- •1. Постановка задачи
- •2. Алгоритм вычисления показателей
- •2.1. Определение параметров математической модели
- •Исходные данные
- •Значения lnX, lnK, lnL
- •2.2. Исследование модели
- •Предельные эффективности факторов, средние фондоотдачи и производительности труда
- •2.3. Построение изокванты
- •Построение изокванты
- •2.4. Вычисление экономических показателей
- •Норма замещения труда опф
- •3. Учет нестационарности параметров пфкд.
- •Заключение
- •Список используемой литературы
2. Алгоритм вычисления показателей
2.1. Определение параметров математической модели
Как уже упоминалось выше, в качестве изучаемой системы берётся экономика условного объекта. Входными показателями объекта считаются:
K(ti) - величина основных производственных фондов (млрд. руб.);
L(ti) - величина используемых трудовых ресурсов (тыс. чел.).
А в качестве выходного показателя принимается X(ti) - величина валового выпуска продукции (млрд.руб.) (см. таблица 1).
Таблица 1
Исходные данные
|
t |
X |
K |
L |
|
1 |
132,61 |
723 |
70,3 |
|
2 |
138,58 |
831 |
71,7 |
|
3 |
145,68 |
956 |
73,1 |
|
4 |
154,38 |
1100 |
74,6 |
|
5 |
161,64 |
1265 |
76,1 |
|
6 |
157,97 |
1012 |
79,1 |
|
7 |
153,15 |
809 |
82,3 |
|
8 |
148,03 |
647 |
85,6 |
|
9 |
144,66 |
518 |
89 |
|
10 |
154,21 |
570 |
94,4 |
|
11 |
164,55 |
627 |
100 |
|
12 |
177,35 |
689 |
106 |
|
13 |
194,69 |
758 |
116,6 |
|
14 |
227,11 |
1062 |
128,3 |
|
15 |
266,52 |
1486 |
141,1 |
В качестве математической модели принимается производственная функция Кобба - Дугласа, вида:
![]()
Необходимо определить параметры А, α1, α2. Для этой цели проводим логарифмирование данной функции и получаем линейное уравнение регрессии вида:
lnX(ti) = lnA + α1* lnK(ti) + α2* lnL(ti).
Используя стандартную функцию «ln» табличного редактора (ТР) "Excel", находим значения величин lnX(ti), lnK(ti), lnL(ti) (см. табл. 2).
Таблица 2
Значения lnX, lnK, lnL
|
t |
lnX |
lnK |
lnL |
|
1 |
4,887 |
6,583 |
4,253 |
|
2 |
4,931 |
6,723 |
4,272 |
|
3 |
4,981 |
6,863 |
4,292 |
|
4 |
5,039 |
7,003 |
4,312 |
|
5 |
5,085 |
7,143 |
4,332 |
|
6 |
5,062 |
6,920 |
4,371 |
|
7 |
5,031 |
6,696 |
4,410 |
|
8 |
4,997 |
6,472 |
4,450 |
|
9 |
4,974 |
6,250 |
4,489 |
|
10 |
5,038 |
6,346 |
4,548 |
|
11 |
5,103 |
6,441 |
4,605 |
|
12 |
5,178 |
6,535 |
4,663 |
|
13 |
5,271 |
6,631 |
4,759 |
|
14 |
5,425 |
6,968 |
4,854 |
|
15 |
5,585 |
7,304 |
4,949 |
Для нахождения коэффициентов уравнения регрессии и статистических критериев, характеризующих значимость и точность найденного уравнения используем табличный процессор «Excel», применив команды «Сервис» - «Анализ данных» - «Регрессия».
Получаем следующие таблицы:
Таблица 3
|
Регрессионная статистика | |
|
Множественный R |
0,99987465 |
|
R-квадрат |
0,999749315 |
|
Нормированный R-квадрат |
0,999707535 |
|
Стандартная ошибка |
0,003245661 |
|
Наблюдения |
15 |
Таблица 4
|
Дисперсионный анализ |
| ||||||||||||
|
|
df |
SS |
MS |
F |
Значимость F |
| |||||||
|
Регрессия |
2 |
0,504139918 |
0,252069959 |
23928,46725 |
2,48179E-22 |
| |||||||
|
Остаток |
12 |
0,000126412 |
1,05343E-05 |
|
|
| |||||||
|
Итого |
14 |
0,50426633 |
|
|
|
| |||||||
|
|
|
|
|
|
|
| |||||||
|
|
| ||||||||||||
|
|
| ||||||||||||
|
|
| ||||||||||||
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
|
Y-пересечение |
0,040532091 |
0,024625807 |
1,645919259 |
0,1257001 |
-0,0131229 |
0,0941871 |
|
lnK |
0,259057537 |
0,002890817 |
89,61394525 |
2,49046E-1 |
0,25275898 |
0,26535608 |
|
lnL |
0,737895089 |
0,003966108 |
186,0501958 |
3,9084E-22 |
0,72925368 |
0,74653649 |
Оценка значимости уравнения регрессии в целом дается с помощью F-критерия Фишера. При этом выдвигается нулевая гипотеза Но о том, что коэффициент регрессии равен 0. Значение F-критерия признается достоверным, если оно больше табличного, тогда нулевая гипотеза отвергается и уравнение регрессии признается значимым. В данной задачe значимость F близка к 0 (2,48-E), т.е. такова вероятность принятия нулевой гипотезы (нулевая гипотеза отвергается). Значит, что найденное уравнение регрессии близко к истинному и имеет коэффициенты отличные от 0.
В таблице «Дисперсионный анализ» Р-значение характеризует вероятность принятия нулевой гипотезы по каждому коэффициенту регрессии. В рассматриваемой задаче нулевую гипотезу можно отвергнуть.
После выполнения проверок, вычисляем величину нейтрального технического прогресса А, используя стандартную функцию "ЕХР" ТР "Excel" . Получаем результат вычисления: А =1,04.
Итак, производственную функцию Кобба-Дугласа можно записать так:
![]()
Строим графики производственной функции:
- X = f(K) при L = Lmax = const;
- X = f(L) при K = Kmax = const.
Значения K и L принимаем в пределах от 0 до максимального значения. Получаем Lmax = 141,1 Kmax = 1486. Шаг вычислений определяем по формулам:
K = Kmax/20, L = Lmax/20 (74,3 и 7,005 соответственно). Строим графики, используя «Мастер диаграмм» TP Excel. (Приложение 1 и 2).
На основании проведенных вычислений можно сделать вывод, что корреляционная связь, описанная уравнением
![]()
с большой долей вероятности точно характеризует взаимосвязь результирующего показателя X(ti) - величина валового выпуска продукции (млрд. руб.). с К(ti) - величиной основных производственных фондов (млрд. руб.) и L (ti) - величиной используемых трудовых ресурсов (число занятых в производстве тыс. чел.).
