ГОТОВЫЕ ДИПЛОМНЫЕ РАБОТЫ, КУРСОВЫЕ РАБОТЫ, ДИССЕРТАЦИИ И РЕФЕРАТЫ

Задачи по эконометрике
Автор	Tatiana
Вуз (город)	НАУ
Количество страниц	14
Год сдачи	2006
Стоимость (руб.)	500
Содержание	Задача №1 Имеется информация по 10 предприятиям концерна об объеме продаж Y (млн.руб) при затратах на рекламу X (млн.руб) № п/п 1 2 3 4 5 6 7 8 9 10 X 1.1 1.2 1.3 1.5 1.6 1.5 1.9 2.1 2.2 2.3 Y 23.1 23.6 24.2 23.1 25.2 25.1 26.7 26.3 27.1 26.9 1. Оцените коэффициенты линейной регрессии по методу наименьших квадратов. 2. Проверьте статистическую значимость оценок , теоретических коэффициентов , при уровне значимости 3. Рассчитайте 95% -е доверительные интервальные интервалы для теоретических коэффициентов регрессии. 4. Спрогнозируйте объем продаж при затратах на рекламу Х = 2.5 и рассчитайте 95% доверительный интервал для условного математического ожидания М(Y|X = 2.5). 5. Рассчитайте границы и интервала, в котором будет сосредоточено не менее 95% возможных объемов продаж при затратах на рекламу Х = 2.5. 6. Оцените, на сколько изменится объем продаж, если расходы на рекламу вырастут на 0.1 млн.руб. 7. Рассчитайте коэффициенты детерминации 8. Рассчитайте статистику для коэффициента детерминации и оцените его статистическую значимость. Задача №2. Даны следующие данные (Х – объясняющая переменная, Y – зависимая переменная). Выберите подходящую нелинейную модель, линеаризуйте ее и оцените параметры. Таблица 2.1. X 10 11.7 13.7 16 18.7 21.9 25.7 30 35.1 41.1 Y 15 13 11 11.2 10.3 9.4 8.9 8.1 7.6 7.44 Задача №3 Построены две эмпирические модели: 1. 2. Коэффициенты детерминации соответственно равны: 1. 2. Можно ли сказать, что уравнение (2) лучше описывает исходные данные, чем уравнение (1)? Ответ обосновать. Задача №4 Если построить модель , где - прибыль, - доход, - затраты, то какими будут коэффициенты регрессии?
Список литературы	1. Сидоренко М.Г. Эконометрика: Учебное пособие.  Томск: Томский межвузовский центр дистанционного образования, 2004.  119 с 2. Математическая обработка экспериментальных данных. Пособие для студентов химико – технологического факультета к выполнению курсовой работы по дисциплине: «Вычислительная математика и программирование». / С.В.Брановицкая, С.Г.Бондаренко, А.А.Квитка, Р.Б.Медведев, А.И.Ткачук. – Киев: НТУУ «КПИ», 1997. – 76 с. 3. Голиков А. П. Экономико-математическое моделирование мирохозяйственных процессов: Учеб. пособие / Харьковский национальный ун-т им. В.Н.Каразина. — Х. : ХНУ, 2003. — 104с. : рис., табл. — Библиогр.: с. 104. 4. Абанская Л. В., Бабешко Л. О., Баусов Л. И., Бывшев В. А., Гринева Н. В. Экономико-математическое моделирование: Учебник для студ., обуч. по спец.:"Финансы и кредит", "Бухгалтерский учет, анализ и аудит", "Мировая экономика" / Финансовая академия при Правительстве РФ / И.Н. Дрогобыцкий (общ.ред.). — М. : Экзамен, 2004. — 798с. : рис. 5. Грубер Й. Эконометрия: Учеб. пособие для студ. экон. спец. / А.Б. Воронова (пер.). — К., 1996. Т. 1 : Введение в эконометрию. — 400с.
Выдержка из работы	Решение: 1. Линейная регрессия (теоретическое линейное уравнение регрессии) представляет собой линейную функцию между условным математическим ожиданием зависимой переменной Y и одной объ¬ясняющей переменной X ( – значения независимой перемен¬ной в i-ом наблюдении, ). . (1.1) Для отражения того факта, что каждое индивидуальное значение отклоняется от соответствующего условного мате¬матического ожидания, необходимо ввести в последнее соотношение случайное слагаемое . (1.1) Это соотношение называется теоретической линейной регрессионной моделью, и – теоретическими парамет¬рами (теоретическими коэффициентами) регрессии, – слу¬чайным отклонением. Следовательно, индивидуальные значения представляют¬ся в виде суммы двух компонент – систематической и случайной , причина появления которой достаточно под¬робно рассмотрена ранее. В общем виде теоретическую линейную регрессионную модель будем представлять в виде: . (1.2) Для определения значений теоретических коэффициентов регрессии необходимо знать и использовать все значения пере¬менных X и Y генеральной совокупности, что практически не¬возможно. Таким образом, задачи линейного регрессионного анализа состоят в том, чтобы по имеющимся статистическим данным для переменных X и Y: а) получить наилучшие оценки неизвестных параметров и ; б) проверить статистические гипотезы о параметрах модели; в) проверить, достаточно ли хорошо модель согласуется со статистическими данными (адекватность модели данным на¬блюдений). Следовательно, по выборке ограниченного объема мы смо¬жем построить так называемое эмпирическое уравнение рег¬рессии (1.3) где – оценка условного математического ожидания ; и – оценки неизвестных параметров и , называе¬мые эмпирическими коэффициентами регрессии. Следователь¬но, в конкретном случае: (1.4) где отклонение – оценка теоретического случайного откло¬нения .