Построение модели прогноза инвестиционной привлекательности Калужской области на основе данных государственной статистики

Автор работы: Пользователь скрыл имя, 25 Января 2012 в 17:02, курсовая работа

Описание работы

Целью данной работы является построение модели прогноза инвестиционной привлекательности Калужской области на основе данных государственной статистики, исследуя долю инвестиций в основной капитал (%); долю иностранных инвестиций (%) и износ.
Для достижения поставленной цели решены следующие задачи:
• собрать информацию о Калужской области;
• собрать информацию о долях инвестиций в основной капитал и иностранных инвестиций по регионам России за 1999-2009 гг.;
• исследовать данные на корреляцию;
• исследовать данные на ложную корреляцию;
• аппроксимация модели связи и расчет прогноза.

Файлы: 1 файл

Курсовая Статистика3 курс.doc

— 1.01 Мб (Скачать файл)
 

      На основе выполненного расчета в таблице 5 делаем вывод, что уравнение имеет  вид: ΔУ=-0,75063+2,879302ΔX. Проверим значимость каждого коэффициента уравнения регрессии. Для этого рассчитаем значение t-статистики по формуле 6.

     В нашем примере эти показатели равны: (см. таблица 6)

Таблица 6

a1 3,528517406 tрасч для  a1 6,079163744 tтабл 2,262157158
a0 -1,842146565 tрасч для  a0 -5,159943136 tтабл 2,262157158
 

      Для более объективной оценки качества аппроксимации модели рассчитаем скорректированный  R2 по формуле 7.

     

Для первоначального  уравнения R2ск ==1-(10/(11-1-1))*((1- 0,580428091^2))= 0,263218632. Таким образом, данная модель надежна на 56,5%.

Шаг 6. Проверка остатков на наличие в них автокорреляции

     Для проверки надежности результатов регрессии  необходимо выполнение предпосылок теоремы Гаусса-Маркова, основная из которых состоит в том, чтобы не наблюдалась автокорреляция остатков. Для её проверки используются несколько критериев, мы применим самый простой из них - коэффициент автокорреляции ra (см формулу 8). Расчет коэффициента автокорреляции для нашего примера приводится в таблице 7.

                                                                                                                                   Таблица 7.

      

      
  Y(x;t) Остатки модели регрессии, et et-1 et*et-1 et^2
1 -1,173555 2,25029 - - 5,063805304
2 -1,2135447 1,950292 1,250290049 2,43843083 3,803639353
3 -1,1733657 1,895806 0,95029212 1,801569153 3,594078993
4 -1,1738221 2,058556 0,895805632 1,844066099 4,237652995
5 -1,1800623 1,272392 1,058556046 1,346898692 1,618982478
6 -1,1051347 1,164527 0,272392423 0,317208227 1,356122245
7 -1,1186842 1,165919 0,164526618 0,191824727 1,35936735
8 -1,1300357 1,36074 0,165919101 0,225772744 1,85161313
9 -1,3027355 1,617789 0,36073992 0,58360091 2,617239774
10 -1,6673478 3,116168 0,617788544 1,925132845 9,710502523
11 -1,6455181 3,028238 2,116167923 6,408261076 9,170228126
Сумма -13,883806 20,88072 7,852478376 17,0827653 44,38323227
  коэффициент автокорреляции остатков  
  ra= 0,384892 ra(0,05;n=11)=    
 

      Так как расчетное значение ra попадает в интервал между табличными значениями ra, то автокорреляции нет в остатках, то есть уравнение регрессии надежно описывает взаимосвязь показателей. 
 
 

Информация о работе Построение модели прогноза инвестиционной привлекательности Калужской области на основе данных государственной статистики