Однофакторный регрессионный анализ при помощи системы GRETL

  • Просмотров 1244
  • Скачиваний 17
  • Размер файла 33
    Кб

Министерство образования и науки Украины Севастопольский национальный технический университет Факультет Экономики и менеджмента Кафедра менеджмента и экономико - математических методов Отчёт по лабораторной работе №4 По дисциплине: «Прикладная статистика» На тему: «Однофакторный регрессионный анализ при помощи системы GRETL» Вариант 1 Целью данной работы является научиться применять теоретические знания по теме

«Одномерный регрессионный анализ» при решении экономических задач с помощью системы GRETL. Задание 1 Компания «Лагуна», которая обеспечивает стеклянными бутылками множество изготовителей безалкогольных напитков, обладает следующей информацией, относящейся к числу ящиков при одной отгрузке и соответствующим транспортным затратам (см. Таблицу 1). Таблица 1 ‑ Данные к заданию 1 Число ящиков на отгрузку Транспортные затраты в

гривнах Вар 3 150 6532 220 9771 350 15227 430 17575 580 23998 650 27800 730 29466 820 35447 850 34420 980 42188 Проведите анализ затрат в зависимости от числа ящиков к разгрузке. Представьте экономическое обоснование результатов регрессионного анализа. Спрогнозируйте сумму затрат при росте отгрузки до 1000 ящиков. Решение: Допустим, что транспортные затраты зависят от числа ящиков на отгрузку. Для проверки этого построим график зависимости и рассчитаем коэффициент

корреляции, составив корелляционную матрицу. Далее построим регрессионные модели вида: и , где – число ящиков (шт.), – транспортные затраты (грн). Наши данные в системе gretl: 1. Построим сначала регрессионную модель вида В зависимую переменную выбираем cost_var3, в независимую оставляем const и добавляем num_y. Уравнение регрессии в данном случае: y = 192,181+41,7539x1 Так как р-значение (вероятность ошибки) меньше 0,05, то принимается альтернативная

гипотеза, и коэффициент регрессии значим, то есть число ящиков существенно отражается на транспортные затраты. Сумма квадратов ошибок и стандартная ошибка регрессии отражают степень разброса фактических значений от расчетных, полученных по модели, то есть чем меньше сумма квадратов ошибок и стандартная ошибка регрессии, тем точнее модель. В нашем случае, модель не совершенно точно отражает. Так как вычисленное значение p<α,