Дослідження прибутку і чинники, які на нього впливають
Зробити порівняльний аналіз кількісних характеристик взаємозв'язку отриманих методом найменших квадратів (1 МНК) та методом Ейткена. При порівнянні парних коефіцієнтів видно, що одні значно менші, ніж інші. Тому висновки про мультиколінеарність зробити не можливо. Порівняємо це значення з табличним значенням Фішера, при (n-c-2m)/2=3 ступенях свободи та при рівні значущості 0,05. Fкритичне=9,2766… Читати ще >
Дослідження прибутку і чинники, які на нього впливають (реферат, курсова, диплом, контрольна)
Завдання 1
Для отримання прибутку в плановому періоді фірма поклала за мету дослідити кількісний зв’язок між прибутком та основними ресурсами, що на нього впливають.
Щоб дослідити кількісну залежність, маємо статистичну сукупність спостережень показників:
місяць | прибуток | інвестиції | ОВФ | ФРЧ | |
У | Х1 | Х2 | Х3 | ||
Структура роботи:
1. Ідентифікувати змінні моделі
2. Специфікувати задану модель
3. Оцінка параметрів моделі 1МНК
4. Визначити матрицю ковариації оцінок параметрів моделі та знайти їх стандартні похибки
5. Визначити статистичну значущість зв? язку на основі економетричної моделі:
— коефіцієнта кореляції та детермінації;
— критерія Фішера (F-кореляція);
— критерія Студента (t-кореляція)
6. Визначити прогнозні якості моделі
7. Дати інтервальний та точковий прогнози на наступний місяць
Рішення
1. Ідентифікувати змінні моделі.
Увектор прибутку (залежна або пояснювальна змінна) Х1- вектор інвестицій (незалежна або пояснювальна змінна) Х2- вектор основних виробничих фондів (незалежна або пояснювальна змінна) Х3 — вектор фонду робочого часу (незалежна або пояснювальна змінна)
2. Специфікувати задану модель Економічна модель у лінійній формі:
У=а0+а1Х1+а2Х2+а3Х3+u
Економічна модель у степеневій формі:
У= а0 Х1Є№ Х2ЄІ Х3 Єі u
Степенева функція в лінійно-логорифмічній формі:
LnY=lna0+ lna1X1+ lna2X2+ lna3X3+lnu
3. Оцінка параметрів моделі 1МНК Параметри лінійної багатофакторної моделі обчислюються за формулою:
А=(Х ' * Х) № * Х 'У, де Хматриця незалежних змінних, Х'- транспонована матриця Х, Увектор значень залежної змінної
Х=
Транспонуємо матрицю Х:
Х' * Х=
13,5467 | — 0,0663 | 0,2022 | — 0,129 | |
— 0,0663 | 0,0034 | — 0,004 | — 0,0004 | |
0,20 216 | — 0,004 | 0,0083 | — 0,0017 | |
— 0,129 | — 0,0004 | — 0,0017 | 0,187 | |
(Х' * Х) № =
— 11,989 | а0 | |
0,442 | а1 | |
0,278 | а2 | |
0,141 | а3 | |
Х' * У = А=
Економічна модель витрат на реалізацію продукції:
У= -11,989+0,442Х10,278Х2+0,141Х3
Для побудови степеневої форми моделі про логарифмуємо вихідні дані:
lnY | lnX1 | lnX2 | lnX3 | |
3,850 | 4,304 | 3,526 | 4,718 | |
3,892 | 4,344 | 3,611 | 4,762 | |
3,829 | 4,369 | 3,367 | 4,673 | |
3,912 | 4,357 | 3,664 | 4,804 | |
3,951 | 4,394 | 3,689 | 4,820 | |
3,850 | 4,248 | 3,466 | 4,852 | |
3,989 | 4,431 | 3,807 | 4,844 | |
3,970 | 4,407 | 3,738 | 4,820 | |
4,025 | 4,466 | 3,829 | 4,804 | |
4,078 | 4,511 | 3,850 | 4,852 | |
4,043 | 4,500 | 3,807 | 4,883 | |
4,127 | 4,543 | 3,912 | 4,844 | |
4,143 | 4,522 | 3,912 | 4,920 | |
4,174 | 4,575 | 3,932 | 4,920 | |
4,159 | 4,554 | 3,912 | 4,942 | |
4,127 | 4,533 | 3,871 | 4,927 | |
4,205 | 4,595 | 3,951 | 4,883 | |
4,234 | 4,644 | 3,989 | 4,956 | |
4,248 | 4,673 | 4,007 | 4,970 | |
4,277 | 4,691 | 3,989 | 4,990 | |
За допомогою функції «лінійна»:
а3 | а2 | а1 | lnа0 | а0 | |
0,352 | 0,187 | 0,682 | — 1,423 | 0,241 | |
0,095 | 0,062 | 0,082 | 0,354 | ||
0,98 695 | 0,1 785 | #Н/Д | #Н/Д | ||
403,196 | 16,000 | #Н/Д | #Н/Д | ||
0,38 524 | 0,0051 | #Н/Д | #Н/Д | ||
Економетрична модель прибутку у степеневій формі:
У=0,241Х1 Х2 Х3
Лінійна модель відрізняється від моделі в степеневій формі. У лінійній моделі оцінки параметрів характеризують граничний приріст прибутку залежно від граничного приросту кожного ресурсу на одиницю (коли решта — сталі) і в тих одиницях, в яких вони подаються у вихідній інформації. У степеневій моделі оцінки параметрів характеризують кількісний зв’язок між прибутком та відповідно кожним фактором у відносному виразі - еластичність.
4. Визначити матрицю коваріації оцінок параметрів моделі та знайти їх стандартні похибки.
сov (А) = оu (Х'Х)-1
У’У-А'Х'У | |
n-m | |
оu =
оu = 0,999
13,5330 | — 0,0660 | 0,2020 | — 0,1290 | |
— 0,0660 | 0,0030 | — 0,0040 | 0,0000 | |
0,2020 | — 0,0040 | 0,0080 | — 0,0020 | |
— 0,1290 | 0,0000 | — 0,0020 | 0,0020 | |
сov (А)=
Похибки оцінок параметрів моделі:
Saj = vcov (aj)
Sao = 3,679
Sa1 =0,058
Sa2 = 0,091
Sa3 =0,043
5. Визначити статистичну значущість зв’язку на основі економетричної моделі:
а) коефіцієнта кореляції та детермінації;
б) критерія Фішера (F-кореляція);
в) критерія Студента (t-кореляція) а) Визначимо коефіцієнта кореляції та детермінації за допомогою функції «лінейн»:
економетричний модель прибуток мультиколінеарність
0,141 | 0,278 | 0,442 | — 11,989 | |
0,045 | 0,094 | 0,060 | 3,792 | |
0,987 | 1,030 | #Н/Д | #Н/Д | |
402,037 | 16,000 | #Н/Д | #Н/Д | |
1280,220 | 16,983 | #Н/Д | #Н/Д | |
Визначимо коефіцієнт детермінації:
R2 = 0,987
Визначимо коефіцієнт кореляції:
R = v R2 = 0,993
Коефіцієнт кореляції наближається до 1, зв’язок дуже тісний.
б) критерія Фішера (F-кореляція)
Fфактич = 402,04
Fкрит = 3,24
F фактичне більше F критичного, що свідчить про статистичну значущість зв’язку.
в) критерія Студента (t-кореляція)
aj | |
o aj | |
Тj =
Ткрит = 1,74
Т0 = 3,16 158
Т1 = 7,345 569
Т2 = 2,969 022
Т3 = 3,168 823
tа0 = 3,16 158 більше за табличне значення (1,74) значить а0 статистично значуще
tа1 = 7,345 569 більше за табличне значення (1,74) значить а1 статистично значуще
tа2 = 2,969 022 більше за табличне значення (1,74) значить а2 статистично значуще
tа3 = 3,168 823 більше за табличне значення (1,74) значить а3 статистично значуще
6. Визначити прогнозні якості моделі
— 11,989 | а0 | |
0,44 204 | а1 | |
0,27 834 | а2 | |
0,14 113 | а3 | |
А =
Y | Yр | Y-Yр | Y-Yр | ¦Y-Yр¦ | Y2 | Yр2 | |
Y | Y | ||||||
45,99 | 1,01 | 0,2 143 | 0,2 143 | 2115,33 | |||
48,86 | 0,14 | 0,287 | 0,287 | 2387,25 | |||
46,11 | — 0,11 | — 0,0023 | 0,229 | 2125,72 | |||
50,56 | — 0,56 | — 0,0113 | 0,1 128 | 2556,71 | |||
52,45 | — 0,45 | — 0,0087 | 0,867 | 2751,07 | |||
45,93 | 1,07 | 0,2 285 | 0,2 285 | 2109,19 | |||
55,59 | — 1,59 | — 0,0295 | 0,2 948 | 3090,45 | |||
53,45 | — 0,45 | — 0,0085 | 0,848 | 2856,83 | |||
56,49 | — 0,49 | — 0,0088 | 0,876 | 3191,19 | |||
59,38 | — 0,38 | — 0,0065 | 0,651 | 3526,45 | |||
58,95 | — 1,95 | — 0,0342 | 0,3 421 | 3475,07 | |||
61,40 | 0,60 | 0,961 | 0,961 | 3770,45 | |||
61,93 | 1,07 | 0,1 697 | 0,1 697 | 3835,47 | |||
64,42 | 0,58 | 0,893 | 0,893 | 4149,90 | |||
63,68 | 0,32 | 0,499 | 0,499 | 4055,23 | |||
61,96 | 0,04 | 0,68 | 0,68 | 3838,75 | |||
64,88 | 2,12 | 0,3 169 | 0,3 169 | 4208,96 | |||
69,05 | — 0,05 | — 0,0008 | 0,79 | 4768,55 | |||
70,94 | — 0,94 | — 0,0134 | 0,1 345 | 5032,69 | |||
МР.Е. =1?Y-Yр *100 = -0,0174
nY
М.А.Р.Е.= 1?¦Y-Yр¦*100 = 1,22 172
nY
v? (Y-Yр)2
КТ =n = 0,784
v?Y2 + v? Yр2
nn
7. Дати інтервальний та точковий прогнози на наступний місяць
Х пр = | |||||
Хпр (транс) = | ||
Точковий прогноз:
Упр = 74,7122
Опр = Оu Хn' (X' X)-1 Xn = 3.057
Sупр = v Опр = 1,74 843
Оупр = tкр * Sупр = 3,4 226
Інтервальний прогноз: 71,6699? Упр? 77,7544
Завдання 2
На основі даних про чинники, які впливають на прибуток. Дослідити їх на наявність мультиколінеарності за допомогою алгоритму Фаррара-Глобера. Цей алгоритм має три види статистичних критеріїв, згідно з якими перевіряються мультиколінеарність (ХІ(Хі-квадрат), F-критерій, t-критерій. Всі ці критерії при порівнянні з їх критичними значеннями дають змогу зробити конкретні висновки щодо наявності чи відсутності мультиколінеарності незалежних змінних.
місяць | прибуток | інвестиції | ОВФ | ФРЧ | |
У | Х1 | Х2 | Х3 | ||
Структура роботи:
1. Нормалізація (стандартизація) пояснюючих змінних моделі.
2. Розрахунок кореляційної матриці r
3. Визначення детермінату матриці r
4. Визначення критерію ХІ
5. Розрахунок оберненої матриці до матриці r
6. Визначення F-критерію
7. Обчислення часткових коефіцієнтів кореляції
8. Визначення t-критерію
Рішення
Обчислимо середні значення та стандартні відхилення пояснюючих змінних Х1, Х2, Х3 за допомогою алгоритма Феррара-Глобера
Х1 | Х2 | Х3 | ||
СРЗНАЧ | 89,15 | 129,35 | ||
СТАНДВІДХИЛ | 10,9941 | 7,6640 | 10,6092 | |
1. Нормалізація (стандартизація) пояснюючих змінних моделі.
— 1,37 801 | — 1,43 528 | — 1,63 537 | |
— 1,10 513 | — 0,4 384 | — 1,16 408 | |
— 0,92 322 | — 2,8 768 | — 2,10 666 | |
— 1,1 418 | — 0,78 288 | — 0,69 279 | |
— 0,74 130 | — 0,65 240 | — 0,50 428 | |
— 1,74 184 | — 1,69 624 | — 0,12 725 | |
— 0,46 843 | 0,0 | — 0,22 151 | |
— 0,65 035 | — 0,39 144 | — 0,50 428 | |
— 0,19 556 | 0,13 048 | — 0,69 279 | |
0,16 827 | 0,26 096 | — 0,12 725 | |
0,7 731 | 0,0 | 0,24 978 | |
0,44 114 | 0,65 240 | — 0,22 151 | |
0,25 923 | 0,65 240 | 0,72 107 | |
0,71 402 | 0,78 288 | 0,72 107 | |
0,53 210 | 0,65 240 | 1,385 | |
0,35 019 | 0,39 144 | 0,81 533 | |
0,89 593 | 0,91 336 | 0,24 978 | |
1,35 072 | 1,17 432 | 1,19 236 | |
1,62 359 | 1,30 480 | 1,38 088 | |
1,80 551 | 1,17 432 | 1,66 365 | |
Х=
Транспонуємо нормалізовану матрицюХ:
— 1,378 | — 1,105 | — 0,923 | — 1,014 | — 0,741 | — 1,742 | — 0,468 | — 0,650 | — 0,196 | 0,168 | |
— 1,435 | — 1,044 | — 2,088 | — 0,783 | — 0,652 | — 1,696 | 0,000 | — 0,391 | 0,130 | 0,261 | |
— 1,635 | — 1,164 | — 2,107 | — 0,693 | — 0,504 | — 0,127 | — 0,222 | — 0,504 | — 0,693 | — 0,127 | |
0,077 | 0,441 | 0,259 | 0,714 | 0,532 | 0,350 | 0,896 | 1,351 | 1,624 | 1,806 | |
0,000 | 0,652 | 0,652 | 0,783 | 0,652 | 0,391 | 0,913 | 1,174 | 1,305 | 1,174 | |
0,250 | — 0,222 | 0,721 | 0,721 | 1,004 | 0,815 | 0,250 | 1,192 | 1,381 | 1,664 | |
17,7 073 012 | 15,85 189 | |||
Х’Х= | 17,707 301 | 16,36 967 | ||
15,851 892 | 16,3 696 674 | |||
2. Розрахунок кореляційної матриці r
Помножимо кожен елемент матриці Х’Х на 1/(n-1), де n-1=19.
0,93 196 | 0,83 431 | |||
r = | 0,93 196 | 0,86 156 | ||
0,83 431 | 0,86 156 | |||
3. Визначення детермінату матриці r.
det r = 0,3 289 — наближається до нуля, значить в масиві пояснюючих змінних може існувати мультиколінеарність. Про логарифмуємо визначник матриці r: ln det r = -3,414 557.
4. Визначення критерію ХІ.
Х2 = - (n — 1 — 1/6 (2m + 5)) ln (det r) = 58,627 949
Табличне значення ХІ кр= 7,81 менше, ніж ХІ фактичне. Значить в масиві пояснюючих змінних існує мультиколінеарність.
5. Розрахунок оберненої матриці до матриці r.
Знайдему матрицю С — обернену до матриці r:
7,835 | — 6,481 | — 0,954 | ||
C = | — 6,481 | 9,240 | — 2,554 | |
— 0,954 | — 2,554 | 3,996 | ||
6. Визначення F-критерію.
F1 = | (c11 — 1) | (n — m) | = 58,1 | |
m — 1 | ||||
F2 = | (c22 — 1) | (n — m) | = 70,04 | |
m — 1 | ||||
F3 = | (c33 — 1) | (n — m) | = 25,4692 | |
m — 1 | ||||
Для рівня значущості а = 0,05 і ступенів свободи n — m = 17 і m — 1 = 2 табличне значення критерію F = 19,43 704.
F1 > Ft, значить змінні Х1, Х2, Х3 мультиколінеарні з іншими змінними.
7.Обчислення часткових коефіцієнтів кореляції.
r12,3 = | — c12 | = 0,76 162 548 | |
vc11*c22 | |||
r13,2 = | — c13 | = 0,1704 | |
vc11*c33 | |||
r 23,1 = | — c23 | = 0,4 203 409 | |
vc22*c33 | |||
При порівнянні парних коефіцієнтів видно, що одні значно менші, ніж інші. Тому висновки про мультиколінеарність зробити не можливо.
8. Визначення t-критерію.
t 12 = | r 12,3 vn-m | = 4,845 953 | |
v1-r212,3 | |||
t 13 = | r 13,2 vn-m | = 0,713 | |
v1-r213,2 | |||
t 23 = | r 23,1 vn-m | = 1,91 004 | |
v1-r223,1 | |||
Табличне значення t-критерію при n-m=17 ступенях свободи і рівні значущості а = 0,05 дорівнює 2,109 819.
t 12 > t — змінна Х1 мультиколінеарна з Х2
t 13 > t — змінна Х1 не мультиколінеарна з Х3
t 23 > t — змінна Х2 не мультиколінеарна з Х3
Завдання 3
На основі статистичної інформації в таблиці необхідно побудувати економетричну модель прибутку методом Ейткена, за умови, що в масиві інформації існує гетероскедастичність.
місяць | прибуток | інвестиції | ОВФ | ФРЧ | |
У | Х1 | Х2 | Х3 | ||
Структура роботи:
1. Протестувати статистичну інформацію щодо наявності гетероскедастичносі на основі:
— тесту Гольфреда-Квандта;
— тесту Гейзера
2. Побудувати матрицю Р№ та S№
3. Перетворити вихідну інформацію за допомогою інформації матриці Р№ та за допомогою стандартної функції «ЛИНЕЙН» побудувати економентричну модель
4. Оцінити параметри моделі на основі оператора Ейткена, використавши матриці Р№ та S№
5. Зробити порівняльний аналіз кількісних характеристик взаємозв'язку отриманих методом найменших квадратів (1 МНК) та методом Ейткена
6. Визначити інтервальний прогноз.
Рішення:
1. Протестувати статистичну інформацію щодо наявності гетероскедастичносі на основі:
— тесту Гольфреда-Квандта;
— тесту Гейзера Метод 1МНК:
0,1 411 301 | 0,27 834 | 0,4 420 432 | — 11,98 862 | |
0,445 371 | 0,937 481 | 0,601 782 | 3,7 919 728 | |
0,9 869 079 | 1,302 634 | #Н/Д | #Н/Д | |
402,3 676 | #Н/Д | #Н/Д | ||
1280,219 | 16,983 083 | #Н/Д | #Н/Д | |
Y | X1 | X2 | X3 | u | ||
— 10,80 592 | ||||||
— 9,939 117 | ||||||
— 14,11 348 | ||||||
— 9,234 743 | ||||||
— 9,348 014 | ||||||
— 12,28 399 | ||||||
— 8,485 134 | ||||||
— 9,34 929 | ||||||
— 9,307 975 | ||||||
— 9,414 682 | ||||||
— 8,290 928 | ||||||
— 10,673 | ||||||
— 11,14 579 | ||||||
— 10,37 889 | ||||||
— 10,11 793 | ||||||
— 9,840 955 | ||||||
— 11,92 212 | ||||||
— 9,743 919 | ||||||
— 8,85 719 | ||||||
— 9,828 053 | ||||||
Тест Гольфреда-Квандта:
Сукупність спостережень впорядкуємо за X1 від меншого до більшого значення:
Y | X | X | X | ||
Спостереження с, які знаходяться всередині сукупності:
с/n = 4/15 = 6.
Економетрична модель для сукупності n1=7.
лін 1 = | 0,128 | 0,013 | 0,362 | 10,27 | |
0,089 | 0,071 | 0,121 | 5,856 | ||
0,953 | 0,818 | #Н/Д | #Н/Д | ||
20,352 | #Н/Д | #Н/Д | |||
40,850 | 2,007 | #Н/Д | #Н/Д | ||
На основі першої сукупності формуємо економічну модель:
У = 10,27+0,362Х1+0,013Х2+0,128Х3
Економічна модель для сукупності n2=7
лін 2 = | — 0,100 | 0,324 | 0,617 | 7,300 | |
0,097 | 0,582 | 0,237 | 8,982 | ||
0,968 | 0,985 | #Н/Д | #Н/Д | ||
30,400 | #Н/Д | #Н/Д | |||
88,517 | 2,912 | #Н/Д | #Н/Д | ||
На основі другої сукупності формуємо економічну модель:
У = 7,300+0,617Х1+0,324Х2-0,100Х3
В проведених розрахунках знайдено сумми квадратів залишків: S1=2,007, S2=2,912.
Знайдемо критерій:
R*= S2/ S1=1,451
Порівняємо це значення з табличним значенням Фішера, при (n-c-2m)/2=3 ступенях свободи та при рівні значущості 0,05. Fкритичне=9,2766.
Значення критерію R* менше табличного, значить в масиві змінних гетероскедастичність не існує.
Тест Гейзера:
1) Встановимо наявність гетероскедастичності залишків для Х1:
Лінійн = | 0,7 364 960 | — 7,4 586 230 | |
0,352 931 | 3,1 690 268 | ||
0,9 603 064 | 1,6 913 273 | ||
435,4732 | |||
1245,7094 | 51,490 584 | ||
Визначимо достовірність параметрів моделі за критерієм Стьюдента:
taj = | aj | |
Saj | ||
ta0 = -2,3536 — менше за табличне значення (2,10), значить а0 статистично незначуще;
ta1 = 20,867 995 — більше за табличне значення (2,10), значить а1 статистично значуще;
Залишки мають мішану гетероскедастичність.
2) Встановимо наявність гетероскедастичності залишків для Х2:
Лінійн = | 1,376 344 | 11,506 452 | |
0,689 929 | 3,1 471 665 | ||
0,9 262 879 | 2,3 048 181 | ||
226,19 324 | |||
1201,5806 | 95,619 355 | ||
Визначимо достовірність параметрів моделі за критерієм Стьюдента:
taj = | aj | |
Saj | ||
ta0 = 3,6 561 305 — більше за табличне значення (2,10), значить а0 статистично значуще;
ta1 = 15,39 722 — більше за табличне значення (2,10), значить а2 статистично значуще;
Гетероскедастичність відсутня.
3) Встановимо наявність гетероскедастичності залишків для Х3:
Лінійн = | 0,6 965 467 | — 31,89 832 | |
0,821 252 | 10,656 786 | ||
0,7 998 582 | 3,7 978 356 | ||
71,93 622 | |||
1037,576 | 259,624 | ||
Визначимо достовірність параметрів моделі за критерієм Стьюдента:
taj = | aj | |
Saj | ||
ta0 = -2,99 324 — меньше за табличне значення (2,10), значить а0 статистично незначуще;
ta1 = 8,4 815 221 — більше за табличне значення (2,10), значить а3 статистично значуще;
Залишки мають мішану гетероскедастичність.
2. Побудувати матрицю Р№ та S№.
Оскільки, гетероскедастичність мішана, треба використовувати третю гіпотезу для визначення гі .
гі = ¦uі2¦
Для розрахунку u використаємо будь-яку модель, оскільки всі а значущі:
У = -8,983+0,73Х1
Підставивши в цю модель фактичні значення пояснювальної змінної Х1, отримаємо розрахункові залишки за модулем та квадрати цих залишків:
Y | X1 | Yрозрах | ui | ¦ui¦ | ¦ui2¦ | ||
47,042 | 0,042 | 0,042 | 0,002 | ||||
49,252 | 0,252 | 0,252 | 0,063 | ||||
50,725 | 4,725 | 4,725 | 22,322 | ||||
49,988 | — 0,012 | 0,012 | 0,000 | ||||
52,198 | 0,198 | 0,198 | 0,039 | ||||
44,096 | — 2,904 | 2,904 | 8,433 | ||||
54,407 | 0,407 | 0,407 | 0,166 | ||||
52,934 | — 0,066 | 0,066 | 0,004 | ||||
56,617 | 0,617 | 0,617 | 0,380 | ||||
59,563 | 0,563 | 0,563 | 0,316 | ||||
58,826 | 1,826 | 1,826 | 3,334 | ||||
61,772 | — 0,228 | 0,228 | 0,052 | ||||
60,299 | — 2,701 | 2,701 | 7,295 | ||||
63,981 | — 1,019 | 1,019 | 1,037 | ||||
62,509 | — 1,491 | 1,491 | 2,225 | ||||
61,036 | 0,964 | 0,964 | 0,930 | ||||
65,454 | — 1,546 | 1,546 | 2,389 | ||||
69,137 | 0,137 | 0,137 | 0,019 | ||||
71,346 | 1,346 | 1,346 | 1,813 | ||||
72,819 | 0,819 | 0,819 | 0,671 | ||||
сума | 1164,000 | 0,000 | 21,862 | 51,491 | |||
Побудуємо матриці Р^(-1), де ¦ui¦- це діагональні елементи та S^(-1), в якій діагональні елементи — ¦ui2¦ .
X' = | ||||||||||
XS= | 0,177 | 22,3215 | 0,14 | 0,3 903 | 8,43 263 | 0,16 569 | 0,435 | 0,38 011 | ||
0,13 106 | 1763,4 | 0,0111 | 3,16 134 | 590,284 | 13,9176 | 0,35 662 | 33,0699 | |||
0,6 022 | 647,324 | 0,555 | 1,56 115 | 269,844 | 7,45 587 | 0,18 266 | 17,4852 | |||
0,19 837 | 2388,4 | 0,1 737 | 4,83 958 | 1079,38 | 21,0421 | 0,53 927 | 46,3739 | |||
0,31 643 | 3,33 436 | 0,5 198 | 7,29 533 | 1,3 735 | 2,22 457 | 0,93 024 | 2,38 861 | 0,1 876 | ||
28,7948 | 300,092 | 4,88 625 | 671,17 | 100,623 | 211,334 | 86,5124 | 236,473 | 1,95 102 | ||
14,872 | 150,046 | 2,59 907 | 364,766 | 52,9051 | 111,228 | 44,6516 | 124,208 | 1,1 303 | ||
40,5025 | 140,135 | 6,60 163 | 999,46 | 142,118 | 311,439 | 128,373 | 315,297 | 2,66 389 | ||
1,81 294 | 0,67 149 | |||||||||
193,985 | 73,1927 | |||||||||
99,7117 | 36,2606 | |||||||||
261,063 | 98,7094 | |||||||||
X’S-1X= | 4318,22 | 1948,52 | 6294,56 | ||
1948,52 | 78 884,2 | ||||
6294,56 | |||||
(X'S-1X)= | 24,7 | — 0,23 | 0,411 | — 0,17 | |
— 0,23 | 0,002 | — 0,004 | 0,001 | ||
0,411 | — 0,004 | 0,007 | — 0,003 | ||
— 0,17 | 0,001 | — 0,003 | 0,001 | ||
X’S-1Y= | ||
2E+05 | ||
1E+05 | ||
3E+05 | ||
3. Розрахуємо оцінки параметрів методом Ейткена, застосувавши:
A=(Х'S-1X)-1X’S-1Y
X= | |||||
Оцінки параметрів моделі методом Ейткена і 1МНК відрізняються.
4. Оцінимо параметри моделі методом Ейткена за допомогою матриці Р^(-1), скориставшись функцією «Лінейн», в якій вихідними будуть скориговані Y та X.
Y= | 1,9 779 887 | X= | 0,420 849 | 3,1 142 801 | 1,4 308 855 | 4,713 505 | ||
12,327 078 | 0,251 573 | 19,371 122 | 9,3 082 014 | 29,434 042 | ||||
217,32 999 | 4,7 245 651 | 373,24 064 | 137,1 239 | 505,52 847 | ||||
0,596 547 | 0,119 309 | 0,9 306 133 | 0,4 653 067 | 1,4 555 747 | ||||
10,272 975 | 0,1 975 572 | 16,2 134 | 7,9 022 882 | 24,497 093 | ||||
136,48 327 | 2,9 038 993 | 203,27 295 | 92,924 778 | 371,69 911 | ||||
21,980 449 | 0,4 070 454 | 34,191 809 | 18,317 041 | 51,69 476 | ||||
3,4 951 775 | 0,659 467 | 5,4 076 332 | 2,7 697 633 | 8,1 773 965 | ||||
34,525 876 | 0,6 165 335 | 53,638 414 | 28,360 541 | 75,217 086 | ||||
33,188 544 | 0,5 625 177 | 51,18 911 | 26,438 331 | 72,2 264 | ||||
104,8 323 | 1,8 260 216 | 164,34 195 | 82,170 974 | 241,3 486 | ||||
14,135 638 | 0,2 279 942 | 21,431 452 | 11,399 708 | 28,955 259 | ||||
170,16 213 | 2,7 009 863 | 248,49 074 | 135,4 931 | 370,3 512 | ||||
66,202 891 | 1,18 506 | 98,795 084 | 51,943 807 | 139,53 532 | ||||
95,455 879 | 1,4 914 981 | 141,69 232 | 74,574 906 | 208,80 974 | ||||
59,798 393 | 0,9 644 902 | 89,69 759 | 46,29 553 | 133,9 965 | ||||
103,54 943 | 1,5 455 139 | 153,588 | 80,366 724 | 204,784 | ||||
9,450 676 | 0,1 369 663 | 14,244 497 | 7,3 961 812 | 19,449 217 | ||||
94,251 813 | 1,3 464 545 | 144,7 063 | 74,54 996 | 193,88 944 | ||||
59,152 | 0,8 194 466 | 89,319 675 | 44,250 114 | 120,45 864 | ||||
0,833 971 | 0,5 149 282 | 0,2 810 855 | — 0,345 149 | |
0,158 253 | 0,33 651 | 0,236 485 | 0,4 642 219 | |
0,9 995 857 | 1,3 581 593 | #Н/Д | #Н/Д | |
12 867,757 | #Н/Д | #Н/Д | ||
71 207,465 | 29,513 547 | #Н/Д | #Н/Д | |
Економетрична модель набуває вигляду:
У=-0,662+0,314*Х1+0,373*Х2+0,119Х3
5.Зробимо інтервальний прогноз:
Yпр = Х'прА + vлn un
Xпр = | ||
Xпр (транс) = | |||||
Упр = 74,00
Розрахуємо похибку прогнозу:
Sупр= v Оu2X'n (X'S-1X) Xn = 0,698
Розрахуємо граничну похибку прогнозу:
Оупр=tкр* Sупр=1,725*0,698=1,20 405
Інтервальний прогноз:
72,791 983? Уупр? 75,200 083.
Завдання 4
На основі статистичної інформації в таблиці необхідно побудувати економетричну модель з автокорельованими залишками.
місяць | прибуток | інвестиції | ОВФ | ФРЧ | |
У | Х1 | Х2 | Х3 | ||
Структура роботи:
1. Дослідити наявність автокореляції на основі критерій:
— Критерій Дарбіна-Уотсона
— Критерій Фон Неймана
— Циклічний коефіцієнт автокореляція
2. Побудувати матрицю S та S№
3. Розрахувати оцінки параметрів методом Ейткена:
4. Оцінити параметри моделі на основі перетворення вихідної інформації
Побудова матриці Т.
5. Визначити точковий та інтервальний прогноз.
Рішення:
1.Дослідити наявність автокореляції на основі критерій:
— Критерій Дарбіна-Уотсона
— Критерій Фон Неймана
— Циклічний коефіцієнт автокореляція Специфікуємо економетричну модель у лінійній формі:
У=а1Х1+а2Х2+ а3Х3= u
Методом 1МНК оцінимо параметри цих економетричних моделей. Обчилемо параметри лінійної багатофакторної моделі: А=(Х' * Х)-1 * Х' У Де Хматриця незалежних змінних, Х'- транспонована матриця Х, Увектор значень залежної змінної.
X= | |||||
Транспонуємо матрицю Х:
X' X = | |||||
(X' X)-1 = | 13,547 | — 0,066 | 0,202 | — 0,129 | |
— 0,066 | 0,003 | — 0,004 | 0,000 | ||
0,202 | — 0,004 | 0,008 | — 0,002 | ||
— 0,129 | 0,000 | — 0,002 | 0,002 | ||
X' Y = | A= | — 11,989 | a0 | |||
0,442 | a1 | |||||
0,278 | a2 | |||||
0,141 | a3 | |||||
Для визначення автокореляції залишків застосуємо критерій Дарбіна-Уотсона:
0 < DW< 4 | n | ||
(uі — uі-1)2 | |||
DW= | i=2 | ||
n | |||
? uі2 | |||
i=1 | |||
і | Y (і) | Yрозр | uі | uі2 | uі — uі-1 | (uі — uі-1)2 | uі * uі-1 | |
46,0 | — 1,01 | 1,015 | ||||||
48,9 | — 0,14 | 0,020 | 0,8668 | 0,7513 | 0,142 | |||
46,1 | 0,11 | 0,011 | 0,2461 | 0,0605 | — 0,015 | |||
50,6 | 0,56 | 0,318 | 0,4583 | 0,2100 | 0,060 | |||
52,5 | 0,45 | 0,203 | — 0,1133 | 0,0128 | 0,254 | |||
45,9 | — 1,07 | 1,154 | — 1,5247 | 2,3246 | — 0,484 | |||
55,6 | 1,59 | 2,534 | 2,6659 | 7,1070 | — 1,710 | |||
53,4 | 0,45 | 0,202 | — 1,1425 | 1,3053 | 0,715 | |||
56,5 | 0,49 | 0,241 | 0,0413 | 0,0017 | 0,220 | |||
59,4 | 0,38 | 0,147 | — 0,1067 | 0,0114 | 0,188 | |||
58,9 | 1,95 | 3,801 | 1,5658 | 2,4517 | 0,749 | |||
61,4 | — 0,60 | 0,355 | — 2,5458 | 6,4810 | — 1,162 | |||
61,9 | — 1,07 | 1,142 | — 0,4728 | 0,2235 | 0,637 | |||
64,4 | — 0,58 | 0,337 | 0,4886 | 0,2387 | 0,620 | |||
63,7 | — 0,32 | 0,102 | 0,2610 | 0,0681 | 0,185 | |||
62,0 | — 0,04 | 0,002 | 0,2770 | 0,0767 | 0,014 | |||
— 2,12 | 4,509 | — 2,0812 | 4,3312 | 0,090 | ||||
69,1 | 0,05 | 0,003 | 2,1782 | 4,7045 | — 0,116 | |||
70,9 | 0,94 | 0,886 | 0,8867 | 0,7863 | 0,051 | |||
72,0 | — 0,03 | 0,001 | — 0,9709 | 0,9426 | — 0,028 | |||
сума | 16,983 | 0,9779 | 32,129 | 0,411 | ||||
DW = 1,8918 не більше 2, значить є додаткова автокореляція.
Критичні значення критерію DW:
DW1 = 1
DW = 1,68
Фактичне значення DW більше за DW — автокореляція відсутня.
Критерій фон Неймана:
Q= | DW* | n | = 1,9914 | |
n-1 | ||||
Фактичне значення Q більше за табличне (1,36) — автокореляція відсутня.
Циклічний коефіцієнт автокореляції:
n | ||||
uі — ui-1 | ||||
r0= | i=2 | = 0,0242 | ||
n | ||||
? ui2 | ||||
i=1 | ||||
Автокореляцію можна не брати до уваги, бо коефіцієнт автокореляції менший 0,3.
2. Побудувати матрицю S та S№.
X’S-1= | 0,9764 | 0,9528 | 0,9528 | 0,95 277 | 0,953 | 0,953 | 0,953 | 0,953 | 0,953 | |
72,18 | 73,388 | 75,342 | 74,2194 | 77,51 | 66,09 | 80,42 | 77,96 | 82,92 | ||
33,125 | 35,519 | 27,195 | 37,3759 | 38,33 | 29,98 | 43,26 | 39,85 | 43,9 | ||
109,23 | 111,84 | 101,34 | 116,553 | 118,1 | 122,1 | 121,1 | 118,1 | |||
0,953 | 0,953 | 0,953 | 0,953 | 0,953 | 0,953 | 0,953 | 0,953 | 0,953 | 0,953 | 0,9764 | |
86,82 | 85,63 | 89,71 | 87,49 | 92,59 | 90,51 | 88,41 | 94,35 | 99,14 | 106,47 | ||
44,85 | 42,71 | 47,76 | 47,61 | 48,64 | 47,66 | 45,59 | 49,59 | 51,47 | 52,45 | 52,701 | |
120,6 | 130,8 | 130,5 | 133,5 | 131,6 | 125,4 | 135,5 | 137,2 | 143,6 | |||
X' S-1 X= | |||||
2. Розрахувати оцінки параметрів методом Ейткена:
А=(X' S-1 X)-1 X' S-1 У
A= | 38,501 | |
0,442 | ||
0,279 | ||
0,150 | ||
Побудуємо економічну модель:
У=38,501+0,442*Х1*0,279*Х2+0,150*Х3
4. Оцінити параметри моделі на основі перетворення вихідної інформації.
Побудова матриці Т:
(X' S-1 X)-1 = | 13,744 | — 0,068 | 0,202 | — 0,129 | |
— 0,068 | 0,003 | — 0,004 | 0,000 | ||
0,202 | — 0,004 | 0,008 | — 0,002 | ||
— 0,129 | 0,000 | — 0,002 | 0,002 | ||
X' S-1 Y= | 1111,8 | |
Помножимо цю матрицю на вектор У та матрицю Х:
Y* | X0 | X1 | X2 | X3 | |
46,99 | 1,00 | 73,98 | 33,99 | 111,97 | |
47,86 | 0,98 | 75,21 | 26,18 | 114,29 | |
44,81 | 0,98 | 77,14 | 28,11 | 104,17 | |
48,89 | 0,98 | 76,09 | 38,30 | 119,41 | |
50,79 | 0,98 | 79,11 | 39,06 | 121,05 | |
45,74 | 0,98 | 68,04 | 31,03 | 125,00 | |
52,86 | 0,98 | 82,31 | 44,23 | 123,90 | |
51,69 | 0,98 | 79,97 | 40,91 | 120,93 | |
54,72 | 0,98 | 85,02 | 44,98 | 119,00 | |
57,65 | 0,98 | 88,90 | 45,89 | 125,05 | |
55,57 | 0,98 | 87,80 | 43,86 | 128,90 | |
60,62 | 0,98 | 91,82 | 48,91 | 123,81 | |
61,50 | 0,98 | 89,73 | 48,79 | 133,93 | |
63,48 | 0,98 | 94,77 | 49,79 | 133,69 | |
62,43 | 0,98 | 92,65 | 48,77 | 136,69 | |
60,45 | 0,98 | 90,70 | 46,79 | 134,61 | |
65,50 | 0,98 | 96,75 | 50,84 | 128,66 | |
67,38 | 0,98 | 101,61 | 52,74 | 138,81 | |
68,33 | 0,98 | 104,48 | 53,69 | 140,57 | |
70,31 | 0,98 | 106,41 | 52,67 | 143,52 | |
Застосуємо функцію «Лінійн»:
0,1504 | 0,2788 | 0,4421 | 38,501 | |||||
0,0452 | 0,0933 | 0,0601 | 46,774 | A= | 38,5010 | a0 | ||
0,9871 | 1,0245 | #Н/Д | #Н/Д | 0,4421 | a1 | |||
286,39 | #Н/Д | #Н/Д | 0,2788 | a2 | ||||
1202,4 | 15,744 | #Н/Д | #Н/Д | 0,1504 | a3 | |||
5. Визначити точковий та інтервальний прогноз:
Xпр= | (1 | 136) | |||
Xпр (транс)= | |||||
Точковий прогноз: 114,757
Інтервальний прогноз:
S v Оu2 Х’n (X' S-1 X) Хn = 0.813
Гранична похибка прогнозу:
Оупр = tкр* Sупр=1,725*0,813=1,4024
Інтервальний прогноз:
113,354? Упр? 116,159.