- •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
Меры по устранению мультиколлинеарности:
необходимо изменить спецификацию модели так, чтобы коллинеарность переменных снизилась до допустимого уровня;
необходимо применить методы оценки, которые, несмотря на существенную коллинеарность, позволяют избежать ее отрицательных последствий. К этим методам оценивания относятся: методы с ограничениями на параметры (смешанный оценщик и минимальный оценщик), метод главных компонент, двухшаговый МНК, метод инструментальных переменных, метод наибольшего правдоподобия.
Как уже было показано, устранение мультиколлинеарности может достигаться путем исключения одного или нескольких линейно-связанных факторных признаков. Вопрос о том, какой из факторов следует отбросить, решается на основании экономического, логического, качественного анализа явления. Иногда удается уменьшить мультиколлинеарность путем агрегирования или преобразования исходных факторных признаков. В частности, это может быть объединение межотраслевых показателей с рядами динамики или, например, можно перейти к первым разностям и находить уравнение регрессии для разностей.
Хотя надежных методов выявления коллинеарности не существует, есть несколько признаков, ее выявляющих:
характерным признаком мультиколлинеарности является высокое значение коэффициента детерминации при незначимости параметров уравнения (по t-статистикам);
в модели с двумя переменными наилучшим признаком мультиколлинеарности является значение коэффициента корреляции;
в модели с большим числом (чем два) факторов коэффициент корреляции может быть низким из-за наличия мультиколлинеарности, следует брать во внимание частные коэффициенты корреляции;
если коэффициент детерминации велик, а частные коэффициенты малы, то мультиколлинеарность возможна
Пример 3.6.Исследовать данные на мультиколлинеарность; если обнаружена мультиколлинеарность объясняющих переменных, то исключить из рассмотрения переменную, которая коррелирует с остальными объясняющими переменными.
Y |
17,44 |
17,28 |
17,92 |
18,88 |
17,12 |
21,12 |
20 |
20,64 |
19,68 |
18,4 |
Х1 |
22,95 |
24,84 |
29,97 |
28,08 |
24,3 |
32,4 |
29,97 |
33,48 |
29,7 |
26,73 |
Х2 |
3 |
1,56 |
2,88 |
2,28 |
1,2 |
2,64 |
3,48 |
2,28 |
2,52 |
2,4 |
Х3 |
2,8 |
1,148 |
2,66 |
1,96 |
0,77 |
2,38 |
3,36 |
2,17 |
2,24 |
2,03 |
Решение.Для исследования общей мультиколлинеарности применим метод Фаррара-Глаубера.
Для нахождения корреляционной матрицы R построим вспомогательную таблицу 3.13.
Таблица 3.13
Расчет элементов корреляционной матрицы
|
|
|
|
|
|
|
|
|
|
|
|
|
|
17,44 |
22,95 |
3 |
2,8 |
526,70 |
9,00 |
7,84 |
68,85 |
64,26 |
8,40 |
22,95 |
3 |
2,8 |
304,15 |
17,28 |
24,84 |
1,56 |
1,14 |
617,03 |
2,43 |
1,32 |
38,75 |
28,52 |
1,79 |
24,84 |
1,56 |
1,14 |
298,60 |
17,92 |
29,97 |
2,88 |
2,66 |
898,20 |
8,29 |
7,08 |
86,31 |
79,72 |
7,66 |
29,97 |
2,88 |
2,66 |
321,13 |
18,88 |
28,08 |
2,28 |
1,96 |
788,49 |
5,20 |
3,84 |
64,02 |
55,04 |
4,47 |
28,08 |
2,28 |
1,96 |
356,45 |
17,12 |
24,3 |
1,2 |
0,77 |
590,49 |
1,44 |
0,59 |
29,16 |
18,71 |
0,92 |
24,3 |
1,2 |
0,77 |
293,09 |
21,12 |
32,4 |
2,64 |
2,38 |
1049,76 |
6,97 |
5,66 |
85,54 |
77,11 |
6,28 |
32,4 |
2,64 |
2,38 |
446,05 |
20 |
29,97 |
3,48 |
3,36 |
898,20 |
12,11 |
11,29 |
104,3 |
100,7 |
11,69 |
29,97 |
3,48 |
3,36 |
400,00 |
20,64 |
33,48 |
2,28 |
2,17 |
1120,91 |
5,20 |
4,71 |
76,33 |
72,65 |
4,95 |
33,48 |
2,28 |
2,17 |
426,01 |
19,68 |
29,7 |
2,52 |
2,24 |
882,09 |
6,35 |
5,02 |
74,84 |
66,53 |
5,64 |
29,7 |
2,52 |
2,24 |
387,30 |
18,4 |
26,73 |
2,4 |
2,03 |
714,49 |
5,76 |
4,12 |
64,15 |
54,26 |
4,87 |
26,73 |
2,4 |
2,03 |
338,56 |
188,48 |
282,42 |
24,24 |
21,52 |
8086,36 |
62,76 |
51,47 |
692,26 |
617,5 |
56,68 |
282,42 |
24,24 |
21,5 |
3571,35 |
18,848 |
28,24 |
2,42 |
2,15 |
808,64 |
6,28 |
5,15 |
69,23 |
61,75 |
5,67 |
28,24 |
2,424 |
2,15 |
357,13 |
В предпоследней строке таблицы 3.12 указаны суммы по столбцам, а в последней – средние значения по столбцам.
Найдем средние квадратические отклонения:
,
Аналогично имеем ,,.
Найденные значения средних квадратических отклонений подставим в формулы (3.3.3) для вычисления парных коэффициентов корреляции:
,
Аналогично ,,,,.
Можно сделать вывод о наличии определенной связи между каждой парой факторов. Для данной задачи корреляционная матрица (3.3.1) имеет вид:
, тогда
Элементы корреляционной матрицы характеризуют тесноту связи между факторами. Анализ матрицыпоказывает, что наибольшее влияние на показательоказывает фактор, за ним, затем.
Замечание. |
Для нахождения корреляционной матрицы R удобно использовать пакет электронных таблиц EXCEL. Для этого нужно ввести исходные данные, затем в падающем менюСервисвыбрать командуАнализ данныхвыбрать инструмент анализаКорреляцияв разделеВходные данныев текстовом поле Входной интервалввести диапазон исходных данныхв разделеПараметры выводав опции Выходной интервал илиНовый рабочий листустановить флажок. |
Замечание. |
Если команда Анализ данныхотсутствует в меню Сервис, то необходимо запустить программу установки Microsoft Excel и установитьПакет анализа. После установкиПакета анализаего необходимо выбрать и активизировать с помощью командыНадстройки. |
Найдем определитель корреляционной матрицы:
Значение определителя корреляционной матрицы близко к нулю, что свидетельствует о наличии значительной мультиколлинеарности.
Замечание. |
Для вычисления определителя корреляционной матрицы Rнужно в пакете EXCEL привести матрицу к симметричному виду относительно главной диагонали. Затем вызвать Мастер функцийМатематическиеМОПРЕДв строке Массиввыделить все данные. |
Для исследования общей мультиколлинеарности данных используем критерий . Рассчитаем величину, определяемую по формуле (3.3.4):
,
которая имеет -распределение сстепенями свободы.
По заданной надёжности и числу степеней свободынаходят критическое значениев таблице значений критерия Пирсона (приложение А). Имеем, значит с заданной надёжностьюможно считать, что между факторами исследуемыми существует мультиколлинеарность.
Далее исследуем, какая объясняющая переменная порождает мультиколлинеарность. Найдем обратную матрицу .
Замечание. |
Для нахождения обратной матрицы в пакете EXCEL вначале следует выделить поле на листе, в котором буде расположена обратная матрица, затем вызвать Мастер функцийМатематическиеМОБРв строке Массиввыделить все данныенажатьCtrl+Shift+Enter. |
Обратная матрица к корреляционной матрице такова:
Рассчитаем частные коэффициенты парной корреляции по формуле (3.3.4):
,
,
.
Для выяснения вопроса, между какими факторами существует мультиколлинеарность, используем - статистику. В качестве критерия используем величины, определяемые по формуле (3.3.6)
;
аналогично находим –1,03;1,18, которые имеют распределение Стьюдента с степенями свободы.
Для надёжности и числу степеней свободыпо таблице значений критерия Стьюдента (приложение Д) находят критическое значение. Имеем,, следовательно, можно утверждать, что между факторамии;имультиколлинеарности не существует. Имеем, следовательно, можно утверждать, что между факторамиисуществует мультиколлинеарность и одна из переменных должна быть исключена. Исключим из рассмотрения переменную, поскольку.