cgiirbis_64 (6)
.pdf6-й |
67 |
250 |
38 |
8,0 |
12,5 |
11,0 |
|
|
|
|
|
|
|
7-й |
69 |
255 |
40 |
7,5 |
11,0 |
9,5 |
|
|
|
|
|
|
|
8-й |
64 |
235 |
41 |
7,2 |
11,5 |
12,0 |
|
|
|
|
|
|
|
9-й |
72 |
240 |
45 |
7,0 |
10,0 |
10,0 |
|
|
|
|
|
|
|
10-й |
73 |
242 |
45 |
4,5 |
9,0 |
14,0 |
|
|
|
|
|
|
|
11-й |
74 |
245 |
46 |
4,0 |
8,0 |
12,5 |
|
|
|
|
|
|
|
12-й |
76 |
246 |
48 |
3,7 |
7,5 |
12,0 |
|
|
|
|
|
|
|
13-й |
77 |
250 |
47 |
3,6 |
6,5 |
10,0 |
|
|
|
|
|
|
|
14-й |
82 |
255 |
50 |
3,0 |
6,0 |
11,0 |
|
|
|
|
|
|
|
15-й |
79 |
251 |
49 |
3,1 |
6,2 |
12,0 |
|
|
|
|
|
|
|
16-й |
84 |
260 |
51 |
3,2 |
5,8 |
15,0 |
|
|
|
|
|
|
|
17-й |
85 |
265 |
50 |
3,5 |
5,5 |
15,5 |
|
|
|
|
|
|
|
18-й |
87 |
266 |
53 |
3,0 |
5,0 |
14,5 |
|
|
|
|
|
|
|
19-й |
85 |
260 |
55 |
3,0 |
4,5 |
14,0 |
|
|
|
|
|
|
|
20-й |
89 |
265 |
56 |
2,0 |
4,7 |
15,0 |
|
|
|
|
|
|
|
21-й |
90 |
270 |
57 |
3,0 |
5,0 |
15,0 |
|
|
|
|
|
|
|
22-й |
91 |
270 |
58 |
4,0 |
5,1 |
16,5 |
|
|
|
|
|
|
|
23-й |
90 |
271 |
58 |
4,0 |
4,8 |
15,7 |
|
|
|
|
|
|
|
24-й |
92 |
275 |
60 |
5,0 |
5,2 |
15,8 |
|
|
|
|
|
|
|
/ |
|
|
|
|
|
|
172
6. ПОБУДОВА ЕКОНОМЕТРИЧНИХ МОДЕЛЕЙ ЗА ДОПОМОГОЮ ПЕОМ
Усі лабораторні та практичні завдання курсу «Економетрія» можуть розв’язуватися з використанням персонального комп’ютера (ПК). Однією з найбільш орієнтованих під економічні розрахунки є програма EXCEL, яку взято за базову для проведення практичних і лабораторних занять із застосуванням ПК.
Функції для роботи з матрицями
EXCEL надає кілька функцій для роботи з матрицями. Вони належать до категорії «Повний алфавітний перелік», «математичні».
МУМНОЖ (масив 1; масив 2) повертає добуток матриць, які містяться в масивах. Результат — це масив з таким самим числом рядків, як і масив 1, та таким самим числом стовпців, як і масив 2.
ТРАНСП (масив) повертає транспонований масив. Транспонування полягає в тому, що перший рядок вихідного масиву стає першим стовпцем нового масиву, а другий рядок — другим його стовпцем і т. д.
МОПРЕД (масив) повертає визначник матриці. Матриця записується у масиві.
МОБР (масив) повертає обернену матрицю.
Приклад
Як приклад роботи з матрицями розглянемо операцію множення матриці (Al:C4) з матрицею (El : E3) (рис. 1). Для того щоб дістати результат, кількість стовпчиків першої матриці має дорівнювати кількості рядків другої матриці (3 = 3).
Рис. 1. Вихідні матриці та виділена область для результату множення
171
Перш ніж звернутися до мастера функцій, потрібно виокремити область, де міститиметься результат множення (Gl:G4) (див. рис. 1). Ця область згідно з правилом множення матриць матиме стільки ж рядків, скільки й перша вихідна (у даному прикладі — 4), і стільки стовпців, скільки друга (у прикладі — 1).
Далі в розділі мастер функцій вибираємо функцію МУМНОЖ (рис. 2) із категорії ВСІ і вказуємо ліву верхню та праву, нижню клітинки обох матриць, що перемножуються (рис. 3).
Рис. 2. Крок 1 Мастер функцій
172
Рис. 3. Крок 2 Мастера функцій для МУМНОЖ із заповненими параметрами «масив 1» та «масив 2»
Коли мастер функцій підготує функцію, то з’явиться перший елемент матриці-результату. Для появи інших елементів натиснемо спочатку F2 , а потім одночасно Ctrl + Shift + Enter (рис. 4). Ці дії слід виконувати завжди, коли відшукується результат в операціях з матрицями.
Рис. 4. Результат множення матриць
Статистичні функції
Розглянемо застосування деяких статистичних функцій про-
грами EXCEL.
СРЗНАЧ (число 1; число 2;...) (AVERAGE). Це функція обчислення середнього арифметичного.
ДИСП (число 1; число 2;...)(VAR). Ця функція обчислює дисперсію випадково взятих n чисел, причому їх кількість не може перевищувати 30. Функція ДИСП передбачає, що аргументи є
173
вибіркою з генеральної сукупності. Якщо дані являють собою більшу сукупність, потрібно використовувати функцію ДИСПР.
ДОВЕРИТ (альфа; станд_відхил; розмір). Функція обчислює довірчий інтервал для середнього генеральної сукупності. Довірчий інтервал — окіл середнього вибірки (цей інтервал містить значення середнього вибірки, що рівновіддалене від його кінців). Наприклад, якщо товар був замовлений поштою, то з певним рівнем надійності можна визначити найбільш ранню та найбільш пізню дати прибуття товару.
«Альфа» — це рівень значущості, застосовуваний для обчислення рівня надійності. Він дорівнює 100 (1– ). «Альфа», що дорівнює 0.05, означає 95%-й рівень надійності.
«Станд_відхил» — це стандартне відхилення генеральної сукупності для інтервалу даних (передбачається відомим).
«Розмір» — це розмір вибірки.
КВАДРОТКЛ (число 1; число 2;...). Сума квадратів відхилень точок даних від їх середнього. Кількість аргументів має не перевищувати 30. Можна використовувати масив чи посилання на масив замість аргументів, що відокремлені крапкою з комою.
КВПИРСОН (відомі_значення_у; відомі_значення_х;). Обчислює квадрат коефіцієнта кореляції Пірсона для точок даних в аргументах «відомі_значення_х» та «відомі_значення_у». Значення г-квадрат можнаінтерпретуватияквідношеннядисперсіїудодисперсіїх.
«Відомі_значення_у» — це масив чи інтервал точок даних у. Те саме — для х.
КОВАР (масив 1; масив 2). Обчислює коваріацію (середній добуток відхилень для кожної пари точок даних).
КОРРЕЛ (масив 1; масив 2). Коефіцієнт кореляції між інтервалами клітинок «масив 1» та «масив 2». Застосовується для визначення щільності лінійного зв’язку між двома показниками.
ЛИНЕЙН (відомі_значення_у; відомі_значення_х; конст; статистика). Ця функція застосовує метод найменших квадратів, щоб визначити оцінки параметрів а лінійної регресії:
Y a€0 a€1x1 a€2 x2 ... a€k xk ,
або
€ ,
Y XA
де значення у (залежні) є функцією значення х (незалежного); А— вектор значень кутового коефіцієнта підсумовуючої прямої,
яка найкраще апроксимує наявні дані; € — абсциса точки пере-
R0
174
тину прямої з віссю Y. Функція може додатково обчислювати регресійну статистику (рис. 5).
«Відомі_значення_у» — множина значень у. Якщо масив у має один стовпець, то кожний стовпець масиву «відомі_значення_х» інтерпретуються як окрема змінна. Якщо масив «відомі_значення_у» має один рядок, то кожний рядок «відомих_значень_х» інтерпретується як окрема змінна.
«Відомі_значення_х» — множина значень х, що враховує або одну (парна регресія), або кілька змінних (множинна регресія). Якщо «відомі_значення_х» пропустили, то вважається, що це масив {1; 2; 3;...} такого самого розміру, як n «відомих_значень_у».
«Конст» — логічне значення. Якщо «конст» має значення «ложь», то а0 беруть таким, що дорівнює нулю: значення а добирають так, щоб виконувалася рівність Y = XА (модель без вільного члена). Якщо «конст» має значення «истина», то а0 обчислюється традиційно (модель з вільним членом).
«Статистика» — логічне значення, яке вказує, чи потрібно обчислювати додаткову статистику за регресією. Якщо «статистика» має значення «истина», то функція ЛИНЕЙН обчислює додаткову регресійну статистику у вигляді масиву (див. рис. 5).
a€k |
|
a€k 1 |
|
|
|
… |
|
a€1 |
a€0 |
|||
sa€k |
|
sa€k 1 |
|
|
|
… |
|
sa€1 |
sa€0 |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
R2 |
|
u |
|
|
|
|
|
|
|
|||
|
F |
|
Ступінь свободи n – m |
|
|
|
|
|||||
€ |
|
|
|
2 |
€ |
|
2 |
|
|
|
|
|
Y ) |
) |
|
|
|||||||||
(Yi |
|
(Yi Yi |
|
|
|
|
|
|
||||
i |
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 5. Статистика функції ЛИНЕЙН |
|
|
|||||
де a€j |
— оцінка параметра a j , j |
|
; |
|
|
|||||||
1,k |
|
|
a€0 — оцінка вільного члена регресії;
sa€j — стандартна похибка оцінки параметра;
R2 — коефіцієнт детермінації;
u — стандартна похибка залишків; F — F-критерій.
175
Ступінь свободи дорівнює (n – m), де n — кількість спостережень, m — кількість змінних у моделі; це значення необхідне для визначення табличного значення F-критерію.
|
€ |
|
|
|
2 |
— сума квадратів відхилення, що пояснюється ре- |
||||
Y ) |
||||||||||
(Yi |
|
|
||||||||
i |
|
|
|
|
|
|
|
|||
гресією; |
|
€ |
|
2 |
— сума квадратів відхилення, що пояснюється похи- |
|||||
|
|
|
|
|
||||||
(Yi |
|
|
||||||||
Yi ) |
|
|||||||||
бкоюi u. Якщо статистика має значення «ложь» чи її пропустили, то |
||||||||||
|
|
|
|
|
|
|
|
€ |
€ |
|
функціяЛИНЕЙНобчислюєлишекоефіцієнти a j |
таконстанту a0 . |
Приклад
Розглянемо побудову економетричної моделі, яку називають виробничою функцією. Нехай модель специфікована у формі лінійної залежності між залежною змінною у і незалежними змінними х1 та х2:
Y — випуск продукції;
Х1 — затрати трудових ресурсів; Х2 — витрати виробничих фондів. Кількість спостережень до-
рівнює 12.
Занесемо вихідні дані в ПК і поруч на екрані виокремимо область для надходження результатів розрахунків (рис. 6).
Рис. 6. Крок 2 Мастера функцій для ЛИНЕЙН
176
Звернемося до програми ЛИНЕЙН. При введені на кроці 2 має бути сформована така формула:
ЛИНЕЙН (В4:В15; C4:D15; ИСТИНА; ИСТИНА)
Результат з’явиться на екрані (рис. 7) після послідовного натискання таких клавішів:
Готово |
|
F2 |
|
Ctrl |
|
Shit |
|
Enter |
|
|
+ |
+ |
|||||
|
|
|
|
|
|
|
|
|
Одночасно
Рис. 7. Результат роботи «ЛИНЕЙН»
Оцінки коефіцієнтів множинної регресії дістаємо з рядка
F5—Н5:
€ |
= 9.814 + 0.432 Х1 + 0.396 Х2. |
Y |
Додаткові статистики функції ЛИНЕЙН дають змогу оцінити значущість здобутої моделі.
Застосування F- та R2- статистик
Коефіцієнт детермінації R2 = O 978 вказує на існування дуже тісного зв’язку між незалежними змінними і випуском продукції;
177
F-статистика може підтвердити цей висновок або спростувати його на рівні значущості і для числа ступенів свободи (n – m) та m–1, де т — кількість змінних моделі. Якщо F розрахункове, яке дорівнює 134.508, більше за F критичне, то R2 і побудована модель статистично значущі з імовірністю (1 – а) · 100%. F критичне можна дістати з таблиці F-критичних значень. Задамо а = 0.05; ступені свободи дорівнюють n – m = 9, m – 1 = 2. Згідно з табли- цею-довідником F-критичне дорівнює 4.26. Отже, знайдене регресійне рівняння достовірне і може використовуватись для дослідження випуску продукції.
Застосування t-статистики
Ця статистика дає змогу визначати значущість кожної окремої оцінки параметра моделі.
Якщо t розрахункове для параметра a€j більше за t критичне,
при рівні значущості а та ступені свободи n – m, то параметр аj відмінний від нуля і змінна Хj має істотний вплив на залежну змінну Y.
Щоб дістати розрахункові значення t, потрібно цифри першого рядка результатів поділити на відповідні значення другого рядка результатів:
t j a€€j ,
a j
або
ta€0 = 9.814 / 0.401 = 24.47; ta€1 = 0.432 / 0.089 = 4.85;
ta€2 = 0.346 / 0.077 = 5.14.
Значення t критичне знайдемо з таблиці t-статистик для а = 0.05 та n – m = 9 ступенів свободи, t критичне для двостороннього тесту дорівнює 2.262, що менше від обчислених значень. Отже, усі параметри моделі статистично значущі з імовірністю
0,95.
Застосування сум квадратів відхилень
Ці статистики застосовуються в дисперсійному аналізі.
178
Щоб дістати загальну суму квадратів відхилень залежних змінних від їх середніх значень, потрібно додати числа останнього рядка результатів:
n |
|
|
2 |
€ |
|
2 |
€ |
|
2 |
|
|
25.666 . |
|
(Yi Y ) |
) |
Yi ) |
25.107 |
0.559 |
|||||||||
|
(Yi Yi |
|
(Yi |
|
|||||||||
i 1 |
|
i |
|
|
i |
|
|
|
|
|
Поділивши суми квадратів відхилень на відповідні ступені свободи, дістанемо значення дисперсії:
дисперсія регресії – регресійна сума квадратів / m – 1 = 25.107 /2 = 12.55;
дисперсія залишків – залишкова сума квадратів / n – m = 0.559/9 = 0.062;
дисперсія залежної змінної Y – загальна сума квадратів / n–1 = 25.666 / 11 = 2,33.
НОРМАЛИЗАЦИЯ (х; середні; стандартне_відхилення). Функція обчислює нормалізоване значення для розподілу, що характеризується середнім та стандартним відхиленнями X- значення, що нормалізується. Для нього задаються середнє арифметичне та стандартне відхилення розподілу. У дужках мають бути числа чи назви, масиви чи посилання, що складається з чисел. EXCEL перевіряє всі числа, які є масивами чи посиланнями. Якщо масив містить порожні клітинки, текстові чи логічні значення, то такі значення ігноруються, але клітинки, що містять нульові значення, враховуються.
ПРЕДСКАЗ (х; відомі_значення_Y; відомі_значення_Х). Розраховує значення функції в точці х, що прогнозується на основі лінійної регресії для масивів відомих значень Х та Y або інтервалів значень. Y—масив залежної змінної. «Відомі_значення_Х» — масив незалежних змінних.
Якщо «відомі_значення_Y» та «відомі_значення_Х» порожні чи містять різну кількість точок даних, то функція ПРЕДСКАЗ повертає значення помилки.
РОСТ (відомі_значення_Y; відомі_значення_Х; нові_значення_х; конст). Функція апроксимує експериментальну криву «відомі_значення_Y» та «відомі_значення_Х» і визначає відповідні цій кривій значення для чисел Y, що визначаються «новими_значеннями_Х».
«Відомі_значення_Y» — це множина значень у, що визначаються відношенням
y a |
0 |
a x1 a x2 |
|
або |
y a |
0 |
a x . |
|
|
1 |
2 |
|
|
|
|
179