Экономико-математическое моделирование : Анализ предприятий одной отрасли РФ
Анализ предприятий одной отрасли РФ
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВПО Всероссийский заочный финансово-экономический институт Филиал в г. Архангельске Кафедра экономико-математических методов и моделей ЛАБОРАТОРНАЯ РАБОТА по дисциплине «эконометрика» Вариант №5 Выполнила студентка 3 курса группы №2 «периферия» специальности «финансы и кредит» № л/д:07ФФД10522 Лукина Мария Александровна Проверил преподаватель Бан Татьяна Михайловна Архангельск - 2010 Постановка задачи Наименование задачи: анализ предприятий одной отрасли РФ - 1. Цель задачи - проанализировать экономическую деятельность предприятий. Условие задачи: имеются данные (см. таб. 1) об экономической деятельности предприятий одной отрасли РФ в 1997г.: Y - прибыль от реализации продукции, млн. руб.; X1 - численность промышленно - производственного персонала, чел.; X3 - среднегодовая стоимость основных фондов, млн. руб.; X4 - электровооружённость, кВт•ч; X5- техническая вооружённость одного рабочего, млн. руб. |
№ наблюдения | Прибыль от реализации продукции, млн. руб. | Численность промышленно-производствен-ного персонала, чел. | Среднегодовая стоимость основных фондов, млн. руб. | Электровоору-женность, кВт?ч. | Техническая вооруженность одного рабочего, млн. руб. | | | Y | X1 | X3 | X4 | X5 | | 1 | 7960 | 864 | 16144 | 4,9 | 3,2 | | 2 | 42392 | 8212 | 336472 | 60,5 | 20,4 | | 3 | 9948 | 1866 | 39208 | 24,9 | 9,5 | | 4 | 15503 | 1147 | 63273 | 50,4 | 34,7 | | 5 | 9558 | 1514 | 31271 | 5,1 | 17,9 | | 6 | 10919 | 4970 | 86129 | 35,9 | 12,1 | | 7 | 2631 | 1561 | 48461 | 48,1 | 18,9 | | 8 | 18727 | 4197 | 138657 | 69,5 | 12,2 | | 9 | 18279 | 6696 | 127570 | 31,9 | 8,1 | | 10 | 39689 | 5237 | 208900 | 139,4 | 29,7 | | 11 | -984 | 547 | 6922 | 16,9 | 5,3 | | 12 | 5431 | 710 | 8228 | 17,8 | 5,6 | | 13 | 2861 | 940 | 18894 | 27,6 | 12,3 | | 14 | -1123 | 3528 | 27486 | 13,9 | 3,2 | | 15 | 203892 | 52412 | 1974472,00 | 37,3 | 19 | | 16 | 16304 | 4409 | 162229 | 55,3 | 19,3 | | 17 | 35218 | 6139 | 128731 | 35,1 | 12,4 | | 18 | 857 | 802 | 6714 | 14,9 | 3,1 | | 19 | 116 | 442 | 478 | 0,2 | 0,6 | | 20 | 1021 | 2797 | 60209 | 37,2 | 13,1 | | 21 | 102843 | 10280 | 540780 | 74,45 | 21,5 | | 22 | 10035 | 4560 | 108549 | 32,5 | 13,2 | | 23 | 6612 | 3801 | 169995 | 75,9 | 27,2 | | 24 | 163420 | 46142 | 972349 | 27,5 | 10,8 | | 25 | 2948 | 2535 | 163695 | 65,5 | 19,9 | | |
Таб.1. Исходные данные Задание 1. Рассчитать параметры линейного уравнения множественной регрессии с полным перечнем факторов. 2. Оценить статистическую значимость параметров регрессионной модели с помощью t - критерия, проверить нулевую гипотезу о значимости уравнения с помощью F - критерия (б=0,05), оценить качество уравнения регрессии с помощью коэффициента детерминации. 3. Отобрать информативные факторы в модель по t - критерию для коэффициентов регрессии. Построить модель только с информативными факторами и оценить её параметры. Дать оценку влияния значимых факторов на результат с помощью коэффициентов эластичности, в- и Д - коэффициентов. 4. Рассчитать прогнозные значения результата, если прогнозные значения факторов составляют 80% от их максимальных значений. 1. Рассчитаем параметры линейного уравнения множественной регрессии с полным перечнем факторов, используя инструмент «регрессия» пакета анализа. В массив «входной интервал Y» вводим диапазон ячеек, содержащих значения результата Y - B2:B27; в массив «входной интервал X» вводим диапазон ячеек, содержащих значения фактора X - C2:D27, активизируем флажки «метки», «новый рабочий лист» и «остатки», затем нажимаем клавишу «ок». В результате получаем следующее линейное уравнение множественной регрессии: 2а. Оценим статистическую значимость параметров регрессионной модели с помощью t - критерия. Фактор xj является статистически значимым, если параметр aj при этом факторе значим. Для проверки значимости параметра aj используем столбец «t - статистка» таблицы 4 дисперсионного анализа приложения 2. Имеем: Сравним расчётные значения t - критерия с табличным значением tтабл.=2,064. , значит, параметр a0 незначим. , значит, параметр a1 значим, и фактор x1 при данном параметре является статистически значимым, его следует включить в модель. , значит, параметр a3 значим и фактор x3 , значит, параметр a4 незначим, и фактор x4 при данном параметре не является статистически значимым, его следует исключить из модели. , значит, параметр a4 незначим, и фактор x4 при данном параметре не является статистически значимым, его следует исключить из модели. 2б. Проверим нулевую гипотезу о значимости уравнения с помощью F - критерия (б=0,05). Для этого находим расчётное значение данного критерия с помощью функции «FРАСПОБР» мастера функций Excel: в массив «вероятность» вводим значение уровня значимости б=0,05, в массив «число степеней свободы1» вводим значение k1=m=2 (т.к. в модели 2 фактора: х 1 и х 3), в массив «число степеней свободы2» вводим значение k2=n-m-1=25-2-1=24. Затем полученное расчётное значение Fрасч.=3,403 сравниваем с табличным значением Fтабл.=80,419, которое берём из столбца «F» таблицы 4 дисперсионного анализа. 3,403<80,419, значит, уравнение регрессии незначимо. 2в. Проверим качество уравнения регрессии с помощью коэффициента детерминации по следующей формуле по данным таблицы 7(см. приложение 3): , значит, построенная линейная модель множественной регрессии точная, а значит, и качественная. 3а. Отобранные информативные факторы в модель по t - критерию для коэффициентов регрессии представлены в таблице 6 приложения 3. Построим модель только с информативными факторами x1 и x3, используя инструмент «регрессия» пакета анализа данных (см. приложение 5). В результате получаем следующее линейное уравнение множественной регрессии: . 3б. Оценим влияние значимых факторов на результат с помощью коэффициентов эластичности, в- и Д-коэффициентов. Вычислим коэффициент эластичности для фактора х1 последующей формуле: - если фактор х1 увеличить на 1%, то результат y увеличится на 50%. Аналогично находим коэффициент эластичности для фактора х3: - если фактор х3 увеличить на 1%, то результат y увеличится на 42%. Находим в-коэффициенты. Для этого сначала вычислим СКО x1 и x3, используя функцию СТАНДОТКЛОН мастера функций Excel. В ячейку С32 вводим формулу: = СТАНДОТКЛОН (С7:С31). Аналогичную формулу вводим в ячейку D32 для нахождения СКО для фактора х3: = СТАНДОТКЛОН(D7: D31). Полученные значения Sxj подставим в формулы (*) и (**). В ячейку С35 вводим формулу: =G35*C32/B32. В ячейку D35 вводим формулу: =H35*D32/B32. (*) .(**) Получаем: Если фактор х1 увеличить на Sx1=12994,033, то результат y изменится на Если фактор х3 увеличить на Sx3=422015,64, то результат изменится на Для нахождения Д-коэффициента вычислим сначала коэффициент парной корелляции, используя инструмент «корелляция» пакета анализа данных, затем его значения подставляем в формулу: . В ячейку С36 вводим формулу: =0,956*С35/0,935. Получаем: , значит, 50% влияния оказывает фактор х1. Аналогично находим Д-коэффициент для фактора х3. В ячейку D36 вводим формулу: =0,954*D35/0,935. Получаем: , значит, 47% влияния оказывает фактор х3. 4. Найдём прогнозные значения результата y, если прогнозные значения факторов x составляют 80% от их максимальных значений. - интервальный прогноз. - средняя квадратическая ошибка прогноза. - точечный прогноз.
|