Реферат

Реферат Многофакториальная эконометрическая модель выпуска продукции

Работа добавлена на сайт bukvasha.net: 2015-10-28

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 23.11.2024



СОДЕРЖАНИЕ


1. Раскройте содержание многофакторных эконометрических

моделей выпуска продукции. Метод трёх точек. Анализ результатов решения системы и выбор конкретных выводов и рекомендаций

2. Решение задачи

Список использованной литературы

1. Раскройте содержание многофакторных эконометрических
моделей выпуска продукции. Метод трёх точек. Анализ результатов решения системы и выбор конкретных выводов и рекомендаций.

Множественная регрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах и целом ряде других вопросов эконометрики.

В настоящее время множественная регрессия один из наиболее распространенных методов в эконометрике. Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное их воздействие на моделируемый показатель.

Построение уравнения множественной регрессии начинается с решения вопроса о спецификации модели. Он включает в себя два круга вопросов: отбор факторов и выбор вида уравнения регрессии.

Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.

Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям.

1. Они должны быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то ему нужно придать количественную определенность.

2. Факторы не должны быть интеркоррелированы и тем более находиться в точной функциональной связи.

Включение в модель факторов с высокой интеркорреляцией, может привести к нежелательным последствиям. Система нормальных уравнений может оказаться плохо обусловленной и повлечь за собой неустойчивость и ненадежность оценок коэффициентов регрессии.

Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Таким образом, хотя теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости.

Отбор факторов производится на основе качественного теоретико-экономического анализа. Однако теоретический анализ часто не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.

Поэтому отбор факторов обычно осуществляется в две стадии:

  1. подбираются факторы исходя из сущности проблемы;

  2. на основе матрицы показателей корреляции определяют статистики для параметров регрессии.

Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии.

Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам.

Наиболее широкое применение получили следующие методы построения уравнения множественной регрессии:

1. Метод исключения – отсев факторов из полного его набора.

2. Метод включения – дополнительное введение фактора.

3. Шаговый регрессионный анализ – исключение ранее введенного фактора.

Возможны разные виды уравнений множественной регрессии: линейные и нелинейные.

Ввиду четкой интерпретации параметров наиболее широко используется линейная функция. Классический подход к оцениванию параметров линейной модели множественной регрессии основан на методе наименьших квадратов (МНК).

Практическая значимость уравнения множественной регрессии оценивается с помощью показателя множественной корреляции и его квадрата – показателя детерминации.

Показатель множественной корреляции характеризует тесноту связи рассматриваемого набора факторов с исследуемым признаком или, иначе, оценивает тесноту совместного влияния факторов на результат.

Независимо от формы связи показатель множественной корреляции может быть найден как индекс множественной корреляции. При правильном включении факторов в регрессионную модель величина индекса множественной корреляции будет существенно отличаться от индекса корреляции парной зависимости. Если же дополнительно включенные в уравнение множественной регрессии факторы третьестепенны, то индекс множественной корреляции может практически совпадать с индексом парной корреляции (различия в третьем, четвертом знаках).

При использовании отдельных уравнений регрессии, например для экономических расчетов, в большинстве случаев предполагается, что аргументы (факторы) можно изменять независимо друг от друга. Однако, это предположение является очень грубым: практически изменение одной переменной, как правило, не может происходить при абсолютной неизменности других.

Если нет полного ряда данных, в этих обстоятельствах оценки параметров функции, возможно на основе трёх точек.

Пример. Предположим, что требуется провести логическую кривую через три точки: у = 12,9; у1 = 62,1; у2= = 152,7. Причем интервалы у0-у1 и у1-у2 равны 6 единицам времени.







Итак,

Аналогично:



(d1, d2 - это разность между точками)








Рассмотренный метод оценки параметров очень чувствителен к величине значений y y y , которые даже если получены усреднённым путём, могут содержать существенный элемент случайности.

Несомненно, что построение любой модели, необходимо для прогнозирования дальнейшего развития событий при изменении одного или нескольких факторов. Выводы и рекомендации будут индивидуальны для каждого конкретного случая. Зависеть они будут от результатов анализа модели, от тенденции изменения факторов, от исходных данных и поставленной задачи.

Проверить качество прогноза можно будет только в будущем, сравнив предсказанное значение с реальностью. Но следует ожидать, что модель, хорошо описывающая существующие данные, будет также давать хороший прогноз.
2. Обоснуйте целесообразность расширения производства, если:

У(спрос) {84,3; 84,9; 85,1; 85,7; 85,9; 86,4 }

Х1 (н. р.) {90,3; 90,4; 90,8; 91,3; 91,7; 91,8}

Х2 (цена) {13,3; 13,7; 13,9; 14,1; 14,3; 14,8}

При этом коэффициент использования производственной мощности не превышает 59 %.

Решение задачи:

у

х1

х2

84,3

90,3

13,3

84,9

90,4

13,7

85,1

90,8

13,9

85,7

91,3

14,1

85,9

91,7

14,3

86,4

91,8

14,8

Рассчитаем коэффициент корреляции между X и Y применяя «Анализ данных»:

Корреляция




у

х1

х2

у

1







х1

0,97

1




х2

0,99

0,94

1

r(y
х
1) = 0,97 — связь прямая, сильная - линейная регрессия; r(yx2) = 0,99 - связь прямая, сильная - линейная регрессия, что свидетельствует о существовании линейной зависимости между X и Y.

Линейная функция имеет вид:

у= а + bх1 + сх2

Регрессионную функцию линейной зависимости у= а + bх1 + сх2 найдем с помощью анализа данных в Excel, представленных в Приложении 1. Получим следующие значения:

Уравнение регрессии имеет вид:

у=35,570 + 0,395 х1+0,989 х2

Доверительные интервалы для коэффициентов регрессии:




Выводы: С достоверностью 97% можно утверждать, что при данной цене и росте спроса на 2,5 %, использовании производственной мощности на 59 %, расширение производства считается целесообразным.

Список использованной литературы

  1. Практикум по эконометрике: Учебн. пособие / Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2006. – 344 с.

  2. Н.М. Хубулава. Эконометрика. Учебно-практическое пособие. М., МГТА, 2004.

  3. Н.М. Хубулава. Практическое пособие по курсу: "Эконометрика". М., изд. Комплекс. 2005.

  4. Эконометрика: Учебно-методическое пособие / Шалабанов А.К., Роганов Д.А. – Казань: ТИСБИ, 2005. – 56 с.

  5. Эконометрика: Учебник / Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2006. – 576 с.

ПРИЛОЖЕНИЕ 1

ВЫВОД ИТОГОВ




















































Регрессионная статистика






















Множественный R

0.993027067

r(yx2)

 

 

 










R-квадрат

0.986102756

коэфф.детерминации 99% - влияние фактора на результат










Нормированный R-квадрат

0.976837926

 

 

 

 










Стандартная ошибка

0.115671769

стандартная ошибка

 

 

 










Наблюдения

6

















































Дисперсионный анализ







ESS<




Критерий ФИШЕРА










 

df

SS

MS

F

Значимость F










Регрессия RSS

2

2.848193459

1.42409673

106.435067

0.001638299

<0,05

 

 

Остаток ESS

3

0.040139874

0.013379958
















Итого TSS

5

2.888333333

 

F>F(таб)=7,71

кр.Фишера выполнен; модель надежна в целом




























 

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%







Y-пересечение

35.5701069

17.26080824

2.060743993

0.131402158

-19.36148851

90.50170232







Переменная X 1

0.39484464

0.230805521

1.710724412

0.185658055

-0.339681539

1.129370819







Переменная X 2

0.989009891

0.289857587

3.412054527

0.042087232

0.066553685

1.911466097







a, b, с - коэффициенты модели: у^(x)=а + bх1 + сх2

t(таб)=2,57

 

оба значения должны







y увеличится на 0,39% при увеличении х1 (н.р) на 1%

|t(a)|<2,57

 

быть < 0,05

 







и на 0,99% при увеличении х2 (спрос) на 1%.

 

|t(b)|>2,57 критерий не выполняется

 







 

 

 

параметр а надежен на уровне 17%

 







Так как F > Fтабл., то найденные значения a и b надёжны.



















При уровне значимости 0,05 имеем: Fрасч = 106,44





















ВЫВОД ОСТАТКА
















Наблюдение

Предсказанное Y

Остатки

1

84.37840943

-0.078409432

2

84.81349785

0.086502148

3

85.16923769

-0.069237686

4

85.56446198

0.135538016

5

85.92020182

-0.020201818

6

86.45419123

-0.054191228




ВЫВОД ВЕРОЯТНОСТИ







Персентиль

Y

8.333333333

84.3

25

84.9

41.66666667

85.1

58.33333333

85.7

75

85.9

91.66666667

86.4





10



1. Реферат Роль науки в постиндустриальном обществе
2. Реферат на тему 1994 Baseball Strike Essay Research Paper On
3. Реферат на тему Response To Millennial Cults Essay Research Paper
4. Курсовая Затраты труда при производстве продукции животноводства молока и пути их снижения
5. Реферат на тему Пополнение знаний интеллектуальных систем на основе казуально-зависимых рассуждений
6. Доклад на тему Кадомская вышивка
7. Реферат Эффективность вейвлет фильтрации сигнала на GPGPU 2
8. Реферат на тему Partial Birth Abortions Essay Research Paper PartialBirth
9. Реферат на тему Our Town By Thornton Wilder Essay Research
10. Сочинение на тему Тургенев и. с. - Идейно-художественное своеобразие записок охотника