Анализ эконометрического обеспеченности жильем в Беларуси

Автор: Пользователь скрыл имя, 07 Мая 2013 в 17:48, курсовая работа

Описание работы

Объектом исследования является жилищная обеспеченность в как фактор уровня жизни населения страны. Предметом исследования жилищная обеспеченность в Республике Беларусь.
В работе использованы следующие источники информации: учебные пособия, периодические издания, статистические сборники, информационные ресурсы сети Интернет.
Статистический и графический анализ исследуемых показателей осуществлялся с помощью табличного процессора «MS Excel 2003».

Содержание

ВВЕДЕНИЕ 3
ГЛАВА 1 ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ МОДЕЛИ 4
1.1 Экономическое обоснование модели 4
1.3 Корреляционный анализ 8
ГЛАВА 2 ПОСТРОЕНИЕ И АНАЛИЗ РЕГРЕССИОННЫХ МОДЕЛЕЙ 15
2.1 Построение и анализ линейной модели регрессии 15
2.2 Построение и анализ степенной модели регрессии 20
2.3 Сравнительный анализ моделей 24
ЗАКЛЮЧЕНИЕ 26
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 27

Скачать полностью (252.06 Кб) Сколько стоит заказать работу?

Работа содержит 1 файл

эконометрика-курсовая-бгу.doc

— 1.26 Мб (Скачать)

Таблица 1.5 – Данные для расчета коэффициента

	1	2	3	4	5
	106,53	20 541,7	11348,64	421961755,2	2188308,1
	106,87	16 762,6	11421,20	280985100,7	1791420,2
	107,33	16 257,5	11519,73	264307619,9	1744921,8
	107,74	16 585,6	11607,91	275083321,5	1786936,4
	107,50	16 902,1	11556,25	285680494,2	1816974,2
	107,85	17 019,7	11631,62	289670354,9	1835575,2
	108,31	16 956,2	11731,06	287514305,5	1836531,1
	108,66	17 672,5	11807,00	312315715,2	1920289,1
	110,11	18 034,8	12124,21	325254144,5	1985812,2
	110,9799	17 782,6	12316,53	316221990,2	1973514,1
	111,5635	18 947,8	12446,40	359018886,1	2113881,3
	112,8077	19 368,4	12725,58	375134151,6	2184902,3
	113,5675	20 737,0	12897,57	430025010,4	2355053,3
	114,4593	18 812,0	13100,94	353892969,4	2153214,1
	114,6686	19 341,5	13148,88	374093722,8	2217862,1
	114,9989	20 283,0	13224,74	411401951	2332527,6
	115,7036	20 992,6	13387,32	440689867,7	2428920,8
	117,5644	21 772,6	13821,40	474047665,3	2559687,9
	118,7977	23 113,6	14112,89	534239105,9	2745843,6
	119,8657	25 090,4	14367,80	629528297,6	3007479,8
	121,0329	25 109,8	14648,97	630503843,9	3039116,5
	122,7516	25 536,9	15067,95	652135202,4	3134699,5
	126,0558	25 127,5	15890,06	631391301,5	3167466,7
	128,4401	24 633,4	16496,87	606805159,2	3163919
	134,165	26 425,0	18000,24	698282374,3	3545314,1
	151,7995	25 532,5	23043,08	651910818,4	3875826,9
	164,8831	28 138,6	27186,45	791783505,6	4639588,5
	170,6685	26 748,7	29127,74	715494492,4	4565165,7
	185,9066	30 540,7	34561,25	932736048,4	5677721,4
	211,1661	31 936,7	44591,13	1019955087	6743956,6
	228,4133	32 528,3	52172,64	1058090906	7429898,8
	246,9435	34 304,6	60981,07	1176805540	8471296,1
	252,5715	35 423,3	63792,35	1254812833	8946924,8
	257,4461	38 641,3	66278,50	1493149548	9948050,7
	261,4115	38 375,0	68335,96	1472639113	10031660
Сумма	4999,53	831 977,1	800471,91	21227562203	129360261

Выводы относительно связи между переменными подтвердились. Высокие значения коэффициентов корреляции свидетельствуют о тесной прямой связи между показателями.

Исследуем также корреляционную зависимость между исследуемыми показателями, представленными в виде натуральных логарифмов, так как данное преобразование будет необходимо при переходе от нелинейной (степенной) к линейной форме зависимости.

В таблице 1.6 представлены данные для расчета коэффициента корреляции.

Таблица 1.6 – Данные для расчета коэффициента корреляции

1	2	3	4	5	6
	4,668427	4,664099	21,79421	21,75382	21,77401
	4,671613	4,668427	21,82397	21,79421	21,80908
	4,675908	4,671613	21,86412	21,82397	21,84403
	4,679721	4,675908	21,89979	21,86412	21,88195
	4,677491	4,679721	21,87892	21,89979	21,88935
	4,680741	4,677491	21,90934	21,87892	21,89412
	4,684997	4,680741	21,9492	21,90934	21,92926
	4,688224	4,684997	21,97944	21,9492	21,96432
	4,70148	4,688224	22,10391	21,97944	22,04159
	4,709349	4,70148	22,17797	22,10391	22,14091
	4,714594	4,709349	22,22739	22,17797	22,20267
	4,725685	4,714594	22,33209	22,22739	22,27968
	4,732397	4,725685	22,39558	22,33209	22,36382
	4,74022	4,732397	22,46968	22,39558	22,4326
	4,742046	4,74022	22,487	22,46968	22,47834
	4,744922	4,742046	22,51429	22,487	22,50064
	4,751032	4,744922	22,5723	22,51429	22,54328
	4,766987	4,751032	22,72416	22,5723	22,6481
	4,777422	4,766987	22,82376	22,72416	22,77391
	4,786372	4,777422	22,90936	22,82376	22,86652
	4,796063	4,786372	23,00222	22,90936	22,95574
	4,810163	4,796063	23,13766	23,00222	23,06984
	4,836724	4,810163	23,3939	23,13766	23,26543
	4,855463	4,836724	23,57552	23,3939	23,48454
	4,89907	4,855463	24,00089	23,57552	23,78725
	5,02256	4,89907	25,22611	24,00089	24,60588
	5,105237	5,02256	26,06344	25,22611	25,64136
	5,139723	5,105237	26,41675	26,06344	26,2395
	5,225244	5,139723	27,30318	26,41675	26,85631
	5,352645	5,225244	28,65081	27,30318	27,96888
	5,431157	5,352645	29,49746	28,65081	29,07105
	5,509159	5,431157	30,35084	29,49746	29,92111
	5,531694	5,509159	30,59964	30,35084	30,47499
	5,55081	5,531694	30,8115	30,59964	30,70539
	5,566096	5,55081	30,98142	30,8115	30,89634
Сумма	171,9514	171,0494	847,8478	838,6202	843,2018

Таблица 1.7 – Данные для расчета коэффициента корреляции

1	2	3	4	5	6
	4,668427	9,930213	21,79421	98,60912	46,35847
	4,671613	9,726906	21,82397	94,6127	45,44034
	4,675908	9,696312	21,86412	94,01847	45,33907
	4,679721	9,716292	21,89979	94,40634	45,46954
	4,677491	9,735192	21,87892	94,77397	45,53627
	4,680741	9,742127	21,90934	94,90904	45,60038
	4,684997	9,738392	21,9492	94,83627	45,62434
	4,688224	9,779763	21,97944	95,64376	45,84972
	4,70148	9,800059	22,10391	96,04115	46,07478
	4,709349	9,785978	22,17797	95,76536	46,08558
	4,714594	9,849443	22,22739	97,01152	46,43612
	4,725685	9,871397	22,33209	97,44448	46,64911
	4,732397	9,939677	22,39558	98,79718	47,0385
	4,74022	9,842253	22,46968	96,86994	46,65444
	4,742046	9,870008	22,487	97,41707	46,80403
	4,744922	9,917541	22,51429	98,35761	47,05796
	4,751032	9,951926	22,5723	99,04083	47,28192
	4,766987	9,988409	22,72416	99,76832	47,61461
	4,777422	10,04818	22,82376	100,9659	48,00438
	4,786372	10,13024	22,90936	102,6218	48,4871
	4,796063	10,13101	23,00222	102,6375	48,58898
	4,810163	10,14788	23,13766	102,9795	48,81296
	4,836724	10,13172	23,3939	102,6517	49,00433
	4,855463	10,11186	23,57552	102,2497	49,09776
	4,89907	10,18207	24,00089	103,6745	49,88266
	5,02256	10,14771	25,22611	102,976	50,96748
	5,105237	10,2449	26,06344	104,958	52,30264
	5,139723	10,19424	26,41675	103,9226	52,39558
	5,225244	10,32682	27,30318	106,6431	53,96014
	5,352645	10,37151	28,65081	107,5683	55,51502
	5,431157	10,38987	29,49746	107,9493	56,42899
	5,509159	10,44303	30,35084	109,057	57,53234
	5,531694	10,47513	30,59964	109,7283	57,9452
	5,55081	10,56208	30,8115	111,5575	58,62809
	5,566096	10,55516	30,98142	111,4114	58,75104
Сумма	171,9514	351,4753	847,8478	3531,875	1729,22

Согласно проведенным расчетам, наблюдается тесная прямая зависимость между показателями и в случае перехода от исходных значений к натуральным логарифмам, так как коэффициент корреляции близок к единице.

Следовательно, предварительно можно сделать вывод о том, что регрессионная модель будет характеризоваться высоким коэффициентом детерминации и высокими статистическими оценками всей модели в целом и коэффициентов в отдельности.

ГЛАВА 2 ПОСТРОЕНИЕ И АНАЛИЗ РЕГРЕССИОННЫХ МОДЕЛЕЙ

2.1 Построение и анализ линейной модели регрессии

Построим регрессионное уравнение вида (1.1).

Расчеты проводились согласно формуле (2.1) расчета коэффициентов модели множественной регрессии [2]

(2.1)

В качестве промежуточных расчетов приведен результат расчета обратной матрицы, из которой необходимы будут элементы главной диагонали для расчета ошибок коэффициентов регрессии.

	0,454346105	0,001946079	-2,92427E-05
=	0,001946079	0,000104315	-6,89241E-07
	-2,9243E-05	-6,89241E-07	5,24331E-09

МНК-оценка дисперсии ошибок вычисляется по формуле (2.2)

, (2.2)

где n - число наблюдений,

k=m+1 – количество оцениваемых параметров.

Дисперсии коэффициентов регрессии можно определить по формуле (2.3)

, j=0,1,…,m (2.3)

где - j-ый диагональный элемент матрицы [1].

Ниже приводятся рассчитанные регрессионные коэффициенты.

b₀ =	-11,202469
b₁ =	0,979669296
b₂=	0,00077636

Было получено регрессионное уравнение вида (2.4)

= -11,202 + 0,979Ст + 0,00077Вв, (2.4)

Далее следует этап оценки значимости коэффициентов модели и оценки адекватности модели в целом.

Для тестирования гипотезы о значимости коэффициентов регрессии используется t-статистика (формула 2.5) [2]:

, (2.5)

где – среднеквадратическое отклонение оценки .

Нулевая гипотеза не отклоняется на заданном уровне значимости , если , здесь есть -ная точка распределения Стьюдента с степенями свободы.

Рассчитаем стандартную ошибку регрессионного уравнения, предварительно получив модельные значения согласно (2.4) и рассчитав квадраты остатков. В таблице 2.1 приводятся данные для расчета стандартной ошибки регрессионного уравнения 2.4.

Таблица 2.1 – Данные для расчета стандартной ошибки уравнения

Предсказанное	е	e^2
108,6588	-2,12881	4,53184
106,1755	0,69448	0,482303
106,1165	1,213509	1,472603
106,8219	0,91814	0,842982
107,4692	0,030797	0,000948
107,3254	0,524603	0,275208
107,619	0,690985	0,47746
108,6257	0,034301	0,001177
109,2499	0,860105	0,73978
110,4746	0,505229	0,255257
112,2314	-0,66796	0,446166
113,1297	-0,32196	0,103657
115,4112	-1,84372	3,399312
114,661	-0,20165	0,040663
115,9458	-1,27725	1,631368
116,8817	-1,88285	3,545133
117,7562	-2,05264	4,213345
119,0522	-1,48774	2,213365
121,9163	-3,11861	9,725752
124,6592	-4,79341	22,97675
125,7206	-4,68768	21,97434
127,1956	-4,44403	19,74944
128,5615	-2,50569	6,278488
131,4149	-2,97478	8,849295
135,1417	-0,97673	0,954007
140,0573	11,74219	137,879
159,3565	5,526599	30,54329
171,0951	-0,42661	0,181995
179,7068	6,199727	38,43661
195,7189	15,44725	238,6174
220,9242	7,489139	56,08721
239,1998	7,743695	59,96482
258,2217	-5,65023	31,92505
266,2336	-8,7875	77,2201
270,8024	-9,39089	88,1889
		874,2251

Информация о работе Анализ эконометрического обеспеченности жильем в Беларуси