Термин «динамический» характеризует каждый момент времени t в отдельности, а не весь период, для которого строится модель.
Модель является динамической, если в данный момент времени t она учитывает значение входящих в нее переменных, относящихся как к текущему, так и кпредыдущим моментам времени, то есть если эта модель отражает динамику исследуемых переменных в каждый момент времени. Например, на размер выручки от реализации или прибыль предприятия в текущем периоде могут оказывать влияние расходы на рекламу или проведение маркетинговых исследований, сделанные предприятием в предшествующие моменты времени.
ЛАГ – величина , характеризующая запаздывание в воздействии фактора на результат.
Временной лаг - это показатель, отражающий отставание или опережение во времени одного явления по сравнению с другим (например, время от момента вложения средств до получения отдачи).
Модели с распределенным лагом – модели, содержащие не только текущие, но и лаговые значения факторных (объясняющих, экзогенных) переменных.
|
|
Предположим, что максимальная величина лага конечна, тогда модель примет вид:
Модель говорит о том, что если в некоторый момент времени t происходит изменение независимой переменной х, то это изменение будет влиять на значение переменной у в течение l следующих моментов времени.
Коэффициент регрессии b0 при переменной хt характеризует среднее абсолютное изменение уt при изменении xt на 1 единицу своего измерения в некоторый фиксированный момент времени t, без учета воздействия лаговых значений фактора х. Этот коэффициент называют краткосрочным мультипликатором.
В момент (t + 1) совокупное воздействие факторной переменной xt на результат уt составит (b0 + b1) усл.ед.; в момент (t + 2) это воздействие можно охарактеризовать суммой (b0 + b1 + b2) и т.д. Полученные таким образом суммы называют промежуточными мультипликаторами.
С учетом конечной величины лага (для максимального лага) можно сказать, что изменение переменой xt в момент времени t на 1 условную единицу приведет к общему изменению результата через l моментов времени на (b0 + b1 +…+ bl) абсолютных единиц.
Если ввести обозначение: b0 + b1 +…+ bl = b, то величина b – долгосрочный мультипликатор. Он показывает абсолютное изменение в долгосрочном периоде (t + l) результата у под влиянием изменения на 1 единицу фактора х.
Вклад отдельного лага или относительные коэффициенты модели с распределенным лагом определяется по формуле:
,
где bj – коэффициенты при переменных;
b – долгосрочный мультипликатор.
При этом всегда выполняется свойство: .
Кроме того, wj являются весами соответствующих коэффициентов bj. Каждый из них измеряет долю общего изменения результативного признака в момент времени (t + j).
|
|
Зная величины wj, с помощью стандартных формул можно определить еще одну важную характеристику модели с распределенным лагом – величину среднего лага.
Средний лаг модели представляет собой средний период, в течение которого будет происходить изменение результата под воздействием фактора в момент времени t:
То есть он позволяет измерить скорость реакции у на изменение х.
Малые значения среднего лага соответствуют относительно быстрой реакции результата у на изменение фактора х. Высокие значения говорят о том, что воздействие фактора х на результат у замедленно, т.е. будет сказываться в течение длительного периода времени.
Образец решения задачи контрольной работы:
Для модели Yt = 15 + 2xt+ 4xt-1 + 5xt-2 определите краткосрочный, промежуточный и долгосрочный мультипликаторы, вклад каждого лага, средний лаг модели.
Решение.
Краткосрочный мультипликатор – это коэффициент при xt, он равен 2.Следовательно, увеличение факторного показателя на одну единицу своего измерения приведет к среднему росту результативного показателя на 2 единицы своего измерения в том же периоде.
В модели один промежуточный мультипликатор, его можно найти как 2 + 4 = 6. Следовательно, увеличение факторного показателя на одну единицу своего измерения приведет к среднему росту результативного показателя на 6 единиц своего измерения в момент времени t+1.
Долгосрочный мультипликатор равен 2 + 4 + 5 = 11. В долгосрочной перспективе увеличение факторного показателя на одну единицу своего измерения приведет к среднему росту результативного показателя на 11 единиц своего измерения.
Вклад каждого лага в модель равен:
W1 = 2/11 = 0,18;
W2 = 4/11 = 0,36;
W3 = 5/11 = 0,45.
Следовательно, 18% общего увеличения результативного показателя происходит в текущем моменте времени; 36% - в момент времени (t+1); 45% - в момент времени (t+2).
Проверим свойство
W1 + W2 + W3 = 0,18 + 0,36 + 0,45 ≈ 1.
Средний лаг модели равен:
Большая величина лага (более 1 мес.) подтверждает, что большая часть эффекта роста результативного признака проявляется в течение длительного периода времени.
Тема 8. Цепи Маркова
Граф– это диаграмма состояний, узлы (обозначенные кружочками) которого представляют состояния, а направленные стрелочки, помеченные именами соответствующих событий, – переходы. Часто на графе состояний против каждой стрелки проставляют соответствующие вероятности перехода. Диаграмма состояний позволяет получить последовательность состояний по заданной последовательности событий.
Начальным распределением вероятностей марковской цепи называется распределение вероятностей состояний в начале процесса:
Р1(0), Р2(0),…,Рi(0), …,Pn(0).
Предположим, что они равны 1.
Полным описанием однородной марковской цепи служит матрица переходных вероятностей:
где Pij – вероятность перехода за один шаг из состояния Аi в состояние Аj, Pii – вероятность задержки системы в состоянии Аi.
Вероятности состояния системы Pi(k) (i= ; j= ) будут определяться по рекуррентной формуле:
Pi(k)= (i= ; j= )
Для примера распишем эту формулу, предположив, что у нас три состояния А1, А2 и А3. Определим вероятности состояния Pi(k) после первого шага (после первого года):
P1(1)=P1(0)×P11 + P2(0)×P21 + P3(0)×P31;
P2(1)=P1(0)×P12 + P2(0)×P22 + P3(0)×P32;
P3(1)=P1(0)×P13 + P2(0)×P23 + P3(0)×P33.
И определим вероятности состояний после второго шага (после второго года):
P1(2)=P1(1)×P11 + P2(1)×P21 + P3(1)×P31;
P2(2)=P1(1)×P12 + P2(1)×P22 + P3(1)×P32;
P3(2)=P1(1)×P13 + P2(1)×P23 + P3(1)×P33.
И т.д. до n -го шага.
Образец решения задачи контрольной работы:
В торгово-розничную сеть поступило 3 вида взаимозаменяемой продукции разных производителей А1, А2, А3. Предположим, что покупатели приобретают только один из них. Пусть в среднем они стремятся поменять его не более одного раза в год, и вероятности таких изменений постоянны. Результаты маркетинговых исследований покупательского спроса на продукцию дали следующее процентное соотношение:
|
|
Х1 % покупателей продукции А1 переходят на А2,
Х2 % покупателей продукции А2 переходят на А3,
Х3 % покупателей продукции А3 переходят на А1,(где Х1 = 70,7, Х2 = 2,6, Х3 = 53).
Требуется:
1. Построить граф состояний.
2. Составить матрицу переходных вероятностей для средних годовых изменений.
3. Предположить, что общее число покупателей постоянно, и определить, какая доля из их числа будет покупать продукцию А1, А2 и А3 через 2 года.
4. Определить какая продукция будет пользоваться наибольшим спросом.
Решение
Построим граф состояний (рис. 8.1). Для этого значения Х1, Х2, Х3 необходимо перевести в доли. Стрелками обозначим переходы из одного состояния в другое.
А1 |
0,53 |
0,707 |
А2 |
А3 |
0,026 |
Рис. 8.1. Граф состояний системы А с заданными вероятностями перехода
Составим матрицу переходных вероятностей:
= = .
Зададим вектор начальных вероятностей:
P(0)= ,
т.е. P1(0)=1, P2(0)=1 и P3(0)=1.
Определим вероятности состояния Pi(k) после первого шага (после первого года):
P1(1)=P1(0)×P11 + P2(0)×P21 + P3(0)×P31=1×0,293+1×0+1×0,53=
=0,823;
P2(1)=P1(0)×P12 + P2(0)×P22 + P3(0)×P32=1×0,707+1×0,974+1×0=
=1,681;
P3(1)=P1(0)×P13 + P2(0)×P23 + P3(0)×P33=1×0+1×0,026+1×0,47=
=0,496.
Определим вероятности состояний после второго шага (после второго года):
P1(2)=P1(1)×P11 + P2(1)×P21 + P3(1)×P31=
=0,823×0,293+1,681×0+0,496×0,53=0,241+0+0,263=0,504;
P2(2)=P1(1)×P12 +P2(1)×P22 + P3(1)×P32=
=0,823×0,707+1,681×0,974+0,496×0=0,582+1,637+0=2,219;
P3(2)=P1(1)×P13 + P2(1)×P23 + P3(1)×P33=
0,823×0+1,681×0,026+0,496×0,47=0+0,044+0,233=0,277.
Можно сделать вывод, что через 2 года только 50% покупателей будут покупать продукцию А1, около 28% покупателей – А3, и число покупателей продукции А2 увеличится в 2,2 раза.
Следовательно, продукция А2 будет пользоваться наибольшим спросом.
|
|