Эконометрическое моделирование стоимости квартир в Московской области

Автор: Пользователь скрыл имя, 06 Мая 2013 в 16:48, контрольная работа

Краткое описание

1. Рассчитайте матрицу парных коэффициентов корреляции; оцените статистическую значимость коэффициентов корреляции.
2. Постройте поле корреляции результативного признака и наиболее тесно связанного с ним фактора.
3. Рассчитайте параметры линейной парной регрессии для фактора X, наиболее тесно связанного с Y.

Оглавление

Задача 1. Эконометрическое моделирование стоимости квартир в Московской области………………………………………………………………3
Задача 2. Исследование динамики экономического показателя на основе анализа одномерного временного ряда………………………………………...24
Список литературы………………………………………………………………34

Файлы: 1 файл

Эконометрика Контрольная.docx

— 399.45 Кб (Скачать)

Федеральное государственное образовательное  бюджетное учреждение высшего профессионального  образования

«Финансовый университет при правительстве  РФ»

Уфимский  филиал

 

 

 

КОНТРОЛЬНАЯ РАБОТА

по дисциплине «Эконометрика»

Вариант 1

 

 

 

Выполнила: Каримова Ю.Г.

Курс 3 группа 13БМ

Факультет менеджмента и маркетинга

Специальность: бакалавриат менеджмента

Личное  дело № 10МЛБ01711

Преподаватель: Горбатков С.А.

 

Уфа – 2012

Содержание.

Задача 1. Эконометрическое моделирование  стоимости квартир в Московской области………………………………………………………………3

Задача 2. Исследование динамики экономического показателя на основе анализа одномерного временного ряда………………………………………...24

Список  литературы………………………………………………………………34

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Вариант № 1.

Задача 1. Эконометрическое моделирование  стоимости квартир в Московской области

Варианты для самостоятельной  работы, задание по эконометрическому  моделированию стоимости квартир, наименования показателей и исходные данные для эконометрического моделирования  стоимости квартир в Московской области.

№ варианта

Исследуемые факторы

Номера наблюдений

1

Y, X1, X3, X5

1-40


Таблица 1. Вариант для самостоятельной  работы

Задание по эконометрическому моделированию  стоимости квартир в Московской области

1. Рассчитайте матрицу парных коэффициентов  корреляции; оцените статистическую  значимость коэффициентов корреляции.

2. Постройте поле корреляции результативного  признака и наиболее тесно  связанного с ним фактора.

3. Рассчитайте параметры линейной  парной регрессии для фактора X, наиболее тесно связанного с Y.

4. Оцените качество модели через  коэффициент детерминации, среднюю  ошибку аппроксимации и F-критерий Фишера.

5. По модели осуществите прогнозирование среднего значения показателя Y при уровне значимости , если прогнозное значения фактора X составит 80% от его максимального значения. Представьте графически фактические и модельные значения, точки прогноза.

6. Используя пошаговую множественную  регрессию (метод исключения или  метод включения), постройте модель  формирования цены квартиры за  счёт значимых факторов. Дайте экономическую интерпретацию коэффициентов модели регрессии.

7. 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 Δ - коэффициентов.

Обозначение

Наименование показателя

Единица измерения (возможные значения)

Y

цена квартиры

тыс. долл.

X1

город области

1 - Подольск

 

 

0 - Люберцы

X2

число комнат в квартире

 

Х3

общая площадь квартиры

кв. м

Х4

жилая площадь квартиры

кв. м

Х5

этаж квартиры

 

Х6

площадь кухни

кв. м


Таблица 2. Наименования показателей

Номер наблюдения

Y

X1

X3

Х5

1

115

0

70,4

9

2

85

1

82,8

5

3

69

1

64,5

6

4

57

1

55,1

1

5

184,6

0

83,9

1

6

56

1

32,2

2

7

85

0

65

12

8

265

0

169,5

10

9

60,65

1

74

11

10

130

0

87

6

11

46

1

44

2

12

115

0

60

2

13

70,96

0

65,7

5

14

39,5

1

42

7

15

78,9

0

49,3

14

16

60

1

64,5

11

17

100

1

93,8

1

18

51

1

64

6

19

157

0

98

2

20

123,5

1

107,5

12

21

55,2

0

48

9

22

95,5

1

80

6

23

57,6

0

63,9

5

24

64,5

1

58,1

10

25

92

1

83

9

26

100

1

73,4

2

27

81

0

45,5

3

28

65

1

32

5

29

110

0

65,2

10

30

42,1

1

40,3

13

31

135

0

72

12

32

39,6

1

36

5

33

57

1

61,6

8

34

80

0

35,5

4

35

61

1

58,1

10

36

69,6

1

83

4

37

250

1

152

15

38

64,5

1

64,5

12

39

125

0

54

8

40

152,3

0

89

7


Таблица 3. Исходные данные для эконометрического моделирования  стоимости квартир.

Решение

1. Для получения матрицы парных  коэффициентов корреляции воспользуемся  программными ресурсами MS Excel. Получаем:

 

Y

X1

X3

X5

Y

1

     

X1

-0,40333

1

   

X3

0,845551

-0,08233

1

 

X5

0,146383

0,010902

0,22886

1


Таблица 4. Матрица парных коэффициентов  корреляции

На основе анализа данной матрицы  можно сделать следующие выводы: фактор Х3 (общая площадь квартиры) оказывает наибольшее влияние на Y (цена квартиры), так как имеет наибольшее по модулю значение парной корреляции 0,845551. Этот фактор будем использовать в качестве ведущего фактора.

2. Поле корреляции  результативного признака Y (цена квартиры) и наиболее тесно связанного с ним фактора Х3 (общая площадь квартиры) представлено на рис.1.

Рис. 1. Поле корреляции результативного признака Y и фактора Х3

3. Расчет параметров линейной парной  регрессии для фактора X3 , произведем с использованием программы MS Excel. Полученные данные представлены в таблицах.

 

Регрессионная статистика

Множественный R

0,8455513

R-квадрат

0,714957

Нормированный R-квадрат

0,70745587

Стандартная ошибка

27,8507645

Наблюдения

40


 

Дисперсионный анализ

 

df

SS

MS

F

Значимость F

Регрессия

1

73931,1379

73931,1379

95,3132216

6,62E-12

Остаток

38

29475,2732

775,665083

   

Итого

39

103406,411

     



 

 

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y-пересечение

-13,1088005

11,788596

-1,11198997

0,27312829

-36,9736

10,75596

-36,9736

10,75596

Переменная X3

1,54259366

0,1580065

9,76284905

6,624E-12

1,222726

1,862461

1,222726

1,862461


Таблицы 6, 7, 8. Параметры линейной парной регрессии для X3

В соответствии с полученными расчетными данными модель регрессии в линейной форме будет выглядеть следующим образом:

Таким образом, с увеличением общей  площади квартиры на 1 кв.м. цена квартиры увеличится на тыс. долл.

4. Оценим качество модели через коэффициент детерминации, среднюю ошибку аппроксимации и F-критерий Фишера.

Коэффициент детерминации характеризует  долю вариации результативного показателя под воздействием ведущего фактора, включенного в модель парной регрессии. Может изменяться от 0 до 1. В соответствии с расчетом коэффициента детерминации для факторов X1, X3, X5 наибольшее значение имеет фактор X3 ( ), следовательно, факторный признак ХЗ (общая площадь квартиры), на 71,5% определяет вариацию результативного показателя Y (цену квартиры). Значение коэффициента детерминации достаточно близко к 1, поэтому качество модели можно признать удовлетворительным.

Оценка статистической значимости уравнения парной регрессии осуществляется по F-критерию Фишера.

Определим табличное значение F-критерия с помощью функции MS Excel FPACПOБP (для , k1=1, k2=40-1-1): .

Приведем расчетные значения F-критерия:

Для X3  т.к F > Fтабл, уравнение регрессии признается статистически значимым.

Произведем оценку статистической значимости фактора парной регрессии  с помощью t-критерия Стьюдента. С помощью функции MS Excel СТЬЮДРАСПОБР определим табличное значение критерия Стьюдента (для , n=40, k=1): tтабл.=1,685954461.

Приведем расчетное значение критерия Стьюдента:

Для X3  t = 9,76284905 т.к t > tтабл, уравнение регрессии признается статистически значимым.

При заданном уровне значимости , фактор Х3 (общая площадь квартиры) является статистически значимым.

Определим среднюю ошибку аппроксимации  по формуле:

,

где n - число наблюдений.

Для фактора X3

Наблюдение

Y цена квартиры

Предсказанное Y^

ABS((Y-Y^)/Y)

115

95,48979316

0,169653972

85

114,6179545

0,348446524

69

86,38849057

0,25200711

57

71,88811017

0,261194915

184,6

116,3148076

0,369908951

56

36,56271535

0,347094369

85

87,1597874

0,025409264

265

248,3608249

0,06278934

60,65

101,0431303

0,666003798

130

121,0968479

0,068485785

46

54,76532054

0,190550447

115

79,4468191

0,309158095

70,96

88,23960296

0,243511879

39,5

51,68013322

0,308357803

78,9

62,94106694

0,202267846

60

86,38849057

0,439808176

100

131,5864848

0,315864848

51

85,61719374

0,678768505

157

138,0653782

0,120602687

123,5

152,720018

0,236599336

55,2

60,93569518

0,103907521

95,5

110,2986923

0,154960129

57,6

85,46293437

0,4837315

64,5

76,51589115

0,186292886

92

114,9264733

0,249200797

100

100,1175741

0,001175741

81

57,07921103

0,295318382

65

36,25419662

0,442243129

110

87,46830613

0,204833581

42,1

49,057724

0,165266603

135

97,95794302

0,274385607

39,6

42,42457126

0,071327557

57

81,91496896

0,437104719

80

41,65327443

0,47933407

61

76,51589115

0,254358871

69,6

114,9264733

0,651242432

250

221,3654358

0,114538257

64,5

86,38849057

0,339356443

125

70,19125714

0,438469943

152,3

124,1820352

0,184622224

11,14815404

27,8703851

Информация о работе Эконометрическое моделирование стоимости квартир в Московской области