Создан заказ №1512500
25 ноября 2016
Задание по эконометрическому моделированию стоимости квартир в Московской области Рассчитайте матрицу парных коэффициентов корреляции
Как заказчик описал требования к работе:
Контрольная работа №2 , задание начинается на странице 26, вариант 7. Оформление в Word и Exell/
Фрагмент выполненной работы:
Задание по эконометрическому моделированию стоимости квартир в Московской области
Рассчитайте матрицу парных коэффициентов корреляции; оцените статистическую значимость коэффициентов корреляции Y с X.
Постройте поле корреляции результативного признака и наиболее тесно связанного с ним фактора.
Рассчитайте параметры линейной парной регрессии для фактора X, наиболее тесно связанного с Y.
Оцените качество модели через коэффициент детерминации, среднюю ошибку аппроксимации и F-критерий Фишера.
По модели осуществите прогнозирование среднего значения показателя Y при уровне значимости α = 0,1, если прогнозное значения фактора X составит 80% от его максимального значения. (работа была выполнена специалистами Автор 24) Представьте графически фактические и модельные значения, точки прогноза.
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.
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.
Таблица 1. Наименования показателей
Обозначение Наименование показателя Единица измерения (возможные значения)
Y Цена квартиры тыс. долл.
Х1
Город области 1 — Подольск
0 — Люберцы
Х2
Число комнат в квартире
Х3 Общая площадь квартиры кв. м
Таблица 3. Исходные данные для эконометрического моделирования стоимости квартир
Номер наблюдения Y Х1
Х2
Х3
1 115 2 4 70,4
2 85 1 3 82,8
3 69 1 2 64,5
4 57 1 2 55,1
5 184,6 2 3 83,9
6 56 1 1 32,2
7 85 2 3 65
8 265 2 4 169,5
9 60,65 1 2 74
10 130 2 4 87
11 46 1 1 44
12 115 2 3 60
13 70,96 2 2 65,7
14 39,5 1 1 42
15 78,9 2 1 49,3
16 60 1 2 64,5
17 100 1 4 93,8
18 51 1 2 64
19 157 2 4 98
20 123,5 1 4 107,5
21 55,2 2 1 48
22 95,5 1 3 80
23 57,6 2 2 63,9
24 64,5 1 2 58,1
25 92 1 4 83
26 100 1 3 73,4
27 81 2 2 45,5
28 65 1 1 32
29 110 2 3 65,2
30 42,1 1 1 40,3
31 135 2 2 72
32 39,6 1 1 36
33 57 1 2 61,6
34 80 2 1 35,5
35 61 1 2 58,1
36 69,6 1 3 83
37 250 1 4 152
38 64,5 1 2 64,5
39 125 2 2 54
40 152,3 2 3 89
Решение:
1. Рассчитаем матрицу парных коэффициентов корреляции; оцените статистическую значимость коэффициентов корреляции Y с X.
В этом примере количество наблюдений n = 40, количество объясняющих переменных m = 3.
Для проведения корреляционного анализа используем инструмент Корреляция (надстройка Данные – Анализ данных – Корреляция).
Во входной интервал вводим диапазон с исходными данными:
$B$1:$E$41
Ставим метку в «Метки в первой строке»
В результате будет получена матрица коэффициентов парной корреляции.
Таблица 3. Результат корреляционного анализа
Y Х1
Х2
Х3
Y 1,000
Х1
0,403 1,000
Х2
0,688 0,155 1,000
Х3 0,846 0,082 0,806 1,000
Анализ матрицы коэффициентов парной корреляции начнем с анализа первого столбца матрицы, в котором расположены коэффициенты корреляции, отражающие тесноту связи зависимой переменной Y с включенными в анализ факторами.
Корреляционный анализ показывает, что:
Зависимая переменная – цена квартиры имеет слабую связь с городом X1 (ryx1 = 0,403).
Зависимая переменная – цена квартиры имеет заметную прямую связь с числом комнат – X2 (ryx2 = 0,688).
Зависимая переменная – цена квартиры имеет тесную прямую связь с общей площадью квартиры – X3 (ryx3 = 0,846).
Перейдем к анализу остальных столбцов матрицы с целью выявления коллинеарности, поскольку одним из условий классической регрессионной модели является предположение о независимости объясняющих переменных.
Факторы Х2 и Х3 тесно связаны между собой (rx2x3= 0,806), что свидетельствует о наличии коллинеарности. Из этих двух переменных следует оставить переменную Х3 , так как ryx3 = 0,846> ryx2 = 0,688.
Таким образом, на основе анализа только корреляционной матрицы можно сделать вывод, что следует оставить в модели один фактор – X3 (n = 40, k =1).
2. Построим поле корреляции результативного признака и наиболее тесно связанного с ним фактора – общая площадь квартиры Х3
Рис. 1. Зависимость цены квартиры (Y) от общей площади (X3)
Из диаграмм рассеяния, представленной на рисунке 1, видно, что Y (цена квартиры) линейно зависит от фактора X3 (Общая площадь квартиры).
3. Рассчитаем параметры линейной парной регрессии для фактора X3
Используем инструментарий MS Excel «Регрессия»: Данные – Анализ данных – Регрессия.
В результате получим следующие результаты:
Таблица 4. Результат регрессионного анализа
В результате получили уравнение регрессии:
.
4. Оценим качество модели через коэффициент детерминации, среднюю ошибку аппроксимации и F-критерий Фишера
Считаем расчетные значения цены квартиры с помощью формулы . Считаем отклонение расчетных значений от исходных данных: . Считаем относительные ошибки аппроксимации:
Таблица 5...Посмотреть предложения по расчету стоимости
Заказчик
заплатил
заплатил
200 ₽
Заказчик не использовал рассрочку
Гарантия сервиса
Автор24
Автор24
20 дней
Заказчик принял работу без использования гарантии
26 ноября 2016
Заказ завершен, заказчик получил финальный файл с работой
5
Задание по эконометрическому моделированию стоимости квартир в Московской области
Рассчитайте матрицу парных коэффициентов корреляции.docx
2021-01-11 09:31
Последний отзыв студента о бирже Автор24
Общая оценка
4.7
Положительно
Очень хороший автор. Отвечает быстр. Выполнила работу за пару часов. и Спустя 2 недели ответила мне на вопрос по работе
Хочешь такую же работу?
300 ₽
