Построим поле корреляции результативного признака (стоимости квартиры) и наиболее тесно связанного с ним фактора (жилой площади квартиры).

Для этого воспользуемся инструментом построения точечной диаграммы программы Excel.

В результате получаем поле корреляции цены квартиры, тыс. долл. и жилой площади квартиры, кв.м. (рисунок 1.1.).

Рисунок 1.1.

Рассчитаем параметры линейной парной регрессии для каждого фактора Х.

Для расчета параметров линейной парной регрессии воспользуемся инструментом Регрессия, входящим в настойку Анализ данных.

В диалоговом окне Регрессияв поле Входной интервал Y вводим адрес диапазона ячеек, которые представляет зависимую переменную, т.е. стоимость квартир. В поле Входной интервал Х вводим адрес диапазона, который содержит значения независимых переменных (город области, жилая площадь квартиры, число комнат в квартире). Выполним поочередно вычисления параметры парной регрессии для каждого фактора Х.

Для Х4 получили следующие данные, представленные в таблице 1.2:

Таблица 1.2

	Коэффициенты
Y-пересечение	-1,30173
X4 - жилая площадь квартиры, кв.м	2,396718

Уравнение регрессии зависимости цены квартиры от жилой площади квартиры имеет вид:

Для Х2 получили следующие данные, представленные в таблице 1.3:

Таблица 1.3

	Коэффициенты
Y-пересечение	13,21194
X2-число комнат в квартире	33,51596

Уравнение регрессии зависимости цены квартиры от числа комнат в квартире имеет вид:

Для Х1 получили следующие данные, представленные в таблице 1.4:

Таблица 1.4

	Коэффициенты
Y-пересечение	117,5035
X1 – город области	-41,484

Уравнение регрессии зависимости цены квартиры от города области имеет вид:

Оценим качество каждой модели через коэффициент детерминации, среднюю ошибку аппроксимации и F-критерий Фишера. Установим, какая модель является лучшей.

Коэффициент детерминации, среднюю ошибку аппроксимации мы получили в результате расчетов, проведенных в пункте 3. Полученные данные представлены в следующих таблицах:

Данные по Х4:

Таблица 1.5а

Регрессионная статистика
Множественный R	0,82639
R-квадрат	0,682921
Нормированный R-квадрат	0,674577
Стандартная ошибка	29,37418
Наблюдения	40

Таблица 1.5б

Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	1	70618,39	70618,39	81,84389	5,12E-11
Остаток	38	32788,02	862,8426
Итого	39	103406,4

Данные по Х2:

Таблица 1.6а

Регрессионная статистика
Множественный R	0,68821
R-квадрат	0,473634
Нормированный R-квадрат	0,459782
Стандартная ошибка	37,84653
Наблюдения	40

Таблица 1.6б

Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	1	48976,74	48976,74	34,19305	9,22E-07
Остаток	38	54429,67	1432,36
Итого	39	103406,4

Данные по Х1:

Таблица 1.7а

Регрессионная статистика
Множественный R	0,403334
R-квадрат	0,162678
Нормированный R-квадрат	0,140644
Стандартная ошибка	47,73403
Наблюдения	40

Таблица 1.7б

Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	1	16821,99	16821,99	7,3828	0,009861
Остаток	38	86584,43	2278,538
Итого	39	103406,4

А) Коэффициент детерминации определяет, какая доля вариации признака У учтена в модели и обусловлена влиянием на него фактора Х. Чем больше значение коэффициента детерминации, тем теснее связь между признаками в построенной математической модели.

В программе Excel обозначается R-квадрат.

= 0,683

= 0,474

= 0,163

Исходя из данного критерия наиболее адекватной является модель уравнения регрессии зависимости цены квартиры от жилой площади квартиры (Х4).

Б) Среднюю ошибку аппроксимации рассчитаем по формуле:

, где числитель – сумма квадратов отклонения расчетных значений от фактических. В таблицах она находится в столбце SS, строке Остатки.

Среднее значение цены квартиры рассчитаем в Excel с помощью функции СРЗНАЧ. = 93,65025 тыс. долл.

При проведении экономических расчетов модель считается достаточно точной, если средняя ошибка аппроксимации меньше 5%, модель считается приемлемой, если средняя ошибка аппроксимации меньше 15%.

По данному критерию, наиболее адекватной является математическая модель для уравнения регрессии зависимости цены квартиры от жилой площади квартиры (Х4).

В) Для проверки значимости модели регрессии используется F-тест. Для этого выполняется сравнение и критического (табличного) значений F-критерия Фишера.

Расчетные значения приведены в таблицах 1.5б, 1.6б, 1.7б (обозначены буквой F).

Табличное значение F-критерий Фишера рассчитаем в Excel с помощью функции FРАСПОБР. Вероятность возьмем равной 0,05. Получили:

= 4,10

Расчетные значения F-критерий Фишера для каждого фактора сравним с табличным значением:

= 81,84 > = 4,10 модель по данному критерию адекватна.

= 34,19 > = 4,10 модель по данному критерию адекватна.

= 7,38 > = 4,10 модель по данному критерию адекватна.

Проанализировав данные по всем трем критериям, можно сделать вывод, что наиболее лучшей является математическая модель, построена для фактора жилая площадь квартиры, которая описана линейным уравнением .

5. Для выбранной модели зависимости цены квартиры от жилой площади квартиры осуществим прогнозирование среднего значения показателя при уровне значимости , если прогнозное значения фактора составит 80% от его максимального значения. Представим графически: фактические и модельные значения, точки прогноза.

Рассчитаем прогнозное значение Х, по условию оно составит 80% от максимального значения.

Рассчитаем Х_max в Excel с помощью функции МАКС.

= 84кв.м

=0,8 *84 = 67,2 кв.м

Для получения прогнозных оценок зависимой переменной подставим полученное значение независимой переменной в линейное уравнение:

= -1,3+2,4*67,2 = 159,98 тыс.долл.

Определим доверительный интервал прогноза, который будет иметь следующие границы:

Для вычисления доверительного интервала для прогнозного значения рассчитываем величину отклонения от линии регрессии. Для модели парной регрессии величина отклонения рассчитывается:

, т.е. значение стандартной ошибки из таблицы 1.5а.

(Так как число степеней свободы равно единицы, то знаменатель будет равен n-2).

= 29,37

Для расчета коэффициента воспользуемся функцией Excel СТЬЮДРАСПОБР, вероятность возьмем равную 0,1, число степеней свободы 38.

= 1,686

Значение рассчитаем с помощью Excel, получим 12294.

Определим верхнюю и нижнюю границы интервала.

159,98+51,63= 211,61

159,98-51,63= 108,35

Таким образом, прогнозное значение = 159,98 тыс.долл., будет находиться между нижней границей, равной 108,35 тыс.долл. и верхней границей, равной 211,61 тыс.долл.

Фактические и модельные значения, точки прогноза представлены графически на рисунке 1.2.

Рисунок 1.2.

Дата добавления: 2019-07-15; просмотров: 486; Мы поможем в написании вашей работы!

Поделиться с друзьями:

⇐ Предыдущая 123 4 Следующая ⇒

Мы поможем в написании ваших работ!