Эконометрический анализ основных числовых характеристик

Эконометрический анализ основных числовых характеристик

Введем обозначения: Х1 — удельный вес пашни в с/х угодьях, %;

Х2 — удельный вес лугов и пастбищ, %

У — уровень убыточности продукции животноводства, %

Найдем основные числовые характеристики:

1. Объем выборки — суммарное количество наблюдений: n = 15.

2. Минимальное значение х₁ — min х₁ = 68,1%

максимальное значение х₁ — max х₁ = 94,7%

Значит, удельный вес пашни в с/х угодьях изменяется от 68,1% до 94,7%.

3. min х₂ = 9,2%, max х₂ = 28,7%.

Значит, удельный вес лугов и пастбищ изменяется от 9,2%, до 28,7%.

4. min у = 15%, max у = 45,6%.

Значит, уровень убыточности продукции животноводства изменяется от 15%% до 45,6%.

5. Среднее значение вычисляется по формуле Среднее значение удельного веса пашни в с/х угодьях и составляет x₁=80,98%

Среднее значение удельного веса лугов и пастбищ составляет х₂ = 17,02%

Среднее значение уровня убыточности продукции животноводства составляет у = 28,2%.

6. Дисперсия вычисляется по формуле

Дисперсия по х₁: D (х₁) = 58,83;

по х₂: D (х₂) = 42,45;

по у: D (у) = 92,96.

7. Среднеквадратичное отклонение вычисляется по формуле:

?_х1= 7,67 — значит, среднее отклонение удельного веса пашни в с/х угодьях от среднего значения составляет 7,67%

?_х2= 6,52 — значит, среднее отклонение удельного веса лугов и пастбищ от среднего значения составляет 6,52%

?_у= 9,642 — значит, среднее отклонение уровня убыточности продукции животноводства от среднего значения составляет 9,642%.

Эконометрический анализ По таблице строим корреляционное поле (диаграмму рассеивания). Нанесем точки х_i, у_i на координатную плоскость.

Точка с координатами (х; у) = (80,98; 17,15) называется центром рассеивания.

По виду корреляционного поля можно предположить, что зависимость между х и у линейная.

Для определения линейной связи найдем коэффициент корреляции.

r =0,776 111 538

Т.к. в данном случае коэффициент корреляции 0,6 ?| r |? 0,9, то линейная связь между х и у достаточная.

Попытаемся описать связь между х и у зависимостью у = b₀ + b₁x

Параметры b₀ и b₁ находим по методу наименьших квадратов.

b₁ = r_ху ?_у/ ?_х =-0,6520, b₀ = у — b₁x = 69,9498

Т.к. b₁<0, то зависимость между х и у обратная. Т. е. с ростом удельного веса пашни в с/х угодьях, уровень убыточности продукции животноводства уменьшается.

Проверим значимость коэффициентов b_i. Значимость может быть проверена с помощью критерия Стьюдента.

Для коэффициента b₀:

=5,854 852 846

Значимость t наблюдаемого: ??t_набл = 0,0001, т. е. 0,01%<5%, значит, коэффициент b₀ статистически значим.

Для коэффициента b₁:

= -4,437 566 168

Значимость t наблюдаемого: ??t_набл = 0,0010, т. е. 0,1%<5%,

Значит, коэффициент b₁ статистически значим.

Получим модель зависимости уровня убыточности продукции животноводства от удельного веса пашни в с/х угодьях и удельного веса лугов и пастбищ.

у = -0,652х + 69,9498.

После того, как была построена модель, проверяем её на адекватность.

Разброс данных, объясняемый регрессией:

SSP = 350,83 702

Остатки необъясняемые — разброс:

SSЕ = 231,1 136 313

Общий разброс данных:

SSY = 581,1 973 333

Для анализа общего качества модели найдем коэффициент детерминации.

R² = SSR/ SSY = 0,57 176 059

Разброс данных объясняется: линейной моделью на 57,26% и на 42,74% случайными ошибками ((1 — R²)?100%).

Качество модели плохое.

Проверим с помощью критерия Фишера. Для проверки найдем величины:

MSR = SSR / R₁ = 350,83 702 и MSЕ = SSЕ / R₂ = 17,77 797 164.

Вычисляем k₁ = 1 и k₂ = 14.

Находим наблюдаемое значение критерия Фишера.

F_набл = MSR / MSE = 19,6 919 935.

Значимость этого значения:? = 0,669 742, т. е. процент ошибки равен ?0,067% < 5%.

Следовательно, модель у = -0,652х + 69,9498 считается адекватной с гарантией более 95%.

Найдем прогноз на основании линейной регрессии. Выберем произвольную точку из области прогноза.

x [x_min, x_max]; х_пр = 88

Рассчитываем прогнозируемые значения по модели для всех точек выборки и для точки прогноза.

у_(х=88) = у = -0,652х + 69,9498= 12,577

Найдем полуширину доверительного интервала в каждой точке и в точке прогноза.

где ?_е — среднеквадратическое отклонение выборочных точек от линии регрессии

= 4,216 393

t_? — критическая точка распределения Стьюдента для надежности

? =0,95 R = 13;

n = 15 — объем выборки;

сумма знаменателя — ,

где D (x) — дисперсия выборки, х_пр — точка прогноза.

Прогнозируемый доверительный интервал для любой точки х:

где? для точки прогноза —? (х=88) = 9,668, т. е. доверительный интервал для х_пр составляет от 2,909 до 22,244 с гарантией 95%.

Совокупность доверительных интервалов для всех х из области прогнозов образует доверительную область.

Т.е. при удельном весе пашни в с/х угодьях 1,458%. уровень убыточности продукции животноводства составит от 2,909% до 22,244%.

Найдем эластичность. Для линейной модели эластичность Е_х вычисляется по формуле:

Коэффициент эластичности показывает, что при изменении удельного веса пашни в с/х угодьях на 1% уровень убыточности продукции животноводства уменьшится на 4,593%.

Эконометрический анализ По таблице строим корреляционное поле (диаграмму рассеивания). Нанесем точки х_i, у_i на координатную плоскость.

Точка с координатами (х; у) = (17,02; 28,2) называется центром рассеивания.

По виду корреляционного поля можно предположить, что зависимость между х и у нелинейная.

Попытаемся описать связь между х и у зависимостью:

y = a ln x + b.

Перейдем к линейной модели. Делаем линеаризующую подстановку:

U= ln x; V = y.

Для этих данных строим линейную модель:

V = b₀ + b₁U.

Для определения линейной связи найдем коэффициент корреляции.

r =0,864

Т.к. в данном случае коэффициент корреляции | r | > 0,9, то линейная связь между U и V сильная.

Попытаемся описать связь между U и V зависимостью

V = b₀ + b₁U.

Параметры b₀ и b₁ находим по методу наименьших квадратов.

b₁ = r _{U V}? _V /? _U = 370.76, b₀ = V — b₁ U = 3.53.

Т.к. b₁ > 0, то зависимость между U и V прямая. Т. е. с ростом удельного веса лугов и пастбищ, уровень убыточности продукции животноводства повышается.

Проверим значимость коэффициентов b_i. Значимость может быть проверена с помощью критерия Стьюдента.

Для коэффициента b₀:

=0,845

Значимость t наблюдаемого: ??t_набл = 0,413 221 639, т. е. 41%>5%,

Значит, коэффициент b₀ статистически не значим.

Для коэффициента b₁:

=6,2

Значимость t наблюдаемого: ??t_набл = 3,23039E₀₅, т. е. ?0%<5%,

Значит, коэффициент b₁ статистически значим.

Получим модель зависимости уровня убыточности продукции животноводства от удельного веса лугов и пастбищ.

V = 370,76U +3,53.

После того, как была построена модель, проверяем её на адекватность.

Разброс данных, объясняемый регрессией:

SSP = 972,42

Остатки необъясняемые — разброс:

SSЕ = 329,1

Общий разброс данных:

SSY = 1301,51

Для анализа общего качества модели найдем коэффициент детерминации.

R² = SSR/ SSY = 0.747

Разброс данных объясняется: линейной моделью на 74,7% и на 25,3% случайными ошибками ((1 — R²)?100%).

Качество модели хорошее.

Проверим с помощью критерия Фишера. Для проверки найдем величины: MSR = SSR / R₁ = 972,42 и MSЕ = SSЕ / R₂ = 25,3.

Вычисляем k₁ = 1 и k₂ = 13.

Находим наблюдаемое значение критерия Фишера.

F_набл = MSR / MSE = 38.41.

Значимость этого значения:? = 3,23Е₀₅, т. е. процент ошибки равен ?0% < 5%.

Следовательно, модель V = 370,76U +3,53. считается адекватной с гарантией более 95%.

Т.к. линейная модель адекватна, то и соответствующая нелинейная модель то же адекватна. Находим параметры исходной нелинейной модели a и b. Вид нелинейной функции:

y = 370,76/x +3,53.

Найдем прогноз на основании линейной регрессии. Выберем произвольную точку из области прогноза.

x [x_min, x_max];

х_пр = 17,02, соответственно U_пр= 1/17,02 = 0,06

Рассчитываем прогнозируемые значения по модели для всех точек выборки и для точки прогноза.

V_(х=17,02) = 370,76U +3,53. = 25,32,

у_(х=17,02) = 370,76/x +3,53 = 25,32.

Т.к. y (x) = V (U), то полуширина доверительного интервала и доверительный интервал будет равен как для y так и для V.

Найдем полуширину доверительного интервала в каждой точке и в точке прогноза.

Прогнозируемый доверительный интервал для любой точки х:

где? для точки прогноза —? (х=17,02) = 11,27 т. е. доверительный интервал для х_пр составляет от 8,50 до 12,87 с гарантией 95%.

Совокупность доверительных интервалов для всех х из области прогнозов образует доверительную область.

Т.е. при удельном весе лугов и пастбищ 17,02% уровень убыточности продукции животноводства составит от 14,05% до 36,59%.

Найдем эластичность. Для линейной модели эластичность Е_х вычисляется по формуле:

Коэффициент эластичности показывает, что при изменении удельного веса лугов и пастбищ на 1% уровень убыточности продукции животноводства изменяется на 0,86%.

Эконометрический анализ

Прежде, чем строить модель, проверим факторы на коллинеарность. По исходным данным строим корреляционную матрицу. Коэффициент корреляции между х₁ и х₂ равен:

r_х1х2 =-0,79 < 0,95, следовательно х₁ и х₂ неколлинеарны.

Определим связаны ли х₁, х₂ и у между собой. Для определения тесноты линейной связи найдем коэффициент корреляции.

r = 0,92

Попытаемся описать связь между х₁, х₂ и у зависимостью у = b₀ + b₁•х₁ + b₂ •х₂

Параметры b₀, b₁ и b₂ находим по методу наименьших квадратов.

b₀ = -19.995, b₁ = 0.72, b₂ = -0.6

Проверим значимость коэффициентов b_i. Значимость может быть проверена с помощью критерия Стьюдента.

Для коэффициента b₀:

= -0,87

Значимость t наблюдаемого: ??t_набл = 0,40, т. е. 40% > 5%,

Значит, коэффициент b₀ статистически не значим.

Для коэффициента b₁:

= 3,04

Значимость t наблюдаемого: ??t_набл = 0,01, т. е. 1% < 5%,

Значит, коэффициент b₁ статистически значим.

Для коэффициента b₂:

= -2,11

Значимость t наблюдаемого: ??t_набл = 0,06, т. е. 6% > 5%,

Значит, коэффициент b₂ статистически не значим.

Получим модель зависимости уровня убыточности продукции животноводства от удельного веса пашни в с/х угодьях и и удельного веса лугов и пастбищ.

у = -19,995 + 0,72•х₁ — 0,6•х₂

После того, как была построена модель, проверяем её на адекватность.

Разброс данных, объясняемый регрессией:

SSP = 1090,3

Остатки необъясняемые — разброс:

SSЕ = 211,17

Общий разброс данных:

SSY = 1301,5

Для анализа общего качества модели найдем коэффициент детерминации.

R² = SSR/ SSY = 0.84

Разброс данных объясняется: линейной моделью на 84% и на 16% случайными ошибками ((1 — R²)?100%).

Качество модели хорошее.

Проверим с помощью критерия Фишера. Для проверки найдем величины: MSR = SSR / R₁ = 545,17 и MSЕ = SSЕ / R₂ = 17,6.

Вычисляем k₁ = 2 и k₂ = 12.

Находим наблюдаемое значение критерия Фишера.

F_набл = MSR / MSE = 30.98.

Значимость этого значения:? = 1,82E₀₅, т. е. процент ошибки равен ?0% < 5%.

Следовательно, модель у = -19,995 + 0,72•х₁ — 0,6 •х₂ — считается адекватной с гарантией более 95%.

Найдем прогноз на основании линейной регрессии. Выберем произвольную точку из области прогноза.

X_1,2 [x_min, x_max]; х_пр = (80,98; 17,02)

Рассчитываем прогнозируемые значения по модели для всех точек выборки и для точки прогноза.

У_{(80,98;17,02)} = у = -19,995 + 0,72•80,98 — 0,6 •17,02=28,17

Найдем коэффициенты частичной эластичности Е_х1, Е_х2.

Для линейной модели эластичность Е_х вычисляется по формуле:

Коэффициент эластичности показывает, что при увеличении удельного веса пашни в с/х угодьях на 1% и удельного веса лугов и пастбищ на 80,98% уровень убыточности продукции животноводства увеличится на 2,064%

Коэффициент эластичности показывает, что при увеличении производительности труда на 1% и удельного веса пашни в с/х угодьях на 17,02% уровень убыточности продукции животноводства уменьшится на 0,354%.