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) |
В 14. Стандартизированный вид уравнения связи
В 13. Прогнозирование по корреляционно-регрессион-ной модели. Поскольку корреляционно-регрессионные модели статичны, то есть привязаны к месту и времени, то они обеспечивают прогноз на небольшом временном интервале при стабильных условиях экономической ситуации. Различают прогнозы: 1. Наилучшие. 2. Наихудшие. 3. Усредненные. Наилучшего значения результат Y будет достигать, если в модель подставить наилучшее значение факторов Хi. Наихудшее значение результат Y будет достигать, если в уравнение связи подставить самые “неблагоприятные” значения факторов Хi. Усредненное значение результат Y будет достигать, если в модель подставить среднее значение факторов. Такие модели и прогнозы по ним хорошо работают для конкретных предприятий, т.к. можно рассчитать возможные значения результативного показателя при возможных значениях факторных признаков. Составляют, как правило, оптимистические и пессимистические прогнозы.
В экономическом анализе часто возникает необходимость сопоставить эффективность работы предприятий по многим факторам. При этом приходится учитывать, что предприятия находятся в различных экономических условиях, обладают различными ресурсами и т.д. В этих случаях исходную информацию необходимо привести к какому-либо сопоставимому виду. Таким «видом» является стандартизированный вид. А далее используются методы многомерного сопоставления или кластерный анализ. В курсе математической статистики в разделе «Выборочный метод и законы распределения случайной величины» устанавливается зависимость между индивидуальными значениями показателя и его средним квадратичным отклонением. Введем обозначения новых стандартизированных переменных, которые отражают долю отклонения индивидуального значения переменной от среднего значения относительно среднеквадратического отклонения:
(6.60)
где Zi – стандартизированная результативная переменная. Значения ti являются новыми факторными переменными в нашей многофакторной модели, которая называется стандартизированной моделью и выглядит следующим образом: (6.61) где стандартизированными коэффициентами регрессии являются β – коэффициенты. В стандартизированном уравнении нет свободного члена. Стандартизированное уравнение регрессии может быть найдено (построено) несколькими способами: 1) Первый способ заключается в том, чтобы, не находя значений стандартизированных переменных, рассчитать значения β–коэффициентов по известной нам формуле (6.54) . И затем записать уравнение вида (6.61) 2) Второй способ заключается в том, чтобы, используя исходную базу данных значений всех переменных (результативного и факторных признаков), по формулам (6.60) построить таблицу стандартизированных переменных
Таблица 6.5. Стандартизированные переменные
Используя значения стандартизированных переменных, можно построить и решить следующую систему линейных уравнений относительно переменных ti:
(6.62)
Эта система на один параметр в уравнении меньше, чем система (6.43). Значения переменных таблицы 6.5 могут быть использованы для многомерного или кластерного анализа, которые в данном курсе не рассматриваются. 3) Третий способ заключается в использовании матрицы парных коэффициентов корреляции для нахождения значений β-коэффициентов. В математической статистике доказывается, что rij=rji и rij=(1/N)*Σtitj. Кроме того, мы уже отмечали, что парный коэффициент корреляции равен β-коэффициенту. Поэтому оказывается возможным использовать для расчетов при построении стандартизированного уравнения матрицу парных коэффициентов корреляции.
(6.63)
β- коэффициенты находим по формулам Крамера или методом Гаусса или другим способом. (6.64) где Δi – частный определитель, Δ – главный определитель.
Дата добавления: 2014-01-04; Просмотров: 1287; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |