Измерение и экономико-математические модели - (реферат)
Дата добавления: март 2006г.
Измерение и экономико-математические модели
1. Описание объекта
В нашем случае объектом исследования являются совокупность фирм , заводов , предприятий . Моделируемым показателем является Y - производительность труда ( тыс. руб / чел ) .
2. Экономические показатели ( факторы )
Отбор факторов для модели осуществляется в два этапа. На первом идет анализ, по результатам которого исследователь делает вывод о необходимости рассмотрения тех или иных явлений в качестве переменных, определяющих закономерности развития исследуемого процесса, на втором–состав предварительно отобранных факторов уточняется непосредственно по результатам статистического анализа.
Из совокупности экономических показателей мы отобрали следующие : Зависимый фактор:
У- производительность труда, (тыс. руб. )
Для модели в абсолютных показателях
Независимые факторы:
Х1 - стоимость сырья и материалов ( тыс. руб. )
Х2 - заработная плата ( тыс. руб. )
Х3 - основные промышленно-производственные фонды ( тыс. руб. ) Х4 - отчисления на социальное страхование ( тыс. руб. )
Х5 - расходы на подготовку и освоение производства ( тыс. руб. ) Х6 - расходы на электроэнергию ( тыс. кВт час. )
Данные представлены в таблице 1.
Таблица 1
№ Объекта
наблюдения
Y
X1
X2
X3
X4
X5
X6
1
10. 6
865
651
2627
54
165
4. 2
2
19. 7
9571
1287
9105
105
829
13. 3
3
17. 7
1334
1046
3045
85
400
4
4
17. 5
6944
944
2554
79
312
5. 6
5
15. 7
14397
2745
15407
229
1245
28. 4
6
11. 3
4425
1084
4089
92
341
4. 1
7
14. 4
4662
1260
6417
105
496
7. 3
8
9. 4
2100
1212
4845
101
264
8. 7
9
11. 9
1215
254
923
19
78
1. 9
10
13. 9
5191
1795
9602
150
599
13. 8
11
8. 9
4965
2851
12542
240
622
12
12
14. 5
2067
1156
6718
96
461
9. 2
Для модели в относительных показателях
Х1- удельный вес стоимости сырья и материалов в себестоимости продукции Х2- удельный вес заработной платы в себестоимости продукции Х3- фондовооруженность одного рабочего, тыс. руб. /чел.
Х4- удельный вес отчислений на соц. страхования в себестоимости продукции Х5- удельный вес расходов на подготовку и освоение производства в себестоимости продукции
Х6- электровооруженность одного рабочего, тыс. кВт. / чел.
Данные представлены в таблице 2.
Таблица 2
№ Объекта
наблюдения
Y
X1
X2
X3
X4
X5
X6
1
10. 6
16, 8
12, 6
5, 7
1, 0
3, 2
0, 06
2
19. 7
33, 1
4, 5
8, 0
0, 4
2, 8
0, 08
3
17. 7
9, 9
7, 7
4, 6
0, 6
3, 0
0, 08
4
17. 5
63, 1
8, 6
4, 1
0, 7
2, 8
0, 08
5
15. 7
32, 8
6, 3
8, 0
0, 5
2, 8
0, 10
6
11. 3
40, 3
9, 9
5, 2
0, 8
3, 1
0, 08
7
14. 4
28, 3
7, 7
7, 1
0, 6
3, 0
0, 09
8
9. 4
25, 2
14, 6
7, 2
1, 2
3, 2
0, 11
9
11. 9
47, 3
9, 9
4, 5
0, 7
3, 0
0, 13
10
13. 9
26, 8
9, 3
9, 4
0, 8
13, 1
0, 11
11
8. 9
25, 4
14, 6
6, 5
1, 2
3, 2
0, 08
12
14. 5
14, 2
8, 0
8, 5
0, 7
3, 2
0, 13
3. Выбор формы представления факторов
В данной работе мы не используем фактор времени, т. е. в нашем случае мы используем статистическую модель. В 1-ом случае мы строим статистическую модель в абсолютных показателях, во 2-м–статистическую модель в относительных показателях. Проанализировав полученные результаты, мы выбираем рабочую статистическую модель.
4. Анализ аномальных явлений
При визуальном просмотре матрицы данных легко улавливается аномалия на пятом объекте в таблице 1, 2 . Здесь все факторы завышены в несколько раз . Скорее всего мы сталкиваемся в данном случае с заводом-гигантом . Поэтому данное наблюдение мы отбрасываем . Теперь формируем обновлённую матрицу данных . Таблица 3
№ Объекта
наблюдения
Y
X1
X2
X3
X4
X5
X6
1
10. 6
865
651
2627
54
165
4. 2
2
19. 7
9571
1287
9105
105
829
13. 3
3
17. 7
1334
1046
3045
85
400
4
4
17. 5
6944
944
2554
79
312
5. 6
6
11. 3
4425
1084
4089
92
341
4. 1
7
14. 4
4662
1260
6417
105
496
7. 3
8
9. 4
2100
1212
4845
101
264
8. 7
9
11. 9
1215
254
923
19
78
1. 9
10
13. 9
5191
1795
9602
150
599
13. 8
11
8. 9
4965
2851
12542
240
622
12
12
14. 5
2067
1156
6718
96
461
9. 2
Таблица 4
№ Объекта
наблюдения
Y
X1
X2
X3
X4
X5
X6
1
10. 6
16, 8
12, 6
5, 7
1, 0
3, 2
0, 06
2
19. 7
33, 1
4, 5
8, 0
0, 4
2, 8
0, 08
3
17. 7
9, 9
7, 7
4, 6
0, 6
3, 0
0, 08
4
17. 5
63, 1
8, 6
4, 1
0, 7
2, 8
0, 08
6
11. 3
40, 3
9, 9
5, 2
0, 8
3, 1
0, 08
7
14. 4
28, 3
7, 7
7, 1
0, 6
3, 0
0, 09
8
9. 4
25, 2
14, 6
7, 2
1, 2
3, 2
0, 11
9
11. 9
47, 3
9, 9
4, 5
0, 7
3, 0
0, 13
10
13. 9
26, 8
9, 3
9, 4
0, 8
13, 1
0, 11
11
8. 9
25, 4
14, 6
6, 5
1, 2
3, 2
0, 08
12
14. 5
14, 2
8, 0
8, 5
0, 7
3, 2
0, 13
4. Анализ матрицы коэффициентов парных корреляций для абсолютных величин
Таблица 5
№ фактора
Y
X1
X2
X3
X4
X5
X6
Y
1. 00
0. 52
-0. 22
-0. 06
-0. 23
0. 44
0. 12
X1
0. 52
1. 00
0. 38
0. 52
0. 38
0. 74
0. 60
X2
-0. 22
0. 38
1. 00
0. 91
1. 00
0. 68
0. 74
X3
-0. 06
0. 52
0. 91
1. 00
0. 91
0. 86
0. 91
X4
-0. 23
0. 38
1. 00
0. 91
1. 00
0. 67
0. 74
X5
0. 44
0. 74
0. 68
0. 86
0. 67
1. 00
0. 85
X6
0. 12
0. 60
0. 74
0. 91
0. 74
0. 85
1. 00
Из таблицы 4 находим тесно коррелирующие факторы. Налицо мультиколлениарность факторов Х2 и Х4 . Оставим только один фактор Х2 . Так же достаточно высокий коэффициент корреляции ( 0. 91 ) между факторами Х2 и Х3 . Избавимся от фактора Х3 .
5. Построение уравнения регрессии для абсолютных величин
Проведём многошаговый регрессионный анализ для оставшихся факторов : Х1 , Х2 , Х5 , Х6 .
а) Шаг первый .
Y = 12. 583 + 0 * X1 + 0. 043 * X2 + 0. 021 * X5 - 0. 368 * X6
Коэффициент множественной корреляции = 0. 861
Коэффициент множественной детерминации = 0. 742
Сумма квадратов остатков = 32. 961
t1 = 0. 534 *
t2 = 2. 487
t5 = 2. 458
t6 = 0. 960 *
У фактора Х1 t-критерий оказался самым низким . Следовательно фактором Х1 можно пренебречь . Вычеркнем этот фактор .
б) Шаг второй.
Y = 12. 677 - 0. 012 * X2 + 0. 023 * X5 - 0. 368 * X6
Коэффициент множественной корреляции = 0. 854
Коэффициент множественной детерминации = 0. 730
Сумма квадратов остатков = 34. 481
t2 = 2. 853
t5 = 3. 598
t6 = 1. 016 *
У фактора Х6 t-критерий оказался самым низким . Следовательно фактором Х6 можно пренебречь . Вычеркнем этот фактор .
в) Шаг третий .
Y = 12. 562 - 0. 005 * X2 + 0. 018 * X5
Коэффициент множественной корреляции = 0. 831
Коэффициент множественной детерминации = 0. 688
Сумма квадратов остатков = 39. 557
t2 = 3. 599
t5 = 4. 068
В результате трёхшаговой регрессии мы получили рабочее уравнение.
6. Анализ матрицы коэффициентов парных корреляций для относительных величин
Таблица 5
№ фактора
Y
X1
X2
X3
X4
X5
X6
Y
1. 00
0. 14
-0. 91
0. 02
-0. 88
-0. 01
-0. 11
X1
0. 14
1. 00
-0. 12
-0. 44
-0. 17
-0. 09
0. 02
X2
-0. 91
-0. 12
1. 00
-0. 12
0. 98
-0. 01
-0. 38
X3
0. 02
-0. 44
-0. 12
1. 00
0. 00
0. 57
0. 34
X4
-0. 88
-0. 17
0. 98
0. 00
1. 00
0. 05
-0. 05
X5
-0. 01
-0. 09
-0. 01
0. 57
0. 05
1. 00
0. 25
X6
-0. 11
0. 02
-0. 38
0. 34
-0. 05
0. 25
1. 00
В таблице выявляем тесно коррелирующие факторы. Таким образом, не трудно заметить достаточно высокий коэффициент корреляции между факторами Х2 и Х4. Избавимся от Х2
7. Построение уравнения регрессии для относительных величин
а) Шаг первый .
Y = 25, 018+0*Х1+
Коэффициент множественной корреляции = 0, 894
Коэффициент множественной детерминации = 0. 799
Сумма квадратов остатков = 26, 420
t1 = 0, 012*
t2 = 0, 203*
t3 =0. 024*
t4 =4. 033
t5 = 0. 357*
t6 = 0. 739 *
У фактора Х1 t-критерий оказался самым низким . Следовательно фактором Х1 можно пренебречь . Вычеркнем этот фактор .
б) Шаг второй .
Y = e ^3. 141 * X2^(-0. 722) * X5^0. 795 * X6^(-0. 098)
Коэффициент множественной корреляции = 0. 890
Коэффициент множественной детерминации = 0. 792
Сумма квадратов остатков = 0. 145
t2 = 4. 027
t5 = 4. 930
t6 = 0. 623 *
У фактора Х6 t-критерий оказался самым низким . Следовательно фактором Х6 можно принебречь . Вычеркнем этот фактор .
в) Шаг третий .
Y = e ^3. 515 * X2^(-0. 768) * X5^0. 754
Коэффициент множественной корреляции = 0. 884
Коэффициент множественной детерминации = 0. 781
Сумма квадратов остатков = 0. 153
t2 = 4. 027
t5 = 4. 930
В результате трёхшаговой регрессии мы получили рабочее уравнение :
Экономический смысл модели :
При увеличении расходов на подготовку и освоение производства производительность труда будет увеличиваться . Это означает что на данных предприятиях есть резервы для расширения производства , для введения новых технологий и инноваций с целью увеличения прибыли .
При увеличении заработной платы производительность труда будет снижаться . Это , скорее всего , будет происходить из-за того , что рабочие на данных предприятиях получают и так высокие зарплаты , либо фонд заработной платы используется по максимуму и дальнейший его рост приведёт к непредвиденным расходам .
8. Сравнительный анализ линейной и степенной моделей
Сравнивая линейную и степенную регрессионную модель видим , что статистические характеристики степенной модели превосходят аналогичные характеристики линейной модели . А именно : коэффициент множественной детерминации у степенной модели равен 0. 781 , а у линейной - 0. 688 . Это означает , что факторы , вошедшие в степенную модель , объясняют изменение производительности труда на 78. 1 % , тогда как факторы , вошедшие в линейную модель , - на 68, 8 % ; сумма квадратов остатков степенной модели ( 0. 153 ) значительно меньше суммы квадратов остатков линейной модели ( 39. 557 ) . Следовательно значения полученные с помощью степенной модели близки к фактическим .