ВЫПОЛНИМ ПОД ЗАКАЗ КОНТРОЛЬНЫЕ ДЛЯ ЗАОЧНИКОВ СЗТУ
4.1. Задание на контрольную работу и методические указания к ее выполнению
Задание на контрольную работу
В контрольной работе студенту необходимо выполнить одну задачу, выбрав параметры модели по последней цифре шифра.
Варианты контрольного задания.
1 a0=100; a1=25; s=30 6 a0=150; a1=26; s=40
2 a0=110; a1=30; s=35 7 a0=160; a1=271; s=45
3 a0=130; a1=35; s=40 8 a0=160; a1=28; s=35
4 a0=140; a1=40; s=35 9 a0=170; a1=29; s=40
5 a0=145; a1=45; s=35 10 a0=180; a1=30; s=45
В контрольном задании требуется:
1. Смоделировать исходные данные.
2. Найти коэффициенты регрессии методом наименьших квадратов.
3. Проверить гипотезу о заданном в контрольном задании значении a1 средних удельных затрат.
4. Построить доверительный интервал для значения a1 средних удельных затрат.
5. Найти коэффициент детерминации и пояснить его смысл.
6. Построить доверительный интервал для прогноза фактических затрат при объеме продаж x0 = 6,5.
Методические указания к выполнению контрольной работы
1. Общие методические указания
Для выполнения контрольной работы необходимо знать основные предположения и цели эконометрического моделирования. Прежде всего следует знать, что для эконометрического анализа необходимо выделить две группы экономических показателей: группу результирующих признаков и группу объясняющих их факторов. Например, пусть y обозначает затраты на реализацию x1 единиц первой продукции и x2 единиц второй продукции. Здесь результирующим признаком можно считать затраты на реализацию, а объясняющими их факторами – объемы продаж обоих видов продукции. Следует сделать предположение о виде зависимости результирующих признаков от объясняющих их факторов. Предположим, что затраты y линейно зависят от объемов продаж x1 и x2
y=a0 +a1 x1+a2 x2 +u. (4.1)
Соотношение (4.1) называют уравнением эконометрической модели. В этом уравнении случайная величина u обозначает нормально распределенную случайную величину с математическим ожиданием 0 и дисперсией s2. Числа a0, a1 , a2 , s называют параметрами эконометрической модели.
Задача эконометрического анализа состоит в определении приближенных значений неизвестных параметров a0, a1, a2, s, т. е. в определении значений b0, b1, b2, s, которые можно принять в качестве оценок a0, a1, a2, s. Это означает построение линейного уравнения регрессии:
yпр=b0 +b1 x1+b2 x2 . (4.2)
Числа b0, b1, b2 называют коэффициентами регрессии.
Для определения уравнения (4.2) необходимо располагать некоторыми исходными данными о зависимости затрат от объемов реализуемой продукции. Пусть такие исходные данные состоят из n наблюдений и составляют табл. 4.1.
Таблица 4.1
Наблюдения
|
y
|
x1
|
x2
|
1
|
y1
|
x 11
|
x 12
|
2
|
y2
|
x 21
|
x 22
|
…
|
…
|
…
|
…
|
n
|
yn
|
x n1
|
x n2
|
Первая строка означает, что в первом наблюдении было реализовано x11 единиц первой продукции и x12 – второй, а затраты составили y1 у. е. Во второй строке стоят аналогичные данные для второго наблюдения и т. п.
Кроме построения уравнения регрессии в эконометрическом анализе проверяется качество этого уравнения. Следует заметить, что уравнение регрессии используется для прогнозирования результирующего признака. Для “плохих“ уравнений регрессии получают и “плохие“ прогнозы. Поэтому задача проверки качества уравнения регрессии является важной и наиболее сложной задачей эконометрики.
Заметим, что уравнение регрессии (4.2) называется уравнением множественной регрессии. Если объясняющий фактор один, то регрессию называют парной. В этом случае уравнение модели (4.1), связывающее затраты и объем продаж, принимает вид
y=a0 +a1 x +u, (4.3)
и формулы для коэффициентов регрессии можно записать в явном виде.
В следующем ниже примере рассматриваются основные этапы эконометрического моделирования.
2. Пример выполнения контрольной работы
Решим пример контрольного задания для следующих значений параметров моделирования: a0=200; a1=30; s=50.
Моделирование исходных данных
Пусть x обозначает объем продаж некоторого продукта (в тысячах единиц), а y – фактические затраты на реализацию этого объема (в у. е.). Здесь объем продаж x будем считать фактором, объясняющим фактические затраты y. Допустим, что уравнение
y=200+30x+u (4.4)
задает зависимость фактических затрат y от объема продаж x. Случайная величина u распределена нормально с математическим ожиданием 0 и стандартным отклонением s= 50. Из (4.4) следует, что фактические затраты y складываются из средних затрат
yср=200+30x (4.5)
и отклонений u фактических затрат от средних затрат. Таким образом, из (4.4) следует, что для фактических затрат y имеет место равенство
y=yср+u. (4.6)
Для получения исходных данных будем моделировать уравнение (4.6) последовательно для объема продаж x = 1,2..,10. При заданном объеме продаж x средние затраты вычисляем по формуле (4.5), а значения u отклонений фактических затрат от средних будем моделировать с помощью таблицы случайных чисел, распределенных нормально с математическим ожиданием 0 и дисперсией 1, следующим образом. Из таблицы А приложения выбираем любые десять значений (например, первые десять значений второго столбца). Обозначим их zi и поместим в первый столбец табл. 4.1. По выбранным значениям zi вычислим отклонения от средних затрат ui по формуле
ui=s× zi..
В нашем примере s =50. Эти значения составят второй столбец табл. 4.2. В третий и четвертый столбцы таблицы поместим объемы продаж xi и средние затраты yiпр, вычисленные по формуле (4.5). Тогда фактические затраты получаются, согласно формуле (4.6), сложением средних затрат из столбца четыре с отклонениями от них из второго столбца. Фактические затраты помещены в пятый столбец табл. 4.2. Для примера получим фактические затраты при объеме продаж x=1. Из (4.6) следует, что фактические затраты в первом наблюдении равны
y1 =yср+u1=230+27,3=257,3.
Заметим, что значение 27,3 означает, что фактические затраты превысили средние затраты на 27,3 у. е. Аналогично вычисляются фактические затраты y2. Во втором наблюдении при x=2
y2= yср+u2=260+(-54,15)=205,85.
В этом случае фактические затраты оказались меньше средних на 54,15 у.е. Продолжая моделирование аналогичным образом для x=3,4 ¼,10, построим исходные данные для десяти наблюдений.