Автор работы: Пользователь скрыл имя, 25 Сентября 2010 в 19:37, Не определен
Контрольная работа
Для определения неизвестных
nb0 + b1∑X1 + b2∑X2 = ∑Y
b0∑X1 + b1∑X12 + b2∑X1X2 = ∑X1Y
b0∑X2 + b1∑X1X2 + b2 ∑X22= ∑X2Y.
Для решения этой системы вначале необходимо определить значения величин, которые определяем из таблицы исходных данных, дополняя ее соответствующими колонками (таблица 4).
Таблица 4 – К расчету коэффициентов регрессии
№ п/п | Уi | Х1i | Х2i | Х1iУi | Х2iУi | Х1iХ2i |
Х1i2 | Х2i2 |
1 | 6,6 | 6,9 | 83,6 | 45,54 | 551,76 | 576,84 | 47,61 | 6988,96 |
2 | 6,5 | 107,9 | 50,4 | 701,35 | 327,6 | 5438,16 | 11642,41 | 2540,16 |
3 | 2,4 | 18,8 | 11,2 | 45,12 | 26,88 | 210,56 | 353,44 | 125,44 |
4 | 3,0 | 35,3 | 16,4 | 105,9 | 49,2 | 578,92 | 1246,09 | 268,96 |
5 | 2,4 | 31,5 | 12,5 | 75,6 | 30 | 393,75 | 992,25 | 156,25 |
6 | 1,8 | 13,8 | 6,5 | 24,84 | 11,7 | 89,7 | 190,44 | 42,25 |
7 | 2,4 | 64,8 | 22,7 | 155,52 | 54,48 | 1470,96 | 4199,04 | 501,76 |
8 | 1,6 | 30,4 | 15,8 | 48,64 | 25,28 | 480,32 | 924,16 | 249,64 |
9 | 1,4 | 12,1 | 9,3 | 16,94 | 13,02 | 112,53 | 146,1 | 86,49 |
10 | 0,9 | 31,3 | 18,9 | 28,17 | 17,01 | 591,57 | 979,69 | 357,21 |
∑ | 29 | 352,6 | 247,3 | 1247,62 | 1106,93 | 9943,31 | 20721,23 | 11317,12 |
Тогда система приобретает вид:
10b0 + 352,6b1 + 247,3b2 = 29
352,6b0 + 20721,23b1 + 9943,31b2 = 1247,62
247,3b0 +9943,31b1 + 11317,12b2= 1106,93.
Для решения данной системы воспользуемся методом Гаусса, который заключается в последовательном исключении неизвестных.
→ .
После преобразования имеем:
b0 + 35,26b1 + 24,73b2 = 2,9
b1 + 0,148b2 = 0,027
5020,311b2=356,725.
Откуда:
b2= 0,07, b1 = 0,017, b0 = 0,57.
Тогда окончательно зависимость чистого дохода от оборота капитала и использованного капитала в виде линейного уравнения множественной регрессии имеет вид:
У = 0,57 + 0,017Х1 + 0,07Х2
Из полученного эконометрического уравнения видно, что с увеличением используемого капитала чистый доход увеличивается, и с увеличением оборота капитала чистый доход увеличивается. Кроме того, чем больше величина коэффициента регрессии, тем значительнее влияние объясняющей переменной на зависимую переменную. В данном случае величина b2 больше, чем величина коэффициента b1, следовательно, используемый капитал оказывает значительно большее влияние на чистый доход, чем оборот капитала.
Для количественной оценки указанного вывода определим частные коэффициенты эластичности:
;
.
Анализ
полученных результатов также показывает,
что большее влияние на чистый доход оказывает
используемый капитал. Так, в частности,
при увеличении используемого капитала
на 1% чистый доход увеличивается на 0,6
%. В то же время, с ростом оборота капитала
на 1% чистый доход увеличивается на 0,21
%.
Теоретическое значение критерия Фишера Fт:
,
Критическое
значение Fкрит определяется по статистическим
таблицам и для уровня значимости 0,05 равняется
4,74. Так как Fт > Fкрит, то нулевая гипотеза
отвергается, и полученное уравнение регрессии
принимается статистически значимым.
Оценка статистической значимости коэффициентов регрессии b1 и b2 сводится к сопоставлению численного значения этих коэффициентов с величиной их случайных ошибок mb1 и mb2 по зависимости:
Рабочая
формула для расчета
где парные коэффициенты корреляции и коэффициент множественной регрессии рассчитываются по зависимостям:
Тогда теоретические значения t–статистик соответственно равны:
tb1=–741,66, tb2 = -589,6.
Поскольку
критическое значение t–статистики,
определенное по статистическим таблицам
для уровня значимости 0,05 равно tкрит=2,36,
больше по величине обеих значений, то
нулевая гипотеза не отвергается, и обе
объясняющие переменные являются незначимыми.
Для определения средней ошибки аппроксимации составим таблицу.
Таблица 5 – К расчету средней ошибки аппроксимации
№ п/п | Уi | Х1i | Х2i | ||
1 | 6,6 | 6,9 | 83,6 | 6,54 | 0,0091 |
2 | 6,5 | 107,7 | 50,4 | 5,93 | 0,088 |
3 | 2,4 | 18,8 | 11,2 | 1,67 | 0,304 |
4 | 3,0 | 35,3 | 16,4 | 2,32 | 0,2267 |
5 | 2,4 | 31,5 | 12,5 | 1,98 | 0,175 |
6 | 1,8 | 13,8 | 6,5 | 1,26 | 0,3 |
7 | 2,4 | 64,8 | 22,7 | 3,26 | 0,3583 |
8 | 1,6 | 30,4 | 15,8 | 2,19 | 0,369 |
9 | 1,4 | 12,1 | 9,3 | 1,43 | 0,0214 |
10 | 0,9 | 31,3 | 18,9 | 2,43 | 1,7 |
S | 29 | 352,6 | 247,3 | 29,01 | 3,5515 |
Тогда средняя ошибка аппроксимации равна:
Полученное
значение превышает допустимый предел
12-15%, поэтому построенную модель нельзя
назвать точной.