- •Конспект лекций по учебной дисциплине
- •1.4. Классификация предвидений (прогнозов)
- •1.5. Принципы организации прогнозирования
- •1.6. Порядок прогнозирования
- •Доп. Вопросы (для экзамена на 5)
- •Раздел 1. Прогнозирование методами математической статистики Тема 2. Корреляционные методы
- •2.1. Графическое представление вариационных рядов
- •2.2. Зависимость применимости метода прогнозирования от шкалы
- •2.2.1. Номинальная шкала
- •2.2.2. Ранговая шкала
- •2.2.3. Метрические шкалы
- •Тема 3. Трендовая модель прогнозирования
- •3.1. Понятие временного ряда
- •3.2. Задачи анализа временного ряда
- •3.3. Первоначальная подготовка данных
- •3.4. Задача построения аналитического тренда
- •3.5. Определение базы построения тренда
- •3.6. Наиболее употребимые виды трендов
- •3.7. Графический способ определения вида уравнения (типа) тренда
- •3.8. Определение тренда на основе сглаживания ряда
- •3.8.1. Механическое сглаживание
- •3.8.2. Аналитическое сглаживание
- •3.9. Тестовый способ определения вида уравнения (типа) тренда
- •3.10. Прогнозирование по тренду
- •3.11. Оценка качества прогнозов
- •5.1. Определение периода цикличности на основе функции автокорреляции
- •5.2. Сглаживание по нечётной базе
- •5.3. Сглаживание по четной базе
- •5.4. Взвешенное сглаживание
- •5.5. Достоинства и недостатки метода
- •5.6. Прогнозирование на основе сглаживания
- •Тема 6. Метод экспоненциального сглаживания и его использование в прогнозировании
- •6.1. Выбор параметра сглаживания
- •7.2. Метод наименьших квадратов
- •7.5. Тренды на основе сплайн-функций ???
- •Вопросы на 5
- •Тема 8. Анализ цикличности (сезонности)
- •8.1. Задача выявления сезонных колебаний
- •8.2. Определение сезонной составляющей при аддитивной сезонности
- •8.3. Определение сезонной составляющей при мультипликативной сезонности.
- •8.4. Выявление сезонности с использованием тригонометрических функций
- •9.2.1. Поворотные точки
- •9.2.2. Длина фазы
- •9.2.3. Критерий, основанный на знаках разностей
- •9.2.4. Критерии, основанные на ранговой корреляции
- •9.2.5. Сравнительный анализ критериев
- •9.3. Практические способы анализа ошибки ??? Тема 10. Прогнозирование на основе регрессионных моделей
- •10.1. Понятие регрессии
- •10.2. Отбор факторов для регрессии
- •10.3. Вид функции регрессии
- •10.4. Расчет параметров регрессии
- •10.5. Прогнозирования на основе регрессионных моделей
- •10.6. Авторегрессия
- •Тема 11. Производственные функции
- •11.1. Общая характеристика производственной функции
- •11.2. Функция Кобба-Дугласа. Общая характеристика
- •11.3. Функция Кобба-Дугласа. Расчет параметров
- •12.1.2. Задачи о «смесях»
- •12.1.3. Задачи о «раскрое»
- •12.1.4. Общая планово-производственная задача. Выбор интенсивностей использования различных технологических способов производства
- •12.1.5. Распределение ресурсов во времени. Оптимальное регулирование запасов
- •12.2. Графическое решение задачи
- •15.1. Прогнозирование на основе групповой экспертной оценки
- •15.2. Применение метода "Дельфи" для прогнозирования
- •Тема 16. Самореализующиеся прогнозы
- •Тема 17. Имитационное моделирование
10.4. Расчет параметров регрессии
Расчет параметров производится по методу наименьших квадратов, аналогично тренду.
MS Excel оценивает параметры только линейной регрессии (Сервис->Анализ данных->Регрессия либо с использованием функций ИНДЕКС() и ЛИНЕЙН()).
При заполнении окна окно запроса необходимо учитывать, что массив рядов-факторов на листе должен быть сплошным. (см. Рисунок 1‑18- жирная рамка)
Рисунок 1‑18 содержит пример расчёта линейной регрессии суммы уплаченных налогов к прибыли, зарплате и номеру периода. Представлена отредактированная таблица вывода результатов.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 18 Расчет параметров регрессии
Уравнение регрессии имеет вид («Коэффициенты»):
При этом надо учитывать, что полученные коэффициенты – вероятностные оценки. Степень точности их можно оценить двояко. С одной стороны, с вероятностью 95% можно утверждать, что значение коэффициента лежит в границах от («Нижние 95%») и до («Верхние 95%»). Например, вряд ли можно доверять значению свободного члена b - то ли –7, то ли +20. С другой стороны, можно оценить вероятность того, что «истинное» значение параметра = 0 («Р-Значение»). Чем меньше эта вероятность (»<0.33), тем больше значимость полученного коэффициента. В рассмотренном примере влияние зарплаты незначимо (Р=0,699>0,33), а влияние свободного члена под сомнением (Р=0,295»0.33).
Незначимые факторы необходимо исключить из модели и перерассчитать параметры [новой] регрессии.
10.5. Прогнозирования на основе регрессионных моделей
Аналогично прогнозированию по тренду. Однако, для прогноза необходимо знать прогнозные значения рядов-факторов. Это несколько затрудняет экстраполяцию, но несущественно для интерполяции, где регрессия даёт лучший (чем тренд) результат.
Для экстраполяции на N периодов можно построить регрессию к факторам, сдвинутым на N периодов. (Напр., искать зависимость выпуска продукции о закупки сырья не в том же месяце, а 3 месяца назад. Тогда уже известная закупка сырья в последнем месяце даст прогноз выпуска через 3 месяца.)
10.6. Авторегрессия
При отсутствии прогнозных значений факторов для прогнозирования можно использовать авторегрессию, т.е. зависимость текущих значений динамического ряда от своих значений в прошлом, или иначе: Авторегрессия – регрессия, где в качестве факторов выступают сдвинутые во времени копии изучаемого ряда.
Для построения авторегрессии необходимо сначала построить сдвинутые ряды, для которых значение в первом [по крайней мере] прогнозном периоде известно. Опираясь на значения сдвинутых рядов (факторов регрессии), получается первое прогнозное значение, которое «удлиняет», наряду с изучаемым рядом, и сдвинутые. Это позволяет получить следующее прогнозное значение и т.д.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 18 Авторегрессия
Авторегрессия даёт хорошие результаты для прогнозирования строго периодических рядов.
Тема 11. Производственные функции
Специфически экономической регрессией является идея о производственной функции.
11.1. Общая характеристика производственной функции
Производственная функция – зависимость результата работы [системы] от потребляемых ею ресурсов. В данном – широком – смысле, производственная функция может иметь произвольный математический вид. В узком смысле, производственная функция должна обладать следующими свойствами экономических систем:
1. Отсутствие любого из ресурсов Xi приводит к остановке производства
2. При увеличении потребления к.-л. одного ресурса производство растёт – производная по ресурсу >0
3. При дальнейшем увеличении потребления к.-л. одного ресурса производство растёт замедляющимися темпами – вторая производная по ресурсу <0
Таким условиям удовлетворяет только степенная функция:
К основным характеристикам производственных функций относят:
1. Величина отдачи на масштаб. Показывает как изменится производство при увеличении потребления всех ресурсов в несколько l раз. Различают:
-
постоянную
отдачу на масштаб
растущую
падающую
2. Эластичность замещения ресурсов – скорость изменения предельной нормы замещения ресурсов.
Изокванта [производственной функции] – геометрическое место точек (кривая) на плоскости [двух] факторов, где значение функции постоянно: . Если факторов два – K,L – изокванта есть функция K(L), при этом величина предельной нормы замещения .
Рис ???
Предельная норма замещения показывает количество высвобождаемого ресурса (К), при использовании дополнительной единицы другого ресурса (L) и сохранении объёма производства.
По определению, Эластичность замещения ресурсов , т.е. на сколько [%] должно изменится соотношение K/L с ростом L, чтобы предельная норма замещения изменилась на 1%.
3. Эластичность выпуска по ресурсам