Экономико-математическое моделирование : Эконометрические расчеты
Эконометрические расчеты
17 Контрольное задание № 1Задача 1.Имеются данные за 12 месяцев года по району города о рынке вторичного жилья (y - стоимость квартиры (тыс. у. е), x - размер общей площади (м2)). Данные приведены в табл.1.4Таблица 1.4|
Мес. | Задача 1 | Задача 2 | Задача 3 | Задача 4 | Задача 5 | | | y | x | y | x | y | x | y | x | y | x | | 1 | 13,0 | 37,0 | 13,2 | 37,2 | 22,5 | 46,0 | 22,5 | 29,0 | 23,0 | 22,8 | | 2 | 16,4 | 60,0 | 15,9 | 58,2 | 25,5 | 54,0 | 25,8 | 36,2 | 26,8 | 27,5 | | 3 | 17,0 | 60,9 | 16,2 | 60,8 | 19,2 | 50,2 | 20,8 | 28,9 | 28,0 | 34,5 | | 4 | 15,2 | 52,1 | 15,4 | 52,0 | 13,5 | 43,8 | 15,2 | 32,4 | 18,4 | 26,4 | | 5 | 14,2 | 40,1 | 14,2 | 44,6 | 25,4 | 78,6 | 25,8 | 49,7 | 30,4 | 19,8 | | 6 | 10,5 | 30,4 | 11,0 | 31,2 | 17,8 | 60,2 | 19,4 | 38,1 | 20,8 | 17,9 | | 7 | 20,0 | 43,0 | 21,1 | 26,4 | 18,0 | 50,2 | 18,2 | 30,0 | 22,4 | 25,2 | | 8 | 12,0 | 32,1 | 13,2 | 20,7 | 21,0 | 54,7 | 21,0 | 32,6 | 21,8 | 20,1 | | 9 | 15,6 | 35,1 | 15,4 | 22,4 | 16,5 | 42,8 | 16,4 | 27,5 | 18,5 | 20,7 | | 10 | 12,5 | 32,0 | 12,8 | 35,4 | 23,0 | 60,4 | 23,5 | 39,0 | 23,5 | 21,4 | | 11 | 13,2 | 33,0 | 14,5 | 28,4 | 14,6 | 47,2 | 18,8 | 27,5 | 16,7 | 19,8 | | 12 | 14,6 | 32,5 | 15,1 | 20,7 | 14,2 | 40,6 | 17,5 | 31,2 | 20,4 | 24,5 | | |
Задание: Рассчитайте параметры уравнений регрессий и . Оцените тесноту связи с показателем корреляции и детерминации. Рассчитайте средний коэффициент эластичности и дайте сравнительную оценку силы связи фактора с результатом. Рассчитайте среднюю ошибку аппроксимации и оцените качество модели. С помощью F-статистики Фишера (при ) оцените надежность уравнения регрессии. Рассчитайте прогнозное значение , если прогнозное значение фактора увеличится на 5% от его среднего значения. Определите доверительный интервал прогноза для . Расчеты должны быть подробны, как показано в примере 1, и сопровождены пояснениями. Решение Составим таблицу расчетов для линейной регрессии y = a + bx + е (таблица построена в MS Exсel). Таблица 1. |
| x | x2 | y | xy | y2 | y - ? | x - x~ | (y - ?) 2 | (x - x~) 2 | y | y - y | (y - y) 2 | A (%) | | | 22,8 | 519,84 | 23 | 524,4 | 529 | 0,44 | -0,58 | 0, 20 | 0,34 | 22,37 | 0,63 | 0,40 | 2,76 | | | 27,5 | 756,25 | 26,8 | 737 | 718,2 | 4,24 | 4,12 | 17,99 | 16,95 | 23,91 | 2,89 | 8,32 | 10,77 | | | 34,5 | 1190,3 | 28 | 966 | 784 | 5,44 | 11,12 | 29,61 | 123,58 | 26,22 | 1,78 | 3,16 | 6,35 | | | 26,4 | 696,96 | 18,4 | 485,8 | 338,6 | -4,16 | 3,02 | 17,29 | 9,10 | 23,55 | -5,15 | 26,55 | 28,00 | | | 19,8 | 392,04 | 30,4 | 601,9 | 924,2 | 7,84 | -3,58 | 61,49 | 12,84 | 21,38 | 9,02 | 81,40 | 29,68 | | | 17,9 | 320,41 | 20,8 | 372,3 | 432,6 | -1,76 | -5,48 | 3,09 | 30,07 | 20,75 | 0,05 | 0,00 | 0,23 | | | 25,2 | 635,04 | 22,4 | 564,5 | 501,8 | -0,16 | 1,82 | 0,03 | 3,30 | 23,16 | -0,76 | 0,57 | 3,38 | | | 20,1 | 404,01 | 21,8 | 438,2 | 475,2 | -0,76 | -3,28 | 0,58 | 10,78 | 21,48 | 0,32 | 0,10 | 1,48 | | | 20,7 | 428,49 | 18,5 | 383 | 342,3 | -4,06 | -2,68 | 16,47 | 7, 20 | 21,67 | -3,17 | 10,08 | 17,16 | | | 21,4 | 457,96 | 23,5 | 502,9 | 552,3 | 0,94 | -1,98 | 0,89 | 3,93 | 21,90 | 1,60 | 2,54 | 6,79 | | | 19,8 | 392,04 | 16,7 | 330,7 | 278,9 | -5,86 | -3,58 | 34,32 | 12,84 | 21,38 | -4,68 | 21,88 | 28,01 | | | 24,5 | 600,25 | 20,4 | 499,8 | 416,2 | -2,16 | 1,12 | 4,66 | 1,25 | 22,93 | -2,53 | 6,38 | 12,38 | | У | 280,6 | 6793,5 | 270,7 | 6406 | 6293 | 0,00 | 0,00 | 186,61 | 232,18 | | 0,00 | 161,40 | 146,99 | | У/n | 23,38 | 566,13 | 22,56 | 533,86 | 524,43 | | | | | | | 13,45 | 12,25 | | у | 4,399 | | 3,943 | | | | | | | | | | | | у2 | 19,35 | | 15,55 | | | | | | | | | | | | |
Отсюда получаем коэффициенты a и b: То есть, уравнение линейной регрессии в нашем случае имеет вид: y = 14,85 + 0,3295•x. Рассчитаем коэффициент корреляции: rxy = b•уx / уy = 0,329 • 4,399/3,943 = 0,368 Малое значение коэффициента корреляции означает, что связь между признаком y и фактором x плохая. Вычислим значение F-критерия Фишера:
и сравним его с табличным при б=0,05, н1 = 1, н2 = 10: Fтабл = 2,228 Поскольку Fтабл > F, то гипотеза H0 о статистической незначимости параметра b принимается. Средняя ошибка аппроксимации также выходит за допустимые пределы 8 - 10%, что опять говорит о низкой надежности модели. Попробуем для сравнения модель y = a + b•vx + е. Для нее таблица параметров имеет вид: Таблица 2 (начало) |
| x | u = ?x | u2 | y | uy | y2 | | | 17,9 | 4,23 | 17,90 | 20,80 | 88,00 | 432,64 | | | 19,8 | 4,45 | 19,80 | 30,40 | 135,27 | 924,16 | | | 19,8 | 4,45 | 19,80 | 16,70 | 74,31 | 278,89 | | | 20,1 | 4,48 | 20,10 | 21,80 | 97,74 | 475,24 | | | 20,7 | 4,55 | 20,70 | 18,50 | 84,17 | 342,25 | | | 21,4 | 4,63 | 21,40 | 23,50 | 108,71 | 552,25 | | | 22,8 | 4,77 | 22,80 | 23,00 | 109,82 | 529,00 | | | 24,5 | 4,95 | 24,50 | 20,40 | 100,97 | 416,16 | | | 25,2 | 5,02 | 25, 20 | 22,40 | 112,45 | 501,76 | | | 26,4 | 5,14 | 26,40 | 18,40 | 94,54 | 338,56 | | | 27,5 | 5,24 | 27,50 | 26,80 | 140,54 | 718,24 | | | 34,5 | 5,87 | 34,50 | 28,00 | 164,46 | 784,00 | | У | | 57,79 | 280,60 | 270,70 | 1310,99 | 6293,15 | | Среднее значение | | 4,82 | 23,38 | 22,56 | 109,25 | 524,43 | | |
Таблица 2 (окончание) |
| y - ? | u - ? | (y - ?) 2 | (u - ?) 2 | y | y - y | (y - y) 2 | A (%) | | | -1,76 | -0,58 | 3,09 | 0,34 | 20,69 | 0,11 | 0,01 | 0,55 | | | 7,84 | -0,37 | 61,49 | 0,13 | 21,39 | 9,01 | 81,25 | 29,65 | | | -5,86 | -0,37 | 34,32 | 0,13 | 21,39 | -4,69 | 21,96 | 28,06 | | | -0,76 | -0,33 | 0,58 | 0,11 | 21,49 | 0,31 | 0,09 | 1,41 | | | -4,06 | -0,27 | 16,47 | 0,07 | 21,71 | -3,21 | 10,28 | 17,33 | | | 0,94 | -0, 19 | 0,89 | 0,04 | 21,95 | 1,55 | 2,40 | 6,59 | | | 0,44 | -0,04 | 0, 20 | 0,00 | 22,43 | 0,57 | 0,33 | 2,49 | | | -2,16 | 0,13 | 4,66 | 0,02 | 22,99 | -2,59 | 6,69 | 12,68 | | | -0,16 | 0, 20 | 0,03 | 0,04 | 23,21 | -0,81 | 0,66 | 3,62 | | | -4,16 | 0,32 | 17,29 | 0,10 | 23,59 | -5, 19 | 26,94 | 28,21 | | | 4,24 | 0,43 | 17,99 | 0,18 | 23,93 | 2,87 | 8,24 | 10,71 | | | 5,44 | 1,06 | 29,61 | 1,12 | 25,95 | 2,05 | 4,22 | 7,34 | | У | 0,00 | 0,00 | 186,61 | 2,30 | | 0,00 | 163,08 | 148,65 | | У/n | | | | | | | 13,59 | 12,39 | | |
Здесь мы вводим переменную u = vx и получаем линейную модель относительно x и u: u = a + b•u + е. Найдем коэффициенты a и b: , Рассчитаем коэффициент корреляции: ruy = b • уu /уy = 3, 203 • 0,437/ 3,943 = 0,355104 Мы получили значение коэффициента корреляции еще хуже, чем в предыдущем случае. Проверим значение F-критерия Фишера: И снова расчетное значение еще хуже. Средняя о шибка аппроксимации также оказалась хуже, чем в линейной модели: Линейная модель оказалась надежнее (хотя тоже неудовлетворительная) и поэтому последующие расчеты мы будем делать для нее. Рассмотрим гипотезу H0 о статистической незначимости основных параметров модели: H0: {a = b = rxy = 0} и найдем для нее табличное значение распределения Стьюдента: tтабл (б =0,05, н = 10) = 2,228. Определим ошибки ma, mb и mr: Оценим значимость параметров: ta = a/ma = 7,139/6,27 = 2,368 > tтабл, tb = b/mb = 3, 202/0,2637 = 1,25 < tтабл tr = r/mr = 0,368/0,294 = 1,25 < tтабл Таким образом, параметры модели незначимо отличаются от нуля, и, следовательно, модель нельзя использовать для прогноза. Чтобы окончательно убедиться в этом, попробуем оценить доверительный интервал прогноза при отклонении хпрог от среднего значения на 5% для доверительной вероятности 0,01. Для yprog = a + b•xprog = 22,94,my = 4, 193. При б = 0,01 и n = 10 tтабл = 3,169,tтабл • my =13,29. Следовательно, доверительным интервалом будет (22,94 - 13,29, 22,94 +13,29) или 9,656 < yprog < 36,231. Таким образом, сделанный прогноз абсолютно ненадежен и совершенно неточен. Контрольное задание № 2Задача 2Имеются данные о деятельности крупнейших компаний в течение двенадцати месяцев 199Х года. Данные приведены в таблице.Известны - чистый доход (у), оборот капитала (х1), использованный капитал (х2) в млрд у.е.|
Задача 11 | Задача 12 | Задача 13 | Задача 14 | Задача 15 | | у | х1 | х2 | у | х1 | х2 | у | х1 | х2 | у | х1 | х2 | у | х1 | х2 | | 5,5 | 53,1 | 27,1 | 6,6 | 6,9 | 83,6 | 3,6 | 16,2 | 13,3 | 1,5 | 5,9 | 5,9 | 3,0 | 18,0 | 6,6 | | 2,4 | 18,8 | 11,2 | 3,0 | 18,0 | 6,5 | 1,5 | 5,9 | 5,9 | 5,5 | 53,1 | 27,1 | 3,3 | 16,7 | 15,4 | | 3,0 | 35,3 | 16,4 | 6,5 | 107,9 | 50,4 | 5,5 | 53,1 | 27,1 | 2,4 | 18,8 | 11,2 | 3,6 | 16,2 | 13,3 | | 4,2 | 71,9 | 32,5 | 3,3 | 16,7 | 15,4 | 2,4 | 18,8 | 11,2 | 3,0 | 35,3 | 16,4 | 5,5 | 53,1 | 27,1 | | 2,7 | 93,6 | 25,4 | 0,1 | 76,6 | 29,6 | 3,0 | 35,3 | 16,4 | 4,2 | 71,9 | 32,5 | 3,0 | 35,3 | 16,4 | | 1,6 | 10,0 | 6,4 | 3,6 | 16,2 | 13,3 | 4,2 | 71,9 | 32,5 | 2,7 | 93,6 | 25,4 | 2,7 | 93,6 | 25,4 | | 2,4 | 31,5 | 12,5 | 2,4 | 18,8 | 11,2 | 2,7 | 93,6 | 25,4 | 1,6 | 10,0 | 6,4 | 2,4 | 31,5 | 12,5 | | 3,3 | 36,7 | 14,3 | 3,0 | 35,3 | 16,4 | 1,6 | 10,0 | 6,4 | 2,4 | 31,5 | 12,5 | 1,8 | 13,8 | 6,5 | | 1,8 | 13,8 | 6,5 | 1,8 | 13,8 | 6,5 | 2,4 | 31,5 | 12,5 | 3,3 | 36,7 | 14,3 | 1,6 | 30,4 | 15,8 | | 2,4 | 64,8 | 22,7 | 2,4 | 64,8 | 22,7 | 3,3 | 36,7 | 14,3 | 1,8 | 13,8 | 6,5 | 0,9 | 31,3 | 18,9 | | 1,6 | 30,4 | 15.8 | 1,6 | 30,4 | 15,8 | 1,8 | 13,8 | 6,5 | 2,4 | 64,8 | 22,7 | 6,5 | 107,9 | 50,4 | | 1,4 | 12,1 | 9,3 | 1,4 | 12,1 | 9,3 | 2,4 | 64,8 | 22,7 | 1,6 | 30,4 | 15,8 | 3,6 | 16,2 | 13,3 | | |
Задание: 1. Рассчитайте параметры линейного уравнения множественной регрессии. 2. Дайте оценку силы связи факторов с результатом с помощью средних коэффициентов эластичности. 3. Оцените статистическую зависимость параметров и уравнения регрессии в целом с помощью соответственно критериев Стьюдента и Фишера (б=0,01). 4. Рассчитайте среднюю ошибку аппроксимации. Сделайте вывод. 5. Составьте матрицы парных и частных коэффициентов корреляции и укажите информативные факторы. 6. Оцените полученные результаты, выводы оформите в аналитической записке. Решение. Линейное уравнение множественной регрессии ищем в виде y = a + b1•x1 + b2•x2 + е. Результаты расчетов приведены в табл.3, построенной с помощью MS Exсel. Таблица 3 |
| x1 | x2 | x21 | x22 | y | x1y | x2y | x1x2 | y2 | | | 18,00 | 6,60 | 324,00 | 43,56 | 3,00 | 54,00 | 19,80 | 118,80 | 9,00 | | | 16,70 | 15,40 | 278,89 | 237,16 | 3,30 | 55,11 | 50,82 | 257,18 | 10,89 | | | 16, 20 | 13,30 | 262,44 | 176,89 | 3,60 | 58,32 | 47,88 | 215,46 | 12,96 | | | 53,10 | 27,10 | 2819,61 | 734,41 | 5,50 | 292,05 | 149,05 | 1439,01 | 30,25 | | | 35,30 | 16,40 | 1246,09 | 268,96 | 3,00 | 105,90 | 49, 20 | 578,92 | 9,00 | | | 93,60 | 25,40 | 8760,96 | 645,16 | 2,70 | 252,72 | 68,58 | 2377,44 | 7,29 | | | 31,50 | 12,50 | 992,25 | 156,25 | 2,40 | 75,60 | 30,00 | 393,75 | 5,76 | | | 13,80 | 6,50 | 190,44 | 42,25 | 1,80 | 24,84 | 11,70 | 89,70 | 3,24 | | | 30,40 | 15,80 | 924,16 | 249,64 | 1,60 | 48,64 | 25,28 | 480,32 | 2,56 | | | 31,30 | 18,90 | 979,69 | 357,21 | 0,90 | 28,17 | 17,01 | 591,57 | 0,81 | | | 107,90 | 50,40 | 11642,41 | 2540,16 | 6,50 | 701,35 | 327,60 | 5438,16 | 42,25 | | | 16, 20 | 13,30 | 262,44 | 176,89 | 3,60 | 58,32 | 47,88 | 215,46 | 12,96 | | У | 464,0 | 221,6 | 28683,4 | 5628,5 | 37,9 | 1755,0 | 844,8 | 12195,8 | 147,0 | | У/n | 38,67 | 18,47 | 2390,28 | 469,05 | 3,16 | 146,25 | 70,40 | 1016,31 | 12,25 | | у | 29,919 | 11,315 | | | 1,507 | | | | | | у2 | 895,17 | 128,03 | | | 2,27 | | | | | | rxx | 0,89 | > r2 = | 0,80 | в1= | -0,479 | b1= | -0,024 | Э1 | -0,296 | | ryx1 | 0,53 | > r2 = | 0,29 | в2= | 1,136 | b2= | 0,151 | Э2 | 0,885 | | ryx2 | 0,71 | > r2 = | 0,50 | 1 - r2= | 0, 203 | a= | 1,297 | Fфак1 | 0,463 | | Ryxx | 0,740 | >R2 = | 0,548 | Fфак | 5,452 | Fтабл | 8,02 | Fфак2 | 2,603 | | |
Коэффициенты rxx, ryx1 и ryx2 были найдены по формулам: Через них были найдены коэффициенты нормированного уравнения y0 = в1•x01 + в2•x02 + е: ryx1 - ryx2 • rxx 0,53 - 0,71•0.89 в1 = ---------- = ---------- = - 0,479 , 1 - r2xx 1 - 0,892 ryx2 - ryx1 • rxx 0,71 - 0,53•0.89 в2 = ---------- = ---------- = 1,136 , 1 - r2xx 1 - 0,892 а через них - коэффициенты исходного: b1 = в1 • уy / уx1 = - 0,479 • 1,507 / 29,919 = - 0,024, b2 = в2 • уy / уx2 = 1,136 • 1,507 / 11,315 = 0,151, _ _ _a = y - b1•x1 - b2•x2 = 3,16 + 0,024•38,67 - 0,151•18,47 = 1,297 .Стандартизированная форма уравнения регрессии имеет вид:y0 = - 0,479•x01 + 1,136•x02.Естественная форма уравнения регрессии имеет вид:y0 =1,297 - 0,024•x1 + 0,151•x2.Для оценки качества модели найдем коэффициенты эластичности:_ _ _Э1 = b1 • x1- / y = - 0,296,_ _ _Э2 = b2 • x2/ y = 0,885и линейный коэффициент множественной корреляцииRyxx = v (ryx1 • в1 + ryx2 • в2) = 0,74.Коэффициент множественной детерминации R2 равен R2yxsx= 0,548.Через него вычисляется фактическое значение критерия Фишера: R2 n-k-1Fфакт = ----- • ---- = 5,452 1 - R2 kТабличное значение критерия при б = 0,01, н1 = 2, н2 = 9 составляетFтабл = 8,02.Отсюда видно, что Fтабл > Fфакт.Для частных характеристик Fтабл (б = 0,01, н1 = 1, н2 = 9) =10,56,а расчетные равны, соответственно: Fфак1 = 0,463 и Fфак2 = 2,603.Аналитическая записка.Из полученных результатов уже можно сделать вывод, что использо-вание при б = 0,01 линейной регрессионной модели нецелесобразно. Об этом говорят очень низкие значения критерия Фишера, в том числе и частные.Хотя, если бы требования были несколько менее строгими, то метод множественной регрессии был бы целесобразен. Например, при б = 0,05 Fтабл = 4,26, что меньше расчетного значения.В любом случае мы можем с уверенностью утверждать, что фактор x1 следует исключить из модели. Об этом говорит хотя бы тот факт, что значение частного критерия Фишера у него в 5 с лишним раз меньше, чем у x2. Кроме того низкий и к тому же отрицательный показатель эластичности говорит о том, что скорее всего учтены не все факторы и, возможно, модель вообще не должна быть линейной.Контрольное задание № 3Задание к задачам 3-4:1. Используя необходимое и достаточное условие идентификации, определить, идентифицировано ли каждое уравнение модели.2. Определите тип модели.3. Определите метод оценки параметров модели.4. Опишите последовательность действий при использовании указанного метода.5. Результаты оформите в виде пояснительной записки.Задача 5.Модель денежного рынка:Rt = a1+b11Mt+b12Yt+1,Yt = a2+b21Rt+ b22It +2,It = a3+b33Rt+1,где R - процентные ставки;Y - ВВП;M - денежная масса;I - внутренние инвестиции/Пояснительная запискаВ данном случае мы имеем дело со структурной формой модели.Модель имеет три эндогенные переменные (Rt, Yt и It) и одну экзогенную (Mt).Проверка необходимых условий идентификации показала:1-е уравнение: H=2, D=0, D+1 < H - уравнение не идентифицируемо;2-е уравнение: H=3, D=0, D+1 < H - уравнение не идентифицируемо;3-е уравнение: H=2, D=1, D+1 = H - уравнение идентифицируемо.Поскольку необходимые условия выполнены только для третьего уравнения, проверять выполнеие достаточных условий следует только для него. В уравнении присутствуют две переменные: Rt и It. Составим определитель из коэффициентов при этих переменных в других уравнениях:¦-1 0 ¦¦ ¦= -b21 ? 0¦b21 b22 ¦В нашем случае достаточные условия выполнены, если ранг матрицы равен 2, поскольку общее число эндогенных переменных равно 3. Так как определитель 2-го порядка не равен нулю, условия выполнены.Поскольку система в целом неидентефицируема, для оценки параметров целесообразно применять двухшаговый МНК, суть которого заключается в следующем:1) составляем приведенную форму модели и определяем численные значения параметров каждого ее уравнения обычным МНК;2) выявляем эндогенные переменные, находящиеся в правой части структурного уравнения, параметры которого определяются двухшаговым МНК, и находим расчетные значения по соответствующим уравнениям приведенной формы модели;3) обычным МНК определяем параметры структурного уравнения, используя в качестве исходных данных фактические значения предопределенных переменных и расчетные значения.Контрольное задание № 4Задача 1.Имеются данные за пятнадцать дней по количеству пациентов клиники, прошедших через соответствующие отделения в течение дня. Данные приведены в таблице.|
День | Задача 31 | Задача 32 | Задача 33 | Задача 34 | Задача 35 | | | Терапевти-ческое отделение | Хирургичес-кое отделение | Стоматологическое отделение | Глазное отделение | Отделение пласти-ческой хирургии | | 1 | 29 | 35 | 41 | 30 | 22 | | 2 | 40 | 29 | 52 | 22 | 19 | | 3 | 30 | 22 | 30 | 19 | 11 | | 4 | 52 | 19 | 47 | 28 | 12 | | 5 | 47 | 30 | 28 | 24 | 16 | | 6 | 28 | 47 | 22 | 18 | 28 | | 7 | 16 | 28 | 51 | 35 | 30 | | 8 | 51 | 12 | 40 | 29 | 18 | | 9 | 40 | 13 | 57 | 40 | 17 | | 10 | 35 | 15 | 33 | 34 | 20 | | 11 | 57 | 18 | 43 | 31 | 21 | | 12 | 28 | 19 | 51 | 29 | 19 | | 13 | 33 | 20 | 36 | 35 | 24 | | 14 | 42 | 16 | 19 | 23 | 13 | | 15 | 39 | 35 | 42 | 27 | 16 | | |
Требуется: 1. Определить коэффициенты автокорреляции уровней ряда первого и второго порядка. 2. Обосновать выбор уравнения тренда и определите его параметры. 3. Сделать выводы. 4. Результаты оформить в виде пояснительной записки. Решение В первую очередь определим коэффициенты автокорреляции первого и второго порядка. Предварительные расчеты производились в MS Excel, результаты приведены в Табл.4. Важнейшие параметры выделены желтым фоном. Здесь авткорреляция порядка один обозначена как корреляция между рядами yt, yt-1, а корреляция порядка 2 - между рядами yt, yt-2. Таблица 4 Коэффициенты автокорреляции первого (r1) и второго порядка (r2) определяем по формулам: Результаты не только не подтверждают линейной зависимости (r2 < 0), но говорят о малой зависимости вообще. Это хорошо иллюстрирует график: На нем заметно сильное колебание в первой половине периода. Тем не менее, из-за отсутствия других разумных альтернатив попробуем линейную зависимость y = a + b•t. Параметры определим, используя МНК. Результаты расчетов приведены в табл.5. Таблица 5 Уравнение тренда имеет вид: y = 24,362 - 1,104 •t, что вполне согласуется с графиком. Расчетное значение критерия Фишера равно Fрасч = 4,9. Табличное значение Fтабл (б = 0,01, н1 = 1, н2 = 13) = 9,07. Следовательно, уравнение статистически незначимо и прогноз смысла не имеет. Но при б = 0,05, когда Fтабл = 4,67, прогноз уже можно было бы принять. Прогнозное значение (при t = 16) yпрог = 6,75. Доверительный интервал, как и в Задании 1, определялся по формуле Д yпрог = ± tтабл •my_прог и составил ± 3,012 • 7,572 = ± 22,8. Это окончательно убеждает нас что аппроксимация линейной зависимостью в данном случае бессмысленна.
|