Определение наилучшей корреляционно-регрессионную зависимости. Построение диаграммы

Страницы работы

6 страниц (Word-файл)

Фрагмент текста работы

Задание 1.

Определить наилучшую корреляционно-регрессионную зависимость по следующим основным параметрам (используя метод ранжирования):

– среднему квадратическому отношению уровней;

– коэффициенту тесноты связи;

– достоверности коэффициента тесноты связи (критерий Стьюдента) через отношения с табличным значением;

– средней ошибки аппроксимации;

– достоверности уравнения регрессии (критерий Фишера) через отношения с табличным значением.

Построить диаграмму исследуемых корреляционно-регрессионных зависимостей (диаграмму корреляционно-регрессионных зависимостей построить с использованием компьютера, при этом на графике выделить две наилучшие зависимости). В качестве шкалы деления по осям координат фактора и показателя, использовать только их фактические значения. В корреляционно-регрессионной зависимости с лучшими характеристиками устранить влияние гетероскедастичности.

Варианты задания 1

Вариант 1

Вариант  2

Вариант  3

Выручка от реализации мебели, тыс. руб.

Спрос на изделия из кожи

Импортное сырье, %

Затраты на рекламу, тыс. руб.

Количество венерических заболеваний

Постоянство партнеров, %

1

8500

100

20

18

10

80

2

9000

200

30

23

20

60

3

7000

300

41

18

30

50

4

6500

400

48

16

15

75

5

4500

250

35

13

40

45

6

3600

150

27

10

60

30

7

7500

800

90

19

50

41

8

4800

500

55

14

30

48

9

9500

350

44

25

45

46

10

4200

250

32

11

50

38

11

7700

600

64

17

15

72

12

8500

700

75

23

55

35

13

9500

550

60

28

5

90

14

8200

450

50

22

25

65

15

9400

510

57

26

35

55

Вариант 4

Вариант  5

Вариант  6

Количество дорожно-транспортных происшествий

Водитель в нетрезвом состоянии, %

Урожайность картофеля, ц/га

Количество выпавших осадков в год, мм

Курс доллара относительно рубля

Добыча нефти, тыс. т

1

40

20

220

280

30,5

7400

2

55

10

180

240

28,2

8200

3

20

30

140

180

29,6

8000

4

15

60

100

80

31,2

7000

5

70

40

80

100

32,0

6800

6

30

20

280

300

26,5

8700

7

25

15

160

220

22,5

9200

8

45

25

70

70

20,0

10000

9

30

55

50

60

21,0

9500

10

100

45

110

100

26,0

9000

11

120

35

140

150

31,7

7300

12

140

30

200

260

29,5

7900

13

160

80

210

250

27,2

8500

14

90

32

180

220

32,4

7200

15

80

45

150

200

30,8

7200

Задание 2.

Найти  нормальные  уравнения  линейной многофакторной    зависимости, уравнение регрессии,  множественный  коэффициент корреляции, корреляционное отношение, индекс корреляции, коэффициент детерминации, среднюю относительную ошибку аппроксимации, оценить достоверность коэффициента тесноты связи и уравнения регрессии (критерий Фишера), рассчитать прогнозируемое значение показателя.

Используя данные задания 2, рассчитать совокупный коэффициент корреляции через парные значения коэффициентов корреляции и сравнить с рассчитанным в задании 2 множественным коэффициентом корреляции.

Используя данные и расчеты задания 2, дать оценку влияния факторов на результативный показатель, используя понятия коэффициентов эластичности и бета коэффициентов для линейной множественной регрессии.

Определить наиболее существенные факторы, влияющие на результативный  показатель, найти форму этой связи и определить прогнозируемое значение показателя (несущественные факторы исключить из корреляционно-регрессионной зависимости).  Устранить влияние гетероскедастичности.

Y – валовой доход предприятия, тыс. руб.;

X1 – основные фонды, тыс. руб.;

X2 – количество работающих, чел.;

X3 – ИТР в общем количестве работающих,  %;

X4 – количество привлекаемых рабочих со стороны, чел.;

X5 – количество специалистов из-за рубежа, чел.;

X6 – использование оборудования, %;

X7 – износ оборудования, %;

X8 – обеспеченность сырьем, %;

X9 – качество сырья, %;

X10 – импортное сырье в общем количестве сырья, %;

X11 – перебои электроэнергии, час;

X12 – внедрение новых изобретений и предложений НТР.

Варианты работ к заданию 2

№ варианта

Номер задания показателя Y

Номера факторов

1

1

1, 2, 3, 4, 5, 6,7

2

1

1, 2, 3, 4, 8, 9, 10

3

1

1, 2, 3, 4, 10, 11, 12

4

1

2, 3, 4, 5, 6, 7, 8

5

1

2, 3, 4, 5, 8, 9, 10

6

1

2, 3, 4, 5, 10, 11, 12

7

1

3, 4, 5, 6, 7, 8, 9

8

1

3, 4, 5, 6, 9, 10, 11

9

1

3, 4, 5, 6, 10, 11, 12

10

1

4, 5, 6, 7, 8, 9, 10

Варианты значений показателя Y

1

2

3

4

5

1

15000

2000

21250

20000

2500

2

25000

2250

23750

40000

3000

3

20000

2500

30000

30000

3500

4

30000

3500

33000

50000

5500

5

40000

3100

29750

70000

4800

6

22000

2850

30000

32000

4300

7

35000

3150

33750

60000

5000

8

28000

3600

37000

46000

5900

9

44000

3800

31500

78000

6100

10

32000

2500

28500

54000

3500

11

18000

3200

37000

26000

4900

12

46000

4200

43000

82000

6900

13

38000

4400

46500

66000

7300

14

50000

4900

40250

90000

8500

15

48000

3150

25750

86000

4800

Варианты значения факторов Х

1

2

3

4

5

6

7

8

9

10

11

12

1

3000

44000

30

100

2

40

60

70

40

20

120

1

2

4000

13000

12

2200

4

50

55

45

65

25

110

3

3

4200

30000

11

800

2

45

60

70

80

25

115

2

4

4500

18000

5

3000

4

55

50

25

75

30

105

9

5

5000

25000

40

1200

5

60

45

90

80

35

100

4

6

3500

11000

8

1000

4

40

58

75

70

30

112

2

7

4800

42000

17

1500

5

54

48

82

75

30

102

11

8

4600

14500

25

4100

4

52

45

75

65

30

108

3

9

5500

26000

24

2300

6

65

44

85

80

35

60

4

10

4900

21000

16

2100

5

58

60

80

75

30

100

3

11

3100

17000

11

300

4

42

70

60

50

25

122

1

12

5800

28000

15

2400

6

64

40

85

80

35

55

5

13

5000

24000

22

2900

4

58

44

35

75

35

65

4

14

4300

19000

28

2600

7

70

38

85

80

35

50

6

15

4100

27000

36

450

6

66

40

75

90

35

58

5

Прогноз

4700

23500

18

2500

8

75

35

90

85

40

45

7

Задание 3. Исходные данные представлены в табл. 1. Выявите гетероскедастичность остатков модели и примените обобщенный МНК для ее устранения.

Таблица 1

Размер производства

Прибыль

x

y

5

5

6

7

6

6

10

9

11

15

12

18

12

27

12

23

23

30

24

37

25

39

25

51

Задание 4. По исходным данным (см. табл. 2) по методу максимального правдоподобия для тобит-моделей с помощью программного пакета «Econometric Views» оценены параметры уравнения регрессии:

Таблица 2

x

500

1000

1200

1500

1800

2000

2300

y

0

0

0

0

0

110

131

Продолжение

x

2450

2500

2600

2700

2800

3000

3500

y

140

145

150

165

182

180

182

Оцените среднее изменение результата при изменении фактора на одну единицу от среднего уровня.

Задание 5. Logit-модель была применена к выборке, в которой y=1, если количество занятых в фирме выросло (y=0 – в противном случае), x1 – доход фирмы в млн. долл.; х2=1, если фирма относится к области высоких технологий (x2=0 – в противном случае). Получена следующая модель:

.

Требуется определить оценку вероятности роста занятости для высокотехнологичной фирмы А с доходом в 5 млн. долл. и для фирмы Б, не относящейся   к сфере высоких технологий и имеющей доход 7 млн. долл.[1]

Задание 6. Имеется выборка, состоящая из 528 наблюдений, в которой y=1, если заработная плата работника ниже 5 долл. В час (у=0 – в противном случае). Предполагается, что уровень заработной платы зависит от следующих факторов: х1 – образование, лет; х2 – пол (1 – женский, 0 – мужской); х3 – опыт работы, лет. В табл. 10 приведены коэффициенты, полученные при оценке линейной регрессии y от х1, х2 и х3 с помощью МНК, и при оценке Logit-модели с помощью нелинейного МНК.

Требуется:

а) определить на основе  Logit-модели оценку вероятности для мужчины и для женщины, имеющих 12 лет образования и 15 лет опыта работы, оказаться низкооплачиваемыми работниками;

б) определить на основе Logit-модели изменение оценки вероятности быть

Похожие материалы

Информация о работе

Предмет:
Эконометрика
Тип:
Контрольные работы
Размер файла:
51 Kb
Скачали:
0