Вход

Эконометрическое моделирование стоимости квартир, исследование динамики экономического показателя на основе анализа временного ряда.

Рекомендуемая категория для самостоятельной подготовки:
Контрольная работа*
Код 273388
Дата создания 08 марта 2015
Страниц 20
Мы сможем обработать ваш заказ (!) 29 марта в 12:00 [мск]
Файлы будут доступны для скачивания только после обработки заказа.
1 990руб.
КУПИТЬ

Описание

Работа после корректировки, также прилагаю задачу из лабораторной работы. Защитила 19.02.2015 в Финансовом университете при правительстве РФ, оценка "Отлично" ...

Содержание

Содержание
Задача 1. Эконометрическое моделирование стоимости квартир……....3
1) Рассчитайте матрицу парных коэффициентов корреляции; оцените статистическую значимость коэффициентов корреляции Y c X.
2) Постройте поле корреляции результативного признака и наиболее тесно связанного с ним фактора.
3) Рассчитайте параметры линейной парной регрессии для фактора Х, наиболее тесно связанного с Y.
4) Оцените качество модели через коэффициент детерминации, среднюю ошибку аппроксимации и F-критерий Фишера.
5) По модели осуществите прогнозирование среднего значения показателя Y при уровне значимости α = 0,1, если прогнозное значение фактора Х составит 80% от его максимального значения. Представьте графически фактические и модельные значения, точки прогноза.
6) Используя пошаговую множественную регрессию (метод исключения или метод включения), постройте модель формирования цены квартиры на основе только значимых факторов. Дайте экономическую интерпретацию коэффициентов модели регрессии.
7) Оцените качество построенной модели. Улучшилось ли качество модели по сравнению с однофакторной моделью? Дайте оценку влияния значимых факторов на результат с помощью коэффициентов эластичности, β- и ∆-коэффициентов.

Задача 2. Исследование динамики экономического показателя на основе анализа временного ряда……………………………………………………...12
1) Проверить наличие аномальных наблюдений.
2) Построить линейную модель Y(t) = a0 + a1t, параметры которой оценить МНК.
3) Оценить адекватность модели, используя свойства независимости остаточной компоненты, случайности и соответствия нормальному закону распределения.
4) Оценить точность на основе использования средней относительной ошибки аппроксимации.
5) Осуществить прогноз спроса на следующие две недели.
6) Фактические значения показателя, результаты моделирования и прогнозирования представить графически.

Список литературы……….……………………………………………………16

Введение

Введение и заключение в методических указаниях не требуется.

Фрагмент работы для ознакомления

4) Экономическая интерпретация параметров модели:а1 = 0,496, показывает, что при росте индекса потребительских цен на продовольственные товары на 1 единицу общий индекс потребительских цен растет в среднем на 0,496 единиц.а2 = 0,209, показывает, что при росте индекса потребительских цен на непродовольственные товары на 1 единицу общий индекс потребительских цен растет в среднем на 0,209 единиц.а3 = 0,179, показывает, что при росте индекса потребительских цен на платные услуги населению на 1 единицу общий индекс потребительских цен растет в среднем на 0,179 единиц.ВеличинаСреднееСтандартное отклонениеКоэффициенты моделиЭластичностьßКорреляцияΔY110,6391,12112,496 - - - - X1108,6001,2440,4960,4870,5500,6440,392X2106,3721,0460,2090,2010,1950,2560,055X3122,7444,4060,1790,1990,7050,7090,553итого1,000Расчет и анализ Δ-коэффициентов:∆1=ryx1Rмнож2=0,6440,904=0,392 (39,2%)∆2=ryx2Rмнож2=0,2560,904=0,055 (5,5%)∆3=ryx3Rмнож2=0,7090,904=0,553 (55,3%)Проверка: ∆1+∆2+∆3=0,392+0,055+0,553=1 (верно).Таким образом, в модели среди 100% влияния всех факторов на Х1 приходится 39,2%, на Х2 - 5,5%, на Х3 - 55,3%.5) Построение линейной модели Х4 = a0 + a1*X5 КоэффициентыСтандартная ошибкаt-статистикаP-ЗначениеНижние 95%Верхние 95%Y-пересечение5,1440,24421,0960,0004,6275,661X50,0010,0009,9970,0000,0010,001Уравнение модели: Х4 = 5,144 + 0,001Х5.Проверяется гипотеза о незначимости коэффициентов уравнения регрессии: Н0: a5=0 при альтернативной гипотезе Н1: a5≠0.В качестве критериальной статистики используется t-статистика, приведенная в таблице.Критическое значение находится как квантиль распределения Стьюдента на уровне значимости 0,05 с числом степеней свободы k = n – 1 – 1 = 18 – 1 – 1 = 16:tкрит=t0,05;16=2,120Поскольку t5>tкрит (9,997 > 2,120), то гипотеза о незначимости фактора Х5 в модели отклоняется, то есть фактор Х5 следует признать статистически значимым в модели.Проверка статистической значимости ВСЕГО УРАВНЕНИЯ РЕГРЕССИИ В ЦЕЛОМ (с помощью таблицы дисперсионного анализа): dfSSMSFЗначимость FРегрессия160,57260,57299,9360,000Остаток169,6980,606  Итого1770,270   Гипотеза Н0: R2 = 0 (коэффициент детерминации, фактически равный 0,928 равен нулю) при альтернативной гипотезе Н1: R2 ≠ 0.Гипотеза проверяется с помощью критерия Фишера, фактическое значение которого равно 99,936:Fфакт=MSрегрMSост=60,5720,606=99,936Критическое значение Фишера на уровне значимости 0,05 и числе степеней свободы k1 = 1 и k2 = n – 1 – k1 = 16:F0,05;1;16=4,494Поскольку фактическое значение F больше критического (99,936 > 4,494), то гипотезу Н0 следует отклонить, то признать статистическую значимость коэффициента детерминации и уравнения регрессии в целом.Регрессионная статистика Множественный R0,928R-квадрат0,862Нормированный R-квадрат0,853Стандартная ошибка0,779Наблюдения18Среднее Х4 = 6,749Среднее Х5 = 2085,889Эластичность изменения заработной платы в зависимости от числа жителей:Э = 0,238показывает, что при росте численности жителей на 1% от средней численности жителей заработная плата растет в среднем на 0,238% от средней величины заработной платы.Задача 1. Эконометрическое моделирование стоимости квартир.Известны следующие данные по Московской области:№цена квартиры, тыс. долл.город областичисло комнат в квартирежилая площадь квартиры, кв. мYX1X2X411150451,42851346369123445712315184,603656561117,9785033982650480960,651237,8101300457114611201211503401370,960236,91439,511201578,90116,9166012321710014581851123619157046820123,51467,52155,20115,32295,513502357,60231,52464,51234,825921446261001352,327810227,828651117,3291100344,53042,11119,13113502353239,611183357123434800117,435611234,83669,613533725014843864,51230,539125023040152,30355Переменная Х1, обозначающая город области принимает значение 0, если квартира находится в Люберцах и 1, если в Подольске.1) Строится матрица парных коэффициентов корреляции с помощью средства MS Excel «Анализ данных → Корреляция», при этом переменная х1 не берется во внимание, поскольку она является бинарной.YX2X4Y1X20,6881X40,8260,9191Вычисляются t-статистики по коэффициентам корреляции:t=rn-21-r2t-статистикиYX2X4Y1X25,8471X49,04714,3691t-критическое находится с помощью функции MS Excel СТЬЮДРАСПОБР:t0,05;40-2=2,024X1 - качественный фактор, находить коэффициент корреляции по качественному фактору бессмысленно.r(YX2) = 0,688, что говорит о тесной прямой связи между ценой квартиры и числом комнат в ней, данный коэффициент корреляции статистически значим на уровне 0,95 (так как t фактическое больше критического 5,847 > 2,024).r(YX4) = 0,826, что говорит о тесной прямой связи между ценой квартиры и ее жилой площадью, данный коэффициент корреляции статистически значим на уровне 0,95 (так как t фактическое больше критического 9,047 > 2,024).r(Х2X4) = 0,919, что говорит об очень тесной прямой связи между числом комнат в квартире и ее жилой площадью, данный коэффициент корреляции статистически значим на уровне 0,95 (так как t фактическое больше критического 14,369 > 2,024). Межфакторная связь очень сильна, что говорит о мультиколлинеарности в модели.2) Наиболее тесно связанный фактор - жилая площадь квартиры.Рисунок 1 – Поле корреляции между жилой площадью и ценой квартиры3) Линейная парная регрессия Y = a*X4 + bС помощью средства MS Excel Регрессия получаем:ПараметрКоэффициентыСтандартная ошибкаt-статистикаP-ЗначениеНижние 95%Верхние 95%b-1,30211,477-0,1130,910-24,53621,933a2,3970,2659,0470,0001,8602,933 Уравнение регрессии запишется так: Y = 2,397X4 – 1,302.4) Качество модели оценивается с помощью коэффициента детерминации, средней относительной ошибки аппроксимации и F-критерия Фишера:Регрессионная статистика Множественный R0,826R-квадрат0,683Нормированный R-квадрат0,675Стандартная ошибка29,374Наблюдения40Коэффициент детерминации = 0,683, значение говорит о том, что 68,3% вариации цены квартиры связано с вариацией фактора Х4 (жилой площади квартиры). dfSSMSFЗначимость FРегрессия170618,39370618,39381,8440,000Остаток3832788,019862,843  Итого39103406,411   F-критерий Фишера = 81,844.Критическое значение F (на уровне значимости 0,05): 4,098.Поскольку фактическое значение F выше критического, то гипотезу о значимости всего уравнения регрессии в целом принимаем на уровне значимости 0,05.Расчет средней относительной ошибка аппроксимации:НаблюдениеПредсказанное YОстаткиYфактОтнос. ошибка1121,890-6,8901150,0602108,947-23,947850,282380,187-11,187690,162472,997-15,997570,2815154,48530,115184,60,163641,60014,400560,257792,170-7,170850,0848190,43674,5642650,281989,294-28,64460,650,47210135,311-5,3111300,0411146,633-0,633460,0141294,56720,4331150,1781387,137-16,17770,960,2281446,633-7,13339,50,1811539,20339,69778,90,5031675,393-15,393600,25717137,708-37,7081000,3771884,980-33,980510,66619161,675-4,6751570,03020160,477-36,977123,50,2992135,36819,83255,20,35922118,534-23,03495,50,2412374,195-16,59557,60,2882482,104-17,60464,50,27325108,947-16,947920,18426124,047-24,0471000,2402765,32715,673810,1932840,16124,839650,38229105,3524,6481100,0423044,476-2,37642,10,0563182,58352,4171350,3883241,839-2,23939,60,0573380,187-23,187570,4073440,40139,599800,4953582,104-21,104610,34636125,724-56,12469,60,80637200,02349,9772500,2003871,798-7,29864,50,1133970,60054,4001250,43540130,51821,782152,30,143Среднее0,262Средняя относительная ошибка аппроксимации:26,2%Высокая средняя относительная ошибка аппроксимации говорит о невысоком качестве модели.4) Максимальное значение фактора Х4 = 84.Прогнозируемое значение фактора Х4 составляет 0,8*84 = 67,2.Прогнозируемое значение цены квартиры Y: = 2,397*67,2 – 1,302 = 159,758 (тыс. долл.).Дисперсия ошибок: 862,843.Среднее Х4 : 39,618.Сумма квадратов по Х4: 12293,738.Дисперсия прогноза среднего: 74,968.Квантиль Стьюдента: 1,686.Абсолютная ошибка прогноза: 14,598.Нижняя граница прогноза: 145,160.

Список литературы

Список использованной литературы
1. Эконометрика: учебное пособие, С.А. Горбатков, С.А. Фархиева, М.В. Короткова – Уфа: РИЦ БашГу 2012-2012 г.
2. Эконометрика: Учебник, под ред. И.И. Елисеевой – М.: Финансы и статистика, 2008 г.
3. http://website.vzfei.ru – учебник «Эконометрика»
4. http://traditio-ru.org/wiki - эконометрика как наука
5. http://economic-info.biz/ekonometrika/model-parnoy-lineynoy-35133.html - модель парной линейной регрессии
6. http://lektsiopedia.org/lek-14098.html - одномерные временные ряды
Очень похожие работы
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.00499
© Рефератбанк, 2002 - 2024