Применение эконометрики в экономическом анализе. Оценка качества моделей

Автор: Пользователь скрыл имя, 16 Ноября 2011 в 10:07, курсовая работа

Описание работы

Целью работы является поиск оптимальной модели зависимости цены на энергоносители от производства и импорта, оценка эластичности импорта по цене, анализ влияния акциза на предложение и эластичность.
Задача работы состоит в использовании аппарата эконометрики в построении и анализе моделей.

Содержание

Введение 3
Глава 1 Применение эконометрики в экономическом анализе 4
1.1 Эконометрика как приложение математической статистики в экономике. 4
Линейный регрессионный анализ 8
Нелинейный регрессионный анализ 13
1.2 Оценка качества модели 16
Коэффициент детерминации R2 16
Статистическая значимость 17
F-статистика. Распределение Фишера в регрессионном анализе. 19
1.3 Коэффициент эластичности 20
Глава 2 Анализ рынка ГСМ в КР 22
2.1 Рынок нефтепродуктов: характеристика, перспективы развития. Мировые производители ГСМ 22
2.2 Обзор рынка ГСМ в Кыргызстане 25
Глава 3 Практическая часть 31
3.1 Построение различных моделей зависимости цены от объемов производства и импорта ГСМ 31
3.2 Оценка эластичности объемов импорта от цен на бензин 43
3.3 Влияние акцизного налога на эластичность и предложение. 44
Заключение………………………………………………………………………48
Список литературы ………………

Скачать полностью (356.22 Кб) Сколько стоит заказать работу?
Работа содержит 1 файл

Применение эконометрики в экономическом анализе.docx

— 372.48 Кб (Скачать)
  Y,  сом за 1000л X, т x^2 xy
2001 10727 47800 2284840000 512750600
2002 8842 40100 1608010000 354564200
2003 13958 25000 625000000 348950000
2004 13000 19300 372490000 250900000
2005 16830 13200 174240000 222156000
2006 16110 9800 96040000 157878000
2007 19740 13600 184960000 268464000
2008 22000 12800 163840000 281600000
2009 18890 9900 98010000 187011000
2010 27460 14706 216266436 403826760
сумма 167557 206206 5823696436 2988100560
 
Переменные      
a0 a1      
22883,41 -0,297164565      
         
Матрица коэффициентов исходной системы   Значения левых  частей уравнения Свободные члены  исходной системы
10 206206   167557 167557
206206 5823696436   2988100560 2988100560
 

Таким образом, полученная модель имеет вид:

Показательная регрессия .Составим вспомогательную таблицу

  Y,  сом за 1000л X, т x^2 ф ф*x
2001 10727 47800 2284840000 9,280519207 443608,8181
2002 8842 40100 1608010000 9,087268374 364399,4618
2003 13958 25000 625000000 9,5438081 238595,2025
2004 13000 19300 372490000 9,472704636 182823,1995
2005 16830 13200 174240000 9,730918287 128448,1214
2006 16110 9800 96040000 9,687195476 94934,51567
2007 19740 13600 184960000 9,890402313 134509,4715
2008 22000 12800 163840000 9,998797732 127984,611
2009 18890 9900 98010000 9,84638796 97479,24081
2010 27460 14706 216266436 10,22048568 150302,4624
Cумма 167557 206206 5823696436 96,75848777 1963085,105
 

     С помощью надстройки Поиск решения  найдем следующие значения переменных 

Переменные      
b0 b1      
10,09746 -2,04459E-05      
         
Матрица коэффициентов исходной системы   Значения левых  частей уравнения Свободные члены  исходной системы
10 206206   96,75848677 96,75848777
206206 5823696436   1963085,105 1963085,105
 

Следовательно, показательная модель имеет вид:

     Теперь  найдем, какая из этих моделей наилучшим  образом описывает зависимость  между ценой и производством  бензина.

  Y,  сом за 1000л X, т y-линейная y-показательная
2001 10727 47800 8678,943793 8557,205262
2002 8842 40100 10967,11094 10016,23302
2003 13958 25000 15454,29588 13639,09319
2004 13000 19300 17148,1339 15324,94356
2005 16830 13200 18960,83774 17360,57427
2006 16110 9800 19971,19726 18610,34946
2007 19740 13600 18841,97192 17219,17225
2008 22000 12800 19079,70357 17503,13747
2009 18890 9900 19941,48081 18572,3378
2010 27460 14706 18513,30791 16834,16182
 

     Найдем  общие ошибки и средние ошибки аппроксимации:

  квадрат отклонения y-линейного квадрат отклонения y-показательного аппроксимация y-линейной аппроксимация y-линейной
  4194534,227 4708009,204 0,190925348 0,202274144
  4516096,522 1378823,183 0,240342789 0,132801744
  2238901,346 101701,5513 0,107199876 0,0228476
  17207014,81 5405362,546 0,319087223 0,178841812
  4540469,483 281509,0566 0,126609492 0,031525506
  14908844,3 6251747,444 0,239677049 0,155204808
  806454,4397 6354572,541 0,045492811 0,127701507
  8528131,251 20221772,63 0,132740747 0,204402842
  1105611,886 100909,2719 0,055663357 0,016816421
  80043299,4 112908437 0,325808161 0,386956962
сумма 138089357,7 157712844,5 1,783546852 1,459373347
 

В данном случае обе модели имеют практически одинаковые характеристики.

     Построим  их графики (рис 13):

     Построим  линейную регрессионную модель в  Eviews и рассмотрим характеристики модели. Получили следующие данные: 

Dependent Variable: PRICE        
         
Variable Coefficient Std. Error t-Statistic Prob. 
         
PRODUCTION -0.297165 0.104801 -2.835526 0.0220
C 22883.41 2529.081 9.048113 0.0000
         
R-squared 0.501253 Mean dependent var   16755.70
Adjusted R-squared 0.438910 .D. dependent var   5546.498
S.E. of regression 4154.656 Akaike info criterion   19.67870
Sum squared resid 1.38E+08 Schwarz criterion   19.73922
Log likelihood -96.39352  F-statistic   8.040207
Durbin-Watson stat 1.262841  Prob(F-statistic)   0.021963
 

     Коэффициент корреляции = -0,707992453, то есть между ценой и независимой переменной (производством) существует довольно тесная связь, зависимость между переменными обратная. С помощью F – статистики  можно определить, является ли этот результат случайным. Вероятность F – статистики, равная 0.021963, меньше уровня значимости в 5 %, то есть гипотеза о том, что зависимость является случайной, отвергается. Коэффициент детерминации показывает, что найденная регрессионная модель на 50,13 % объясняет поведение зависимой переменной. Вероятность t – статистики для переменной производство и остатков равны соответственно 2,2 и 0 %, при уровне значимости 5%, что свидетельствует о том, что они являются статистически значимыми.

     Построим  многофакторную модель, чтобы проанализировать, как производство и импорт вместе влияют на динамику цен на бензин.

     Получили  следующую модель :

Dependent Variable: PRICE        
Method: Least Squares        
         
Variable Coefficient Std. Error t-Statistic Prob. 
         
PRODUCTION -0.061249 0.081919 -0.747674 0.4829
IMPORT 0.021307 0.007314 2.913208 0.0269
C 10318.07 3865.939 2.668968 0.0371
         
R-squared 0.870129     Mean dependent var   15566.33
Adjusted R-squared 0.826839     S.D. dependent var   4323.762
S.E. of regression 1799.230     Akaike info criterion   18.08931
Sum squared resid 19423362     Schwarz criterion   18.15505
Log likelihood -78.40188     F-statistic   20.09992
Durbin-Watson stat 2.928160     Prob(F-statistic)   0.002190

Информация о работе Применение эконометрики в экономическом анализе. Оценка качества моделей