Классификация эконометрических моделей и методов
Курсовая работа, 02 Октября 2011, автор: пользователь скрыл имя
Описание работы
Эконометрика - это наука, лежащая на стыке между статистикой и математикой, она разрабатывает экономические модели для цели параметрической идентификации, прогнозирования (анализа временных рядов).
Содержание
ВВЕДЕНИЕ
I. ОСНОВНАЯ ЧАСТЬ
ПАРАМЕТРИЧЕСКАЯ ИДЕНТИФИКАЦИЯ ПАРНОЙ ЛИНЕЙНОЙ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ
КРИТЕРИЙ ФИШЕРА
ПАРАМЕТРИЧЕСКАЯ ИДЕНТИФИКАЦИЯ ПАРНОЙ НЕЛИНЕЙНОЙ РЕГРЕССИИ
ПРОГНОЗИРОВАНИЕ СПРОСА НА ПРОДУКЦИЮ ПРЕДПРИЯТИЯ. ИСПОЛЬЗОВАНИЕ В MS EXCEL ФУНКЦИИ "ТЕНДЕНЦИЯ"
СПИСОК ЛИТЕРАТУРЫ
Работа содержит 1 файл
Классификация эконометрических моделей и методов.doc
— 180.00 Кб (Скачать)b=0.289
С
= 1,7605 - ( - 0,298) * 1,7370 = 2,278
Возврат
к исходной модели
Ŷ=10с*xb=102.278*x-0.298
| №п/п | У | X | Y | X | Y*X | X2 | У | I (y-ŷ) /yI |
| 1 | 68,80 | 45,10 | 1,8376 | 1,6542 | 3,039758 | 2,736378 | 60,9614643 | 0,113932 |
| 2 | 61, 20 | 59,00 | 1,7868 | 1,7709 | 3,164244 | 3,136087 | 56,2711901 | 0,080536 |
| 3 | 59,90 | 57, 20 | 1,7774 | 1,7574 | 3,123603 | 3,088455 | 56,7931534 | 0,051867 |
| 4 | 56,70 | 61,80 | 1,7536 | 1,7910 | 3,140698 | 3, 207681 | 55,4990353 | 0,021181 |
| 5 | 55,00 | 58,80 | 1,7404 | 1,7694 | 3,079464 | 3,130776 | 56,3281590 | 0,024148 |
| 6 | 54,30 | 47, 20 | 1,7348 | 1,6739 | 2,903882 | 2,801941 | 60,1402577 | 0,107555 |
| 7 | 49,30 | 55, 20 | 1,6928 | 1,7419 | 2,948688 | 3,034216 | 57,3987130 | 0,164274 |
| Итого | 405, 20 | 384,30 | 12,3234 | 12,1587 | 21,40034 | 21,13553 | 403,391973 | 0,563493 |
| Средняя | 57,88571 | 54,90 | 1,760486 | 1,736957 | 3,057191 | 3,019362 | 57,62742 | 0,080499 |
Входим в EXCEL через "Пуск"-программы. Заносим данные в таблицу. В "Сервис" - "Анализ данных" - "Регрессия" - ОК
Если в меню "Сервис" отсутствует строка "Анализ данных", то ее необходимо установить через "Сервис" - "Настройки" - "Пакет анализа данных"
Прогнозирование спроса на продукцию предприятия. Использование в MS Excel функции "Тенденция"
A
- спрос на товар. B - время, дни
| № п/п | A | B |
| 1 | 11 | 1 |
| 2 | 14 | 2 |
| 3 | 13 | 3 |
| 4 | 15 | 4 |
| 5 | 17 | 5 |
| 6 | 17,9 | 6 |
| 7 | 18,4 | 7 |
1/3
1
Шаг 1. Подготовка исходных данных
Шаг 2. Продлеваем временную ось, ставим на 6,7 вперед; имеем право прогнозировать на 1/3 от данных.
Шаг 3. Выделим диапазон A6: A7 под будущий прогноз.
Шаг
4. Вставка функция
| Шаг1
Категория Полный алфавитный перечень Тенденция |
Шаг2
Тенденция Известные значения x (курсор В1: В5) Выделяем с 1 по 5 |
| Новый x | В6: В7 |
| Известный y | А1: А5 |
| Const | 1 |
| Ок |
Шаг
5. ставим курсор в строку формул за последнюю
скобку
| = ТЕНД () |
<Ctrl+Shift+Enter>
Вставка диаграмма нестандартны гладкие графики
диапазон у готово.
Если каждое последующее значение нашего временной оси будет отличаться не на несколько процентов, а в несколько раз, тогда нужно использовать не функцию "Тенденция", а функцию "Рост".
Список литературы
- Елисеева "Эконометрика"
- Елисеева "Практикум по эконометрике"
- Карлсберг "Excel для цели анализа"
Приложение
| ВЫВОД ИТОГОВ | ||||||||
| Регистрационная статистика | ||||||||
| Множественный R | 0,947541801 | |||||||
| R-квадрат | 0,897835464 | |||||||
| Нормированный R-квадрат | 0,829725774 | |||||||
| Стандартная ошибка | 0,226013867 | |||||||
| Наблюдения | 6 | |||||||
| Дисперсионный анализ | ||||||||
| df | SS | MS | F | Значимость F | ||||
| Регрессия | 2 | 1,346753196 | 0,673376598 | 13,18219855 | 0,032655042 | |||
| Остаток | 3 | 0,153246804 | 0,051082268 | |||||
| Итого | 5 | 1,5 | ||||||
| Коэффициенты | Стандартная ошибка | t-статистика | Р-значение | Нижние 95% | Верхние 95% | Нижние 95% | Верхние 95% | |
| Y-пересечение | 4,736816539 | 0,651468195 | 7,27098664 | 0,005368842 | 2,66355399 | 6,810079088 | 2,66355399 | 6,810079088 |
| Переменная X1 | 0,333424008 | 0,220082134 | 1,51499807 | 0,227014505 | -0,366975566 | 1,033823582 | -0,366975566 | 1,033823582 |
| Переменная X2 | 0,077993238 | 0,038841561 | 2,007984153 | 0,138252856 | -0,045617943 | 0, 201604419 | -0,045617943 | 0, 201604419 |