- •Лабораторна робота № 1 лінійна багатофакторна регресійна модель
- •Теоретичні відомості
- •Алгоритм побудови та аналізу багатофакторної лінійної регресійної моделі
- •Розв’язок
- •Контрольні питання
- •Варіанти завдання для самостійного виконання
- •Лабораторна робота № 2 нелінійна регресійна модель
- •Теоретичні відомості
- •Алгоритм побудови нелінійної регресійної моделі
- •Розв’язок
- •3. Побудуємо параболічну регресійну модель
- •4. Побудуємо гіперболічну регресійну модель
- •5. Побудуємо показникову регресійну модель
- •6. Перевіримо адекватність побудованих моделей
- •6. Надамо відповідь на запитання задачі
- •Контрольні питання
- •Варіанти завдання для самостійного виконання
- •Лабораторна робота № 3 аналіз часових рядів
- •Теоретичні відомості
- •Алгоритм побудови та аналізу адитивної моделі
- •Розв’язок
- •Алгоритм побудови та аналізу мультиплікативної моделі
- •Розв’язок
- •Алгоритм методу експоненційного згладжування
- •Розв’язок
- •Контрольні питання
- •Варіанти завдання для самостійного виконання
- •Лабораторна робота № 4 оптимізаційні моделі і методи лінійного програмування
- •Теоретичні відомості
- •Алгоритм знаходження оптимального розв’язку задачі лінійного програмування
- •Розв’язок
- •Складемо економіко-математичну модель наданої оптимізаційної задачі.
- •Знайдемо оптимальний розв’язок оптимізаційної задачі засобами Excel
- •Знаходження оптимального рішення задачі цілочисельного програмування
- •Контрольні питання
- •Варіанти завдань для самостійного виконання
- •Література
- •Сенча Ірина Анатоліївна
- •Лабораторний практикум з дисципліни «Економіко - математичні моделі та методи проектного менеджменту»
- •Свідоцтво дк № 1434 від 17 липня 2003 р.
- •65009 М. Одеса, вул. Генуезька, 22
НАЦІОНАЛЬНА АКАДЕМІЯ ДЕРЖАВНОГО УПРАВЛІННЯ
ПРИ ПРЕЗИДЕНТОВІ УКРАЇНИ
ОДЕСЬКІЙ РЕГІОНАЛЬНИЙІНСТИТУТ
ДЕРЖАВНОГО УПРАВЛІННЯ
Кафедра управління проектами
ЛАБОРАТОРНИЙ ПРАКТИКУМ
з дисципліни „Економіко-математичні моделі та методи
проектного менеджменту”
завдання та методичні вказівки щодо виконання лабораторних робіт
для слухачів 1-го курсу денної та заочної форми навчання спеціальності 8.000003 «Управління проектами»
Одеса – 2009
Рекомендовано до друку Науково – методичною радою
Одеського регіонального інституту державного управління
НАДУ при Президентові України.
Протокол №1 від 16 вересня 2009 року
Лабораторний практикум з дисципліни «Економіко-математичні моделі та методи проектного менеджменту»: завдання та методичні вказівки щодо виконання лабораторних робіт для слухачів 1-го курсу денної та заочної форми навчання спеціальності 8.000003 «Управління проектами» / Укладач І.А. Сенча. – Одеса: ОРІДУ НАДУ, 2009. – 67 с.
© ОРІДУ НАДУ
при Президентові України 2009.
© Сенча І.А.
Лабораторна робота № 1 лінійна багатофакторна регресійна модель
Мета заняття: Отримати відомості про правила і етапи побудови багатофакторної лінійної регресійної моделі; навчитися обирати факторні ознаки для багатофакторної лінійної регресійної моделі, розраховувати її параметри засобами Excel, розробляти прогнози на основі аналізу побудованої моделі.
План:
-
Вибір факторних ознак для побудови багатофакторної лінійної регресійної моделі.
-
Розрахунок параметрів багатофакторної лінійної регресійної моделі.
-
Перевірка багатофакторної лінійної регресійної моделі на адекватність.
-
Прогнозування за багатофакторною лінійною регресійною моделлю.
-
Теоретичні відомості
У процесі аналізу діяльності економічного об’єкта часто виявляється, що на результативну ознаку цієї діяльності (наприклад, об’єм валової продукції, об’єм продаж та ін.) впливає декілька факторних ознак: час, вартість сировини і матеріалів, якість обладнання, продуктивність праці та інше. Тоді як модель діяльності об’єкта використовують багатофакторну лінійну регресійну модель, на основі якої розробляються прогнози діяльності, вивчається вплив на діяльність різноманітних економічних показників і виявляються ті показники, покращення яких суттєво збільшує її кінцевий продукт.
Загальний вигляд багатофакторної лінійної регресійної моделі:
,
де Y – результативна ознака,
X1, X2, …, Xm – факторні ознаки,
b0, b1, b2, …, bm – параметри моделі,
m – кількість факторних ознак.
Для забезпечення статистичної значимості моделі необхідно дотримуватися основного правила її побудови: „Факторні ознаки, що включено у модель, повинні бути тісно пов’язані із результативною ознакою і слабо пов’язані (або не мати зв’язку) між собою”. Крім того, кількість наглядів п повинна перевищувати величину 3(т+1).
Тіснота зв’язку між результативною і факторними ознаками та зв’язку факторних ознак між собою визначається за аналізом парних і частинних коефіцієнтів кореляції. Парні коефіцієнти кореляції розраховуються за формулою:
.
Розраховані парні коефіцієнти кореляції записують як матрицю . Частинні коефіцієнти кореляції розраховуються за формулою:
;
де Aij – алгебраїчне доповнення елемента rij.
Статистична оцінка значимості коефіцієнтів кореляції визначається їх порівнянням із критичним значенням rкр, що розраховується за формулою:
де – табличне значення розподілу Ст’юдента;
– рівень значимості.
Рівень значимості звичайно обирається рівним 0,05; 0,01 або 0,001.
В модель включаються тільки ті фактори, що не мають статистично значимого зв’язку між собою, тобто для яких rij< rкр.
Якість моделі визначається за критерієм Фішера, тобто порівнянням статистики F моделі із критичним значенням Fкр, де Fкр – табличне значення розподілу Фішера, що знайдене за умов: . Якщо F> Fкр , то модель є достовірною на рівні значимості 0,05 (тобто 95% даних пояснюються побудованою моделлю, 5% – випадкові помилки моделі).
Відносну величину впливу факторів на результативну ознаку оцінюють за формулою:
де
R2 – загальний коефіцієнт детермінації моделі.