построение эконометрических моделей

Рисунок 3.6- Коррелограмма реализации мяса

Рисунок 3.6- Коррелограмма реализации молока

Рисунок 3.6- Коррелограмма реализации яиц

Можно сделать вывод, что для каждого показателя характерно наличие сезонных колебаний. В этом случае для моделирования наших временных рядов будем строить модели регрессии с включением фактора времени и фиктивных переменных.

Введем переменную времени t и три фиктивные переменные d1, d2, d3.

Все расчеты будем проводить в программе Matrixer, которая предназначена для анализа и обработки данных, проведения эконометрических и статистических расчетов. Сначала создадим новые матрицы для исходных данных. На рисунке 3.7 отображается матрица для показателя выпуска сельскохозяйственной продукции, созданная средствами Matrixer’а.

Рисунок 3.6- Создание матриц в программе Matrixer

Регрессия - это зависимость между определёнными переменными, с помощью которой можно спрогнозировать будущее поведение данных переменных. Зачастую, регрессия подаётся в виде простого уравнения, которое раскрывает зависимость и силу связи между двумя группами числовых переменных, одна из которых называется зависимой (эндогенной), а вторая - независимой (экзогенной или фактором). Уравнения бывают двух видов: линейные и нелинейные. Линейное уравнение иллюстрирует строго линейную связь между переменными, то есть в нём отсутствуют степени, дроби, тригонометрические функции. В нелинейный класс уравнений входит всё то, что не вошло в линейный [12].

Для каждого показателя были построены несколько уравнений регрессии и из них выбраны наилучшие. Рассмотрим эти уравнения для каждого показателя. Выпуск описывается следующими эконометрическими моделями:

· Линейная (сумма квадратов остатков: 108466,576):

· Экспоненциальная (сумма квадратов остатков: 467338,114):

· Степенная (сумма квадратов остатков: 52764.738):

Выбор наилучшей модели производиться путем выбора наименьшего показателя суммы квадратов остатков. Как видим, наилучшей является степенная модель, поэтому построенные с помощью ее прогнозы будут точнее, чем прогнозы, полученные при использовании других моделей.

Для показателей животноводства были построены следующие виды регрессий: линейная, показательная, степенная, экспоненциальная и гиперболическая. В таблице 3.3 приведены значения сумм квадратов остатков для каждого показателя животноводства по построенным моделям.

Таблица 3.3 - Суммы квадратов остатков для показателей животноводства

Вид модели

Реализация мяса

Реализация молока

Реализация яиц

Линейная

24,33425

962,49111

452,47202

Показательная

20,26109

1992,64871

448,19731

Степенная

24,30044

912,23520

441,65664

Экспоненциальная

24,32681

7181,09605

451,93576

Гиперболическая

21,29417

5889,36722

434,42181

Перейти на страницу: 1 2 3 4 5 6 7

Виды безработицы, формы их реализации и специфика проблемы занятости в России
Труд и земля - два основных источника богатства, два основных фактора роста производства, поскольку все остальные факторы - капитал, организация, информация - это дело рук и разума человека. Поэтому общество на всех этапах развития интересовал вопрос об эффективности использования рабочей силы ...

Дебиторско-кредиторская задолженность на предприятии и управление ею
дебиторская кредиторская задолженность экономический В современных условиях развития рыночных отношений у предприятий значительно возросло количество контрагентов - дебиторов и кредиторов, из-за ряда объективных и субъективных факторов усложнились порядок учета и отражения в отчетности дебиторс ...