Расчет и анализ экономических показателей путем построения уравнения парной линейной регрессии
Сначала рассчитаем коэффициент в Используя полученное значение рассчитаем б Запишем полученное уравнение регрессии Расчетные значения переменной у рассчитаем подстановкой значений Х в данное уравнение. Экономический смысл параметра в состоит в следующем — при изменении переменной х на единицу значение переменной у изменится в среднем на величину в. Определим коэффициент эластичности у по х… Читать ещё >
Расчет и анализ экономических показателей путем построения уравнения парной линейной регрессии (реферат, курсовая, диплом, контрольная)
Контрольная работа по эконометрике
Исходные данные
Имеются данные о часовом заработке 1 рабочего Y и общем стаже работы после окончания учебы Х.
№ | X | Y | |
22,4 | 53,4 | ||
8,9 | |||
13,3 | 15+№=22 | ||
18,3 | 29,5 | ||
13,8 | |||
11,7 | 14,7 | ||
19,5 | |||
15,2 | 11,3 | ||
14,4 | |||
11,8 | |||
16,4 | 35-№=28 | ||
18,9 | |||
16,1 | 29,5 | ||
13,3 | 23,1 | ||
17,3 | |||
Задание.
Исследовать зависимость часового заработка одного рабочего от общего стажа работы после окончания учебы путем построения уравнения парной линейной регрессии
.
Предварительный анализ данных
1. Вычислите и проанализируйте описательные статистики (выборочные средние, медиану, моду, среднее квадратичное отклонение) для переменных Х и У.
2. Постройте поле корреляции (диаграмму рассеяния) и сформулируйте гипотезу о форме связи.
3. Вычислите парный коэффициент корреляции между переменными. Интерпретируйте полученные результаты: соответствуют ли знаки коэффициента вашим ожиданиям? Модель парной регрессии:
4. Найти оценки и параметров модели парной линейной регрессии и. Записать полученное уравнение регрессии.
5. Проверить значимость оценок коэффициентов и с надежностью 0,95 с помощью t-статистики Стьюдента и сделать выводы о значимости этих оценок. Значимо ли уровень образования влияет на заработок?
6. Определить интервальные оценки коэффициентов и с надежностью 0,95. Сделайте вывод о точности полученных коэффициентов.
7. Рассчитайте стандартную ошибку регрессии. Сделать вывод о точности полученного уравнения регрессии.
8. Определить коэффициент детерминации R2 и сделать вывод о качестве подгонки уравнения регрессии к исходным данным.
9. Рассчитать среднюю ошибку аппроксимации и сделайте выводы о качестве уравнения регрессии.
10. Рассчитать прогнозное значение результата, если значение фактора X будет больше на 15% его среднего уровня .
11. Дать экономическую интерпретацию коэффициентов парной регрессии.
поле корреляция экономический показатель
Решение
1. Вычислим описательные статистики (выборочные средние, медиану, моду, среднее квадратичное отклонение) для переменных Х и У, для этого составим таблицу:
N | X | Y | Х-Хср | (Х-Хср) 2 | У-Уср | (У-Уср) 2 | (Х-Хср) (У-Ycp) | |
22,4 | 53,4 | 6,3 | 39,69 | 29,05 | 843,9025 | 183,015 | ||
8,9 | — 7,2 | 51,84 | — 16,35 | 267,3225 | 117,72 | |||
13,3 | — 2,8 | 7,84 | — 2,35 | 5,5225 | 6,58 | |||
18,3 | 29,5 | 2,2 | 4,84 | 5,15 | 26,5225 | 11,33 | ||
13,8 | — 2,3 | 5,29 | 7,65 | 58,5225 | — 17,595 | |||
11,7 | 14,7 | — 4,4 | 19,36 | — 9,65 | 93,1225 | 42,46 | ||
19,5 | 3,4 | 11,56 | — 11,35 | 128,8225 | — 38,59 | |||
15,2 | 11,3 | — 0,9 | 0,81 | — 13,05 | 170,3025 | 11,745 | ||
14,4 | — 1,7 | 2,89 | — 6,35 | 40,3225 | 10,795 | |||
11,8 | 5,9 | 34,81 | — 12,55 | 157,5025 | — 74,045 | |||
16,4 | 0,3 | 0,09 | 3,65 | 13,3225 | 1,095 | |||
18,9 | 2,8 | 7,84 | — 8,35 | 69,7225 | — 23,38 | |||
16,1 | 29,5 | 5,15 | 26,5225 | |||||
13,3 | 23,1 | — 2,8 | 7,84 | — 1,25 | 1,5625 | 3,5 | ||
17,3 | 1,2 | 1,44 | 30,65 | 939,4225 | 36,78 | |||
Сумма | 241,5 | 365,3 | 196,14 | 2842,418 | 271,41 | |||
Среднее | 16,1 | 24,35 333 | ||||||
выборочные средние
Хмах=22,4, Хмин=8,9
R=22.4−8.9=13.5
Медиана Xme=15.65
Мода Хмо=13,3
Дисперсия среднее квадратичное отклонение
2. Построим поле корреляции и сформулируем гипотезу о форме связи.
Анализируя данное поле корреляции можно сделать следующие выводы:
между переменными Х и Y наблюдается прямая зависимость: с ростом Х значения Y увеличиваются.
точки располагаются близко к прямой линии, т. е. можно предположить, что связь между переменными линейная.
3. Вычислим парный коэффициент корреляции между переменными.
связь между часовым заработком 1 рабочего Y и общим стажем работы после окончания учебы Х прямая и слабая.
4. Найдем оценки и параметров модели парной линейной регрессии и .
Определим параметры линейной зависимости вида Для расчета параметров б, в, коэффициента детерминации, оценки значимости уравнения результаты вспомогательных расчетов представим в виде таблицы.
N | X | Y | XY | X2 | Y2 | |
22,4 | 53,4 | 1196,16 | 501,76 | 2851,56 | ||
8,9 | 71,2 | 79,21 | ||||
13,3 | 292,6 | 176,89 | ||||
18,3 | 29,5 | 539,85 | 334,89 | 870,25 | ||
13,8 | 441,6 | 190,44 | ||||
11,7 | 14,7 | 171,99 | 136,89 | 216,09 | ||
19,5 | 253,5 | 380,25 | ||||
15,2 | 11,3 | 171,76 | 231,04 | 127,69 | ||
14,4 | 259,2 | 207,36 | ||||
11,8 | 259,6 | 139,24 | ||||
16,4 | 459,2 | 268,96 | ||||
18,9 | 302,4 | 357,21 | ||||
16,1 | 29,5 | 474,95 | 259,21 | 870,25 | ||
13,3 | 23,1 | 307,23 | 176,89 | 533,61 | ||
17,3 | 951,5 | 299,29 | ||||
Сумма | 241,5 | 365,3 | 6152,74 | 4084,29 | 11 738,69 | |
Среднее | 16,1 | 24,35 333 | 410,1827 | 272,286 | 782,5793 | |
Сначала рассчитаем коэффициент в Используя полученное значение рассчитаем б Запишем полученное уравнение регрессии Расчетные значения переменной у рассчитаем подстановкой значений Х в данное уравнение
N | X | Y | ур | Y-yp | (Y-yp) 2 | (Y-yp) 2/Y | |
22,4 | 53,4 | 33,0768 | 20,3232 | 413,0325 | 7,73 469 | ||
8,9 | 14,3523 | — 6,3523 | 40,35 172 | 5,43 964 | |||
13,3 | 20,4551 | 1,5449 | 2,386 716 | 0,108 487 | |||
18,3 | 29,5 | 27,3901 | 2,1099 | 4,451 678 | 0,150 904 | ||
13,8 | 21,1486 | 10,8514 | 117,7529 | 3,679 778 | |||
11,7 | 14,7 | 18,2359 | — 3,5359 | 12,50 259 | 0,850 516 | ||
19,5 | 29,0545 | — 16,0545 | 257,747 | 19,82 669 | |||
15,2 | 11,3 | 23,0904 | — 11,7904 | 139,0135 | 12,30 208 | ||
14,4 | 21,9808 | — 3,9808 | 15,84 677 | 0,880 376 | |||
11,8 | 32,522 | — 20,722 | 429,4013 | 36,38 994 | |||
16,4 | 24,7548 | 3,2452 | 10,53 132 | 0,376 119 | |||
18,9 | 28,2223 | — 12,2223 | 149,3846 | 9,336 539 | |||
16,1 | 29,5 | 24,3387 | 5,1613 | 26,63 902 | 0,903 018 | ||
13,3 | 23,1 | 20,4551 | 2,6449 | 6,995 496 | 0,302 835 | ||
17,3 | 26,0031 | 28,9969 | 840,8202 | 15,28 764 | |||
Сумма | 241,5 | 365,3 | 2466,857 | 113,1736 | |||
Среднее | 16,1 | 24,35 333 | 164,4572 | 7,544 905 | |||
5. Проверим значимость оценок коэффициентов и с надежностью 0,95 с помощью t-статистики Стьюдента Для оценки значимости уравнения необходимо рассчитать стандартную ошибку регрессии S и Sв
В среднем истинное значение может отклоняться от значения в=1,387 на величину 0,984. Рассчитаем значение статистики параметра в Значение tв =1,41?tкр=2,228, поэтому параметр в не является значимым.
Аналогично рассчитаем для параметра б Значение tб =0,123кр=2,228, поэтому параметр б не является значимым.
5. Определим интервальные оценки коэффициентов и с надежностью 0,95.
Построим доверительные интервалы для параметра в для уровня доверия q=0,95.
Построим доверительные интервалы для параметра б для уровня доверия q=0,95.
6. Определим коэффициент детерминации R2 и коэффициент корреляции rxy. Сделать выводы о качестве уравнения регрессии.
Таким образом R2=0.133, т. е. на 13,3% дисперсия зависимой переменной у объясняется изменением переменной х, а 86,7% изменения у объясняется влиянием других факторов.
Рассчитаем коэффициент корреляции Значение коэффициента корреляции 0,365 свидетельствует о том что связь между х и у слабая и прямая.
7. Проверим при уровне значимости 0,05 значимость уравнения регрессии с помощью F-статистики Фишера и сделать выводы о значимости уравнения регрессии.
Оценку значимости уравнения регрессии проведем с помощью F-критерия Фишера:
R2 — коэффициент детерминации
Fтабл=4,98 для б=0,05; k1=k=1; k2=n-k-1=10
F=1,99?Fтабл=4.98
Уравнение регрессии с вероятностью 0,95 статически не значимое
8. Рассчитаем среднюю ошибку аппроксимации и сделаем выводы о качестве уравнения регрессии.
В среднем на 50,26% отличаются расчетные значения от фактических. Так как А=50,26?10% то качество подгонки не достаточно хорошее.
9. Рассчитаем прогнозное значение результата, если значение фактора X будет больше на 15% его среднего уровня .
Х среднее равно 16,1
Хпрогн=16,1+15%=18,51,
10. Дать экономическую интерпретацию коэффициентов парной регрессии.
Построенное уравнение регрессии позволяет выполнить анализ взаимосвязи исследуемых показателей.
Экономический смысл параметра в состоит в следующем — при изменении переменной х на единицу значение переменной у изменится в среднем на величину в. Определим коэффициент эластичности у по х.
Это означает что при изменении переменной х на 1% на 91,7% изменится значение у.
Дополнительно решим задание в программе Microsoft Excel:
ВЫВОД ИТОГОВ | |||||||||
Регрессионная статистика | |||||||||
Множественный R | 0,363 495 | ||||||||
R-квадрат | 0,132 129 | ||||||||
Нормированный R-квадрат | 0,6 537 | ||||||||
Стандартная ошибка | 13,77 526 | ||||||||
Наблюдения | |||||||||
Дисперсионный анализ | |||||||||
df | SS | MS | F | Значимость F | |||||
Регрессия | 375,5654 | 375,5654 | 1,979 182 | 0,182 931 | |||||
Остаток | 2466,852 | 189,7578 | |||||||
Итого | 2842,417 | ||||||||
Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | Нижние 95,0% | Верхние 95,0% | ||
Y-пересечение | 2,74 854 | 16,23 041 | 0,127 837 | 0,900 234 | — 32,9888 | 37,13 852 | — 32,9888 | 37,13 852 | |
Переменная X 1 | 1,383 757 | 0,983 596 | 1,406 834 | 0,182 931 | — 0,74 117 | 3,508 687 | — 0,74 117 | 3,508 687 | |
ВЫВОД ОСТАТКА | |||||||||
Наблюдение | Предсказанное Y | Остатки | Стандартные остатки | ||||||
33,071 | 20,329 | 1,53 147 | |||||||
14,39 029 | — 6,39 029 | — 0,48 141 | |||||||
20,47 882 | 1,521 185 | 0,114 597 | |||||||
27,3976 | 2,102 402 | 0,158 383 | |||||||
21,17 069 | 10,82 931 | 0,815 818 | |||||||
18,2648 | — 3,5648 | — 0,26 855 | |||||||
29,5 811 | — 16,0581 | — 1, 20 973 | |||||||
23,10 795 | — 11,808 | — 0,88 954 | |||||||
22,95 | — 4,95 | — 0,30 141 | |||||||
32,5175 | — 20,7175 | — 1,56 074 | |||||||
24,76 846 | 3,23 154 | 0,243 446 | |||||||
28,22 785 | — 12,2279 | — 0,92 118 | |||||||
24,35 333 | 5,146 667 | 0,38 772 | |||||||
20,47 882 | 2,621 185 | 0, 197 465 | |||||||
26,1 384 | 28,98 616 | 2,183 651 | |||||||