Экономическо-математическая модель – это математическое описание экономического

процесса, проведенная в целях его исследования.

Экономико-математические методы - обобщение название комплекса экономическо-
математического научных дисциплин, объединённых для изучения социально-
экономических систем управления.

Различают 2 типа моделей:

Теоретическо-аналитическая модель – используют при изучении общих свойств и
закономерностей экономических процессов, имеет высокий уровень абстракции, и
использует обобщенную экономическую информацию

Прикладные модели – назначение:

1) Инструмент для количественной оценки последствий принимаемых решений
2) Как инструмент настройки параметров корпоративной информационной системы
SOP - > MPS -> Бюджетирование - > Финансовые ресурсы -> График Основных Ресурсов - >
Модель загрузки производственных мощностей
Основные виды классификации модели:
- сельского хозяйства
По периодом прогнозирования
- краткосрочные
- среднесрочные
- долгосрочные
По математическому аппарату:
- эконометрические
- балансовые модели (межотраслевого баланса)
- оптимизационные модели
- модели исследования операций (теория «Игр», сетевые модели)
- сетевая модель
- оптимизационная модель формирования портфеля инвестиций

Эконометрические модели
1. Определение и основные понятия
2. Классический и регрессионный анализ
3. Эконометрический анализ при нарушениях исходных предпосылок метода
наименьших квадратов

Это наука, которая дает количественные выражения взаимосвязей экономических

явлений и процессов
Назначение моделей – выявление эмпирических данных зависимостей между
экономическими показателями и количественная оценка величины зависимости, ее
надёжность и форма связей.
Объект – стохастическая зависимость между показателями. ОП = ПТ ЧЗ; ОП – инвестиции
(диаграмма рассеяния) – линия регрессии

Y = a + bx
Y = a + bx + e
F
A b – параметры, коэффициенты модели
Задачи регрессионного анализа
- найти форму связи
- рассчитать параметры регрессии (модель хорошего качества?)
- оценить их качество

ТИПЫ ЭКОНОМЕТРИЧЕСКИХ МОДЕЛЕЙ:

- с одним уравнением
- модели временных рядов
- системы одновременных уравнений

Типы данных:
- пространственные данные
- временные ряды

Случайная величина – характеристики: среднее, закон распределения, на сколько

колеблется показатель вокруг среднего.
Генеральная совокупность – все предприятия

Оценить качество модели – на сколько построенная модель по выборке соответствует

истинной модели, построенной по генеральной совокупности. Если это имеет место, то
полученные оценки модели являются несмещенные, состоятельные и эффективные.
Для полученных оценок также проводится статистическая проверка гипотез, которая
позволяет ответить, значимо ли различие истинное значение от рассчитанного. Такая
проверка осущ на основе расчета статистических характеристик. Т-статистика, F-
статистика, и др. При проверке статистик сравнивают расчётную статистику с табличной,
задавая уровень значимости альфа (вероятность ошибки), число степеней свободы (число
наблюдений – число факторов – 1).

Истинное уравнения регрессии = альфа

По выборке =

Основная теорема (Гаусса-Маркова) – оценки параметров модели, полученной методов

наименьших квадратов (МНК) важна на построении временных рядах.
1. М (ei) = 0
2. Дисперсия остатков e1, …….. en
3. Остатки 6некоррелированные ei, ej
4. Остатки имеют нормальный закон распределения
5. Факторы некоррелированные
Метод наименьших квадратов –

Качество уравнения регрессии:

Коэффициент детерминации: чем ближе коэф. к 1 тем лучше уравнение.
У = 16,5 + 2,16 * К2=0,55
(10,6). (0,6)

Оно на 55% обьяснеяет поведения показателя у, использовать его для прогноза не

желательно, т.к коэф. Детерминации был ближе к 1, т.е 100%. Пути улучшения
- изменить фактор (можно ли изменить?)
- т-статистика говорит, о том, что фактор значимо влияет на объём производства
- изменить форму связи
- дополнить этот фактор другим (построить множественную регрессию)

Изменим форму связи:

Для того, чтобы использовать стандартные формы расчета а и в, и нам надо перейти от
нелинейной формы связи перейти к линейной это можно прологарифмировать
У=axb
R2= 0,52 (этот шаг не позволил нам увеличить)

Построить множественную регрессию:

При построении такой регрессии есть большая вероятность построить ложную регрессию
так как параметр y x – изменяются по времени. Чтобы избежать этого, в уравнении
регрессии дополнительно рассчитывается статистика Дарвина Уотсона и рассматривается
графика остатка на дисперсию (см. теорему Гаусса-Маркова) для выполнения т ГМ
статистика ДУ приблизительно = 2.
Модели временных рядов как функция времени A+B=t (время – 1, 2, 3, 4 и т.д)