Методы моделирования и прогнозирования

Автор: Пользователь скрыл имя, 23 Февраля 2013 в 20:44, контрольная работа

Описание работы

Моделью называется материальный или мысленно представляемый объект, замещающий в процессе исследования объект-оригинал таким образом, что его непосредственное изучение дает новые знания об объекте-оригинале. Модель выступает в качестве средства анализа и прогнозирования конкретных экономических процессов на основе реальной статистической информации. Применение метода моделирования вызвано тем, что большинство объектов (или проблем, относящихся к этим объектам) непосредственно исследовать или совершенно невозможно, или подобное исследование требует много времени и средств.

Содержание

10. Прогнозирование на основе однофакторных моделей: виды моделей, экономический смысл параметров моделей. . . . . . . . . . . . . . . . 3
15. F-критерий Фишера: оценка параметра, критерии оценки. . . . . 6
21. Прогнозирование с учетом сезонных и циклических колебаний. . 7
Задание 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Задание 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Задание 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Задание 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Задание 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ……19
Список литературы………………………………………..20

Работа содержит 1 файл

методы моделирования и прогнозирования.docx

— 76.69 Кб (Скачать)

Решение

Матрица парных коэффициентов  частной корреляции задана

следующими значениями:

 

x1

x2

x3

x4

x5

y

 

x1

1,00

           

x2

0,98

1

         

x3

0,35

0,83

1

       

x4

0,16

0,08

0,31

1

     

x5

-0,19

-0,22

-0,13

-0,12

1

   

x6

0,10

0,09

-0,08

-0,07

0,18

1

 

v

0,93

0,88

0,86

0,17

-0,12

0,003

1


Взаимосвязь может быть выражена следующим уравнением линейной регрессии: у=а 0 +а 1 х 1 +а 2 х 2 +а 3 х 3 +а 4 х 4 +а 5 х 5 +е.

По диагонали в матрице  частной корреляции стоят единицы, потому что рассматривается корреляция фактора самим с собой.

Проверим факторы на мультиколлинеарность. Мультиколлинеарная зависимость присутствует, если выполняется условие по коэффициенту парной корреляции:

Это условие выполняется  для факторов:

- х1и х2, т.к. rх1х2=0,98;

- х2 и х3, т.к. rх2х3=0,83.

Нашли мультиколлинеарные факторы. Для устранения используется метод исключения переменных. Будем поочередно исключать факторы, имеющие наименьшее значение rxiy.

Исключаем х2, т.к. rx1y > rx2y

0,93>0,88.

Исключаем х3, т.к. rx1y > rx3y

0,93>0,86.

Таким образом, после удаления мультиколлинеарных факторов исходное уравнение регрессии примет вид:

у=а0+а1х1+ а4х4+а5х5+а6х6+е.  

 

 

 

 

 

 

 

 

 

Задание 5

Имеются некоторые данные об объеме продаж (д.е.) за восемь лет.

Измерить тесноту связи  между объемом продаж текущего и  предыдущего годов с помощью  коэффициента автокорреляции 1-го и 2-го порядка.

Период (t)

Объем продаж (уt)

1

5,625

2

6,625

3

8,625

4

9,625

5

13,625

6

15,625

7

18,625

8

19,625


 
Решение

Добавим в исходную таблицу  временной ряд yt-1. Коэффициент автокорреляции уровней ряда 1-го порядка, измеряющий зависимость между соседними уровнями ряда t и t-1,рассчитывается по формуле:

Расчет коэффициента автокорреляции 1-ого порядка

t

             

1

5,625

-

-

-

-

 

 

 

 

2

6,625

5,625

-6,475

-5,575

36,10

41,93

31,08

3

8,625

6,625

-4,475

-4,575

20,47

20,03

20,93

4

9,625

8,625

-3,475

-2,575

8,95

12,08

6,63

5

13,625

9,625

0,525

-1,575

-0,83

0,28

2,48

6

15,625

13,625

2,525

2,425

6,12

6,38

5,88

7

18,625

15,625

5,525

4,425

24,45

30,53

19,58

8

19,625

18,625

6,525

7,425

48,45

42,58

55,13

Итого

98

78,375

0

0

143,71

153,78

141,71


 

Сумма по 4 и 5 графам должна быть равна нулю.

где

Для данных примера:

Y1 = (6,625+8,625+9,625+13,625+15,625+18,625+19,625)/7 = 13,1

Y2 = (5,625+6,625+8,625+9,625+13,625+15,625+18,625)/7 = 11,2

Тогда коэффициент автокорреляции 1-го порядка равен:

r1 = 143,71/(153,78*141,71)1/2 = 0,974

Полученное значение свидетельствует  об очень тесной зависимости между  объемами продаж текущего и непосредственно  предшествующего годов и, следовательно, наличии во временном ряде объемов  продаж сильной линейной тенденции.

Коэффициент автокорреляции 2-го порядка характеризует тесноту  связи между уровнями yt и yt-2:

где

Для данных примера 

Y3 = (8,625+9,625+13,625+15,625+18,625+19,625)/6 = 14,29

Y4 = (5,625+6,625+8,625+9,625+13,625+15,625)/6 = 9,96

Расчет коэффициента автокорреляции 2-ого порядка

t

             

1

5,625

-

-

-

-

 

-


 

-


2

6,625

-

-

-

-

-

-

3

8,625

5,625

-5,665

-4,335

24,56

32,09

18,79

4

9,625

6,625

-4,665

-3,335

15,56

21,76

11,12

5

13,625

8,625

-0,665

-1,335

0,89

0,44

1,78

6

15,625

9,625

1,335

-0,335

-0,45

1,78

0,11

7

18,625

13,625

4,335

3,665

15,89

18,79

13,43

8

19,625

15,625

5,335

5,665

30,22

28,46

32,09

Итого

98,000

59,75

0

0

86,67

103,33

77,33


 

Тогда коэффициент автокорреляции 2-го порядка равен:

r2 = 86,67/(103,33*77,33)1/2 = 0,9696

Полученные результаты еще  раз подтверждают вывод о том, что ряд объемов продаж содержит линейную тенденцию.  
 
 
 
 
 
 
 
 

Задание 6

Для модели определите максимальный лаг, краткосрочный, промежуточный  и долгосрочный мультипликаторы, вклад  каждого лага.

Yt = -290+240Xt+72.5Xt-1+115Xt-2+Et

Решение

Краткосрочный мультипликатор – это коэффициент при xt, он равен 240.

В модели один промежуточный  мультипликатор, его можно найти, как:

240+72,5 =312,5.

Рассчитаем долгосрочный мультипликатор:

240+72,5+115 = 427.

Вклад каждого лага равен

w1=240/427=0,562,

w2=72,5/427=0,17,

w3=115/427=0,269.

Проверяем свойство:

w1+w2+w3=0,562+0,17+0,269=1.

 

 

 

 

 

 

 

 

Список литературы

1. Владимирова Л.П. Прогнозирование  и планирование в условиях  рынка. Учебн. пособие. – М.: Изд-во Дашков и К, 2006. – 400 с.

2. Эконометрика: Учебник/  Под ред. проф. И.И. Елисеевой.  – М.: Финансы и статистика, 2004. – 344 с.

3. Бутакова М.М. Экономическое  прогнозирование: методы и приёмы  практических расчетов: учебное  пособие для вузов.-М.: Кнорус, 2008.-167 с.


Информация о работе Методы моделирования и прогнозирования