Хід роботи
Міністерство освіти і науки України
Національний технічний університет України
«Київський політехнічний інститут»
Факультет менеджменту та маркетингу
Кафедра математичного моделювання економічних систем
Комп’ютерний практикум № 1
з дисципліни «Економетрика»
на тему: «Визначення оцінок параметрів емпіричних функцій регресії, що моделюють монотонний процес»
Виконав:
студент групи УК-21
Каплун Олексій
Прийняв:
доцент кафедри ММЕС Фартушний І. Д.
Київ – 2014
Тема: Визначення оцінок параметрів емпіричних функцій регресії, що моделюють монотонний процес
Ціль роботи: Не знаючи оцінок, вибрати більш підходящу із 9-ти функцій, як функцію регресії.
При моделюванні монотонних процесів (зростаючих або спадаючих), коли число спостережень невелике і невідомо, чиє асимптотичний рівень і перегин у тенденції зміни результативної змінної з ростом пояснюючої змінної може бути використана одна з наступних функцій регресії, які залежать від двох параметрів:
;
.
Завдання до комп’ютерного практикуму: Продемонструвати методику застосування методу найменших квадратів для всіх дев’яти монотонних залежностей на прикладі моделювання динаміки росту курсу акцій:
з наступним аналізом побудованих моделей і порівнянням отриманих результатів з висновками, заснованими на критерію.
Хід роботи
Для кожної з поданих функцій регресії потрібно оцінити параметри а0 та а1, після чого потрібно визначити суму квадратів відхилень значень функції регресії у точках від значень функції, заданої у таблиці 1. Та функція регресії, для якої сума квадратів відхилень буде найменшою, вважається такою, яка найбільш точно відтворює залежність між даними, які подані у таблиці 1.
Оцінки параметрів та сума квадратів відхилень подані у таблицях 2-11.
x
| y
| x^2
| x*y
| y^
| (y-y^)^2
|
|
|
|
| 40, 46667
| 6, 084444
|
|
|
|
| 47, 6
| 0, 36
|
|
|
|
| 54, 73333
| 0, 071111
|
|
|
|
| 61, 86667
| 4, 551111
|
|
|
|
|
|
|
|
|
|
| 76, 13333
| 14, 95111
|
|
|
|
| 83, 26667
| 7, 471111
|
|
|
|
| 90, 4
| 1, 96
|
|
|
|
| 97, 53333
| 12, 48444
|
|
|
|
|
| 48, 93333
|
x
| y
| lnx
| (lnx)^2
| y*lnx
| y^
| (y-y^)^2
|
|
|
|
|
| 31, 14663
| 46, 96873
|
|
| 0, 693147
| 0, 480453
| 32, 57792
| 49, 59256
| 6, 721356
|
|
| 1, 098612
| 1, 206949
| 60, 42368
| 60, 38274
| 28, 97385
|
|
| 1, 386294
| 1, 921812
| 88, 72284
| 68, 03849
| 16, 3094
|
|
| 1, 609438
| 2, 59029
| 109, 4418
| 73, 97675
| 35, 72158
|
|
| 1, 791759
| 3, 210402
| 143, 3408
| 78, 82867
| 1, 37202
|
|
| 1, 94591
| 3, 786566
| 167, 3483
| 82, 9309
| 9, 419356
|
|
| 2, 079442
| 4, 324077
| 185, 0703
| 86, 48442
| 6, 328138
|
|
| 2, 197225
| 4, 827796
| 206, 5391
| 89, 61885
| 19, 19451
|
|
| 12, 80183
| 22, 34835
| 993, 4646
|
| 171, 0089
|
x
| y
| 1/x
| 1/x^2
| y/x
| y^
| (y-y^)^2
|
|
|
|
|
| 28, 33972
| 93, 3211
|
|
| 0, 5
| 0, 25
| 23, 5
| 57, 98975
| 120, 7745
|
|
| 0, 333333
| 0, 111111
| 18, 33333
| 67, 87309
| 165, 7164
|
|
| 0, 25
| 0, 0625
|
| 72, 81476
| 77, 70002
|
|
| 0, 2
| 0, 04
| 13, 6
| 75, 77976
| 60, 52474
|
|
| 0, 166667
| 0, 027778
| 13, 33333
| 77, 75643
| 5, 033592
|
|
| 0, 142857
| 0, 020408
| 12, 28571
| 79, 16834
| 46, 67159
|
|
| 0, 125
| 0, 015625
| 11, 125
| 80, 22727
| 76, 96081
|
|
| 0, 111111
| 0, 012346
| 10, 44444
| 81, 05088
| 167, 6797
|
|
| 2, 828968
| 1, 539768
| 156, 6218
|
| 814, 3825
|
x
| y
| lny
| x^2
| x*lny
| y^
| (y-y^)^2
|
|
| 3, 637586
|
| 3, 637586
| 42, 5139
| 20, 37527
|
|
| 3, 850148
|
| 7, 700295
| 47, 50123
| 0, 25123
|
|
| 4, 007333
|
| 12, 022
| 53, 07363
| 3, 710917
|
|
| 4, 158883
|
| 16, 63553
| 59, 29972
| 22, 09259
|
|
| 4, 219508
|
| 21, 09754
| 66, 25621
| 3, 040802
|
|
| 4, 382027
|
| 26, 29216
| 74, 02877
| 35, 65564
|
|
| 4, 454347
|
| 31, 18043
| 82, 71312
| 10, 80355
|
|
| 4, 488636
|
| 35, 90909
| 92, 41625
| 11, 67076
|
|
| 4, 543295
|
| 40, 88965
| 103, 2577
| 85, 70418
|
|
| 37, 74176
|
| 195, 3643
|
| 193, 305
|
x
| y
| lnx
| (lnx)^2
| lny
| lnx*lny
| y^
| (y-y^)^2
|
|
|
|
| 3, 637586
|
| 35, 95351
| 4, 188138
|
|
| 0, 693147
| 0, 480453
| 3, 850148
| 2, 668719
| 48, 42974
| 2, 044155
|
|
| 1, 098612
| 1, 206949
| 4, 007333
| 4, 402505
| 57, 64866
| 7, 015423
|
|
| 1, 386294
| 1, 921812
| 4, 158883
| 5, 765436
| 65, 23535
| 1, 526098
|
|
| 1, 609438
| 2, 59029
| 4, 219508
| 6, 791036
| 71, 80111
| 14, 44842
|
|
| 1, 791759
| 3, 210402
| 4, 382027
| 7, 851538
| 77, 65334
| 5, 506816
|
|
| 1, 94591
| 3, 786566
| 4, 454347
| 8, 66776
| 82, 97194
| 9, 169151
|
|
| 2, 079442
| 4, 324077
| 4, 488636
| 9, 333857
| 87, 87269
| 1, 270835
|
|
| 2, 197225
| 4, 827796
| 4, 543295
| 9, 982639
| 92, 43517
| 2, 448686
|
|
| 12, 80183
| 22, 34835
| 37, 74176
| 55, 46349
|
| 47, 61772
|
x
| y
| x^2
| 1/y
| x/y
| y^
| (y-y^)^2
|
|
|
| 0, 026316
| 0, 026316
| 43, 36387
| 28, 77106
|
|
|
| 0, 021277
| 0, 042553
| 47, 07449
| 0, 005548
|
|
|
| 0, 018182
| 0, 054545
| 51, 47956
| 12, 39348
|
|
|
| 0, 015625
| 0, 0625
| 56, 79418
| 51, 9239
|
|
|
| 0, 014706
| 0, 073529
| 63, 33245
| 21, 78602
|
|
|
| 0, 0125
| 0, 075
| 71, 57198
| 71, 03157
|
|
|
| 0, 011628
| 0, 081395
| 82, 27606
| 13, 86772
|
|
|
| 0, 011236
| 0, 089888
| 96, 74494
| 59, 98402
|
|
|
| 0, 010638
| 0, 095745
| 117, 3886
| 547, 0276
|
|
|
| 0, 142107
| 0, 601472
|
| 806, 7909
|
x
| y
| lnx
| (lnx)^2
| 1/y
| lnx/y
| y^
| (y-y^)^2
|
|
|
|
| 0, 026316
|
| 38, 15179
| 0, 023039
|
|
| 0, 693147
| 0, 480453
| 0, 021277
| 0, 014748
| 47, 31992
| 0, 102348
|
|
| 1, 098612
| 1, 206949
| 0, 018182
| 0, 019975
| 55, 05968
| 0, 003562
|
|
| 1, 386294
| 1, 921812
| 0, 015625
| 0, 021661
| 62, 28819
| 2, 930285
|
|
| 1, 609438
| 2, 59029
| 0, 014706
| 0, 023668
| 69, 35031
| 1, 823342
|
|
| 1, 791759
| 3, 210402
| 0, 0125
| 0, 022397
| 76, 43059
| 12, 7407
|
|
| 1, 94591
| 3, 786566
| 0, 011628
| 0, 022627
| 83, 65133
| 5, 516231
|
|
| 2, 079442
| 4, 324077
| 0, 011236
| 0, 023365
| 91, 10734
| 4, 440877
|
|
| 2, 197225
| 4, 827796
| 0, 010638
| 0, 023375
| 98, 88139
| 23, 82794
|
|
| 12, 80183
| 22, 34835
| 0, 142107
| 0, 171815
|
| 51, 40832
|
x
| y
| 1/y
| 1/x^2
| 1/(x*y)
| 1/x
| y^
| (y-y^)^2
|
|
| 0, 026316
|
| 0, 026316
|
| 35, 7953
| 4, 860714
|
|
| 0, 021277
| 0, 25
| 0, 010638
| 0, 5
| 52, 41387
| 29, 30998
|
|
| 0, 018182
| 0, 111111
| 0, 006061
| 0, 333333
| 62, 01031
| 49, 14451
|
|
| 0, 015625
| 0, 0625
| 0, 003906
| 0, 25
| 68, 25909
| 18, 13981
|
|
| 0, 014706
| 0, 04
| 0, 002941
| 0, 2
| 72, 65175
| 21, 63878
|
|
| 0, 0125
| 0, 027778
| 0, 002083
| 0, 166667
| 75, 90836
| 16, 7415
|
|
| 0, 011628
| 0, 020408
| 0, 001661
| 0, 142857
| 78, 41917
| 57, 46893
|
|
| 0, 011236
| 0, 015625
| 0, 001404
| 0, 125
| 80, 41406
| 73, 7184
|
|
| 0, 010638
| 0, 012346
| 0, 001182
| 0, 111111
| 82, 03722
| 143, 1081
|
|
| 0, 142107
| 1, 539768
| 0, 056193
| 2, 828968
|
| 414, 1307
|
x
| y
| 1/x
| lny
| 1/x^2
| lny/x
| y^
| (y-y^)^2
|
|
|
| 3, 637586
|
| 3, 637586
| 33, 44015
| 20, 79227
|
|
| 0, 5
| 3, 850148
| 0, 25
| 1, 925074
| 55, 05722
| 64, 91879
|
|
| 0, 333333
| 4, 007333
| 0, 111111
| 1, 335778
| 65, 01242
| 100, 2485
|
|
| 0, 25
| 4, 158883
| 0, 0625
| 1, 039721
| 70, 64596
| 44, 16878
|
|
| 0, 2
| 4, 219508
| 0, 04
| 0, 843902
| 74, 25778
| 39, 15977
|
|
| 0, 166667
| 4, 382027
| 0, 027778
| 0, 730338
| 76, 76767
| 10, 44797
|
|
| 0, 142857
| 4, 454347
| 0, 020408
| 0, 636335
| 78, 61222
| 54, 57927
|
|
| 0, 125
| 4, 488636
| 0, 015625
| 0, 56108
| 80, 02466
| 80, 55666
|
|
| 0, 111111
| 4, 543295
| 0, 012346
| 0, 504811
| 81, 14075
| 165, 3603
|
|
| 2, 828968
| 37, 74176
| 1, 539768
| 11, 21462
|
| 580, 2323
|
Номер функції
| Вид функції
| Оцінки параметрів
| Сумма відхиленнь
| 1 –
Лінійна
| y=a0+a1*t
|
| 48, 93333
| 2 - Логарифмічна
| y=a0+a1*ln(t)
|
| 171, 0089
| 3 - Гіперболічна
| y=a0+a1/t
|
| 814, 3825
| 4 - Степенева
| y=a0*(a1)^(t)
|
| 193, 305
| 5 - Показникова
| y=a0*(t)^(a1)
|
| 47, 61772
|
| y=(e)^(a0+a1/t)
|
| 580, 2323
|
| y=1/(a0+a1*t)
|
| 806, 7909
|
| y=1/(a0+a1*ln(t))
|
| 51, 40832
|
| y=t/(a0+a1*t)
|
| 414, 1307
|
Висновок. Отже, в ході виконання роботи за допомогою методу найменших квадратів ми визначили наближення функціональної залежності зміни результативної змінної з ростом пояснюючої змінної , тобто знайшли функцію регресії, яка найбільш точно описує тенденцію зміни даних. Розглянувши всі можливі випадки виявилось, що функції вигляду y=a0+a1*t, y=a0*(t)^(a1), y=1/(a0+a1*ln(t)) найбільш точно описують задані величини, тобто для них сума квадратів відхилень найменша.
|