Контрольная Эконометрика вариант 9, номер: 299323

"Вариант № 9
1. Имеются данные об объемах производства продукции на предприятии:
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Холодильники и морозильники, шт. 132 172 193 221 258 277 299 353 372 375
1. Проведите сглаживание динамического ряда методом трехзвенной скользящей средней.
2. Постройте линейную модель тренда, оцените ее параметры методом наименьших квадратов.
3. Оцените качество построенной модели и её пригодность для прогнозирования.
4. Постройте точечный и интервальный прогноз объема производства на 2017 и 2018 годы.
5. Изобразите на графике фактические уровни ряда, сглаженные уровни ряда и тренд.
6. Интерпретируйте полученные результаты, сделайте выводы.
2. Имеются условные данные о сети филиалов фирмы:
№ филиала Оборот розничной торговли,
руб. (Y) Среднемесячная номинальная начисленная заработная плата, руб. (X)
1 143302 17667,6
2 110850 13912,0
3 97293 16313,9
4 193277 16054,7
5 71001 14436,2
6 98857 20000,8
7 46092 14890,5
8 97695 16240,8
9 117750 17010,4
10 1016780 28585,6
11 62813 14528,6
12 97030 16717,7
13 101861 16189,4
14 98311 14292,9
15 126770 17747,3
16 151331 17225,1
17 105441 18111,0
1. Постройте линейное уравнение регрессии с одной объясняющей переменной.
2. Дайте экономическую интерпретацию коэффициента регрессии а1.
3. Выполните корреляционный анализ, т.е. вычислите линейный коэффициент корреляции и теоретическое корреляционное отношение (индекс корреляции). Сделайте вывод о тесноте и направленности связи между Y и X.
4. Вычислите коэффициент детерминации. Сделайте вывод.
5. Выполните дисперсионный анализ. Протестируйте статистическую гипотезу о достоверности уравнения регрессии при уровне значимости α=0,05. Сделайте вывод.
6. Вычислите среднюю относительную ошибку аппроксимации. Сделайте вывод о возможности использования регрессионной модели для прогнозирования и управления.
Тестовые задания
1. Воспроизведение свойств исследуемого объекта в специально построенной модели называется:
а. прогнозирование;
б. регрессионный анализ;
в. моделирование;
г. тренд.
2. Коэффициент детерминации показывает:
а. на сколько единиц изменится зависимая переменная, если независимая переменная изменится на 1 единицу;
б. на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1 единицу;
в. на сколько процентов изменение зависимой переменной зависит от изменения независимой переменной;
г. долю вариации зависимой переменной, обусловленную вариацией независимой переменной.
3. Дисперсионный анализ уравнения парной регрессии проверяет значимость:
а. коэффициента корреляции;
б. уравнения регрессии;
в. коэффициента регрессии;
г. свободного члена уравнения регрессии.
4. Неправильный выбор функциональной формы или объясняющих переменных называется:
а. ошибками спецификации;
б. ошибками прогноза;
в. мультиколлинеарностью;
г. гетероскедастичностью.
5. Коэффициент корреляции r по абсолютной величине:
а. не превосходит единицы;
б. не превосходит нуля;
в. равен 2;
г. принимает любые значения.
6. Интервальными временными рядами называют такие, уровни которых характеризуют явление:
а. за определенные интервалы времени;
б. на определенный момент времени;
в. с помощью относительных величин;
г. с помощью средних величин.
7. Какая составляющая временного ряда отражает влияние на него долговременных факторов:
а. корелограмма;
б. лаг;
в. случайная компонента;
г. тренд.
8. Экстраполяция – это:
а. некоторая математическая функция f(t), которая описывает тенденцию изменения явления;
б. нахождение уровней за пределами изучаемого временного ряда, то есть продление временного ряда на основе выявленной закономерности изменения уровней в изучаемый отрезок времени;
в. основное направление, закономерность развития явления.
9. Менеджер-аналитик занимался прогнозированием объемов продаж различных товаров для фирмы, торгующей радиоэлектроникой. Какой из его прогнозов оказался корректным?
а. для данных о продаже холодильников
январь февраль март апрель май июнь
123 134 155 154 168 171
была выбрана линейная модель Y=117+10t, коэффициент детерминации , прогноз на июль: 105, на август: 33.
б. для данных о продаже телевизоров
январь февраль март апрель май июнь
10 12 11 13 17 20
была выбрана экспоненциальная модель Y=8⋅1,14t, коэффициент детерминации R2=1,5, прогноз на июль: 22, на август: 25.
в. для данных о продаже стиральных машин
январь февраль март апрель май июнь
84 96 100 108 120 130
была выбрана линейная модель Y=74+9t, коэффициент детерминации R2=-0,9, прогноз на июль: 138, на август: 147.
г. для данных о продаже микроволновых печей
январь февраль март апрель май июнь
84 93 96 108 120 132
была выбрана линейная модель Y=72+9,5t, коэффициент детерминации R2=0,97, прогноз на июль: 139, на август: 148.
10. Модели, учитывающие влияние случайных компонентов на исследуемый объект, называются:
а. статические;
б. стохастические;
в. динамические;
г. детерминированные;
д. стабильные;
е. нестабильные.


"