Влияние на количество населения, занятого в промышленности, валового регионального продукта - упражнение - Эконометрика (2), Упражнения из Эконометрика. Modern Institute of Managament
wklev85
wklev8525 March 2013

Влияние на количество населения, занятого в промышленности, валового регионального продукта - упражнение - Эконометрика (2), Упражнения из Эконометрика. Modern Institute of Managament

PDF (201.9 KB)
16 страница
248количество посещений
Описание
Задачи, тесты и упражнения по предмету Эконометрика. Тема Влияние на количество населения, занятого в промышленности, валового регионального продукта. Задачи и решения. Упражнения с ответами. Лабораторная работа. Разные ...
20очки
пункты необходимо загрузить
этот документ
скачать документ
предварительный показ3 страница / 16
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
Влияние на количество населения, занятого в промышленности, валового регионального продукта, вариант 21 - контрольная работа - Эконометрика

Всероссийский Заочный Финансово- Экономический Институт

Контрольная работа

По дисциплине

Эконометрика

Тема:

«Влияние на количество населения, занятого в

промышленности, валового регионального продукта,

вариант 21»

Челябинск, 2008.

Введение

Сегодня деятельность в любой области экономики (управлении,

финансово-кредитной сфере, маркетинге, учете, аудите) требует от специалиста

применения современных методов работы, знания достижений мировой

экономической мысли, понимания научного языка. Большинство новых методов

основано на эконометрических моделях, концепциях, приемах. Без глубоких

знаний эконометрики научиться их использовать невозможно. Изучение

современной экономической литературы также предполагает хорошую

эконометрическую подготовку. Важно, что эконометрические методы

одновременно позволяют оценить ошибки измерений экономических величин и

параметров моделей. Экономист, не владеющий этими методами, не может

эффективно работать аналитиком. Менеджер, не понимающий значение этих

методов, обречен на принятие ошибочных решений. Без эконометрических

методов нельзя построить сколько-нибудь надежного прогноза, а значит под

вопросом успех в банковском деле, финансах, бизнесе.

Специфической особенностью деятельности экономиста является работа

в условиях недостатка информации и неполноты исходных данных. Анализ

такой информации требует специальных методов, которые составляют один из

аспектов эконометрики. Целью данной работы является построение

эконометрической модели и определение возможностей ее использования для

описания, анализа и прогнозирования экономических процессов.

Задача. Исследовать влияние на количество населения, занятого в

промышленности, ряда макропоказателей (таблица 1) и выполнить его прогноз

на первые три квартала 2005 года с доверительной вероятностью 0,95.

Таблица 1

Исходные данные

2001 2002 показатели 1 2 3 4 1 2 3 4

X1 184,80 195,90 212,00 230,60 219,50 187,70 159,40 126,40 X2 493,00 494,00 496,00 497,00 780,00 782,00 784,00 786,00 X3 0,65 1,32 2,12 2,72 3,07 3,42 3,76 4,13 Y 521,00 516,00 495,00 474,00 470,00 460,00 457,00 443,00

2003 2004 1 2 3 4 1 2 3 4

X1 118,10 115,40 110,60 108,70 131,60 147,50 161,10 178,80 X2 970,00 975,00 979,00 990,00 1073,00 1075,00 1077,00 1084,00 X3 4,18 4,22 4,24 4,29 4,20 4,16 3,98 3,93 Y 439,00 435,00 421,00 425,00 423,00 418,00 411,00 407,00

где X1- индекс потребительских цен, % к предыдущему году;

X2- среднемесячная зарплата в промышленности, руб.;

X3- внешняя трудовая миграция, тыс.чел.;

Y – количество населения, занятого в промышленности, тыс.чел.

Предварительная обработка статистических данных показателей

с помощью корреляционного анализа.

В таблицах 2-6 представлен протокол корреляционного анализа. С

помощью этого протокола можно судить о степени взаимосвязи показателей.

Таблица 2

Матрица парных корреляций

Переменная Показатель- 1

Показатель- 2

Показатель- 3

Показатель- 4

Показатель- 1 1.000 -0.688 -0.688 0.632 Показатель- 2 -0.688 1.000 0.869 -0.947 Показатель- 3 -0.688 0.869 1.000 -0.934 Показатель- 4 0.632 -0.947 -0.934 1.000 Критическое значение на уровне 95% при 2 степенях свободы = +0.4269

В таблице 2 «Матрица парных корреляций» представлены коэффициенты

корреляции между показателем Y и X1, X2, X3. Из таблицы 2 видно, что на

количество населения, занятого в промышленности, Y весьма высокое влияние

оказывают изменения среднемесячной зарплаты в промышленности X2

(показатель 2, r=-0.947) и внешней трудовой миграции X3(показатель 3, r=-

0,934).

Таблица 3

Матрица максимальных корреляций

Переменная Показатель- 1

Показатель- 2

Показатель- 3

Показатель- 4

Показатель- 1 1.000 -0.713 -0.871 0.680 Показатель- 2 -0.713 1.000 0.900 -0.947 Показатель- 3 -0.871 0.900 1.000 -0.934 Показатель- 4 0.680 -0.947 -0.934 1.000

Таблица 4

Матрица оптимальных лагов Переменная Показатель-1 Показатель-2 Показатель-3 Показатель-4

Показатель- 1 0 1 2 1 Показатель- 2 1 0 1 0 Показатель- 3 2 1 0 0 Показатель- 4 1 0 0 0

Таблица 5

Матрица частных корреляций

Переменная Показатель-1 Показатель-2 Показатель-3 Показатель-4 Показатель- 1 1.000 -0.440 -0.434 -0.375 Показатель- 2 -0.440 1.000 -0.300 -0.803 Показатель- 3 -0.434 -0.300 1.000 -0.745 Показатель- 4 -0.375 -0.803 -0.745 1.000 Критическое значение на уровне 95% при 4 степенях свободы = +0.4310

Таблица 6

Множественные корреляции Переменная Коэффициент F-значение %точка F-распред.

Показатель- 1 0.759 3.741 96.295 Показатель- 2 0.958 31.053 99.999 Показатель- 3 0.948 24.175 99.998 Показатель- 4 0.977 57.803 100.000 Число степеней свободы = 4 и 10

В таблице 5 представлены частные коэффициенты корреляции, которые

характеризуют взаимосвязь между показателем и фактором, очищенную от

влияния других факторов. В нижней строке таблицы 2 и таблицы 5

представлено критическое значение коэффициента корреляции, с которым

сравниваются коэффициенты корреляции таблицы. Если парные и частные

коэффициенты корреляции между показателем и факторами по абсолютной

величине меньше критического значения, то связь между ними считается

незначительной, то есть коэффициент корреляции признается равным нулю.

Этот факт позволяет исключить фактор из анализа и дальнейших расчетов. Из

таблицы 5 видно, что коэффициент корреляции между Y и X1 по абсолютной

величине меньше критического значения (0,375<0,4310). Следовательно,

показатель X1 можно исключить из дальнейших расчетов, так как связь между

ними незначительна.

Таким образом, проведенный анализ показывает, что показатели X2 и X3

в той или иной степени оказывают влияние на фактор Y.

Значения парных и частных коэффициентов корреляции изображены в

виде графиков (рис.1, рис.2).

Парные корреляции переменной 1

-0.800

-0.600

-0.400

-0.200

0.000

0.200

0.400

0.600

0.800

1.000

1.200

1 2 3 4

Номер переменной

Возврат в ОТЧЕТ

Рис. 1.Парные корреляции.

Частные корреляции переменной 1

-0.600

-0.400

-0.200

0.000

0.200

0.400

0.600

0.800

1.000

1.200

1 2 3 4

Номер переменной

Возврат в ОТЧЕТ

Рис.2. Частные корреляции.

Прогнозирование показателей на основе качественной

регрессионной модели.

Необходимо на основе регрессионного анализа исследовать зависимость

количества занятого населения в промышленности (Y) от среднемесячной

зарплаты в промышленности (X2) и внешней трудовой миграции (X3) за

период с 2001 года по 2004 год. На основе модели регрессии выполнить

прогноз показателя Y на три квартала вперед с гарантийной вероятностью 0,95.

Таблица 7

Оценки коэффициентов линейной регрессии

Переменная Коэффи циент

Среднек

в. отклоне

ние t- значение

Нижняя оценка

Верхняя оценка

Эластич ность

Бета- коэф-т

Дельта- коэф-т

Св. член 572.348 8.673 65.990 562.974 581.722 0.000 0.000 0.000 Показатель- 2 -0.087 0.020 -4.305 -0.109 -0.065 -0.161 0.526 7.108 Показатель- 3 -14.347 4.094 -3.504 -18.773 -9.922 -0.108 -0.452 -6.108 Кpитическое значения t-pаспpеделения пpи 13 степенях свободы (p=85%) = +1.081

Таблица 8

Таблица остатков

номер Факт Расчет 1 521.000 519.991 2 516.000 510.291 3 495.000 498.739 4 474.000 490.029 5 470.000 460.310 6 460.000 455.129 7 457.000 450.119 8 443.000 444.593 9 439.000 427.837

10 435.000 426.827 11 421.000 426.120 12 425.000 424.501 13 423.000 418.500 14 418.000 419.029 15 411.000 421.422 16 407.000 421.544

Таблица 9

Характеристики остатков Характеристика Значение

Среднее значение 0.001 Дисперсия 64.460 Приведенная дисперсия 79.336 Средний модуль остатков 6.561 Относительная ошибка 1.475 Критерий Дарбина-Уотсона 1.507 Коэффициент детерминации 1.000 F - значение ( n1 = 2, n2 = 13) 20621.184 Критерий адекватности 73.867 Критерий точности 87.697 Критерий качества 84.239 Уравнение значимо с вероятностью 0.95

Включенные в модель факторы X2 и X3 на 100% описывают изменения

количества населения, занятого в промышленности, - коэффициент

детерминации равен 1(табл. 9). Модель имеет высокий уровень точности, так

как средняя относительная ошибка остаточной компоненты составляет всего

1,475 (табл.9), а значение критерия точности составляет 87,697.

Модели временного ряда для фактора X1

Таблица 10

Таблица кривых роста Функция Критерий Эластичность

Y(t)=+204.810-5.065*t 1170.790 -0.266 Y(t)=+252.241-20.876*t +0.930*t*t 880.807 -0.303 Y(t)= +203.148*exp(-0.030*t) 1135.052 -0.258 Y(t)= +221.482-31.156*ln(t) 1146.153 -0.201 Y(t)= (+281.017)*(+0.871)**t*(+1.006)**(t*t) 1088.925 0.000 Y(t)= +278.372+6.714*t-62.491*sqr(t) 1162.902 -0.222 Y(t)= t/(-0.003+0.007*t) 1832.923 -0.055 Выбрана функция Y(t)=+252.241-20.876*t +0.930*t*t

Таблица 11

Характеристики базы моделей Модель Адекватность Точность Качество

ОЛИМП(3, 0)x(0,1) 73.164 54.630 59.263 ОЛИМП(3, 1) 73.162 54.629 59.262 ОЛИМП(3, 0)x(1,1) 78.316 55.527 61.224 ОЛИМП(3, 0) 85.377 55.274 62.800 АР(1, 2) 96.016 49.284 60.967 МАФ(1,2) 92.645 49.289 60.128 ОЛИМП(3, 0)x(1,0) 82.200 60.863 66.197 ОЛИМП(1, 1)x(1,0) 85.032 50.574 59.188 ОЛИМП(1, 0)x(1,1) 85.032 50.574 59.188 АРИСС(0, 2,1) 99.900 52.503 64.352

ОЛИМП(2, 0)x(1,1) 73.041 53.712 58.545 ОЛИМП(2, 1)x(1,0) 73.040 53.712 58.544 ОЛИМП(1, 1)x(1,1) 84.414 50.212 58.763 АРИСС(1, 2,0) 92.645 49.289 60.128 ОЛИМП(3, 1)x(0,1) 94.227 59.099 67.881 ОЛИМП(2, 1)x(1,1) 87.046 51.497 60.384 ОЛИМП(2, 0)x(1,0) 77.766 51.438 58.020 АРИСС(1, 2,1) 99.817 49.733 62.254 ОЛИМП(3, 1)x(1,1) 90.205 66.552 72.465 ОЛИМП(3, 1)x(1,0) 78.316 55.527 61.224

Лучшая модель ОЛИМП(3, 1)x(1,1) Параметры моделей

Модель a1 a2 a3 a4 a5 a6 ОЛИМП(3, 1)x(1,1) -1.198 0.195 0.346 0.041 0.303 0.921

Таблица остатков

номер Факт Расчет Ошиб. абс. Ошиб.относит. 5 219.500 220.274 -0.774 -0.353 6 187.700 179.924 7.776 4.143 7 159.400 161.089 -1.689 -1.059 8 126.400 121.888 4.512 3.569 9 118.100 127.158 -9.058 -7.670 10 115.400 121.678 -6.278 -5.440 11 110.600 104.277 6.323 5.717 12 108.700 95.135 13.565 12.479 13 131.600 133.871 -2.271 -1.726 14 147.500 143.244 4.256 2.885 15 161.100 155.674 5.426 3.368 16 178.800 183.610 -4.810 -2.690

Характеристики остатков Характеристика Значение

Среднее значение 1.415 Дисперсия 40.130 Приведенная дисперсия 50.558 Средний модуль остатков 5.562 Относительная ошибка 4.258 Критерий Дарбина-Уотсона 1.987 Коэффициент детерминации 0.998 F - значение ( n1 = 1, n2 = 10) 5391.908 Критерий адекватности 90.205 Критерий точности 66.552 Критерий качества 72.465 Уравнение значимо с вероятностью 0.95

Таблица 12

Таблица прогнозов (p = 95%) Упреждение Прогноз Нижняя граница Верхняя граница

1 181.612 167.742 195.483 2 176.879 161.502 192.256 3 165.759 150.197 181.321

Рис. 3

Модели временного ряда для фактора X2

Таблица 13

Таблица кривых роста

Функция Критерий Эластичность Y(t)=+443.325+45.896*t 5316.017 0.468 Y(t)=+337.192+81.273*t -2.081*t*t 3822.054 0.444 Y(t)= +478.629*exp(+0.060*t) 9123.510 0.513 Y(t)= +315.292+270.291*ln(t) 7723.690 0.302 Y(t)= (+389.502)*(+1.138)**t*(+0.996)**(t*t) 3466.563 0.000 Y(t)= +204.743+7.693*t+202.674*sqr(t) 4694.612 0.419 Y(t)= t/(+0.003+0.001*t) 7997.926 0.342 Выбрана функция Y(t)= (+389.502)*(+1.138)**t*(+0.996)**(t*t)

Характеристики базы моделей

Модель Адекватность Точность Качество Y(t)= (+389.502)*(+1.138)**t*(+0.996)**(t*t) 99.264 56.112 66.900 Мультипл. Модель Уинтерса 31.283 62.364 54.594 Аддитивная модель Уинтерса 43.646 60.635 56.388 ОЛИМП(1, 1)x(0,1) 96.508 53.867 64.527 ОЛИМП(1, 0)x(0,1) 86.099 44.062 54.571 ОЛИМП(2, 1) 95.353 45.447 57.923 ОЛИМП(2, 0) 89.432 44.812 55.967 ОЛИМП(2, 1)x(0,1) 99.011 51.194 63.148 ОЛИМП(2, 0)x(0,1) 95.353 45.447 57.923 ОЛИМП(3, 0) 55.909 53.566 54.151 ОЛИМП(3, 1)x(0,1) 64.575 68.536 67.546 ОЛИМП(3, 1) 63.010 65.754 65.068 АРИСС(1, 1,0)x(0,1,1) 52.591 54.352 53.911 АРИСС(1, 1,1) 80.475 49.933 57.568 АРИСС(1, 1,1)x(0,1,1) 52.573 53.899 53.567 АРИСС(2, 1,0) 68.760 48.901 53.866 АРИСС(2, 1,0)x(0,1,1) 62.303 49.690 52.844

АРИСС(2, 1,1) 88.384 50.288 59.812 ОЛИМП(3, 0)x(0,1) 59.780 65.442 64.027 ОЛИМП(1, 1) 86.136 44.066 54.583 Лучшая модель ОЛИМП(3, 1)x(0,1) Параметры моделей

Модель a1 a2 a3 a4 a5 ОЛИМП(3, 1)x(0,1) -0.671 0.120 -0.285 0.002 1.093

Таблица остатков

номер Факт Расчет Ошибка абс.

Ошибка относит.

4 497.000 371.978 125.022 25.155 5 780.000 801.117 -21.117 -2.707 6 782.000 775.236 6.764 0.865 7 784.000 778.424 5.576 0.711 8 786.000 704.423 81.577 10.379 9 970.000 987.968 -17.968 -1.852 10 975.000 983.328 -8.328 -0.854 11 979.000 997.073 -18.073 -1.846 12 990.000 976.575 13.425 1.356 13 1073.000 1099.729 -26.729 -2.491 14 1075.000 1092.254 -17.254 -1.605 15 1077.000 1090.725 -13.725 -1.274 16 1084.000 1076.868 7.132 0.658

Характеристики остатков Характеристика Значение

Среднее значение 8.946 Дисперсия 1839.854 Приведенная дисперсия 2268.962 Средний модуль остатков 27.899 Относительная ошибка 3.981 Критерий Дарбина-Уотсона 2.275 Коэффициент детерминации 0.998 F – значение ( n1 = 1, n2 = 11) 4912.568 Критерий адекватности 64.575 Критерий точности 68.536 Критерий качества 67.546 Уравнение значимо с вероятностью 0.95

Таблица 14

Таблица прогнозов (p = 95%)

Упреждение Прогноз Нижняя граница

Верхняя граница

1 1118.814 1032.101 1205.527 2 1133.842 1046.105 1221.579 3 1141.881 1054.099 1229.663

Аппроксимация и Прогноз

370

470

570

670

770

870

970

1070

1170

1270

1370

4 5 6 7 8 9 10 11 12 13 14 15 16 1 2 3

Верхняя

граница

Прогноз

Нижняя

граница

Факт

Возврат в ОТЧЕТ

Рис.4

Модели временного ряда для фактора X3

Таблица 15

Таблица кривых роста

Функция Критерий Эластичность Y(t)=+1.731+0.196*t 0.446 0.491 Y(t)=+0.069+0.750*t -0.033*t*t 0.014 0.408 Y(t)= +1.531*exp(+0.083*t) 0.911 0.704 Y(t)= +0.759+1.377*ln(t) 0.116 0.372 Y(t)= (+0.682)*(+1.423)**t*(+0.984)**(t*t) 0.175 0.000 Y(t)= -3.290-0.608*t+4.265*sqr(t) 0.024 0.264 Y(t)= t/(+0.861+0.173*t) 0.116 0.369 Выбрана функция Y(t)=+0.069+0.750*t -0.033*t*t

Характеристики базы моделей Модель Адекватность Точность Качество

Y(t)=+0.069+0.750*t -0.033*t*t 41.757 68.951 62.153 Мультипл. модель Уинтерса 76.351 19.253 33.527 Аддитивная модель Уинтерса 74.901 19.955 33.692 Эволюции (Хольта-Уинтерса) 39.379 27.201 30.246 АР(1, 2) 82.131 75.753 77.347 МАФ(1,2) 87.059 76.734 79.316 АР(2, 2) 84.739 74.353 76.950 МАФ(2,2) 62.160 79.560 75.210 АРИСС(0, 2,1) 78.106 74.135 75.127 АРИСС(1, 2,0) 92.862 79.447 82.801 АРИСС(1, 2,1) 88.076 79.013 81.279 АРИСС(2, 2,0) 88.045 80.628 82.482 АРИСС(2, 2,1) 96.563 82.255 85.832 ОЛИМП(4, 0) 80.510 85.008 83.883 ОЛИМП(4, 1) 89.900 85.192 86.369 ОЛИМП(1, 1) 93.867 75.608 80.173 ОЛИМП(2, 0) 51.389 80.009 72.854 ОЛИМП(2, 1) 69.783 82.044 78.979 ОЛИМП(3, 0) 48.067 76.835 69.643

ОЛИМП(3, 1) 87.696 84.054 84.965 Лучшая модель ОЛИМП(4, 1) Параметры моделей

Модель a1 a2 a3 a4 a5 a6 ОЛИМП(4, 1) -0.695 -0.507 0.185 0.155 -0.323 0.000

Таблица остатков

номер Факт Расчет Ошибка абс.

Ошибка относит.

5 3.070 2.993 0.077 2.515 6 3.419 3.414 0.005 0.146 7 3.756 3.877 -0.121 -3.231 8 4.129 4.332 -0.203 -4.922 9 4.179 4.095 0.084 2.021 10 4.219 4.158 0.061 1.456 11 4.244 4.266 -0.022 -0.522 12 4.290 4.364 -0.074 -1.725 13 4.204 4.146 0.058 1.372 14 4.155 4.137 0.018 0.425 15 3.976 3.856 0.120 3.017 16 3.925 3.928 -0.003 -0.088

Характеристики остатков Характеристика Значение

Среднее значение 0.000 Дисперсия 0.008 Приведенная дисперсия 0.010 Средний модуль остатков 0.071 Относительная ошибка 1.787 Критерий Дарбина-Уотсона 1.769 Коэффициент детерминации 0.999 F - значение ( n1 = 1, n2 = 10) 19600.825 Критерий адекватности 89.900 Критерий точности 85.192 Критерий качества 86.369 Уравнение значимо с вероятностью 0.95

Таблица 16

Таблица прогнозов (p = 95%)

Упреждение Прогноз Нижняя граница

Верхняя граница

1 3.857 3.656 4.059 2 3.822 3.120 4.524 3 3.801 2.445 5.158

Аппроксимация и Прогноз

2

2.5

3

3.5

4

4.5

5

5.5

5 6 7 8 9 10 11 12 13 14 15 16 1 2 3

Верхняя

граница

Прогноз

Нижняя

граница

Факт

Возврат в ОТЧЕТ

Рис. 5

Прогнозные значения факторов X1, X2, X3 на три шага вперед представлены в таблицах протокола решения (табл.12, табл.14, табл.16). Значения точечного прогноза из этих таблиц запишем в таблицу исходных данных (табл. 17).

Таблица 17 Исходные данные

В таблице 18 и таблице 19 представлен протокол решения прогноза модели.

Таблица 18

Оценки коэффициентов линейной регрессии

Переменная Коэффи циент

Среднекв. отклонение

t- значение

Нижняя оценка

Верхняя оценка

Эластич ность

Бета- коэф-т

Дельта- коэф-т

Св. член 560.001 7.280 76.919 552.033 567.968 0.000 0.000 0.000 Показатель- 2 -0.045 0.019 -2.359 -0.066 -0.024 -0.083 0.270 -0.747 Показатель- 3 -20.056 3.384 -5.927 -23.759 -16.352 -0.151 -0.631 1.747 Кpитическое значения t- pаспpеделения пpи 10 степенях свободы (p=85%) = +1.094

2001 2002 1 2 3 4 1 2 3 4

X1 184,8 195,9 212,00 230,60 219,5 187,7 159,4 126,4 X2 493,0 494,0 496,00 497,00 780,0 782,0 784,0 786,0 X3 0,65 1,32 2,12 2,72 3,07 3,42 3,76 4,13 Y 521,0 516,0 495,00 474,00 470,0 460,0 457,0 443,0

2003 2004 2005 1 2 3 4 1 2 3 4 1 2 3 X1 118,1 115,4 110,6 108,7 131,6 147,5 161,1 178,8 181,6 176,9 165,8 X2 970,0 975,0 979,0 990,0 1073,0 1075 1077 1084 1118,8 1133,8 1141,9 X3 4,18 4,22 4,24 4,29 4,20 4,16 3,98 3,93 3,86 3,82 3,80 Y 439,0 435,0 421,0 425,0 423,0 418,0 411,0 407,0 0 0 0

Таблица остатков

номер Факт Расчет Ошибка абс.

Ошибка относит.

1 521.000 524.811 -3.811 -0.731 2 516.000 511.329 4.671 0.905 3 495.000 495.335 -0.335 -0.068 4 474.000 483.237 -9.237 -1.949 5 470.000 463.506 6.494 1.382 6 460.000 456.417 3.583 0.779 7 457.000 449.569 7.431 1.626 8 443.000 441.998 1.002 0.226 9 439.000 432.757 6.243 1.422

10 435.000 431.731 3.269 0.751 11 421.000 431.051 -10.051 -2.387 12 425.000 429.636 -4.636 -1.091 13 423.000 427.644 -4.644 -1.098

Характеристики остатков Характеристика Значение

Среднее значение -0.002 Дисперсия 32.826 Приведенная дисперсия 42.674 Средний модуль остатков 5.031 Относительная ошибка 1.109 Критерий Дарбина-Уотсона 1.714 Коэффициент детерминации 1.000 F - значение ( n1 = 2, n2 = 10) 32377.222 Критерий адекватности 77.016 Критерий точности 90.679 Критерий качества 87.263 Уравнение значимо с вероятностью 0.95

Таблица 19

Таблица прогнозов (p = 95%)

Упреждение Прогноз Нижняя граница

Верхняя граница

1 428.538 421.235 435.840 2 432.038 423.976 440.100 3 432.747 424.238 441.257

На рисунке 6 представлены фактические данные количества населения,

занятого в промышленности, за исследуемый период и их аппроксимация с

помощью построенной регрессионной модели. Кроме того, на рисунке

представлены данные табл. 19, т.е. прогноз на 1, 2, 3 кварталы. График служит

для наглядности данных и для подтверждения качества модели.

Аппроксимация и Прогноз

400

420

440

460

480

500

520

540

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 2 3

Верхняя

граница

Прогноз

Нижняя

граница

Факт

Возврат в ОТЧЕТ

Рис. 6. Прогноз с данными точечного прогноза.

В таблице 18 «Характеристики остатков» приведен вывод значимости

построенной модели. Значение критерия качества модели равно 87,263. Это

говорит о том, что модель можно использовать для прогнозирования. Для

наглядности представления данных строятся графики (рис. 7, рис.8).

Относительная ошибка %

-4.000

-3.000

-2.000

-1.000

0.000

1.000

2.000

3.000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Возврат в ОТЧЕТ

Рис.7

Абсолютная ошибка

-12.000

-10.000

-8.000

-6.000

-4.000

-2.000

0.000

2.000

4.000

6.000

8.000

10.000

1 2 3 4 5 6 7 8 9 10 11 12 13

Возврат в ОТЧЕТ

Рис.8

Список использованной литературы

1. Орлова И.В., Половников В.А. Экономико-математические методы и

модели: компьютерное моделирование: Учеб. пособие – М.: Вузовский

учебник, 2007.

2. Эконометрика: Учебник / Под ред. И.И.Елисеевой. - 2-е изд.; перераб. и

доп. - М.: Финансы и статистика, 2005. - 576с.

3. Практикум по эконометрике: Учебное пособие / Под ред. Елисеевой И.И.

- М.: Финансы и статистика, 2004. - 192с

4. Орлов А.И. Эконометрика: Учеб. пособие для вузов – М.: «Экзамен»,

2002.

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