Курсовая работа: Комплексный анализ рыбной отрасли

         По данным вычислениям уравнение регрессии будет иметь вид:

ŷ =30538,09-26,95*x1+0,007*x5-242.996*x8-81,66*x10.

б) Оценка практической значимости и надежности полученного уравнения.

Для оценки значимости параметров уравнения используется t- критерий Стьюдента. С помощью t-критерия Стьюдента для каждого из оставшихся факторов можно выяснить, формируется ли он под воздействием случайных величин (является ли фактор информативным).

Его можно определить как:

                                                       ,

где - частный F- критерий Фишера, который определяется по формуле:

,

где - множественный коэффициент детерминации всего комплекса р факторов с результатом;

- тот же показатель детерминации, но без введения в модель фактора xi.

n- число наблюдений;

m- число параметров в модели (без свободного члена).

При этом определяются две гипотезы:

Н0 - коэффициент статистически незначим;

Н1 - коэффициент статистически значим.

Затем сравнивается факторное значение t- критерия, т.е. вычисленное, и табличное, определенное по специальной таблице t-критерия. Если факторное значение окажется больше табличного, то гипотеза Н0 отклоняется и коэффициент признается статистически значимым.

В полученном уравнении  tтабл: n-m-1=7-4-1=2,  tтабл =4,3

Следовательно коэффициенты при факторах х1, х5  являются статистически значимыми, для них значение t-критерия больше 4,3, следовательно, можно сделать вывод о существенности данных параметров, которые формируются под воздействием неслучайных причин, а коэффициенты при х8, х10, соответственно, незначимы.

P-значение характеризует вероятность случайного характера формирования параметра. Из рассчитанных значений видно, что наибольшей вероятностью случайной природы факторов обладают b8 , поэтому этот фактор можно исключить из уравнения регрессии. Также удаляем фактор b10 (так как он не является значимым).

Проведём анализ данных для оставшихся двух факторов:

ВЫВОД ИТОГОВ
Регрессионная статистика
Множественный R	0,99242
R-квадрат	0,984897
Нормированный R-квадрат	0,974828
Стандартная ошибка	67,28282
Наблюдения	6

Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	2	885635,4	442817,7	97,8175049	0,001856086
Остаток	3	13580,93	4526,978
Итого	5	899216,4

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение
Y-пересечение	287,2650033	1821,254	14,04644	0,00078146
x1	2,866255447	2,231529	-12,4227	0,00112406
x5	-0,145583563	0,001402	6,384305	0,00778112

Проверим еще раз наличие мультиколлинеарности оставшихся факторов. Для парных коэффициентов корреляции между факторами х1, х5   матрица имеет вид:

       

Определитель матрицы парных коэффициентов корреляции между факторами приближенно равен 1 что говорит об отсутствии мультиколлинеарности между оставшимися факторами.

Теперь из модели исключены явно коррелированные факторы, следовательно, можно приступать к оценке модели множественной регрессии. Значимость и надежность всего уравнения в целом определяется с помощью

F- критерия Фишера:

                                            ,

где R2- коэффициент (индекс) множественной детерминации;

n- число наблюдений;

m- число параметров при переменных х.

После вычисления F-критерия факторное значение сравнивается с табличным. Если факторное значение больше табличного, то уравнение статистически значимо и надежно.

Полученное уравнение ŷ = 287,265 +2,86*х1 -0,145*х5 является надежным и статистически значимым, т.к. Fфакт = 97,82 > Fтабл=6,94 (для определения Fтабл m=2, n-m-1=7-2-1=4).  

Итак, окончательная математическая модель будет выглядеть следующим образом:

ŷ = 287,265 +2,86*х1 -0,145*х5.

 Из полученного уравнения видно, что на производство рыбной продукции, тыс. тонн (фактор у) в большей степени влияют такие факторы как численность населения, на тыс. человек (фактор х1) и денежные доходы, млн. руб. (фактор х5). Причем при увеличении численности населения на тыс. человек на единицу производство рыбной продукции  увеличится на 2,86 тонн, а при увеличении денежных доходов на 1 млрд руб. – уменьшится на 0,009 тонн.

2.2. Построение производственных функций

Рассмотрим некоторые производственные функции, их предназначение и свойства.   

Название производственной функции	Двухфакторная производственная функция	Использование
1.Функция с фиксированными пропорциями факторов (ПФ Леонтьева)		Предназначена для моделирования строго детерминированных технологий, не допускающих отклонения от технологических норм использования ресурсов на единицу продукции. Обычно используются для описания мелкомасштабных или полностью автоматизированных производственных объектов.
2. ПФ Кобба - Дугласа		Используется для описания среднемасштабных объектов (от промышленного объединения до отрасли), характеризующихся устойчивым, стабильным функционированием.
3. Линейная ПФ		Применяется для моделирования крупномасштабных систем (крупная отрасль, н-х в целом), в которых выпуск продукции является результатом одновременного функционирования множества различных технологий.
4. ПФ Аллена		Предназначена для описания производственных процессов, в которых чрезмерный рост любого из факторов оказывает отрицательное влияние на объем выпуска. Обычно используется для описания мелкомасштабных ПС с ограниченными возможностями переработки ресурсов.
5. ПФ постоянной эластичности замены факторов (ПЭЗ или CES)		Применяется в случаях, когда отсутствует точная информация об уровне взаимозаменяемости производственных факторов и есть основания предполагать, что этот уровень существенно не изменяется при изменении объемов вовлекаемых ресурсов. Может быть использована (при наличии средств оценивания параметров) для моделирования систем любого уровня.

Из описания представленных выше производственных функций можно сделать вывод, что для моделирования производственного процесса выпуска рыбной продукции могут подойти три из них: Линейная ПФ и ПФ Кобба – Дугласа.

	1999	2000	2001	2002	2003	2004	2005
Выпуск,  тонны	2201	1913	1384	1067	961	1172	918
Себестоимость сырья	1563	1721	2004	1245	1321	1276	1436
Отработанные человеко-часы	314,1	315,53	321,262	322,7	321,26	301,183	304,05

Проведем исследование с помощью метода наименьших квадратов в программе MathCAD.

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13