Создан заказ №1725157
6 февраля 2017
Пусть имеются данные аналогичные рассмотренным в тренировочном примере (n=21 y – потребление
Как заказчик описал требования к работе:
Задание: сделать решение задач по эконометрике за 2 дня, красиво оформить. Сколько стоит решение задач пишите точно.
Фрагмент выполненной работы:
Пусть имеются данные, аналогичные рассмотренным в тренировочном примере (n=21, y – потребление, х – доходы), для которых рассчитано уравнение регрессии и другие характеристики, необходимые для их полного анализа с помощью парной регрессии и корреляции.
Ниже приведены результаты расчетов (рис.12) и (рис.13).
Описательные статистики рассчитаны отдельно:
x =5,1, y =4,95, Sx=2.1, Sy=1,4.
Рисунок 13 – Уравнение парной регрессии для примера
Рисунок 14 – График остатков для примера Выписать уравнение регрессии и провести полный анализ его точности в соответствии с рассмотренным тренировочным примером. (работа была выполнена специалистами Автор 24)
Проверить равенства: tb2 =tr2 = F2 и прокомментировать их смысл.
Прокомментировать смысл коэффициента регрессии (склонность к потреблению), рассчитать мультипликатор и коэффициент средней эластичности и привести их содержательный анализ.
Показать, что Vx>Vy и прокомментировать это знаком при свободном члене уравнения простой линейной регрессии.
Охарактеризовать тесноту линейной корреляционной связи на основе шкалы Чеддока.
Выборочный коэффициент Дарбина – Уотсона для этого уравнения равен 1,54.
Используя данные тренировочного примера (та же размерность задачи) проверить остатки на автокорреляцию и сделать вывод.
Сравнительный анализ моделей для рассмотренных данных показал следующее (рис.15):
Рисунок 15 – Сравнительный анализ моделей
Мультипликативная и экспоненциальная модели следующие:
Рисунок 16 – Мультипликативная модель
Рисунок 17 – Экспоненциальная модель Выписать уравнения этих моделей, охарактеризовать их точность на основе данных рис. 15 и дать смысл их параметров (в пределах рассмотренного в тренировочном примере) и указать наиболее точное из них.
Решение:
Выпишем уравнение регрессии и проведем полный анализ его точности в соответствии с рассмотренным тренировочным примером.
Уравнение регрессии имеет вид: y=2,08+0,56x+e.
Intercept (пересечение) = 2,08, а Slope (наклон) = 0,56 (эти значения взяты из столбца Estimate-оценка отчета).
При этом статистика Фишера F = 44 (Analysis of Variance), а расчетный уровень ее значимости равен нулю (p-Value = 0,0). Это означает, что уравнение регрессии значимо.
Как уже отмечалось, проверка значимости коэффициента парной регрессии аналогична проверке значимости уравнения регрессии в целом и статистика Стьюдента для этой проверки равна корню квадратному из статистики Фишера (или t2 =F), что легко проверить (6,632 = 43,96) (небольшое расхождение за счет округления).
Итак, коэффициент регрессии значимо отличен от нуля. Известно, что подобного рода зависимость расходов от доходов в эконометрике называется функцией потребления.
Коэффициент регрессии в этом случае показывает, насколько изменится расход при дополнительном увеличении дохода на 1 тыс. рублей, и характеризует склонность к потреблению. В нашем примере из каждой тысячи рублей дохода на потребление расходуется 561 руб., а 439 руб. откладывается на будущее (инвестируется).
Показатель, характеризующий склонность к потреблению, используется для расчета мультипликатора, который в нашем случае равен 11-b=11-0,561=2,278. Это означает, что при дополнительном инвестировании 1 тыс руб. на отдаленную перспективу, получим дополнительный доход в размере 2,28тыс. руб.
Свободный член уравнения регрессии положителен (равен 2,08). Это означает, что расходы изменяются более интенсивно, чем доходы. Это подтверждается и расчетами коэффициентов вариации для этих показателей.
V=Sx*100%
Известно, что x =5,1, y =4,95, Sx=2.1, Sy=1,4.
Vx=2,15,1*100%=41,2%
Vy=1,44,95*100%=28,3%
Коэффициенты вариации для расходов и доходов равны 41,2% и 28,3% соответственно. Коэффициент регрессии используется также при расчете коэффициента средней эластичности, который равен э=(b*x/y), и показывает, на сколько процентов в среднем изменится значение зависимой переменной при изменении независимой переменной на 1%.
В нашем случае э=0,561*5,14,95=0,578. Это означает, что в нашем примере при изменении доходов на 1% расходы изменятся в среднем на 0,58%.
Теснота линейной корреляционной связи между изучаемыми показателями оценивается коэффициентом корреляции, который равен 0,836, и в соответствии со шкалой Чеддока можно сказать, что теснота этой связи высокая.
Рассчитаем статистику Стьюдента для проверки гипотезы о том, что коэффициент корреляции равен нулю
tr2=r2n-21-r2
r=0,836
tr2=0,836221-21-0,8362=44,1
Получили, что в случае парной регрессии она совпадет со статистикой Стьюдента для проверки гипотезы о равенстве нулю коэффициента регрессии, а ее квадрат равен значению критерия Фишера для проверки гипотезы о значимости уравнения регрессии в целом (небольшое расхождение за счет округления).
Коэффициент детерминации (R-squared) равен 69,8%, следовательно, в нашем примере изменение расходов на 69,8% зависит от изменения доходов, а остальные 30,2% изменения доходов зависят от неучтенных факторов, в том числе и от случайных...Посмотреть предложения по расчету стоимости
Заказчик
заплатил
заплатил
20 ₽
Заказчик не использовал рассрочку
Гарантия сервиса
Автор24
Автор24
20 дней
Заказчик принял работу без использования гарантии
7 февраля 2017
Заказ завершен, заказчик получил финальный файл с работой
5
Пусть имеются данные аналогичные рассмотренным в тренировочном примере (n=21 y – потребление.jpg
2017-02-10 00:36
Последний отзыв студента о бирже Автор24
Общая оценка
5
Положительно
Все вовремя и в срок, но хотелось бы чуть подешевле. Обращусь еще раз к этому автору в надежде на скидку. Всем рекомендую
Хочешь такую же работу?
300 ₽
