MP 6 błędy prognoz cd


Overview

Zad1
regresja
Zad2
Arkusz1


Sheet 1: Zad1

Aby oszacować model ekonometryczny postaci:


















gdzie: y – zysk w tys. zł, x1 – wielkość produkcji w tys. zł,





















x2 – przeciętna cena materiałów produkcyjnych w tys. zł/szt.,





















t – czas, t=1,2





















w fabryce butów KOPCIUSZEK w okresie od stycznia 2009 roku do grudnia 2010 roku





















wykorzystano następujące dane:













































zysk wielkośc produkcji przeciętna cena materiałów zmienna czasowa

















I 09 36,238 20,281 2,10 1

















II 09 36,983 21,963 2,14 2

















III 09 38,366 20,073 2,28 3

















IV 09 40,341 23,137 2,41 4

















V 09 41,009 23,777 2,46 5

















VI 09 42,085 22,487 2,57 6

















VII 09 43,164 26,411 2,61 7

















VIII 09 43,207 22,841 2,66 8

















IX 09 41,456 21,924 2,54 9

















X 09 41,861 24,897 2,54 10

















XI 09 41,667 24,084 2,54 11

















XII 09 41,093 20,859 2,54 12

















I 10 42,085 27,55 2,54 13

















II 10 41,163 22,128 2,54 14

















III 10 42,791 32,841 2,54 15

















IV 10 42,761 33,061 2,54 16

















V 10 43,306 36,926 2,54 17

















VI 10 42,167 30,124 2,54 18

















VII 10 42,918 35,293 2,54 19

















VIII 10 43,087 36,775 2,54 20

















IX 10 41,955 30,021 2,54 21

















X 10 43,15 37,992 2,54 22

















XI 10 43,17 38,53 2,54 23

















XII 10 42,332 33,641 2,54 24





























Współczynniki












Przecięcie 6,95443618751769












wielkośc produkcji 0,157993740333008












przeciętna cena materiałów 12,4498504747028












zmienna czasowa -0,064993417630019














wartości rzeczywiste (realizacja prognozy)


prognoza
















x1 x2 t












I 11 36,802 2,65 25











11-02 45,355 35,812 2,54 26 42,55 2,81 7,89 2,07











III 11 46 44,788 2,56 27 44,15 1,85 3,43
wsp. Janusowy 22 826 733,27











11-04 42,12 23,049 2,54 28 40,40 1,72 2,96

> 1 to model nie nadaje się do budowy prognoz











V 11 44 40,961 2,61 29 44,04 -0,04 0,00














11-06 44,312 44,283 2,60 30 44,37 -0,06 0,00














VII 11 45 47,543 2,65 31 45,47 -0,47 0,22














11-08 43 32,053 2,79 32 44,73 -1,73 3,00














IX 11 45,65 39,926 2,86 33 46,69 -1,04 1,09














11-10 47,81 29,39 2,97 34 46,34 1,47 2,15














XI 11 47,99 46,035 3,01 35 49,40 -1,41 1,98





















22,76














T=11











Sheet 2: regresja

PODSUMOWANIE - WYJŚCIE




































Statystyki regresji
















Wielokrotność R 0,99999998704547
















R kwadrat 0,999999974090939
















Dopasowany R kwadrat 0,99999997020458
















Błąd standardowy 0,000329830643074
















Obserwacje 24



































ANALIZA WARIANCJI


















df SS MS F Istotność F












Regresja 3 83,976992449235 27,9923308164117 257310233,559456 5,04353030094836E-76












Resztkowy 20 2,17576506221184E-06 1,08788253110592E-07














Razem 23 83,976994625


























Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 95,0% Górne 95,0%
Przecięcie 6,95443618751769 0,001631727197584 4262,00911390979 4,61324530605284E-61 6,95103246423736 6,95783991079802 6,95103246423736 6,95783991079802
wielkośc produkcji 0,157993740333008 2,16031999273025E-05 7313,44156720658 9,41588461381527E-66 0,157948676847745 0,158038803818272 0,157948676847745 0,158038803818272
przeciętna cena materiałów 12,4498504747028 0,000634809565115 19611,9453122155 2,54615540832196E-74 12,4485262851578 12,4511746642478 12,4485262851578 12,4511746642478
zmienna czasowa -0,064993417630019 2,14253364392078E-05 -3033,48410954624 4,14433733645056E-58 -0,065038110098549 -0,064948725161489 -0,065038110098549 -0,064948725161489



























SKŁADNIKI RESZTOWE - WYJŚCIE













Obserwacja Przewidywane zysk



1 36,2383998144572 -0,000399814457232 1,5985160021183E-07



2 36,9825692220983 0,000430777901741 1,85569600628338E-07 9,06568775920998E-08



3 38,3656178050656 0,000382194934382 1,46072967866978E-07




4 40,341400571751 -0,000400571750994 1,60457727694448E-07




5 41,0094351053577 -0,000435105357667 1,89316672270527E-07




6 42,0849444687419 5,55312581269618E-05 3,08372062916326E-09




7 43,1640032681623 -3,26816229545557E-06 1,06808847894374E-11




8 43,2069679483905 3,20516095086987E-05 1,0273056720981E-09




9 41,4559703976534 2,96023465722328E-05 8,76298922582584E-10




10 41,8606923700335 0,000307629966549 9,46361963192019E-08




11 41,6672500415127 -0,000250041512693 6,25207580698759E-08














12 41,0927268113087 0,000273188691281 7,46320610439535E-08














13 42,0848695102469 0,00013048975314 1,70275756744818E-08














14 41,1632340325313 -0,000234032531274 5,4771225694707E-08














15 42,7908275550888 0,000172444911222 2,9737247406261E-08














16 42,760592760332 0,000407239667986 1,65844147181305E-07














17 43,3062451490891 -0,000245149089075 6,00980758742602E-08














18 42,1665783097139 0,000421690286075 1,77822697369804E-07














19 42,9182545358652 -0,000254535865238 6,47885066926513E-08














20 43,0874078414087 -0,000407841408723 1,66334614669313E-07














21 41,9553247015696 -0,000324701569575 1,05431109284384E-07














22 43,149699388134 0,000300611866038 9,03674940028636E-08














23 43,1697066028031 0,000293397196899 8,6081915147945E-08














24 42,332281788685 -0,000281788685008 7,94048629986316E-08
















suma 2,17576506221039E-06














T - liczba obserwacji


















Sheet 3: Zad2

Poniżej zapisano inofrmacje o sprzedaży samochodów w Polsce w latach 2005-2009.
a) wyznacz odpowiedni trend opsiujący sprzedaż samochodów w latach 2005-2008
b) oceń dopasowanie modelu do danych empirycznych
c) uzupełnij informacje o dane z II kwartału 2009 roku.
d) Za pomocą współczynnika Theila i Janusowego oceń trafność uzyskanych prognoz na I i II kwartał 2009.


Sprzedaż nowych samochodów w latach 2005-2009
05-01 22150
05-02 19826
05-03 22922
05-04 19340
05-05 20902
05-06 23196
05-07 19610
05-08 17766
05-09 17074
05-10 15750
05-11 17119
05-12 18664
06-01 18680
06-02 16154
06-03 21626
06-04 19861
06-05 20444
06-06 20977
06-07 18864
06-08 17414
06-09 19034
06-10 20874
06-11 21237
06-12 21518
07-01 22770
07-02 22018
07-03 27934
07-04 25307
07-05 25759
07-06 25790
07-07 24173
07-08 20863
07-09 22753
07-10 24631
07-11 24519
07-12 26703
08-01 28375
08-02 28162
08-03 30387
08-04 28057
08-05 26157
08-06 27507
08-07 23460
08-08 20408
08-09 23109
08-10 27634
08-11 27126
08-12 29625
09-01 26660
09-02 30199
09-03 31107
09-04 28736
09-05 25325
09-06 26858

Sheet 4: Arkusz1


zysk wielkośc produkcji przeciętna cena materiałów zmienna czasowa
I 09 36,238 20,281 2,10 1
II 09 36,983 21,963 2,14 2
III 09 38,366 20,073 2,28 3
IV 09 40,341 23,137 2,41 4
V 09 41,009 23,777 2,46 5
VI 09 42,085 22,487 2,57 6
VII 09 43,164 26,411 2,61 7
VIII 09 43,207 22,841 2,66 8
IX 09 41,456 21,924 2,54 9
X 09 41,861 24,897 2,54 10
XI 09 41,667 24,084 2,54 11
XII 09 41,093 20,859 2,54 12
I 10 42,085 27,55 2,54 13
II 10 41,163 22,128 2,54 14
III 10 42,791 32,841 2,54 15
IV 10 42,761 33,061 2,54 16
V 10 43,306 36,926 2,54 17
VI 10 42,167 30,124 2,54 18
VII 10 42,918 35,293 2,54 19
VIII 10 43,087 36,775 2,54 20
IX 10 41,955 30,021 2,54 21
X 10 43,15 37,992 2,54 22
XI 10 43,17 38,53 2,54 23
XII 10 42,332 33,641 2,54 24

Wyszukiwarka

Podobne podstrony:
błedy prognoz wzory
bledy prognoz ex post zad dodatkowe
bledy prognoz ex post zad dodatkowe
J Ossowski Prognozowanie Na Podstawie Modeli Multiplikatywnych Względne Błędy Prognoz
!bledy prognoz
Ćwiczenie nr 40-cd, Błędy mierników:
Ćwiczenie nr 40-cd, Błędy mierników:
MP Wykład 7A Prognozowanie na podstawie modelu ekonometrycznego
MP Wykład 7 Wstęp do prognozowania
Prognozy ex post i ex ante oraz ich błędy (1)
MP 7 modele wielorównaniowe. rozw, metody prognozowania
MP 7 modele wielorównaniowe(1), metody prognozowania
Błędy ex post, prognozowanie i symulacje

więcej podobnych podstron