Висновки

Мультиколлінеарність – це поняття, що використовується для опису проблеми, коли нестрога лінійна залежність між пояснювальними змінними призводить до отримання ненадійних оцінок регресії. Проте, така залежність, зовсім необов’язково дає незадовільні оцінки. Якщо всі інші умови задовільні, тобто якщо кількість спостережень і вибіркові дисперсії пояснювальних змінних великі, а дисперсія випадкого члена мала, то в результаті можно отримати досить позитивні оцінки.

Мультиколлінеарність повинна виникати за рахунок сполучення нестрогої залежності однією (або більше) незадовільних умов, і це є питання ступеня визначенності явища, а не його виду. Оцінки регресії будуть незадовільні від неї у відповідному ступені, коли тільки всі незалежні змінні будуть абсолютно некорельовані. Розгляд цієї проблеми починається тільки тоді, коли вона досить суттєво впливає на результати оцінки регресії.

Ця проблема є звичною для регресій часовий рядів, тобто коли значення показників складаються з рядів спостережень протягом визначеного періоду часу. Якщо дві або більше незалежних змінних мають часовий тренд, то між ними буде існувати кореляція, і це може призвести до мультиколлінеарності.

Існують різні методи для зменшення мультиколлінеарності. Вони діляться на дві категорії: до першої категорії відносяться методи, спрямовані на виконання умов, що забезпечують надійність оцінок регресії; до других відносяться використання зовнішньої інформації. Якщо з початку використовувати можливі значення показників, то, звичайно, було б важливим збільшити кількість спостережень. Якщо, наприклад, використовують часові ряди, то це можно зробити шляхом скорочення терміну кожного періоду часу. Якщо використовують дані перехресної виборки і дослідник знаходиться на стадії планування дослідження, то можна збільшити точність оцінок регресії і послабити проблему мультиколлінеарності за рахунок більших витрат коштів на збільшення розміру вибірки та ін. методи.

Список використаної літератури :

1. К.А.Мамонов «Економіко-математичне моделювання»,навчальний посібник, 2010рік.

2. Банди Б. Основы линейного программирования. – М.: Радио и Связь, 1989.

3. Жданов С. Экономические модели и методы управления. М.Эльта 1998

4. Лук’яненко І.Г., Городніченко Ю.О. Сучасні економетричні методи у фінансах. Навчальний посібник.-К.: Літера ЛТД, 2002.-352 с.

3.Практична частина

1.Вибираю згідно варіанту масив даних для розрахунків за 12 місяців звітного року .

Номери періодів діяльності підпри-ємства	Години роботи устатку-вання (X), год.	Витрати на обслуго-вування (Y), грн
120	1390	8190
121	1400	8200
122	1410	8230
123	1420	8260
124	1430	8270
125	1440	8320
126	1450	8350
127	1460	8380
128	1470	8410
129	1480	8440
130	1490	8490
131	1500	8500

2. Регресійний аналіз - використовують для визначення зміни середнього значення, залежної змінної величини під впливом зміни значення однієї або кількох незалежних змінних величин. Передбачає застосування методу найменших квадратів, який дає змогу розрахувати елементи функції витрат, а і в так, щоб сума квадратів відстані від усіх точок сукупності, що вивчається до лінії регресії є найменшою.

∑ у = nа + в∑ х

∑ х у = а∑х +в∑х²

х - незалежна змінна величина (рівень спостережу вальної діяльності);

у - залежна змінна величина (загальні або змішані витрати, грн..)

а - загальні постійні витрати

в - змінні витрати на одиницю діяльності

n - кількість спостережень.

Дану систему рівнянь розв’язують у такій послідовності – розраховують ∑ х, ∑ у, ∑ х у, ∑х²

3.Розраховую ∑ х, ∑ у, ∑ х у, ∑х² за допомогою програми Microsoft Excel.

Згідно отриманих розрахунків отримую наступну таблицю:

Номери періодів діяльності підпри-ємства	Години роботи устатку-вання (X), год.	Витрати на обслуго-вування (Y), грн		X2
120	1390	8190	11384100	1932100
121	1400	8200	11480000	1960000
122	1410	8230	11604300	1988100
123	1420	8260	11729200	2016400
124	1430	8270	11826100	2044900
125	1440	8320	11980800	2073600
126	1450	8350	12107500	2102500
127	1460	8380	12234800	2131600
128	1470	8410	12362700	2160900
129	1480	8440	12491200	2190400
130	1490	8490	12650100	2220100
131	1500	8500	12750000	2250000
∑	17340	100040	144600800	25070600

4.Cкладаємо систему рівнянь:

∑ у = nа + в∑ х

∑ху = а∑х +в∑х²

5.Підставляємо в систему отримані дані .

Звідси,

a= ,

Підставимо вираз а в нижню частину системи .

Отримаємо,

,

,

,

,

,

,

b=3,006.

6.Підставимо значення b у вираз a=,

Отримаємо

7. Формуюємо функцію витрат

Функція витрат — це математичний опис взаємозв’язку витрат та їх чинника. Вона може бути описана таким рівнянням:

Y = a + bx,

де Y — загальні витрати;

a — постійні витрати; +

b — змінні витрати на одиницю діяльності;

x — значення чинника витрат.

Отже,

Висновки: Згідно даних розрахунків значення чинника витрат , постійні витрати .Змінні витрати на одиницю діяльності b=3,006.