
- •Федеральное агентство по образованию
- •Раздел 1. Осмысление математического аппарата для решения экономических задач
- •1.1. Экстремум функции нескольких переменных
- •1.2. Достаточный признак существования экстремума функции двух независимых переменных
- •1.3. Условный экстремум
- •1.4. Метод наименьших квадратов
- •1.5. Правила составления систем стандартных уравнений
- •1.6. Наиболее привлекательные функции для измерения экономических процессов (спроса, выпуска продукции, ценообразования и других)
- •1.6.1. Квадратичная функция
- •1.6.2. Биквадратная функция
- •1.6.3. Кубическая функция
- •1.6.4. Обратно пропорциональная функция
- •1.6.5. Дробно-линейная функция
- •1.6.6. Дробно-рациональные функции
- •1.6.7. Степенная функция
- •1.6.7.1. Степенная функция с натуральным показателем
- •1.6.7.2. Степенная функция с целым отрицательным показателем
- •1.6.7.3. Степенная функция с дробным показателем
- •1.6.8. Показательная функция
- •1.6.9. Логарифмическая функция
- •1.7. Асимптоты с привлекательными функциями для измерения экономических процессов (показателей)
- •1.8. Некоторые обобщения
- •1) Сумма квадратов отклонений
- •2) Сумма модулей отклонений
- •1.9. Вопросы для самоконтроля
- •3. Сформулируйте, при каких обстоятельствах достигает функция максимума, минимума, при каких обстоятельствах остается вопрос открытым и требуются дополнительные исследования.
- •1.10. Тренировочные задачи
- •1.11. Тест к разделу 1
- •Раздел 2. Эконометрические модели
- •2.1. Измеряющие (регрессионные) модели и корреляция
- •2.1.1. Частная корреляция
- •2.2. Имитирование (интерпретация) регрессионных моделей
- •2.3. Эконометрические модели спроса
- •2.4. Эконометрические модели ценообразования
- •2.5. Оценка уравнения регрессии и корреляции
- •2.6. Вопросы для самоконтроля
- •1. В чем сущность эконометрических моделей регрессии, в частности спроса, предложения?
- •2.7. Тренировочные задачи
- •2.8. Тест к разделу 2
- •Раздел 3. Эконометрические модели прогнозирования
- •3.1. Стационарные и нестационарные ряды
- •3.2. Авторегрессия, автокорреляция
- •3.3. Модели прогнозирования
- •3.4. Экспоненты
- •3.5. Кривая Гомперца и логистическая кривая
- •3.6. Гомоскедастичноость, гетероскедастичность остатков
- •3.7. Автокорреляция в остатках, критерий Дарбина-Уотсона
- •3.8. Упрощенное оценивание параметровмодифицированной экспоненты, кривой Гомперца и логической кривой
- •3.8.1. Метод трех сумм
- •3.8.2. Метод трех точек
- •3.9. Графическая интерпретация кривых роста
- •3.10. Доверительные интервалы прогноза
- •3.10.1. Доверительные интервалы прогноза для линейного тренда
- •3.10.2. Доверительные интервалы полиномов невысоких степеней
- •3.11. Критерии точности и надежности прогнозов
- •3.12. Вопросы для самоконтроля
- •3.13. Тренировочные задачи
- •3.14. Тест к главе 3
- •Раздел 4. Программные продукты
- •4.2. Тренировочные задачи
- •Тест по дисциплине
- •Литература
4.2. Тренировочные задачи
1. Имеются данные, характеризующие динамику спроса (у) в зависимости от насыщенности рынка (х1) и фактора цен (х2)
;
;
.
Требуется предвидеть дальнейшее поведение спроса на периоды t7-12. Оцените адекватность выводов.
Решение рекомендуется на основе программы ПРА-1.
2. Имеются данные, характеризующие последовательность изменения цен в зависимости от факторов:
;
;
.
Требуется определить, по каким ценам можно выставлять товары на потребительский рынок, если тенденция спроса и насыщенности рынка сохранится на прежнем уровне. Оцените адекватность выводов.
Решение рекомендуется на основе программы ПРА-1.
Распечатка 1
ВЫВОД ИТОГОВ
Регрессионная статистика |
|
|
|
|
|
|
|
Множественный R |
0,968596944 |
|
|
|
|
|
|
R-квадрат |
0,93818004 |
|
|
|
|
|
|
Нормированный R-квадрат |
0,896966733 |
|
|
|
|
|
|
Стандартная ошибка |
0,355944622 |
|
|
|
|
|
|
Наблюдения |
6 |
|
|
|
|
|
|
Дисперсионный анализ |
df |
SS |
MS |
F |
Значимость F |
|
|
Регрессии |
2 |
5,768243611 |
2,884121805 |
22,76400781 |
0,01537068 |
|
|
Остаток |
3 |
0,380089723 |
0,126696574 |
|
|
|
|
Итого |
5 |
6,148333333 |
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
Р - Значение |
Нижние 95% |
Верхние 95% |
Нижние 95% |
Y-пересечение |
44,73515498 |
10,59793878 |
4,221118456 |
0,024306907 |
11,00775222 |
78,46255773 |
11,00775222 |
Переменная х1 |
-3,454323002 |
1,041674063 |
-3,316126537 |
0,045184658 |
-6,769397883 |
-0,13924812 |
-6,769397883 |
Переменная х2 |
20,39641109 |
4,72021281 |
4,321078712 |
0,022840825 |
5,374573183 |
35,418249 |
5,374573183 |
|
|
|
у |
х1 |
х2 |
|
|
|
|
|
15,3 |
16,1 |
1,3 |
|
|
|
|
|
16,4 |
15,4 |
1,2 |
|
|
|
|
|
17,1 |
16,9 |
1,5 |
|
|
|
|
|
17,4 |
16,1 |
1,4 |
|
|
|
|
|
17,9 |
17,2 |
1,6 |
|
|
|
|
|
18,4 |
17,7 |
1,7 |
|
|
Распечатка 2
ВЫВОД ИТОГОВ
Регрессионная статистика |
|
|
|
|
|
|
|
Множественный R |
0,984486183 |
|
|
|
|
|
|
R-квадрат |
0,969213045 |
|
|
|
|
|
|
Нормированный R-квадрат |
0,964081885 |
|
|
|
|
|
|
Стандартная ошибка |
0,325975296 |
|
|
|
|
|
|
Наблюдения |
8 |
|
|
|
|
|
|
Дисперсионный анализ |
df |
SS |
MS |
F |
Значимость F |
|
|
Регрессии |
1 |
20,07119064 |
20,07119064 |
188,8877348 |
9,22633Е-06 |
|
|
Остаток |
6 |
0,637559363 |
0,106259894 |
|
|
|
|
Итого |
7 |
20,70875 |
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
Р - Значение |
Нижние 95% |
Верхние 95% |
Нижние 95% |
Y-пересечение |
0,897385032 |
0,394832317 |
2,272825687 |
0,063421196 |
-0,06873555 |
1,863505613 |
-0,06873555 |
Переменная х1 |
2,196874061 |
0,159846555 |
13,74364343 |
9,22633Е-06 |
1,805743344 |
2,588004777 |
1,805743344 |
|
у |
х1 |
|
|
|
|
|
|
3,8 |
1,1 |
|
|
|
|
|
|
4,1 |
1,6 |
|
|
|
|
|
|
4,9 |
1,9 |
|
|
|
|
|
|
5,8 |
2,4 |
|
|
|
|
|
|
6,7 |
2,6 |
|
|
|
|
|
|
7,1 |
2,9 |
|
|
|
|
|
|
7,9 |
3,1 |
|
|
|
|
|
|
8,4 |
3,3 |
|
|
|
|
|
Распечатка 3
ВЫВОД ИТОГОВ
Множественный R |
0,901 |
|
|
|
|
|
R-квадрат |
0,813 |
|
|
|
|
|
Нормированный R-квадрат |
0,766 |
|
|
|
|
|
Стандартная ошибка |
2,582 |
|
|
|
|
|
Наблюдения |
6 |
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
|
Регрессии |
1 |
115,700 |
115,700 |
17,350 |
1,408% |
|
Остаток |
4 |
26,675 |
6,669 |
|
|
|
Итого |
5 |
142,375 |
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
Р - Значение |
Нижние 95% |
Верхние 95% |
Y-пересечение |
-205,755 |
57,414 |
-3,584 |
2,309% |
-365,161 |
-46,349 |
х2 |
2,035 |
0,488 |
4,165 |
1,408% |
0,678 |
3,391 |
Распечатка 4
ВЫВОД ИТОГОВ
Множественный R |
0,960 |
|
|
|
|
|
R-квадрат |
0,922 |
|
|
|
|
|
Нормированный R-квадрат |
0,871 |
|
|
|
|
|
Стандартная ошибка |
1,918 |
|
|
|
|
|
Наблюдения |
6 |
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
|
Регрессии |
2 |
131,335 |
65,667 |
17,844 |
2,16% |
|
Остаток |
3 |
11,040 |
3,680 |
|
|
|
Итого |
5 |
142,375 |
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
Р - Значение |
Нижние 95% |
Верхние 95% |
Y-пересечение |
-364,865 |
88,192 |
-4,137 |
2,56% |
-645,532 |
-84,197 |
х1 |
-0,670 |
0,325 |
-2,061 |
13,13% |
-1,7057 |
0,3647 |
х2 |
3,578 |
0,832 |
4,300 |
2,31% |
0,9298 |
6,2271 |
3. Имеются данные, характеризующие последовательность изменения спроса в зависимости от покупательной способности:
;
.
Рекомендуются следующие функции:
у = а + bx;
y = a ∙ xb;
y = a ∙ bx.
Выберите соответствующие функции.
Решение рекомендуется на основе программы ПРА-1.
4. Обоснуйте целесообразность расширения производства, если:
;
;
.
При этом коэффициент использования производственной мощности не превышает 65%..
Решение рекомендуется на основе программы ПРА-1.
5. Имеются данные, характеризующие последовательность изменения спроса во времени (t):
Требуется обосновать дальнейшее поведение спроса. Оцените адекватность выводов.
Решение рекомендуется на основе программы ПРА-1.