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

Государственное регулирование процесса ценообразования в Республике Беларусь
Достижение положительных результатов от проводимой реформы экономической системы во многом зависит от того, насколько успешны преобразования механизма ценообразования. Развитие рыночных методов хозяйствования предполагает повышение самостоятельности предприятий в принятии решений, в том числе и ...

Экономическая сущность и содержание инвестиций
Инвестиционный процесс играет основополагающую роль в формировании структуры производства, в этой связи основные изменения, которые должны произойти в отечественной экономике при переходе к рыночным отношениям, в первую очередь касаются процесса принятия инвестиционных решений. На смену народн ...