Автор: Пользователь скрыл имя, 16 Января 2012 в 11:17, курсовая работа
Эконометрика — наука, изучающая количественные и качественные экономические взаимосвязи с помощью математических и статистических методов и моделей. Современное определение предмета эконометрики было выработано в уставе Эконометрического общества, которое главными целями назвало использование статистики и математики для развития экономической теории. Теоретическая эконометрика рассматривает статистические свойства оценок и испытаний, в то время как прикладная эконометрика занимается применением эконометрических методов для оценки экономических теорий.
ВВЕДЕНИЕ 3
1. ИСХОДНЫЕ ДАННЫЕ И УСЛОВИЕ ЗАДАЧИ 4
2. ПОДБОР МЕТОДА РЕШЕНИЯ 5
3. РЕГРЕССИОННЫЙ АНАЛИЗ 6
3.1 Математическое определение регрессии 6
3.2 Метод Наименьших Квадратов (расчет коэффициентов) 7
3.3 Интерпретация параметров регрессии 8
4. КОЭФФИЦИЕНТ ДЕТЕРМИНАЦИИ 9
5. КРИТЕРИЙ ФИШЕРА 10
6. КОЭФФИЦИЕНТЫ СТЬЮДЕНТА 11
7. РЕШЕНИЕ ЭКОНОМЕТРИЧЕСКОЙ ЗАДАЧИ 14
7.1 Линейный метод наименьших квадратов 14
7.2 Линейный метод наименьших квадратов с мультипликативностью 16
8. АНАЛИЗ РЕЗУЛЬТАТОВ 18
СПИСОК ЛИТЕРАТУРЫ 19
Коэффициент детерминации показывает долю вариации результата Υ, обуславливаемую вариацией фактора Χ.
Таблица 2
Шкала Чеддока
Количественная мера тесноты связи | Качественная характеристика силы связи |
0,1-0,3 | Слабая |
0,3-0,5 | Умеренная |
0,5-0,7 | Заметная |
0,7-0,9 | Высокая |
0,9-0,99 | Весьма высокая |
Функциональная связь возникает при значении равном 1, а отсутствие связи — 0. При значениях показателей тесноты связи меньше 0,7 величина коэффициента детерминации всегда будет ниже 50 %. Это означает, что на долю вариации факторных признаков приходится меньшая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. Построенные при таких условиях регрессионные модели имеют низкое практическое значение.
Критерий Фишера (F-критерий, φ*-критерий, критерий наименьшей значимой разности) — апостериорный статистический критерий, используемый для сравнения дисперсий двух вариационных рядов, то есть для определения значимых различий между групповыми средними в установке дисперсионного анализа.
Таблица 3
Таблица значений критерия Фишера с уровнем значимости p=0,05
f1 | |||||||||||
f2 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 15 |
1 | 161.45 | 199.50 | 215.71 | 224.58 | 230.16 | 233.99 | 236.77 | 238.88 | 240.54 | 241.88 | 245.95 |
2 | 18.51 | 19.00 | 19.16 | 19.25 | 19.30 | 19.33 | 19.35 | 19.37 | 19.38 | 19.40 | 19.43 |
3 | 10.13 | 9.55 | 9.28 | 9.12 | 9.01 | 8.94 | 8.89 | 8.85 | 8.81 | 8.79 | 8.70 |
4 | 7.71 | 6.94 | 6.59 | 6.39 | 6.26 | 6.16 | 6.09 | 6.04 | 6.00 | 5.96 | 5.86 |
5 | 6.61 | 5.79 | 5.41 | 5.19 | 5.05 | 4.95 | 4.88 | 4.82 | 4.77 | 4.74 | 4.62 |
6 | 5.99 | 5.14 | 4.76 | 4.53 | 4.39 | 4.28 | 4.21 | 4.15 | 4.10 | 4.06 | 3.94 |
7 | 5.59 | 4.74 | 4.35 | 4.12 | 3.97 | 3.87 | 3.79 | 3.73 | 3.68 | 3.64 | 3.51 |
8 | 5.32 | 4.46 | 4.07 | 3.84 | 3.69 | 3.58 | 3.50 | 3.44 | 3.39 | 3.35 | 3.22 |
9 | 5.12 | 4.26 | 3.86 | 3.63 | 3.48 | 3.37 | 3.29 | 3.23 | 3.18 | 3.14 | 3.01 |
10 | 4.96 | 4.10 | 3.71 | 3.48 | 3.33 | 3.22 | 3.14 | 3.07 | 3.02 | 2.98 | 2.85 |
11 | 4.84 | 3.98 | 3.59 | 3.36 | 3.20 | 3.09 | 3.01 | 2.95 | 2.90 | 2.85 | 2.72 |
12 | 4.75 | 3.89 | 3.49 | 3.26 | 3.11 | 3.00 | 2.91 | 2.85 | 2.80 | 2.75 | 2.62 |
13 | 4.67 | 3.81 | 3.41 | 3.18 | 3.03 | 2.92 | 2.83 | 2.77 | 2.71 | 2.67 | 2.53 |
14 | 4.60 | 3.74 | 3.34 | 3.11 | 2.96 | 2.85 | 2.76 | 2.70 | 2.65 | 2.60 | 2.46 |
15 | 4.54 | 3.68 | 3.29 | 3.06 | 2.90 | 2.79 | 2.71 | 2.64 | 2.59 | 2.54 | 2.40 |
16 | 4.49 | 3.63 | 3.24 | 3.01 | 2.85 | 2.74 | 2.66 | 2.59 | 2.54 | 2.49 | 2.35 |
17 | 4.45 | 3.59 | 3.20 | 2.96 | 2.81 | 2.70 | 2.61 | 2.55 | 2.49 | 2.45 | 2.31 |
18 | 4.41 | 3.55 | 3.16 | 2.93 | 2.77 | 2.66 | 2.58 | 2.51 | 2.46 | 2.41 | 2.27 |
19 | 4.38 | 3.52 | 3.13 | 2.90 | 2.74 | 2.63 | 2.54 | 2.48 | 2.42 | 2.38 | 2.23 |
20 | 4.35 | 3.49 | 3.10 | 2.87 | 2.71 | 2.60 | 2.51 | 2.45 | 2.39 | 2.35 | 2.20 |
f1 - число степеней свободы большей дисперсии,
f2 - число степеней свободы меньшей дисперсии.
Кванти́ли распределе́ния Стьюдента (коэффициенты Стьюдента) — числовые характеристики, широко используемые в задачах математической статистики таких как построение доверительных интервалов и проверка статистических гипотез.
t-критерий Стьюдента - общее название для класса методов статистической проверки гипотез (статистических критериев), основанных на сравнении с распределением Стьюдента.
Пусть Fn — функция распределения Стьюдента t(n) с n степенями свободы, и . Тогда α-квантилью этого распределения называется число tα,n такое, что .
Замечания: Прямо из определения следует, что случайная величина, имеющая распределение Стьюдента с n степенями свободы, не превышает значение tα,n с вероятностью α и превышает его с вероятностью 1 − α.
Функция Fn строго возрастает для любого . Следовательно, определена её обратная функция , и .
Функция не имеет простого представления. Однако, возможно вычислить её значения численно.
Распределение t(n) симметрично. Следовательно, t1 − α,n = − tα,n.
Чтобы
получить значение tα,n, необходимо
найти строку, соответствующую нужному
n, и колонку, соответствующую нужному
α. Искомое число находится в таблице 4
на их пересечении.
Таблица 4
Таблица значения квантелей для распределения Стьюдента
two-tailed test | 1-0.9/2 | 1-0.8/2 | 1-0.7/2 | 1-0.6/2 | 1-0.5/2 | 1-0.4/2 | 1-0.3/2 | 1-0.2/2 | 1-0.1/2 | 1-0.05/2 | 1-0.02/2 |
one-tailed test | 1-0.9 | 1-0.8 | 1-0.7 | 1-0.6 | 1-0.5 | 1-0.4 | 1-0.3 | 1-0.2 | 1-0.1 | 1-0.05 | 1-0.02 |
1 | 0.1584 | 0.3249 | 0.5095 | 0.7265 | 1.0000 | 1.3764 | 1.9626 | 3.0777 | 6.3138 | 12.7062 | 31.8205 |
2 | 0.1421 | 0.2887 | 0.4447 | 0.6172 | 0.8165 | 1.0607 | 1.3862 | 1.8856 | 2.9200 | 4.3027 | 6.9646 |
3 | 0.1366 | 0.2767 | 0.4242 | 0.5844 | 0.7649 | 0.9785 | 1.2498 | 1.6377 | 2.3534 | 3.1824 | 4.5407 |
4 | 0.1338 | 0.2707 | 0.4142 | 0.5686 | 0.7407 | 0.9410 | 1.1896 | 1.5332 | 2.1318 | 2.7764 | 3.7469 |
5 | 0.1322 | 0.2672 | 0.4082 | 0.5594 | 0.7267 | 0.9195 | 1.1558 | 1.4759 | 2.0150 | 2.5706 | 3.3649 |
6 | 0.1311 | 0.2648 | 0.4043 | 0.5534 | 0.7176 | 0.9057 | 1.1342 | 1.4398 | 1.9432 | 2.4469 | 3.1427 |
7 | 0.1303 | 0.2632 | 0.4015 | 0.5491 | 0.7111 | 0.8960 | 1.1192 | 1.4149 | 1.8946 | 2.3646 | 2.9980 |
8 | 0.1297 | 0.2619 | 0.3995 | 0.5459 | 0.7064 | 0.8889 | 1.1081 | 1.3968 | 1.8595 | 2.3060 | 2.8965 |
9 | 0.1293 | 0.2610 | 0.3979 | 0.5435 | 0.7027 | 0.8834 | 1.0997 | 1.3830 | 1.8331 | 2.2622 | 2.8214 |
10 | 0.1289 | 0.2602 | 0.3966 | 0.5415 | 0.6998 | 0.8791 | 1.0931 | 1.3722 | 1.8125 | 2.2281 | 2.7638 |
11 | 0.1286 | 0.2596 | 0.3956 | 0.5399 | 0.6974 | 0.8755 | 1.0877 | 1.3634 | 1.7959 | 2.2010 | 2.7181 |
12 | 0.1283 | 0.2590 | 0.3947 | 0.5386 | 0.6955 | 0.8726 | 1.0832 | 1.3562 | 1.7823 | 2.1788 | 2.6810 |
13 | 0.1281 | 0.2586 | 0.3940 | 0.5375 | 0.6938 | 0.8702 | 1.0795 | 1.3502 | 1.7709 | 2.1604 | 2.6503 |
14 | 0.1280 | 0.2582 | 0.3933 | 0.5366 | 0.6924 | 0.8681 | 1.0763 | 1.3450 | 1.7613 | 2.1448 | 2.6245 |
15 | 0.1278 | 0.2579 | 0.3928 | 0.5357 | 0.6912 | 0.8662 | 1.0735 | 1.3406 | 1.7531 | 2.1314 | 2.6025 |
16 | 0.1277 | 0.2576 | 0.3923 | 0.5350 | 0.6901 | 0.8647 | 1.0711 | 1.3368 | 1.7459 | 2.1199 | 2.5835 |
17 | 0.1276 | 0.2573 | 0.3919 | 0.5344 | 0.6892 | 0.8633 | 1.0690 | 1.3334 | 1.7396 | 2.1098 | 2.5669 |
18 | 0.1274 | 0.2571 | 0.3915 | 0.5338 | 0.6884 | 0.8620 | 1.0672 | 1.3304 | 1.7341 | 2.1009 | 2.5524 |
19 | 0.1274 | 0.2569 | 0.3912 | 0.5333 | 0.6876 | 0.8610 | 1.0655 | 1.3277 | 1.7291 | 2.0930 | 2.5395 |
20 | 0.1273 | 0.2567 | 0.3909 | 0.5329 | 0.6870 | 0.8600 | 1.0640 | 1.3253 | 1.7247 | 2.0860 | 2.5280 |
21 | 0.1272 | 0.2566 | 0.3906 | 0.5325 | 0.6864 | 0.8591 | 1.0627 | 1.3232 | 1.7207 | 2.0796 | 2.5176 |
22 | 0.1271 | 0.2564 | 0.3904 | 0.5321 | 0.6858 | 0.8583 | 1.0614 | 1.3212 | 1.7171 | 2.0739 | 2.5083 |
23 | 0.1271 | 0.2563 | 0.3902 | 0.5317 | 0.6853 | 0.8575 | 1.0603 | 1.3195 | 1.7139 | 2.0687 | 2.4999 |
24 | 0.1270 | 0.2562 | 0.3900 | 0.5314 | 0.6848 | 0.8569 | 1.0593 | 1.3178 | 1.7109 | 2.0639 | 2.4922 |
25 | 0.1269 | 0.2561 | 0.3898 | 0.5312 | 0.6844 | 0.8562 | 1.0584 | 1.3163 | 1.7081 | 2.0595 | 2.4851 |
26 | 0.1269 | 0.2560 | 0.3896 | 0.5309 | 0.6840 | 0.8557 | 1.0575 | 1.3150 | 1.7056 | 2.0555 | 2.4786 |
27 | 0.1268 | 0.2559 | 0.3894 | 0.5306 | 0.6837 | 0.8551 | 1.0567 | 1.3137 | 1.7033 | 2.0518 | 2.4727 |
28 | 0.1268 | 0.2558 | 0.3893 | 0.5304 | 0.6834 | 0.8546 | 1.0560 | 1.3125 | 1.7011 | 2.0484 | 2.4671 |
29 | 0.1268 | 0.2557 | 0.3892 | 0.5302 | 0.6830 | 0.8542 | 1.0553 | 1.3114 | 1.6991 | 2.0452 | 2.4620 |
30 | 0.1267 | 0.2556 | 0.3890 | 0.5300 | 0.6828 | 0.8538 | 1.0547 | 1.3104 | 1.6973 | 2.0423 | 2.4573 |
31 | 0.1267 | 0.2555 | 0.3889 | 0.5298 | 0.6825 | 0.8534 | 1.0541 | 1.3095 | 1.6955 | 2.0395 | 2.4528 |
32 | 0.1267 | 0.2555 | 0.3888 | 0.5297 | 0.6822 | 0.8530 | 1.0535 | 1.3086 | 1.6939 | 2.0369 | 2.4487 |
33 | 0.1266 | 0.2554 | 0.3887 | 0.5295 | 0.6820 | 0.8526 | 1.0530 | 1.3077 | 1.6924 | 2.0345 | 2.4448 |
34 | 0.1266 | 0.2553 | 0.3886 | 0.5294 | 0.6818 | 0.8523 | 1.0525 | 1.3070 | 1.6909 | 2.0322 | 2.4411 |
Продолжение таблицы 4
35 | 0.1266 | 0.2553 | 0.3885 | 0.5292 | 0.6816 | 0.8520 | 1.0520 | 1.3062 | 1.6896 | 2.0301 | 2.4377 |
36 | 0.1266 | 0.2552 | 0.3884 | 0.5291 | 0.6814 | 0.8517 | 1.0516 | 1.3055 | 1.6883 | 2.0281 | 2.4345 |
37 | 0.1265 | 0.2552 | 0.3883 | 0.5289 | 0.6812 | 0.8514 | 1.0512 | 1.3049 | 1.6871 | 2.0262 | 2.4314 |
38 | 0.1265 | 0.2551 | 0.3882 | 0.5288 | 0.6810 | 0.8512 | 1.0508 | 1.3042 | 1.6860 | 2.0244 | 2.4286 |
39 | 0.1265 | 0.2551 | 0.3882 | 0.5287 | 0.6808 | 0.8509 | 1.0504 | 1.3036 | 1.6849 | 2.0227 | 2.4258 |
40 | 0.1265 | 0.2550 | 0.3881 | 0.5286 | 0.6807 | 0.8507 | 1.0500 | 1.3031 | 1.6839 | 2.0211 | 2.4233 |
41 | 0.1264 | 0.2550 | 0.3880 | 0.5285 | 0.6805 | 0.8505 | 1.0497 | 1.3025 | 1.6829 | 2.0195 | 2.4208 |
42 | 0.1264 | 0.2550 | 0.3880 | 0.5284 | 0.6804 | 0.8503 | 1.0494 | 1.3020 | 1.6820 | 2.0181 | 2.4185 |
43 | 0.1264 | 0.2549 | 0.3879 | 0.5283 | 0.6802 | 0.8501 | 1.0491 | 1.3016 | 1.6811 | 2.0167 | 2.4163 |
44 | 0.1264 | 0.2549 | 0.3878 | 0.5282 | 0.6801 | 0.8499 | 1.0488 | 1.3011 | 1.6802 | 2.0154 | 2.4141 |
45 | 0.1264 | 0.2549 | 0.3878 | 0.5281 | 0.6800 | 0.8497 | 1.0485 | 1.3006 | 1.6794 | 2.0141 | 2.4121 |
46 | 0.1264 | 0.2548 | 0.3877 | 0.5281 | 0.6799 | 0.8495 | 1.0483 | 1.3002 | 1.6787 | 2.0129 | 2.4102 |
47 | 0.1263 | 0.2548 | 0.3877 | 0.5280 | 0.6797 | 0.8493 | 1.0480 | 1.2998 | 1.6779 | 2.0117 | 2.4083 |
48 | 0.1263 | 0.2548 | 0.3876 | 0.5279 | 0.6796 | 0.8492 | 1.0478 | 1.2994 | 1.6772 | 2.0106 | 2.4066 |
49 | 0.1263 | 0.2547 | 0.3876 | 0.5278 | 0.6795 | 0.8490 | 1.0475 | 1.2991 | 1.6766 | 2.0096 | 2.4049 |
50 | 0.1263 | 0.2547 | 0.3875 | 0.5278 | 0.6794 | 0.8489 | 1.0473 | 1.2987 | 1.6759 | 2.0086 | 2.4033 |
100 | 0.1260 | 0.2540 | 0.3864 | 0.5261 | 0.6770 | 0.8452 | 1.0418 | 1.2901 | 1.6602 | 1.9840 | 2.3642 |
1000 | 0.1257 | 0.2534 | 0.3854 | 0.5246 | 0.6747 | 0.8420 | 1.0370 | 1.2824 | 1.6464 | 1.9623 | 2.3301 |
Решение данной задачи будет сводиться к построению функции, наиболее точно отражающий данный нам процесс. Теоретический материал, который я задействовал выше, а именно, критерий Фишера, критерий Стьюдента и коэффициент детерминации будут давать оценку точности нашего метода. Для вычисления коэффициентов регрессии и предложенных нами критериев, мы используем программное обеспечение для ПК “Gretl” версии 1.8.5.
Продублируем данные таблицы 1:
Y | Х1 | Х2 | Х3 |
0,2664 | 0,5 | 4 | 1 |
19,9736 | 3 | 5 | 5 |
263,2956 | 2,5 | 2 | 2 |
290,3921 | 5 | 1 | 2,5 |
15,3967 | 4 | 5 | 4 |
11,8816 | 2 | 5 | 4,5 |
31,6589 | 3,5 | 2,5 | 3 |
170,5491 | 3,5 | 3 | 4 |
10,0089 | 2 | 4 | 3,5 |
1,8081 | 2 | 2 | 2 |
3,5631 | 5 | 4 | 1,5 |
27,946 | 1,5 | 2 | 3,5 |
0,2726 | 1 | 3,5 | 0,5 |
3,8595 | 1,5 | 2 | 2,5 |
49,4253 | 4,5 | 2,5 | 2,5 |
2,6523 | 2,5 | 3 | 2 |
77,2163 | 1,5 | 1 | 1 |
127,5131 | 3,5 | 3 | 5 |
113,272 | 4 | 2 | 5 |
54,6004 | 4,5 | 2 | 1,5 |