АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

III. Хід роботи

Читайте также:
  1. III. Хід роботи
  2. V. ЗАВДАННЯ ДЛЯ САМОСТІЙНОЇ РОБОТИ
  3. VІ. Виконання практичної роботи. Інструктаж з техніки безпеки.
  4. Аналіз ритмічності роботи підприємства
  5. в практиці роботи сучасного загальноосвітнього навчального закладу
  6. Варіанти завдань для домашньої контрольної роботи із дисципліни
  7. ВАРІАНТИ ЗАВДАНЬ ДЛЯ КОНТРОЛЬНОЇ РОБОТИ
  8. Варіанти завдань домашньої контрольної роботи
  9. Варіанти контрольної роботи
  10. Вибір напрямку і теми роботи
  11. Вибір режиму роботи підприємства

Лабораторна робота № 4

з дисципліни «Економіко-математичне моделювання»

на тему:

«ПОБУДОВА ЛІНІЙНОЇ БАГАТОФАКТОРНОЇ МОДЕЛІ ТА ДОСЛІДЖЕННЯ ЇЇ АДЕКВАТНОСТІ»

Варіант №30

 

 

Виконала:

ст. гр. ОА -32

Юнко І.С.

Прийняла:

Васильців Н. М.

 

Львів 2011р

Мета: побудувати лінійну багатофакторну модель, дослідивши її адекватність; побудувати кореляційну матрицю; використовуючи χ2 - критерій з надійністю 0.95 оцінити наявність загальної мультиколінеарності; знайти оцінки параметрів багатофакторної регресії; оцінити щільність зв’язку між результативною і факторними ознаками за допомогою коефіцієнта детермінації; перевірити адекватність побудованої моделі (критерій Фішера).

 

I. Теоретичні відомості: При побудові регресійного рівняння, де результуючий показник залежить від багатьох факторних ознак, слід включити в регресію всі фактори, які мають суттєвий вплив на показник у, а з другого боку необхідно визначити, як виконується умова лінійної незалежності між факторами х1, х2 …хn. Якщо між факторними ознаками існує лінійна залежність Хі =аХj, то говорять про те, що між цими факторами існує мультиколінеарність.

Мультиколінеарність означає існування тісної лінійної залежності або сильної кореляції між двома або більше пояснювальними змінними.

II. Завдання

За даними таблиці 1 з ймовірністю 0,95, використовуючи метод найменших квадратів, необхідно:

Таблиця 1

Вихідні статистичні дані

 

№ спосте-реження Витрати на маркетинг, тис. грн. (х1) Інвестиції у виробництво, тис. грн. (х2) Сукупні витрати, тис. грн. (х3) Доходи підприємства, тис. грн. (у)
  4,12 10,11 23,2 26,32
  4,49 12,64 24,49 23,10
  4,82 18,61 27,1 48,15
  5,23 15,78 28,25 41,15
  6,07 20,2 30,3 51,46
  5,92 9,56 31,97 28,97
  6,53 22,86 33,93 55,76
  6,57 12,36 35,52 34,11
  7,47 17,98 36,19 47,37
  7,86 15,36 36,87 42,29
  7,97 13,75 38,99 41,30
  8,3 18,14 41,05 32,06
  8,54 11,34 41,41 35,91
  9,07 10,45 42,96 35,57
  8,9 29,26 44,28 71,33
  101,860 238,400 516,510 614,850

1) побудувати кореляційну матрицю;

2) використовуючи χ2-критерій з надійністю 0.95 оцінити наявність загальної мультиколінеарності;

3) якщо існує загальна мультиколінеарність, то використовуючи t-статистику з р=0,95 виявити пари факторів, між якими існує мультиколінеарність. Якщо такі пари існують, то один із факторів необхідно вилучити;

4) знайти оцінки параметрів багатофакторної регресії;

5) оцінити щільність зв’язку між результативною і факторними ознаками за допомогою коефіцієнта детермінації;

6) перевірити адекватність побудованої моделі (критерії Фішера).

7)

III. Хід роботи

1. Будуємо кореляційну матрицю:

,

 

 

Шукаємо обернену матрицю Z=R-1

1,0000 0,2280 0,9882
Z= 0,2280 1,0000 0,2526
0,9882 0,2526 1,0000

43,4237 1,0022 -43,1631
1,0022 1,0913 -1,2661
-43,1631 -1,2661 43,9721

 

Знаходимо визначник матриці R

R = 0,021559.

 

2. Для дослідження загальної мультиколінеарності знаходимо значення, та порівнюємо його з критичним значення.

= 46,68298 n = 15; m = 3

кр = 7,81

, 46,68298> 7,81, то із прийнятою надійністю можна вважати, що між факторами існує мультиколінеарність.

 

3. Щоб з`ясувати між якими факторами існує мультиколінеарність, використовуємо F– або t–статистика.

Обчислення F-критеріїв:

;

F1 = 155,5537
F2 = 0,334788
F3 = 157,5644
   

Порівнявши ці значення з критичним (Fкр = 3,59), встановлено, що F1> Fкр та

F3> Fкр, тобто ці змінні незалежні мультиколінеарні з іншими.

 

4. Знаходимо t–статистики між двома факторами, спочатку шукаємо частинні коефіцієнти кореляції за формулою:

,

де - елементи матриці Z.

r12 = -0,14559
r13 = 0,987779
r23 = 0,182764

Для цих частинних коефіцієнтів знаходиться t – статистика

.

t12 = -0,48806
t13 = 21,01957
t23 = 0,616546

 

Фактичні значення порівнюємо з критичним значенням критерія Стьюдента = 1,796.

, 21,01957> 1,796 тому з надійністю р можна стверджувати, що між факторами х1 і x3 існує мультиколінеарність.

Тому ми виключаємо фактор x3 з розгляду, що узгоджується з економічною доцільністю.

В загальному випадку багатофакторна лінійна регресія має вид

.

 

 

5. Оцінку параметрів знайдемо за допомогою МНК

 

n ∑x1 ∑x2 -1 ∑y а0
∑x1 ∑x12 ∑x1* x2 × ∑y *x1 = a1

∑x2 ∑x1* x2 ∑ x22 ∑y * x2 a2

 

Для того щоб визначити ці параметри, необхідно знайти показники, які записуємо в таблиці 2:

Таблиця 2

Y X1 X2 X1^2 X2^2 X1X2 YX1 YX2
26,32 4,12 10,11 16,974 102,212 41,653 108,438 266,095
23,10 4,49 12,64 20,160 159,770 56,754 103,719 291,984
48,15 4,82 18,61 23,232 346,332 89,700 232,083 896,072
41,15 5,23 15,78 27,353 249,008 82,529 215,215 649,347
51,46 6,07 20,2 36,845 408,040 122,614 312,362 1039,492
28,97 5,92 9,56 35,046 91,394 56,595 171,502 276,953
55,76 6,53 22,86 42,641 522,580 149,276 364,113 1274,674
34,11 6,57 12,36 43,165 152,770 81,205 224,103 421,600
47,37 7,47 17,98 55,801 323,280 134,311 353,854 851,713
42,29 7,86 15,36 61,780 235,930 120,730 332,399 649,574
41,30 7,97 13,75 63,521 189,063 109,588 329,161 567,875
32,06 8,3 18,14 68,890 329,060 150,562 266,098 581,568
35,91 8,54 11,34 72,932 128,596 96,844 306,671 407,219
35,57 9,07 10,45 82,265 109,203 94,782 322,620 371,707
71,33 8,9 29,26 79,210 856,148 260,414 634,837 2087,116
614,850 101,860 238,400 729,815 4203,383 1647,555 4277,176 10632,988

 

 

  101,86 238,4
101,86 729,8148 1647,6
238,4 1647,555 4203,4
1,57264 -0,1575 -0,02746
-0,1575 0,02767 -0,00191
-0,0275 -0,0019 0,002545

-1

 

=

 

1,57264 -0,1575 -0,02746
-0,1575 0,02767 -0,00191
-0,0275 -0,0019 0,002545
614,850
4277,176
10632,988
1,29379
1,173088
1,996445

 

*

 

 

а0 = 1,29379; а1 = 1,173088; а2 = 1,996445

у = 1,29379 + 1,173088*х1+ 1,996445*х2

 

6. Адекватність побудованої моделі статистичним даним генеральної сукупності можна перевірити за допомогою F-критерію (критерію Фішера) за даними таблиці 3:

Таблиця 3

Y-Yc (Y-Yc)^2 Yт-Yc (Yт-Yc)^2 Y-Yт (Y-Yт)^2
-14,670 215,209 26,311 -14,679 215,474 0,009 0,000
-17,890 320,052 31,796 -9,194 84,529 -8,696 75,621
7,160 51,266 44,102 3,112 9,684 4,048 16,387
0,160 0,026 38,933 -2,057 4,232 2,217 4,915
10,470 109,621 48,743 7,753 60,103 2,717 7,384
-12,020 144,480 27,324 -13,666 186,746 1,646 2,708
14,770 218,153 54,593 13,603 185,036 1,167 1,362
-6,880 47,334 33,677 -7,313 53,479 0,433 0,187
6,380 40,704 45,953 4,963 24,630 1,417 2,008
1,300 1,690 41,180 0,190 0,036 1,110 1,233
0,310 0,096 38,094 -2,896 8,384 3,206 10,276
-8,930 79,745 47,246 6,256 39,137 -15,186 230,612
-5,080 25,806 33,952 -7,038 49,538 1,958 3,835
-5,420 29,376 32,797 -8,193 67,133 2,773 7,692
30,340 920,516 70,150 29,160 850,320 1,180 1,392
0,000 2204,075 614,850 0,000 1838,461 0,000 365,613

 

,

F = = 18,43758

 

Fкр = 3,59 (за статистичними таблицями з ймовірністю 0,95);

18,43758 >3,59; F> Fкр. Отже модель адекватна статистичним даним генеральної сукупності.

 

коефіцієнт детермінації

= = 0,834119, отже щільність зв’язку між результативною і факторними ознаками є високою.

 

7. Знаходимо прогнозне значення:

ур = = 1,29379+ 1,173088*9+ 1,996445* 30,3 = 72,3439

.

Інтервал довіри знаходять

,

,

,

де t = 1,796

- середньоквадратичне відхилення залишків;

 

= 5,7652.

 

 

1,796* 5,7652* = 6,254009

 

Знаходимо інтервал довіри:

72,3439+6,254009=78,5979

72,3439 - 6,254009= 66,0898

 

Отже, інтервал довіри для прогнозу матиме вигляд:

66,0898< < 78,5979

 

8. Визначаємо частинні коефіцієнти еластичності для факторів обчислюється за формулою:

= 1,173088* = 0,145939

 

 

= 1,996445* = 0,836177

 

Частинний коефіцієнт еластичності показує, як змінюється показник у, якщо фактор змінюється на 1 % при незмінних значеннях інших факторів.

Частинний коефіцієнт еластичності показує, як змінюється показник у, якщо фактор змінюється на 1 % при незмінних значеннях інших факторів.

 

 

Висновки.

На цій лабораторній роботі я:

- дослідивши фактори впливу на у, виявила наявність мультиколінеарності між х1 та х3, тому надалі під час побудови моделі фактор х3 виключався.

- знайшла оцінки параметрів багатофакторної регресії:

а0 = 1,29379; а1 = 1,173088; а2 = 1,996445

- визначила коефіцієнт детермінації R2= 0,834119, отже щільність зв’язку між результативною і факторними ознаками є високою.

- оцінила адекватність побудованої моделі статистичним даним генеральної сукупності за допомогою критерію Фішера (оскільки 18,43758 >3,59; F> Fкр, отже модель адекватна).

- визначила прогнозне значення

ур = = 1,29379+ 1,173088*9+ 1,996445* 30,3 = 72,3439.

та інтервал довіри для прогнозу,який матиме вигляд:

66,0898< < 78,5979

- визначила частинні коефіцієнти еластичності для прогнозу:

= 0,145939, = 0,836177.

 


Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.018 сек.)