Эконометрическое моделирование - расчет коэффициентов корреляции и регрессии, анализ одномерного временного ряда
Уравнение регрессии зависимости цены квартиры от города области и общей площади квартиры, полученное на последнем шаге, можно записать в следующем виде
y = 10,255 - 34,558Х1 + 1,492Х3
Коэффициенты уравнения регрессии показывают, что в Подольске цена квартиры меньше, чем в Люберцах на 34,558 тыс. долл., а при увеличении общей площадина один квадратный метрцена квартиры увеличится на 1,
492 тыс. долл.
7)Оценка качества построенной модели. Оценка влияния значимых факторов на результат с помощью коэффициентов эластичности, - и - коэффициентов
Сравним индекс корреляции R и коэффициент детерминации R2 полученной модели с однофакторной моделью.
Таблица 5
Коэффициент корреляции R |
Коэффициент детерминации R2 | |
однофакторная модель |
0,846 |
0,715 |
двухфакторная модель |
0,909 |
0,827 |
Из таблицы (5) видно, что качество новой модели лучше предыдущей однофакторной, т.к. коэффициенты ближе к единице.
Теперь оценим влияние значимых факторов на результат с помощью коэффициентов эластичности, - коэффициентов с помощью формул:
, и ,
где
1) = = -0,212
=
Отсюда видно, что при изменении Х1 на 1% значение Y уменьшится на 21,2%. А при изменении Х3 на 1% значение Y увеличится на 110,3%.
2) Найдем коэффициенты β для параметра Х1 и Х3. Сначала вычислим среднеквадратические отклонения:
=
=
=
Тогда:
=
=
Анализ полученных данных показывает, что при увеличении Х1 на 0,5006 цена квартиры уменьшится на 0,336*51,492 = 17,301 тыс. долл. А при увеличении общей площади на 28,225 м2 Цена квартиры увеличится на 0,817*51,492 = 42,07 тыс. долл.
3) Вычислим коэффициенты Δ для параметров Х1 и Х3:
= -0,403 * (-0,336) / 0,827 = 0,164
= 0,846 * 0,817 / 0,827 = 0,836
Из полученных данных мы видим, что доля влияния фактора город (Х1) в суммарном влиянии всех факторов составляет 0,164 или 16,4%, тогда как доля влияния фактора общая площадь – 0,836 или 83,6%.
Задача №2. Исследование динамики экономического показателя на основе анализа одномерного временного ряда
Таблица 6– Исходные данные
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
yt |
20 |
27 |
30 |
41 |
45 |
51 |
51 |
55 |
61 |
1. Выявление аномальных наблюдений
Построим график временного ряда
Для выявления аномальных наблюдений воспользуемся методом Ирвина. Для всех наблюдений вычисляем величину по формуле:
,
Где ,
Результаты расчетов по методу Ирвина приведены в таблице (6)
Таблица 6
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
yt |
20 |
27 |
30 |
41 |
45 |
51 |
51 |
55 |
61 |
|
- |
0,502 |
0,215 |
0,789 |
0,287 |
0,431 |
0 |
0,287 |
0,431 |
По результатам расчетов аномальных наблюдений нет, т.к. расчетные величины не превышают табличных значений.
2. Построение линейной модели
Таблица 7 - Промежуточные расчеты параметров линейной модели
t |
|
|
|
|
( )() |
|
|
1 |
20 |
-4 |
16 |
-22,333 |
89,332 |
22,333 |
-2,333 |
2 |
27 |
-3 |
9 |
-15,333 |
45,999 |
27,333 |
-0,333 |
3 |
30 |
-2 |
4 |
-12,333 |
24,666 |
32,333 |
-2,333 |
4 |
41 |
-1 |
1 |
-1,333 |
1,333 |
37,333 |
3,666 |
5 |
45 |
0 |
0 |
2,667 |
0 |
42,333 |
2,666 |
6 |
51 |
1 |
1 |
8,667 |
8,667 |
47,333 |
3,666 |
7 |
51 |
2 |
4 |
8,667 |
17,334 |
52,333 |
-1,333 |
8 |
55 |
3 |
9 |
12,667 |
38,001 |
57,333 |
-2,333 |
9 |
61 |
4 |
16 |
18,667 |
74,668 |
62,333 |
-1,333 |
|
42,333 |
60 |
300 |
0 |
Другие рефераты на тему «Экономико-математическое моделирование»:
Поиск рефератов
Последние рефераты раздела
- Выборочные исследования в эконометрике
- Временные характеристики и функция времени. Графическое представление частотных характеристик
- Автоматизированный априорный анализ статистической совокупности в среде MS Excel
- Биматричные игры. Поиск равновесных ситуаций
- Анализ рядов распределения
- Анализ состояния финансовых рынков на основе методов нелинейной динамики
- Безработица - основные определения и измерение. Потоки, запасы, утечки, инъекции в модели