Создан заказ №2978398
7 мая 2018
Используя данные Федеральной службы государственной статистики РФ Оцените связи факторов Xk с показателем Y и друг с другом с помощью коэффициентов линейной парной корреляции
Как заказчик описал требования к работе:
1. Оцените связи факторов с показателем и друг с другом с помощью
коэффициентов линейной парной корреляции.
2. Подберите приемлемые группы факторов и постройте линейные регрессионные
модели показателя . Оцените качество моделей.
3. Используя модель хорошего качества, получите прогнозы на следующие т
ри
квартала. Предложите сами значения факторов на этот период, дайте
обоснование своему выбору.
Вариант №5
Данные и задание во вложении.
рекомендации в файл
подробнее
Фрагмент выполненной работы:
Используя данные Федеральной службы государственной статистики РФ:
Оцените связи факторов Xk с показателем Y и друг с другом с помощью коэффициентов линейной парной корреляции.
Подберите приемлемые группы факторов и постройте линейные регрессионные модели показателя Y. Оцените качество моделей.
Используя модель хорошего качества, получите прогнозы Y на следующий год. Предложите сами значения факторов на этот год, дайте обоснование своему выбору.
Вариант
Факторы для моделей
5 X1, X2, X3, X4
Имеющиеся данные:
Оборот розничной торговли (в % к предыдущему периоду) Реальные располагаемые денежные доходы (в % к предыдущему периоду) Номинальная заработная плата (в % к предыдущему периоду) Реальная заработная плата (в % к предыдущему периоду) Индекс потребительских цен (в % к предыдущему периоду)
IRT IRR INWP IRWP IPC
Y X1 X2 X3 X4
3кв.09 103,8 96,7 101,4 100,2 100,6
4кв.09 109,9 119,2 110,7 110,4 100,7
1кв.10 87,7 80,2 93,9 91 103,2
2кв.10 107,0 113,2 106,8 105,3 101,2
3кв.10 105,3 98,2 101,1 99,7 101,8
4кв.10 108,9 117,1 111,7 109,3 102,4
1кв.11 85,6 75,9 91,3 87,7 103,8
2кв.11 107,7 112,9 108,2 106,6 101,1
3кв.11 107,5 100,4 100,9 100,8 99,7
4кв.11 110,0 118 115,2 114,3 101,4
1кв.12 84,7 76,4 90,7 89,5 101,5
2кв.12 107,2 115,7 108,8 107,2 101,7
3кв.12 105,6 100,1 98,5 96,3 101,9
4кв.12 109,3 119,6 115,7 114,2 101,4
1кв.13 84,0 76,5 90,4 88,7 101,9
2кв.13 107,1 113,3 110,6 109 101,6
3кв.13 105,8 99,5 97,8 96,4 101,2
4кв.13 108,9 120,2 113,2 111,7 101,7
1кв.14 84,2 71,8 90,3 88,6 102,3
2кв.14 105,3 117,6 109,7 107,1 102,4
3кв.14 105,6 101,2 96,3 94,8 101,4
4кв.14 110,0 113 112,5 109,1 104,8
1кв.15 76,1 72,6 88,9 82,2 107,4
2кв.15 102,2 114,6 110 107,5 101
3кв.15 105,3 100,9 95,1 93,7 101,7
4кв.15 106,6 113,9 111,2 109,1 102,3
1кв.16 82,1 73,1 92,6 90,5 102,1
2кв.16 102,4 111,9 110,2 108,7 103,3
Решение:
Оценим связи факторов с показателем и друг с другом с помощью коэффициентов линейной парной корреляции.
Вычислим матрицу коэффициентов парной корреляции, проверим значимость коэффициентов корреляции:
Для построения корреляционного анализа воспользуемся пакетом прикладных программ Microsoft Excel, функцией «Анализ данных».
Выполняем следующие действия:
Данные для корреляционного анализа должны располагаться в смежных диапазонах ячеек.
Выбрать команду «Сервис» → «Анализ данных».
В диалоговом окне «Анализ данных» выбрать инструмент «Корреляция», а затем щелкнуть кнопку «ОК».
В диалоговом окне «Корреляция» в поле «Входной интервал» необходимо ввести диапазон ячеек, содержащих исходные данные. (работа была выполнена специалистами Автор 24) Если введены и заголовки столбцов, то установить флажок «Метки в первой строке».
Выбрать параметры вывода. В данном случае «Новый рабочий лист».
«ОК»
Результаты корреляционного анализа
Рис.1
Анализ матрицы коэффициентов парной корреляции начнем с анализа первого столбца матрицы, в котором расположены коэффициенты корреляции, отражающие тесноту связи, зависимой переменной оборот розничной торговли (в % к предыдущему периоду) с включенными в анализ факторами. Анализ показывает, что зависимая переменная, то есть оборот розничной торговли (в % к предыдущему периоду), имеет тесную, прямую связь с реальными располагаемыми денежными доходами (ryx1 = 0,926), с номинальной заработной платы (ryx2 = 0,756) и с реальной заработной платой (ryx3 = 0,787), умеренную, обратную связь с индексом потребительских цен (в % к предыдущему периоду) (ryx4 = - 0,381 ).
Таким образом, нельзя одновременно включать в модель факторы IRR и INWP и IRWP, INWP и IRWP поскольку в наборе данных будет присутствовать мультиколлинеарность.
Построим линейные регрессионные модели показателя с предложенными факторами. Оценим качество моделей:
На первом шаге построим модель зависимости оборота розничной торговли (в % к предыдущему периоду) от реальных располагаемых денежных доходов. В качестве программного средства реализации анализа воспользуемся пакетом прикладных программ Microsoft Excel, функцией «Анализ данных», инструмент «Регрессия». Применение инструмента «Регрессия»
(Анализ данных EXCEL)
Для проведения регрессионного анализа необходимо выполнить следующие действия:
Выбрать команду «Сервис»→ «Анализ данных».
В диалоговом окне «Анализ данных» выбрать инструмент «Регрессия», а затем щёлкнуть по кнопке ОК.
В диалоговом окне «Регрессия» в поле «Входной интервал » ввести адрес одного диапазона ячеек, который представляет зависимую переменную. В поле «Входной интервал Х» ввести адреса одного или нескольких диапазонов, которые содержат значения независимых переменных.
Если введены и заголовки столбцов, то следует установить флажок «Метки в первой строке».
Выбрать параметры вывода. В данном случае «Новая рабочая книга».
ОК.
Результаты представлены в таблице 1.
Таблица 1
Результаты произведенных действий см. Таблицу 1
Для того чтобы составить уравнение регрессии по нашим данным, проанализируем полученные итоги. Найдем графу «Коэффициенты» в Таблице 1. Значения для х1 = 0,579.
Уравнение регрессии зависимости оборота розничной торговли (в % к предыдущему периоду от реальных располагаемых денежных доходов можно записать в следующем виде:
Экономическая интерпретация коэффициентов модели регрессии.
В таблице № 1 приведены вычисленные (предсказанные) по модели значения зависимой переменной и значения остаточной компоненты . Значение коэффициентов детерминации и множественной корреляции можно найти по таблице Регрессионная статистика.
Коэффициент детерминации: R2 = 0,850
Он показывает долю вариации результативного признака под воздействием изучаемых факторов. В нашем случае коэффициент детерминации равен 0,850. Следовательно, около 85% вариации зависимой переменной учтено в модели и обусловлено влиянием включенных факторов.
Коэффициент множественной корреляции R:
= 0,922.
Он показывает тесноту зависимости переменной с одним включенными в модель объясняющими факторами...Посмотреть предложения по расчету стоимости
Заказчик
заплатил
заплатил
200 ₽
Заказчик не использовал рассрочку
Гарантия сервиса
Автор24
Автор24
20 дней
Заказчик принял работу без использования гарантии
8 мая 2018
Заказ завершен, заказчик получил финальный файл с работой
5
Используя данные Федеральной службы государственной статистики РФ
Оцените связи факторов Xk с показателем Y и друг с другом с помощью коэффициентов линейной парной корреляции.docx
2018-05-11 19:45
Последний отзыв студента о бирже Автор24
Общая оценка
5
Положительно
Я попросил автора в ночное время суток, сделать задание которое нужно сдать на следующее утро, автор за ночь справился с такой сложной задачей, И! отправил мне в 8 утра, я успел распечатать и сдать на отлично! безумно благодарен Автору!!!
Хочешь такую же работу?
300 ₽
