Основные понятия и методы экономико-математического моделирования

Далее находятся максимальные и минимальные значения параметров () по формулам:

Таблица 2.1

Некоторые значения t – критерия Стьюдента

Для нашего примера находим:

Если интервал () достаточно мал и не содержит ноль, то коэффициент b является статистически значимым на с – процентном доверительном уровне.

Аналогично находятся максимальные и минимальные значения параметра а. Для нашего примера:

Коэффициент а не является статистически значимым, т.к. интервал () велик и содержит ноль.

Вывод: полученные результаты не являются значимыми и не могут быть использованы для прогнозных расчетов. Ситуацию можно поправить следующими способами:

а) увеличить число n;

б) увеличить количество факторов;

в) изменить формууравнения.

Проблема автокорреляции остатков. Критерий Дарбина-Уотсона

Часто для нахождения уравнений регрессии используются динамические ряды, т.е. последовательность экономических показателей за ряд лет (кварталов, месяцев), следующих друг за другом.

В этом случае имеется некоторая зависимость последующего значения показателя, от его предыдущего значения, которое называется автокорреляцией. В некоторых случаях зависимость такого рода является весьма сильной и влияет на точность коэффициента регрессии.

Пусть уравнение регрессии построено и имеет вид:

– погрешность уравнения регрессии в год t.

Явление автокорреляции остатков состоит в том, что в любой год t остаток не является случайной величиной, а зависит от величины остатка предыдущего года . В результате при использовании уравнения регрессии могут быть большие ошибки.

Для определения наличия или отсутствия автокорреляции применяется критерий Дарбина-Уотсона:

.

Возможные значения критерия DW находятся в интервале от 0 до 4. Если автокорреляция остатков отсутствует, то DW»2.

Построение уравнения степенной регрессии

Уравнение степенной агрессии имеет вид:

, где

a, b – параметры, которые определяются по данным таблицы наблюдений.

Таблица наблюдений составлена и имеет вид:

Прологарифмируем исходное уравнение и в результате получим:

ln y = ln a + b×ln x .

Обозначим ln yчерез, ln aкак , а ln xкак .

В результате подстановки получим:

Данное уравнение есть ничто иное, как уравнение линейной регрессии, параметры которого мы умеем находить.

Для этого прологарифмируем исходные данные:

Далее необходимо выполнить известные нам вычислительные процедуры по нахождению коэффициентов aи b, используя прологарифмированные исходные данные. В результате получим значение коэффициента b и . Параметр a можно найти по формуле:

.

В этих же целях можно воспользоваться функцией EXP в Excel.

 Скачать реферат