Xreferat.com » Рефераты по экономико-математическому моделированию » Прогнозирование на основе регрессионных моделей

Прогнозирование на основе регрессионных моделей

Adj R-squared = 0.6203

Total | .04815095 19 .002534261 Root MSE = .03102


------------------------------------------------------------------------------

sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

lnud1 | 11.2229 1.982717 5.66 0.000 7.057366 15.38843

_cons | -1.038311 .2443161 -4.25 0.000 -1.5516 -.5250216

------------------------------------------------------------------------------


Получили модель Прогнозирование на основе регрессионных моделей. Это уравнение значимо по F-критерию Фишера, и параметр при переменной lnud1 и константа значимы по t-критерию Стьюдента. 64,03 % суммы квадратов отклонений переменной sst от среднего значения объясняется переменными модели.

Сделаем выбор между этими двумя моделями. Представим критерии выбора модели в следующей таблице:


Модель Критерий

R-квадрат Скорректированный R-квадрат Акейка Шварца σост

Прогнозирование на основе регрессионных моделей

0.6378 0.6177 -13,9896 -6,89499 0,0302959

Прогнозирование на основе регрессионных моделей

0.6403 0.6203 -14,0032 -6,90180 0,03019289

Из данной таблицы видно, что по всем критериям гиперболическая модель лучше линейной.

Проверим регрессию на автокорреляцию остатков:


. regdw sst lnud1,t(lnud1) force


Source | SS df MS Number of obs = 20

-------------+------------------------------ F( 1, 18) = 32.04

Model | .030830369 1 .030830369 Prob > F = 0.0000

Residual | .017320581 18 .000962254 R-squared = 0.6403

-------------+------------------------------ Adj R-squared = 0.6203

Total | .04815095 19 .002534261 Root MSE = .03102


------------------------------------------------------------------------------

sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

lnud1 | 11.2229 1.982717 5.66 0.000 7.057366 15.38843

_cons | -1.038311 .2443161 -4.25 0.000 -1.5516 -.5250216

------------------------------------------------------------------------------

Durbin-Watson Statistic = 2.460766

Проверка на автокорреляцию дает удовлетворительное значение статистики Дарбина-Уотсона 2,46 (автокорреляция отсутствует), так как Прогнозирование на основе регрессионных моделей, где Прогнозирование на основе регрессионных моделей (табличное значение). Это означает, что ошибки независимы между собой.

Построим график остатков регрессии от оцененной зависимой переменной:


. fit sst lnud1


Source | SS df MS Number of obs = 20

-------------+------------------------------ F( 1, 18) = 32.04

Model | .030830369 1 .030830369 Prob > F = 0.0000

Residual | .017320581 18 .000962254 R-squared = 0.6403

-------------+------------------------------ Adj R-squared = 0.6203

Total | .04815095 19 .002534261 Root MSE = .03102


------------------------------------------------------------------------------

sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

lnud1 | 11.2229 1.982717 5.66 0.000 7.057366 15.38843

_cons | -1.038311 .2443161 -4.25 0.000 -1.5516 -.5250216

------------------------------------------------------------------------------

. rvfplot, c(m)


Прогнозирование на основе регрессионных моделей

Можно предположить наличие гетероскедастичноти, поскольку разброс значений остатков увеличивается с ростом значений себестоимости молока. Проверим этот факт с помощью теста Бреуша-Пагана:


. hettest


Cook-Weisberg test for heteroskedasticity using fitted values of sst

Ho: Constant variance

chi2(1) = 0.01

Prob > chi2 = 0.9328


Тест Бреуша-Пагана подтверждает наличие гетероскедастичности, потому что гипотеза о постоянстве дисперсий отклоняется.

Скорректируем стандартные ошибки по Навье-Весту, учитывая гетероскедастичность:


. newey sst lnud1, lag(0) force


Regression with Newey-West standard errors Number of obs = 20

maximum lag : 0 F( 1, 18) = 60.26

Prob > F = 0.0000


------------------------------------------------------------------------------

| Newey-West

sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

lnud1 | 11.2229 1.445712 7.76 0.000 8.18557 14.26023

_cons | -1.038311 .1784612 -5.82 0.000 -1.413244 -.6633776

------------------------------------------------------------------------------


Изменились доверительные интервалы для параметров переменных модели.

Итак, имеем модель: Прогнозирование на основе регрессионных моделей,

(sst-себестоимость молока за 1 кг, руб) ;


lnud-логарифм удоя молока на среднегодовую корову, кг.

Себестоимость не зависит ни от расхода кормов на 1 корову, ни от удельного веса чистопородных коров в стаде. Выявлена обратная пропорциональность между себестоимостью молока и логарифмом удоя молока, а следовательно, и просто удоем молока. Стандартная ошибка переменной Прогнозирование на основе регрессионных моделей составляет 1.4457, а константы – 0.1785. Доверительный интервал   для    переменной Прогнозирование на основе регрессионных моделей –   [ 8.1856 ; 14.2602 ],  для константы  –  [ -1.4132 ; -0.6634 ].


Рассчитаем прогнозные значения показателей, когда уровень факторных показателей на 30 % превышает средние величины исходных данных. Средний показатель удоя молока на среднегодовую корову равен 3476.5 кг. Превышение этого значения на 30 % составляет 4519.45 кг. Прологарифмируя, получим: lnud = 8.416. Тогда, согласно модели, себестоимость при таком значении удоя молока составит 0,296 руб. за 1 кг.

18


Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: