- •Конспект лекцій
- •Приклад рішення лінійного програмування задачі симплекс – методом
- •Система обмежень має два одиничних вектори - а4 та а5 . Вони створюють базис.
- •2.1.3. Приклад рішення задачі симплекс – методом з штучним базисом
- •Система обмежень має два одиничних вектори - а3 та а4 . Для того, щоб отримати базис вводимо штучну змінну а5. Система прийме вигляд:
- •2.1.4.Приклад побудова двоїстої задачі та знаходження її рішення по рішенню вихідної задачі лінійного програмування симплекс – методом
- •Система обмежень має три одиничних вектори - а4, а5 та а4 . Вони створюють базис.
- •2.1.5.Приклад рішення транспортної задачі методом потенціалів
- •Вартість перевезень (цільова функція буде дорівнювати :
- •3.2.Метод перебору комбінацій простих ризиків
- •3.2.1.Приклади рішення.
- •3.3. Прийняття рішень в конфліктних ситуаціях
- •Перший варіант платіжної матриці
- •Другий варіант платіжної матриці
- •Тема1. «Математичне моделювання як метод наукового пізнання
- •Математичне моделювання в економіці.
- •2. Розвиток економетрії як науки
- •3. Економетричні моделі та етапи їх побудови
- •Тема1.2 «Парний регресійний аналіз». План
- •Сутність регресійного аналізу.
- •2.Оцінка параметрів парної лінійної регресії методом найменших квадратів (мнк). Властивості мнк- оцінок.
- •3.Коефіцієнти кореляції та детермінації.
- •4.Перевірка моделі на адекватність за критерієм Фішера.
- •Тема1.3: «Множинний регресійний аналіз». План
- •1.Приклади багатофакторний економетричних моделей.
- •2.Загальна лінійна модель множинної регресії.
- •3.Метод найменших квадратів, основні припущення. Мнк-оцінки параметрів лінійної регресії.
- •Література
Тема1.3: «Множинний регресійний аналіз». План
-
Приклади багатофакторних економетричних моделей.
-
Загальна лінійна модель множинної регресії.
-
Метод найменших квадратів, основні припущення. МНК-оцінки параметрів лінійної регресії.
Література: [1-16].
1.Приклади багатофакторний економетричних моделей.
На практиці економічний процес змінюється під впливом багатьох різноманітних факторів, які необхідно вміти виявляти та оцінювати.
Розглянемо деякі приклади.
Приклад.1 При розгляді впливу різних соціальних факторів: забезпеченість житлом населення, рівень освіти, продаж алкогольних напоїв на кількість зареєстрованих злочинів в деякій країні протягом n років бачимо, що описати парною регресійною моделлю цей процес не можна. Оскільки на один показник (кількість зареєстрованих злочинів) впливають наступні фактори: забезпеченість житлом населення, рівень освіти, продаж алкогольних напоїв. Доречно було б описувати багатофакторною регресією.
Приклад 2.Розглядаючи реальний валовий продукт, зазначимо, що на нього впливають наступні фактори: кількість робочої сили та кількість витрат на капітал в промисловому секторі країни. Описати і спрогнозувати значення реального валового продукту в наступному періоді можна за допомогою багатофакторної регресійної моделі.
2.Загальна лінійна модель множинної регресії.
Описати і дослідити зв’язок між економічними показниками можна за допомогою лінійної множинної регресії. Дані залежності є стохастичними і в класичних регресійних моделях встановлюють зв’язок випадкової результативної змінної Y і незалежних змінних: у випадку - спостережень.
Стохастична залежність, що визначається лінійною регресією у випадку m пояснюючих змінних може бути виявлена лише при багаторазовому повторенні спостережень. Результати спостереження представляються у вигляді таблиці статистичних даних.
Таблиця №1
Номер спостереження. |
Змінні |
||||
Залежні |
Пояснюючі |
||||
і |
У |
Х1 |
Х2 |
….. |
Хm |
1 |
y1 |
x11 |
x12 |
….. |
x1m |
2 |
y2 |
x21 |
x22 |
….. |
x2m |
….. |
….. |
….. |
….. |
….. |
….. |
n |
yn |
xn1 |
xn2 |
…. |
xnm |
Остання залежність має вигляд лінійної регресії у випадку m пояснюючих змінних.
(3.1),
Де - фіктивна змінна; - залежна (пояснювальна) змінна; незалежні (пояснюючі) змінні; - помилки; - невідомі параметри, які потрібно оцінити. Якщо позначити оцінки параметрів через , то отримаємо наступне рівняння лінійної багатофакторної регресії:
(3.2).
3.Метод найменших квадратів, основні припущення. Мнк-оцінки параметрів лінійної регресії.
Враховуючи табличний запис статистичних даних показників рівняння лінійної множинної регресії (3.1) набуде вигляду (3.3)
, (3.3)
де
Якщо можливі оцінки , тоді регресія (3.3) набуде вигляду (3.4)
.
Знаходження МНК - оцінок лінійної множинної регресії може бути здійснене декількома способами.
1 спосіб. Знаходження МНК - оцінок із системи нормальних рівнянь, яка в багатофакторному випадку має вигляд:
Розв’язавши систему лінійних рівнянь отримаємо МНК-оцінки множинної .
2 спосіб. Матричний спосіб знаходження МНК – оцінок.
Процес оцінювання регресійної моделі при m ≥ 2 є громіздким, оскільки обчислювати велике число сум і розв’язувати системи рівнянь із трьома і більше невідомими без використання ПК досить важко. Тому використовується матричний спосіб.
Залишимо у розгорнутому вигляді лінійну множинну регресійну модель і отримаємо наступну систему:
Запишемо систему у матричному вигляді де
.
Тоді оператор оцінювання параметрів має наступний вигляд:
, де матриця В – матриця оцінок параметрів регресії.
Алгоритм знаходження МНК – оцінок параметрів регресії матричним способом..
-
Записати регресійну модель в матричному вигляді.
-
Записати матрицю транспоновану до .
-
Знайти добуток матриць.
-
Знайти матрицю обернену до матриці .
-
Знайти матрицю .
-
Знайти матрицю .
-
Записати рівняння регресії:.
Для виконання дій над матрицями можна використати наступні функції програмного засобу Excel: «ТРАНСП», «МУМНОЖ», «МОБР».
3 спосіб. Для знаходження оцінок параметрів лінійної множинної регресії можна використати функцію «ЛИНЕЙН» в Excel.
Контрольні питання.
1.Загальний вигляд лінійної множинної регресії.
2.Яким методом оцінюються параметри лінійної багатофакторної регресії?
3.Скількома способами можна знайти МНК-оцінки лінійної багатофакторної регресії? Назвіть їх.
4.Який критерій використовується для визначення адекватності регресійної моделі?
5.Який показник дозволяє визначити якість побудованої регресійної моделі?