Пригодилось? Поделись!

Анализ предприятий одной отрасли РФ

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВПО

Всероссийский заочный финансово-экономический институт

Филиал в ᴦ. Архангельске

Кафедра экономико-математических методов и моделœей


ЛАБОРАТОРНАЯ РАБОТА

по дисциплинœе «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 1997ᴦ.:

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

X1 – численность промышленно – производственного персонала, чел.;

X3 – среднегодовая стоимость базовых 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 базовых 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 линœейного 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 линœейного уравнения множественной регрессии с полным перечнем факторов, используя инструмент «регрессия» пакета анализа. В массив «входной интервал Y» вводим диапазон ячеек, содержащих значения результата Y – B2:B27; в массив «входной интервал X» вводим диапазон ячеек, содержащих значения фактора X – C2:D27, активизируем флажки «метки», «новый рабочий лист» и «остатки», затем нажимаем клавишу «ок».

В результате получаем следующее линœейное 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, ĸᴏᴛᴏᴩᴏᴇ 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 линœейная 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 линœейное 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:

В случае если фактор х1 увеличить на Sx1=12994,033, то результат y изменится на

В случае если фактор х3 увеличить на Sx3=422015,64, то результат изменится на

Стоит сказать, что 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.

 


Анализ предприятий одной отрасли РФ - 2020 (c).
Яндекс.Метрика