- •Математическое моделирование Учебное пособие
- •Донецк 2006
- •Содержание
- •Введение
- •1. Построение экспериментальных законов распределения
- •1.1. Общие положения
- •1.2. Статистические критерии согласия
- •Г) Критерий согласия Романовского
- •1.3. Построение закона Пуассона
- •1.4. Построение показательного закона
- •1.5. Построение нормального закона
- •2. Модели оптимизации
- •2.1. Принципы формирования моделей оптимизации
- •Задача производственного планирования
- •Задача оптимальной загрузки оборудования
- •Задача о смесях
- •Транспортная задача
- •2.2. Графический метод решения задачи линейного программирования
- •Алгоритм графического метода решения злп
- •2.3. Универсальный метод решения линейных задач оптимизации
- •Алгоритм симплекс-метода решения злп
- •Пример 2.3.1. Решить злп (2.2.1), (2.2.5) симплекс-методом.
- •Критерий оптимальности опорного плана
- •Переход к следующей симплекс-таблице осуществляют по правилам:
- •2.4. Двойственная задача линейного программирования
- •Свойства двойственных задач
- •2.5. Методы анализа конфликтных ситуаций с помощью матричных игр
- •Алгоритм принципа максимина (минимакса)
- •Решение. Этаматричная игра имеет размерность (3х4), т.Е. Игрок а имеет три стратегии, а игрок в – четыре. Запишем ее в нормальной форме.
- •Последовательность действий при решении игры
- •3. Регрессионный анализ
- •3.1. Однофакторные модели
- •3.1.1. Построение однофакторных моделей
- •3.1.2. Оценка качества моделей
- •Свойства коэффициента корреляции
- •Построение доверительного интервала для прогнозного значения
- •Пример 3.1.Исследовать зависимость объема прибыли от количества торговых точек. Сделать прогноз в предположении, что количество торговых точек будет увеличено до 25.
- •Вспомогательная расчетная таблица
- •Пример 3.2.Исследовать зависимость показателяуи факторахс помощью логарифмической, степенной и полиномиальной регрессий.
- •3.1.3. Модели рядов динамики
- •3.2. Автокорреляция данных и остатков
- •3.2.1. Автокорреляция данных
- •Пример 3.4. Исследовать на автокорреляцию динамический ряд:
- •Вспомогательная таблица для расчета коэффициента автокорреляции
- •3.2.2. Автокорреляция остатков
- •Причины возникновения автокорреляции
- •Вспомогательная таблица для расчета d-статистики
- •С помощью формулы (3.2.2) найдем d -статистику:
- •3.3. Мультиколлинеарность
- •Причины возникновения мультиколлинеарности:
- •Методы исследования мультиколлинеарности
- •Меры по устранению мультиколлинеарности:
- •3.4. Множественная линейная регрессия
- •3.4.1. Построение множественной линейной регрессии
- •Расчет элементов коэффициента
- •3.4.2. Матричный подход
- •Построение корреляционной матрицы
- •Построение модели множественной линейной регрессии и ее анализ
- •3.4.4. Нелинейные модели
- •3.4.5. Эластичность
- •4.Экспертные оценки и элементы теории графов
- •4.1. Ранговая корреляция
- •4.1.1. Экспертное оценивание
- •4.1.2. Этапы работ в системе экспертных оценок
- •4.1.3. Метод ранговой корреляции
- •Вспомогательные расчеты
- •Б) Случай многих экспертов
- •4.2. Элементы сетевого планирования
- •Основные элементы сетевого графика
- •Основные требования к сетевой модели
- •5. Индивидуальные задания для самостоятельной работы студентов по курсу “математическое моделирование”
- •5.1. Задания к разделу “Построение законов распределения”
- •5.2. Задания к разделу “Математическое программирование”
- •5.3. Задания к разделу “Регрессионный анализ”
- •Задание 2.
- •Задание 3.
- •5.4. Задания к разделу “Экспертные оценки и элементы теории графов” Задание 1.
- •Значение критерия Пирсона
- •Критерий Колмогорова
- •Критерий Колмогорова
- •Квантили распределения Стьюдента
- •Коефициентов автокорреляции
- •Литература
- •Пеніна Галина Геннадіївна, канд. Екон. Наук, доцент
3.2. Автокорреляция данных и остатков
В процессе исследования экономических явлений в качестве исходных статистических значений используют экономические величины, характеризующие размер исследуемых показателей и требующие эконометрического анализа и оценки. При этом следует иметь в виду, что показатели временных рядов часто имеют своеобразную особенность: следующее значение в определенной мере зависит от предшествующих значений. Такое явление получило название автокорреляции.
3.2.1. Автокорреляция данных
Автокорреляцией данных называется явление взаимосвязи последующих значений показателя от его предшествующих значений.
Наличие автокорреляции данных ведет к ухудшению уравнения регрессии, увеличению величины ошибок оценок параметров, расширению доверительных интервалов, снижению показателей значимости.
Выявление автокорреляции, возможное ее исключение (или уменьшение до допустимого уровня), делает дальнейшее моделирование зависимости признаков и прогнозирование более надежным и достоверным.
Для уменьшения автокорреляции абсолютных значений показателей существуют различные способы. Почти все они основаны на исключении главной
временной тенденции (тренда) из начальных данных.
Уровень автокорреляции измеряют с помощью нециклического коэффициента автокорреляции первого порядка, который равняется парному коэффициенту корреляции между исходным временным рядом и рядом, смещенным на один период:
. (3.2.1)
Для того, чтобы сделать вывод о наличии автокорреляции в исследуемом динамическом ряду фактическое значение коэффициента сравнивают с критическим (приложение Ж). Если, то можно утверждать, что автокорреляция данных присутствует. В противоположном случае, то есть если, можно говорить об ее отсутствии.
Пример 3.4. Исследовать на автокорреляцию динамический ряд:
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
y |
19,1 |
22,9 |
23,7 |
23,9 |
24,5 |
26,6 |
25,7 |
26,1 |
26,2 |
27,6 |
Решение. Для расчета нециклического коэффициента автокорреляции первого порядка построим вспомогательную таблицу.
Таблица 3.9
Вспомогательная таблица для расчета коэффициента автокорреляции
|
|
|
|
|
19,1 |
22,9 |
364,81 |
524,41 |
437,39 |
22,9 |
23,7 |
524,41 |
561,69 |
542,73 |
23,7 |
23,9 |
561,69 |
571,21 |
566,43 |
23,9 |
24,5 |
571,21 |
600,25 |
585,55 |
24,5 |
26,6 |
600,25 |
707,56 |
651,7 |
26,6 |
25,7 |
707,56 |
660,49 |
683,62 |
25,7 |
26,1 |
660,49 |
681,21 |
670,77 |
26,1 |
26,2 |
681,21 |
686,44 |
683,82 |
26,2 |
27,1 |
686,44 |
734,41 |
710,02 |
218,7 |
226,7 |
5358,07 |
5727,67 |
5532,03 |
По формуле (3.2.1) имеем:
.
Критическое значение коэффициента автокорреляции, найденное по таблице (приложение Д) таково . Поскольку, то можно сделать вывод, что между уровнями показателяавтокорреляция присутствует.