ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 02.05.2024
Просмотров: 26
Скачиваний: 0
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
и с числом степеней свободы :
Рассчитываем доверительный интервал:
Нижняя граница прогноза:
Верхняя граница прогноза:
Вывод: с вероятностью 99% можно утверждать, что если значение среднедушевых денежных доходов населения в месяц составит 32049,0 руб., то величина потребительских расходов в среднем на душу населения будет находится в пределах от 16684,23 до 31807,59.
Рисунок 2 – Результаты моделирования и прогнозирования
8. Рассчитаем коэффициенты линейного уравнения множественной регрессии для зависимости потребительских расходов в среднем на душу населения от среднедушевых денежных доходов населения и уровня безработицы.
Общий вид линейного двухфакторного уравнения регрессии:
, где
– расчетные (теоретические) значения результативного признака;
– оценки параметров линейного уравнения регрессии;
– значения факторных признаков.
Вектор неизвестных параметров методом наименьших квадратов рассчитывается по формуле:
, где
– вектор значений параметров модели;
– матрица значений факторов (столбец единиц представляет собой свободный член);
– транспонированная матрица значений факторов;
– вектор значений результативного признака.
Неизвестные параметры модели можно определить, решив систему нормальных уравнений:
Вспомогательные промежуточные расчеты сумм представлены в таблице 2 и 4.
Получаем систему:
Таблица 3 – Вспомогательная таблица для построения двухфакторной модели регрессии
Продолжение таблицы 3
Решая систему относительно неизвестных параметров, получаем:
Получили двухфакторную модель регрессии:
Вывод: коэффициент регрессии показывает, что при увеличении среднедушевых денежных доходов населения в месяц на 1 руб., значение потребительских расходов на душу населения в среднем увеличится на 0,608 руб., при неизменном значении фактора
(уровень безработицы).
Коэффициент регрессии показывает, что при увеличении уровня безработицы на 1% значения в среднем снижается на 432,791 руб., при неизменном значении фактора (среднедушевые денежные доходы населения в месяц).
Теоретические (расчетные) значения результативного показателя получаем путем последовательной подстановки значений факторов в уравнение регрессии.
Рассчитываем остатки, как разность фактических и расчетных значений:
Расчет представлен в таблице 4.
Таблица 4 – Вспомогательная таблица для оценки качества модели
9. Дадим интервальные оценки параметров
Остаточная сумма квадратов отклонений:
Рассчитаем среднюю квадратическую ошибку модели:
Стандартные ошибки параметров рассчитывают по формуле:
, где
– диагональные элементы матрицы
Находим обратную матрицу :
Стандартные ошибки параметров модели:
Табличное (критическое) значение критерия на уровне значимости и с числом степеней свободы :
Доверительный интервал для свободного члена :
Вывод: в доверительный интервал попадает 0, свободный член не является статистически значимым.
Доверительный интервал для коэффициента регрессии :
Вывод: с вероятность 99% значение коэффициента регрессии будет находится в пределах от . Т.е. с вероятностью 99% при увеличении среднедушевых денежных доходов населения в месяц
Рассчитываем доверительный интервал:
Нижняя граница прогноза:
Верхняя граница прогноза:
Вывод: с вероятностью 99% можно утверждать, что если значение среднедушевых денежных доходов населения в месяц составит 32049,0 руб., то величина потребительских расходов в среднем на душу населения будет находится в пределах от 16684,23 до 31807,59.
Рисунок 2 – Результаты моделирования и прогнозирования
8. Рассчитаем коэффициенты линейного уравнения множественной регрессии для зависимости потребительских расходов в среднем на душу населения от среднедушевых денежных доходов населения и уровня безработицы.
Общий вид линейного двухфакторного уравнения регрессии:
, где
– расчетные (теоретические) значения результативного признака;
– оценки параметров линейного уравнения регрессии;
– значения факторных признаков.
Вектор неизвестных параметров методом наименьших квадратов рассчитывается по формуле:
, где
– вектор значений параметров модели;
– матрица значений факторов (столбец единиц представляет собой свободный член);
– транспонированная матрица значений факторов;
– вектор значений результативного признака.
Неизвестные параметры модели можно определить, решив систему нормальных уравнений:
Вспомогательные промежуточные расчеты сумм представлены в таблице 2 и 4.
Получаем систему:
Таблица 3 – Вспомогательная таблица для построения двухфакторной модели регрессии
№ | | | | | | | |
1 | 22797 | 18052 | 3,7 | 519703209 | 84348,9 | 13,69 | 66792,4 |
2 | 20334 | 16133 | 8 | 413471556 | 162672 | 64 | 129064 |
3 | 36735 | 31757 | 4,8 | 1349460225 | 176328 | 23,04 | 152433,6 |
4 | 46124 | 32422 | 3,1 | 2127423376 | 142984,4 | 9,61 | 100508,2 |
5 | 24386 | 18237 | 5,6 | 594676996 | 136561,6 | 31,36 | 102127,2 |
6 | 19503 | 13484 | 11,2 | 380367009 | 218433,6 | 125,44 | 151020,8 |
7 | 15603 | 9878 | 14,8 | 243453609 | 230924,4 | 219,04 | 146194,4 |
8 | 21571 | 18855 | 5,2 | 465308041 | 112169,2 | 27,04 | 98046 |
9 | 22829 | 17258 | 6,1 | 521163241 | 139256,9 | 37,21 | 105273,8 |
10 | 30015 | 23115 | 4,9 | 900900225 | 147073,5 | 24,01 | 113263,5 |
11 | 24434 | 17855 | 7,5 | 597020356 | 183255 | 56,25 | 133912,5 |
12 | 23166 | 17749 | 6,1 | 536663556 | 141312,6 | 37,21 | 108268,9 |
13 | 28852 | 22895 | 6,7 | 832437904 | 193308,4 | 44,89 | 153396,5 |
14 | 25431 | 20844 | 6,7 | 646735761 | 170387,7 | 44,89 | 139654,8 |
15 | 27296 | 20314 | 6,3 | 745071616 | 171964,8 | 39,69 | 127978,2 |
Продолжение таблицы 3
16 | 24081 | 20681 | 9,3 | 579894561 | 223953,3 | 86,49 | 192333,3 |
17 | 42669 | 32080 | 6,9 | 1820643561 | 294416,1 | 47,61 | 221352 |
18 | 23992 | 18352 | 10,2 | 575616064 | 244718,4 | 104,04 | 187190,4 |
19 | 48758 | 33201 | 4,9 | 2377342564 | 238914,2 | 24,01 | 162684,9 |
20 | 34619 | 27638 | 5,4 | 1198475161 | 186942,6 | 29,16 | 149245,2 |
21 | 39084 | 32997 | 3,8 | 1527559056 | 148519,2 | 14,44 | 125388,6 |
22 | 30937 | 24938 | 5,6 | 957097969 | 173247,2 | 31,36 | 139652,8 |
23 | 59774 | 35242 | 5 | 3572931076 | 298870 | 25 | 176210 |
24 | 53783 | 43147 | 5,3 | 2892611089 | 285049,9 | 28,09 | 228679,1 |
Итого | 746773 | 567124 | 157,1 | 26376027781 | 4505611,9 | 1187,57 | |
Решая систему относительно неизвестных параметров, получаем:
Получили двухфакторную модель регрессии:
Вывод: коэффициент регрессии показывает, что при увеличении среднедушевых денежных доходов населения в месяц на 1 руб., значение потребительских расходов на душу населения в среднем увеличится на 0,608 руб., при неизменном значении фактора
(уровень безработицы).
Коэффициент регрессии показывает, что при увеличении уровня безработицы на 1% значения в среднем снижается на 432,791 руб., при неизменном значении фактора (среднедушевые денежные доходы населения в месяц).
Теоретические (расчетные) значения результативного показателя получаем путем последовательной подстановки значений факторов в уравнение регрессии.
Рассчитываем остатки, как разность фактических и расчетных значений:
Расчет представлен в таблице 4.
Таблица 4 – Вспомогательная таблица для оценки качества модели
№ | | | | | | | |
1 | 18052 | 22797 | 3,7 | 19802,528 | -1750,528 | 3064347,992 | 31115943,361 |
2 | 16133 | 20334 | 8 | 16443,544 | -310,544 | 96437,683 | 56207508,028 |
3 | 31757 | 36735 | 4,8 | 27803,47 | 3953,53 | 15630398,289 | 66045420,028 |
4 | 32422 | 46124 | 3,1 | 34249,551 | -1827,551 | 3339943,28 | 77296333,361 |
5 | 18237 | 24386 | 5,6 | 19946,646 | -1709,646 | 2922888,894 | 29086246,694 |
6 | 13484 | 19503 | 11,2 | 14553,204 | -1069,204 | 1143196,349 | 102944698,028 |
7 | 9878 | 15603 | 14,8 | 10623,198 | -745,198 | 555320,525 | 189122088,028 |
8 | 18855 | 21571 | 5,2 | 18407,695 | 447,305 | 200081,546 | 22802216,694 |
9 | 17258 | 22829 | 6,1 | 18783,292 | -1525,292 | 2326515,119 | 40604508,028 |
10 | 23115 | 30015 | 4,9 | 23673,125 | -558,125 | 311503,837 | 265396,694 |
11 | 17855 | 24434 | 7,5 | 19153,536 | -1298,536 | 1686196,594 | 33352550,028 |
12 | 17749 | 23166 | 6,1 | 18988,253 | -1239,253 | 1535748,733 | 34588121,361 |
13 | 22895 | 28852 | 6,7 | 22186,772 | 708,228 | 501587,518 | 540470,028 |
14 | 20844 | 25431 | 6,7 | 20106,139 | 737,861 | 544439,108 | 7762724,694 |
15 | 20314 | 27296 | 6,3 | 21413,538 | -1099,538 | 1208982,943 | 10996961,361 |
16 | 20681 | 24081 | 9,3 | 18159,82 | 2521,18 | 6356348,619 | 8697584,028 |
17 | 32080 | 42669 | 6,9 | 30503,634 | 1576,366 | 2484929,285 | 71399683,361 |
18 | 18352 | 23992 | 10,2 | 17716,179 | 635,821 | 404268,56 | 27859043,361 |
19 | 33201 | 48758 | 4,9 | 35072,511 | -1871,511 | 3502554,328 | 91600850,694 |
20 | 27638 | 34619 | 5,4 | 26256,856 | 1381,144 | 1907557,623 | 16062728,028 |
21 | 32997 | 39084 | 3,8 | 29664,91 | 3332,09 | 11102826,766 | 87737566,694 |
22 | 24938 | 30937 | 5,6 | 23930,927 | 1007,073 | 1014196,502 | 1710428,028 |
23 | 35242 | 59774 | 5 | 41729,101 | -6487,101 | 42082475,04 | 134834673,361 |
24 | 43147 | 53783 | 5,3 | 37955,571 | 5191,429 | 26950932,33 | 380906783,361 |
Итого | 567124 | 746773 | 157,1 | 567124 | 0,00 | 130873677,464 | 1523540527,33 |
9. Дадим интервальные оценки параметров
Остаточная сумма квадратов отклонений:
Рассчитаем среднюю квадратическую ошибку модели:
Стандартные ошибки параметров рассчитывают по формуле:
, где
– диагональные элементы матрицы
Находим обратную матрицу :
Стандартные ошибки параметров модели:
Табличное (критическое) значение критерия на уровне значимости и с числом степеней свободы :
Доверительный интервал для свободного члена :
Вывод: в доверительный интервал попадает 0, свободный член не является статистически значимым.
Доверительный интервал для коэффициента регрессии :
Вывод: с вероятность 99% значение коэффициента регрессии будет находится в пределах от . Т.е. с вероятностью 99% при увеличении среднедушевых денежных доходов населения в месяц