Анализ предприятий одной отрасли РФ (193904)

Посмотреть архив целиком

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВПО

Всероссийский заочный финансово-экономический институт

Филиал в г. Архангельске

Кафедра экономико-математических методов и моделей






ЛАБОРАТОРНАЯ РАБОТА

по дисциплине «эконометрика»

Вариант №5





Выполнила студентка

3 курса группы №2 «периферия»

специальности «финансы и кредит»

л/д:07ФФД10522

Лукина Мария Александровна

Проверил преподаватель

Бан Татьяна Михайловна





Архангельск – 2010


Постановка задачи


Наименование задачи: анализ предприятий одной отрасли РФ – 1.

Цель задачи – проанализировать экономическую деятельность предприятий.

Условие задачи: имеются данные (см. таб. 1) об экономической деятельности предприятий одной отрасли РФ в 1997г.:

Y – прибыль от реализации продукции, млн. руб.;

X1 – численность промышленно – производственного персонала, чел.;

X3 – среднегодовая стоимость основных фондов, млн. руб.;

X4 – электровооружённость, кВт∙ч;

X5– техническая вооружённость одного рабочего, млн. руб.


наблюдения

Прибыль от реализации продукции, млн. руб.

Численность промышленно-производствен-ного персонала, чел.

Среднегодовая стоимость основных фондов, млн. руб.

Электровоору-женность, кВт×ч.

Техническая вооруженность одного рабочего, млн. руб.

Y

X1

X3

X4

X5

1

7960

864

16144

4,9

3,2

2

42392

8212

336472

60,5

20,4

3

9948

1866

39208

24,9

9,5

4

15503

1147

63273

50,4

34,7

5

9558

1514

31271

5,1

17,9

6

10919

4970

86129

35,9

12,1

7

2631

1561

48461

48,1

18,9

8

18727

4197

138657

69,5

12,2

9

18279

6696

127570

31,9

8,1

10

39689

5237

208900

139,4

29,7

11

-984

547

6922

16,9

5,3

12

5431

710

8228

17,8

5,6

13

2861

940

18894

27,6

12,3

14

-1123

3528

27486

13,9

3,2

15

203892

52412

1974472,00

37,3

19

16

16304

4409

162229

55,3

19,3

17

35218

6139

128731

35,1

12,4

18

857

802

6714

14,9

3,1

19

116

442

478

0,2

0,6

20

1021

2797

60209

37,2

13,1

21

102843

10280

540780

74,45

21,5

22

10035

4560

108549

32,5

13,2

23

6612

3801

169995

75,9

27,2

24

163420

46142

972349

27,5

10,8

25

2948

2535

163695

65,5

19,9

Таб.1. Исходные данные


Задание

  1. Рассчитать параметры линейного уравнения множественной регрессии с полным перечнем факторов.

  2. Оценить статистическую значимость параметров регрессионной модели с помощью t – критерия, проверить нулевую гипотезу о значимости уравнения с помощью F – критерия (α=0,05), оценить качество уравнения регрессии с помощью коэффициента детерминации.

  3. Отобрать информативные факторы в модель по t – критерию для коэффициентов регрессии. Построить модель только с информативными факторами и оценить её параметры. Дать оценку влияния значимых факторов на результат с помощью коэффициентов эластичности, β- и Δ – коэффициентов.

  4. Рассчитать прогнозные значения результата, если прогнозные значения факторов составляют 80% от их максимальных значений.

1. Рассчитаем параметры линейного уравнения множественной регрессии с полным перечнем факторов, используя инструмент «регрессия» пакета анализа. В массив «входной интервал Y» вводим диапазон ячеек, содержащих значения результата YB2:B27; в массив «входной интервал X» вводим диапазон ячеек, содержащих значения фактора XC2:D27, активизируем флажки «метки», «новый рабочий лист» и «остатки», затем нажимаем клавишу «ок».

В результате получаем следующее линейное уравнение множественной регрессии:



2а. Оценим статистическую значимость параметров регрессионной модели с помощью t – критерия. Фактор xj является статистически значимым, если параметр aj при этом факторе значим. Для проверки значимости параметра aj используем столбец «t – статистка» таблицы 4 дисперсионного анализа приложения 2.

Имеем:



Сравним расчётные значения t – критерия с табличным значением tтабл.=2,064.

, значит, параметр a0 незначим.

, значит, параметр a1 значим, и фактор x1 при данном параметре является статистически значимым, его следует включить в модель.

, значит, параметр a3 значим и фактор x3

, значит, параметр a4 незначим, и фактор x4 при данном параметре не является статистически значимым, его следует исключить из модели.

, значит, параметр a4 незначим, и фактор x4 при данном параметре не является статистически значимым, его следует исключить из модели.

2б. Проверим нулевую гипотезу о значимости уравнения с помощью F – критерия (α=0,05). Для этого находим расчётное значение данного критерия с помощью функции «FРАСПОБР» мастера функций Excel: в массив «вероятность» вводим значение уровня значимости α=0,05, в массив «число степеней свободы1» вводим значение k1=m=2 (т.к. в модели 2 фактора: х 1 и х 3), в массив «число степеней свободы2» вводим значение k2=n-m-1=25-2-1=24. Затем полученное расчётное значение Fрасч.=3,403 сравниваем с табличным значением Fтабл.=80,419, которое берём из столбца «F» таблицы 4 дисперсионного анализа.

3,403<80,419, значит, уравнение регрессии незначимо.

2в. Проверим качество уравнения регрессии с помощью коэффициента детерминации по следующей формуле по данным таблицы 7(см. приложение 3):


,


значит, построенная линейная модель множественной регрессии точная, а значит, и качественная.

3а. Отобранные информативные факторы в модель по t - критерию для коэффициентов регрессии представлены в таблице 6 приложения 3. Построим модель только с информативными факторами x1 и x3, используя инструмент «регрессия» пакета анализа данных (см. приложение 5).

В результате получаем следующее линейное уравнение множественной регрессии:


.


3б. Оценим влияние значимых факторов на результат с помощью коэффициентов эластичности, β- и Δ-коэффициентов. Вычислим коэффициент эластичности для фактора х1 последующей формуле:


-


если фактор х1 увеличить на 1%, то результат y увеличится на 50%.

Аналогично находим коэффициент эластичности для фактора х3:


-


если фактор х3 увеличить на 1%, то результат y увеличится на 42%.

Находим β-коэффициенты. Для этого сначала вычислим СКО x1 и x3, используя функцию СТАНДОТКЛОН мастера функций Excel. В ячейку С32 вводим формулу:


= СТАНДОТКЛОН (С7:С31).


Аналогичную формулу вводим в ячейку D32 для нахождения СКО для фактора х3:


= СТАНДОТКЛОН(D7: D31).


Полученные значения Sxj подставим в формулы (*) и (**). В ячейку С35 вводим формулу:


=G35*C32/B32.


В ячейку D35 вводим формулу:


=H35*D32/B32.

(*)

.(**)


Получаем:



Если фактор х1 увеличить на Sx1=12994,033, то результат y изменится на



Если фактор х3 увеличить на Sx3=422015,64, то результат изменится на



Для нахождения Δ-коэффициента вычислим сначала коэффициент парной корелляции, используя инструмент «корелляция» пакета анализа данных, затем его значения подставляем в формулу:


.


В ячейку С36 вводим формулу:


=0,956*С35/0,935.


Получаем: , значит, 50% влияния оказывает фактор х1.

Аналогично находим Δ-коэффициент для фактора х3. В ячейку D36 вводим формулу:


=0,954*D35/0,935.


Получаем: , значит, 47% влияния оказывает фактор х3.

4. Найдём прогнозные значения результата y, если прогнозные значения факторов x составляют 80% от их максимальных значений.


- интервальный прогноз.

- средняя квадратическая ошибка прогноза.

- точечный прогноз.



Случайные файлы

Файл
79918.doc
74254.rtf
62227.rtf
LOCAL.DOC
17255-1.rtf




Чтобы не видеть здесь видео-рекламу достаточно стать зарегистрированным пользователем.
Чтобы не видеть никакую рекламу на сайте, нужно стать VIP-пользователем.
Это можно сделать совершенно бесплатно. Читайте подробности тут.