Примечание к решению типовых задач. 5 глава




Коэффициент корреляции, равный 0,9075, показывает, что выявлена весьма тесная зависимость между общей суммой доходов населения за год и оборотом розничной торговли за год. Коэффициент детерминации, равный 0,824, устанавливает, что вариация оборота розничной торговли на 82,4% из 100% предопределена вариацией общей суммы доходов населения; роль прочих факторов, влияющих на розничный товарооборот, определяется в 17,6%, что является сравнительно небольшой величиной.

7.Для оценки статистической надёжности выявленной зависимости дохода от доли занятых рассчитаем фактическое значение F -критерия Фишера – Fфактич . и сравним его с табличным значением – Fтабл. По результатам сравнения примем решения по нулевой гипотезе , то есть, либо примем, либо отклоним её с вероятностью допустить ошибку, которая не превысит 5% (или с уровнем значимости α=0,05).

В нашем случае, . Фактическое значение критерия показывает, что факторная вариация результата почти в 33 раза больше остаточной вариации, сформировавшейся под влиянием случайных причин. Очевидно, что подобные различия не могут быть случайными, а являются результатом систематического взаимодействия оборота розничной торговли и общей суммы доходов населения. Для обоснованного вывода сравним полученный результат с табличным значением критерия: при степенях свободы d.f.1=k-1=1 и d.f.2=n-k=9-2=7 и уровне значимости α=0,05.

Значения представлены в таблице «Значения F -критерия Фишера для уровня значимости 0,05 (или 0,01)». См. приложение 1 данных «Методических указаний…».

В силу того, что , нулевую гипотезу о статистической незначимости выявленной зависимости оборота розничной торговли от общей суммы доходов населения и её параметрах можно отклонить с фактической вероятностью допустить ошибку значительно меньшей, чем традиционные 5%.

8. Определим теоретические значения результата Yтеор. Для этого в полученное уравнение последовательно подставим фактические значения фактора X и выполним расчёт.

Например, . См. гр. 5 расчётной таблицы. По парам значений Yтеор. и Xфакт. строится теоретическая линия регрессии, которая пересечётся с эмпирической регрессией в нескольких точках. См. график 1.

9. Оценку качества модели дадим с помощью скорректированной средней ошибки аппроксимации:

.

В нашем случае скорректированная ошибка аппроксимации составляет 10,2%. Она указывает на невысокое качество построенной линейной модели и ограничивает её использование для выполнения точных прогнозных расчётов даже при условии сравнительно небольшого изменения фактора X (относительно его среднего значения ).


 
 

График 1

10. Построение логарифмической функции предполагает предварительное выполнение процедуры линеаризации исходных переменных. В данном случае, для преобразования нелинейной функции в линейную введём новую переменную , которая линейно связана с результатом. Следовательно, для определения параметров модели будут использованы традиционные расчётные приёмы, основанные на значениях определителей второго порядка. См. расчётную таблицу №4.

Расчётная таблица №4

А                  
  11,6 2,451 7,3 6,007 17,892 7,0 0,3 0,1 2,4
  14,8 2,695 9,3 7,261 25,060 9,3 0,0 0,0 0,4
  19,0 2,944 14,0 8,670 41,222 11,6 2,4 5,8 17,9
  19,1 2,950 9,4 8,701 27,727 11,6 -2,2 4,8 16,6
  26,2 3,266 15,6 10,665 50,946 14,6 1,0 1,0 7,6
  27,5 3,314 12,1 10,984 40,102 15,0 -2,9 8,4 21,8
  30,0 3,401 16,3 11,568 55,440 15,8 0,5 0,3 3,4
  37,3 3,619 16,7 13,097 60,437 17,9 -1,2 1,4 8,8
  39,5 3,676 20,5 13,515 75,364 18,4 2,1 4,4 15,5
Итого   28,316 121,2 90,468 394,190 121,2 0,0 26,2 94,2
Средняя   3,146 13,5 2,9 10,5
Сигма   0,391 4,04
Дисперсия, D   0,153 16,29

Расчёт определителей второго порядка даёт следующие результаты:

; ; . Отсюда получаем параметры уравнения:

Полученное уравнение имеет вид: .

Оценочные показатели позволяют сделать вывод, что линейно-логарифмическая функция описывает изучаемую связь хуже, чем линейная модель: оценка тесноты выявленной связи ρ=0,9066 (сравните с 0,9075), скорректированная средняя ошибка аппроксимации здесь выше и составляет 10,5%, то есть возможности использования для прогноза данной модели более ограничены.

Таким образом, можно придти к выводу, что по сравнению с линейной моделью данное уравнение менее пригодно для описания изучаемой связи.

11. Выполним расчёт параметров уравнения параболы второго порядка. В этом случае используются определители третьего порядка, расчёт которых выполняется по стандартным формулам и требует особого внимания и точности. См. расчётную таблицу 5

По материалам табл. 5 выполним расчёт четырёх определителей третьего порядка по следующим формулам:

Δ = n*Σx2*Σx4 + Σx*Σx3*Σx2 + Σx*Σx3*Σx2 – Σx2*Σx2*Σx2 – Σx*Σx*Σx4 – Σx3*Σx3*n =

= 331.854.860,7;

Δa0 = Σy*Σx2*Σx4 + Σx*Σx3*Σ(y*x2)+ Σ(y*x)*Σx3*Σx2 – Σ(y*x2)*Σx2*Σx2

- Σ(y*x)*Σx*Σx4 – Σx3*Σx3*Σy = 751.979.368,8

Δa1 = n*Σ(y*x)*Σx4 + Σy*Σx3*Σx2 + Σx*Σ(y*x2)*Σx2 – Σx2*Σ(y*x)* Σx2 – Σx*Σy* Σx4 -

- Σ(y*x2)*Σx3*n = 167.288.933,1

Δa2 = n*Σx2*Σ(y*x2) + Σx*Σyx*Σx2 + Σx*Σx3*Σy – Σx2*Σx2*Σy – Σx*Σx*Σ(y*x2) –

- Σx3*Σ(y*x)*n = - 656.926,8

В результате получаем следующие значения параметров уравнения параболы:

; ;

Уравнение имеет следующий вид: . Для него показатель детерминации составляет 82,7%, Fфактич. = 14,3, а ошибка аппроксимации 10,7%.

Как видим, по сравнению с линейной функцией построить уравнения параболы гораздо сложнее, а изучаемую зависимость она описывает почти с той же точностью, хотя надёжность уравнения параболы значительно ниже (для линейной модели Fфактич. = 32,8,а для параболы Fфактич.= 14,3). Поэтому в дальнейшем анализе парабола второго порядка использоваться не будет.

Расчётная таблица №5

А                      
  11,6 7,3 84,7 6,007 17,892 18106,4 982,3 7,8 -0,5 0,3 4,1
  14,8 9,3 137,6 7,261 25,060 47978,5 2037,1 9,3 0,0 0,0 0,1
    14,0 266,0 8,670 41,222 130321,0 5054,0 11,1 2,9 8,4 21,3
  19,1 9,4 179,5 8,701 27,727 133086,3 3429,2 11,2 -1,8 3,2 13,2
  26,2 15,6 408,7 10,665 50,946 471199,9 10708,5 14,1 1,5 2,3 11,0
  27,5 12,1 332,8 10,984 40,102 571914,1 9150,6 14,6 -2,5 6,3 18,8
    16,3 489,0 11,568 55,440 810000,0 14670,0 15,6 0,7 0,5 5,1
  37,3 16,7 622,9 13,097 60,437 1935687,9 23234,5 18,3 -1,6 2,6 12,0
  39,5 20,5 809,8 13,515 75,364 2434380,1 31985,1 19,1 1,4 2,0 10,5
Итого   121,2 3331,0 90,468 394,190 6552674,1 101251,3 121,2 0,0 25,6 96,0
Средняя 25,0 13,5 2,8 10,7
Сигма 9,12 4,04
D 83,18 16,29

 

12. Проведём расчёт параметров степенной функции, которому также предшествует процедура линеаризации исходных переменных. В данном случае выполняется логарифмирование обеих частей уравнения, в результате которого получаем уравнение, где линейно связаны значения логарифмов фактора и результата. Исходное уравнение после логарифмирования приобретает следующий вид: . Порядок расчёта приведён в таблице 6.

Расчётная таблица №6

А                    
  11,6 7,3 2,4510 1,9879 4,8723 4,8723 2,0330 0,0020 7,6 2,5
  14,8 9,3 2,6946 2,2300 6,0091 6,0091 2,2148 0,0002 9,2 1,0
  19,0 14,0 2,9444 2,6391 7,7705 7,7705 2,4011 0,0566 11,0 22,0
  19,1 9,4 2,9497 2,2407 6,6094 6,6094 2,4050 0,0270 11,1 12,5
  26,2 15,6 3,2658 2,7473 8,9719 8,9719 2,6408 0,0113 14,0 11,7
  27,5 12,1 3,3142 2,4932 8,2629 8,2629 2,6770 0,0338 14,5 18,1
  30,0 16,3 3,4012 2,7912 9,4933 9,4933 2,7419 0,0024 15,5 5,8
  37,3 16,7 3,6190 2,8154 10,1889 10,1889 2,9044 0,0079 18,3 11,5
  39,5 20,5 3,6763 3,0204 11,1040 11,1040 2,9471 0,0054 19,1 10,8
Итого   121,2 28,3162 22,9651 73,2824 73,2824 22,9651 0,1467 120,3 96,0
Средняя   13,5 3,1462 2,5517 10,7
Сигма     0,3914 0,3187
D     0,1532 0,1016

 

В результате расчёта получены следующие значения определителей второго порядка:

12,4075;

2,5371;

9,25642.

Параметры степенной функции составляют:

; .

 

Уравнение имеет вид: lnY=ln a0 + a1*ln X = 0,2045 + 0,7460*X, а после процедуры потенцирования уравнение приобретает окончательный вид:

или .

Полученное уравнение несколько лучше описывает изучаемую зависимость и более надёжно по сравнению с линейной моделью. Степенная модель имеет детерминацию на уровне 84,0% (против 82,4% по линейной модели), Fфакт. =36,6 (против 33,1 для линейной модели) и ошибку аппроксимации на уровне 10,7% (сравните с 10,9% для уравнения прямой).

Очевидно, что преимущества степенной модели по сравнению с линейной не столь значительны, но её построение заметно сложнее и требует значительно больших усилий. Поэтому окончательный выбор, в данном конкретном случае, сделаем в пользу модели, которая является более простой при построении, анализе и использовании, то есть в пользу линейной модели:

Заключительным этапом решения данной задачи является выполнение прогноза и его оценка.

Если предположить, что прогнозное значение общей суммы доходов населения, например, Новгородской области, (см. табл.2 строка 2) возрастёт с 14,8 млрд. руб.на 5,7% и составит 15,6 млрд. руб., то есть Xпрогнозн.= 14,8*1,057=15,6, тогда прогнозное значение результата сформируется на уровне: Yпрогнозн. =3,415+0,402*15,6=9,7 (млрд. руб.). То есть, прирост фактора на 5,7% приводит к приросту результата на 4,2 процента (.

Рассчитаем интегральную ошибку прогноза - , которая формируется как сумма двух ошибок: из ошибки прогноза как результата отклонения прогноза от уравнения регрессии- и ошибки прогноза положения регрессии - . То есть, .

В нашем случае , где k- число факторов в уравнении, которое в данной задаче равно 1. Тогда (млрд. руб.).

Ошибка положения регрессии составит: =

= = = 0,914 (млрд. руб.).

Интегральная ошибка прогноза составит: = = 2,1 (млрд. руб.).

Предельная ошибка прогноза, которая не будет превышена в 95% возможных реализаций прогноза, составит: = 2,365*2,1 = 5,011 ≈ 5,0 (млрд. руб.). Табличное значение t -критерия для уровня значимости α=0,05 и для степеней свободы n-k-1 = 9-1-1=7 составит 2,365. (См. табл. приложения 2). Следовательно, ошибка большинства реализаций прогноза не превысит млрд. руб.

Это означает, что фактическая реализация прогноза будет находиться в доверительном интервале . Верхняя граница доверительного интервала составит

= 9,7 + 5,0 = 14,7(млрд. руб.).

Нижняя граница доверительного интервала составит:

= 9,7 - 5,0 = 4,7(млрд. руб.).

Относительная величина различий значений верхней и нижней границ составит: = раза. Это означает, что верхняя граница в 3,12 раза больше нижней границы, то есть точность выполненного прогноза весьма невелика, но его надёжность на уровне 95% оценивается как высокая. Причиной небольшой точности прогноза является повышенная ошибка аппроксимации. Здесь её значение выходит за границу 5-7% из-за недостаточно высокой типичности линейной регрессии, которая проявляется в присутствии единиц с высокой индивидуальной ошибкой. Если удалить территории с предельно высокой ошибкой (например, Калининградскую область с ), тогда качество линейной модели и точность прогноза по ней заметно повысятся.

Задача №2.

Выполняется изучение социально-экономических процессов в регионах Южного федерального округа РФ по статистическим показателям за 2000 год.

Y – оборот розничной торговли, млрд. руб.;

X1 – инвестиции 2000 года в основной капитал, млрд. руб.;

X2 – средний возраст занятых в экономике, лет

X3 – среднегодовая численность населения, млн. чел.

Требуется изучить влияние указанных факторов на оборот розничной торговли.

Предварительный анализ исходных данных по 12 территориям выявил наличие двух территорию (Краснодарский край и Ростовская обл.) с аномальными значениями признаков. Эти территории должны быть исключены из дальнейшего анализа. Значения приводимых показателей рассчитаны без учёта указанных аномальных единиц.

При обработке исходных данных получены следующие значения:

А) - линейных коэффициентов парной корреляции, средних и средних квадратических отклонений -σ:

N=10.

 
  0,7938 0,2916 0,8891
0,7938   0,2994 0,6693
0,2916 0,2994   0,0113
0,8891 0,6693 0,0113  
Средняя 8,878 5,549 38,79 1,160
8,7838 5,1612 1,0483 0,90107

Б) - коэффициентов частной корреляции

 
  0,4726 0,5169 0,8511
0,4726   0,0521 -0,0793
0,5156 0,0521   -0,5598
0,8511 -0,0793 -0,5598  

Задание:

1. По значениям линейных коэффициентов парной и частной корреляции выберите неколлинеарные факторы и рассчитайте для них коэффициенты частной корреляции. Произведите окончательный отбор информативных факторов во множественную регрессионную модель.

2. Выполните расчёт бета коэффициентов (b) и постройте с их помощью уравнение множественной регрессии в стандартизованном масштабе. Проанализируйте с помощью бета коэффициентов (b) силу связи каждого фактора с результатом и выявите сильно и слабо влияющие факторы.

3. По значениям b -коэффициентов рассчитайте параметры уравнения в естественной форме (то есть a1, a2, и a0). Проанализируйте их значения. Сравнительную оценку силы связи факторов дайте с помощью общих (средних) коэффициентов эластичности - .

4. Оцените тесноту множественной связи с помощью R и R 2, а статистическую значимость уравнения и тесноту выявленной связи - через F -критерий Фишера (для уровня значимости a =0,05).



Поделиться:




Поиск по сайту

©2015-2024 poisk-ru.ru
Все права принадлежать их авторам. Данный сайт не претендует на авторства, а предоставляет бесплатное использование.
Дата создания страницы: 2016-04-11 Нарушение авторских прав и Нарушение персональных данных


Поиск по сайту: