Экономический анализ 9

1.Методы корреляционно-регрессионного анализа

Применяются для определения зависимости изменения цены от изменения технико-экономических параметров продукции, относящейся к данному ряду, построения и выравнивания ценностных соотношений:

где Х1, Х2,... Xn — параметры изделия.
Количественная зависимость находится на основе метода регрессионного анализа. При этом могут быть получены различные уравнения регрессии: линейное, степенное, параболическое и т. д.
Если цены на уже включенные в параметрический ряд изделия были получены таким же методом, то использовать данный способ нельзя, так как нарушается одно из условий применения регрессионного анализа, — условие независимости наблюдений.
Тем не менее, данный метод можно применять для прогнозной цены.
В качестве общего вывода по поводу применения параметрических методов следует отметить, что они крайне несовершенны и самостоятельно для формирования цены, как правило, не применяются. Основным недостатком использования данных методов является то, что они учитывают не все потребительские свойства изделий и полностью игнорируют спрос и предложение.Основные условия применения корреляционно-регрессионного метода 1. Наличие достаточно большой по объему выборочной совокупности.Считается, что число наблюдений должно превышать более чем в 10 раз число факторов, влияющих на результат. 2. Наличие качественно однородной исследуемой совокупности. 3. Подчинение распределения совокупности по результативному и факторным признакам нормальному закону или близость к нему. Выполнение этого условия обусловлено использованием метода наименьших квадратов (МНК) при расчете параметров корреляции (см. п. 2.1) и некоторых др.Основные задачи корреляционно-регрессионного анализа 1. Измерение тесноты связи между результативным и факторнымпризнаком (признаками). В зависимости от количества влияющих на результат факторов задача решается путем вычисления корреляционного отношения, коэффициентов парной, частной, множественной корреляции или детерминации. 2. Оценка параметров уравнения регрессии, выражающего зависимость средних значений результативного признака от значений факторного признака (признаков). Задача решается путем вычисления коэффициентов регрессии.3. Определение важнейших факторов, влияющих на результативныйпризнак. Задача решается путем оценки тесноты связи факторов с результатом.4. Прогнозирование возможных значений результативного признакапри задаваемых значениях факторных признаков. Задача решается путем подстановки ожидаемых значений факторов в регрессионное уравнение и вычисления прогнозируемых значений результата.2. Методы эконометрики

Эконометрика — наука, изучающая количественные и качественные экономические взаимосвязи с помощью математических и статистических методов и моделей^[1] . Термин «эконометрика» состоит из двух частей: «эконо» — от «экономика» и «метрика» — от «измерение». Эконометрика входит в обширное семейство дисциплин, посвященных измерениям и применению статистических методов в различных областях науки и практики. К этому семейству относятся, в частности, биометрия, технометрика, наукометрия, психометрия, хемометрия, квалиметрия. Особняком стоит социометрия — этот термин закрепился за статистическими методами анализа взаимоотношений в малых группах, то есть за небольшой частью такой дисциплины, как статистический анализ в социологии^[5] .

Эконометрические методы

Нелинейная регрессия

Регрессионный анализ — статистический метод исследования зависимости между зависимой переменнойY и одной или несколькими независимыми переменными X ₁ ,X ₂ ,...,X_p . При этом терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных, а не причинно-следственные отношения. Для адекватного описания сложных внутренне неоднородных экономических процессов, как правило, применяются системы эконометрических уравнений. В более простых случаях можно использовать и простые изолированные уравнения^[16] .

Анализ временных рядов

Временной ряд

Анализ временных рядов — совокупность математико-статистических методов анализа, предназначенных для выявления структуры временных рядов и для их прогноза. Выявление структуры временного ряда необходимо для того, чтобы построить математическую модель того явления, которое является источником анализируемого временного ряда. Прогноз будущих значений временного ряда используется при принятии решений^[17] . Прогнозирование также интересно тем, что оно рационализирует существование анализа временных рядов отдельно от экономической теории^[18] .

Как правило, при прогнозировании исходят из некоторой заданной параметрической модели. При этом используются стандартные методы параметрического оценивания (МНК, ММП, метод моментов). С другой стороны, достаточно разработаны методы непараметрического оценивания для нечетко заданных моделей^[19] .

Панельный анализ

Панельные данные представляют собой прослеженные во времени пространственные микроэкономические выборки, т.е. они состоят из наблюдений одних и тех же экономических единиц, которые осуществляются в последовательные периоды времени. Панельные данные насчитывают три измерения: признаки — объекты — время. Их использование дает ряд существенных преимуществ при оценке параметров регрессионных зависимостей,

Внимание, отключите Adblock

Вы посетили наш сайт со включенным блокировщиком рекламы!
Ссылка для скачивания станет доступной сразу после отключения Adblock!

Скачать