На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


лабораторная работа Модель цены автомобиля на вторичном рынке

Информация:

Тип работы: лабораторная работа. Добавлен: 14.05.2012. Сдан: 2011. Страниц: 3. Уникальность по antiplagiat.ru: < 30%

Описание (план):


ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
 
ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ 

ВСЕРОССИЙСКИЙ ЗАОЧНЫЙ 
ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ  ИНСТИТУТ 
 
 
 
 
 
 

Лабораторная  работа
по  дисциплине «Эконометрика» 
 

                                                                Выполнил:

                                                                               Студент III курса (2е образование)

                                                                               факультета «Финансово-кредитный»

                                        Астахов Анатолий Александрович

                                                                                (группа 32) 

                                                                                               Преподаватель:
                                                                                                                     
 
 
 
 
 
 
 
 
 
 
 

СМОЛЕНСК – 2011
 

      Строится модель цены автомобиля на вторичном рынке в зависимости  от пробега, срока эксплуатации и  объема двигателя. Имеются данные по пятнадцати автомобилям одной и той же модели:
№ автомобиля Цена  автомобиля (долл. США) Пробег (тыс. км) Срок  эксплуатации (лет) Объем двигателя (л)
1 12500 130 12 2,3
2 13700 120 10 1,9
3 9200 300 15 1,8
4 11400 180 13 2,1
5 15800 150 14 2,6
6 12300 80 8 1,7
7 16300 170 10 2,4
8 10200 210 11 1,9
9 11000 250 7 1,9
10 12700 150 9 1,7
11 15000 90 4 2,2
12 10500 230 13 2,4
13 17200 120 8 2,3
14 16000 110 9 2,5
15 17100 120 6 2,6
      Требуется:
      Построить линейную регрессионную модель цены автомобиля, не содержащую коллинеарных факторов. Оценить параметры модели.
      Построить модель множественной линейной регрессии  со статистически значимыми факторами
      Существенно ли влияние пробега, срока эксплуатации и объема двигателя на изменение цены автомобиля?
      Что сильнее влияет на изменение цены автомобиля — изменение пробега или срока эксплуатации?
      Спрогнозировать цену автомобиля с пробегом 150 тыс. км, сроком эксплуатации 10 лет и объемом двигателя 2 л. Пункты 4 и 5 выполнить, используя вторую модель.
 

     Построение  линейной регрессионной модели цены автомобиля, не содержащей коллинеарных факторов. Оценка параметров модели. 
 
 

     Для построения линейной регрессионной  модели автомобиля не содержащей коллинеарных факторов. Сначала необходимо исключить коллинеарные факторы, для этого построим матрицу коэффициентов парной корреляции.  
 

     Таблица 1.1 Матрица коэффициентов парной корреляции
  Y X1 X2 X3
Y 1      
X1 -0,69393 1    
X2 -0,47806 0,560383 1  
X3 0,660616 -0,24481 0,003857 1
         
 
 
     Исходя  из показателей матрицы коэффициентов парной корреляции, можно сделать вывод, что явление мультиколлинеарности отсутствует, так как значения коэффициентов парной корреляции между факторными признаками, взятые по модулю, меньше величины 0,8 и, следовательно, все факторные признаки можно включать в модель множественной регрессии.
      Используя данные факторы построим линейную регрессионную  модель цены автомобиля. 
 

Регрессионная статистика
Множественный R 0,881809285
R-квадрат 0,777587615
Нормированный R-квадрат 0,716929692
Стандартная ошибка 1423,859722
Наблюдения 15
 
 
Дисперсионный анализ        
  df SS MS F Значимость F
Регрессия 3 77968191,75 25989397,25 12,81922581 0,000652528
Остаток 11 22301141,59 2027376,508    
Итого 14 100269333,3      
 
  Коэфф. Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y- 8243,109064 3097,843819 2,660918221 0,022150352 1424,800794 15061,41733 1424,800794 15061,4173
X1 -17,88052789 7,659479834 -2,334431094 0,039558858 -34,73892933 -1,022126448 -34,73892933 -1,0221264
X2 -211,1279242 150,3345831 -1,404386934 0,187804874 -542,0121106 119,7562621 -542,0121106 119,756262
X3 4699,798668 1253,013907 3,750795297 0,003205491 1941,933655 7457,66368 1941,933655 7457,66368
 
    На  основании полученных данных можно  записать уравнение множественной регрессии
Y=8243,109064+ 17,88052789*X1 + 211,1279242*X2 + 4699,798668*X3 

    Оценим  качество построенной модели множественной  регрессии по следующим направлениям:
      Коэффициент детерминации   = 0,777587615 достаточно близок к 1, следовательно, качество модели можно признать высоким. 

     Табличное значение F-критерия при доверительной  вероятности 95% при  = k = 1  и =n – k -1= 15 – 3 - 1= 11 составляет_________.
     Поскольку F >F , уравнение регрессии следует признать значимым, т.е. его можно использовать для анализа и прогнозирования. 
 

     Построение модели множественной линейной регрессии со статистически значимыми факторами  

     Оценим статистическую значимость факторных признаков модели множественной регрессии используя t-критерий Стьюдента. Для этого необходимо сравнить расчетные значения t-статистики, взятые по модулю, с табличным значением этого критерия.
     tтаб.= 2,200985159 

     tх1= 2,334431094 > tтаб. = 2,200985159 следовательно, фактор Х1 признается статистически значимым и информативным. Такой фактор рекомендуется в модели регрессии оставить.
     tх2= 1,404386934 < tтаб. = 2,200985159 следовательно, фактор Х2  признается статистически не значимым. Такой фактор из модели рекомендуется исключить.
     tх3= 3,750795297 > tтаб. = 2,200985159 следовательно, фактор Х3 признается статистически значимым и информативным. Такой фактор рекомендуется в модели регрессии оставить. 

     Влияние пробега и объема двигателя на изменение цены автомобиля является существенным, а срок эксплуатации несущественным.  

     Построим  регрессионную модель со статистически  значимыми факторами Х1 и Х3   

Регрессионная статистика
Множественный R 0,8589
R-квадрат 0,737709
Нормированный R-квадрат 0,693994
Стандартная ошибка 1480,421
Наблюдения 15
 
Дисперсионный анализ      
  df SS MS F Значимость F
Регрессия 2 73969592 36984796 16,87536 0,000326
Остаток 12 26299742 2191645    
Итого 14 1E+08      
 
  Коэфф. Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y 7812,026 3205,051 2,437411 0,031306 828,8201 14795,23 828,8201 14795,23
X1 -24,1082 6,493354 -3,71275 0,002966 -38,256 -9,96039 -38,256 -9,96039
X3 4390,723 1282,536 3,42347 0,005046 1596,318 7185,129 1596,318 7185,129
 
Y=7812,026-24,1082*X1+4390,723*X3 

     
     В полученное уравнение тренда  
     Х1 = 2.821*х + 183.2   ,
     необходимо  подставить следующий пробег (тыс. км), а именно 150 тыс. км.
     Получим:
и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.