Предоставить на утв. (приблизительные темы на стр 22-23 в му, но можно писать и по другой)

Содержание
ВВЕДЕНИЕ
1. СБОР ДАННЫХ И ОТБОР ФАКТОРОВ
2. АНАЛИЗ КОРРЕЛЯЦИОННОЙ ЗАВИСИМОСТИ
3. РАСЧЕТ ПАРАМЕТРОВ ЛИНЕЙНЫХ ПАРНЫХ РЕГРЕССИЙ
4. ОЦЕНКА КАЧЕСТВА МОДЕЛЕЙ
5. ПОСТРОЕНИЕ МОДЕЛИ ФОРМИРОВАНИЯ ЦЕНЫ КВАРТИРЫ
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

Таблица 12. Нормированные коэффициенты детерминации
  нормир R-квадрат модель4 0,818 модель5 0,702 модель6 0,814
Чем больше величина нормированного коэффициента детерминации, тем лучше модель.
Таким образом, лучшей является модель (4) зависимости цены квартиры Y от общей площади квартиры Х3 и от города области Х1.
Коэффициент регрессии b1=-34,56, следовательно, в Подольске и той же площади квартиры Х3 цена меньше на 34,56 тыс. долларов.
Коэффициент регрессии b2=1,49, следовательно, при увеличении общей площади квартиры Х3 и неизменности города цена квартиры увеличится на 1,49 тыс. долларов.
Свободный коэффициент не имеет экономического смысла.
Для оценки качества модели (4) используем коэффициент детерминации, среднюю относительную ошибку аппроксимации и F- критерий Фишера.
R2=82,7%, следовательно, вариация цены квартиры на 82,7% объясняется по данному уравнению вариацией общей площадью квартиры Х3 и городом Х1.
Оценим точность и значимость выбранной модели и значимость коэффициентов модели.
Таблица 13. Оценка качества множественной модели
7а. Оценка качества множественной модели Ecp.отн. = 19,61889 t-статистики коэффициентов: R-квадрат = 82,71% Y-пересечение 0,980734 F = 88,48867 Х1 -4,89824 Fkp = 3,251924 Х3 11,92342 tkp = 2,026192
7а. Оценка качества множественной модели Ecp.отн. = 19,87823 t-статистики коэффициентов: R-квадрат = 79,84% Y-пересечение -0,85566 F = 73,28 Х3 12,0675 Fkp = 3,251924 Х5 -0,65242 tkp = 2,026192
E ср.отн5=19,62%>15%, следовательно точность модели неудовлетворительная.
F=88,49>3,25, следовательно уравнение модели является значимым, его использование целесообразно, зависимая переменная Y достаточно хорошо описывается включёнными в модель факторами Х3 и Х1.
>tкр, следовательно свободный коэффициент а является значимым, его нужно оставить в модели.
tкр, значит коэффициент регрессии b2 не является значимым, фактор общей площади можно исключить из модели.
>tкр, значит коэффициент регрессии b3 является значимым, его нужно оставить в модели.
Выводы значимости коэффициентов модели сделаны на уровне значимости а=5%. Свободный коэффициент а можно считать значимым на уровне 12,6%, коэффициент регрессии b2 на уровне 48,7%.
Для сравнения качества парной модели (2) с множественной моделью (4) используем нормированные коэффициенты детерминации.
Таблица 14. Сравнение с парной моделью
модель нормир R-квадрат парная 0,707 множественная 0,818
R норм(4)>R норм(2)
Таким образом при добавлении фактора Х2 качество модели уулучшилось.
Найдём средние коэффициенты эластичности, бета – коэффициенты, дельта- коэффициенты модели (5).
Таблица 15. Расчёт коэффициентов
коэффициенты эластичности Х1 ср= 0,575 Х3 ср= 69,2075 Y cp= 93,65025 Э1= -0,21218 Э2= 1,10268 бета-коэффициенты S(X1)= 0,500641 S(X3)= 28,22473 S(Y)= 51,4922 бета1= -0,336 бета2= 0,817888 дельта-коэффициенты дельта1= -0,3435 дельта2= 0,144755
Э1=-0,21, следовательно при приближении к Подольску на 1% и неизменном уровне общей площади квартиры цена квартиры уменьшается в среднем на 0,21%.
Э2=1,1, следовательно при увеличении общей площади на 1% и неизменном расположении цена квартиры уменьшится в среднем на 1,1%.
Бета1=-0,336, бета2=0,818, таким образом при увеличении только фактора Х1 на одно стандартное отклонение результат Y уменьшится в среднем на 0,336 своего стандартного отклонения, а при увеличении только фактора Х3 на одно стандартное отклонение – Y увеличится на 0,818 своего стандартного отклонения.
1=-0,3435, 2=0,145, следовательно по уравнению полученной двухфакторной модели (4) изменение результирующего фактора Y на 34,35% объясняется воздействием фактора Х1 и на 14,5% воздействие фактора Х3.
Заключение
В ходе исследования была изучена зависимость каждого из приведенных выше факторов на результирующий признак. Для этого были построены 4 моделей парной регрессии и модель множественной регрессии. Предположение о каждом виде зависимости признака от факторов было выдвинуто на основе построенных корреляционных полей и таблиц со значениями критериев отбора модели.
В ходе данной работы было выявлено, что ни одну из моделей нельзя признать соответствующей для анализа стоимости объектов недвижимости. Можно предположить, что данная проблема возникла в связи с недостаточностью объясняющих факторов и небольшим объемом выборки. Для улучшения данной работы необходимо провести дальнейший поиск факторов, которые могут влиять на динамику стоимости недвижимости.

Список использованной литературы
Тарашнина С. И., Панкратова Я. Б. Выполнение курсовой работы по эконометрике: учебно-методическое пособие. – СПб.: Изд-во МБИ, 2007. – 97 с.
Официальный сайт Федеральной службы государственной статистики (Росстат). www.gks.ru
2