КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Экономико-математическое моделирование
Математическое моделирование экономических явлений и процессов является важным инструментом экономического анализа. Модель – условный образ объекта управления, она конструируется субъектом управления так, чтобы отобразить характеристики объекта – свойства, взаимосвязи, структурные и функциональные параметры, существенные для цели управления. Содержание метода моделирования составляют конструирование модели на основе предварительного изучения объекта и выделения его существенных характеристик, экспериментальный или теоретический анализ модели, сопоставление результатов с данными об объекте, корректировка модели. В экономическом анализе используются математические модели, описывающие изучаемое явление или процесс с помощью уравнений, неравенств, функций и других математических средств. Различают математические модели с количественными характеристиками, записанными в виде формул; числовые модели с конкретными числовыми характеристиками; логические, записанные с помощью логических выражений, и графические, выраженные в графических образах. Экономико-математическая модель должна быть адекватна действительности, отражать существенные стороны и связи изучаемого объекта. Процесс моделирования можно условно подразделить на три этапа: § анализ теоретических закономерностей, свойственных изучаемому явлению или процессу, и эмпирических данных о его структуре и особенностях; § определение методов, с помощью которых можно решить задачу; § анализ полученных результатов. Важным моментом первого этапа моделирования является четкая формулировка конечной цели построения модели, а также определение критерия, по которому будут сравниваться различные варианты решения. Такими критериями могут быть: наибольшая прибыль, наименьшие издержки производства, максимальная загрузка оборудования, производительность труда и др. В задачах математического программирования такой критерий отражается целевой функцией.
Например, необходимо проанализировать производственную программу выработки продукции с целью выявления резервов повышения прибыли от воздействия структурного сдвига в ассортименте. Критерием оптимальности в данном случае при построении экономико-математической модели выступает максимум прибыли. Уравнение целевой функции будет иметь вид: где xj – количество производимой продукции j -го вида; pj – прибыль, получаемая от производства единицы продукции j -го вида. При постановке задач математического программирования обычно предполагается ограниченность ресурсов, которые необходимо распределить на производство продукции. Поэтому важно определить, какие ресурсы являются для изучаемого процесса решающими и в то же время лимитирующими, каков их запас. Если все виды производственных ресурсов, к которым относятся сырье, трудовые ресурсы, мощность оборудования и др., используются для выпуска продукции, то необходимо знать расход каждого вида ресурса на единицу продукции. Все ограничения, отражающие экономический процесс, должны быть непротиворечивыми, т.е. должно существовать хотя бы одно решение задачи, удовлетворяющее всем ограничениям. В качестве ограничений при построении экономико-математической модели выступает система неравенств, имеющая следующий вид: где aij – норма расхода i -го производственного ресурса на производство единицы j -го вида продукции; ω i – запасы i -го вида производственного ресурса на рассматриваемый период времени. Объединяя уравнение целевой функции и систему ограничений в единую модель, получим линейную экономико-математическую модель ассортиментной задачи:
Не для всякой экономической задачи нужна собственная модель. Некоторые процессы с математической точки зрения однотипны и могут описываться одинаковыми моделями. Например, в линейном программировании, теории массового обслуживания и других существуют типовые модели, к которым приводится множество конкретных задач. Вторым этапом моделирования является выбор наиболее рационального математического метода для решения задачи. Лучшей моделью является не самая сложная и самая похожая на реальное явление или процесс, а та, которая позволяет получить самое рациональное решение и наиболее точные экономические оценки. Третьим этапом моделирования является всесторонний анализ результата, полученного при изучении экономического явления или процесса. Окончательным критерием достоверности и качества модели являются практика, соответствие полученных результатов и выводов реальным условиям производства, экономическая содержательность полученных оценок. В случае несоответствия полученных результатов реалиям необходимо проводить экономический анализ причин несоответствия, к которым могут быть отнесены недостаточная достоверность информации, а также несоответствие используемых математических средств и особенностям изучаемого объекта. После того как причина определена, в модель должны быть внесены соответствующие коррективы и решение задачи повторяется. Моделирование факторной системы основывается на следующих экономических критериях выделения факторов как элементов факторной системы: причинности, достаточной специфичности, самостоятельности существования, учетной возможности. В детерминированном моделировании факторных систем можно выделить небольшое число типов конечных факторных систем, наиболее часто встречающихся в анализе хозяйственной деятельности: § аддитивные модели: § мультипликативные модели: § кратные модели: где у – результативный показатель (исходная факторная система); хi – факторы (факторные показатели).
Применительно к классу детерминированных факторных систем различают следующие основные приемы моделирования:
1. Метод удлинения факторной системы. Исходная факторная система Если а представить в виде суммы отдельных слагаемых-факторов то – конечная факторная система вида 2. Метод расширения факторной системы. Исходная факторная система Если и числитель, и знаменатель дроби «расширить» умножением на одно и то же число, то получим новую факторную систему: т.е. мультипликативную модель вида 3. Метод сокращения факторной системы. Исходная факторная система Если и числитель, и знаменатель дроби разделить на одно и то же число, то получим новую факторную систему: В данном случае имеем конечную факторную систему вида Сложный процесс формирования уровня изучаемого показателя хозяйственной деятельности может быть разложен различными приемами на составляющие и представлен в виде модели детерминированной факторной системы. Детерминированное моделирование факторных систем – это простое и эффективное средство формализации связи экономических показателей: оно служит основой для количественной оценки роли отдельных факторов в динамике изменения обобщающего показателя. Размах количественных изменений экономических показателей можно выяснить только методами стохастического моделирования массовых эмпирических данных. Необходимость включения математико-статистических методов в методику анализа хозяйственной деятельности предприятий зависит от значимости решаемых количественных (статистических) задач, для решения которых применяются математико-статистические методы стохастического моделирования: группировка многомерных наблюдений, корреляционный и регрессионный анализ, таксономический метод, дисперсионный анализ, методы причинного анализа, компонентный анализ. Корреляционно-регрессионный анализ – классический метод стохастического моделирования хозяйственной деятельности, изучает взаимосвязи показателей хозяйственной деятельности, когда зависимость между ними не является строго функциональной и искажена влиянием посторонних, случайных факторов. В зависимости от количества исследуемых показателей различают парные и многофакторные модели корреляционно-регрессионного анализа.
Основные модели корреляционного анализа: коэффициент парной корреляции, коэффициент частной корреляции, коэффициент множественной корреляции, коэффициент детерминации. Линейный коэффициент парной корреляции (ρ) определяется по формуле: где x, у – значения факторного и результативного показателей соответственно; – средние значения соответствующих показателей; – средние квадратические отклонения (стандартные отклонения показателей х и у); n – количество наблюдений в совокупности. Часто в анализе хозяйственной деятельности при изучении связи между показателями х и у требуется исключить воздействие третьего показателя z, выступающего как общий фактор изменения анализируемых показателей. Для этого используется коэффициент частной корреляции (), свойства которого совпадают со свойствами коэффициента парной корреляции: где – коэффициенты парной корреляции между соответствующими показателями. Коэффициент множественной корреляции (R) характеризует тесноту связи между результативным показателем и набором факторных показателей: или где – общая дисперсия эмпирического ряда, характеризующая общую вариацию результативного показателя (y) за счет факторов; – остаточная дисперсия в ряду у, отражающая влияние всех факторов, кроме х; – среднее значение результативного показателя, вычисленное по исходным наблюдениям; – среднее значение результативного показателя, вычисленное по уравнению регрессии. Коэффициент множественной корреляции принимает только положительные значения от 0 до 1. Чем ближе значение коэффициента к 1, тем больше теснота связи, и, наоборот, чем ближе к 0, тем зависимость меньше. При значении говорят о малой зависимости между величинами, при значении 0,3 < R < 0,6 – о средней тесноте связи, при R > 0,6 – о наличии существенной связи. Квадрат коэффициента множественной корреляции называется коэффициентом детерминации (D): . Коэффициент детерминации показывает, какая доля вариации результативного показателя связана с вариацией факторных показателей. В основе расчета коэффициента детерминации и коэффициента множественной корреляции лежит правило сложения дисперсий, согласно которому общая дисперсия равна сумме межгрупповой дисперсии и средней из групповых дисперсий : Математические модели корреляционного анализа в форме коэффициентов имеют ограниченные аналитические возможности. Зная лишь направление ковариации показателей и тесноту связи, невозможно определить закономерности формирования уровня результативного показателя под влиянием исследуемых факторов, оценить интенсивность их влияния, классифицировать факторы на основные и второстепенные. Для этих целей используются модели регрессионного анализа. Линейная модель регрессионного анализа имеет вид: где – результативный показатель; – факторные модели; – коэффициенты регрессий. Коэффициенты регрессии показывают, на сколько единиц уровень результативного показателя отклоняется от своего среднего значения, если значения факторного показателя отклоняются от среднего, равного нулю, на одно стандартное отклонение.
Дата добавления: 2014-01-04; Просмотров: 990; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |