Model ekonometryczny produkcji żarówek


Model ekonometryczny produkcji żarówek

Model ekonometryczny jest to równanie lub układ równań, które w sposób przybliżony przedstawia powiązania ilościowe między zjawiskami ekonomicznymi.

Zjawiska ekonomiczne wyjaśniane przez model - zmienna objaśniana.

Zjawiska ekonomiczne, które oddziałują na zmienną objaśnianą- zmienna objaśniająca.

Podstawowym zadaniem przy budowie modelu ekonometrycznego jest określenie zmiennych objaśniających. Należy wybierać takie czynniki, które moją istotny wpływ na kształtowanie się badanego zjawiska. Zmienne te będą nazywane zbiorem potencjalnych zmiennych objaśniających.

Podstawowym warunkiem, aby dana zmienna mogła być uznana za objaśniającą w modelu, jest jej wystarczające zróżnicowanie. Zmienne objaśniające nie mogą być zmiennymi, których poszczególne obserwacje nie różnią się między sobą. Nie jest to wtedy już zmienna, lecz jest to stała (bądź quasi-stała). Do mierzenia poziomu zróżnicowania najczęściej wykorzystuje się klasyczny współczynnik zmienności.


W latach 1975-2003 w firmie PHILIPS analizowano produkcję żarówek (zmienna Y) mierzoną w tys. zł i przeprowadzono obserwacje dodatkowych 5 zmiennych:

X1 - zatrudnienie, w osobach

X2 - wartość maszyn i urządzeń, w tys. zł.

X3 - czas przestoju maszyn, w dniach

X4 - nakłady inwestycyjne, w tys. zł.

X5 - wydajność pracy, w tys. zł. na osobę

Rok

y

x1

x2

x3

x4

x5

1975

1,50

9,00

0,60

12,00

0,13

0,13

1976

1,50

9,00

1,00

12,00

0,13

0,13

1977

1,60

10,00

1,00

15,00

0,13

0,14

1978

1,60

10,00

1,40

15,00

0,14

0,14

1979

2,00

10,00

1,00

16,00

0,13

0,16

1980

1,60

11,00

1,00

21,00

0,13

0,15

1981

2,00

11,00

1,00

21,00

0,13

0,14

1982

2,00

14,00

1,40

21,00

0,13

0,16

1983

2,00

14,00

1,40

21,00

0,13

0,16

1984

2,20

14,00

1,60

20,00

0,12

0,16

1985

2,25

16,00

1,60

20,00

0,15

0,16

1986

2,35

16,00

1,60

19,00

0,21

0,16

1987

2,35

16,00

2,00

18,00

0,21

0,16

1988

2,45

18,00

2,00

20,00

0,22

0,15

1989

2,50

18,00

2,00

17,00

0,22

0,15

1990

2,60

18,00

2,00

16,00

0,22

0,15

1991

2,50

18,00

2,10

16,00

0,22

0,17

1992

2,55

17,00

2,10

15,00

0,21

0,18

1993

2,60

17,00

2,03

16,00

0,21

0,18

1994

2,65

14,00

1,98

17,00

0,21

0,19

1995

2,70

14,00

2,00

21,00

0,21

0,22

1996

2,85

14,00

2,00

25,00

0,20

0,22

1997

2,80

14,00

1,96

21,00

0,20

0,22

1998

2,95

14,00

1,95

21,00

0,20

0,23

1999

3,00

12,00

1,95

20,00

0,23

0,25

2000

3,20

14,00

1,95

20,00

0,24

0,24

2001

2,97

15,00

1,93

21,00

0,24

0,23

2002

2,85

15,00

1,93

18,00

0,24

0,20

średnia

2,36

14,00

1,66

18,39

0,18

0,18

1. Dobór zmiennych do modelu.

Dobierając zmienne objaśniające do modelu kierujemy się względami merytorycznymi oraz formalnymi :

a) wszystkie z zaproponowanych zmiennych x1, x2, x3, x4, x5 są dobre pod względem merytorycznym.

b) kryterium formalne - współczynnik zmienności : zmienne objaśniające powinny charakteryzować się odpowiednią wysoką zmiennością.

Sprawdzamy współczynniki zmienności - V V = Si : xśr. * 100%

Odchylenie standardowe - Sx Si = pierwiastek 1 : n * suma (xi - xśr)2

x1-x1śr

x2-x2śr

x3-x3śr

x4-x4śr

x5-x5śr

(x1-x1śr)2

(x2-x2śr)2

(x3-x3śr)2

(x4-x4śr)2

(x5-x5śr)2

-5,00

-1,06

-6,39

-0,05

-0,05

25

1,1236

40,8321

0,0025

0,0025

-5,00

-0,66

-6,39

-0,05

-0,05

25

0,4356

40,8321

0,0025

0,0025

-4,00

-0,66

-3,39

-0,05

-0,04

16

0,4356

11,4921

0,0025

0,0016

-4,00

-0,26

-3,39

-0,04

-0,04

16

0,0676

11,4921

0,0016

0,0016

-4,00

-0,66

-2,39

-0,05

-0,02

16

0,4356

5,7121

0,0025

0,0004

-3,00

-0,66

2,61

-0,05

-0,03

9

0,4356

6,8121

0,0025

0,0009

-3,00

-0,66

2,61

-0,05

-0,04

9

0,4356

6,8121

0,0025

0,0016

0,00

-0,26

2,61

-0,05

-0,02

0

0,0676

6,8121

0,0025

0,0004

0,00

-0,26

2,61

-0,05

-0,02

0

0,0676

6,8121

0,0025

0,0004

0,00

-0,06

1,61

-0,06

-0,02

0

0,0036

2,5921

0,0036

0,0004

2,00

-0,06

1,61

-0,03

-0,02

4

0,0036

2,5921

0,0009

0,0004

2,00

-0,06

0,61

0,03

-0,02

4

0,0036

0,3721

0,0009

0,0004

2,00

0,34

-0,39

0,03

-0,02

4

0,1156

0,1521

0,0009

0,0004

4,00

0,34

1,61

0,04

-0,03

16

0,1156

2,5921

0,0016

0,0009

4,00

0,34

-1,39

0,04

-0,03

16

0,1156

1,9321

0,0016

0,0009

4,00

0,34

-2,39

0,04

-0,03

16

0,1156

5,7121

0,0016

0,0009

4,00

0,44

-2,39

0,04

-0,01

16

0,1936

5,7121

0,0016

0,0009

3,00

0,44

-3,39

0,03

0,00

9

0,1936

11,4921

0,0009

0,0000

3,00

0,37

-2,39

0,03

0,00

9

0,1369

5,7121

0,0009

0,0000

0,00

0,32

-1,39

0,03

0,01

0

0,1024

1,9321

0,0009

0,0001

0,00

0,34

2,61

0,03

0,04

0

0,1156

6,8121

0,0009

0,0016

0,00

0,34

6,61

0,02

0,04

0

0,1156

43,6921

0,0004

0,0016

0,00

0,30

2,61

0,02

0,04

0

0,09

6,8121

0,0004

0,0016

0,00

0,29

2,61

0,02

0,05

0

0,0841

6,8121

0,0004

0,0025

-2,00

0,29

1,61

0,05

0,07

4

0,0841

2,5921

0,0025

0,0049

0,00

0,29

1,61

0,06

0,06

0

0,0841

2,5921

0,0036

0,0036

1,00

0,27

2,61

0,06

0,05

1

0,0729

6,8121

0,0036

0,0025

1,00

0,27

-0,39

0,06

0,02

1

0,0729

0,1521

0,0036

0,0004

suma:

216,00

5,3234

254,6788

0,0524

0,035901

Wyniki:

Przyjmujemy wartość krytyczną dla V* = 20%

Sx1 = 2,78

Sx2= 0,44

Sx3= 3,02

Sx4= 0,04

Sx5= 0,04

V1 = 19,84%

V2 = 26,27%

V3 = 16,40%

V4 = 23,57%

V5 = 20,34%

Jeżeli wartość obliczona V jest większa od V* wartości krytycznej to stwierdzamy, że dana

zmienna charakteryzuje się odpowiednio dużą zmiennością. Może ona stać się zmienna objaśniającą w modelu.

Do modelu powinny więc wejść zmienne x2, x4, x5 , ponieważ wykazują wysoką zmienność.

Współczynniki korelacji zmienne objaśniające powinny być silnie skorelowane ze zmienna objaśnianą oraz możliwie słabo skorelowane pomiędzy sobą.

 

y

x1

x2

x3

x4

x5

y

1,000

0,600

0,865

0,480

0,868

0,862

x1

0,600

1,000

0,812

0,222

0,674

0,190

x2

0,865

0,812

1,000

0,329

0,862

0,624

x3

0,480

0,222

0,329

1,000

0,173

0,543

x4

0,868

0,674

0,862

0,173

1,000

0,647

x5

0,862

0,190

0,624

0,543

0,647

1,000

Do modelu wejdą x2 i x5 ponieważ wykazują silną korelację ze zmienną objaśnianą.

Zmienna x4 wykazuje silną korelację ze zmienną objaśnianą, ale też ze zmienną objaśniającą x1 i dlatego nie może wejść do modelu.

x2

x5

x0

0,60

0,13

1,00

1,00

0,13

1,00

1,00

0,14

1,00

1,40

0,14

1,00

1,00

0,16

1,00

1,00

0,15

1,00

1,00

0,14

1,00

1,40

0,16

1,00

1,40

0,16

1,00

1,60

0,16

1,00

1,60

0,16

1,00

1,60

0,16

1,00

2,00

0,16

1,00

2,00

0,15

1,00

2,00

0,15

1,00

2,00

0,15

1,00

2,10

0,17

1,00

2,10

0,18

1,00

2,03

0,18

1,00

1,98

0,19

1,00

2,00

0,22

1,00

2,00

0,22

1,00

1,96

0,22

1,00

1,95

0,23

1,00

1,95

0,25

1,00

1,95

0,24

1,00

1,93

0,23

1,00

1,93

0,20

1,00

Model będzie miał postać : y = a0 + a1x2 + a2x5

Poszukujemy wartości parametrów a ze wzoru : a = ( xTy)(xTx) -1

Macierz transponowana xT

0,60

1,00

1,00

1,40

1,00

1,00

1,00

1,40

1,40

1,60

1,60

1,60

2,00

2,00

2,00

2,00

2,10

2,10

2,03

1,98

2,00

2,00

1,96

1,95

1,95

1,95

1,93

1,93

0,13

0,13

0,14

0,14

0,16

0,15

0,14

0,16

0,16

0,16

0,16

0,16

0,16

0,15

0,15

0,15

0,17

0,18

0,18

0,19

0,22

0,22

0,22

0,23

0,25

0,24

0,23

0,20

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

1,00

Iloczyn macierzy transponowanej xT i macierzy X jest macierzą o wymiarach 3 x 3 postaci:

0x08 graphic
82,4802

8,4517

46,48

8,4517

0,9027

4,93

46,48

4,93

28

Macierz odwrotna :

0x08 graphic
0,3073924

-2,375411

-0,092029

-2,375411

47,201439

-4,367642

-0,092029

-4,367642

0,9574998

Iloczyn macierzy XT oraz wektora Y jest postaci :

0x08 graphic
114,9131

12,0566

66,12

W wyniku pomnożenia macierzy (xTx)-1 przez wektor xTy otrzymujemy wektor ocen parametrów strukturalnych szacowanego modelu:

0x08 graphic
a1

0,60

a2

7,33

a0

0,08

Model ma postać : y = 0,08 + 0,60x2 + 7,33x5

Interpretacja modelu jest następująca :

2. Weryfikacja modelu.

Ocena dopasowania modelu do danych empirycznych

a) współczynnik zbieżności - przyjmuje wartości z przedziału (0, 1); wartości bliskie 0-ru świadczą o dobrym dopasowaniu modelu do danych empirycznych, wartości bliskie 1-ki o złym dopasowaniu.

Wyliczenia:

Rok

y

x2

x5

yteor.

et=y-yteor.

et2=y-yteor.

y-yśr

(y-yśr)2

1971

1,50

0,60

0,13

1,39

0,11

0,01147

-0,86

0,7396

1972

1,50

1,00

0,13

1,63

-0,13

0,01766

-0,86

0,7396

1973

1,60

1,00

0,14

1,71

-0,11

0,01128

-0,76

0,5776

1974

1,60

1,40

0,14

1,95

-0,35

0,11985

-0,76

0,5776

1975

2,00

1,00

0,16

1,85

0,15

0,02167

-0,36

0,1296

1976

1,60

1,00

0,15

1,78

-0,18

0,03222

-0,76

0,5776

1977

2,00

1,00

0,14

1,71

0,29

0,08632

-0,36

0,1296

1978

2,00

1,40

0,16

2,09

-0,09

0,00861

-0,36

0,1296

1979

2,00

1,40

0,16

2,09

-0,09

0,00861

-0,36

0,1296

1980

2,20

1,60

0,16

2,21

-0,01

0,00016

-0,16

0,0256

1981

2,25

1,60

0,16

2,21

0,04

0,00138

-0,11

0,0121

1982

2,35

1,60

0,16

2,21

0,14

0,01882

-0,01

0,0001

1983

2,35

2,00

0,16

2,45

-0,10

0,01057

-0,01

0,0001

1984

2,45

2,00

0,15

2,38

0,07

0,00497

0,09

0,0081

1985

2,50

2,00

0,15

2,38

0,12

0,01452

0,14

0,0196

1986

2,60

2,00

0,15

2,38

0,22

0,04862

0,24

0,0576

1987

2,50

2,10

0,17

2,59

-0,09

0,00741

0,14

0,0196

1988

2,55

2,10

0,18

2,66

-0,11

0,01197

0,19

0,0361

1989

2,60

2,03

0,18

2,62

-0,02

0,00030

0,24

0,0576

1990

2,65

1,98

0,19

2,66

-0,01

0,00011

0,29

0,0841

1991

2,70

2,00

0,22

2,89

-0,19

0,03709

0,34

0,1156

1992

2,85

2,00

0,22

2,89

-0,04

0,00181

0,49

0,2401

1993

2,80

1,96

0,22

2,87

-0,07

0,00471

0,44

0,1936

1994

2,95

1,95

0,23

2,94

0,01

0,00020

0,59

0,3481

1995

3,00

1,95

0,25

3,08

-0,08

0,00681

0,64

0,4096

1996

3,20

1,95

0,24

3,01

0,19

0,03640

0,84

0,7056

1997

2,97

1,93

0,23

2,92

0,05

0,00213

0,61

0,3721

1998

2,85

1,93

0,20

2,70

0,15

0,02132

0,49

0,2401

Średnia:

2,36

suma

0,54701

suma

6,6758

współczynnik zbieżności = suma et2 : suma (yt-yśr)2 = 0,081939

Współczynnik przyjmuje wartości bliskie 0-ru, co świadczy o dobrym dopasowaniu modelu do danych empirycznych.

b) współczynnik determinacji również przyjmuje wartości z przedziału (0, 1); im bliższy 1-ki, tym dopasowanie modelu do danych empirycznych jest lepsze.

współczynnik determinacji = 1 - współczynnik zbieżności = 0,918061

Można stwierdzić, iż model wyjaśnia zmienną w 91,8 %, a nie wyjaśnia tylko w 0,82 %.

3. Badanie istotność parametrów strukturalnych.

Badamy istotność parametrów strukturalnych za pomocą testów:

a) t- Studenta

b) Fishera

Test T-Studenta

przyjmujemy poziom istotności 0,05

Z tablic rozkładu t-Studenta odczytujemy wartość krytyczną t* dla poziomu istotności 0,05 oraz

stopni swobody (n - m - 1) równego 25.

ti = ai : pierwiastek D2(ai)

t2 = ax2/pierw D2(ax2) = 7,32109

t5 = ax5/pierw D2(ax5) = 7,186275

Wartość krytyczna t* = 2,06

It1I jest większe od t*

It2I jest większe od t*

Obie zmienne muszą w modelu pozostać, ponieważ mają istotny wpływ na zmienną objaśnianą.

Test Fishera

Z tablic F. Snedecora odczytujemy wartość krytyczną F* dla n1 = m i n2 = n - m - 1

F= (R2:1-R2) [(n-m-1) : m] = 140,0517

Wartość krytyczna F* = 3,38

F jest większe od F*

Jak widzimy F jest większe od F* co oznacza, że przynajmniej jedna ze zmiennych objaśniających istotnie wpływa na zmienną objaśnianą.

Zmienne powinny zostać w modelu.

Praca pochodzi z serwisu www.e-sciagi.pl

xTx =

(xTx)-1 =

xTY =

( xTy)(xTx)-1 =



Wyszukiwarka

Podobne podstrony:
Model ekonometryczny 2 - produkcja (10 stron)
Model ekonometryczny - produkcja, Ekonometria
model ekonometryczny produkcja tytoniu (15 stron) EB5VZN7DRPFHGUFU2GUXUGP5GPB53MF3IGUIP4Y
Model ekonometryczny produkcja doc
MODEL EKONOMETRYCZNY, Zarządzanie i inżynieria produkcji, Semestr 3, Ekonometria
model systemu produkcyjnego na przykladzie konkretnej firmy
Model Ekonometryczny2, Studia, STUDIA PRACE ŚCIĄGI SKRYPTY
model ekonometryczny, Studia ZiIP GiG AGH, Magisterskie, Ekonometria
Model ekonometryczny 3, Ekonometria
Model ekonometryczny PKB na 1 mieszkańca, Planowianie obszarów wiejskich, Ekonometria
Model systemu produkcyjnego na przykładzie konkretnej firmy (14)
model ekonometryczny ?zrobocie (20 stron) MRWQ2WPWHO5WOMBISJJHWICZS2A7AB2SJ35L2NI
Model systemu produkcyjnego
model ekonometryczny wywołń stron WWW (13 str)

więcej podobnych podstron