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) |
Задачи для решения. 1. По следующим данным постройте линейное уравнение регрессии, вычислите линейный коэффициент корреляции:
1. По следующим данным постройте линейное уравнение регрессии, вычислите линейный коэффициент корреляции: 2. Используя следующие данные, определите параметры линейного уравнения (и ) регрессии: 3. По следующим данным постройте линейное уравнение регрессии, вычислите линейный коэффициент корреляции: 4. Имея следующие данные, постройте линейное уравнение регрессии: 5. Имеются данные по 10 семьям об уровне доходов на 1 человека в год (х) и покупательском спросе – расходах на одежду на 1 чел. в год (у), в млн руб. Методом корреляционного анализа исследовать зависимость между этими признаками. Написать уравнение регрессии, построить эмпирические точки и линию регрессии. Найти коэффициенты корреляции и детерминации. Сформулировать выводы по результатам анализа.
6. Распределение предприятий по источникам средств на их покупку характеризуется следующими данными:
Вычислите коэффициенты ассоциации и контингенции. Какие выводы можно сделать на основании значений этих коэффициентов? 7. Распределение основных категорий потенциальных мигрантов по уровню образования характеризуется следующими данными:
Рассчитайте коэффициенты взаимной сопряженности Пирсона и Чупрова. Сформулируйте выводы, вытекающие из анализа полученных коэффициентов. 8. По данным таблицы определить зависимость между основными показателями деятельности коммерческих банков Белоруссии с помощью коэффициента конкордации.
9. По группе предприятий за отчетный год имеются следующие данные:
На основании приведенных данных требуется: 1) составить уравнение множественной зависимости производительности труда, обосновав систему факторов, включенных в модель; 2) определить совокупный коэффициент корреляции и частные коэффициенты корреляции; 3) сопоставить роль различных факторов в формировании моделируемого показателя. Тема 10 Статистические методы моделирования и прогнозирования социально-экономических явлений и процессов Первоначальные прогнозы, как правило, сводятся к экстраполяции тенденции. При этом могут использоваться разные методы, в зависимости от исходной информации (рис. 1).
Рис.1. Группы методов экстраполяции тенденций Упрощенные приемы целесообразны при недостаточной информации о предыстории развития явления (нет достаточно длительного динамического ряда или информация задана только двумя точками: начало и конец периода). Аналитические методы экстраполяции тенденций основаны на применении наименьших квадратов к динамическому ряду и представлении закономерности развития явления во времени в виде уравнения тренда, т. е. математической функции зависимости уровней динамического ряда у от фактора времени t. Используя соответствующую кривую роста, можно дать прогноз (как правило, краткосрочный). Адаптивные методы используются в условиях сильной колеблемости уровней динамического ряда и позволяют при изучении тенденции учитывать степень влияния предыдущих уровней на последующие значения динамического ряда. К адаптивным методам относятся методы скользящих и экспоненциальных средних, метод гармонических весов, методы авторегрессионных преобразований. Другую группу методов представляют методы статистического моделирования. Наиболее распространенные из них представлены на рис. 2
Рис. 2 Группы методов статистического моделирования Деление методов на статические и динамические связано с характером исследуемой информации. Методы статистического моделирования могут быть использованы на основе информации в статике (по совокупности предприятий, фирм, регионов) по системе связанных рядов динамики. В первом случае они относятся к классу статических методов, а во втором – динамических. Статические методы включают методы регрессии, с помощью которых моделируемый объект представлен в виде математической функции от ряда факторов: . Сложные экономические процессы могут описываться системой взаимосвязанных уравнений: Применение этой группы методов в прогнозировании предполагает инертность процессов. Качество прогноза моделируемого объекта зависит от реальности прогноза факторов. Динамические методы статистического моделирования основаны на подробном изучении временных рядов. В частности, уровни динамического ряда рассматриваются как функция тенденции, периодических (сезонных) и случайных колебаний. На моделировании этих компонентов разложения уровней динамического ряда основаны методы агрегатного моделирования динамики. Прогноз строится как аддитивная или мультипликативная модель этих компонентов динамики. Регрессия по взаимосвязанным рядам динамики (особенно как система уравнений) широко применяется для прогнозирования макроэкономических показателей. При этом модель включает обычно не только набор факторов как экономических переменных, но и лаговые переменные, т. е. сдвинутые во времени на определенный интервал (например, в качестве факторов используется моделируемый показатель или собственно фактор за предыдущий год). Своеобразие методов регрессии для прогноза имеет место при использовании пространственно-временной информации. Для каждого года динамического ряда строится регрессионная модель по совокупности предприятий. Прогноз основывается на экстраполяции параметров регрессии. Данный подход возможен в условиях достаточно стабильной экономики, когда круг охватываемых предприятий во времени мало изменчив. Методы статистического моделирования входят в группу методов многофакторного моделирования, к которым относятся также логическое моделирование, включающее моделирование по исторической аналогии, методы сценариев и дерева целей. Прогнозирование по исторической аналогии основано на использовании аналога объекта прогнозирования. Этот подход предполагает перенесение на новую действительность концепции развития той или иной страны, соотношение темпов роста отдельных показателей. Качество прогноза в этом случае полностью зависит от правильности выбора аналога объекта прогнозирования. Метод сценариев, как и метод дерева целей, представляет собой метод прогнозирования сложных систем. В методе сценариев подробно описывается моделируемая ситуация и делается обзор информации, которая должна быть учтена при прогнозировании. Метод дерева целей предполагает, что для объекта прогноза существует несколько иерархических уровней, и прогноз осуществляется последовательно по отдельным стадиям, блокам – от низшего уровня к более высоким. Методы логического моделирования могут в качестве вспомогательных инструментов прогноза использовать методы экстраполяции и методы статического моделирования. Рассмотренная классификация методов статистического прогнозирования достаточно условна, так как на практике при прогнозировании нередко методы переплетаются: методы скользящей средней дополняются уравнением тренда, авторегрессионными преобразованиями; экстраполяция тенденций дополняется авторегрессией остатков; уравнение регрессии может включать показатели тенденции развития объекта и т. п.
Элементы прогнозирования и интерполяции. Моделирование временных рядов Выявление и характеристика основной тенденции развития при исследовании динамики социально-экономических явлений дают основание для прогнозирования — определения будущих размеров уровня социально-экономических явлений. Применение прогнозирования предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохраняется в прогнозируемом будущем, т. е. прогноз основан на экстраполяции. Экстраполяция, проводимая в будущее, называется перспективой, а в прошлое — ретроспективой. Теоретической основой распространения тенденции на будущее является свойство социально-экономических явлений, называемое инерционностью. Именно инерционность позволяет выявить сложившиеся взаимосвязи как между уровнями динамического ряда, так и между группой связанных рядов динамики. На основе рядов динамики получаются весьма надежные прогнозы, если уровни ряда динамики сопоставимы и получены на основе единой методологии. Применение экстраполяции в прогнозировании базируется на следующих условиях: • развитие исследуемого явления в целом следует описывать плавной кривой; • общая тенденция развития явления в прошлом и настоящем не должна претерпевать серьезных изменений в будущем. Временной горизонт экстраполяции не может быть бесконечным, потому что анализируемые временные ряды динамики нередко относительно короткие. Результат прогноза будет тем надежнее и точнее (при прочих равных условиях), чем короче срок экстраполяции (период упреждения). Пусть имеется временной ряд {y1, y2, …, yn}, взятый для простоты в равноотстоящие моменты времени. В качестве τ обозначим срок прогноза. В зависимости от принципов и исходных данных, положенных в основу прогноза, выделяют следующие элементарные методы экстраполяции: среднего абсолютного прироста, среднего темпа роста, экстраполяция на основе выравнивания рядов по какой-либо аналитической формуле. 1. С помощью среднего абсолютного прироста прогноз делается по следующей формуле: где – средний абсолютный прирост 2. С помощью среднего темпа роста прогноз делается по следующей формуле: где средний коэффициент роста наиболее хорош, когда общая тенденция ряда характеризуется экспоненциальной, показательной кривой. 3. Экстраполяция на основе выравнивания ряда по какой-либо кривой сводится к тому, что статистик выбирает некоторую кривую у = f(t). Данная кривая определена не только для каждого имеющегося момента времени t = 1,2,..., п, но и для прогнозируемого момента времени t = п + τ.
Дата добавления: 2014-01-05; Просмотров: 2281; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |