Економіко-математичне моделювання
Економіко-математичне моделювання Економіко-математичне моделювання
3. Вибір ведучої незалежної змінної. Для вибору ведучої змінної необхідно провести порівняння абсолютних значень парних коефіцієнтів кореляції. Ведучою вибирається та змінна, яка має найбільше значення, тобто знаходимо величину j { } 1 xy ∗ r = max r , j = ,n 512 i i . (16.92) Оскільки змінна S x∗ має найтісніший зв’язок із результативним показником, її будемо вважати ведучою і першою вводимо до економетричної моделі. Використавши МНК, побудуємо залежність виду ˆY ∗ ∗ ∗ = a1xS, (16.93) де 1 a∗ – оцінка параметра моделі, яка побудована на основі нормованих даних. 4. Вибір наступної ведучої змінної із множини існуючих. Виводимо із розгляду попередню ведучу змінну і переходимо до третього етапу. Вибравши нову ведучу змінну xq ∗ , вводимо її у модель. Після таких двох кроків отримаємо: ˆY = a x + a x , (16.94) ∗ ∗ ∗ ∗ ∗ 1 S 2 0 ∗ ∗ де a,a 1 2 – оцінки відповідних параметрів моделі, яка побудована на основі нормованих даних. Зазначену процедуру повторюємо доти, поки поступово будуть введені до моделі всі можливо допустимі незалежні змінні. Припустимо, що число таких змінних буде становити k, де k ≤ m. Для спрощення будемо вважати, що індекси оціночних коефіцієнтів будуть відповідати номерам змінних. 5. Побудова системи нормальних рівнянь. Знаходимо суму квадратів залишків. ( ) 2 n n ∗ ∗ ∗ ∑e ˆ i = ∑ yi − yi (16.95) i= 1 i= 1 і ставимо завдання мінімізувати її значення. Тобто нам необхідно знайти мінімум функції. n n ∗ ∗ 2 ∗ ∗ ∗ ∗ ∗ 2 ( j) = ∑( i ) = ∑ ( i − 1 1 − − k k) → . (16.96) F a e Y a x ... a x min i= 1 i= 1 Далі знайдемо часткові похідні за всіма оціночними ∗ параметрами aj( j = 1,k) і прирівняємо їх до нуля, внаслідок чого отримаємо таку систему нормальних рівнянь:
= a + ar + ar + … + ar , ∗ ∗ ∗ ∗ yx 1 2 x x 3 x x k x x 1 2 1 3 1 k 1 r = a r + a + a r + … + a r , ∗ ∗ ∗ yx 1 x x 2 3 x x k x x 2 2 2 3 2 k 2 513 (16.97) ∗ ∗ ∗ ∗ ryx = a k 1rx2x+ a k 2rx2x+ a k 3rx3x+ … + a k k . 6. Знаходження стандартизованих оціночних параметрів. Розв’язавши систему (16.97), отримаємо значення парних коефіцієнтів кореляції r , j = 1, k . Знайдені значення підставимо у yx j формулу (16.91). Покажемо альтернативну процедуру знаходження оціночних параметрів моделі з допомогою матричної алгебри. Введемо позначення: Rk – матриця парних коефіцієнтів кореляції між незалежними змінними; ryx – вектор парних коефіцієнтів між залежними та незалежними змінними; a ∗ – стандартизований вектор оцінки параметрів моделі. Враховуючи введені позначення, система рівнянь (16.97) у матричній формі матиме вигляд: ∗ Rka = ryx. (16.98) Оператор оцінювання в стандартній формі знайдемо з формули: ∗ −1 a = Rk ryx, (16.99) 1 де Rk − – обернена матриця парних коефіцієнтів кореляції між незалежними змінними. 7. Знаходження оцінок параметрів моделі. Оскільки знайдені оцінки параметрів представлені в стандартизованій формі, нам необхідно виконати зворотну процедуру переходу до нестандартизованого виду змінних. Для цього використаємо формули: σ k ∗ y aj = a j , j = 1,k, a0= y −∑ ajx j, k ≤m . (16.100) σ x j Приклад 16.13. Побудувати економетричну модель, яка описує взаємозв’язок між прибутком, основними фондами та затратами праці для десяти підприємств регіону (табл. 16.1) методом покрокової регресії. ♦Розв’язування. 1. Нормалізуємо вхідні дані за формулою (16.46): j= 1
- Page 461 and 462: Отримане значення
- Page 463 and 464: k1=m=1, k2=n-m-1==10-1-1=8, F та
- Page 465 and 466: Розділ 16. Моделі мн
- Page 467 and 468: Отримаємо: n n n ⎧ ⎪ n
- Page 469 and 470: Знайдемо частинну
- Page 471 and 472: • дослідження доці
- Page 473 and 474: 2 ( e ) ( ) ( ) 1 M e1e2 M e1en 2
- Page 475 and 476: дійсному співвідно
- Page 477 and 478: задовольняло умову
- Page 479 and 480: сфері мікроекономі
- Page 481 and 482: регіону від розмір
- Page 483 and 484: 4. Знаходимо значен
- Page 485 and 486: Тому при співставл
- Page 487 and 488: = R = yy ˆ n ∑( yi − y)( ˆy
- Page 489 and 490: де y - середнє значе
- Page 491 and 492: Підставимо отриман
- Page 493 and 494: Тоді буде мати місц
- Page 495 and 496: або в матричній фор
- Page 497 and 498: ⎧ −1 −1 ′ ⎫ cov( A) = M
- Page 499 and 500: ♦ Рoзв’язування. С
- Page 501 and 502: Значення виразів A
- Page 503 and 504: Значущість коефіці
- Page 505 and 506: Оскільки tрозр < tта
- Page 507 and 508: Значення t j беремо
- Page 511: 16.7. Покрокова регре
- Page 515 and 516: 515
- Page 517 and 518: 4. Вибираємо наступ
- Page 519 and 520: процесі проводитьс
- Page 521 and 522: 2 2 R − R 2 j Pr = , (16.102) j 2
- Page 523 and 524: Гипотеза 1: Измен.R^2
- Page 525 and 526: Коэфф. Значение Ст.
- Page 527 and 528: ∗ ∗ ∗ ∗ Зробивши з
- Page 529 and 530: який має назву фонд
- Page 531 and 532: Нелінійні за змінн
- Page 533 and 534: однопараметричної
- Page 535 and 536: 6. Сформулюйте осно
- Page 537 and 538: 42. Побудуйте довірч
- Page 539 and 540: hвирахування тренд
- Page 541 and 542: Результат: ПРОСТАЯ
- Page 543 and 544: процесу до іншого а
- Page 545 and 546: hдля перевірки адек
- Page 547 and 548: Амплітудно-частотн
- Page 549 and 550: вимірювання значен
- Page 551 and 552: Стратегія вибору в
- Page 553 and 554: Сглаживание 1=линей
- Page 555 and 556: hочищення спектра -
- Page 557 and 558: Потім видається гр
- Page 559 and 560: cукупність коефіці
- Page 561 and 562: n−τ n−τ n−τ ( n −τ )
3. Вибір ведучої незалежної змінної.<br />
Для вибору ведучої змінної необхідно провести порівняння<br />
абсолютних значень парних коефіцієнтів кореляції. Ведучою<br />
вибирається та змінна, яка має найбільше значення, тобто знаходимо<br />
величину<br />
j<br />
{ } 1<br />
xy<br />
∗<br />
r = max r , j = ,n<br />
512<br />
i i . (16.92)<br />
Оскільки змінна S<br />
x∗ має найтісніший зв’язок із результативним<br />
показником, її будемо вважати ведучою і першою вводимо до економетричної<br />
моделі. Використавши МНК, побудуємо залежність виду<br />
ˆY<br />
∗ ∗ ∗<br />
= a1xS, (16.93)<br />
де 1<br />
a∗ – оцінка параметра моделі, яка побудована на основі<br />
нормованих даних.<br />
4. Вибір наступної ведучої змінної із множини існуючих.<br />
Виводимо із розгляду попередню ведучу змінну і переходимо до<br />
третього етапу. Вибравши нову ведучу змінну xq ∗ , вводимо її у<br />
модель. Після таких двох кроків отримаємо:<br />
ˆY = a x + a x , (16.94)<br />
∗ ∗ ∗ ∗ ∗<br />
1 S 2 0<br />
∗ ∗<br />
де a,a 1 2 – оцінки відповідних параметрів моделі, яка побудована на<br />
основі нормованих даних. Зазначену процедуру повторюємо доти,<br />
поки поступово будуть введені до моделі всі можливо допустимі<br />
незалежні змінні. Припустимо, що число таких змінних буде<br />
становити k, де k ≤ m. Для спрощення будемо вважати, що індекси<br />
оціночних коефіцієнтів будуть відповідати номерам змінних.<br />
5. Побудова системи нормальних рівнянь.<br />
Знаходимо суму квадратів залишків.<br />
( ) 2<br />
n n<br />
∗ ∗ ∗<br />
∑e ˆ<br />
i = ∑ yi − yi<br />
(16.95)<br />
i= 1 i=<br />
1<br />
і ставимо завдання мінімізувати її значення. Тобто нам необхідно<br />
знайти мінімум функції.<br />
n n<br />
∗ ∗<br />
2<br />
∗ ∗ ∗ ∗ ∗<br />
2<br />
( j) = ∑( i ) = ∑ ( i − 1 1 − − k k)<br />
→ . (16.96)<br />
F a e Y a x ... a x min<br />
i= 1 i=<br />
1<br />
Далі знайдемо часткові похідні за всіма оціночними<br />
∗<br />
параметрами aj( j = 1,k)<br />
і прирівняємо їх до нуля, внаслідок чого<br />
отримаємо таку систему нормальних рівнянь: