- •Лекция 1 Задачи линейного программирования
- •1. Задача оптимального планирования производства
- •2. Графический метод решения задач линейного программирования
- •3. Алгоритм симплекс-метода решения задач линейного программирования
- •4 Решение задач линейного программирования средствами Excel
- •Лекция 2. Элементы теории матричных игр
- •1. Платежная матрица. Нижняя и верхняя цена игры
- •2 Приведение матричной игры к задаче линейного программирования.
- •3 Пример решения матричной игры средствами Excel
- •Лекция 3. Транспортная задача
- •1 Закрытая транспортная задача
- •2. Открытая транспортная задача
- •3 Пример решения транспортной задачи средствами Excel
- •Лекция 4. Сетевое планирование
- •1. Сетевой график и его элементы
- •2. Резервы времени выполнения работ сетевого графика
- •3 Пример построения сетевого графика и расчета резервов времени
- •Лекция 5. Динамическое программирование
- •1. Задача о распределении средств между предприятиями
- •2. Пример решения задача о распределении средств между предприятиями
- •Лекция 6. Ковариационный анализ
- •1. Коэффициенты ковариации и корреляции
- •2. Расчет коэффициентов ковариации и корреляции в табличном процессоре Microsoft Excel
- •3. Понятие о методе ранговой корреляции
- •Тема 7. Парная линейная регрессия
- •1. Линейное уравнение регрессии
- •2. Построение линейного уравнения регрессии в пакете «Stadia»
- •1 Построение множественного линейного уравнения регрессии в Excel
- •2 Пример построения линейной производственной функции
- •Лекция 9. Кластерный анализ
- •9 Иерархические кластер-структуры
- •2. Проведение кластерного анализа в пакете «Stadia»
- •Лекция 10. Дискриминантный анализ
- •1. Основные сведения о дискриминантном анализе
- •2. Проведение дискриминантнрого анализа в пакете «Stadia»
2 Пример построения линейной производственной функции
Рассмотрим пример построения линейной производственной функции в пакете анализа MicrosoftExcelв режиме «Регрессия»
Данные о прибыли предприятия, затраченный капиталзатраты на труди общие затраты приведены в таблице по кварталам за 2011-2013 годы.
Прибыль , тыс. руб. |
Затраты капитала, тыс. руб. |
Затраты на труд , тыс. руб. |
Общие затраты тыс. руб. |
31972 |
18719,5 |
10939,5 |
29659 |
32290 |
18218,4 |
11410,6 |
29629 |
33698 |
19086,6 |
13436,4 |
32523 |
33568 |
20523,1 |
13611,9 |
34135 |
36098 |
21118,7 |
15286,3 |
36405 |
40724 |
23407,8 |
16495,2 |
39903 |
42081 |
22368,4 |
19346,6 |
41715 |
44174 |
25901,7 |
18194,3 |
44096 |
44237 |
24667,7 |
17538,3 |
42206 |
49300 |
22197,4 |
19849,6 |
42047 |
50701 |
24292,3 |
20305,7 |
44598 |
55338 |
27731,4 |
19880,6 |
47612 |
По этим данным определим уравнение линейной регрессии прибыли от затрат на капитал и труд и проведем анализ уравнения.
Для решения задачи используем режим «Регрессия». На рабочем листе наберем данные:
31972 |
18719,5 |
10939,5 |
29659 |
32290 |
18218,4 |
11410,6 |
29629 |
33698 |
19086,6 |
13436,4 |
32523 |
33568 |
20523,1 |
13611,9 |
34135 |
36098 |
21118,7 |
15286,3 |
36405 |
40724 |
23407,8 |
16495,2 |
39903 |
42081 |
22368,4 |
19346,6 |
41715 |
44174 |
25901,7 |
18194,3 |
44096 |
44237 |
24667,7 |
17538,3 |
42206 |
48300 |
22197,4 |
19849,6 |
42047 |
50701 |
24292,3 |
20305,7 |
44598 |
55338 |
27731,4 |
19880,6 |
47612 |
выручка |
зат. кап. |
зат. Труд. |
общ. Зат. |
которые вводим в режим «Регрессия». Первый столбик – значения Y, второй и третий – значенияX. Указываем выходной интервал. После выполнения (ОК) получаем следующие таблицы:
ВЫВОД ИТОГОВ |
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
|
Регрессионная статистика |
|
|
|
|
|
|
| |
Множественный R |
0,948205 |
|
|
|
|
|
|
|
R-квадрат |
0,899093 |
|
|
|
|
|
|
|
Нормированный R-квадрат |
0,876669 |
|
|
|
|
|
|
|
Стандартная ошибка |
2729,753 |
|
|
|
|
|
|
|
Наблюдения |
12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
| ||
|
df |
SS |
MS |
F |
Значимость F |
|
|
|
Регрессия |
2 |
5,98E+08 |
2,99E+08 |
40,09548 |
3,29E-05 |
|
|
|
Остаток |
9 |
67063958 |
7451551 |
|
|
|
|
|
Итого |
11 |
6,65E+08 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
-4138,27 |
6541,76 |
-0,63259 |
0,54273 |
-18936,8 |
10660,2 |
-18936,8 |
10660,2 |
Переменная X 1 |
1,002626 |
0,49372 |
2,03075 |
0,07284 |
-0,11425 |
2,11949 |
-0,11425 |
2,11949 |
Переменная X 2 |
1,395363 |
0,4363 |
3,1977 |
0,0108 |
0,4082 |
2,3824 |
0,4082 |
2,3824 |
В таблице «Регрессивная статистика» сгенерированы результаты по регрессивной статистике: множественный Rкоэффициент корреляции; коэффициент детерминации; стандартная ошибка; число наблюденийn.
В таблице «Дисперсионный анализ» сгенерированы результаты дисперсионного анализа, который используется для проверки значимости коэффициента детерминации .
В следующей таблице сгенерированы значения коэффициентов регрессии и их статистические оценки. В частности первый столбец дает значения коэффициентов,и. Рассчитанные в этой таблице коэффициенты регрессиипозволяют построить уравнение, выражающее зависимость прибыли предприятияYот затрат капиталаи затрат на труд
.
Значение множественного коэффициента детерминации (из первой таблицы) показывает, что 94,8 % общей вариации результативного признака объясняется вариацией факторных признакови. Значит, выбранные факторы существенно влияют на прибыль предприятия, что подтверждает правильность их включения в построенную модель.
Экономическая сущность коэффициентов исостоит в том, что они показывают степень влияния каждого фактора на прибыль предприятия. Так, например, увеличение затрат капитала на один миллион рублей ведет к росту прибыли на 1,002626 миллиона рублей, увеличение трудовых затрат на один миллион рублей ведет к росту прибыли на 1,395363 миллион рублей.