- •«Данные опроса»
- •«Оценивание функции спроса и расчет оптимальной цены»
- •Обработка данных с помощью метода наименьших квадратов(мнк).
- •«Оценивание функции спроса мнк»
- •«Сравнение оптимальных цен»
- •Построение восстановленной функции спроса мнк, используя степенную аппроксимацию.
- •«Сравнение оптимальных цен»
«Сравнение оптимальных цен»
|
|
Прибыль1 |
|
Прибыль2 |
|
Прибыль3 |
120 |
2500 |
61 880 |
2682 |
67 438,12 |
880 |
37 308 |
1000 |
3000 |
42 000 |
3122 |
46 262,68 |
7 333 |
48 118 |
1500 |
3500 |
32 000 |
3372 |
36 003,61 |
11 000 |
50 517 |
2100 |
4000 |
22 800 |
3722 |
25 362,32 |
15 400 |
52 599 |
2700 |
4500 |
16 200 |
3972 |
16 622,11 |
19 800 |
54 209 |
Индекс 1 – по данным опроса;
Индекс 2 – МНК, линейная аппроксимация;
Индекс 3 – МНК, степенная аппроксимация.
По данным табл.4 видна разница между оптимальными ценами и значениями прибыли. Наиболее всего отличается цены и прибыли ( , П3) , рассчитанные с помощью МНК по функции степенной аппроксимации, судя по которой с помощью увеличения цены можно получать растущую прибыль, однако тут не учитывается спрос потребителей, так как за такие цены товар вряд ли будет приобретен.
Вывод: по данным опроса 50 респондентов была проведена оценка функции спроса на товар, рассчитана оптимальная цена, максимальная прибыль и выявлена относительная погрешность расчетов. Данные были отработаны с помощью МНК, линейной и степенной аппроксимации.
Критерием оценки оптимальности способа является показатель качества эконометрической модели:
SS = , чем меньше данный показатель тем лучше.
Судя по значению оценки остаточной суммы квадратов SS можно заключить, что линейная аппроксимация позволяет более точно приблизить функцию спроса, то есть наилучшим образом соответствует исходным данным. При линейной модели SS=139,69 , а при степенной SS=7254,92.
Так же исходя из расчета относительной погрешности видно, что линейной аппроксимации она значительно ниже, чем при степенной, что способствует наиболее точно рассчитать оптимальную цену и максимальную прибыль.