- •Экономико-математические методы и моделирование в городском кадастре
- •Экономико-математические методы и моделирование в городском кадастре
- •1. Моделирование как инструмент специалиста городского кадастра
- •2. Общие сведения о эмм
- •3. Применение распределительного метода для решения градостроительных задач
- •Алгоритм метода апроксимации (на min):
- •Задача № 1
- •Табличная форма записи исходных данных
- •Табличное представление исходных данных задачи
- •Не менее половины площадей зоопарков должны быть размещены на третьем участке
- •2) Площади парков на четвертом участке должны быть не более 300 га
- •Определение опорного решения методом аппроксимации
- •Формирование окончательного решения задачи
- •Окончательное решение задачи
- •Задача № 2
- •Озимые на зеленый корм необходимо выращивать на землях пятой категории
- •Табличное представление исходных данных задачи после учета дополнительных условий и требования сбалансированности
- •Определение опорного решения методом аппроксимации
- •Формирование окончательного решения задачи
- •Окончательное решение задачи
- •Задача.
- •Имеются следующие исходные данные.
- •7. Примеры градостроительных задач.
- •6. Система экономико-математических моделей, решаемых симплекс- методом
- •X1 , x2 , x3 ,... , xn - переменные величины;
- •Постановка задачи
- •Представление пространства решений стандартной задачи линейного программирования
- •Вычислительные процедуры симплекс-метода
- •Геометрическая интерпретация задачи лп
- •2.1.10. Решение задач линейного программирования средствами excel
- •Решение транспортной задачи
- •7. Анализ в задачах симплексного типа
- •8. Пример решения задачи линейного программирования симплекс-методом с помощью ms Excel
- •Задача 1
- •Задача 2
- •Задача 3
- •Задача 4
- •9. Понятие и стадии экономико-статистического моделирования. Производственные функции. Моделирование как метод научного познания
- •10. Применение производственных функций в городском кадастре.
- •11. Пример использования производственных функций для решения эконометрических задач с помощью ms Excel
- •Анализ исходных данных.
- •Построение модели.
- •Анализ качества модели.
- •Оценка на отсутствие автокорреляции (критерий Дарвина Уотсона).
- •Корреляционный анализ.
- •Проверка статистической значимости коэффициента корреляции с учётом t статистики.
- •Анализ коэффициентов регрессии.
- •Прогноз на основании модели.
- •12. Использование поисковых серверов интернет для нахождения информации по экономико-математическим методам и моделированию.
- •Список основных поисковых систем
- •13. Задание на межсессионный период
10. Применение производственных функций в городском кадастре.
!Используя рекомендуемую литературу опишите этот параграф.
11. Пример использования производственных функций для решения эконометрических задач с помощью ms Excel
Необходимо определить объем капиталовложений в 2003 году, используя статистические данные о взаимосвязи капиталовложений и чистого дохода за период с 1993 года (года образования предприятия) по 2002 год.
Статистика приведена в таблице №1, где:
Х – чистый доход предприятия (млн. руб.);
Y – объём капиталовложений (млн. руб.);
Y^ - теоретический объём капиталовложений;
E – разница фактического и теоретического объёма капиталовложений;
Расчеты Y^ и E приведены ниже.
Таблица №1
Анализ исходных данных.
График №1. Динамика чистого дохода и капиталовложений.
График №2. Зависимость чистого дохода и капиталовложений.
Построение модели.
Используя МНК, решаем систему нормальных уравнений.
na0+a1∑x=∑y
a0∑x+a1∑x 2 =∑xy
10a0+15,39a1=36,85
15,39a0+23,96a1=58,17
Решим систему по правилу Крамера.
D0 = D1 = D3 =
D0 = D1 = D3 =
D0=2,75; D1=-12,31; D3=14,58.
a0=D1/D0=-12,31/2,75=-4,48; a1=D3/D1=154,58/2,75=5,30.
y^=-4,48+5,30x
Модель с численными параметрами представлена в таблице №1.
Анализ качества модели.
Анализ остатков:
y^1=-4,48+5,70x1,30=2,93 и т. д.
Построение графика изменения Е, где E=y-y^
График№3. Анализ остатков
Критерий «серий».
При уровне зависимости 0,05 < γ < 0,0975 количественное выражение этого правила имеет вид:
S(n)>⅓(2n-1)-1.96√(16n-29)/90,
l(n)<l0(n);
Где: n – число элементов в ряду;
S(n) – число серий;
L(n) – максимальная длина серий, при этом если n<26, то L0(n)=5, если 26<n<153, то L0(n)=6.
! по первому критерию серии требуемое условие выполняется.
Определяем максимальную длину серии:
L(n)=3 L0=5 Ln<L0 3<5;
! По критерию серий делаем вывод, что остатки случайны и независимы. Далее можно использовать анализ регрессий.
Оценка на отсутствие автокорреляции (критерий Дарвина Уотсона).
Вычислим коэффициент Дарвина Уотсона.
DW=Σ(ei-ei-1) 2/ Σei 2
Таблица №2
DW=0.269/0.209=1.29
Коэффициент Дарвина – Уотсона является критерием для проверки гипотезы о наличии автокорреляции в остатках в генеральной совокупности. Значения критерия DW затабулированы.
Для сравнения табличных значений и расчётных строится специальная схема:
Таблица №3
Вычисленное значение DW = 1.29 свидетельствует о том, что нет однозначного ответа и необходимо дополнительное исследование.
Корреляционный анализ.
Анализируя основной график можно сделать следующие выводы:
Присутствует ярко выраженная линейная зависимость.
Взаимосвязь параметров X и Y наблюдается с изменением одного параметра.
Далее определяем линейный коэффициент корреляции (R) между X и Y. Если R=1, то имеет место прямая функциональная связь, если R→0, то функциональная связь отсутствует.
r=(xy`-x`*y`)/√(x`2-(x`)2)*( y`2-(y`)2)
Корреляционный анализ невозможно напрямую провести по исходным данным. Поэтому схема анализа заключается в следующем:
Во временном ряду X и Y определяются тренды.
Находятся отклонения от тренда (остатки).
Корреляционный анализ применяется к отклонениям от тренда.
Делаются выводы.
r=(ex*ey`-ex`*ey`)/√(ex`2-(ex`)2)*(ey`2-(ey`)2)
Учитывая случайные параметры X и Y, упростим корреляционный анализ:
r= 0,993
! Вывод: Очень тесная корреляционная связь. На 99% вариация признака Y (объём капиталовложений) объясняется влиянием фактора X (чистый доход).