По предприятиям легкой промышленности региона получена информация характеризующая зависимость объема выпуска продукции (Y, млн.руб.)от объема капиталовложений (Х, млн.руб.).
Требуется:
1. Для характеристики Y от Х построить следующие модели:
- линейную,
- степенную,
- показательную,
- гиперболическую.
2. Оценить каждую модель, определив:
- индекс корреляции,
- среднюю относительную ошибку,
- коэффициент детерминации,
- F-критерий Фишера.
3. Составить сводную таблицу вычислений, выбрать лучшую модель, дать интерпретацию рассчитанных характеристик.
4. рассчитать прогнозные значения результативного признака, если прогнозное значение фактора увеличится на 110% относительно среднего уровня.
5. Результаты расчетов отобразить на графике.
Задание к задаче№1
Таблица 1
y |
32 |
40 |
44 |
28 |
50 |
56 |
50 |
х |
60 |
68 |
80 |
76 |
74 |
87 |
96 |
Решение:
1. Построение линейной модели парной корреляции.
Определим линейный коэффициент парной корреляции по следующей формуле:
По данным вычислениям видно, что связь между объемом капиталовложений и выпуском продукции прямая и достаточно сильная.
Уравнение линейной регрессии имеет вид:
Уравнение линейной регрессии имеет вид:
С увеличением объема капиталовложений на 1 млн. руб. объем выпускаемой продукции увеличивается в среднем на 558 тыс.руб. Это свидетельствует об прямой связи данных показателей и эффективности работы предприятия.
Расчеты производились исходя из данных, указанных в таблице 2,3
Таблица 2
№п/п |
Y |
X |
Y-Yср |
(Y-Yср)кв |
X-Xср |
(X-Xср)кв |
(Y-Yср)(X-Xср) |
1 |
32 |
60 |
-10,857 |
117,878 |
-17,286 |
298,796 |
187,673 |
2 |
40 |
68 |
-2,857 |
8,163 |
-9,286 |
86,224 |
26,531 |
3 |
44 |
80 |
1,143 |
1,306 |
2,714 |
7,367 |
3,102 |
4 |
28 |
76 |
-14,857 |
220,735 |
-1,286 |
1,653 |
19,102 |
5 |
50 |
74 |
7,143 |
51,020 |
-3,286 |
10,796 |
-23,469 |
6 |
56 |
87 |
13,143 |
172,735 |
9,714 |
94,367 |
127,673 |
7 |
50 |
96 |
7,143 |
51,020 |
18,714 |
350,224 |
133,673 |
Сумма |
300 |
541 |
0,000 |
622,857 |
0,000 |
849,429 |
474,286 |
Среднее |
42,86 |
77,29 |
|
88,980 |
|
121,347 |
67,755 |
Таблица 3
№п/п |
YX |
Xкв |
Yкв |
В |
А |
Yрасч |
е=Y-Yрасч |
e/Y*100% |
1 |
1920,000 |
3600,000 |
1024,000 |
0,558 |
-0,268 |
33,212 |
-1,212 |
-3,788 |
2 |
2720,000 |
4624,000 |
1600,000 |
|
|
37,676 |
2,324 |
5,810 |
3 |
3520,000 |
6400,000 |
1936,000 |
|
|
44,372 |
-0,372 |
-0,845 |
4 |
2128,000 |
5776,000 |
784,000 |
|
|
42,140 |
-14,140 |
-50,500 |
5 |
3700,000 |
5476,000 |
2500,000 |
|
|
41,024 |
8,976 |
17,952 |
6 |
4872,000 |
7569,000 |
3136,000 |
|
|
48,278 |
7,722 |
13,789 |
7 |
4800,000 |
9216,000 |
2500,000 |
|
|
53,300 |
-3,300 |
-6,600 |
Сумма |
23660,000 |
42661,000 |
13480,000 |
|
|
300,002 |
-0,002 |
-24,182 |
Среднее |
3380,000 |
6094,429 |
1925,714 |
|
|
42,857 |
-3,455 |
Рассчитаем коэффициент детерминации:
Вариация результата Y (объема выпуска продукции) на 99,8% объясняется вариацией фактора Х (объем капиталовложений).
Оценку значимости равнения регрессии проведем с помощь. F-критерия Фишера:
для ; , .
Уравнение регрессии с вероятностью 0,95 в целом статистически значимое, т.к. .
Определим среднюю относительную ошибку:
Данный показатель отражает на сколько в среднем расчетные значения для линейной модели отличаются от фактических значений (на 3,455%).
2. Построение степенной модели парной регрессии.
Уравнение степенной модели имеет вид: .
Для построения этой модели необходимо произвести линеаризацию переменных. Для этого произведем логарифмирование обеих частей уравнения:
.
Таблица 4
№п/п |
Факт Y(t) |
lg (Y) |
Переменная Х(t) |
lg (X) |
1 |
32 |
1,505 |
60 |
1,778 |
2 |
40 |
1,602 |
68 |
1,833 |
3 |
44 |
1,643 |
80 |
1,903 |
4 |
28 |
1,447 |
76 |
1,881 |
5 |
50 |
1,699 |
74 |
1,869 |
6 |
56 |
1,748 |
87 |
1,940 |
7 |
50 |
1,699 |
96 |
1,982 |
Сумма |
300 |
11,344 |
541 |
13,186 |
Среднее |
42,857 |
1,621 |
77,286 |
1,884 |
Обозначим Y=lg, Х=lgx, А=lga.
Тогда уравнение имеет вид: Y=A+bX – линейное уравнение регрессии.
Рассчитаем его параметры, используя таблицу 5.
Таблица 5
|
y |
Y |
x |
X |
YX |
Xкв |
Y расч |
Е |
e/Y*100% |
Е кв |
1 |
32,000 |
1,505 |
60,000 |
1,778 |
2,676 |
3,162 |
32,612 |
-0,612 |
1,911 |
0,374 |
2 |
40,000 |
1,602 |
68,000 |
1,833 |
2,936 |
3,358 |
36,955 |
3,045 |
7,612 |
9,270 |
3 |
44,000 |
1,643 |
80,000 |
1,903 |
3,128 |
3,622 |
43,470 |
0,530 |
1,205 |
0,281 |
4 |
28,000 |
1,447 |
76,000 |
1,881 |
2,722 |
3,537 |
41,298 |
-13,298 |
47,494 |
176,846 |
5 |
50,000 |
1,699 |
74,000 |
1,869 |
3,176 |
3,494 |
40,213 |
9,787 |
19,575 |
95,793 |
6 |
56,000 |
1,748 |
87,000 |
1,940 |
3,391 |
3,762 |
47,269 |
8,731 |
15,590 |
76,224 |
7 |
50,000 |
1,699 |
96,000 |
1,982 |
3,368 |
3,929 |
52,154 |
-2,154 |
4,308 |
4,640 |
Итого |
300,000 |
11,344 |
541,000 |
13,186 |
21,396 |
24,864 |
293,971 |
6,029 |
97,695 |
363,429 |
Средне |
42,857 |
1,621 |
77,286 |
1,884 |
3,057 |
3,552 |
42,857 |
|
|
|
Уравнение регрессии будет иметь вид: .
Перейдем к исходным переменным x и y, выполнив потенцирование данного уравнения и получим уравнение степенной модели регрессии.
.
Определим индекс корреляции:
Связь между показателем и фактором можно считать средней по силе.
Рассчитаем коэффициент детерминации:
Вариация результата Y (объема выпуска продукции) на 41,7% объясняется вариацией фактора Х.
Рассчитаем F-критерий Фишера:
для ; , .
Средняя относительная ошибка:
В среднем расчетные значения для степенной модели отличаются от фактических значений на 0,287%.
3. Построение показательной функции.
Уравнение показательной кривой: .
Для построения этой модели необходимо произвести линеаризацию переменных. Для этого произведем логарифмирование обеих частей уравнения:
, обозначим: , , .
Получим линейное уравнение регрессии: .
Рассчитаем его параметры, используя данные таблицы 6.
Таблица 6
t |
y |
Y |
x |
Yx |
х кв |
Y-Yср |
(Y-Yср)кв |
X-Xср |
(X-Xср)кв |
Y расч |
y-yрасч |
(y-yрасч)кв |
Еi |
e/Y*100% |
1 |
32 |
1,505 |
60 |
90,309 |
3600 |
-0,115 |
0,013 |
-17,286 |
298,796 |
34,277 |
-2,277 |
5,184 |
-2,277 |
-7,115 |
2 |
40 |
1,602 |
68 |
108,940 |
4624 |
-0,019 |
0,000 |
-9,286 |
86,224 |
37,584 |
2,416 |
5,838 |
2,416 |
6,041 |
3 |
44 |
1,643 |
80 |
131,476 |
6400 |
0,023 |
0,001 |
2,714 |
7,367 |
43,152 |
0,848 |
0,719 |
0,848 |
1,927 |
4 |
28 |
1,447 |
76 |
109,984 |
5776 |
-0,173 |
0,030 |
-1,286 |
1,653 |
41,210 |
-13,210 |
174,498 |
-13,210 |
-47,178 |
5 |
50 |
1,699 |
74 |
125,724 |
5476 |
0,078 |
0,006 |
-3,286 |
10,796 |
40,272 |
9,728 |
94,640 |
9,728 |
19,457 |
6 |
56 |
1,748 |
87 |
152,092 |
7569 |
0,128 |
0,016 |
9,714 |
94,367 |
46,774 |
9,226 |
85,128 |
9,226 |
16,476 |
7 |
50 |
1,699 |
96 |
163,101 |
9216 |
0,078 |
0,006 |
18,714 |
350,224 |
51,880 |
-1,880 |
3,534 |
-1,880 |
-3,760 |
итого |
300 |
11,344 |
541 |
881,627 |
42661 |
0,000 |
0,073 |
0,000 |
849,429 |
295,147 |
4,853 |
369,541 |
4,853 |
-14,152 |
средн. знач. |
42,857 |
1,621 |
77,286 |
125,947 |
6094,429 |
|
|
0,000 |
121,347 |
42,164 |
|
|
|
-2,022 |
Уравнение будет иметь вид: .
Перейдем к исходным переменным x и y, выполнив потенцирование данного уравнения:
Определим индекс корреляции:
Данный показатель характеризует среднюю связь между показателем и фактором.
Индекс детерминации:
Вариация результата Y на 40,7% объясняется вариацией фактора Х.
Рассчитаем F-критерий Фишера:
для ; , .
Средняя относительная ошибка:
В среднем расчетные значения для степенной модели отличаются от фактических значений на 0,231%.
4. Построение гиперболической функции.
Уравнение гиперболической функции: .
Произведем линеаризацию модели путем замены Х=1/х.
В результате получим линейное уравнение: .
Рассчитаем его параметры по данным таблицы 7.
Таблица 7
t |
y |
x |
X |
yX |
X кв |
y-yср |
(y-yср)кв |
y расч |
(y-yрасч)кв |
Еi |
e/y*100% |
1 |
32 |
60 |
0,0167 |
0,5333 |
0,0002778 |
-10,857 |
117,878 |
32,722 |
0,522 |
-0,722 |
2,257 |
2 |
40 |
68 |
0,0147 |
0,5882 |
0,0002163 |
-2,857 |
8,163 |
38,454 |
2,391 |
1,546 |
3,866 |
3 |
44 |
80 |
0,0125 |
0,5500 |
0,0001563 |
1,143 |
1,306 |
44,902 |
0,813 |
-0,902 |
2,049 |
4 |
28 |
76 |
0,0132 |
0,3684 |
0,0001731 |
-14,857 |
220,735 |
42,979 |
224,357 |
-14,979 |
53,495 |
5 |
50 |
74 |
0,0135 |
0,6757 |
0,0001826 |
7,143 |
51,020 |
41,939 |
64,979 |
8,061 |
16,122 |
6 |
56 |
87 |
0,0115 |
0,6437 |
0,0001321 |
13,143 |
172,735 |
47,841 |
66,561 |
8,159 |
14,569 |
7 |
50 |
96 |
0,0104 |
0,5208 |
0,0001085 |
7,143 |
51,020 |
50,991 |
0,983 |
-0,991 |
1,983 |
итого |
300 |
541 |
0,0925 |
3,8802 |
0,0012467 |
0,000 |
622,857 |
299,828 |
360.605 |
0,172 |
94,340 |
средн. знач. |
42,857 |
77,286 |
0,0132 |
0,5543 |
0,0001781 |
|
|
|
|
|
|
Получим следующие уравнение гиперболической модели: .
Определим индекс корреляции:
Исходя их данного показателя силу связи можно оценить средним уровнем.
Индекс детерминации:
=0,421
То есть вариация результата Y (объема выпуска продукции) на 42,1% объясняется вариацией фактора Х (объемом капиталовложений).
Рассчитаем F-критерий Фишера:
для ; , .
Средняя относительная ошибка:
В среднем расчетные значения у для гиперболической модели отличаются от фактических значений на 0,0082%.
Для выбора лучшей модели построим сводную таблицу результатов:
Таблица 8
Параметры |
|
F-критерий Фишера |
|
|
|||
Модель |
|||||||
Линейная |
0,998 |
2495 |
0,999 |
3,455 |
|||
Степенная |
0,417 |
3,576 |
0,646 |
0,287 |
|||
Показательная |
0,407 |
3,432 |
0,638 |
0,231 |
|||
Гиперболическая |
0,421 |
3,636 |
0,649 |
0,008 |
В качестве лучшей модели для построения прогноза можно взять линейную модель, так как она имеет большее значение F-критерия Фишера и коэффициента детерминации.
Расчет прогнозного значения результативного показателя:
Прогнозное значение результативного признака (объема выпуска продукции) определим по уравнению линейной модели, подставив в него планируемую (заданную по условию) величину объема капиталовложений.
По условию нужно рассчитать прогнозное значение результативного признака (объема выпускаемой продукции), если прогнозное значение фактора увеличится на 110% относительно среднего уровня. Средний уровень значения фактора (объема капиталовложений-Х) составляет 77,29млн. руб.
При увеличении на 110% он составит 85,019 млн.руб.:
Из этого уравнения следует, что при увеличении объема капиталовложений на 110% относительно среднего уровня объем выпуска продукции повысится в среднем до 47,708 млн.руб.
Фактический, расчетные и прогнозные значения по лучшей модели отобразим на графике:
Поможем написать любую работу на аналогичную тему