- •Ведение
- •1. Оценивание функции спроса
- •Функции спроса
- •Выборочная функция спроса Розничные цены, максимизирующие прибыль, для пяти различных значений оптовой цены
- •2. Обработка данных опроса с помощью метода наименьших квадратов
- •Оценивание функции спроса методом наименьших квадратов.
- •Сравнение методов расчета оптимальной цены
- •3. Альтернативный метод расчета
- •Альтернативный метод расчета оценок параметров
- •4. Нелинейные зависимости
- •Сравнение методов расчета оптимальной цены
- •5. Критерий проверки правильности расчетов
- •6. Способы оценивание точности восстановления зависимости
- •Сравнение методов расчет оптимальной розничной цены
- •Заключение.
4. Нелинейные зависимости
Есть два подхода для проведения анализа данных, если функция спроса не является линейной:
- параметрический
- непараметрический
В первом случае подбираем подходящее семейство функций и по результатам измерения (опроса) оцениваем параметры. Пример: степенное семейство:
D(p) = cp.
При этом полезно преобразование переменных, приводящее задачу к линейному виду. В случае степенного семейства необходимо прологарифмировать обе части последнего равенства. Тогда получим:
ln D(p) = ln c + ln p.
Затем обозначим:
у = ln D(p), x = ln p, b =ln c.
Исходя из введенных обозначений, имеем линейное уравнение:
у = x + b.
Задача оценивания параметров степенной зависимости сведена к ранее рассмотренной задаче оценивания параметров линейной функции.
Аналогично линейному случаю, определим оптимальную розничную цену pопт. при различных значениях издержек. А именно, решим задачу:
(p – p0.)D*(p)
в случае степенной зависимости:
(p – p0.)с*pα*→ .
Точка, в которой достигается максимум, не меняется при умножении максимизируемой функции на константу. Поэтому переходим к задаче:
(p – p0.)pα* = f(p)→ .
Для нахождения максимума функции продифференцируем ее и приравняем производную к 0:
.
Продифференцируем f(p), используя правило дифференцирования произведения функций:
α* + (p – p0)( α*) pα* -1 =0.
Вынесем общий множитель за скобки:
pα*-1[p + (p – p0)(α*)] =0.
Сократим на ненулевой множитель (pα*-1):
p + (p – p0)(α*) = 0.
Итак, необходимо решить линейное уравнение относительно неизвестного p:
p + α*p - p0.α* = 0.
Сгруппируем члены с p:
(1 + α*)p = p0.α*.
Получим оптимальное значение розничной цены:
pопт. =
Непараметрический подход применяется тогда, когда подходящее семейство функций подобрать не удается. Тогда используют подходы на основе непараметрических оценок плотности распределения.
= -1,5
b*= = 3,047; = b* - *pср.= 3,047 – (-1,5)*5,834 = 11,805
Таким образом, теоретическая функция спроса имеет вид:
D**(p) = (-1,5)p + 11,623
= = = (eln p)-1,5 = 133920,284p-1,5,
D**(p) = 133920,284p-1,5,
Оценка среднеквадратического отклонения такова:
= = 14,5
Таблица 5
i |
pi |
ni |
xi |
yi |
xi*Ni |
yi*Ni |
xi2*Ni |
xi* yi*Ni |
yi* |
Ni( yi –yi*) |
D**(p) |
Ni[D(pi)-D**(pi)]2 |
|||||||||||
1 |
100 |
1 |
4,605 |
3,912 |
4,605 |
3,912 |
21,206 |
18,015 |
4,897 |
-0,985 |
133,90 |
7039,21 |
|||||||||||
2 |
150 |
3 |
5,011 |
3,892 |
15,033 |
11,676 |
75,330 |
58,508 |
4,288 |
-1,190 |
72,80 |
1699,32 |
|||||||||||
3 |
170 |
1 |
5,136 |
3,829 |
5,136 |
3,829 |
26,378 |
19,666 |
4,101 |
-0,272 |
60,40 |
207,36 |
|||||||||||
4 |
180 |
1 |
5,193 |
3,807 |
5,193 |
3,807 |
26,967 |
19,770 |
4,015 |
-0,207 |
55,45 |
109,20 |
|||||||||||
5 |
190 |
1 |
5,247 |
3,784 |
5,247 |
3,784 |
27,531 |
19,855 |
3,934 |
-0,151 |
51,13 |
50,84 |
|||||||||||
6 |
200 |
3 |
5,298 |
3,761 |
15,894 |
11,283 |
84,206 |
59,777 |
3,836 |
-0,291 |
46,34 |
33,47 |
|||||||||||
7 |
250 |
3 |
5,521 |
3,689 |
16,563 |
11,067 |
91,444 |
61,101 |
3,552 |
0,500 |
34,87 |
78,95 |
|||||||||||
8 |
280 |
1 |
5,635 |
3,611 |
5,635 |
3,611 |
31,753 |
20,348 |
3,353 |
0,260 |
28,58 |
70,90 |
|||||||||||
9 |
290 |
1 |
5,670 |
3,584 |
5,670 |
3,584 |
32,149 |
20,321 |
3,326 |
0,284 |
27,82 |
66,91 |
|||||||||||
10 |
300 |
6 |
5,704 |
3,555 |
34,224 |
21,330 |
195,214 |
121,666 |
3,287 |
1,840 |
26,77 |
511,16 |
|||||||||||
11 |
350 |
4 |
5,860 |
3,367 |
23,440 |
13,468 |
137,358 |
78,922 |
3,070 |
1,410 |
21,54 |
222,61 |
|||||||||||
12 |
370 |
2 |
5,914 |
3,219 |
11,828 |
6,438 |
69,951 |
38,074 |
2,935 |
0,601 |
18,82 |
76,38 |
|||||||||||
13 |
390 |
1 |
5,966 |
3,135 |
5,966 |
3,135 |
35,593 |
18,703 |
2,855 |
0,280 |
17,38 |
31,58 |
|||||||||||
14 |
400 |
2 |
5,991 |
3,091 |
11,982 |
6,182 |
71,784 |
37,036 |
2,815 |
0,550 |
16,70 |
56,18 |
|||||||||||
15 |
420 |
1 |
6,040 |
2,996 |
6,040 |
2,996 |
36,482 |
18,096 |
2,741 |
0,300 |
15,50 |
20,25 |
|||||||||||
16 |
450 |
3 |
6,109 |
2,944 |
18,327 |
8,832 |
111,960 |
53,955 |
2,641 |
0,910 |
14,03 |
74,10 |
|||||||||||
17 |
470 |
1 |
6,153 |
2,773 |
6,153 |
2,773 |
37,859 |
17,062 |
2,606 |
0,200 |
13,54 |
2,13 |
|||||||||||
18 |
500 |
5 |
6,215 |
2,708 |
31,075 |
13,540 |
193,131 |
84,151 |
2,484 |
1,130 |
11,97 |
45,90 |
|||||||||||
19 |
540 |
1 |
6,292 |
2,303 |
6,292 |
2,303 |
39,589 |
14,490 |
2,349 |
-0,064 |
10,47 |
0,22 |
|||||||||||
20 |
550 |
3 |
6,310 |
2,197 |
18,930 |
6,591 |
119,448 |
41,589 |
2,340 |
-0,428 |
10,38 |
5,71 |
|||||||||||
21 |
570 |
1 |
6,346 |
1,792 |
6,346 |
1,792 |
40,272 |
11,372 |
2,286 |
-0,484 |
9,84 |
14,75 |
|||||||||||
22 |
600 |
4 |
6,397 |
1,609 |
25,588 |
6,436 |
163,686 |
41,171 |
2,209 |
-2,402 |
9,11 |
67,57 |
|||||||||||
23 |
700 |
1 |
6,551 |
0 |
6,551 |
0 |
42,916 |
0 |
1,978 |
-1,978 |
7,23 |
38,81 |
|||||||||||
50 |
133,164 |
69,558 |
291,718 |
152,369 |
1712,207 |
873,648 |
|
-0,187 |
|
10523,51 |
|||||||||||||
|
|
|
5,834 |
3,047 |
|
|
|
|
|
SS |
Таблица 6