Xreferat.com » Рефераты по экономико-математическому моделированию » Побудова лінійної регресійної моделі

Побудова лінійної регресійної моделі

height="25" align="BOTTOM" border="0" />

183,4278 170,6043 175,8075 169,425 160,563 150,306 146,311 1156,4446

1,8871 0,8671 0,8071 0,0571 -0,5429 -1,2929 -1,7829 0

-2,8614 -1,9914 -1,2114 0,0686 0,7486 1,9186 3,3286 0

3,5611 0,7519 0,6514 0,0033 0,2947 1,6716 3,1787 10,1127

8,1876 3,9657 1,4674 0,0047 0,5604 3,681 11,0796 28,9464

19,3639 21,0706 21,171 22,4259 23,4298 24,6847 25,5046 157,6505

0,2961 -0,5406 0,139 0,1641 -0,1598 -0,2447 0,3454 0

2,7626 -4,4924 1,1468 1,2308 -1,1026 -1,5049 1,955 0

0,0877 0,2922 0,0193 0,0269 0,0255 0,0599 0,1193 0,6308

Середні арифметичні показника і фактора:

Рівняння моделі лінійної регресії має вигляд: у = а+ bх.

Знайдемо коефіцієнти а і b:

Таким чином, рівняння моделі лінійної регресії має вигляд:

у=0,3527+2,9988Чх

Коефіцієнт кореляції характеризує ступень лінійного статистичного зв’язку:

Тобто зв'язок між випуском продукції та витратами матеріалів на одиницю дуже щільний.

Маємо визначені середні значення величин - Xcp = 7,4429, Ycp = 22,5214, слідові можна визначити середній коефіцієнт еластичності для цієї моделі:

A = b*Xcp/Ycp = 2,9988*7,4429/22,5214 = 0,991,

тобто при зростанні показника (випуск продукції) на 1% показник Y (витрати матеріалів на одиницю продукції) зростає на 0,99%.

Можна зробити попередні висновки:

В результаті розрахунків отримано модель у^ = 0,3527+2,9988Чх. Аналізуючи параметри моделі можливо зробити наступні висновки, що оскільки коефіцієнт регресії додатний a1=2,9988, то це свідчить про те, що напрямок зв’язку між X і Y прямий (це підтверджує й графік моделі, рис.1), тобто при зростанні Х значення Y теж будуть збільшуватись. При збільшенні Х на 1 значення Y зросте на 0,99.


Рис.1.


Коефіцієнт еластичності свідчить, на скільки відсотків гранично змінюється залежна змінна, якщо відповідна незалежна змінна змінюється на 1%, а інші - постійні.

Коефіцієнт детермінації визначає значимість лінійного статистичного зв’язку між фактором та показником:

, чи

R2 = 0,9932 = 0,986

По вихідним даним к1=к-1=2-1=1 і к2=п-к=7-2=5 знаходимо критичне значення коефіцієнта детермінації: R2кр=0,569.

Так як R2> R2кр, то можна зробити висновок, що зв'язок між випуском продукції та витратами матеріалів на одиницю статистично значимий з імовірністю 0,95.

Визначимо спостережуване значення критерію Фишера

F = R2*(n - 2)/(1 – R2) = 0,986*(5)/(1 – 0,986) = 352,14.

Табличне значення критерію при надійності Р=0,95 (a = 0,05) і степенях свободи k1 = 1, k2 = 7 – 2 = 5 дорівнює 5,59, оскільки спостережуване значення більше критичного, то лінійна модель є адекватною.

Використовуючи t-статистику, з надійністю Р=0,95 оцінимо значущість коефіцієнта кореляції. Обчислимо спостережуване значення t-статистики

t = |R|*√(n - 2)/(1 – R2) = 0,993*√(7 - 2)/(1 – 0,986) = 18,766.

Табличне значення -критерію при і кількості ступенів свободи n – 2 = 5, t = 2,57. Оскільки розрахункове значення -критерію більше за табличне, то лінійний коефіцієнт кореляції є статистично значущим.

Стандартні похибки оцінок параметрів з урахуванням дисперсії залишків:







Обчислимо t-статистики:

t1 = b/ S(b) = 2,9988/0,1454 = 20,623; t2 = a/ S(a) = 0,3527/2,868 = 0,123.


Оскільки отримані значення більше табличного тільки для коефіцієнту b, то параметр «випуск продукції» є значимим з надійністю Р=0,95.

Висновки


1. В результаті розрахунків отримано модель = 55,384 + 0,9617 Ч Х. у=0,3527+2,9988Чх Аналізуючи параметри моделі можливо зробити наступні висновки, що оскільки коефіцієнт регресії додатний a1=2,9988, то це свідчить про те, що напрямок зв’язку між X і Y прямий (це підтверджує й графік моделі, рис.1), тобто при зростанні Х значення Y теж будуть збільшуватись. При збільшенні Х на 1 значення Y зросте на 0,99.

2. Лінійний коефіцієнт кореляції 0,993 і коефіцієнт детермінації R2=0,986. Значення коефіцієнту кореляції свідчить про те, що між факторами існує дуже сильний прямий зв’язок. Значення коефіцієнту детермінації показує, що на 98,6% варіація Y (витрати матеріалу на одиницю) залежить від X (випуск продукції) і на 1,4% від факторів, які не увійшли у модель.

3. Розрахунки за критерієм Фішера F=352,14 і Fкр.=5,59 підтвердили адекватність моделі даним задачі.

4. За критерієм Стьюдента, була проведена перевірка значимості параметрів моделі з надійністю 95%. Оскільки отримані значення більше табличного тільки для коефіцієнту b, то параметр «випуск продукції» є значимим з надійністю Р=0,95, то можна зробити висновок, що отриманий параметр випуск продукції є значимими і для генеральної сукупності цей параметри рівняння лінії регресії відрізняється від 0.

5. За критерієм Стьюдента була проведена перевірка значимості лінійного коефіцієнта кореляції з надійністю 95%. Оскільки значення tr – статистики більші ніж критичне значення, то можна зробити висновок, що в генеральній сукупності між факторами існує зв’язок, тобто ρ≠0 і коефіцієнт регресії статистично значущий, слідові модель є адекватною.

Література


  1. Абакумов С.А. Економетрика К.: 2004

  2. Висловский В.Р. Эконометрия М.: 2005

  3. Колесников Н.А. Математические методы в экономике М.: 2006

  4. Породін М.О. Економетрика Харків 2007

24


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: