Понятие регрессии - раздел Образование, Тема 0. Цели и задачи моделирования Колебания В Динамическом Ряду Часто Не Строго Периодические, Но Зависят От Ко...
Колебания в динамическом ряду часто не строго периодические, но зависят от колебаний другого признака (напр.: стоимость продаж от объёма продаж). Тогда эффективно строить зависимость ряда не от безликого (монотонного) времени, а от этого объясняющего ряда (фактора).
Регрессия – функция одной переменной (изучаемого динамического ряда) от другой(их), называемой(ых) фактором(ами) регрессии.
Регрессия – зависимость среднегозначения ряда от значений факторов.
Порядок построения регрессии:
- отбор факторов
- выбор [функции] регрессии
- расчет параметров регрессии
- (прогнозирование)
(Выдержка из – Методы анализа и прогнозирование рынка товаров народного потребления, - Л.: ЛФЭИ, - 1991г.)
Регрессионные модели
Экстраполяционные модели являются частный случаем регрессионных моделей, в которых вместо факторов, обуславливающих изменение признака, взят фактор времени.
В зависимости от количества учитываемых в модели факторов регрессионные модели делятся на однофакторные и многофакторные.
Пря построения многофакторных регрессионных моделей и расчете их параметров методом наименьших квадратов следует учитывать следующие требования:
1. Включаемые в модель факторы должны быть независимыми друг друга.
2. Независимые переменные представляют собой неслучайный набор чисел, их средние значения и дисперсия конечны.
3. Случайные ошибки имеют нулевую среднюю и конечную дисперсию
4. Между независимыми переменными отсутствует корреляция и автокорреляция
5. Случайная ошибка не коррелирована с независимыми переменными
6. Случайная ошибка подчинена нормальному закону распределения.
Примерам многофакторной модели опроса мажет служить следующая модель:
R=A0+A1*S+A2*C+A3*W, где
R - сумма расходов на приобретение товаров группы в расчете на душу населения;
S - среднедушевой денежный доход;
C - цены на товары, усредненные по группе;
W - потребление товаров из внерыночных источников;
А0…А3 - параметра модели.
Отыскание параметров модели методом наименьших квадратов предполагает предварительную проверку автокоррелируемость введённых в модель факторов (S, C, W). При всей привлекательности многофакторных моделей, их реализация достаточно трудоемка и требует особой тщательности в отборе факторов и формирования исходной информационной базы. В связи с этим, широкое распространение получили однофакторные модели.
К качестве примера подробно рассмотрим пример изучения спроса в зависимости от цен.
В простейшем случае линейной связи между спросом Y и ценой X, модель регрессии имеет вид:
Y=A0+A1*X+A2*t, где
Y - спрос;
Х – цена товара;
t – время.
А0…А2 - параметра модели.
Фактор времени вводится в модель для устранения автокорреляции из динамического ряда.
Одним из существенных моментов при построении модели спроса в зависимости от цены является выбор показателя динамики цены (задание фактора Х.). В практике анализа спроса ценовой фактор учитывается, как правило, в виде базисного индекса цены товара, при этом берутся так называемые индексы цен товарного предложения или просто индексы розничных цен. На практике существуют отличия вызванные изменением ассортиментной. структуры производимой продукции, её качества. Для учёта этих отличий, динамику цен можно представить в виде динамики индекса средней цены реализации товара J:
J=Vф / Vc, где:
J – индекс средней цены реализации
Vф – объём продаж в фактических ценах,
Vc – объём продаж в сопоставимых ценах.
Содержательный анализ характера влияния на спрос динамики цены проводится на основе рассчитанных значений параметров уравнения регрессии.
Для случая линейной связи Y=A0+A1*X+A2*t имеем:
- если А1<0 , то это означает, что цена существенно влияет на размеры реализованного спроса,
- если А1>0 , то характерна ситуация изменения структуры опроса, его переключения на более дорогие и, соответственно, более качественные товары.
В случае криволинейной зависимости спроса от цены, аналогичный анализ можно провести путем замены криволинейной функции на кусочно-линейную. В атом случае значение параметра А1 можно определять для любой точки, находящейся на кривой, проведя касательную линию к искомой точке.
Тема Цели и задачи моделирования... Объективная основа моделирования... События окружающего мира повторяется Наряду с линейным временем существует время циклическое Для живых существ...
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:
Понятие регрессии
Что будем делать с полученным материалом:
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Иерархия понятий моделирования
Предсказание - суждение о неизвестном
Предсказания делятся на прорицания и предвидения.
Прорицание не требует доказательств и обоснований (например, интуиция), хотя и может
Порядок моделирования
Прогнозирование - часть исследования, следовательно сохраняет его общий порядок проведения. (инд, дед; латер) ???
Прогнозирование можно разбить на 3 стадии: две содержательные (постановка,
Графическое представление вариационных рядов
Прогнозирование средствами мат. статистики производится на основе анализа вариационных рядов и их связей.
Варьирование - изменение признака от наблюдения к наблюдению. (Например, варьир
Номинальная шкала
Заключение о связи признаков можно получить графическим (зрительным / визуальным) и расчётным (аналитическим) путём. Взаимосвязь признаков номинальной шкалы отображается Пузырьковой диаграммой. Из
Ранговая шкала
Взаимосвязь ранговых признаков отображается на двухосной (лестничной) диаграмме. Каждому объекту соответствует отрезок (ступенька лестницы), связывающий значения признаков этого объекта.
Понятие временного ряда
Временной (динамический) ряд – изменение признака со временем. Или: это вариационный ряд, где наблюдения – моменты времени.
При прогнозировании динамического ряда изучается зависим
Задачи анализа временного ряда
Задачи - выявление (анализ) и [математическое] описание его компонент, прежде всего - тренда.
Этапы (задачи) анализа тренда:
1. Первоначальная подготовка данных (сопоставимость, р
Первоначальная подготовка данных
Собранные в динамический ряд данные должны быть сопоставимы:
- по физической единице измерения (метры, тонны; тонны, кг)
- по стоимостной оценке (учет инфляции)
- по врем
Механическое сглаживание
Пример 1. Берётся циркуль. Раскрывается на к.л. ширину по усмотрению исследователя. Проводится окружность с центром в первой точке графика. Центр окружности соединяется отрезком с точкой пересечени
Прогнозирование по тренду
На основании проведённого моделирования основных компонент ряда (тренда и сезонности) можно производить предсказания о возможных значениях этого ряда. В статистике это выражается в экстра- и интерп
Сглаживание по четной базе
Перенести формулу сглаживания по нечетной базе на четную базу непосредственно не удаётся – непонятно к какому периоду относить усреднённые значения. В зависимости от целей сглаживания используют сл
Взвешенное сглаживание
В предыдущем методе крайние наблюдения включались в сглаживание с весами ½. Данный подход можно расширить, в зависимости от представлений о природе изучаемого явления. Например, если предпол
Меры близости рядов
После того как определён вид уравнения тренда, необходимо определить (провести, построить) сам тренд, т.е. - определить его параметры. Из бесконечного множества трендов [определённого ранее вида] н
Критерии случайности
(Выдержка из - Кендел М. Временные ряды. М.: Финансы и статистика, - 1981.)
Простейшей гипотезой, которую можно выдвинуть относительно колеблющегося ряда, является предпо
Поворотные точки
Наиболее простой для применения критерий, особенно если ряд изображен графически, состоит в подсчете пиков и впадин. «Пик»— это величина, которая больше двух соседних. «Впадина», наоборот, - значен
Длина фазы
Определенный интерес представляет не только число поворотных точек, но и распределение интервалов между ними. Интервал между двумя поворотными точками называется «фазой». Таким образом, если
Критерий, основанный на знаках разностей
Несколько более сложный критерий состоит в подсчете числа положительных разностей первого порядка в ряде, иначе говоря, числа точек возрастания ряда. Для ряда из n членов получаем n — 1 разностей
Сравнительный анализ критериев
Имеются и другие критерии, представляющие значительный теоретический интерес, но на практике они требуются редко.
Критерий для обнаружения линейного тренда требуется не часто, но когда он
Отбор факторов для регрессии
Различают содержательный и формальный отбор. С содержательной точки зрения в перечень факторов включаются причиныизучаемого явления (напр., причиной выпуска продукции является нали
Вид функции регрессии
Формально, регрессионное уравнение может быть произвольного вида. Практически используется только линейная регрессия (и функции, сводимые к ней):
Расчет параметров регрессии
Расчет параметров производится по методу наименьших квадратов, аналогично тренду.
MS Excel оценивает параметры только линейной регрессии (Сервис->Анализ данных->Регрессия либо с испо
ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНОГО АССОРТИМЕНТА
Постановка задачи. Имеется р видов ресурсов в количествах b1, … bi, … bn, которые могут быть использованы при производстве q видов изделий. Задана матрица А = || аij ||, где аij, х
Предварительный этап
На данном этапе определяются:
а) конкретные задачи (вопросы, по которым должна проводится экспертиза);
б) состав лиц, входящих в рабочую группу по подготовке и проведению эксперти
Формирование рабочей группы
Рабочая группа - это группа специалистов, осуществляющих организаторскую работу по проведению экспертизы. В рабочую группу должны входить главным .образом работники специальных подразделений по и
Определение квалификации экспертов
Качество экспертных оценок во многом определяется квалификацией экспертов. При отборе экспертов используются метода оценки квалификации экспертов. Чаще всего - это метода "самооценки" ил
Обработка и анализ результатов опроса экспертов
Заполненные экспертами анкеты, подвергаются логической проверке, сводке и подсчету подученных ответов.
В зависимости от характера задач, решаемых в процессе экспертизы, получаются оценки
Тема 16. Самореализующиеся прогнозы
Самореализующийся прогноз – социально-экономическое явление, состоящее в наличии социального механизма, приводящего к [не] реализации любого прогноза [высказанного в определённых условиях].
Хотите получать на электронную почту самые свежие новости?
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Новости и инфо для студентов