- •Отчет по задаче имитационного моделирования рисков инвестиционного проекта
- •Содержание
- •Многофакторный корреляционный анализ и
- •Многофакторный корреляционный анализ
- •Этапы проведения многофакторного корреляционного анализа
- •Множественный регрессионный анализ
- •Этапы проведения множественного регрессионного анализа
- •2 Метод Монте-Карло Вариант 19
- •2.1 Имитационное моделирование с применение функций excel
- •2.2 Имитация с инструментом «Генератор случайных чисел»
- •Статистический анализ результатов имитации
- •Инструмент анализа данных «Описательная статистика».
- •3 Марковские случайные процессы
Министерство общего и профессионального образования Российской Федерации
Южно-Уральский государственный университет
Факультет “Экономика и управление”
Кафедра “Экономика, управление и инвестиции”
Отчет по задаче имитационного моделирования рисков инвестиционного проекта
Выполнил: Шарипова В.М.
гр. 367
Проверил: Габрин К.Э.
Челябинск
2011
Содержание
1 Многофакторный корреляционный анализ и множественный
регрессионный анализ 3
1.1 Многофакторный корреляционный анализ 3
1.2 Множественный регрессионный анализ 7
2 Метод Монте-Карло 12
2.1 Имитационное моделирование с применение функций EXCEL 13
2.2 Имитация с инструментом «Генератор случайных чисел» 16
3 Марковские случайные процессы 23
Многофакторный корреляционный анализ и
множественный регрессионный анализ
Многофакторный корреляционный анализ
Вариант 3.
Многофакторный корреляционный анализ состоит в оценке корреляционной матрицы генеральной совокупности по выборке и определению на ее основе оценок частных коэффициентов корреляции и множественного коэффициента корреляции (т.е. коэффициента детерминации).
Исходные данные представлены на рис. 1:
рис.1
Этапы проведения многофакторного корреляционного анализа
Определение парных коэффициентов корреляции.
Найдем их с помощью функции КОРЕЛЛ:
рис. 2
Т.е., =0,596 указывает на существование связи между индексом снижения себестоимости продукции и фондоотдачи активной части ОПФ на фоне действия такого фактора, как среднегодовая стоимость ОПФ.
=-0,760 указывает на сильную связь между индексом снижения себестоимости продукции и среднегодовой стоимости ОПФ, на фоне действия такого фактора, как фондоотдача активной части ОПФ.
=0,001 указывает на отсутствие связи между фондоотдачей активной части ОПФ и среднегодовой стоимости ОПФ на фоне действия такого фактора, как индекс снижения себестоимости продукции.
Определение частных коэффициентв корреляции.
Для этого сначала составим корреляционную матрицу:
,
рис. 3
С помощью функции МОПРЕД найдем определитель для этой матрицы:
рис. 4
Составим матрицы с вычеркнутыми строкой и столбцом соответствующего индекса фактора у:
рис. 5
С помощью функции МОПРЕД найдем определитель для каждой из этих матриц:
рис. 6
Частный коэффициент корреляции для у и х1 рассчитаем по формуле:
рис. 7
Аналогично рассчитаем для у и х2; для у и х3:
рис.8
Т.о., =0,915 указывает на сильную связь между индексом снижения себестоимости продукции и фондоотдачи активной части ОПФ при исключении влияния такого фактора, как среднегодовая стоимость ОПФ. =0,945 указывает на сильную связь между индексом снижения себестоимости продукции и среднегодовой стоимости ОПФ при исключении влияния такого фактора, как фондоотдача активной части ОПФ.
0,363 указывает на слабую связь между фондоотдачей активной части ОПФ и среднегодовой стоимости ОПФ при исключении влияния такого фактора, как индекс снижения себестоимости продукции.
Рассчитаем множественный коэффициент корреляции:
рис.9
R=0,965 указывает на сильную связь между индексом снижения себестоимости продукции и фондоотдачи активной части ОПФ и действия такого фактора, как среднегодовая стоимость ОПФ.
Оценка адекватности парных коэффициентов корреляции.
Выдвинем гипотезу Hо: r(пар.к.) – случайная величина
Оценку проведем по t критерию Стьюдента:
где n=2.
Рассчитаем его для каждого коэффициента корреляции:
рис.6
Из таблицы Стьюдента tтеор=1,350 (т.к. n=2)
Т.к. tрасч(ух1) > tтеор, то r(ух1) - не случайная величина.
Т.к. tрасч(ух2) > tтеор, то r(ух2) - не случайная величина.
Т.к. tрасч(x1x2) < tтеор, то r(x1х2) - случайная величина.
Оценка частных коэффициентов корреляции также проводится по t критерию Стьюдента, но для N-n-1 случаев.
Выдвинем гипотезу H0: r(частн.к.) – случайная величина.
рис. 7
В данном случае tтеор=1,356
Т.к. tрасч(ух1) > tтеор, то r(ух1/x2) – не случайная величина.
Т.к. tрасч(ух2) > tтеор, то r(ух2/x1) – не случайная величина.
Т.к. tрасч(x1x2) < tтеор, то r(x1х2/y) – случайная величина.
Оценка адекватности множественного коэффициента корреляции проводится по F критерию Фишера.
Выдвиним гипотезу Hо: r(частн.к.)-случайная величина.
Рассчитаем Fрасч по формуле:
Т.к. f1=14 и f2=12, то Fтеор=2,534.
Т.о. Fрасч > Fтеор, следовательно R - не случайная величина.