Анализ деятельности предприятий одной отрасли РФ - упражнение - Эконометрика (2), Упражнения из Эконометрика. Modern Institute of Managament
wklev85
wklev8525 March 2013

Анализ деятельности предприятий одной отрасли РФ - упражнение - Эконометрика (2), Упражнения из Эконометрика. Modern Institute of Managament

PDF (384.2 KB)
18 страница
355количество посещений
Описание
Задачи, тесты и упражнения по предмету Эконометрика. Тема Анализ деятельности предприятий одной отрасли РФ. Задачи и решения. Упражнения с ответами. Лабораторная работа. Разные варианты. Часть 2.
20очки
пункты необходимо загрузить
этот документ
скачать документ
предварительный показ3 страница / 18
это только предварительный показ
консультироваться и скачать документ
это только предварительный показ
консультироваться и скачать документ
предварительный показ закончен
консультироваться и скачать документ
это только предварительный показ
консультироваться и скачать документ
это только предварительный показ
консультироваться и скачать документ
предварительный показ закончен
консультироваться и скачать документ
Анализ деятельности предприятий одной отрасли РФ-1 - лабораторная работа - Эконометрика

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО

ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

ВСЕРОССИЙСКИЙ ЗАОЧНЫЙ ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ

ИНСТИТУТ

Лабораторная работа

по эконометрике

тема:

«Анализ деятельности предприятий одной отрасли РФ-1»

Пенза 2008г.

2

ЗАДАНИЕ

Анализ деятельности предприятий одной отрасли РФ -1.

Имеются данные (см. табл.1.5) об экономической деятельности 25 предприятий одной отрасли РФ в 1997г.г.

Y – прибыль от реализации продукции, млн. руб. X1 – численность промышленно-производственного персонала, чел. X2 – среднегодовая стоимость основных фондов, млн. руб. X3 – электровооруженность, кВт⋅ч. X4 – техническая вооруженность одного рабочего, млн. руб.

Таблица 1.5.

№ наблюдения

Прибыль от реализации продукции, млн. руб., Y

Численность промышленно- производствен- ного персонала, чел., X1

Среднегодовая стоимость основных фондов, млн. руб., X2

Электровоору- женность, кВтч, X3

Техническая вооружен- ность одного рабочего, млн. руб., X4

1 7960 864 16144 4,9 3,2 2 42392 8212 336472 60,5 20,4 3 9948 1866 39208 24,9 9,5

… … … … … … 23 6612 3801 169995 75,9 27,2 24 163420 46142 972349 27,5 10,8 25 2948 2535 163695 65,5 19,9

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 (α = 0,05), оценить качество уравнения регрессии с помощью коэффициента детерминации.

3. Используя пошаговую множественную регрессию (метод исключения или метод включения), построить модель формирования прибыли от реализации за счёт значимых факторов.

4. Дать оценку влияния значимых факторов на результат с помощью коэффициентов эластичности, β - и ∆ - коэффициентов.

5. Рассчитать прогнозные значения результата, если прогнозные значения факторов составляют 80% от их максимальных значений.

3

РЕШЕНИЕ ЗАДАЧИ В SPSS

1. ПОДГОТОВКА ДАННЫХ ДЛЯ ИСПОЛЬЗОВАНИЯ ПАКЕТА SPSS.

Данные могут быть введены непосредственно в SPSS или могут быть

импортированы из текстовых файлов, файлов формата EXCEL, ACCESS и т.д. В нашем случае имеется файл данных в формате EXCEL (Рис.1.1). Приступим к импорту данных в файл SPSS.

Рис.1.1. Файл исходных данных в формате EXCEL

4

Для импорта данных из файла формата EXCEL в SPSS выполняем

следующие действия:

1. После запуска программы SPSS и появления на экране пустого файла SPSS, подобного изображенному на Рис. 1.2, выбираем в строке меню Файл-Открыть-Данные и задайте имя EXCEL файла с вашими данными, его тип, после чего нажмите кнопку OPEN (Рис. 1.3).

Рис. 1.2. Окно редактора данных в SPSS.

5

Рис.1.3. Импорт данных в SPSS.

2. В новом диалоговом окне (Рис.1.4) зададим диапазон ячеек (А1:E26). Если в первой строке EXCEL файла находятся имена переменных, то установить флажок Читать имена переменных из первойстроки данных. Щелкните на кнопке ОК.

Рис.1.4. Импорт данных в SPSS.

6

3. На экране мы увидим импортированные данные в формате SPSS (Рис. 1.5).

Рис.1.5. Данные задачи представлены в формате SPSS.

4. Редактирование данных с использования пакета SPSS. Нажмем в нижней строке меню кнопку «Переменные». Это позволит просмотреть всю информацию о переменных, импортированных в SPSS файл, и внести нужные изменения и дополнения. В столбце «Метка» введем расширенное имя переменной (до 256 символов). Эта информация будет использована при создании отчетов (Рис. 1.6).

Рис.1.6. Редактирование данных SPSS.

5. Каждой переменной в файле данных SPSS будет соответствовать отдельная колонка. Используя меню Файл-Сохранить как-Save, сохраним данный файл с расширением , <name>.sav. (Рис. 1.7).

7

Рис.1.7. Сохранение данных.

2. РЕШЕНИЕ ЗАДАЧИ В SPSS.

1. Рассчитать параметры линейного уравнения множественной регрессии с полным перечнем факторов.

Оценка параметров регрессии осуществляется по методу наименьших квадратов. Для проведения регрессионного анализа с помощью пакета SPSS выполним следующие действия:

1. Выберем в верхней строке меню Анализ – Регрессия – Линейная. 2. Поместим переменную Y в поле для зависимых переменных, объявив

переменные X1, X2, X3, X4 независимыми (Рис. 2.3). 3. В полях панели Статистики отметим флажками Оценки, Согласие

модели и критерий Дурбина-Уотсона (в нашей литературе – критерий Дарбина-Уотсона) (Рис. 2.4), затем нажмем Продолжить.

4. В полях панели Сохранить отметим необходимые поля (Рис. 2.5) и нажмем Продолжить.

5. Не меняем значения, установленные по умолчанию в полях панели Параметры. Они будут использованы для определения критерия Фишера с доверительной вероятностью 0,95.

6. Начнем вычисления нажатием ОК.

8

Рис. 2.3. Диалоговое окно Линейная регрессия.

Рис. 2.4. Диалоговое окно Линейная регрессия: Статистики.

9

Рис.2.5. Диалоговое окно Линейная регрессия: Сохранить.

Результаты регрессионного анализа приведены в следующих таблицах. В табл. 2.2 перечислены переменные, которые были включены на каждом

шаге. Регрессия

Таблица 2.2.

Включенные/исключенные переменные(b)

Модель Включенные переменные Исключенные переменные Метод

1 техническая вооруженность одного рабочего, численность промышленно-производственного персонала, электровооруженность, среднегодовая стоимость основных фондов(a)

.

Принудит ельное включени е

a Включены все запрошенные переменные b Зависимая переменная: прибыль от реализации продукции

В табл. 2.3 приведены значения коэффициента детерминации, коэффициента множественной корреляции, стандартная ошибка, коэффициент Дарбина – Уотсона модели.

10

Таблица 2.3. Сводка для модели(b)

Модель R R квадрат

Скорректир ованный R квадрат

Стд. ошибка оценки

Дурбин- Уотсон

1 ,970(a) ,941 ,930 13708,064 2,316

a Предикторы: (константа) техническая вооруженность одного рабочего, численность промышленно- производственного персонала, электровооруженность, среднегодовая стоимость основных фондов b Зависимая переменная: прибыль от реализации продукции

В табл. 2.4 приведены результаты дисперсионного анализа и значения F- критерия.

Таблица 2.4. Дисперсионный анализ(b)

Модель Сумма

квадратов ст.св. Средний квадрат F Знч.

1 Регрессия 6044642961 4,587 4

151116074 03,647 80,419 ,000(a)

Остаток 3758220348 ,453 20

187911017, 423

Итого 6420464996 3,040 24

a Предикторы: (константа) техническая вооруженность одного рабочего, численность промышленно- производственного персонала, электровооруженность, среднегодовая стоимость основных фондов b Зависимая переменная: прибыль от реализации продукции

В табл. 2.5 в первом столбце указан номер модели, во втором – перечисляются используемые в модели независимые переменные, а в третьем столбце содержаться коэффициенты уравнения регрессии. В четвертом столбце содержаться стандартные ошибки коэффициентов уравнения регрессии, в пятом – стандартизованные коэффициенты, а в шестом – t- статистика, используемая для проверки значимости коэффициентов уравнения регрессии.

Таблица 2.5. Коэффициенты(a)

Модель

Нестандартизованные коэффициенты

Стандартиз ованные

коэффициен ты

t Знч. B Стд. ошибка Бета 1 (Константа) -3640,398 5717,492 -,637 ,532

численность промышленно- производственного персонала

2,345 ,724 ,589 3,238 ,004

среднегодовая стоимость основных фондов

,047 ,023 ,383 2,072 ,051

электровооруженность 135,903 141,964 ,079 ,957 ,350 техническая вооруженность одного рабочего

29,942 504,076 ,005 ,059 ,953

a Зависимая переменная: прибыль от реализации продукции

11

Уравнение регрессии зависимости прибыли от реализации продукции от всех факторов можно записать в следующем виде:

y = -3640,398 + 2,345х1 + 0,047х2+135,903х3+29,942 х4 2. Оценить статистическую значимость параметров регрессионной модели с помощью t-критерия, проверить нулевую гипотезу о значимости уравнения с помощью F-критерия (α = 0,05), оценить качество уравнения регрессии с помощью коэффициента детерминации.

Оценим статистическую значимость параметров регрессии, используя критерий Стьюдента. Для этого обратимся к шестому столбцу таблицы 2.5, где содержится t- статистика, используемая для проверки значимости коэффициентов уравнения регрессии. В седьмом столбце той же таблицы представлен уровень значимости t-статистики. Можно сделать вывод, что значимыми являются параметры регрессии для факторов численность промышленно-производственного персонала (уровень значимости 0,004), и среднегодовая стоимость производственных фондов (уровень значимости 0,051); остальные параметры регрессии незначимы на уровне значимости p>0.3.

Проверку значимости уравнения регрессии произведем на основе F- критерия Фишера. Значение критерия Фишера F = 80.419 можно найти в табл. 2.4 Дисперсионный анализ.

Вероятность ошибки α , соответствующая расчетному значению F- критерия, выводится в правой колонке под заголовком "Значимость". Ее величина свидетельствует о значимости уравнения регрессии (р < 0,001).

Уравнение регрессии следует признать адекватным, модель считается значимой.

Оценим качество уравнения регрессии производится с помощью коэффициентов детерминации R 2 и множественной корреляции R. Их значения можно найти в табл. 2.3 Сводка для модели.

Коэффициент детерминации R 2 = 0,941 показывает долю вариации результативного признака под воздействием изучаемых факторов. Следовательно, около 94.1% вариации зависимой переменной учтено в модели и обусловлено влиянием включенных факторов.

Коэффициент множественной корреляции R = 0,970 показывает тесноту связи зависимой переменной Y со всеми включенными в модель объясняющими факторами.

12

3.Используя пошаговую множественную регрессию (метод исключения или метод включения), построить модель формирования прибыли от реализации за счёт значимых факторов. Используем метод исключения

Результаты регрессионного анализа приведены в следующих таблицах.

Регрессия

Таблица 2.6. Включенные/исключенные переменные(b) Модель Включенные переменные Исключенные переменные Метод 1 техническая вооруженность

одного рабочего, численность промышленно- производственного персонала, электровооруженность, среднегодовая стоимость основных фондов(a)

. Принудительное включение

2 . техническая вооруженность

одного рабочего

Исключение (критерий: вероятность F- исключения >= ,100).

3 . электровооруженность

Исключение (критерий: вероятность F- исключения >= ,100).

a Включены все запрошенные переменные b Зависимая переменная: прибыль от реализации продукции

13

Таблица 2.7. Сводка для модели(d)

Модель R R квадрат

Скорректир ованный R квадрат

Стд. ошибка оценки

Дурбин- Уотсон

1 ,970(a) ,941 ,930 13708,064 2 ,970(b) ,941 ,933 13378,881 3 ,967(c) ,935 ,929 13741,953 2,384

a Предикторы: (константа) техническая вооруженность одного рабочего, численность промышленно- производственного персонала, электровооруженность, среднегодовая стоимость основных фондов b Предикторы: (константа) численность промышленно-производственного персонала, электровооруженность, среднегодовая стоимость основных фондов c Предикторы: (константа) численность промышленно-производственного персонала, среднегодовая стоимость основных фондов d Зависимая переменная: прибыль от реализации продукции

Таблица 2.8. Дисперсионный анализ(d)

Модель Сумма

квадратов ст.св. Средний квадрат F Знч. 1 Регрессия 60446429614,587 4 15111607403,647 80,419 ,000(a)

Остаток 3758220348,453 20 187911017,423 Итого 64204649963,040 24

2 Регрессия 60445766582,230 3 20148588860,744 112,565 ,000(b) Остаток 3758883380,811 21 178994446,705 Итого 64204649963,040 24

3 Регрессия 60050141906,309 2 30025070953,155 158,996 ,000(c) Остаток 4154508056,732 22 188841275,306 Итого 64204649963,040 24

a Предикторы: (константа) техническая вооруженность одного рабочего, численность промышленно- производственного персонала, электровооруженность, среднегодовая стоимость основных фондов b Предикторы: (константа) численность промышленно-производственного персонала, электровооруженность, среднегодовая стоимость основных фондов c Предикторы: (константа) численность промышленно-производственного персонала, среднегодовая стоимость основных фондов d Зависимая переменная: прибыль от реализации продукции

Таблица 2.9. Коэффициенты(a)

Модель

Нестандартизованные коэффициенты

Стандартиз ованные

коэффициен ты

t Знч. B Стд. ошибка Бета 1 (Константа) -3640,398 5717,492 -,637 ,532

численность промышленно- производственного персонала

2,345 ,724 ,589 3,238 ,004

среднегодовая стоимость основных фондов

,047 ,023 ,383 2,072 ,051

электровооруженность 135,903 141,964 ,079 ,957 ,350

14

техническая вооруженность одного рабочего

29,942 504,076 ,005 ,059 ,953

2 (Константа) -3473,661 4861,406 -,715 ,483 численность промышленно- производственного персонала

2,337 ,695 ,587 3,361 ,003

среднегодовая стоимость основных фондов

,047 ,022 ,386 2,191 ,040

электровооруженность 142,012 95,522 ,083 1,487 ,152 3 (Константа) 2143,707 3141,893 ,682 ,502

численность промышленно- производственного персонала

2,036 ,683 ,512 2,980 ,007

среднегодовая стоимость основных фондов

,057 ,021 ,468 2,727 ,012

a Зависимая переменная: прибыль от реализации продукции

Уравнение регрессии зависимости прибыли от реализации продукции от численности промышленно-производственного персонала и среднегодовой стоимости основных фондов можно записать в следующем виде:

y = 2143,707 + 2,036х1 + 0,057х2 Оценим статистическую значимость параметров регрессии, используя

критерий Стьюдента (таблица 2.9). Можно сделать вывод, что параметры регрессии для факторов численность промышленно-производственного персонала являются значимым на уровне значимости 0,007, и среднегодовая стоимость производственных фондов на уровне значимости 0,012.

Проверку значимости уравнения регрессии произведем на основе F- критерия Фишера. Значение критерия Фишера F = 158,996 можно найти в табл. 2.8 Дисперсионный анализ. Вероятность ошибки α , соответствующая расчетному значению F-критерия, выводится в правой колонке под заголовком "Значимость". Ее величина свидетельствует о значимости уравнения регрессии (р < 0,001). Уравнение регрессии следует признать адекватным, модель считается значимой.

Оценим качество уравнения регрессии производится с помощью коэффициентов детерминации R 2 и множественной корреляции R. Их значения можно найти в табл. 2.7 Сводка для модели.

Коэффициент детерминации R 2 = 0,935 показывает долю вариации результативного признака под воздействием изучаемых факторов. Следовательно, около 93,5% вариации зависимой переменной учтено в модели и обусловлено влиянием включенных факторов. Коэффициент множественной корреляции R = 0,967 показывает тесноту связи зависимой переменной Y со всеми включенными в модель объясняющими факторами.

15

4. Дать оценку влияния значимых факторов на результат с помощью коэффициентов эластичности, β - и - коэффициентов.

Проанализируем влияние факторов на зависимую переменную по модели. Учитывая, что коэффициент регрессии невозможно использовать для непосредственной оценки влияния факторов на зависимую переменную из-за различия единиц измерения, используем коэффициент эластичности (Э):

/j j jЭ a x y= × Э1 = 2,036×7052,32/29002,28=0.4951 Э2 = 0,057×217832,6/29002,28=0,4281

Коэффициент эластичности показывает, на сколько процентов изменяется зависимая переменная при изменении фактора на один процент. Видим, что при изменении фактора численность промышленно-производственного персонала на 1 процент прибыль от реализации продукции измениться на 0,4951%. При изменении фактора среднегодовая стоимость основных фондов на 1 % прибыль от реализации продукции изменятся на 0,4281%.

С точки зрения эластичности на прибыль от реализации продукции сильнее влияет фактор X1, чем X2.

Бета-коэффициенты:

1β = 0,512 2β = 0,468 При неизменном уровне остальных признаков увеличение численности

промышленно-производственного персонала на величину среднеквадратического отклонения увеличит прибыль от реализации продукции на 0,512 ее среднеквадратического отклонения.

При неизменном уровне остальных признаков увеличение среднегодовой стоимости основных фондов на величину среднеквадратического отклонения увеличит прибыль от реализации продукции на 0,468 ее среднеквадратического отклонения.

По значению бета-коэффициентов можно сделать вывод, что на чистый доход сильнее влияет фактор X1, затем X2.

Вычислим ∆ -коэффициенты: Для этого вычислим коэффициенты корреляции

Таблица 2.10 Корреляции

прибыль от реализации продукции

численность промышленно-

производственного персонала

среднегодовая стоимость

основных фондов электровооруженность

техническая вооруженность одного рабочего

прибыль от реализации продукции

Корреляция Пирсона 1 ,956(**) ,954(**) ,151 ,206 Знч.(2-сторон) ,000 ,000 ,471 ,323 N 25 25 25 25 25

численность промышленно- производственного персонала

Корреляция Пирсона ,956(**) 1 ,949(**) ,031 ,101 Знч.(2-сторон) ,000 ,000 ,882 ,632

N 25 25 25 25 25

среднегодовая стоимость основных фондов

Корреляция Пирсона ,954(**) ,949(**) 1 ,129 ,214 Знч.(2-сторон) ,000 ,000 ,539 ,305 N

25 25 25 25 25

электровооруженность Корреляция Пирсона ,151 ,031 ,129 1 ,754(**) Знч.(2-сторон) ,471 ,882 ,539 ,000 N 25 25 25 25 25

техническая вооруженность одного рабочего

Корреляция Пирсона ,206 ,101 ,214 ,754(**) 1 Знч.(2-сторон) ,323 ,632 ,305 ,000 N 25 25 25 25 25

** Корреляция значима на уровне 0.01 (2-сторон.).

1 1 1 2

2 2 2 2

0.956 0.512 0.523

0.935

0.954 0.468 0.477

0.935

yx

yx

r

R r

R

β

β

⋅∆ = = =

⋅∆ = = =

Доля влияния численности промышленно-производственного персонала

в суммарном влиянии всех факторов составляет 52,3%, а доля влияния среднегодовой стоимости основных фондов – 47,7%.

5. Рассчитать прогнозное значение результата, если прогнозные значения факторов составляют 80% от их максимальных значений.

Для построения прогноза вначале необходимо ввести прогнозные

значения выбранных факторов Х1=0,80*52412=41929,6 и Х2=0,80*1974472=1579578 (рис. 2.6).

Рис. 2.6. Введены прогнозные значения объясняющих факторов.

18

Затем следует запустить процедуру Анализ – Регрессия – Линейная. В полях панели Сохранить следует обязательно отметить необходимость

сохранения Интервалов предсказания для отдельных значений с вероятностью 95% и нажмите Продолжить.

На рис. 2.7. приведены результаты прогнозирования по модели регрессии: точечный прогноз, верхняя и нижняя границы.

С вероятностью 95% Прибыль от реализации продукции составит 178151,07536 млн.руб. от 142861,41693 млн. руб. до 213440,73378 млн. руб.

Рис.2.7. Результаты прогнозирования.

комментарии (0)
не были сделаны комментарии
Напиши ваш первый комментарий
это только предварительный показ
консультироваться и скачать документ
Docsity не оптимизирован для браузера, который вы используете. Войдите с помощью Google Chrome, Firefox, Internet Explorer 9+ или Safari! Скачать Google Chrome