1. Подбор причин для подключения в многофакторную регрессионную модель 3
2. Использование скользящих средних в экономическом прогнозировании 6
3. Задача 9
Перечень литературы 18
Выдержка
1. Подбор причин для подключения в многофакторную регрессионную модель
В ряде случаев на величину такого либо другого технико-эксплуатационного либо экономического показателя воздействует не один, а некоторое количество разных причин. Любой из их может не показывать огромного действия, однако их совокупное воздействие окажется решающим, и тогда сообразно изменению данных причин разрешено найти и модифицирование самого показателя. В данных вариантах для измерения совокупного воздействия нескольких причин на величину результативного показателя у сооружают модели множественной корреляции. При этом у рассматривается как функция не 1-го, а нескольких причин х, т. е. .
y=f( x1, x2,. . . , xi,. . . , xn),
где i - последовательный номер фактора-показателя(i=l, 2,. . . , п).
В многофакторных корреляционных моделях отбор уравнения связи ещё наиболее труден, чем при парных зависимостях, этак как не видется вероятным изучить действие разных причин на разыскиваемый показатель с поддержкой построения графиков. Потому высококачественный анализ нрава связей всякого фактора с разыскиваемым результативным показателем тут получает очень принципиальное смысл.
Ежели данная ассоциация может существовать принята линейной либо недалёкой к ней, то используется линейное уравнение множественной корреляции:
y = a0 a1x1 a2x2. . . anxn
Для нахождения характеристик a0; a1; a2;. . . an, этак же как и при теплый корреляции употребляется способ меньших квадратов и заключение на его базе системы обычных уравнений.
К примеру, ежели имеется линейная ассоциация меж у и 2-мя причинами х1 и x2, то уравнение связи записывается последующим образом:
yx1,x2 = a0 a1x1 a2x2,
а характеристики этого уравнения находятся с поддержкой решения соответственной системы обычных уравнений.
В вариантах, когда в уравнении множественной корреляции имеется существенное численность причин, подсчеты стают чрезвычайно трудозатратными и их следует жить с поддержкой ЭВМ сообразно обычным програмкам. Ежели действие каких-то причин на продуктивный показатель не может сообразовываться прямолинейным, то надлежащие переменные х; врубаются в уравнение не лишь в первой ступени, однако и в наиболее больших ступенях.
Допустим, что на среднюю заработную плату шоферов грузовых каров у воздействуют лишь 2 фактора — выработка на одну списочную автомобиле-тонну х1 и средняя грузоподъемность подвижного состава х2. При сдельной оплате труда шоферов их заработная цена напрямик пропорциональна росту выработки, однако миниатюризируется с ростом грузоподъемности подвижного состава, т. е. криволинейно связана с причиной x2. При этом разрешено допустить, что кривая приблизительно подходит обыкновенной параболе. В этом случае целенаправлено вести подсчеты сообразно последующему уравнению множественной корреляции:
y = a0 a1x1 a2x2. . . a3x2
Для оценки тесноты связи меж результативным показателем и всеми причинами, включенными в модель, употребляется коэффициент множественной корреляции R, который охарактеризовывает силу совокупного воздействия учтенных причин на величину результативного показателя. Чем поближе R к штуке, тем больше давка связи меж результативным показателем и учтенными причинами.
При построении многофакторных корреляционных моделей традиционно сначала делается намерение, что на у воздействует существенное количество причин х. Но как оказалось, что некие из данных причин являются несущественными, т. е. их воздействие на величину у существенно не в такой мере остальных. Потому употребляется пошаговый процесс решения, когда на каждом шаге из уравнения исключается одна из переменных xi. При этом все время сравнивается смысл R на прошлом шаге с его ролью на следующем. Ежели при исключении еще одного фактора R миниатюризируется некординально, то это значит, что этот причина является несущественным и разрешено отрешиться от его учета при определении смысла результативного признака.
В крайние годы построение многофакторных регрессионных моделей обретает все большее использование при разборе и планировании работы авто транспорта. Следует выделить, что конкретные модели корреляционного разбора обязаны употребляться лишь для тех хозяйственных объектов, сообразно этим которых они были рассчитаны.
Литература
1. Алексеева М. М. Планирование деловитости компании: Учебно-методическое вспомоществование. М. : Деньги и статистика, 2002.
2. Глущенко В. В. , Глущенко И. И. Разработка управленческого решения. Предсказание — планирование. Концепция проектирования опытов. М. : ТОО НПЦ «Крылья», 2004.
3. Денисов В. В. Базы экономического прогнозирования в провиантский индустрии: Учебное вспомоществование. М. : Колос, 2003.
4. Идрисов А. Б. , Картышев С. В. , Постников А. В. Стратегическое планирование и анализ эффективности инвестиций. 2-е изд. М. : Филинъ, 2003.
5. Личко К. П. Планирование и предсказание развития сельскохозяйственной сферы АПК. (Эксперимент и трудности). М. : МСХА, 2004.
6. Личко К. Л. Абстрактные базы системы планирования аграрной сферы АПК в критериях формирования новейшего экономического механизма хозяйствования: Лекция. М. : МСХА, 2002.
7. Личко К. П. , Абельдяев Н. Ф. Предсказание урожайности сельскохозяйственных культур(экстраполяционные приемы). 2-е изд. М. : МСХА, 2002.
8. Серков А. Ф. Индикативное планирование в сельском хозяйстве. М. : Информа-гробизнес, 2002. 162с.
1. Отбор факторов для включения в многофакторную регрессионную модель
В ряде случаев на величину того или иного технико-эксплуатационного или экономического