PRZYKŁAD |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
W przedsiębiorstwach przetworstwa owocowo-warzywnego zbadano ksztaltowanie się calłkowitych kosztów produkcji (w mln zł) w zależności od skali produkcji w (tys. ton) i warunków przechowywania surowców, mierzonych temperaturą przechowywania w stopniach |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Część 1. Oszacuj parametry modelu liniowego o postaci hipotetycznej: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Z wykorzystaniem rachunku macierzowego (w arkuszu kalkulacyjnym i ręcznie) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Z wykorzystaniem funkcji arkusza |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3. Wykorzystując analizę danych. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Część 2. Zweryfikuj wlasności reszt modelu (do indywidualnego wykonania) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Część 3. Dokonaj merytorycznej i statystycznej weryfikacji uzyskanego modelu ekonometrycznego. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Część 4.Wyznacz prognozę kosztów dla przedsiębiorstwa wytwarzającego 14 tys.ton przetworow i przechowującego surowce w średniej temperaturze 20 st. C. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
koszty (mln zł) |
produkcja (tys ton) |
temperatura (st C) |
|
|
|
|
|
|
|
|
|
|
|
|
l.p. |
Y |
X1 |
X2 |
1 |
|
|
|
|
|
|
|
|
|
|
|
1 |
96 |
9 |
19 |
1 |
|
|
|
|
|
|
|
|
|
|
|
2 |
104 |
10 |
21 |
1 |
|
|
|
|
|
|
|
|
|
|
|
3 |
110 |
12 |
22 |
1 |
|
|
|
|
|
|
|
|
|
|
|
4 |
110 |
11 |
22 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
89 |
8 |
17 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
91 |
9 |
18 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
7 |
89 |
8 |
19 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
8 |
103 |
11 |
19 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
9 |
115 |
12 |
22 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
10 |
103 |
10 |
21 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
? |
14 |
20 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Część 1. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. SZACOWANIE PARAMETRÓW MODELU Z WYKORZYSTANIEM RACHUNKU MACIERZOWEGO |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
96 |
|
|
9 |
19 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
104 |
|
|
10 |
21 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
110 |
|
|
12 |
22 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
110 |
|
|
11 |
22 |
1 |
|
y' = |
AE Poznan:
transponowanie macierzy sprowadza się do kopiowania i wklejenia specjalnie (z transpozycją)
96 |
104 |
110 |
110 |
89 |
91 |
89 |
103 |
115 |
103 |
|
|
|
|
|
|
|
|
|
y = |
89 |
|
X = |
8 |
17 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
91 |
|
|
9 |
18 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
89 |
|
|
8 |
19 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
103 |
|
|
11 |
19 |
1 |
|
|
9 |
10 |
12 |
11 |
8 |
9 |
8 |
11 |
12 |
10 |
|
|
|
|
|
|
|
|
|
|
115 |
|
|
12 |
22 |
1 |
|
X' = |
19 |
21 |
22 |
22 |
17 |
18 |
19 |
19 |
22 |
21 |
|
|
|
|
|
|
|
|
|
|
103 |
|
|
10 |
21 |
1 |
|
|
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b=(X'X)-1X'y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1020 |
2020 |
100 |
|
|
0,15 |
-0,1 |
0,5 |
|
|
300 |
-200 |
1000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X'X= |
2020 |
4030 |
200 |
|
(X'X)-1= |
-0,1 |
0,1 |
-1 |
= |
1/2000* |
-200 |
200 |
-2000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
100 |
200 |
10 |
|
|
0,5 |
-1 |
15,1 |
|
|
1000 |
-2000 |
30200 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
x1 |
x2 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
det(X'X)=IX'XI= |
wyznacznik |
2000 |
|
|
|
|
|
y |
102798 |
10220 |
20340 |
1010 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
STĄD WEKTOR OCEN PARAMETRÓW: |
|
|
|
x1 |
10220 |
1020 |
2020 |
100 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4,00000000000023 |
|
x2 |
20340 |
2020 |
4030 |
200 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X'y= |
10220 |
|
|
b= |
2 |
|
1 |
1010 |
100 |
200 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
20340 |
|
|
|
21 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1010 |
|
|
|
|
|
|
X'Y |
|
|
|
X'X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
UWAGA! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
WYGODNIE JEST NA WSTĘPIE WYZNACZYĆ TZW. MACIERZ CROSS, KTÓRA MA KONSTRUKCJĘ NASTĘPUJĄCĄ: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
X1 |
X2 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
SUMA y^2 |
|
|
|
|
|
|
|
Wymaga to jednak mnożenia przez siebie macierzy [y|X]'[y|X] |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x1 |
suma (y*x1) |
suma(x1*x1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x2 |
|
|
suma(x2*x2) |
|
|
|
|
|
|
96 |
9 |
19 |
1 |
|
96 |
104 |
110 |
110 |
89 |
91 |
89 |
103 |
115 |
103 |
|
|
|
1 |
suma(y) |
suma(x1) |
|
|
|
|
|
|
|
104 |
10 |
21 |
1 |
|
9 |
10 |
12 |
11 |
8 |
9 |
8 |
11 |
12 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
110 |
12 |
22 |
1 |
|
19 |
21 |
22 |
22 |
17 |
18 |
19 |
19 |
22 |
21 |
|
|
|
macierz cross |
|
|
|
|
|
X'X |
|
|
|
110 |
11 |
22 |
1 |
|
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
|
|
|
y |
X1 |
X2 |
1 |
|
|
|
|
[y|X] = |
89 |
8 |
17 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
102798 |
10220 |
20340 |
1010 |
|
|
|
|
|
91 |
9 |
18 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x1 |
10220 |
1020 |
2020 |
100 |
|
|
|
|
|
89 |
8 |
19 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x2 |
20340 |
2020 |
4030 |
200 |
|
|
|
|
|
103 |
11 |
19 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
1010 |
100 |
200 |
10 |
|
|
|
|
|
115 |
12 |
22 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
103 |
10 |
21 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
WEKTOR WARTOŚCI MODELOWYCH i wektor reszt: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X'y |
|
|
|
|
|
|
|
|
95,000000000002 |
|
|
0,999999999997954 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
103,000000000002 |
|
|
0,999999999997726 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Model ekonometryczny: |
|
|
|
|
|
113,000000000003 |
|
|
-3,00000000000273 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
109,000000000003 |
|
|
0,999999999997499 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y^= |
87,0000000000018 |
|
e = |
1,99999999999818 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
93,0000000000021 |
|
|
-2,00000000000205 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
91,0000000000018 |
|
|
-2,00000000000182 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
103,000000000003 |
|
|
-2,50111042987555E-12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
113,000000000003 |
|
|
1,99999999999727 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
103,000000000002 |
|
|
-2,27373675443232E-12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. SZACOWANIE PARAMETRÓW MODELU Z WYKORZYSTANIEM FUNKCJI ARKUSZA KALKULACYJNEGO |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Każdy raport czytany jest w ten sam sposób. Oto schemat: |
|
|
|
|
|
|
Aby uzyskać wartości modelowe lub prognozy wart stosować funkcję REGLINW |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b2 |
b1 |
AE Poznan:
wyraz wolny zawsze w ostatniej kolumnie, niezależnie od postaci hipotetycznej modelu)
wyraz wolny |
|
|
|
95 |
|
|
|
95 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
4 |
21 |
|
parametry |
|
|
|
|
|
|
103 |
|
|
|
103 |
|
|
|
|
|
|
|
|
|
|
|
|
0,632455532033676 |
0,774596669241484 |
7,77174369109018 |
|
AE Poznan:
średnie odchylenia estymatorów parametrów od parametrow
średnie blędy szacunku par. |
|
|
|
|
|
|
113 |
|
|
|
113 |
|
b2 |
b1 |
1 |
|
|
|
|
|
|
|
|
0,964467005076142 |
2 |
#N/A |
|
R kwadr |
|
|
AE Poznan:
standardowe odchylenie skladnika losowego
s |
|
|
|
109 |
|
|
|
109 |
|
2 |
4 |
21 |
#N/A |
#N/A |
|
|
|
|
|
|
95 |
7 |
#N/A |
|
F |
|
|
AE Poznan:
stopnie swobody
v |
|
|
y^= |
87 |
|
|
|
87 |
parame |
0,632455532033676 |
0,774596669241484 |
7,77174369109018 |
#N/A |
#N/A |
|
|
|
|
|
|
760 |
28 |
#N/A |
|
RSK |
|
|
SKR |
|
|
|
93 |
|
|
|
93 |
R2 |
0,964467005076142 |
2 |
#N/A |
#N/A |
#N/A |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
91 |
|
|
|
91 |
|
95 |
7 |
#N/A |
#N/A |
#N/A |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
103 |
|
|
|
103 |
RSK |
760 |
28 |
#N/A |
#N/A |
#N/A |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
113 |
|
|
|
113 |
|
#N/A |
#N/A |
#N/A |
#N/A |
#N/A |
|
|
|
|
|
3. SZACOWANIE PARAMETRÓW Z WYKORZYSTANIEM ANALIZY DANYCH |
|
|
|
|
|
|
|
|
|
|
|
103 |
|
|
|
103 |
|
#N/A |
#N/A |
#N/A |
#N/A |
#N/A |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y*= |
117 |
|
|
|
117 |
|
#N/A |
#N/A |
#N/A |
#N/A |
#N/A |
|
|
|
|
|
Raport jest najobszerniejszy, lecz posiada ważną wadę - nie zmienia się wraz z dokonaniem zmian w wartościach macierzy y i X. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
#N/A |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
#N/A |
|
|
|
|
|
|
|
|
|
|
|
|
PODSUMOWANIE - WYJŚCIE |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
#N/A |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
#N/A |
|
|
|
|
|
|
|
|
|
|
|
|
Statystyki regresji |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Wielokrotność R |
0,982072810475956 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R kwadrat |
0,964467005076142 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Dopasowany R kwadrat |
0,954314720812183 |
|
|
|
|
|
|
|
|
|
|
PODSUMOWANIE - WYJŚCIE |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Błąd standardowy |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Obserwacje |
10 |
|
|
|
|
|
|
|
|
|
|
Statystyki regresji |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Wielokrotność R |
0,982072810475956 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ANALIZA WARIANCJI |
|
|
|
|
|
|
|
|
|
|
|
R kwadrat |
0,964467005076142 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Istotność F |
|
|
|
|
|
|
Dopasowany R kwadrat |
0,954314720812183 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Regresja |
2 |
760 |
380 |
95 |
8,45690298434077E-06 |
|
|
|
|
|
|
Błąd standardowy |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Resztkowy |
7 |
28 |
4 |
|
|
|
|
|
|
|
|
Obserwacje |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Razem |
9 |
788 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ANALIZA WARIANCJI |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Współczynniki |
Błąd standardowy |
t Stat |
Wartość-p |
Dolne 95% |
Górne 95% |
Dolne 99,0% |
Górne 99,0% |
|
|
|
|
df |
SS |
MS |
F |
Istotność F |
|
|
|
|
|
|
|
|
|
|
Przecięcie |
21 |
7,77174369109018 |
2,70209631643864 |
0,030546234476671 |
2,62275953766212 |
39,3772404623379 |
-6,19706902560711 |
48,1970690256071 |
|
|
|
Regresja |
2 |
760 |
380 |
95 |
8,45690298434077E-06 |
|
|
|
|
|
|
|
|
|
|
X1 - produkcja |
4 |
0,774596669241483 |
5,16397779494322 |
0,001303719790374 |
2,16837124102584 |
5,83162875897416 |
1,28931370903061 |
6,71068629096939 |
|
|
|
Resztkowy |
7 |
28 |
4 |
|
|
|
|
|
|
|
|
|
|
|
|
X2 - temperatura |
2 |
0,632455532033676 |
3,16227766016838 |
0,015877803829589 |
0,504481380768707 |
3,49551861923129 |
-0,213266088544165 |
4,21326608854417 |
|
|
|
Razem |
9 |
788 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Współczynniki |
Błąd standardowy |
t Stat |
Wartość-p |
Dolne 95% |
Górne 95% |
Dolne 95,0% |
Górne 95,0% |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Przecięcie |
21 |
7,77174369109018 |
2,70209631643864 |
0,030546234476671 |
2,6227463958858 |
39,3772536041142 |
2,6227463958858 |
39,3772536041142 |
|
|
|
|
|
|
|
SKŁADNIKI RESZTOWE - WYJŚCIE |
|
|
|
|
|
|
|
|
|
|
|
X1 |
4 |
0,774596669241484 |
5,16397779494322 |
0,001303719790374 |
2,16836993120702 |
5,83163006879298 |
2,16836993120702 |
5,83163006879298 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X2 |
2 |
0,632455532033676 |
3,16227766016838 |
0,015877803829589 |
0,504480311306115 |
3,49551968869388 |
0,504480311306115 |
3,49551968869388 |
|
|
|
|
|
|
|
Obserwacja |
Przewidywane Y |
Składniki resztowe |
|
|
|
|
|
|
|
|
|
|
b |
d |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
95 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
103 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
113 |
-3 |
|
|
|
|
|
|
|
|
|
SKŁADNIKI RESZTOWE - WYJŚCIE |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
109 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
87 |
2 |
|
|
|
|
|
|
|
|
|
Obserwacja |
Przewidywane Y |
Składniki resztowe |
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
93 |
-2 |
|
|
|
|
|
|
|
|
|
1 |
95 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
7 |
91 |
-2 |
|
|
|
|
|
|
|
|
|
2 |
103 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
8 |
103 |
0 |
|
|
|
|
|
|
|
|
|
3 |
113 |
-3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
9 |
113 |
2 |
|
|
|
|
|
|
|
|
|
4 |
109 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
10 |
103 |
0 |
|
|
|
|
|
|
|
|
|
5 |
87 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
93 |
-2 |
|
|
|
|
|
|
|
|
|
|
|
|
Część 3. |
|
|
|
|
|
|
|
|
|
|
|
|
7 |
91 |
-2 |
|
|
|
|
|
|
|
|
|
|
|
|
OCENA MERYTORYCZNA |
|
|
|
|
|
|
|
|
|
|
|
|
8 |
103 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
Na podstawie ocen parametrow można stwierdzić, że wzrost skali produkcji o 1 tys. ton powoduje (ceteris paribus) wzrost kosztów calkowitych średnio o 4 mln zlotych. |
|
|
|
|
|
|
|
|
|
|
|
|
9 |
113 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
Uzyskana ocena wydaje się być merytorycznie poprawną bowiem wzrost skali produkcji generalnie powoduje wzrost kosztow globalnych (z pewnym uproszczeniem teorii na ten temat :-0) |
|
|
|
|
|
|
|
|
|
|
|
|
10 |
103 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
Wzrost temperatury przechowywania o 1 stopień powoduje (cp) średni wzrost kosztów calkowitych średnio o 2 mln zł. (Prawdopodobnie wynika to ze strat surowca, który przechowywany jest w zbyt ciepłych warunkach.) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
WERYFIKACJA STATYSTYCZNA |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Weryfikację statystyczną ograniczę do wybranych interpretacji i wnioskow. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Ocena dobroci dopasowania. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
OSK= |
788 |
|
|
AE Poznan:
OSK MOŻNA UZYSKAĆ Z FUNKCJI
788 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
RSK = |
760 |
|
średna(Y)= |
AE Poznan:
Zwróć uwagę, że wartość tę łatwo wyznaczyć rożnymi sposobami.
101 |
101 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
SKR = |
28 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R2= |
0,964467005076142 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
s= |
2 |
|
V= |
0,01980198019802 |
|
|
2,36462425159279 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Model wyjaśnia ponad 96% zmienności kosztow calkowitych. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Wartości empiryczne odchylają się od modelowych średnio o 2 mln zł. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Współczynnik zmienności losowej V=0,019 wskazuje, że błąd standardowy sklądnika losowego jest niewielki, stanowi zaledwie 1,9 % średniego poziomu zjawiska. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Zarówno wspolczynnik determinacji, jak i wspólczynnikzmienności losowej, wskazuje, że model jest dobrze dopasowany do danych empirycznych. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Weryfikacja istotności zmiennych. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Błąd szacunku parametru B1 wynosi 0,7746, co oznacza, że możliwe oceny parametru odchylają się od jego nieznanej wartości średnio o 0,7746. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Aby zweryfikować hipotezę H0: B1=0 porównujemy empiryczną wartość statystyki t z wartością krytyczną t (alfa, stopnie zswobody). I tak: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
jeżeli poziom istotności alfa = 0,05 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
I t1=5,16 I |
> |
t kryt = |
2,36462425159279 |
|
|
|
2,16836993070859 |
|
5,83163006929141 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Hipotezę zerową należy odrzucić. Parametr B1 jest istotnie rożny od zera, a z tego wynika, że zmienna X1 istotnie wpływa na ksztaltowanie się kosztow calkowitych. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Przedzial ufności dla parametru B1 (postaci <2,168 ; 5,83>) oznacza, że z prawdopodobieństwem 0,95 rzeczywista wartość parametru B1 jest liczba z tego przedzialu. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Przedzial ufności potwierdza nam, że parametr ten z ufnoscią 95% jest rożny od zera - przedział nie zawiera bowiem wartości 0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
96 |
9 |
19 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
104 |
10 |
21 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
110 |
12 |
22 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
110 |
11 |
22 |
1 |
96 |
104 |
110 |
110 |
89 |
91 |
89 |
103 |
115 |
103 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
89 |
8 |
17 |
1 |
9 |
10 |
12 |
11 |
8 |
9 |
8 |
11 |
12 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
91 |
9 |
18 |
1 |
19 |
21 |
22 |
22 |
17 |
18 |
19 |
19 |
22 |
21 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
89 |
8 |
19 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
103 |
11 |
19 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
115 |
12 |
22 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
103 |
10 |
21 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
x1 |
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
1020 |
2020 |
100 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x1 |
2020 |
4030 |
200 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x2 |
100 |
200 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ćwiczenie 1 - PROSTY PRZYKŁAD OBLICZENIOWY |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
W pewnym przedsiębiorstwie usługowym postawiono hipotezę, że wartość miesięcznych przychodów (w tys. USD) zależy liniowo od wydatków na reklamę (w tys. USD). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Postanowioo oszaocować parametry modelu o hipotetycznej postaci: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y^=4*x+10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Oto zgeomadzone obserwacje. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
LP |
Przychody Y |
Wydatki na reklamę X |
Y*Y |
Y*X |
X*X |
Y^ |
e |
e^2 |
|
|
|
|
1 |
13 |
1 |
169 |
13 |
1 |
14 |
-1 |
1 |
|
|
|
|
2 |
11 |
0 |
121 |
0 |
0 |
10 |
1 |
1 |
|
|
|
|
3 |
21 |
3 |
441 |
63 |
9 |
22 |
-1 |
1 |
|
|
|
|
4 |
18 |
2 |
324 |
36 |
4 |
18 |
0 |
0 |
|
|
|
|
5 |
27 |
4 |
729 |
108 |
16 |
26 |
1 |
1 |
|
|
|
|
SUMY: |
90 |
10 |
1784 |
220 |
30 |
90 |
0 |
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
CZĘŚĆ 1 - SZACOWANIE I INTERPRETACJA PARAMETRÓW MODELU - obliczenia "ręczne") |
|
|
|
|
|
|
|
|
|
|
13 |
1 |
1 |
|
|
|
|
|
|
|
|
1. Oszacuj parametry strukturalne modelu metodą najmniejszych kwadratów |
|
|
|
|
|
|
|
|
|
|
11 |
0 |
1 |
13 |
11 |
21 |
18 |
27 |
|
|
|
a) wykonując obliczenia na kartce |
|
|
|
|
|
|
|
|
|
|
21 |
3 |
1 |
1 |
0 |
3 |
2 |
4 |
|
|
|
b) wykorzystując funkcje excela: macierz.iloczyn(;), macierz.odw() itp.. |
|
|
|
|
|
|
|
|
|
|
18 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
27 |
4 |
1 |
|
|
|
|
|
|
|
|
2. Zinterpretuj i nazwij uzyskane oceny parametrów. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3. Ustal wartości modelowe i reszty modelu. |
|
|
|
|
|
|
|
|
|
|
|
Y |
X |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
1784 |
220 |
90 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
220 |
30 |
10 |
|
Przychody Y |
(y-ySr)^2 |
(y^-yśr)^2 |
|
|
|
CZĘŚĆ 2 - WERYFIKACJA MODELU |
|
|
|
|
|
|
|
|
|
|
1 |
90 |
10 |
5 |
|
13 |
25 |
16 |
|
|
|
Wstępne obliczenia |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
11 |
49 |
64 |
|
|
|
4. Ustal SKR |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
21 |
9 |
16 |
|
|
|
5. Dokonaj pomiaru zmienności zmiennej objaśnianej za pomocą tzw. OSK |
|
|
|
|
|
|
|
|
|
|
XtX-1 |
0,1 |
-0,2 |
|
|
18 |
0 |
0 |
|
|
|
Ocena dobroci dopasowania modelu do danych empirycznych |
|
|
|
|
|
|
|
|
|
|
|
-0,2 |
0,6 |
|
|
27 |
81 |
64 |
|
|
|
6. Ustal i zinterpretuj wartość współczynnika indeterminacji (fi2) i determinacji (R2) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
suma |
90 |
164 |
160 |
|
|
|
Ocena wpływu czynników losowych |
|
|
|
|
|
|
|
|
|
|
b1 |
4 |
|
|
|
|
|
|
|
|
|
7. Ustal i zinterpretuj ocenę odchylenia standardowego składnika losowego. |
|
|
|
|
|
|
|
|
|
|
b2 |
10 |
|
|
|
yśr= |
18 |
|
|
|
|
8. Czy wpływ czynników losowych jest silny? |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ocena istotności wpływu zmiennych/weryfikacja hipotez dotyczących parametrów strukturalnych |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
OSK= |
164 |
|
|
|
|
|
9. Ustal i zinterpretuj oceny błędów średnich estymatora Klasycznej Metody Najmniejszych Kwadratów (tzw. błedy szacunku) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
RSK= |
160 |
|
|
|
|
|
10. Czy wydatki na reklamę wpływają w sposób istotny na przychody? |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
SKR= |
4 |
|
|
|
|
|
Zweryfikuj przyjmując pozom ufnosci 0,95 (95%). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
11. Skonstruuj przedział ufności dla parametrów strukturalnych modelu, przyjmując poziom ufności 0,99. Zinterpretuj te przedziały. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R^2= |
0,975609756097561 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Fi^2= |
0,024390243902439 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
T= |
5 |
|
|
|
|
|
CZĘŚĆ 1 - SZACOWANIE I WERYFIKACJA MODELU - ZASTOSOWANIE FUNKCJI EXCELA |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
K= |
2 |
|
|
|
|
|
1. Oszacuj parametry strukturalne modelu metodą najmniejszych kwadratów |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
c) dokładając tzw "trend" (w tym przypadku określenie nie jest poprawne) do wykresu, poprzez klinięcie na prawy przycisk myszy |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
s |
1,15470053837925 |
|
|
|
|
|
d) stosując analizę danych-regresję |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Vy= |
6% |
|
|
|
|
|
e) stosując funkcję reglinp |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Wskaż wszystkie wartości wyznaczone wcześniej "ręcznie". |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
d1= |
0,365148371670111 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
d2= |
0,894427190999916 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t1= |
10,9544511501033 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t2= |
11,180339887499 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
rozklad t odw |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3,18244630528371 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
przedzial ufnosci |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2,83793491369809 |
|
5,16206508630191 |
|
|
|
|
|
|
|
|
|
ĆWICZENIE 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Z rynku nieruchomości |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Poniższe dane pochodzą z biura obrotu nieruchomościami (przy czym ceny sprzedaży zostały nieco przekształcone, za pomocą takiego samego czynnika skalującego) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y- cena sprzedaży domu w tys. zł |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X1 - wiek domu w latach |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X3 - powierzchnia domu w m2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
X1 - wiek domu |
X2 - powierzchnia domu |
const |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
259 |
3 |
150 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
298 |
4 |
160 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
365 |
5 |
200 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
330 |
40 |
130 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
695 |
55 |
180 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
380 |
10 |
200 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
291 |
7 |
160 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
606 |
8 |
300 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
820 |
11 |
400 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
540 |
10 |
260 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
650 |
60 |
250 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
490 |
20 |
200 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
874 |
32 |
350 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
CZEŚĆ 1 - SZACOWANIE I INTERPRETACJA MODELU LINIOWEGO |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Oszacuj parametry modelu, towrząc macierz cross i wykorzystując funkcje macierz.iloczyn(;) i macierz.odw() |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Zinterpretuj uzyskane oceny |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
CZEŚĆ 2 - WERYFIKACJA MODELU EKONOMETRYCZNEGO - obliczenia samodzielne |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Korzystając z macierzy CROSS i oszacowanego wektora parametrów wykonaj plecenia |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Ustal wartość współczynnika determinacji |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Ustal ocenę odchylenia standardowwego składnika losowego |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3. Ustal tzw. błędy szacunku parametrów |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4. Zweryfikuj, czy zmienne sa istotne, przyjmując poziom ufności 0,95 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5. Ustal przedziały ufności dla parametrów (poziom ufności 0,95) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Uzyskaj raport z analizy danych i sprawdź poprawność obliczeń |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
CZĘŚĆ 3*** - WERYFIKACJA WYBRANYCH ZAŁOŻEŃ KLASYCZNEJ REGRESJI LINIOWEJ (KRL) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Zweryfikuj, czy występuje heteroskedastyczność składnika losowego, stosując test Goldfelda-Quandta |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Przyjmijmy, że zróżnicowanie wyceny rynkowej wzrastać może proporcjonalnie do wieku budynku. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Rozważ, jakie konsekwencje ma ewentualna heteroskedastyczność składnika losowego |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3.Zastosuj właściwą metodę estymacji (WMNK), zakładając, że odchylenie standardowe składnika losowe rośnie proporcjonalnie do wieku domu. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
X1 - wiek domu |
X2 - powierzchnia domu |
|
|
|
Dane transponowane |
|
|
|
|
|
|
|
|
|
|
|
|
|
259 |
3 |
150 |
|
|
|
AE Poznan:
Wklejono specjalnie "z transpozycją")
Y |
259 |
298 |
365 |
330 |
695 |
380 |
291 |
606 |
820 |
540 |
650 |
490 |
874 |
298 |
4 |
160 |
|
|
|
X1 - wiek domu |
3 |
4 |
5 |
40 |
55 |
10 |
7 |
8 |
11 |
10 |
60 |
20 |
32 |
365 |
5 |
200 |
|
|
|
X2 - powierzchnia domu |
150 |
160 |
200 |
130 |
180 |
200 |
160 |
300 |
400 |
260 |
250 |
200 |
350 |
330 |
40 |
130 |
|
|
|
const |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
695 |
55 |
180 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
380 |
10 |
200 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
291 |
7 |
160 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
606 |
8 |
300 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
820 |
11 |
400 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
540 |
10 |
260 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
650 |
60 |
250 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
490 |
20 |
200 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
874 |
32 |
350 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ĆWICZENIE 3 - TREND liniowy |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Pewna firma consultingowa z siedzibą za granicą rozpoczęła w I kwartale 2004 roku swoją działalność w Polsce |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Oto jak ksztaltowała się liczba klientow w kolejnych kwartałach. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Inne sposoby numeracji okresów |
|
|
|
|
Liczba klientów |
t |
|
wersja 2 |
wersja 3 |
2004 |
II |
16 |
1 |
|
-8 |
-8 |
|
III |
17 |
2 |
|
-7 |
-7 |
|
IV |
16 |
3 |
|
-6 |
-6 |
2005 |
I |
20 |
4 |
|
-5 |
-5 |
|
II |
21 |
5 |
|
-4 |
-4 |
|
III |
20 |
6 |
|
-3 |
-3 |
|
IV |
26 |
7 |
|
-2 |
-2 |
2006 |
I |
30 |
8 |
|
-1 |
-1 |
|
II |
33 |
9 |
|
0 |
1 |
|
III |
31 |
10 |
|
1 |
2 |
|
IV |
34 |
11 |
|
2 |
3 |
2007 |
I |
36 |
12 |
|
3 |
4 |
|
II |
38 |
13 |
|
4 |
5 |
|
III |
42 |
14 |
|
5 |
6 |
|
IV |
40 |
15 |
|
6 |
7 |
2008 |
I |
44 |
16 |
|
7 |
8 |
|
|
|
|
|
|
|
|
|
II |
46 |
17 |
|
8 |
9 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
CZĘŚĆ 1 - SZACOWANIE I INTERPRETACJA PARAMETRÓW MODELU |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Oszacuj parametry trendu liniowego KMNK |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Zinterpretuj oszacowane parametry. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3. Ustal reszty modelu. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4. Który z innych sposobów numeracji okresów jest również prawidłowy? Zastosuj ten sposób i porównaj wyniki. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5. Jeżeli do szacowania wykorzystaleś(aś) narzędzia Excela, teraz zastanó się, czy wiesz, jak skonstruowac macierz CROSS. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
CZĘŚĆ 2 - WERYFIKACJA MODELU |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6. Oceń dobroć dopasowania modelu. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
7. Oceń wpływ czynników losowych. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
8. Podaj i zinterpretuj tzw błędy szacunku parametrów. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
9. Zweryfikuj, czy prawdziwa wartość współczynnika kierunkowego może wynosić 2,5 (poziom ufności 0,95). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ćwiczenie 4- determinanty długości życia |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
W poniższej tabeli przedstawiono dane dotyczące średniej długości życia w wybranych losowo krajach, a także średniego rocznego spożycia alkoholu (w litrach spirytusu na osobę), średnich wydatków na rekreację i ochronę zdrowia (w tys. USD na osobę) oraz średniomiesięcznych wydatków na wyroby tytoniowe (w USD na osobę) |
|
|
|
|
|
|
|
|
Kraj |
Średni wiek |
Alkohol |
Rekreacja i ochr. zdr. |
Tytoń |
|
|
|
1 |
63 |
3 |
1,5 |
8 |
|
|
|
2 |
57 |
6 |
2 |
10 |
|
|
|
3 |
56 |
4 |
1,5 |
10 |
|
|
|
4 |
75 |
1 |
2,5 |
5 |
|
|
|
5 |
83 |
2 |
3 |
5 |
|
|
|
6 |
78 |
1 |
2,5 |
3 |
|
|
|
7 |
96 |
2 |
4 |
3 |
|
|
|
8 |
70 |
2 |
1 |
1 |
|
|
|
9 |
71 |
4 |
2 |
4 |
|
|
|
|
|
|
|
|
|
|
|
CZĘŚĆ 1 - SZACOWANIE I INTERPRETACJA PARAMETRÓW MODELU |
|
|
|
|
|
|
|
1. Oszacuj parametry modelu liniowego, pokazującego jak na dlugość życia wpływają spożycie alkoholu, wyrobów tytoniowych oraz dbanie o zdrowie i rekreację. |
|
|
|
|
|
|
|
Skorzystaj z raportu reglinp lub analizy danych. |
|
|
|
|
|
|
|
2. Zinterpretuj uzyskane oceny i oceń, czy są poprawne merytorycznie. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
CZĘŚĆ 2 - WERYFIKACJA MODELU |
|
|
|
|
|
|
|
3. Czy model jest dobrze dopasowany do danych empirycznych? |
|
|
|
|
|
|
|
4. Oceń wpływ czynników losowych. |
|
|
|
|
|
|
|
5. Która ze zmiennych jest nieistotna w tym modelu? Zweryfikuj na poziomie istotności 0,05. |
|
|
|
|
|
|
|
7. Sprawdź, czy jej nieistoność wynika ze skorelowania z inną zmienną (skorzystaj z analizy danych - korelacja) |
|
|
|
|
|
|
|
8. Na czym polega problem współliniowości zmiennych? |
|
|
|
|
|
|
|
10. ***Sprawdź (w odniesieniu do nieistotnej zmiennej), czy można wnioskować o znaku parametru, wyrażającego jej wpływ (poziom istotności 0,05) |
|
|
|
|
|
|
|
11. Co należy zrobić, aby uzyskać model, który mógłby zostać wykorzystany do prognozowania |
|
|
|
|
|
|
|
12. Przeprowadź dobór zmiennych do modelu zgodnie z regresją krokową wstecz. |
|
|
|
|
|
|
|