Головна Головна -> Реферати українською -> Економічні теми -> Проста лінійна регресія

Проста лінійна регресія

Назва:
Проста лінійна регресія
Тип:
Реферат
Мова:
Українська
Розмiр:
49,94 KB
Завантажень:
38
Оцінка:
 
поточна оцінка 5.0


Скачати цю роботу безкоштовно
Пролистати роботу: 1  2  3 
Розділ 1. Вступ. Короткий опис дослідженння.

Наша мета полягає в дослідженні економічних явищ та закономірностей на мікрорівні. Для цього ми обрали такий об’єкт спостереження: завод оборонного комлексу України. Використовуючи інформацію про ціну ресурсів та оптову ціну на один з товарів, що випускає завод, спробуємо встановити залежність між ціною на ресурс та оптовою ціною на товар.

Оскільки ми повинні використати теорію простої лінійної регресії, очевидно, ми прийдемо до висновку, що оптова ціна товару (НРГС-4) певним чином лінійно залежить від ціни на ресурс. Наша задача – з’ясувати, чи можна взагалі використовувати лінійну залежність в цьому випадку, і отримати лінійну (або зведену до лінійної ) функцію, що адекватно відображає спостережувану залежність.

Пропонуємо проаналізувати модель залежності оптової ціни від ціни вищенаведеного фактору виробництва. Очевидно, така залежність є прямою, тобто знаки параматрів повинні бути додатніми. Приймемо для початку гіпотезу, що як коефіцієнти моделі, так і змінні будуть мати лінійний вигляд. Очікуємо в результаті дослідження виявити таку модель, що буде найбільш адекватною. Проаналізуємо для цього інші функції, що можуть бути зведеними до лінійних і відповідати нашій моделі.

Розділ 1. Теорія побудови регресійної моделі.

Треба зауважити, що теорія виробництва фірми, а також виробничі функції не дають інформації про те, як залежить ціна товару від ціни факторів виробництва. Ми знаємо що виробничі функції, а зокрема і функція Кобба-Дугласа, виводять залежність між кількістю використаних факторів виробництва та кінцевим випуском ( ) . З такої функції ми можемо отримати залежність між кількістю використаних ресурсів та вихідним випуском. Тоді, цілком логічним є те, що ціна на товар обернено залежить від відношення між кількістю випущеного товару та кількістю використаного ресурсу. Це випливає з того, що ціна ресурсу обіймає значну частину оптової ціни, тобто складає найбільшу її частку (підтвердження цьому можна побачити в таблиці з даними). Звичайно, ми не можемо з точністю сказати, що така залежність може бути лінійною, але застосовуючи відповідний економетричний аппарат, ми визначимо придатність моделі, що зображена лінійною функцією або функцією, зведеною до лінійної.

Наведемо використану інформацію. Зазначимо, що дані наведено на 1 день кожного другого місяця року.

Зміна оптової ціни товару НРГС-4 за 1998-1999 роки

Назва показника 1998 рік

Січень Березень Травень Липень Вересень Листопад

Ціна на ресурс, 698,53 882,93 803,50 1150,48 1217,49 1193,74

Оптова ціна 1472,19 1753,46 1698,01 1736,96 1930,53 1794,38

Назва показника 1999 рік

Січень Березень Травень Липень Вересень Листопад

Ціна на ресурс, 1079,94 1735,49 1777,49 1534,76 1545,00 1524,60

Оптова ціна 2070,84 2823,35 3121,11 2482,57 2505,7 2475,59

Одиниці виміру ціни – гривні.

Джерело інформації - бухгалтерський віддів ВО "Радіоприлад", Запоріжжя.

Розділ 2. Оцінка регресійної моделі.

Розглянемо модель залежності оптової ціни від ціни на ресурс:

1. Pопт = b0 + b1Рресурс, де b0 та b1 – невідомі параметри моделі, Рресурс – ціна ресурсу.

Оскільки ми знаємо, що нашій моделі можуть відповідати не тільки лінійні функції вигляду , а і степеневі чи екпоненційні, оцінимо 4 види моделей:

1. Lin-lin модель;

2. Lin-log модель;

3. Log-lin модель;

4. Log-log модель.

Накращою буде модель з найбільшим коефіцієнтом детермінації . Розрахункові дані наведені в наступних таблицях.

Lin-lin модель.

Variable Coefficient Std. Error t-Statistic Prob.

PRICE_SOURCE 1.420318 0.148270 9.579258 0.0000

C 340.2095 194.0233 1.753447 0.1101

R-squared 0.901732 Mean dependent var 2132.643

Adjusted R-squared 0.891905 S.D. dependent var 540.6037

S.E. of regression 177.7388 Akaike info criterion 13.34952

Sum squared resid 315910.7 Schwarz criterion 13.43034

Log likelihood -78.09711 F-statistic 91.76219

Durbin-Watson stat 2.441104 Prob(F-statistic) 0.000002

Lin-log модель

Variable Coefficient Std. Error t-Statistic Prob.

LOG_X 1614.849 225.1863 7.171166 0.0000

C -9331.918 1600.066 -5.832208 0.0002

R-squared 0.837201 Mean dependent var 2132.643

Adjusted R-squared 0.820922 S.D. dependent var 540.6037

S.E. of regression 228.7708 Akaike info criterion 13.85433

Sum squared resid 523360.8 Schwarz criterion 13.93515

Log likelihood -81.12598 F-statistic 51.42562

Durbin-Watson stat 1.941843 Prob(F-statistic) 0.000030

Log-lin модель

Variable Coefficient Std. Error t-Statistic Prob.

PRICE_SOURCE 0.000666 6.50E-05 10.24050 0.0000

C 6.795716 0.085081 79.87346 0.0000

R-squared 0.912943 Mean dependent var 7.635971

Adjusted R-squared 0.904238 S.D. dependent var 0.251863

S.E. of regression 0.077940 Akaike info criterion -2.114740

Завантажити цю роботу безкоштовно
Пролистати роботу: 1  2  3 



Реферат на тему: Проста лінійна регресія

BR.com.ua © 1999-2017 | Реклама на сайті | Умови використання | Зворотній зв'язок