Экономико-статистическое моделирование
Каждая производственная функция описывается одним из перечисленных алгебраических уравнений, поэтому основная задача исследования состоит в том, чтобы в каждом отдельном случае подобрать такое уравнение, которое наиболее близко воспроизводило бы исследуемый экономический процесс или его отдельные стороны. Этот этап исследования называется экономико-статистическим моделированием.
Построению математической модели производственной функции должен предшествовать тщательный качественный анализ моделируемого экономического процесса. Только после теоретического анализа и выявления характера взаимосвязей между рассматриваемыми признаками можно уверенно и с пользой применять производственные функции для изучения экономических процессов.
Экономико-статистическое моделирование осуществляется в следующем порядке:
1) экономический анализ, определение зависимой переменной и выявление факторов, влияющих на ее значение;
2) получение статистических данных и их обработка;
3) определение математической формы связи независимых и зависимой переменных (вида алгебраического уравнения);
4) определение параметров экономико-математической модели;
5) статистическая и экономическая оценка модели;
6) экономическая интерпретация модели.
Зависимую переменную выбирают на основе логического анализа возможных взаимосвязей между признаками, формирующими данный экономический процесс. За зависимую переменную принимается такой показатель, который, исходя из поставленной задачи исследования, наиболее полно характеризует изучаемый экономический процесс. Он должен быть качественно четко сформулирован и выражен в конкретной мере. При его выборе необходимо учитывать факторы времени и пространства. Зависимая переменная может быть выражена с помощью прямого показателя, непосредственно характеризующего результат производства (урожайность культур, продуктивность животных), и какого-либо косвенного показателя (себестоимость, рентабельность, прибыль).
Весьма важно правильно отобрать независимые факторы, влияющие на результат производства. В сложном переплетении явлений экономической жизни практически невозможно учесть влияние всех факторов. Значение многих из них нам неизвестно, как неизвестна и мера их влияния на результат. Не все факторы поддаются точному измерению. Часть из них оказывает незначительное влияние, некоторые имеют субъективный характер, то есть зависят от коллектива данного хозяйства и уровня руководства производством. В зависимости от цели исследования необходимо из всего множества отбирать только такие количественно измеримые факторы, которые оказывают наиболее существенное влияние на изменение производственного результата. Влияние же второстепенных и субъективных факторов в процессе определения производственных функций усредняется.
Число отобранных факторов не должно быть слишком большим даже в том случае, когда они известны и могут быть выражены количественно, поскольку это усложняет модель и повышает трудоемкость ее решения. Включаемые в модель факторы не должны находиться между собой в функциональной связи, так как они будут характеризовать одну и ту же сторону изучаемого явления, косвенно дублировать друг друга. В модель нельзя включать факторы, один из которых является частью другого.
После определения зависимой и независимых переменных готовят исходную информацию, которая должна наполнить живым содержанием модель производственной функции. Под подготовкой исходной информации обычно понимают получение данных и их обработку. Применяют два основных метода информации: получение исходных данных экспериментальным путем и путем обработки статистических данных. Эти методы часто взаимно дополняют друг друга.
Экспериментальный способ подготовки данных имеет то преимущество, что информация получается в результате опыта, условия которого позволяют контролировать процесс получения данных. Экспериментатор имеет возможность непосредственно контролировать большое количество переменных и тем самым сокращать то их число, которое не может быть охвачено наблюдением. Одновременно он по своему усмотрению может установить уровень воздействия тех или иных факторов, в результате чего прийти к решению, какую конкретную комбинацию факторов ему следует изучить. Используя эту возможность, он может добиться устранения ошибок наблюдения. Весьма важно и то, что экспериментатор может выбрать такую комбинацию факторов, которая даст равномерное распределение наблюдений на той части производственной поверхности, которую необходимо изучить.
Однако проведение экономического эксперимента связано со значительными трудностями. Часто оно нарушает нормальный ход производственного процесса и вызывает материальные потери. Кроме того, экономический эксперимент требует больших затрат времени, труда и средств, а во многих случаях его проведение вообще невозможно. В этих случаях производственные функции определяют на основе информации, полученной статистическим путем. Статистические данные обычно берут из материалов отчетности сельскохозяйственных предприятий. Они отражают события после их свершения, поэтому не могут подвергаться контролю и преобразованию в процессе их подготовки. Однако достоверная информация, содержащаяся в статистических данных, отражает объективную реальность хозяйственной деятельности и имеет большую практическую ценность.
Статистические данные должны отвечать ряду требований. Во-первых, достаточно большой объем выборки, чтобы полученные результаты с заданной вероятностью достоверно характеризовали бы генеральную совокупность; во-вторых, однородность выборки, то есть исходные данные должны отражать наиболее типичные черты изучаемой генеральной совокупности и, в-третьих, количественное выражение исходных данных, то есть каждый фактор измеряется однозначно некоторым числом или системой чисел.
Исходные статистические данные должны быть достаточными по количеству. Опыт показывает, что практически для расчетов необходимо иметь не менее 20-30 наблюдений. При использовании таких совокупностей известную пользу могут принести специально разработанные в математической статистике приемы малой выборки. Если единиц наблюдений мало, то для расширения исследуемой совокупности можно использовать так называемый метод хозяйства-лет. Суть его заключается в том, что по каждому хозяйству, входящему в совокупность, берут данные за ряд лет и рассматривают их как данные отдельного хозяйства. Однако этот метод не всегда дает положительные результаты.
Один из самых сложных и ответственных этапов экономико-статистического моделирования - установление математической формы связи между переменными изучаемого экономического процесса в виде алгебраического уравнения. Геометрическим образом этого уравнения будет прямая или кривая какого-то типа при парной корреляции, многомерное пространство при множественной корреляции. Во всех случаях необходимо, чтобы ферма этого уравнения, с одной стороны, правильно отражала основную тенденцию связи между переменными, а с другой - поддавалась дальнейшей математической обработке, не была слишком сложной.
Теория экономико-статистического моделирования не дает никаких советов относительно выбора конкретного вида алгебраического уравнения производственной функции. В практике исследования существует два подхода к решению этого вопроса. Первый способ сводится к сравнительно произвольному подбору вида уравнения, более или менее соответствующего поставленной задаче исследования. При этом уравнение подбирают обычно на основе графического анализа соотношений между переменными. Однако если моделируемых переменных больше трех, их общее взаимодействие графически изобразить уже невозможно. Второй способ предполагает, что выбор вида уравнения необходимо, прежде всего, строго экономически обосновать.
При построении многих производственных функций не всегда требуется выбирать соответствующий вид уравнений. Можно с успехом использовать типовые модели, построенные при предыдущих исследованиях подобных зависимостей. Построенную модель производственной функции необходимо решить, то есть вычислить числовые значения ее параметров. Вычисление параметров производится обычно с помощью метода наименьших квадратов.
О практической ценности производственной функции можно судить только после оценки полученных результатов. При оценке адекватности (соответствия) полученной модели действительным взаимосвязям между факторами используют коэффициенты корреляции и корреляционного отношения. Для вычисления этих показателей существует ряд расчетных формул, являющихся модификациями основных. Приведем эти основные формулы.
Для коэффициента парной корреляции:
где r - коэффициент парной корреляции;
- среднее произведение признаков;
- средние значения признаков;
- средние квадратические отклонения, определяемые для х по формуле и для y по формуле , где первый член является средним значением квадратов, а второй - квадратом среднего значения признака.
Для корреляционного отношения при парной корреляции:
где - корреляционное отношение.
Для коэффициента множественной корреляции:
где - коэффициент множественной корреляции;
- общая дисперсия зависимой переменной, характеризующая суммарное влияние на нее всех факторов;
- дисперсия зависимой переменной.
Эта формула имеет различные модификации. Так, в случае измерения влияния двух факторов на результат она принимает следующий вид:
где r – коэффициенты парной корреляции.
В связи с тем, что точность (надежность) результатов изучения корреляционных связей в значительной мере зависит от количества сопоставляемых данных, которое часто бывает ограниченным, весьма полезно измерение погрешности (существенности) вычисленного коэффициента корреляции и корреляционного отношения.
Существенность r и ή проверяют по t-критерию, который получается как отношение r или ή к их средней ошибке mr. Для коэффициента корреляции это отношение можно записать так: .
Если это отношение равно 3 или больше, коэффициент корреляции считается достоверным, то есть связь между признаками доказана. Если же отношение коэффициента корреляции к средней ошибке меньше 3, связь между изучаемыми факторами нельзя считать доказанной. Чтобы вывод был более надежным, рекомендуется брать величину отношения, равную не 3, а 4:
Средняя ошибка находится:
для коэффициента корреляции
для корреляционного отношения
для коэффициента множественной корреляции
где N – число наблюдений;
n – количество факторов.
Дата добавления: 2015-08-14; просмотров: 1035;