Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
По данным, представленным в таблице 5.3, изучается зависимость балансовой прибыли предприятия торговли Y (тыс. руб.) от следующих факторов:
X1 - объем товарных запасов, тыс. руб.;
X2 - фонд оплаты труда, тыс. руб.;
X3 - издержки обращения, тыс. руб.;
X4 - объем продаж по безналичному расчету, тыс. руб.
Таблица 5.4 - Информация для построения модели регрессии
Месяц | У | Х1 | Х2 | Х3 | Х4 |
41321,57 | 300284,10 | 19321,80 | 42344,92 | 100340,02 | |
40404,27 | 49107,21 | 20577,92 | 49000,43 | 90001,35 | |
37222,12 | 928388,75 | 24824,91 | 50314,52 | 29301,98 | |
37000,80 | 724949,11 | 28324,87 | 48216,41 | 11577,42 | |
29424,84 | 730855,33 | 21984,07 | 3301,30 | 34209,84 | |
20348,19 | 2799881,13 | 11000,02 | 21284,21 | 29300,00 | |
11847,11 | 1824351,20 | 4328,94 | 28407,82 | 19531,92 | |
14320,64 | 1624500,80 | 7779,41 | 40116,00 | 17343,20 | |
18239,46 | 1115200,93 | 18344,11 | 32204,98 | 4391,00 | |
22901,52 | 1200947,52 | 20937,31 | 30105,29 | 14993,25 | |
27391,92 | 1117850,93 | 27344,30 | 40294,40 | 104300,00 | |
44808,37 | 1379590,02 | 31939,52 | 42239,79 | 119804,33 | |
40629,28 | 588365,77 | 29428,60 | 55584,35 | 155515,15 | |
31324,80 | 434281,91 | 30375,82 | 49888,17 | 60763,19 | |
34847,92 | 1428243,59 | 33000,94 | 59866,55 | 8763,25 | |
33241,32 | 1412181,59 | 31322,60 | 49975,79 | 4345,42 | |
29971,34 | 1448274,10 | 20971,82 | 3669,92 | 48382,15 | |
17114,90 | 4074616,71 | 11324,93 | 26032,95 | 10168,00 | |
8944,94 | 1874298,99 | 8341,52 | 29327,21 | 22874,40 | |
17499,58 | 1525436,47 | 10481,14 | 40510,01 | 29603,05 | |
19244,80 | 1212238,89 | 18329,90 | 37444,69 | 16605,16 | |
34958,32 | 1154327,22 | 29881,52 | 36427,22 | 32124,63 | |
44900,83 | 1173125,03 | 34928,60 | 51485,62 | 200485,00 | |
57300,25 | 1435664,93 | 41824,92 | 49959,92 | 88558,62 |
1. Для заданного набора данных постройте линейную модель множественной регрессии.
2. Оцените точность и адекватность построенного уравнения регрессии. Выделите значимые и незначимые факторы в модели.
3. Постройте уравнение регрессии со статистически значимыми факторами. Дайте экономическую интерпретацию параметров модели. Определите коэффициенты эластичности.
4. Получите прогнозные значения прибыли в зависимости от изменения факторов.
Решение
Для получения отчета по построению модели в среде EXCEL необходимо выполнить следующие действия:
1. В меню Сервис выбираем строку Анализ данных. На экране появится окно, в котором выбираем пункт Регрессия. Появляется диалоговое окно, в котором задаем необходимые параметры. Входной интервал Y - диапазон (столбец), содержащий данные со знамениями объясняемой переменной; Входной интервал X - диапазон (столбцы), содержащий данные со значениями объясняющих переменных. Метки - флажок, который указывает, содержат ли первые элементы отмеченных диапазонов названия переменных (столбцов) или нет; Константа-ноль - флажок, указывающий на наличие или отсутствие свободного члена в уравнении регрессии (); Выходной интервал - достаточно указать левую верхнюю ячейку будущего диапазона, в котором будет сохранен отчет; Новый рабочий лист - можно задать произвольное имя нового листа, в котором будет сохранен отчет.
Если необходимо получить значения и графики остатков (еi), установите соответствующие флажки в диалоговом окне. Нажмите на кнопку ОК. В отчете о результатах регрессионного анализа («вывод итогов») содержатся три таблицы. Рассмотрим таблицу «Регрессионная статистика» (табл. 5.5).
Таблица 5.5 - Регрессионная статистика
Множественный R | 0,905710331 |
R-квадрат | 0,820311203 |
Нормированный R-квадрат | 0,782481983 |
Стандартная ошибка | 5705,632761 |
Наблюдения |
Множественный R - это , где R2 - коэффициент детерминации. R-квадрат — это R2. В нашем примере значение R2 = 0,8203 свидетельствует о том, что изменения зависимой переменной Y (балансовой прибыли) в основном (на 82,03%) можно объяснить изменениями включенных в модель объясняющих переменных – X1, Х2, X3, X4. Такое значение свидетельствует об адекватности модели. Нормированный R-квадрат - поправленный (скорректированный по числу степеней свободы) коэффициент детерминации. Стандартная ошибка регрессии S = , где S2 = - необъясненная дисперсия (мера разброса зависимой переменной вокруг линии регрессии); п — число наблюдений (в нашем примере равно 24), т - число объясняющих переменных (в нашем примере равно 4). Наблюдения - число наблюдений п. Рассмотрим результаты дисперсионного анализа (табл. 5.6).
Таблица 5.6 - Дисперсионный анализ
df | SS | MS | F | Значимость F | |
Регрессия | 705925520,7 | 21,68459187 | 7,27921E-07 | ||
Остаток | 618530658,8 | 32554245,2 | |||
Итого |
df - degrees of freedom - число степеней свободы связано с числом единиц совокупности п и с числом определяемых по ней констант (m+1). SS - sum of squares - сумма квадратов (регрессионная (RSS-regression sum of squares), остаточная (ESS — error sum of squares) и общая (TSS— total sum of squares), соответственно). MS-mean sum - сумма квадратов на одну степень свободы. F - расчетное значение F-критерия Фишера. Если нет табличного значения, то для проверки значимости уравнения регрессии в целом можно посмотреть Значимость F. На уровне значимости уравнение регрессии признается значимым в целом, если Значимость F < 0.05, и незначимым, если Значимость F 0.05.
Для нашего примера имеем следующие значения:
Расчетное значение F -критерия Фишера составляет 21,68.
Таблица 5.7 - Результаты дисперсионного анализа
df | SS | MS | F | Значимость F | |
Регрессия | m = 4 | RSS=2,82E+09 | RSS/df=7,06E+08 | =21,68 | 7,28E-07 |
Остаток | n-m-1=19 | ESS=6,19E+08 | ESS/df=3,26E+07 | ||
Итого | n-1 = 23 | TSS=3,44E+09 |
Значимость F= 7,28Е-07, что меньше 0,05. Таким образом, полученное уравнение в целом значимо. Таблица 5.8 содержит коэффициенты регрессии и оценку их значимости.
Таблица 5.8 - Оценка параметров регрессии
Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | |
Y-пересечение | 8497,953555 | 5214,993986 | 1,629523175 | 0,119669485 |
Переменная X 1 | -0,001272691 | 0,001652255 | -0,770274896 | 0,450608943 |
Переменная X 2 | 0,876317896 | 0,1565088 | 5,599160531 | 2,12344E-05 |
Переменная X 3 | 0,005426577 | 0,097124486 | 0,05587239 | 0,956026832 |
Переменная X 4 | 0,060582276 | 0,026352261 | 2,298940308 | 0,033024214 |
Таблица 5.9 - Доверительные интервалы для значений коэффициентов
Нижние 95% | Верхние 95% |
-2417,157692 | 19413,0648 |
-0,004730902 | 0,002185521 |
0,548741111 | 1,20389468 |
-0,197857372 | 0,208710526 |
0,005426342 | 0,115738209 |
В таблице приведены значения параметров (коэффициентов) модели, их стандартные ошибки и расчетные значения t-критерия Стьюдента для оценки значимости отдельных параметров модели.
Таблица 5.10 - Оценка коэффициентов регрессии
Коэффициенты | Стандартная ошибка | t-статистика | Р-Значение | Нижние 95% | Верхние 95% | |
Y | b0 = 8497,95 | mb0=5214,99 | tb0=8497,95/5214,99= 1,6295 | 0,1197 | -2417,16 b0 19413,06 | |
X1 | b1=-0,0013 | mb1=0,0017 | tb1=-0,0013/0,0017 = -0,7703 | 0,4506 | -0,0047 b1 0,0022 | |
X2 | b2=0,8763 | mb2=0,1565 | tb2=5,5992 | 2,12E-05 | 0,5487 b2 1,2039 | |
X3 | b3=0,00544 | mb3=0,0971 | tb3=0,0559 | 0,9560 | -0,1978 b3 0,2087 | |
X4 | b4=0,0605 | mb4=0,0263 | tb4=2,2989 | 0,0330 | 0,0054 b4 0,1157 |
Анализ таблицы позволяет сделать вывод о том, что на уровне значимости = 0.05 значимыми оказываются лишь коэффициенты при факторах X2 и Х4, так как только для них Р-значение меньше 0,05. Таким образом, факторы X1 и Х3 не существенны, и их включение в модель нецелесообразно. Поскольку коэффициент регрессии в эконометрических исследованиях имеют четкую экономическую интерпретацию, то границы доверительного интервала для коэффициента регрессии не должны содержать противоречивых результатов, как, например -0,0047 b1 0,0022. Такого рода запись указывает, что истинное значение коэффициента регрессии одновременно содержит положительные и отрицательные величины и даже ноль, чего не может быть. Это также подтверждает вывод о статистической незначимости коэффициентов регрессии при факторах X1 и Х5. Исключим несущественные факторы X1 и Х3 и построим уравнение зависимости Y (балансовой прибыли) от объясняющих переменных X2 и Х4. Результаты регрессионного анализа приведены в таблицах
Таблица 5.11 - Регрессионная статистика
Множественный R | 0,9024465 |
R-квадрат | 0,8144098 |
Нормированный R-квадрат | 0,7967345 |
Стандартная ошибка | 5515,53984 |
Наблюдения |
Таблица 5.12 - Дисперсионный анализ
df | SS | MS | F | Значимость F | |
Регрессия | 46,076253 | 2,08847E-08 | |||
Остаток | 638844774,1 | 30421179,72 | |||
Итого |
Таблица 5.13 - Оценка коэффициентов регрессии
Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | |
Y-пересечение | 5933,1025 | 2844,611998 | 2,085733487 | 0,0493883 | 17,40698 | 11848,798 |
Переменная X 2 | 0,9162546 | 0,132496978 | 6,915286693 | 7,834E-07 | 0,640712 | 1,1917972 |
Переменная X 4 | 0,0645183 | 0,024940789 | 2,58686011 | 0,0172036 | 0,012651 | 0,1163856 |
Оценим точность и адекватность полученной модели. Значение R2 = 0,8144 свидетельствует о том, что вариация зависимой переменной Y (балансовой прибыли) по-прежнему в основном (на 81,44%) можно объяснить вариацией включенных в модель объясняющих переменных – Х2 и Х4.Это свидетельствует об адекватности модели. Значение поправленною коэффициента детерминации (0,7967) возросло по сравнению с первой моделью, в которую были включены все объясняющие переменные (0,7825). Стандартная ошибка регрессии во втором случае меньше, чем в первом (5515 < 5706). Расчетное значение F-критерия Фишера составляет 46,08 (для первоначальной модели расчетное значение F-критерия Фишера составляло 21,68). Значимость F = 2,08847Е-08, что меньше 0,05. Таким образом, полученное уравнение в целом значимо.
Далее оценим значимость отдельных параметров построенной модели. Из таблицы видно, что теперь на уровне значимости = 0.05 все включенные в модель факторы являются значимыми: Р-значение < 0,05.
Границы доверительного интервала для коэффициентов регрессии не содержат противоречивых результатов: с надежностью 0.95 (с вероятностью 95%) коэффициент b1 лежит в интервале 0.64 b1 1,19; с надежностью 0.95 (с вероятностью 95%) коэффициент b2 лежит в интервале 0,01 b2 0,12. Таким образом, модель балансовой прибыли предприятия торговли запишется в следующем виде:
= 5933,1 + 0,916*Х2+ 0,065*Х4.
Параметры модели имеют следующую экономическую интерпретацию. Коэффициент b1 = 0,916, означает, что при увеличении только фонда оплаты труда (X2)на 1 тыс. руб. балансовая прибыль в среднем возрастает на 0,916 тыс. руб., а то, что коэффициент b2 = 0,065, означает, что увеличение только объема продаж по безналичному расчету (Х4) на 1 тыс. руб. приводит в среднем к увеличению балансовой прибыли на 0,065 тыс. руб. Как было отмечено выше, анализ Р-значений показывает, что оба коэффициента значимы. Средние коэффициенты эластичности рассчитываются по формуле (5.18).
Эх2=0,916*22371,65/29800,38=0,688.
Согласно коэффициенту эластичности по второму фактору - рост фонда оплаты труда на 1% приводит к увеличению балансовой прибыли на 0,688%.
Эх4=0,065*52220,1/29800,38=0,114.
Согласно коэффициенту эластичности по четвертому фактору - рост объема продаж по безналичному расчету на 1% приводит к увеличению балансовой прибыли на 0,114%.
Сделаем предположение, что в периоде упреждения размер фонда оплаты труда и объема продаж по безналичному расчету будут равны максимальным значениям за отчетный период: Х2=41824,92; Х4=200485. Тогда по уравнению регрессии получаем возможное значение = 57276,25.
Дата публикования: 2014-11-29; Прочитано: 858 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!