ДОНЕЦЬКИЙ ІНСТИТУТ АВТОМОБІЛЬНОГО ТРАНСПОРТУ
МЕТОДИЧНІ ВКАЗІВКИ
До самостійної роботи студентів
З дисципліни «Економетрія»
(для студентів напряму підготовки
«Менеджмент» професійного
Спрямування 6.050200 «Логістика»
Всіх форм навчання)
ЗАТВЕРДЖЕНО на засіданні метод комісії напрямку 0502 «Менеджмент» протокол № 4 від 15.11.2007 р. | ЗАТВЕРДЖЕНО на засіданні кафедри «Вища математика і інформатика» Протокол № 3 від 23.10.2007 р. |
Донецьк 2007
У методичних вказівках приведено інформаційне забезпечення до виконання самостійних робіт.
Укладачі: Бескровний О.І., ст. вик.
Турчина Н.А., асистент
ЗМІСТ
стор.
Вступ …............................................................................................ | 4 | |
1 | Моделі рядів динаміки..........................................................………... | 4 |
2 | Автокореляція даних та залишків.................................................. | 8 |
2.1. Автокореляція даних …………………....………………………… | 9 | |
2.2. Автокореляція залишків …………………………………………..... | 10 | |
3 | Мультиколінеарність…………………................. ……………………… | 12 |
4 | Множинна регресія………………………………………………….….... | 16 |
5 | Рангова кореляція………………………………………………………… | 21 |
5.1. Випадок двох експертів……………………………………………… | 22 | |
5.2. Випадок багатьох експертів………………………………………….. | 23 | |
Література...................................................................................... | 26 |
ВСТУП
Економетрія – це наука, що вивчає кількісні закономірності і взаємозалежності економічних процесів і об’єктів за допомогою математико-статистичних методів і моделей.
Зростаючій інтерес до економетрії викликаний сучасним етапом розвитку економіки в країні, формуванням ринкових відносин. Економетрія має інструментарій, що дозволяє перейти від якісного рівня аналізу до рівня, що використовує кількісні статистичні значення досліджуваних величин. Вона розглядає не окремі часткові характеристики, а будується на комплексному дослідженні всього економічного процесу.
Економетрія є синтезною дисципліною; вона об’єднує в собі економічну теорію, математичну економіку, економічну і математичну статистику. Курс економетрії тісно пов’язаний із мікроекономікою, макроекономікою, фінансовим аналізом, забезпечуючи прикладні знання спеціалістів. В ній містяться методи дослідження взаємозв’язку економічних явищ, висуваються і перевіряються гіпотези про наявність кореляційних зв’язків між ознаками, кількісно оцінюється істотність взаємозв’язків, визначаються форми зв’язку і проводиться вибір рівнянь, оцінюється достовірність параметрів, будуються однофакторні і багатофакторні регресійні моделі, дається оцінка їхньої адекватності і надійності.
Особливе місце займає дослідження зв’язку в динамічних процесах шляхом побудови авторегресійних моделей і оцінки можливості використання їх у прогнозуванні. Без економетричних методів не можна побудувати скільки-небудь надійного прогнозу, а значить – під сумнівом і успіх у керуванні економічними процесами в бізнесі, банківській справі, фінансах.
МОДЕЛІ РЯДІВ ДИНАМІКИ
Однією з найважливіших задач дослідження економічних процесів є вивчення зміни економічних показників з часом (товарообігу, обсягу випуску продукції, продуктивності праці і т.д.). Ця задача вирішується за допомогою упорядкування й аналізу рядів динаміки.
Динамічним рядом називається послідовність результатів спостережень за явищем через рівні проміжки часу.
Вивчаючи ряди динаміки, прагнуть виявити основну, головну тенденцію в зміні показників ряду. Аналітичне моделювання рядів динаміки проводиться за допомогою найпростіших економіко-математичних моделей: лінійної, параболічної, гіперболічної, логарифмічної, показникової, степеневої та інших.
Приклад 1.
Проаналізувати показники реалізації борошняних виробів у державній торгівлі Донецької області за ряд років. Знайти рівняння лінійної, параболічної і гіперболічної залежностей. Перевірити адекватність отриманих економіко-математичних моделей, визначити найкращу модель.
Роки | 1991 | 1992 | 1993 | 1994 | 1995 | 1996 | 1997 | 1998 | 1999 | 2000 |
Реалізація виробів, тис.т | 12,1 | 12,9 | 13,7 | 13,9 | 14,5 | 15,1 | 15,7 | 16,1 | 16,6 | 17,1 |
Розв’язок. Дані таблиці показують, що реалізація продукції неухильно зростала, хоча відбувалося це нерівномірно. Очевидно, існує ряд чинників, під впливом яких змінюється величина реалізації. Деякі з чинників можуть діяти довгостроково, а інші – короткочасно; деякі можуть бути істотними, інші – випадковими.
Для вирівнювання показника реалізації борошняних виробів у державній торгівлі використовуємо такі функції: лінійну, параболічну і гіперболічну. Параметри обраних для моделювання функцій можна знаходити за допомогою методу найменших квадратів. На його основі для кожній із функцій формують спеціальну систему рівнянь Гаусса. Для вказаних функцій приведемо відповідні системи:
Лінійна - | (1) |
Параболічна - | (2) |
Гіперболічна - | (3) |
У кожній із систем (1)-(3) – результативний показник; – чинник часу; – кількість спостережень; – параметри моделей.
Відлік часового показника починають із 1. Складемо допоміжну розрахункову таблицю 1 і на її основі сформуємо системи Гаусса.
Таблиця 1 - Допоміжні розрахунки для формування систем Гаусса
х | у | x 2 | x 3 | x 4 | уx | yx 2 | 1/ x | 1/ x 2 | y / x |
1 | 12,1 | 1 | 1 | 1 | 12,1 | 12,1 | 1 | 1 | 12,1 |
2 | 12,9 | 4 | 8 | 16 | 25,8 | 51,6 | 0,5 | 0,25 | 6,45 |
3 | 13,7 | 9 | 27 | 81 | 41,1 | 123,3 | 0,333 | 0,111 | 4,5667 |
4 | 13,9 | 16 | 64 | 256 | 55,6 | 222,4 | 0,25 | 0,0625 | 3,475 |
5 | 14,5 | 25 | 125 | 625 | 72,5 | 362,5 | 0,2 | 0,04 | 2,9 |
6 | 15,1 | 36 | 216 | 1296 | 90,6 | 543,6 | 0,167 | 0,0278 | 2,5167 |
7 | 15,7 | 49 | 343 | 2401 | 109,9 | 769,3 | 0,1428 | 0,0204 | 2,2429 |
8 | 16,1 | 64 | 512 | 4096 | 128,8 | 1030,4 | 0,125 | 0,0156 | 2,0125 |
9 | 16,6 | 81 | 729 | 6561 | 149,4 | 1344,6 | 0,111 | 0,0123 | 1,844 |
10 | 17,1 | 100 | 1000 | 10000 | 171 | 1710 | 0,1 | 0,01 | 1,71 |
55 | 147,7 | 385 | 3025 | 25333 | 856,8 | 6169,8 | 2,9288 | 1,5496 | 39,8178 |
У останньому рядку таблиці 1 вказані суми всіх значень для кожного стовпця.
Складемо системи для трьох функцій і знайдемо відповідні рівняння.
Для визначення параметрів рівняння лінійної функції запишемо систему рівнянь (1) і знайдемо її розв’язок:
Таким чином, – лінійна модель.
Для визначення параметрів рівняння параболічної функції запишемо систему рівнянь (2) і знайдемо її розв’язок за допомогою методу Гаусса:
Таким чином, – параболічна модель.
Для визначення параметрів рівняння гіперболічної функції запишемо систему рівнянь (3) і знайдемо її розв’язок
Таким чином, – гіперболічна модель.
Адекватність економіко-математичної моделі може бути встановлена за допомогою середньої помилки апроксимації (середнього відсотку розбіжності теоретичних і фактичних значень):
, (4)
де – фактичні значення показника, – теоретичні значення, знайдені за рівнянням.
Для цього за кожним рівнянням знаходять теоретичні значення , підставляючи в них відповідні значення , і для кожного значення
розраховують , потім знаходять середнє значення .
При моделюванні економічних показників частіше усього припускається 5% похибка (іноді 7%, рідко 10%). Модель рахується адекватною (тобто придатною), якщо .
Вибір найкращої моделі можна проводити на основі залишкового середньоквадратичного відхилення (залишкової дисперсії):
, (5)
де – кількість параметрів у рівнянні.
Кращою буде та функція, для котрої значення менше.
Таблиця 2 - Розрахунки для лінійної функції
1 | 12,1 | 12,3458 | 0,2458 | 1,991 | 0,060418 |
2 | 12,9 | 12,8846 | 0,0154 | 0,1195 | 0,000237 |
3 | 13,7 | 13,4234 | 0,2766 | 2,0606 | 0,076508 |
4 | 13,9 | 13,9622 | 0,0622 | 0,4455 | 0,003869 |
5 | 14,5 | 14,501 | 0,001 | 0,0069 | 0,000006 |
6 | 15,1 | 15,0398 | 0,0602 | 0,4003 | 0,003624 |
7 | 15,7 | 15,5786 | 0,1214 | 0,7793 | 0,014738 |
8 | 16,1 | 16,1174 | 0,0174 | 0,1079 | 0,000303 |
9 | 16,6 | 16,6562 | 0,0562 | 0,3374 | 0,003158 |
10 | 17,1 | 17,195 | 0,095 | 0,5525 | 0,009025 |
6,8008 | 0,17188 |
З формул (4), (5) маємо: ; .
Таблиця 3 - Розрахунки для параболічної функції
1 | 12,1 | 12,2251 | 0,1251 | 1,023305 | 0,01565 |
2 | 12,9 | 12,8445 | 0,0555 | 0,432092 | 0,00308 |
3 | 13,7 | 13,4437 | 0,2563 | 1,906469 | 0,06569 |
4 | 13,9 | 14,0227 | 0,1227 | 0,87501 | 0,015055 |
5 | 14,5 | 14,5815 | 0,0815 | 0,558927 | 0,006642 |
6 | 15,1 | 15,1201 | 0,0201 | 0,132936 | 0,000404 |
7 | 15,7 | 15,6385 | 0,0615 | 0,39326 | 0,003782 |
8 | 16,1 | 16,1367 | 0,0367 | 0,227432 | 0,001347 |
9 | 16,6 | 16,6147 | 0,0147 | 0,088476 | 0,000216 |
10 | 17,1 | 17,0725 | 0,0275 | 0,161078 | 0,000756 |
5,798984 | 0,112623 |
З формул (4), (5) маємо: ; .
Таблиця 4 - Розрахунки для гіперболічної функції
1 | 12,1 | 11,251 | 0,8489 | 7,5450 | 0,7206 |
2 | 12,9 | 13,739 | 0,83905 | 6,1070 | 0,7040 |
3 | 13,7 | 14,568 | 0,868367 | 5,9606 | 0,7541 |
4 | 13,9 | 14,983 | 1,083025 | 7,2283 | 1,1729 |
5 | 14,5 | 15,232 | 0,73182 | 4,8045 | 0,5356 |
6 | 15,1 | 15,398 | 0,297683 | 1,9333 | 0,0886 |
7 | 15,7 | 15,517 | 0,183843 | 1,1848 | 0,0338 |
8 | 16,1 | 15,605 | 0,4945 | 3,1720 | 0,2450 |
9 | 16,6 | 15,674 | 0,9259 | 5,9070 | 0,8573 |
10 | 17,1 | 15,729 | 1,3706 | 8,71355 | 1,8785 |
52,556 | 6,9904 |
З формул (4), (5) маємо: . Оскільки ,
то ця модель адекватною не являється і рахувати для неї не треба.
Складемо зведену таблицю для статистичних оцінювальних характеристик:
Таблиця 5 - Статистичні оцінки для досліджуваних моделей
Вид функції | ||
Лінійна | 0,68 | 0,147 |
Парабола | 0,579 | 0,127 |
Гіпербола | 5,25 | – |
З порівняння середніх помилок апроксимації видно, що для гіперболічної функції вона виходить за 5% рівень, в лінійної моделі і параболічної ця характеристика не виходить за 5% рівень і приблизно однакова. Якщо оцінювати перевагу, то очевидно, що кращою є параболічна функція, оскільки у неї залишкове середньоквадратичне відхилення найменше.