняющим факторами.
· Проверка значимости уравнения регрессии по F-критерию Фишера.
Значения критерия Фишера F = 112,619 можно найти на рисунке 3.4 Дисперсионный анализ.
Вероятность ошибки б, соответствующая расчетному значению F-критерия, выводится в правой колонке под заголовком «Значимость». Ее величина свидетельствует о значимости уравнения регрессии.
Уравнения регрессии следует признать адекватным, модель считается значимой.
Список используемой литературы
1. Эконометрика. Методические указания по изучению дисциплины выполнения контрольной и аудиторной работы на ПЭВМ для студентов 3 курса, обучающихся по специальностям «Финансы и кредит», «Бухгалтерский учет, анализ и аудит», «Экономика труда». — М.: Вузовский учебник, 2005. — 122с.
2. Эконометрика. Задания для выполнения контрольной и лабораторной работ для студентов 3 курса специальностей: 80 105 (60 400) «Финансы и кредит»; 80 109 (60 500) «Бухгалтерский учет, анализ и аудит»; 80 104 (60 200) «экономика труда». — М.: Вузовский учебник, 2007. — 40 с.