Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Прогн..doc
Скачиваний:
4
Добавлен:
01.04.2025
Размер:
1 Мб
Скачать
☆

Экономико-математическое моделирование

Методы экономико-математического моделирования применяются преимущественно в среднесрочном, а также в долгосрочном прогнозировании.

В данной группе методов можно выделить корреляционно-регрессионное моделирование, которое используется для объектов, имеющих сложную многофакторную природу (объем инвестиций, затраты, прибыль, объемы продаж и т.п.). Для осуществления регрессионного моделирования необходимо [39]:

  • наличие ежегодных данных по исследуемым показателям;

  • наличие одноразовых прогнозов, то есть таких, которые не корректируются с поступлением новых данных.

Наиболее разработанной в теории прогнозирования является методология так называемой парной корреляции, рассматривающей влияние факторного признака x на результативный y. Методы оценки параметров уравнения регрессии аналогичны приемам при экстраполяции (т.к. фактор времени t можно рассматривать как частный случай параметра x). На практике же гораздо чаще приходится исследовать зависимость результативного признака от нескольких факторных. В этом случае статистическая модель является многофакторной. Например, линейная регрессия с m независимыми переменными имеет вид

(2.18)

.

Оценки параметров находят по МНК.

Отбор факторов для построения многофакторных моделей производится на основе качественного и количественного анализа социально-экономических явлений с использованием статистических и математических критериев.

Общепринятым является трехстадийный отбор факторов:

1. На первой стадии осуществляется априорный анализ, и на факторы, включаемые в состав модели, не накладываются ограничения.

2. На второй стадии производится оценка и отсев части факторов. Это достигается путем анализа парных коэффициентов корреляции и оценкой их значимости. Для этого составляется матрица парных коэффициентов корреляции (табл. 2.3).

Анализ таблицы ведется с использованием следующих критериев:

(2.19)

,

где rij – парные коэффициенты корреляции.

3. На заключительной стадии производят окончательный отбор факторов путем анализа значимости вектора оценок параметров различных вариантов уравнений множественной регрессии с использованием критерия Стьюдента

(2.20)

,

где k – число степеней свободы,

 – уровень значимости.

В процессе анализа решается проблема мультиколлинеарности, которая заключается в том, что между факторными признаками может существовать значительная линейная связь, что приводит к росту ошибок оценок параметров регрессии.

Таблица 2.3

Матрица парных коэффициентов корреляции множественной модели регрессии

y

x1

x2

…

xj

…

xm

y

1

ry1

ry2

…

ryj

…

rym

x1

r1y

1

r12

…

r1j

…

r1m

x2

r2y

r21

1

…

r2j

…

r2m

…

…

…

…

…

…

…

…

xi

riy

ri1

ri2

…

1

…

rim

…

…

…

…

…

…

…

…

xm

rmy

rm1

rm2

…

rmj

…

1

Приемы построения регрессионных и авторегрессионных моделей достаточно хорошо описаны в экономико-статистической литературе [15, 21, 35, 39, 48] и не являются предметом описания настоящего учебного пособия. Наличие прогрессивных информационных технологий позволяет достаточно оперативно рассчитывать параметры этих моделей.

Во внутрипроизводственном прогнозировании используются:

  • модели внутренней среды фирмы, так называемые корпоративные модели;

  • макроэкономические модели, к которым относят эконометрические модели, модели «затраты - выпуск» [1].

Корпоративные модели обычно представляют набор формул (уравнений), которые отражают отношение ряда переменных к определенному объекту, например к объему продаж.

В качестве примера рассмотрим анализ и прогнозирование конъюнктуры рынка отдельного товара (цифры условные).

Ситуация. На рынке сложилась ситуация, которую можно охарактеризовать с помощью трех индикаторов: индексов продажи, цен и объема товарооборота (табл. 2.4).

Таблица 2.4