рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

Модели кривых роста

Модели кривых роста - раздел Экономика, ЭКОНОМЕТРИКА Плавную Кривую (Гладкую Функцию), Аппроксимирующую Временной Ряд Прин...

Плавную кривую (гладкую функцию), аппроксимирующую временной ряд принято называть кривой роста.

 

Аналитические методы выделения (оценки) неслучайной составляющей временного ряда с помощью кривых роста реализуются в рамках моделей регрессии, в которых в роли зависимой переменной выступает переменная yt, а в роли единственной объясняющей переменной - время t.

 

Наиболее часто в практической работе используются кривые роста, которые позволяют описывать процессы трех основных типов:

-без предела роста;

-с пределом роста без точки перегиба;

-с пределом роста и точкой перегиба.

 

Для описания процессов без предела роста служат функции:

 

- прямая (полином первой степени) - ,

 

- парабола (полином второй степени) - ,

 

-экспонента - и другие.

 

Процессы развития такого типа характерны в основном для абсолютных объемных показателей.

 

Например, объём продаж пива с1992 г. по 2003 г.[ Россия в цифрах. 2004. Госкомстат России. - М., 2004] (табл. 3.4.9) может быть описан полиномом второй степени (рис. 1.8).

 

Табл. 1.9. Продажа пива (млн. дкл.)

 

Годы
t
Пиво 273,3 411,7 408,2 451,1 524,6 634,6 707,8 762,5

Рис. 1.8. Тенденция продаж пива (млн. дкл.) может быть описана полиномом второй степени .

 

Для описания процессов с пределом роста служат функции:

- кривая Джонсона,

-модифицированная экспонента и др.

 

Процессы с пределом роста характерны для многих относительных показателей (душевое потребление продуктов питания, внесение удобрений на единицу площади, затраты на один рубль произведенной продукции и т.п.).

 

Для описания процессов третьего типа - с пределом роста и точкой перегиба используются кинетическая кривая (кривая Перла - Рида) и кривая Гомперца.

Такой тип развития характерен для спроса на некоторые новые товары.

 

Математические методы позволяют представить прогнозирующую модель в виде полинома любого порядка. Однако без необходимости использование полиномов высокого порядка представляется излишним.

 

Параметры моделей могут быть содержательно интерпретированы.

 

Так,

- параметр а0 во всех моделях без предела роста задает начальные условия развития, а в моделях с пределом роста - асимптоту функций,

-параметр а1 определяет скорость или интенсивность развития,

-параметр а2 - изменение скорости или интенсивности развития.

 

Параметры большинства "кривых роста", как правило, оцениваются по методу наименьших квад­ратов, т.е. подбираются таким образом, чтобы график функции "кри­вой роста" располагался на минимальном удалении от точек исходных данных.

Согласно методу наименьших квадратов при оценке параметров модели всем наблюдениям присваиваются равные веса, т.е. их инфор­мационная ценность признается равной, а тенденция развития на всем участке наблюдений – неизменной.

 

Предпочтение, как правило, отдается простым моделям, допускающим содержательную интерпретацию.

 

К числу таких моделей относится линейная модель роста

, (1.14)

где – параметры модели, а t = 1, 2,…, n.

 

Математически критерий оценки параметров модели записывается в виде:

(1.15)

 

Для нахождения минимума функции двух переменных следует взять частные производные по и , а затем приравнять их нулю.

 

 

В результате получим так называемую систему нормальных уравнений

 

(1.16)

 

 

Решая систему двух линейных уравнений с двумя неизвестными, получим

 

(1.17)

 

где и – средние значения моментов наблюдения и уровней ряда, соответственно.

 

– Конец работы –

Эта тема принадлежит разделу:

ЭКОНОМЕТРИКА

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ... МУРМАНСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ... Кафедра ИС и ПМ...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Модели кривых роста

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Временной ряд – это набор чисел, привязанный к последовательным, обычно равноотстоящим моментам времени.
  Числа, составляющие временной ряд и получающиеся в результате наблюдения за ходом некоторого процесса, называются уровнями временного ряда или элементами.

Требования к исходной информации
Применяемые при обработке временных рядов методы во многом опираются на методы математической статистики, которые базируются на достаточно жестких требованиях к исходным данным (таким как од

Этапы построения прогноза по временным рядам.
  экстраполяционное[1] прогнозирование экономических процессов, представленных одномерными временными рядами, сводится к выполнению следующих основны

Предварительный анализ данных.
В ходе предварительного анализа определяют соответствие имею­щихся данных требованиям, предъявляемым к ним математическими ме­тодами (объективности, сопоставимости, полноты, однородности и устойчив

Решение
Результаты расчетов по методу Ирвина приведены в табл1.3.  

Критерий «восходящих» и «нисходящих» серий.
Этот критерий «улавливает» постепенное смещение среднего значения в исследуемом распределении не только монотонного, но и более общего, например, периодического характера. Так же

Метод простой скользящей средней.
  1. Согласно этому методу определяется количество наблюдений, входящих в интервал сглаживания. При этом используют правило: если необходи

Процедура продолжается до тех пор, пока в интервал сглаживания не войдет последнее наблюдение временного ряда.
  Недостатком метода является невключение в процедуру сглаживания первых и последних p наблюдений временного ряда.   Метод простой скользящей средней

Этот метод отличается от предыдущего тем, что сглаживание внутри интервала производится не по прямой, а по кривой более высокого порядка.
Это обусловлено тем, что суммирование членов ряда, входящих в интервал сглаживания, производится с определенными весами, рассчитанными по методу наименьших квадратов. Если сгл

Метод экспоненциального сглаживания.
Рассмотренные методы простой и взвешенной скользящей средней не дают возможности сгладить первые и последние p наблюдений временного ряда. Отсутствие сглаженных первых наблюдений не так ва

Показатель среднего абсолютного прироста используется для построения простейших так называемых наивных прогнозов.
Прогноз на k- шагов вперед на момент вре­мени t=n+1получается по формуле:

Порядок коэффициентов автокорреляции определяет временной лаг: первого порядка (при t= 1), второго порядка (при t= 2) и т. д.
Последовательность коэффициентов автокорреляции уровней первого, второго, третьего и т.д. порядков называют автокорреляционной функцией.   Знач

На практике, как правило, при вычислении автокорреляции используется формула (1.13).
  Анализ автокорреляционной функции и коррелограммы поз­воляет определить лаг, при котором автокорреляция наиболее высокая, т.е. при помощи анализа автокорреляционной функции и кор

Аналитические методы выделения (оценки) неслучайной составляющей временного ряда.
Формирование уровней ряда определяется закономерностями трех ос­новных типов: инерцией тенденции, инерцией взаимосвязи между после­довательными уровнями ряда и инерцией взаимосвязи между исследу

Проверка равенства математического ожидания уровней ряда остатков нулю осуществляется в ходе проверки соответствующей нулевой гипотезы .
  С этой целью строится t-статистика: , (1.22)  

Критерий «пиков», или критерий поворотных точек.
Значение случайной переменной считается поворотной точкой, если оно одновременно больше (меньше) соседних с ним элементов. Если остатки случайны, то поворотная точка прихо

Наличие (отсутствие) автокорреляции в отклонениях от модели роста проверяют с помощью критерия Дарбина – Уотсона.
Соответствие ряда остатков нормальному закону распределения важно с точки зрения правомерности построения доверительных интервалов прогноза.  

То гипотеза о нормальном характере распределения отвергается
В случае попадания коэффициентов асимметрии и эксцесса в зону неопределенности (между полутора и двумя СКО) используются другие критерии, частности RS- критерий:

Средняя относительная по модулю ошибка
|Еср|отн= |Еср| / Yср * 100% (1.25)   Эти показатели дают представление об абсолютной величине ошибки

Прогнозы.
  Точечный прогноз на основе временных моделей получается подстановкой в модель (уравнение тренда) соответствующего значения фактора времени, т.е. t=n+1

Оценка параметров модели по формуле (3.5) «вручную».
Промежуточные расчеты параметров линейной модели по формулам (1.5) приведены в табл. 1.15.   Табл. 1.15 №

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги