- •Таблица 5
- •Решение с помощью Excel.
- •Таблица 6
- •Таблица 18
- •Решение с помощью Excel.
- •Таблица 25
- •Таблица 26
- •1. Критерий Дарбина – Уотсона
- •2. Коэффициент автокорреляции
- •Таблица 33
- •Решение табличного процессора Excel.
- •Таблица 40
- •Тогда
- •2) прогноз показателя
- •Таблица 47
- •1. Многофакторная регрессионная модель с адаптивным механизмом в виде рекуррентных формул:
- •Решение с помощью Excel
- •3. Адаптивная корректировка коэффициентов регрессии
- •3.1. Вычисление прогнозной оценки
- •3.2. Расчет
- •3.4. Получение корректирующего вектора
- •3.5. Расчет прогнозной ошибки для вновь поступившего наблюдения
- •Таблица 49
- •6.1 Вычисление вектора оценок коэффициентов
- •6.2 Получение прогнозной оценки на 2003 г.
- •Таблица 50
- •Таблица 51
- •Таблица 52
- •Адаптивная авторегрессионная модель
- •3. Заполнение пропуска средним значением
- •5. Восстановление зависимой переменной с помощью МНК
- •Таблица 66
- •Решение с помощью Excel
2.11. Уточнение параметра θ = 0,90 с шагом 0,01 и проведение всех расчетов п. 2.1-2.9. Оформление промежуточных результатов в виде табл. 39.
|
|
|
|
|
|
Таблица 39 |
|
|
|
|
|
|
|
|
|
θ |
0,91 |
0,92 |
0,93 |
0,94 |
0,95 |
0,96 |
|
∑(yt − yˆt ) |
25082,25 |
25048,00 |
25615,18 |
26830,12 |
28740,29 |
31393,99 |
|
Таким образом, оптимальным параметром является θ* = 0,92.
3. Построение прогнозной модели с использованием оптимального параметра θ* =0,92 пут м последовательного выполнения шагов 2.2 - 2.6 для t = 1;26.
В результате получится модель, которая записывается в виде: |
|
yˆt = 358,93+ 0,96yt−1 −θεt + εt . |
(6.10) |
4. Расч т по построенной модели прогнозных оценок потребления яблок на два года
yˆn+1 = 358,93+ 0,96×7730− 0,92×(−133,57) = 7900,08; |
(6.11) |
yˆn+2 = 358,93+ 0,96×7730 = 7940,82. |
(6.12) |
Задания для самостоятельной работы
Задание 2. Предприниматель, занимающийся продажей цитрусовых в Воронеже, заинтересован в получении прогнозных отчетов о продажах лимонов и апельсинов в ближайшие два месяца. С этой целью он основал опытных эко- номистов-аналитиков, которые задавали такой вопрос, рекомендовал построить модель ARIMA (p, G, 0), убедившись, что ранее в стационарности этой серии было 95% значимости (P, G, 0) для определения правил изучаемого процесса) и авторегрессии, а затем использовать модель, построенную для проведения необходимых прогнозных расчетов.
Таблица 40
Ме- |
Объ м |
Объ м |
Ме- |
Объ м |
Объ м |
сяц |
продаж, |
продаж, |
сяц |
продаж, |
продаж, |
|
лимо- |
апельси- |
|
лимонов, |
апельси- |
|
нов, |
нов, |
|
руб. |
нов, |
|
руб. |
руб. |
|
|
руб. |
1 |
8800 |
58000 |
9 |
14800 |
77800 |
2 |
10300 |
62100 |
10 |
15900 |
78300 |
3 |
10500 |
66500 |
11 |
16200 |
78900 |
61
|
|
|
|
|
Окончание табл. 40 |
|
|
|
|
|
|
|
|
4 |
11800 |
69700 |
12 |
17100 |
79200 |
|
5 |
11600 |
70700 |
13 |
16800 |
79600 |
|
6 |
12700 |
73800 |
14 |
17300 |
80200 |
|
7 |
14000 |
74200 |
15 |
17800 |
81300 |
|
8 |
15200 |
76900 |
16 |
18100 |
84400 |
|
|
7. МОДЕЛЬ ДИНАМИЧЕСКОЙ РЕГРЕССИИ |
|||||
|
В СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ПРОЦЕССАХ |
|||||
Расчетные формулы |
|
|
|
|
||
Пусть модель записывается следующим образом: |
|
|
||||
|
|
yt = b0(t) + b1(t)xt1 + b2(t)xt2 +...+ bm(t)xtm , (7.1) |
и е коэффициенты являются, например, функциями вида:
b0(t) = (b00 + b01t)
|
|
|
|
b |
(t) = b |
+ b t |
+ b t2 |
|
|
|
||||||
|
|
|
|
1 |
|
|
10 |
11 |
|
12 |
|
|
|
|||
|
|
|
|
b2(t) = b20 + b21 lnt |
|
|
|
|
||||||||
|
|
|
|
.............................. |
|
|
|
|
||||||||
|
|
|
|
b |
|
(t) |
= b |
+ |
bm1 |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
||||||
Тогда |
|
|
|
m |
|
|
m0 |
|
t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+ b t2x |
|
|
|||
y |
= b |
+ b t + b x |
+ b tx |
|
|
+ |
||||||||||
t |
|
00 |
01 |
|
|
10 |
t1 |
|
11 t1 |
|
12 |
t1 |
|
|||
+ b |
x |
+ b |
lntx |
+...+ b |
x |
+ b |
xtm |
|||||||||
|
||||||||||||||||
|
20 |
t2 |
21 |
|
|
t2 |
|
|
|
m0 |
|
tm |
|
m1 t |
После применения МНК прогноз осуществляется в два этапа: 1) прогноз коэффициентов
bˆ0(t +1) = bˆ00 + bˆ01(t +1)
bˆ1(t +1) = bˆ10 + bˆ11(t +1) + bˆ12(t +1)2 b2(t) = b20 +b21 ln(t +1)
......................................
bˆm(t +1) = bˆm0 + tbˆ+m11
2) прогноз показателя
yˆt +1 = bˆ0 (t +1) + bˆ1(t +1)xt +11 + bˆ2 (t +1)xt +12 + ...
+ bˆm (t +1)xt +1m
(7.2)
(7.3)
(7.4)
(7.5)
Решение типовой задачи
Здание 1. С целью изучения и прогнозирования спроса на платные услуги в сфере высшего образования, экономического образования Воронежским областным комитетом во время учебы в областной администрации провели обследование трех ведущих государственных вузов: Воронежского государственного технического университета (ВГТУ), Воронежской государственной техно-
62
логической академии (ВГТА) и Воронежского государственного педагогического университета (ВГПУ). Результаты были представлены на основе Договора, по которому абитуриенты желают прочитать количество зависимостей, характеризующих исследование, и ряда факторов (табл. 41). Руководитель аналитического отдела выдал следующее задание:
1)составить модель данной зависимости;
2)в каждый момент времени вычислить факторы, влияющих на число абитуриентов экономического факультета;
3)зная, что среднедушевой годовой доход населения Воронежской области в следующем периоде составит 265 тыс. руб. получим прогноз оценки числа абитуриентов:
а) ВГТУ, если цена обучения составит 27 тысяч рублей в год, а процент устроившихся по специальности выпускников будет равен 52%;
б) ВГТА, если цена обучения составит 19 тысяч рублей в год, процент устроившихся на выпускника по специальности будет равен 43%;
в) ВГПУ, если цена обучения составит 18,5 тыс. рублей в год, процент устроившихся на специальность выпускника будет равен 40%;
Аналитики начали выполнять задания. Изучение и доступная информация позволили им сделать такой вывод, что количество зависимостей от абитуриентов было представлено факторами из табл. 41.Можно считать линию с разным коэффициентом зависимости от времени. Также было установлено, что законы, которые изменяют коэффициенты рекомендуется использовать следующим образом:
b0 (t) = b00 + b01t b1(t) = b10 + b11t
1 |
(7.6) |
|
b2 (t) = b20 + b21 t |
||
|
b0 (t) = b30 + b31t
Требуется продолжить работу, начатую аналитиками, и выполнить все задания, порученные Комитетом по образованию.
|
|
|
|
|
Таблица 41 |
|
|
|
|
|
|
|
|
ВУЗ |
Пе- |
Числен- |
Стоимость |
Процент вы- |
Среднедуше- |
|
|
риод |
ность |
обучения в |
пускников, |
вой годовой |
|
|
|
аби- |
год., руб. |
устроившихся |
доход, руб. |
|
|
|
туриен- |
|
на работу |
|
|
|
|
тов |
|
по специаль- |
|
|
|
|
|
|
ности |
|
|
ВГТУ |
1 |
261 |
12000 |
91 |
8000 |
|
ВГТА |
1 |
227 |
6000 |
87 |
8000 |
|
ВГПУ |
1 |
223 |
6500 |
85 |
8000 |
|
63
|
|
|
|
|
Окончание табл. 41 |
||
|
|
|
|
|
|
|
|
ВУЗ |
Пе- |
Числен- |
Стоимость |
Процент вы- |
|
Среднедуше- |
|
|
риод |
ность |
обучения в |
пускников, |
|
вой годовой |
|
|
|
абитури- |
год., руб. |
устроившихся |
|
доход, руб. |
|
|
|
ентов |
|
на работу |
|
|
|
|
|
|
|
по специаль- |
|
|
|
|
|
|
|
ности |
|
|
|
ВГТУ |
2 |
287 |
14000 |
80 |
|
12000 |
|
ВГТА |
2 |
220 |
9000 |
64 |
|
12000 |
|
ВГТУ |
3 |
284 |
15000 |
71 |
|
14000 |
|
ВГТУ |
4 |
286 |
16500 |
66 |
|
16000 |
|
ВГТА |
4 |
223 |
12500 |
51 |
|
16000 |
|
ВГПУ |
4 |
252 |
12000 |
61 |
|
16000 |
|
ВГТУ |
5 |
285 |
16500 |
62 |
|
18000 |
|
ВГТА |
5 |
216 |
14000 |
46 |
|
18000 |
|
ВГТУ |
6 |
288 |
18000 |
59 |
|
22000 |
|
ВГЕА |
6 |
225 |
14500 |
45 |
|
22000 |
|
ВГПУ |
6 |
223 |
14000 |
47 |
|
22000 |
|
ВГТУ |
7 |
297 |
19200 |
57 |
|
30000 |
|
ВГПУ |
8 |
233 |
16000 |
43 |
|
35000 |
|
ВГТУ |
9 |
321 |
22000 |
56 |
|
40000 |
|
ВГТА |
9 |
236 |
15000 |
42 |
|
40000 |
|
ВГТУ |
10 |
344 |
25000 |
55 |
|
60000 |
|
ВГТА |
10 |
252 |
17000 |
44 |
|
60000 |
|
ВГПУ |
10 |
247 |
18000 |
41 |
|
60000 |
|
Решение с помощью Excel
1.Ввод исходных данных.
2.Подготовка данных для построения динамической регрессионной моделей и оформление их в табл. 42.
y |
= b |
+ b t(b |
+ b t)x |
+ (b |
|
+ b 1)x |
+ |
|
|
|
||||||
t |
|
00 |
01 10 |
11 1t |
|
20 |
|
21 t |
2t |
|
|
|
|
(7.7) |
||
+ (b |
bt |
)x |
= b |
+ b t + b |
x |
+ b tx |
+ b |
|
x |
2t |
+ |
|||||
|
30 |
31 |
3t |
00 |
01 |
10 |
1t |
|
11 |
1t |
20 |
|
|
|
+b21 xt2t + (lnb30 )x3t + (lnb31)tx3t
3.Построение с помощью «Пакета анализа» Excel (Сервис – Анализ данных – Регрессия) регрессионного уравнения (7.6) по данным табл. 42 (см. вывод итогов в табл. 41).
Построенная модель выглядит следующим образом:
yt = 5,0216 +1,7880t + 0,0034x1t + 0,0003tx1t + |
(7.8) |
|||||
+ 3,5767x |
−1,1272 |
x2t |
− 0,0007x |
+ 0,00003tx |
||
|
||||||
|
|
|||||
2t |
|
t |
3t |
3t |
|
|
|
|
|
|
|
64
Таблица 42
y |
t |
x1 |
tx2 |
x2 |
|
x2 |
|
x |
tx |
|
|
|
|
|
|
t |
3 |
3 |
|
|
|
|
|
|
|
|
|
||
261 |
1 |
12000 |
12000 |
91 |
91,0 |
8000 |
8000 |
||
227 |
1 |
6000 |
6000 |
87 |
87,0 |
8000 |
8000 |
||
223 |
1 |
6500 |
6500 |
85 |
85,0 |
8000 |
8000 |
||
287 |
2 |
14000 |
28000 |
80 |
40,0 |
12000 |
24000 |
||
220 |
2 |
9000 |
18000 |
64 |
32,0 |
12000 |
24000 |
||
284 |
3 |
15000 |
45000 |
71 |
23,7 |
14000 |
42000 |
||
286 |
4 |
16500 |
66000 |
66 |
16,5 |
16000 |
64000 |
||
223 |
4 |
12500 |
50000 |
51 |
12,8 |
16000 |
64000 |
||
252 |
4 |
12000 |
48000 |
61 |
15,3 |
16000 |
64000 |
||
285 |
5 |
16500 |
82500 |
62 |
12,4 |
18000 |
90000 |
||
216 |
5 |
14000 |
70000 |
46 |
9,2 |
18000 |
90000 |
||
288 |
6 |
18000 |
108000 |
59 |
9,8 |
22000 |
132000 |
||
225 |
6 |
14500 |
87000 |
45 |
7,5 |
22000 |
132000 |
||
223 |
6 |
14000 |
84000 |
47 |
7,8 |
22000 |
132000 |
||
297 |
7 |
19200 |
134400 |
57 |
8,1 |
30000 |
210000 |
||
233 |
8 |
16000 |
128000 |
43 |
5,4 |
35000 |
280000 |
||
321 |
9 |
22000 |
198000 |
56 |
6,2 |
40000 |
360000 |
||
236 |
9 |
15000 |
135000 |
42 |
4,7 |
40000 |
360000 |
||
344 |
10 |
25000 |
250000 |
55 |
5,5 |
60000 |
600000 |
||
252 |
10 |
17000 |
170000 |
44 |
4,4 |
60000 |
600000 |
||
247 |
10 |
18000 |
180000 |
41 |
4,1 |
60000 |
600000 |
4. Сравнение t0,95(12) = 2,179 с расч тными значениями t-статистик Стьюдента свидетельствует о том, что значимыми факторами являются x1,tx1, xt2 , не-
значимыми – t, x3 и tx3 .
5. Построение динамической регрессионной модели с помощью «Пакета анализа» после исключения из не незначимые факторы (см. вывод итогов табл. 43).
Таким образом, построенная модель имеет вид
y |
= 3,653+ 0,0037x |
+ 0,0003tx |
+ 3,475x |
2 |
−1,112 |
x2 |
(7.9) |
|
|||||||
t |
1 |
1 |
|
|
t |
|
|
|
|
|
|
|
|
|
или после перегруппировки
y |
= 3,653+ (0,0037 |
+ 0,0003t)x |
+ (3,475 |
−1,112 |
1)x |
|
. |
(7.10) |
t |
|
1 |
|
|
t |
2 |
|
|
65
Таблица 43
Регрессионная
статистика
Множествен- |
|
|
|
|
|
|
ный |
|
|
|
|
|
|
R |
0,99826 |
|
|
|
|
|
R-квадрат |
0,996524 |
|
|
|
|
|
Нормирован- |
|
|
|
|
|
|
ный |
|
|
|
|
|
|
R-квадрат |
0,994652 |
|
|
|
|
|
Стандартная |
|
|
|
|
|
|
ошибка |
2,689534 |
|
|
|
|
|
Наблюдения |
21 |
|
|
|
|
|
Дисперсион- |
|
|
|
|
|
|
ный анализ |
|
|
|
|
|
|
|
|
|
|
|
Значи- |
|
|
Df |
SS |
MS |
F |
мость |
|
|
|
|
|
|
F |
|
Регрессия |
7 |
26959,10612 |
3851,301 |
532,4186 |
6,02E-15 |
|
Остаток |
13 |
94,03674198 |
7,233596 |
|
|
|
Итого |
20 |
27053,14286 |
|
|
|
|
|
Коэффициен- |
Стандарт- |
t- стати- |
|
Нижние |
Верхние |
|
ты |
ная ошибка |
стика |
P-Значение |
95% |
95% |
Y-пересечение |
-5,0216 |
16,65590855 |
-0,30149 |
0,767809 |
-41,0045 |
30,96129 |
Переменная X 1 |
1,788055 |
1,503271982 |
1,189442 |
0,255537 |
-1,45957 |
5,035676 |
Переменная X 2 |
0,003444 |
0,000538584 |
6,394027 |
2,37E-05 |
0,00228 |
0,004607 |
Переменная X 3 |
0,000299 |
6,34748E-0,5 |
4,706436 |
0,00041 |
0,000162 |
0,000436 |
Переменная X 4 |
3,576712 |
0,176262746 |
20,29194 |
3,16E-11 |
3,19592 |
3,957505 |
Переменная X 5 |
-1,1272 |
0,09958867 |
-11,3186 |
4,2E-08 |
-1,34235 |
-0,91205 |
Переменная X 6 |
-0,00068 |
0,001249573 |
-0,54769 |
0,593187 |
-0,00338 |
0,002015 |
Переменная X 7 |
3,17E-0,5 |
0,000100821 |
0,314427 |
0,758186 |
-0,00019 |
0,00025 |
Таблица 44
Регрессионная
статистика
Множествен- |
|
ный |
|
R |
0,99762088 |
R-квадрат |
0,99524742 |
Нормирован- |
|
ный |
|
R-квадрат |
0,994059275 |
Стандартная |
|
ошибка |
2,834742258 |
Наблюдения |
21 |
Дисперсион-
ный анализ
|
|
|
|
Значи- |
df |
SS |
MS |
F |
мость |
66
|
|
|
|
Окончание табл. 44 |
||
|
|
|
|
|
F |
|
Регрессия |
7 |
26924,57064 |
6731,14266 |
837,6481608 2,33E-18 |
|
|
Остаток |
16 |
128,5722187 |
8,035763671 |
|
|
|
Итого |
20 |
27053,14286 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t- |
|
Ниж- |
|
|
Коэффициен- |
Стандарт- |
статисти- |
|
ние |
Верхние |
|
ты |
ная ошибка |
ка |
P-Значение |
95% |
95% |
Y-пересечение |
-3,653044686 |
5,065096819 |
-0,72121912 |
0,481181431 -14,3906 |
7,084478 |
|
Переменная X 1 |
0,003768085 |
0,000516869 |
7,290217261 |
1,81131E-06 0,002672 0,004864 |
||
Переменная X 2 |
0,000271616 |
3,13494E-05 |
8,664131073 |
1,94136E-07 |
0,000205 |
0,000338 |
Переменная X 3 |
3,474607474 |
0,150645847 |
23,06474128 |
1,05109E-13 |
3,155253 |
3,793962 |
Переменная X 4 |
-1,112048075 |
0,086487664 |
-12,85788082 |
7,51877E-10 |
-1,29539 |
-0,9287 |
6. Расч т для каждого момента времени значения коэффициентов, стоящих при xit . Оформление результатов расч тов в виде табл. 45.
Таблица 45
t |
b1(t) |
b2 (t) |
t |
b1(t) |
b2 (t) |
1 |
0,0040 |
2,3626 |
5 |
0,0051 |
3,2522 |
1 |
0,0040 |
2,3626 |
6 |
0,0054 |
3,2893 |
1 |
0,0040 |
2,3626 |
6 |
0,0054 |
3,2893 |
2 |
0,0043 |
2,9186 |
6 |
0,0054 |
3,2893 |
2 |
0,0043 |
2,9186 |
7 |
0,0057 |
3,3157 |
3 |
0,0046 |
3,1039 |
8 |
0,0059 |
3,3356 |
4 |
0,0049 |
3,1966 |
9 |
0,0062 |
3,3510 |
4 |
0,0049 |
3,1966 |
9 |
0,0062 |
3,3510 |
4 |
0,0049 |
3,1966 |
10 |
0,0065 |
3,3634 |
5 |
0,0051 |
3,2522 |
10 |
0,0065 |
3,3634 |
|
|
|
10 |
0,0065 |
3,3634 |
График анализа данных табл. 45 показывает, что со временем возрастает стоимость обучения и степень влияния выпускников на количество абитуриентов, устроившихся на работу по специальности. Однако последствия этого роста интерпретируются по-разному. Первый динамичный эффект, рост престижа профессии экономиста объясняется повышением стоимости обучения. В то же время, В то же время, другой эффект показывает, что сокращение числа выпускников, обучающихся по специальности, приводит к стабилизации степени влияния этого фактора на престиж профессии экономиста. Другими словами, в перспективный период следует ожидать роста престижа экономической про-
67
фессии, роста расходов на образование, а также пропорциональности количества выпускников, получающих работу по специальности.
7. Расчет прогнозных оценок количества заявителей. а) ВГТУ:
Y |
= −3,653+ 0,0037×27000+ 0,0003× |
|
(7.11) |
||
t+1 |
|
|
|
|
|
|
|
|
|
|
|
×297000+3,475×52−1,112×4,73= 354 |
|
|
|||
б) ВГТА: |
|
|
|
|
|
Y |
|
= −3,653+ 0,0037×19000+ 0,0003× |
(7.12) |
||
t+1 |
|
|
|
||
|
|
|
|
||
×209000+3,475×43−1,112×3,91= 270 |
|
||||
в) ВГПУ: |
|
|
|
|
|
Y |
|
|
= −3,653+ 0,0037×18500+ 0,0003 |
× |
(7.13) |
t |
+1 |
|
|
||
|
|
|
×203500+3,475×40−1,112×3,64 = 256
Задания для самостоятельной работы
Задание 1. ОАО "Факел" провел инвентаризацию некоторых машин станка. В результате инвентаризации были получены данные, отражающие предполагаемую стоимость машин от его вместимости, срока службы и сколько раз ремонтировался автомобиль (табл. 46).
|
|
|
|
|
Таблица 46 |
||
|
|
|
|
|
|
|
|
№ |
Оценочная |
|
Срок |
Количество |
Мощность |
|
|
п.п. |
стоимость |
|
эксплуатации |
провед нных |
станков, |
||
|
станков, руб. |
|
станков, лет |
ремонтных работ |
тыс. шт. за |
||
|
|
|
|
|
смену |
||
1. |
220 |
1 |
|
0 |
36 |
|
|
2. |
212 |
1 |
|
1 |
30 |
|
|
3. |
225 |
1 |
|
0 |
40 |
|
|
4. |
200 |
2 |
|
1 |
25 |
|
|
5. |
210 |
2 |
|
1 |
30 |
|
|
6. |
205 |
2 |
|
1 |
27 |
|
|
7. |
199 |
2 |
|
2 |
25 |
|
|
8. |
203 |
2 |
|
1 |
27 |
|
|
9. |
196 |
3 |
|
2 |
20 |
|
|
10. |
190 |
3 |
|
3 |
18 |
|
|
11. |
195 |
3 |
|
2 |
18 |
|
|
12. |
184 |
4 |
|
5 |
15 |
|
|
14. |
187 |
4 |
|
4 |
16 |
|
|
15. |
175 |
5 |
|
5 |
10 |
|
|
16. |
180 |
6 |
|
5 |
12 |
|
|
68