610

Однофакторные регрессионные модели

Лабораторная работа

Экономическая теория и математическое моделирование

Рассчитать линейный коэффициент парной корреляции и среднюю ошибку аппроксимации. Оценить статистическую значимость параметров регрессии и корреляции с помощью критерия Фишера и Стьюдента.

Русский

2013-01-06

339 KB

110 чел.

Федеральное государственное автономное образовательное учреждение высшего профессионального образования

«Уральский федеральный университет

имени первого Президента России Б.Н.Ельцина»

Факультет информационных технологий и экономического моделирования

Кафедра анализа систем и принятия решений

ЛАБОРАТОРНАЯ РАБОТА №1

по дисциплине «Эконометрика»

на тему “Однофакторные регрессионные модели”

Преподаватель:         Алферьева Т. И.

   

Cтуденты группы         ЭМ-391606к Пр

          

Фаридонов Глеб

                     Лисовенко Никита  

Екатеринбург – 2011


Задача 1. По территориям региона приводятся данные за 199X г. (см. таблицу своего варианта).

Требуется:

  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 107% от среднего уровня.
  5.  Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.
  6.  На одном графике построить исходные данные и теоретическую прямую.

Вариант 12

  1.  Ввод данных
  2.  Подготовка для расчета регрессии:

Номер региона

Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,

Среднедневная заработная плата, руб.,

1

89

155

2

71

144

3

70

135

4

98

145

5

83

140

6

90

152

7

84

137

8

79

136

9

92

162

10

95

159

11

76

134

12

106

163

  1.  Расчет коэффициентов регрессии:

= 0,769925378

= 80,55559039

Построенную модель можно записать в данном виде:

y = 80,55559039+0,769925378x

Коэффициент регрессии  показывает, что повышение среднедушевого прожиточного минимума в день на одного трудоспособного приводит к увеличению среднедневной з/п на 0,769925378 руб.

  1.   Расчет коэффициента корелляции и детерминации

 

   = 10,52345264

   = 10,44695596

    r   = 0,775563071

    D = 60,14%

Номер региона

Среднедушевой прожиточный минимум в день одного трудоспособного, руб., х

Среднедневная заработная плата, руб., у

(y-)^2

1

89

155

149,0789

35,05884

2

71

144

135,2203

77,08327

3

70

135

134,4504

0,302097

4

98

145

156,0083

121,1822

5

83

140

144,4594

19,88622

6

90

152

149,8489

4,627341

7

84

137

145,2293

67,72174

8

79

136

141,3797

28,94112

9

92

162

151,3887

112,5992

10

95

159

153,6985

28,10589

11

76

134

139,0699

25,70408

12

106

163

162,1677

0,692756

сумма

521,9047

Коэффициент корелляции достаточно высокий, что показывает существенную зависимость среднесуточной з/п от среднедушевого прожиточного минимума на одного трудоспособного. Коэффициент детерминации показывает, что величина среднесуточной з/п объясняется величиной среднедушевого прожиточного минимума на одного трудоспособного только на 60,14%

  1.  Расчет дисперсионного отношения Фишера:

                  = 15,09398184

Сравнение расчетного значения F-критерия с табличным  = 4,96 для 95-ого уровня значимости позволяет сделать вывод об адекватности построенной модели.

  1.  Расчет стандартных ошибок по формулам, в которых используются средняя квадратическая ошибка

= = 52,1904

 = 7,224                    = = 17,186

 = 0,198

  1.  t-статистики Стьюдента

= = 4,687

= = 3,885

  1.  Расчет доверительных границ для коэффициентов уравнения регрессии

= 2,23*17,186 = 38,32584922

= 2,23*0,198 = 0,441928069

80,55559039-38,32584922  ≤  b0  ≤  80,55559039+38,3258492

42,22974119 ≤ b0 ≤ 118,8814396

         0,769925378-0,441928069 ≤ b1 ≤ 0,769925378+0,441928069

 

  0,327997309 ≤ b1 ≤ 1,211853447

  1.  Построение с помощью “Пакета анализа” табличного процессора Excel

Регрессионная

статистика

Множестве

нный R

0,775563

R-квадрат

0,601498

Нормированный R-квадрат

0,561648

Стандартная ошибка

7,224297

Наблюдения

12

Дисперсионный анализ

 

              df

SS

MS

F

Значимость F

Регрессия

1

787,762

787,762

15,09398

0,003034

Остаток

10

521,9047

52,19047

Итого

11

1309,667

 

 

 

 

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y-пересечение

80,55559

17,18648

4,687149

0,000858

42,26173

118,8495

42,26173

118,8495

Переменная X 1

0,769925

0,198174

3,885097

0,003034

0,328366

1,211485

0,328366

1,211485

ВЫВОД ИТОГОВ