100% Вызвано изменениями независимой переменной. Во множественном рег-

рессионном анализе этот показатель называется множественным коэффици-

ентом смешанной корреляции.

Опрос потребителей: способ получения данных о спросе, который заклю-

чается в прямых вопросах потребителям об их покупках, с использованием

интервью, фокус-групп, опросов по телефону и анкет, высылаемых по почте.

Перекрестные данные: данные о конкретном наборе переменных для опре-

деленного времени для набора отдельных i-pyirn (например, людей, семей, го-

родов, штатов, стран).

Степени свободы: корректирующий фактор, необходимый для проведения

t-теста. Это число находится путем вычитания числа независимых переменных

плюс один из числа наблюдений в выборке; т. е. степень свободы = п - (k + 1) =

= п-к~ 1.

f-тест: тест статистической значимости значения R-. Если этот тест прохо-

дит, исследователь может быть вполне уверен в том, что все полученные коэф-

фициенты регрессионной модели не равны нулю для изучаемого массива.

Односторонний критерий: относится к природе альтернативной гипотезы

в г-теста. Если альтернативная гипотеза утверждает, что коэффициент в масси-

ве положителен, то используется верхняя часть Е-раепределения. Если альтер-

нативная гипотеза утверждает, что коэффициент в массиве отрицателен, то

используется только одна часть (-распределения.

Регрессионный анализ: статистический метод нахождения связи между

зависимой переменной и выбранными независимыми переменными. Если ис-

пользуется только одна независимая переменная, то этот метод называется про-

стой регрессией. Если используется больше одной независимой переменной,

то метод называется множественной регрессией.

Правило двух: общее правило, которое используется экономистами при

проведении f-теста. По сути, этот закон утверждает: любое ^-отношение, равное

двум и более, указывает на то, что полученные коэффициенты статистически

значимы на уровне 0,05.

Стандартная ошибка (SE^): показатель отклонения полученного коэффи-

циента регрессии от предполагаемого значения реального (но неизвестного)

коэффициента для массива. В (-тесте стандартная ошибка определенного ко-

эффициента делится на этот коэффициент, показывая t-значение.

(-таблица, численная таблица, состоящая из значений f-отношения и часто-

ты их появления в (-распределении, чье среднее значение равняется нулю,

/-тест: тест статистической значимости полученных коэффициентов регрес-

сии. Если коэффициент проходит этот тест, то исследователь может быть вполне

уверен в том, что значение коэффициента для массива не равняется нулю;

Временные данные: данные по определенному набору переменных; их зна-

чения отслеживаются в течение определенного времени с регулярными интер-

валами (ежемесячно, ежеквартально, ежегодно).

Двухсторонний критерий: f-тест, в котором альтернативная гипотеза

утверждает, что коэффициент для массива может быть как положительным,

ш

О

оы

так и отрицательным, т. е. он не равняется нулю. Таким образом, может быть

использована как верхняя, так и нижняя часть ^-распределения.

ПРОГНОЗИРОВАНИЕ

Причинное (объяснительное прогнозирование): количественный метод про-

гнозирования, в котором предпринимается попытка раскрытия функциональ-

ных зависимостей между независимыми переменными и зависимой пере-

менной.

Проекция сложного темпа роста: прогнозирование за счет проектирова-

ния среднего темпа роста в прошлом на будущее.

Метод Delphi: форма прогнозирования с использованием экспертных мне-

ний, в которой используется набор письменных ответов и вопросов для полу-

чения прогноза. Этот метод чаще всего используется при прогнозировании тех-

нологических тенденций.

Модель эконометрического прогнозирования: количественный, причин-

ный метод, в котором ряд независимых переменных используется для объяс-

нения прогнозируемой зависимой переменной. При эконометрическом прогно-

зировании используются модели с одним и несколькими уравнениями.

Экономические ____________показатели: барометрический метод прогнозирования,

в котором из экономических данных формируются индексы, отражающие со-

стояние экономики. Индексы ведущих, сопутствующих и отстающих показа-

телей используются для прогнозирования изменений экономической активно-

сти.

Экспоненциальное скольжение: скользящий метод прогнозирования, в ко-

тором большая значимость приписывается более свежим данным в отличие от

более удаленных по времени данных.

Жюри из мнений руководителей: прогноз, формируемый экспертами (на-

пример, руководителями корпорации) в ходе их собраний. Опрос мнений про-

давцов, которые каждый день связаны с рынком, представляет собой похожий

метод.

Метод скользящего среднего: метод скольжения, который сглаживает се-

зонные колебания.

Простое прогнозирование: количественное прогнозирование, которое про-

ецирует данные за прошлые периоды, не объясняя причин возникновения бу-

дущих тенденций.

Опросы общественного мнения: метод прогнозирования, в котором прово-

дится опрос населения для выявления тенденций потребления.

Качественное прогнозирование: прогнозирование на основе суждений от-

дельных людей или групп. Также называется прогнозированием на основе суж-

дений.

Количественное прогнозирование: прогнозирование, в котором исследу-

ются и принимаются за основу будущих трендов данные за прошлые периоды.

Исследования планируемых затрат: проверка экономических трендов, та-

ких как мнение потребителей и производственные запасы.

Прогнозирование на основе временных данных: метод прогнозирования

на основе данных за прошлые периоды с использованием статистического ме-

тода наименьших квадратов. В ходе этого анализа обычно изучаются тренды,

циклические сезонные колебания, а также нерегулярные изменения.

Проецирование тренда: форма простого прогнозирования, в ходе которого

осуществляется проецирование трендов на основе данных за прошлые перио-

ды. Для проецирования тренда, как правило, используются сложные темпы

роста, визуальные временные ряды или метод наименьших квадратов.

ВОПРОСЫ

ОЦЕНКА СПРОСА

1. Объясните различия между временными и перекрестными данными.

Приведите примеры каждого типа данных.

2. Будут ли отличаться наборы данных, которые используются в регресси-

онной модели спроса на потребительские товары длительного пользо-

вания (например, автомобили, бытовая техника, мебель) и регрессион-

ные модели спроса на потребительские товары ≪быстрого потребления≫

(например, еда, напитки, товары по уходу за собой)? Объясните свой

ответ.

3. Кратко объясните значение R*. Временной анализ спроса приводит к бо-

лее высокому значению R2, чем анализ с использованием перекрестных

данных. Как вы думаете, почему так происходит?

4. Назовите этапы проведения t-теста. Какова основа использования ≪пра-

вила двух* как заменяющего метода оценки ^-отношений?

5. Кратко объясните значение Р-теста. Как вы думаете, почему этот тест

считается более важным при проведении множественного регрессион-

ного анализа по сравнению с простым регрессионным анализом?

6. Что такое мультиколлинеарность? Как исследователи могут выявить эту

проблему? Как эта проблема влияет на результаты регрессии? Что мож-

но предпринять, чтобы справиться с этой проблемой?

7. В чем заключается проблема идентификации? Как эта проблема влияет

на регрессионные оценки функции спроса? Объясните свой ответ.

ПРОГНОЗИРОВАНИЕ

1. ≪Лучшим методом прогнозирования является тот метод, который дает

большую долю правильных предсказаний≫. Прокомментируйте это ут-

верждение.

2. Перечислите методы количественного и качественного прогнозирова-

ния. В чем основные различия между этими методами?

3. Обсудите преимущества и недостатки следующих методов прогнозиро-

вания:

а) жюри из мнения руководителей;

б) метод Delphi;

в) опросы общественного мнения.

Каждый метод используется в своем случае. Перечислите случаи исполь-

зования каждого метода.

4. а) Почему новые заказы у производителей и невоенное капитальное

имущество являются приемлемыми ведущими показателями?

б) Почему индекс промышленного производства является приемлемым

сопутствующим показателем?

в) Почему устанавливаемая банками средняя базисная ставка является

приемлемым отстающим показателем?

5- Обсудите наиболее важные упреки в адрес прогнозирующей способно-

сти ведущих экономических показателей.

6. По утверждениям, Манхеттен был куплен у коренных американцев

в 1626 г, за $24. Если бы продавцы инвестировали эту сумму под 6%

начисляемых раз в полгода и присоединяемых к основной сумме, какой

бы была эта сумма сегодня?

7. Сложный темп роста периодически используется для прогнозирования

различных количественных показателей (продаж, прибыли и т. д.). Счи-

таете ли вы это хорошим методом? Следует ли вводить какие-то предо-

стережения при осуществлении таких прогнозов?

8. Опишите прогнозы, в которых используется скользящее среднее или

экспоненциальное скольжение. При каких условиях могут использовать-

ся эти методы? Какой из этих двух методов кажется вам более полез-

ным?

9. Как в эконометрических моделях определяются ≪простые≫ методы про-

гнозирования? Всегда ли рекомендуется использовать эти методы в про-

гнозировании?

10. Вас попросили осуществить прогноз нового товара в вашей стране ~

питьевой воды в бутылках. Обсудите, какой тип информации вам по-

требуется для осуществления этого прогноза.

11. Ниже приведены ежемесячные изменения индекса ведущих экономи-

ческих показателей к ходе 2001 г. и в январе 2002 г.:

январь +0,1; август 0;

февраль +0,1; сентябрь -0,6;

март -0,3; октябрь +0,1;

апрель -0,1; ноябрь +0,8;

май+0,6; декабрь+1,3;

нюнь +0,2; январь +0,6.

июль +0,3.

Каким будет ваш прогноз экономики США на 2002 г.?

ЗАДАЧИ

ОЦЕНКА СПРОСА

1. Одной из наиболее сложных задач регрессионного анализа является по-

лучение данных, подходящих для такого типа количественного иссле-

дования. Предположим, вы пытаетесь оценить спрос на домашнюю ме-

бель. Выберите тип переменных, которые можно использовать для

выражения факторов, которые, как вы считаете, влияют на спрос на то-

вар. Будьте как можно более точными. Ожидаете ли вы какую-то слож-

ность в получении таких данных? Объясните свой ответ.

Факторы, определяющие спрос на мебель	Предлагаемые переменные для использования в регрессионном анализе
Цена
Вкусы и предпочтения
Цена на связанные товары
Доход
Стоимость или доступность кредита
Число покупателей
Ожидание
Другие возможные факторы