Rnz.ru - помощь в написании курсовых, контрольных, рефератов, дипломных работ. Наша группа ВКонтакте, Instagram
 
 
Курсовые на заказ
Готовые работы
Решение задач на заказ
 

 
Курсовая работа по эконометрике, курсовая
План (содержание) работы Курсовая работа по эконометрике:
Курсовая работа по эконометрике. Работа 3
Парная корреляция и регрессия - исследование по корреляционной таблице связи между компонентами двумерной случайной величины и зависимости одной величины от другой (выполняется с применением программ Описательная статистика, Однофакторный дисперсионный анализ, Корреляция и Регрессия надстройки Анализ данных пакета Microsoft Excel).
Задача. Исследуется связь между расходами дилеров некоторой компании на рекламу продукции (X, тыс. ден. ед.) и их объемами продаж (У, тыс. ден. ед.) и зависимость объема продаж У от расходов на рекламу X. Сведения по 60 случайно отобранным дилерам сгруппированы в корреляционную таблицу и приведены для каждого варианта в прил. 3.
Исходные данные:
Курсовая работа по эконометрике
При выполнении данной задачи в курсовой работе по эконометрике требуется:
1. Выяснить, существует ли корреляционная зависимость объема продаж У от величины расходов на рекламу X. Для этого необходимо:
а) построить поле корреляции; вычислить групповые средние - средние объемы продаж для указанных в корреляционной таблице интервалов расходов на рекламу; на том же графике построить линию групповых средних - линию, соединяющую точки (x'; y'x'), где х' - центр соответствующего интервала значений расходов на рекламу х;
б) используя случайную модель однофакторного дисперсионного анализа, проверить гипотезу об отсутствии влияния интервала вложенных в рекламу средств на объем продаж;
в) при отклонении гипотезы оценить влияние величины вложенных в рекламу средств на объем продаж, используя корреляционное отношение ρ(У | X) и коэффициент детерминации ρ2(У | X).
2. Исследовать правомерность предположения о линейности корреляционной связи между X и У. Для этого:
а) вычислить оценку r(X,Y) коэффициента корреляции r(X,Y) и оценку r2(X,Y) коэффициента линейной детерминации r2(X,Y); предположив нормальность распределения случайной величины (X, У), на 5%-ном уровне значимости проверить гипотезу Н0: r(Х,У) = 0 при альтернативной гипотезе Н1: r(Х,У) ≠ 0; при отклонении Н0 дать содержательную интерпретацию r(X,Y) и r2(X,Y);
б) найти оценки â0, â1, sERL параметров а0, а1 и σERL, модели линейной регрессии Y = а0 + а1х + ε [где ε = N (0; σERL)] и прямой линией выровнять линию групповых средних;
в) на 5%-ном уровне значимости проверить гипотезу Н0: а1 = 0 при альтернативной гипотезе Н0: а1 ≠ 0; при отклонении Н0:
- дать содержательную интерпретацию коэффициента â1;
- построить 95%-ную интервальную оценку параметра а1 и дать содержательную интерпретацию ее границ; построить 95%-ную интервальную оценку параметра а0;
- дать точечные и 95%-ные интервальные прогнозы генерального среднего объема продаж и объема продаж для центров интервалов расходов на рекламу; найденные интервальные прогнозы изобразить на том же графике, где изображено поле корреляции.
г) на 5%-ном уровне значимости проверить гипотезу о линейности функции регрессии Y на х.
 
Курсовая работа по эконометрике. Работа 4
Множественный линейный регрессионный анализ - алгоритм пошагового исключения, регрессоров (выполняется с применением программ Корреляция и Регрессия надстройки Анализ данных пакета Microsoft Excel).
Задача. Изучается линейная (в среднем) зависимость результативного признака Y от пяти факторных признаков - регрессоров х(1), х(2), х(3), х(4), х(5) по числовым данным, собранным на n = 52 объектах.
При выполнении данной задачи в курсовой работе по эконометрике требуется:
1. Записать модель множественного линейного регрессионного анализа признака Y, предъявляемые к ней требования и соответствующую функцию регрессии.
2. Рассчитать с помощью программы Корреляция матрицу (6 х 6) оценок коэффициентов парной корреляции между признаками и сделать вывод о силе линейной связи результативного признака с каждым из регрессоров и о силе линейной связи каждой пары регрессоров. Найти коллинеарные регрессоры (на практике коллинеарными считаются такие регрессоры, коэффициент корреляции между которыми по модулю больше 0.7 - 0,8). Матрицу (52 х 6) значений признаков сохранить для использования в работе 5.
3. Вычислить оценки â0, â1, â2, â3, â4, â5 и sERL, параметров модели множественной линейной регрессии Y = â01x(1)2x(2)3x(3)4x(4)5x(5) + ε [где ε = N (0; σERL)] с помощью программы Регрессия с Выводом остатка, приняв уровень надежности равным 95%; записать уравнение регрессии и его стандартную ошибку (sERL); используя Остатки, вычислить среднюю относительную ошибку аппроксимации δ; привести формулы расчета показателей Регрессионной статистики, пояснив их смысл.
4. Предположив выполнение условий линейного регрессионного анализа:
а) оценить статистическую значимость уравнения регрессии (проверить на 5%-ном уровне значимости гипотезу Н0: а1 = а2 = а3 = а4 = а5 = 0, используя для этого в таблице Дисперсионный анализ F-статистику и значимость F- рассчитанный уровень значимости; привести алгоритм заполнения таблицы Дисперсионный анализ;
б) оценить статистическую значимость коэффициентов уравнения регрессии (проверить на 5%-ном уровне значимости гипотезы H0(j) : aj = 0 при альтернативных гипотезах H0(j) : aj ≠ 0, j=1,2,3,4,5), используя для этого: t-статистику, Р-значение - рассчитанный уровень значимости, 95%-ную интервальную оценку параметра аj.
5. При наличии в уравнении регрессии хотя бы одного незначимого коэффициента исключить тот регрессор, при котором коэффициент незначим, а соответствующая этому коэффициенту величина Р-значения является наибольшей (или, иначе, значение модуля соответствующей t-статистики является наименьшим). Выполнить пп. 3 - 4 с оставшимися регрессорами. Процедуру пошагового исключения регрессоров продолжать до тех пор, пока не будет получено значимое уравнение регрессии со значимыми коэффициентами.
Систематизировать результаты пошаговой регрессии, выписав для каждого шага:
- уравнение регрессии;
- коэффициент линейной детерминации (R-квадрат), нормированный коэффициент линейной детерминации (нормированный R-квадрат), стандартную ошибку sELR, ошибку аппроксимации δ, значение F-статистики и критическую точку f0.05;k;n-k-1, найденную с помощью функции FPACПOБP;
- под оценками параметров аj - 95%-ные доверительные интервалы для этих параметров;
- под доверительными интервалами - числовые значения t-статистик и критическую точку t0.05;m-n-1, найденную с помощью функции СТЬЮДРАСПОБР;
- под значениями t-статистик -соответствующие Р-значения.
6. Выбрать лучшее уравнение и, используя его, ответить на следующие вопросы:
а) Какой процент выборочной дисперсии признака Y обусловлен линейным влиянием включенных в уравнение регрессоров?
б) Каковы точечная и 95%-ная интервальная оценки генерального среднего значения признака Y при значениях регрессоров на первом объекте?
в) Увеличение какого регрессора на единицу его измерения (при неизменных значениях других регрессоров) ведет к наибольшему изменению среднего значения результативного признака; увеличение какого регрессора на единицу его измерения (при неизменных значениях других регрессоров) ведет к наибольшему максимально возможному с 95%-ной вероятностью изменению среднего значения результативного признака?
г) Увеличение среднего значения какого регрессора на 1% (по отношению к его среднему значению) при неизменных значениях других регрессоров ведет к наибольшему процентному изменению среднего значения результативного признака (по отношению к его среднему значению); увеличение среднего значения какого регрессора на 1% (по отношению к его среднему значению) при неизменных значениях других регрессоров ведет к наибольшему максимально возможному с 95%-ной вероятностью процентному изменению среднего значения результативного признака?
 
Курсовая работа по эконометрике. Работа 5
Компонентный и факторный анализ (выполняется с применением программы Factor analysis пакета SPSS).
Задача. Научается система из пяти признаков X(1), X(2), X(3), X(4), X(5) по числовым данным, собранным на n = 52 объектах. Цель - выявить общие для этих признаков латентные факторы (компоненты), влиянием которых обусловлены вариации признаков и их ковариации. Варианты признаков и их числовые значения приведены для каждого варианта в прил. 4 (они совпадают с вариантами факторных признаков в работе 4, Курсовая работа по эконометрике). При выполнении данной задачи в курсовой работе по эконометрике требуется:
1. Записать модель компонентного анализа и предъявляемые к ней требования. Используя в качестве исходных данных матрицу (52 х 5) значений признаков X(1), X(2), X(3), X(4), X(5) (сохраненную при выполнении п. 2 работы 4), обратиться к программе Factor analysts и реализовать метод главных компонент (principal components), задав максимальное число факторов равным пяти.
2. В окне результатов работы программы Factor analysis:
а) выбрав для просмотра таблицу Total variance explained, определить доли общей дисперсии признаков (в процентах), приходящиеся на каждую компоненту, и накопленные доли этой дисперсии (в процентах);
б) выбрав для просмотра таблицу Component matrix:
- определить матрицу (5 х 5) нагрузок признаков на компоненты;
- записать выражения исходных признаков через компоненты и выражения компонент через признаки.
3. Снизить размерность системы исходных признаков, ограничившись несколькими первыми главным компонентами, на долю которых приходится не менее 70% общей дисперсии признаков. Дать содержательную интерпретацию этих компонент, используя матрицу нагрузок исходных признаков на главные компоненты и факторную диаграмму (unrotafed factor solution). Рассчитать значения отобранных главных компонент на 52 объектах и сохранить эти значения для использования в работе 6 (п. 5).
4. Провести регрессионный анализ признака Y (из работы 4) на отобранные главные компоненты. Сравнить его результаты с окончательными результатами регрессионного анализа признака У на исходные пять факторных признаков x(1), x(2), x(3), x(4), x(5) (полученными в работе 4 Курсовая работа по эконометрике).
5. Записать модель факторного анализа и предъявляемые к ней требования. Считая, что число общих факторов не превышает числа главных компонент, на долю которых приходится не менее 71)% общей дисперсии исходных признаков, обратиться к программе Factor analysis и реализовать метод максимального правдоподобия (maximum likehood), воспользовавшись методом Varimax для вращения факторного пространства; проверить значимость модели факторного анализа. Рассчитать значения полученных общих факторов на 52 объектах и сохранить эти значения для использования в работе 6 (п. б).
6. Сравнить факторные диаграммы до вращения (unrotafed factor solution) и после вращения (rotated solution) и предложить на основании анализа матрицы факторных нагрузок и факторной диаграммы после вращения содержательную интерпретацию факторов; сравнить полученные факторы с главными компонентами, построенными в п. 4.
7. Провести регрессионный анализ признака Y на общие факторы. Сравнить его результаты с результатами регрессионного анализа признака Y на исходные пять факторных признаков x(1), x(2), x(3), x(4), x(5) (полученными в работе 4 Курсовая работа по эконометрике).
 
Курсовая работа по эконометрике. Работа 6
Кластерный анализ (выполняется с применением программ Hierarchical cluster analysis и K-Means cluster пакета SPSS).
Задача. Изучается система из пяти признаков x(1), x(2), x(3), x(4), x(5) по числовым данным, собранным на n = 52 объектах. При выполнении данной задачи в курсовой работе по эконометрике требуется:
1. Используя в качестве исходных данных матрицу (52 х 5) значений признаков x(1), x(2), x(3), x(4), x(5) на объектах, провести вычисления по программе Hierarchical cluster analysis, выбрав для классификации все пять признаков, и реализовать метод ближайшего соседа (nearest neighbor) с выбором евклидовой метрики расстояний (eudidean distance), предварительно стандартизовав исходные данные (standardize); построить дендрограмму (dendrogram); сохранить протокол объединения (agglomeration schedule) и матрицу расстояний (proximity matrix),
2. В окне результатов иерархического кластерного анализа:
а) просмотрев матрицу расстояний, выписать расстояние между первым и двадцатым объектами и привести формулу его расчета;
б) выписать первые пять строк протокола объединения, объяснить их смысл и привести алгоритм пересчета матрицы расстояний между объектами на каждом, шаге объединения;
в) проанализировав по дендрограмме иерархию объединения кластеров (первые пять шагов сопоставить с протоколом объединения), предложить (если это возможно) разбиение исходных 20 объектов на два кластера - класса и указать объекты, относящиеся к каждому классу.
3. Выполнить пп. 1 - 2 для методов дальнего соседа (furthest neighbor) и средней связи (between-groups linkage),
4. Провести вычисления по программе K-Means cluster, выбрав для классификации пять признаков x(1), x(2), x(3), x(4), x(5) (с предварительной стандартизацией) и указав в качестве количества кластеров число 2.
5. Выполнить пп. 1 - 4, выбрав для классификации не исходные признаки x(1), x(2), x(3), x(4), x(5), а главные компоненты, на долю которых приходится не менее 70% общей дисперсии исходных признаков, (полученные в работе 5),
6. Выполнить пп. 1 - 4, выбрав для классификации не исходные признаки x(1), x(2), x(3), x(4), x(5), а общие факторы (полученные в работе 5).
7. По результатам пп. 1 - 6 для каждого варианта разбиения вычислить внутриклассовые средние значения признаков x(1), x(2), x(3), x(4), x(5) и их выборочные дисперсии, после чего выбрать вариант разбиения 20 объектов на два кластера - класса, руководствуясь критерием минимума суммы внутриклассовых дисперсий.
8. Для выбранного варианта разбиения проверить гипотезы о равенстве математических ожиданий каждого из пяти признаков в кластерах и на основании результатов проверки этих гипотез провести содержательную интерпретацию структуры изучаемой совокупности из 20 объектов и предложить названия для построенных кластеров.
9. Провести регрессионный анализ признака У на признаки x(1), x(2), x(3), x(4), x(5) отдельно для каждого кластера. Сравнить его результаты с результатами регрессионного анализа признака У на признаки x(1), x(2), x(3), x(4), x(5), полученными в работе 4 Курсовая работа по эконометрике.
 
Курсовая работа по эконометрике. Работа 7
Дискриминантный анализ (выполняется с применением программы Discriminant analysis пакета SPSS).
Задача. Изучается система из шести признаков Y, X(1), X(2), X(3), X(4), X(5) по числовым данным, собранным на n - 52 объектах. Используя в качестве обучающей выборки разбиение 20 объектов из 52 на две группы, полученное в результате кластерного анализа (п. 6 работы 6), требуется расклассифицировать по этим двум группам оставшиеся 32 объекта, которые в кластерном анализе не рассматривались (считая, что каждый из оставшихся 32 объектов входит в одну и только в одну из этих двух групп). Цель - определить, в какую из групп входит каждый из 32 объектов в предположении, что каждая группа подчиняется пятимерному нормальному закону распределения с одинаковой для обеих групп ковариационной матрицей. При выполнении данной задачи в курсовой работе по эконометрике требуется:
1. Используя в качестве исходных данных матрицу (52 х 5) значений признаков X(1), X(2), X(3), X(4), X(5) на объектах, провести вычисления по программе Discriminant analysis, выбрав для классификации все пять признаков. На основании анализа таблицы Canonical discriminant function coefficients записать дискриминантную функцию, построенную программой.
2. Указать, к каким группам были отнесены классифицируемые объекты, и вероятности, с которыми объекты входят в эти группы.
3. Указать объекты, которые в обучающей выборке были неверно отнесены к группам, прокомментировать эти несоответствия.
4. На основании анализа таблицы Wilks' Lambda проверить значимость различий средних значений дискриминантной функции в двух группах.
5. Проверить гипотезы о равенстве математических ожиданий признаков в двух группах и на основании результатов проверки этих гипотез провести содержательную интерпретацию структуры изучаемой совокупности из 52 объектов и предложить названия для групп.
6. Провести регрессионный анализ признака Y на признаки x(1), x(2), x(3), x(4), x(5) отдельно для каждой из двух групп объектов. Сравнить его результаты с результатами регрессионного анализа признака Y на признаки x(1), x(2), x(3), x(4), x(5), полученными в работе 4 Курсовая работа по эконометрике.
 
В настоящее время имеются следующие готовые варианты курсовой работы по эконометрике: 5, 7, 12.
 
 
 
Цена работы Курсовая работа по эконометрике - договорная.
Чтобы оформить заказ на покупку готовой работы или заказ на выполнение работы по указанной теме по Вашим требованиям нажмите кнопку:
 
Виды маркетинга Расчетно-графическое задание по статистике
Rambler's Top100