Создан заказ №741945
9 октября 2015
Степенные регрессионные модели
Как заказчик описал требования к работе:
требуется: 1 глава - теоретическая часть по теме работы,
2 гл. п1 - задача, с помощью формул вычисление "вручную"
п.2 - расчеты задачи в Excel.
Выводы в заключении и по 1-му и 2-му П. 2-ой главы. В закрепе методичка и задание = вариант№9
Фрагмент выполненной работы:
ВВЕДЕНИЕ
С тех пор как экономика стала серьезной самостоятельной наукой, исследователи пытаются прогнозировать ту или иную ситуацию, предусмотреть будущие значения экономических показателей, предложить инструменты изменения ситуации в желаемом направлении. Политики или управляющие производством, выбирая одну из возможных стратегий, получают определенный результат. Плох он или хорош и можно было достичь лучшего результата, проверить очень трудно. (работа была выполнена специалистами Автор 24) Экономическая ситуация практически никогда не повторяется в точности, следовательно, невозможно применить две стратегии при тех же условиях с целью сравнения конечного результата. Поэтому одной из основных задач экономического анализа является моделирование развития экономических явлений и процессов при создании тех или иных условий. Поняв глубинные движущие силы исследуемого процесса, можно научиться рационально, управлять им. Применение математических методов в экономике позволяет выделить и формально описать наиболее важные, существенные связи экономических переменных и объектов, а также индуктивным путем получить новые знания об объекте. Кроме того, на языке математики можно точно и компактно отображать утверждение экономической теории, формулировать ее понятия и выводы. Критерием истины для любой теории является практика. В частности, практика экономической деятельности отражается в статистической информации. Сочетание экономической теории с практическими результатами является краеугольным камнем эконометрии.
Актуальность выбранной темы определяется тем, что в эконометрике широко применяются нелинейные регрессионные модели. Во многих практических задачах прогнозирования, изучая различного рода связи в экономических, производственных системах, необходимо на основании экспериментальных данных выразить зависимую переменную в виде некоторой математической функции от независимых переменных – регрессоров, то есть построить регрессионную модель. Регрессионный анализ позволяет:
производить расчет регрессионных моделей путем определения значений параметров – постоянных коэффициентов при независимых переменных – регрессорах, которые часто называют факторами;
проверить гипотезу об адекватности модели имеющимся наблюдениям;
использовать модель для прогнозирования значений зависимой переменной при новых или ненаблюдаемых значениях независимых переменных.
Целью курсовой работы явилось исследование регрессионного анализа и применение его в эконометрике. Для достижения поставленной цели были решены следующие задачи:
изучение основных положений регрессионного анализа
рассмотрение оценки параметров парной степенной регрессионной модели
исследование оценки значимости уравнения степенной регрессии и особенностей применения коэффициента детерминации
рассмотрение практических задач
Информационную базу составили труды отечественных ученых-экономистов в области эконометрических исследований, публикации, Интернет источники и личные наблюдения автора.
Для написания курсовой работы использовались методы статистической обработки информации, методы аналитических процедур и возможности математических расчетов для обоснования экономических исследований.
Работа выполнена в программе Excel, проведены регрессионный и корреляционный анализы.
ТЕОРЕТИЧЕСКАЯ ЧАСТЬ
Прежде чем перейти к практической части необходимо ознакомиться с некоторыми теоретическими аспектами эконометрики.
Во многих практических случаях моделирование экономических зависимостей линейными уравнениями дает вполне удовлетворительный результат и может использоваться для анализа и прогнозирования. Однако в силу многообразия и сложности экономических процессов ограничится рассмотрением лишь линейных регрессионных моделей невозможно. Многие экономические зависимости не являются линейными по своей сути, и поэтому их моделирование линейными уравнениями регрессии, безусловно, не дает положительного результата. Например, при рассмотрении спроса Y на некоторый товар от цены X данного товара в ряде случаев можно ограничиться линейным уравнением регрессии: . Если же мы хотим проанализировать эластичность спроса по цене, приведенное уравнение не позволит этого осуществить. В этом случае целесообразно рассмотреть т.н. логарифмическую модель. При анализе издержек Y от объема выпуска X наиболее обоснованной является полиномиальная (точнее, кубическая) модель. При рассмотрении производственных функций линейная модель является нереалистичной. В этом случае обычно используют степенные модели. Например, широкую известность имеет производственная функция Кобба-Дугласа (здесь Y – объем выпуска, K и L – затраты капитала и труда соответственно). Достаточно широко применяются и многие другие модели, в частности обратная и экспоненциальная.
Построение и анализ нелинейных моделей имеют свою специфику. Если между экономическими явлениями существуют нелинейныесоотношения, то они выражаются с помощью соответствующих нелинейныхфункций.
Один из подходов оценки параметров нелинейных моделей состоит в линеаризации модели. Линеаризация модели заключается в том, что с помощью подходящих преобразований исходных переменных исследуемую зависимость представляют в виде линейного соотношения между преобразованными переменными. В рамках этого подхода различают два класса нелинейных регрессионных моделей, допускающих линеаризацию:
а) модели, нелинейные относительно включенных в модель переменных, но линейных по оцениваемым параметрам;
б) модели, нелинейные по оцениваемым параметрам.
Различают два класса нелинейных регрессий:
1.Регрессии, нелинейные относительно включенных в анализобъясняющих переменных, но линейные но оцениваемым параметрам,например:
полиномы различных степеней: , ;
равносторонняя гипербола:
полулогарифмическая функция: .
2.Регрессии, нелинейные но оцениваемым параметрам, например
-степенная:
-показательная: ;
-экспоненциальная: .
Регрессии нелинейные по включенным переменным приводятся клинейному виду простой заменой переменных, а дальнейшая оценкапараметров производится с помощью метода наименьших квадратов.Рассмотрим степенную регрессионную модельПосмотреть предложения по расчету стоимости
Заказчик
заплатил
заплатил
500 ₽
Заказчик не использовал рассрочку
Гарантия сервиса
Автор24
Автор24
20 дней
Заказчик воспользовался гарантией, чтобы исполнитель повысил уникальность работы
12 октября 2015
Заказ завершен, заказчик получил финальный файл с работой
5
Степенные регрессионные модели.docx
2016-01-14 10:57
Последний отзыв студента о бирже Автор24
Общая оценка
5
Положительно
Все сделано на высшем уровне! Автор отвечает на все вопросы и грамотно оформляет работу.
Хочешь такую же работу?
300 ₽
