- •Таблица 5
- •Решение с помощью Excel.
- •Таблица 6
- •Таблица 18
- •Решение с помощью Excel.
- •Таблица 25
- •Таблица 26
- •1. Критерий Дарбина – Уотсона
- •2. Коэффициент автокорреляции
- •Таблица 33
- •Решение табличного процессора Excel.
- •Таблица 40
- •Тогда
- •2) прогноз показателя
- •Таблица 47
- •1. Многофакторная регрессионная модель с адаптивным механизмом в виде рекуррентных формул:
- •Решение с помощью Excel
- •3. Адаптивная корректировка коэффициентов регрессии
- •3.1. Вычисление прогнозной оценки
- •3.2. Расчет
- •3.4. Получение корректирующего вектора
- •3.5. Расчет прогнозной ошибки для вновь поступившего наблюдения
- •Таблица 49
- •6.1 Вычисление вектора оценок коэффициентов
- •6.2 Получение прогнозной оценки на 2003 г.
- •Таблица 50
- •Таблица 51
- •Таблица 52
- •Адаптивная авторегрессионная модель
- •3. Заполнение пропуска средним значением
- •5. Восстановление зависимой переменной с помощью МНК
- •Таблица 66
- •Решение с помощью Excel
|
|
|
Таблица 18 |
|
|
|
|
|
|
|
|
Стоимость |
|
|
Стоимость |
Среднемесячное |
проезда 1 |
Среднемесячное |
|
проезда 1 чел. в |
чел. в |
число пассажи- |
|
|
число пассажиров |
|
|||
фирменном |
фирменном |
ров фирменного |
|
|
фирменного поезда |
|
|||
поезде Воронеж |
поезде |
поезда Воронеж |
|
|
Воронеж - Москва |
|
|||
– Москва, руб. |
Воронеж – |
- Москва |
|
|
|
|
Москва, руб. |
|
|
180 |
12390 |
460 |
11460 |
|
180 |
12600 |
460 |
11010 |
|
230 |
11910 |
460 |
10620 |
|
230 |
11940 |
575 |
9690 |
|
230 |
11580 |
575 |
9510 |
|
345 |
11730 |
685 |
9870 |
|
345 |
11490 |
685 |
8910 |
|
345 |
11400 |
685 |
8580 |
|
Решение с помощью Excel.
1.Ввод исходных данных.
2.Подготовка данных для расчета оценок коэффициентов линейной регрессии и оформление их в виде табл. 19.
3.Расчет оценок коэффициентов регрессии
ˆ |
4349625,00 − 416,88×10918,13 |
= −6,41; |
(4.28) |
|
b1 = |
205268,75− 416,88 |
2 |
||
|
|
|
|
|
bˆ0 =10918,13− (−6,41)× 416,88 =13591,04. |
(4.29) |
|||
Таким образом, построенная модель может быть записана в виде |
|
|||
|
y =13591,04 − 6,41x. |
(4.30) |
Коэффициент b1 этой модели показывает, что в среднем увеличение
стоимости проезда на 1 руб. приводит к уменьшению числа пассажиров на 6 человек.
4.Построение линейного уравнения регрессии и расчет всех его характеристик c помощью «Пакета анализа» Excel (см. вывод итогов табл. 19).
5.Получение прогнозной оценки числа пассажиров
yˆ −13591,04 − 6,41×690 = 9167 |
(4.31) |
||||||||
6. Расчет доверительных границ прогнозной оценки |
|
||||||||
9167 − 2.1448 418.35 |
16+1 |
+ |
|
(690− 416.88)2 |
= 8180 ; |
(4.32) |
|||
16 |
503743.75 |
|
|||||||
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
9167 + 2.1448 418.35 |
16+1 |
+ |
|
(690− 416.88)2 |
=10154. |
|
|||
16 |
|
503743,75 |
|
|
|||||
|
|
|
|
|
|
|
42
|
|
______________________ |
|
Таблица 19 |
||||
|
Регрессионная статистика |
|
|
|
|
|
||
|
______________________________ |
|
|
|
|
|
||
|
Множественный R |
0,945622 |
|
|
|
|
|
|
|
R-квадрат |
0,894201 |
|
|
|
|
|
|
|
Нормированный R- |
|
|
|
|
|
||
|
квадрат |
0,886643 |
|
|
|
|
|
|
|
Стандартная ошиб- |
|
|
|
|
|
||
|
ка |
418,3537 |
|
|
|
|
|
|
|
Наблюдения |
16 |
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
||
|
Значимость |
|
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
|||
|
Регрессия |
1 |
|
20709366 |
20709366 |
118.3258 |
|
3.26E-08 |
|
Остаток |
14 |
|
2450278 |
175019,8 |
|
|
|
|
Итого |
15 |
|
23159644 |
|
|
|
|
|
|
|
|
|
|
|
||
|
Коэффициенты |
Стандартная |
t- |
P- |
Нижние |
Верхние |
||
|
|
|
|
ошибка |
статистика |
значение |
95 % |
95 % |
|
Y-пересечение |
13591,04 |
|
267,0547 |
50,89233 |
2,73Е-17 |
13018,26 14163,81 |
|
|
Переменная X 1 |
- 6,41178 |
|
0,589439 |
-10,8778 |
3,26E-08 |
-7.676 |
-5.14756 |
Задание 2. Предприниматель хочет арендовать отель Ренессанс (80 номеров) со своим пляжем, расположенным в престижном курортном районе, общей площадью 3,42 кв.м. Чтобы определить сумму пошлины, которую можно арендовать отель, предприниматель решил проанализировать ситуацию на соответствующем рынке. Изучение рекламы, размещенной в газетах трехзвездочных отелей, позволило ему создать небольшую базу данных, представленную в виде табл. 20. Согласно информации из этой базы, предприниматель решил создать модель множественной регрессии, отражающую зависимость годовой арендной платы от количества номеров, престижности территории размещения отеля (1 престижная зона, 0-нет), собственного пляжа отеля (1 собственный пляж), 0- нет), а также с использованием модели, созданной для определения общей площади территории, принадлежащей отелю, и приблизительной суммы платы, которую можно получить за аренду отеля. На данный момент выбор предпринимателя колеблется от 162 тысяч рублей до 165 тысяч рублей. Определите наиболее приемлемую арендную плату.
43
|
|
|
|
|
Таблица 20 |
|
|
|
|
|
|
№ |
Величина |
Число |
Престиж- |
Наличие у |
Общая площадь |
п/п |
годовой |
ком- |
ность рай- |
отеля |
территории, |
|
платы за |
нат в |
она, в |
собственно- |
принадлежащей |
|
аренду оте- |
отеле |
котором |
го пляжа |
отелю, кв.км. |
|
ля, тыс.руб. |
|
располо- |
|
|
|
|
|
жен отель |
|
|
1. |
123 |
25 |
1 |
1 |
1,00 |
2. |
115 |
25 |
0 |
0 |
0,80 |
3. |
126 |
30 |
1 |
1 |
1,20 |
4. |
130 |
30 |
0 |
1 |
1,50 |
5. |
125 |
30 |
1 |
0 |
1,40 |
6. |
134 |
45 |
0 |
0 |
2,00 |
7. |
142 |
45 |
1 |
0 |
2,50 |
8. |
140 |
45 |
0 |
1 |
2,20 |
9. |
143 |
45 |
0 |
0 |
2,70 |
10. |
150 |
60 |
0 |
1 |
2,80 |
11. |
153 |
60 |
0 |
1 |
3,00 |
12. |
158 |
60 |
1 |
0 |
3,60 |
13. |
160 |
75 |
1 |
1 |
3,50 |
14. |
163 |
75 |
0 |
0 |
3,80 |
15. |
164 |
75 |
1 |
1 |
3,60 |
16. |
168 |
75 |
0 |
0 |
3,75 |
17. |
172 |
100 |
0 |
1 |
4,10 |
18. |
180 |
100 |
1 |
1 |
4,70 |
19. |
177 |
120 |
10 |
1 |
4,25 |
20. |
182 |
120 |
0 |
1 |
4,65 |
Решение с помощью Excel
1.Ввод исходных данных с включением дополнительной переменной х0, принимающей единственное значение, равное 1.
2.Расчет коэффициентов регрессии с использованием матричных функ-
ций Excel: ТРАНСП, МУМНОЖ, МОМБР.
2.1.Нахождение обратной матрицы к матрице системы нормальных уравнений.
2.2.Получение вектора оценок коэффициентов регрессии
102,5677
0,1033
-0,0194
44
2,6003
13,9271
Таким образом, построенная модель имеет следующий вид:
у= 102,5677 + 0,1033x1 - 0,0194x2 + 2,6003x3 +13,927x4.
3.Расчет стандартных ошибок коэффициентов регрессии.
3.1. Проведение промежуточных расчетов, требуемых для расчета остаточной дисперсии, и оформление их в виде табл. 21.
Таблица 21
y |
уˆ |
(y-уˆ )2 |
123 |
121,6579 |
1,8012 |
|
|
|
115 |
116,2916 |
1,6681 |
|
|
|
126 |
124,9597 |
1,0821 |
|
|
|
130 |
129,1573 |
0,7101 |
|
|
|
125 |
125,1448 |
0,0210 |
|
|
|
134 |
135,0698 |
1,1445 |
|
|
|
142 |
142,0139 |
0,0002 |
|
|
|
140 |
140,4556 |
0,2075 |
143 |
144,8188 |
3,3080 |
|
|
|
150 |
150,3611 |
0,1304 |
|
|
|
153 |
153,1466 |
0,0215 |
|
|
|
158 |
158,8831 |
0,7798 |
|
|
|
3.2. Получение стандартных ошибок
1,1299
0,0433
0,7927
0,9195
1,0137
4. Вычисление множественного коэффициента корреляции.
4.1. Проведение промежуточных расчетов и оформление их в виде табл. 22.
45
Таблица 22
|
|
(y- y )2 |
(х1- x 1)2 |
(х2- x 2)2 |
(х3- x 3)2 |
|
(х4- x 4)2 |
|
|||||||||
|
742,56 |
1369 |
|
0,30 |
|
|
0,16 |
|
3,43 |
|
|||||||
|
1242,56 |
1369 |
|
0,20 |
|
|
0,36 |
|
0,64 |
|
|||||||
|
588,06 |
1024 |
|
0,30 |
|
|
0,16 |
|
1,44 |
|
|||||||
|
410,06 |
1024 |
|
0,20 |
|
|
0,16 |
|
2,25 |
|
|||||||
|
637,56 |
1024 |
|
0,30 |
|
|
0,36 |
|
1,96 |
|
|||||||
|
264,06 |
289 |
|
|
0,20 |
|
|
0,36 |
|
4,00 |
|
||||||
|
68,06 |
289 |
|
|
0,30 |
|
|
0,36 |
|
6,25 |
|
||||||
|
105,06 |
289 |
|
|
0,20 |
|
|
0,16 |
|
4,84 |
|
||||||
|
52,56 |
289 |
|
|
0,20 |
|
|
0,36 |
|
7,29 |
|
||||||
|
0,06 |
4 |
|
|
0,20 |
|
|
0,16 |
|
7,84 |
|
||||||
|
7,56 |
4 |
|
|
0,20 |
|
|
0,16 |
|
9,00 |
|
||||||
|
60,06 |
4 |
|
|
0,30 |
|
|
0,36 |
|
12,96 |
|
||||||
|
95,06 |
169 |
|
|
0,30 |
|
|
0,16 |
|
12,25 |
|
||||||
|
162,56 |
169 |
|
|
0,20 |
|
|
0,36 |
|
14,44 |
|
||||||
|
189,06 |
169 |
|
|
0,30 |
|
|
0,16 |
|
12,96 |
|
||||||
|
315,06 |
169 |
|
|
0,20 |
|
|
0,36 |
|
14,06 |
|
||||||
|
473,06 |
1444 |
|
0,20 |
|
|
0,16 |
|
16,81 |
|
|||||||
|
885,06 |
1444 |
|
0,30 |
|
|
0,16 |
|
22,09 |
|
|||||||
|
715,56 |
3364 |
|
0,30 |
|
|
0,16 |
|
18,06 |
|
|||||||
|
1008,06 |
3364 |
|
0,20 |
|
|
0,16 |
|
21,62 |
|
|||||||
|
|
|
Сумма |
квадратов |
отклонений |
|
|
|
|||||||||
|
8021,75 |
17270 |
|
4,95 |
|
|
4,80 |
|
194,20 |
|
|||||||
|
|
|
|
|
Дисперсия |
|
|
|
|
|
|
|
|
|
|||
|
|
534,78 |
|
1151, |
0,33 |
|
0,32 |
|
|
|
12,95 |
|
|||||
|
|
Среднее |
квадратическое отклонение |
|
|
||||||||||||
|
23,13 |
|
33,93 |
0,574 |
0,566 |
|
|
3,60 |
|
||||||||
4.2. Расчет множественного коэффициента корреляции |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
R = 1− |
|
3,05 |
|
|
|
= 0,9971. |
(4.34) |
|||||
|
|
|
|
|
8021,75 |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Множественный коэффициент корреляции достаточно высокий, что свидетельствует о существенной зависимости величины арендной платы от включенных в модель факторов.
5. Расчет скорректированного множественного индекса корреляции
Rскор = |
1− (1− 0,9971)2 19 |
= 0,9964 . |
(4.35) |
15 |
|
|
|
6. Расчет бетта-коэффициентов |
|
||
β1 = 0,10×33,93/23,13 = 0,1515; |
(4.36) |
||
β2 = −0,02×0,574/23,13 = −0,0005; |
(4.37) |
||
β3 = 2,6×566/23,13= 0,0636 ; |
(4.38) |
||
β1 =13,93×3,60/23,13 = 2,1669 . |
(4.39) |
||
Полученные значения бета-коэффициентов позволяют |
отсортировать |
46
факторы по степени влияния на имитированный показатель следующим образом:
1)общая площадь территории, относящейся к отелю (более влияющий
фактор);
2)количество комнат в отеле;
3)наличие собственного пляжа;
4)репутация территории, на которой расположен отель (фактор, который
вменьшей степени влияет).
7. Расчет коэффициентов двойной корреляции.
7.1.Проведение промежуточных расчетов и регистрация результатов расчетов в виде табл. 23.
7.2.Расчет коэффициентов парной корреляции
ryx |
|
|
= |
|
|
|
|
11290,00 |
|
|
|
= 0,8; |
|
|
|
|
|
|
23,13×33,93×(20 |
−1) |
|
|
|||||||||
1 |
|
|
|
|
|
|
|
|
|||||||
ryx |
|
|
= |
|
|
|
|
2,75 |
|
|
|
|
= 0,01 |
; |
|
2 |
|
23,13 |
×30,574×(20 −1) |
||||||||||||
|
|
|
|
|
|
||||||||||
ryx |
|
= |
|
|
|
54,00 |
|
|
|
= 0,22 |
; |
|
|||
3 |
23,13 |
×0,566×(20 |
−1) |
|
|||||||||||
|
|
|
|
|
|
|
|
||||||||
ryx |
|
|
= |
|
|
|
|
478,89 |
|
= 0,30. |
|
|
|||
4 |
|
23,13 |
×3,60×(20 −1) |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
8. Расчет дисперсионного отношения Фишера
F |
= |
|
0,99712 |
× |
20 − 4 −1 |
= 653,55. |
|
1− 0,99712 |
4 |
||||||
расч |
|
|
|
(4.40)
(4.41)
(4.42)
(4.43)
(4.44)
Сравнение расчетного значения F-критерия с табличным F4;15 = 5,86 для 95%-ного уровня значимости позволяет сделать вывод об адекватности построенной модели.
|
|
|
Таблица 23 |
|
|
|
|
|
|
(y- y )(x1- x 1) |
(y- y )(x2- x 2) |
(y- y )(x3 x -3) |
(y- y )(x4- x 4) |
|
1008,2500 |
-14,9875 |
-10,9000 |
50,4806 |
|
1304,2500 |
15,8625 |
21,1500 |
72,3506 |
|
776,0000 |
-13,3375 |
-9,7000 |
40,0731 |
|
648,0000 |
9,1125 |
-8,1000 |
27,3881 |
|
808,0000 |
-13,8875 |
15,1500 |
36,6756 |
|
276,2500 |
7,3125 |
9,7500 |
13,8531 |
|
140,2500 |
-4,5375 |
4,9500 |
2,9081 |
|
174,2500 |
4,6125 |
-4,1000 |
6,6881 |
|
123,2500 |
3,2625 |
4,3600 |
1,1056 |
|
0,5000 |
0,1125 |
-0,1000 |
0,0131 |
|
47
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Окончание табл. 23 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
(y- y )(x1- x 1) |
|
(y- y )(x2- x 2) |
|
|
|
|
|
|
(y- y )(x3 x -3) |
(y- y )(x4- x 4) |
|||||||||||||
-5,5000 |
|
|
-1,2375 |
|
|
|
|
|
|
|
1,1000 |
|
|
0,4056 |
|
||||||||
-15,5000 |
|
|
4,2625 |
|
|
|
|
|
|
|
-4,6500 |
|
|
5,7931 |
|
||||||||
126,7500 |
|
|
5,3625 |
|
|
|
|
|
|
|
3,9000 |
|
|
6,3131 |
|
||||||||
165,7500 |
|
|
-5,7375 |
|
|
|
|
|
|
|
-7,6500 |
|
|
12,0806 |
|
||||||||
178,7500 |
|
|
7,5625 |
|
|
|
|
|
|
|
5,5000 |
|
|
10,2781 |
|
||||||||
230,7500 |
|
|
-7,9875 |
|
|
|
|
|
|
|
-10,6500 |
|
|
15,9306 |
|
||||||||
826,5000 |
|
|
-9,7875 |
|
|
|
|
|
|
|
9,7000 |
|
|
27,1331 |
|
||||||||
1130,5000 |
|
|
16,3625 |
|
|
|
|
|
|
|
11,9000 |
|
|
54,9631 |
|
||||||||
1551,5000 |
|
|
14,7125 |
|
|
|
|
|
|
|
10,7000 |
|
|
37,3831 |
|
||||||||
1841,5000 |
|
|
-14,2875 |
|
|
|
|
|
|
|
12,7000 |
|
|
57,0706 |
|
||||||||
|
|
|
|
|
Сумма произведений |
|
|
|
|
||||||||||||||
11290,00 |
|
2,75 |
|
|
54,00 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
478,89 |
|
||
9. Расчет t-статистик |
|
|
|
|
|
102,57 |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
tb0 |
= |
|
=90,78 |
|
; |
(4.45) |
||||||||||||
|
|
|
|
|
|
1,1299 |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
tb1 |
= |
|
|
0,10 |
|
= 2,73 |
|
; |
(4.46) |
|||||||||
|
|
|
|
|
0,0433 |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
t |
b2 |
= |
|
|
0,02 |
|
|
|
= −0,02 |
; |
(4.47) |
|||||||
|
|
|
|
|
|
|
0,7927 |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
tb3 = |
|
|
2,60 |
|
|
|
= 2,83 |
; |
(4.48) |
||||||||
|
|
|
|
|
|
0,9195 |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
tb4 |
|
|
= |
|
13,93 |
|
=13,74 . |
(4.49) |
|||||||
|
|
|
|
|
|
|
|
|
|
1,0137 |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Сравнение полученных t-статистик с табличным значением t0.95(15) = 2,131 подтверждает значимость таких коэффициентов регрессии, как b0, b1, b3, b4, и незначимость коэффициента b2.
Скорее всего, это связано с тем, что престижность района, в котором расположен отель, в некоторой степени определяется наличием пляжа.
10. Построение с помощью «Пакета анализа» линейного регрессионного уравнения, исключив х2 (см. вывод итогов табл. 24).
48
Таблица 24
Регрессионная статистика
Множественный R |
0,997143234 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
R-квадрат |
|
0,994294628 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Нормированный |
0,993224871 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
R-квадрат |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Стандартная ошибка |
1,69128398 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Наблюдения |
|
20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
df |
SS |
|
MS |
|
|
|
F |
|
|
|
Значимость F |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Регрессия |
3 |
7975,983 |
2658,661 |
|
929,4583 |
|
3,739Е-18 |
|
|
|
|
|
|
|
||||||||
Остаток |
16 |
45,76706 |
2,860442 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Итого |
19 |
8021,75 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
Коэффи- |
|
Стан- |
|
t- ста- |
|
P- |
|
|
|
Нижние |
Верхние 95% |
|
|
|
|||||||
|
циенты |
|
дартная |
тистика |
|
Значение |
|
95% |
|
|
|
|
|
|
|
|||||||
|
|
|
|
ошибка |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Y- |
102,5605062 |
1,056324 |
97,09187 |
1,34Е-23 |
|
100,3212 |
104,7998 |
|
|
|
||||||||||||
пересечение |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Переменная |
0,103350894 |
0,041834 |
2,470506 |
0,025119 |
|
0,014667 |
0,192035 |
|
|
|
||||||||||||
Х 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Переменная |
2,597229942 |
0,881817 |
2,945315 |
0,00953 |
|
0,7278613 |
4,466599 |
|
|
|
||||||||||||
Х 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Переменная |
13,92581958 |
0,980218 |
14,20685 |
1,72Е-10 |
|
11,84785 |
16,00379 |
|
|
|
||||||||||||
Х 3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таким образом, пригодная для целей прогнозирования модель записыва- |
||||||||||||||||||||||
ется в следующем виде: |
y =102,56+ 0,10x1 + 2,59x2 +13,92x3 . |
|
|
|
|
|||||||||||||||||
|
|
|
|
|
(4.50) |
|||||||||||||||||
11. Расчет прогнозной оценки величины платы, которую он может полу- |
||||||||||||||||||||||
чать за предоставление в аренду своего отеля. |
1 |
|
13,92 |
|
3,42 |
|
161. |
(4.51) |
||||||||||||||
|
|
y |
102,56 |
+ |
0,10 |
× |
80 |
+ |
2,59 |
× |
+ |
× |
= |
|||||||||
|
|
ˆ = |
|
|
|
|
|
|
|
|
|
|
|
|
|
12. Расчет стандартной ошибки прогноза среднего.
12.1. Нахождение обратной матрицы к матрице системы нормальных уравнений
0,3900 |
0,004218 |
-0,1217 |
-0,1853 |
|
|
|
|
0,0042 |
0,000612 |
-0,0058 |
-0,0135 |
|
|
|
|
-0,1217 |
-0,00583 |
0,2718 |
0,1121 |
|
|
|
|
-0,1853 |
-0,01355 |
0,1121 |
0,3359 |
|
|
|
|
49
Нахождение остаточной дисперсии по аналогии с п. 3.1 настоящей задачи
σˆ2 |
= 2,86. |
(4.52) |
|
12.2. Вычисление стандартной ошибки прогноза по формуле: |
|
||
ˆ |
= |
0,51. |
(4.53) |
Sy |
|
13. Проверки обоснованности величины арендной платы, которую предприниматель желает назначить за свой отель
13.1. Расчет t-статистик по формуле:
tp = 162 −161 =1,96; |
(4.54) |
|||
1 |
|
0,51 |
|
|
|
|
|
|
|
tp2 |
= |
165 −161 |
= 7,84 . |
(4.55) |
|
|
0,51 |
|
|
13.2. Сравнение полученных t-статистик с табличным значением t0.975(16) = 2,120 свидетельствует о том, что первая величина арендной платы незначимо отличается от средней прогнозируемой величины, а вторая - значимо.
Следовательно, предприниматель, назначая арендную плату 165 тыс. руб. в год, рискует в большей степени не найти арендаторов своего отеля, чем при установлении размера платы в 162 тыс. руб. или в 161 тыс. руб., поскольку 165 тыс. руб. существенно превышает средний сложившийся уровень арендной платы трехзвездных отелей в данной курортной зоне.
Задания для самостоятельной работы
Задание 1. Заведующий отделом маркетинга кинотеатра "Московский проспект" поручил своим сотрудникам провести исследование, в результате которого необходимо: 1) определить наиболее влияющий на количество зрителей фактор в первые три дня проката фильма; 2) построить прогнозную модель в виде функции, которая наилучшим образом отражает зависимость выбранного фактора от участия в фильме; 3) получить средний прогнозный расчет зрителей за первые три дня проката следующих двух фильмов с использованием встроенной модели. Специалисты отдела маркетинга с помощью эксперта определили затраты на рекламу фильма как фактор, наиболее влияющий на показы фильмов (см. ниже, табл. 25). Завершите 2-е и 3-е задания заведующего отделом маркетинга.
Задание 2. ЗАО крупной компании, предоставляющей услуги мобильной и городской телефонной связи, продающей телефонные комплекты, планирует в следующем квартале расширить свою работу за счет надежной связи, освоения нового рыночного пространства за счет прибыли компании и предоставления интернет-услуг в своем сервисе. Интернет-магазин. Получите прогнозные оценки прибыли компании в следующем квартале, чтобы руководство получило представление о возможной финансовой поддержке для этого бизнес-плана.
50