Основным методом всех плановых расчетов является метод прямого счета, заключающийся в том, что потребность в каждом виде продукции определяется перемножением норм расхода на объем работы или объем выпуска продукции и т. д. по потребителям. Аналогично определяется потребность в реагентах, катализаторах, кадрах и др. Исходные нормативы для расчета могут быть определены путем обработки статистических рядов, экстраполяции, индексного метода корректировки базисных норм, метода статистических зависимостей, метода регрессионного анализа. [c.153]
Ввиду Того, что опытный метод количественного определения влияния этих факторов на норму расхода не может быть использован из— за отсутствия необходимых экспериментальных данных, целесообразно выявлять зависимость между ними на основе такого математического аппарата, как регрессионный анализ. С учетом характера влияния указанных факторов на величину фактического удельного расхода была рассмотрена следующая линейная многофакторная модель [c.48]
Совокупные эксплуатационные затраты могут изменяться под воздействием нескольких факторов, например, таких, как количество машин в парке срок их службы время работы механиков, обслуживающих машины. Ни один из названных факторов не был учтен при построении графика разброса, проведении анализа диапазона или линейного регрессионного анализа и не мог быть учтен. Все три метода предполагают, что изменчивость затрат обусловлена единственным фактором (в данном случае автопробегом). Поэтому необходимо убедиться в том, что показатель объема действительно является основной причиной изменчивости затрат. [c.123]
Однако само по себе включение дополнительных факторов в анализ не может автоматически повысить точность предсказаний. Хотя существуют компьютерные программы, которые выполняют многофакторный регрессионный анализ, выявление всех факторов поведения затрат может оказаться трудным или невозможным. Даже если они будут выявлены, количественная оценка может быть проблематичной (например, попробуйте количественно определить связь между сроком службы машин и изменчивостью эксплуатационных затрат в случае службы скорой помощи). [c.123]
Проблемы могут возникнуть при определении величин R/ и Rm. Например, в качестве "безрисковых" вполне обоснованно могут быть приняты нормы прибыли по разным ценным бумагам. Какую из них следует использовать Трудности возникают и при оценке В-коэффициента. Применение регрессионного анализа предполагает, что прошлое выступает обоснованием прогнозов, и мы можем быть вынуждены ограничиться оценкой, базирующейся в основном на суждении. [c.512]
Форма связи обычно задается самим постановщиком задачи в зависимости от характера изменения (развития) изучаемого объекта. Кроме того, она может быть определена и программным путем. Желательно при этом свести модель к линейной форме, так как весь аппарат корреляционно-регрессионного анализа ориентирован на линейность связей [c.137]
Потенциальные достоинства моделей рассмотренного типа могут быть реализованы только в том случае, если удается построить функции предпочтения, отражающие реальность. Оценка коэффициентов функции предпочтения осуществляется на основе методов регрессионного анализа, которые были кратко рассмотрены в предыдущем параграфе. Однако, поскольку непосредственно наблюдается поведение потребителей, т. е. вектор у, а не функция [c.120]
Результаты многофакторного регрессионного анализа могут быть использованы также для планирования и прогнозирования уровня результативного показателя. С этой целью необходимо в полученное уравнение связи подставить плановый (прогнозный) уровень факторных показателей [c.70]
Существуют следующие методы разработки функции затрат, включающие метод технологического нормирования, метод анализа счетов, визуальный метод, метод регрессионного анализа, метод абсолютного прироста. В принципе предполагается взаимосвязанное использование этих подходов. Выбор функции затрат должен быть экономически обоснован и целесообразен. [c.245]
Математические модели корреляционного анализа в форме коэффициентов имеют ограниченные аналитические возможности. Зная лишь направление ковариации показателей и тесноту связи, невозможно определить закономерности формирования уровня результативного показателя под влиянием исследуемых факторов, оценить интенсивность их влияния, классифицировать факторы на основные и второстепенные. Для этих целей используются модели регрессионного анализа. Линейная модель (уравнение) регрессионного анализа может быть представлена в виде [c.282]
Для анализа показателей кредитных ресурсов может быть использован весь спектр статистических методов. Это показатели динамического ряда темпы роста и прироста, абсолютного прироста метод группировок, позволяющий установить наличие связи показателей кредитных ресурсов с признаками, не находящимися с ними в функциональной связи метод корреляционно-регрессионного анализа, с помощью которого определяется степень тесноты связи между признаками индексный метод. Метод группировок был рассмотрен в предыдущем разделе. [c.308]
После проведения корреляционного анализа принимается решение о целесообразности построения уравнения регрессии, с помощью которого определяется аналитическое выражение формы связи между отдельными видами процентных ставок. С помощью регрессионного анализа выявляется изменение одной величины (результата) под влиянием одного или нескольких факторов, а множество прочих причин, оказывающих влияние на результат, принимается за постоянные и средние значения. Регрессия может быть однофакторной (парной) и многофакторной (множественной). Подбор аналитических функций (линейных и криволинейных) для построения уравнения регрессии осуществляется аналогично подбору функций для уравнения тренда. На практике теоретическая форма связи определяется с использованием пакета статистических программ на ПЭВМ. Для наглядного изображения теоретической формы связи значения показателей, полученные с помощью уравнения регрессии, наносят на график и сравнивают их с эмпирическими данными. [c.624]
При анализе взаимосвязей в сочетании с изучением динамики явлений нас интересует в первую очередь не соотношение индивидуального и среднего по совокупности значений результативного признака, а изменение его состояния в отчетном периоде по сравнению с базисным - (У -. у0). В случае использования регрессионного анализа эта разница может быть представлена следующим образом [c.420]
Предположим для примера, что анализируется влияние различных факторов на изменение производительности труда. Среди этих факторов — показатели, связанные с техническим обеспечением производственной деятельности, технологическим уровнем производства, уровнем организации производства, уровнем квалификационной и общеобразовательной подготовки работников и т.п. Все факторы влияют на изменение производительности труда, но вместе с тем они, без сомнения, не являются независимыми друг от друга. В рамках классического корреляционно-регрессионного анализа методом пошаговой регрессии можно отбросить коррелирующие и незначимые факторы, однако не исключено, что модель существенно упростится, причем значимые (по логике) направления (например, факторы, связанные с технологией производства) могут вообще быть не представлены в модели. [c.128]
Регрессионный анализ заключается в определении аналитического выражения связи, в котором изменение одной величины (называемой зависимой, или результативным признаком) обусловлено влиянием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения. Регрессия может быть однофакторной (парной) и многофакторной (множественной). [c.113]
Проблема отбора факторных признаков для построения моделей взаимосвязи может быть решена с помощью эвристических или многомерных статистических методов анализа. Наиболее приемлемым методом отбора факторных признаков является шаговая регрессия (шаговый регрессионный анализ). Сущность данного метода заключается в последовательном включении факторов в уравнение регрессии и последующей проверке их значимости. Факторы поочередно вводятся в уравнение так называемым прямым методом . При проверке значимости введенного фактора определяется, насколько уменьшается сумма квадратов остатков и увеличивается величина множественного коэффициента корреляции (R). Одновременно используется и обратный метод, т.е. исключение факторов, ставших незначимыми на основе -крите-рия Стьюдента. Фактор является незначимым, если его включение в уравнение регрессии только изменяет значение коэффициентов регрессии, не уменьшая суммы квадратов остатков и не увеличивая их значения. Если при включении в модель соответствующего факторного признака величина множественного коэффициента корреляции увеличивается, а коэффициент регрессии не изменяется (или меняется несущественно), то данный признак существен и его включение в уравнение регрессии необходимо. [c.118]
В регрессионном анализе рассматриваются односторонняя зависимость случайной переменной Y от одной (или нескольких) неслучайной независимой переменной X. Такая зависимость может возникнуть, например, в случае, когда при каждом фиксированном значении X соответствующие значения Y подвержены случайному разбросу за счет действия ряда неконтролируемых факторов. Такая зависимость Гот X (иногда ее называют регрессионной) может быть также представлена в виде модельного уравнения регрессии 7 по X (3.1). При этом зависимую переменную У называют также функцией отклика, объясняемой, выходной, результирующей, эндогенной переменной, результативным признаком, а независимую переменную X — объясняющей, входной, [c.51]
Как отмечено в 3.2, рассматриваемая в регрессионном анализе зависимость Y от X может быть представлена в виде модельного уравнения регрессии (3.1). [c.60]
Для целей гибкого бюджетирования важным является разделение накладных расходов на переменную и постоянную составляющие. Смешанные затраты должны быть разделены с использованием минимаксного метода и регрессионного анализа. [c.174]
В табл. 1 представлены результаты регрессионного анализа, выполненного на основе фактических данных реальной компании о продажах в кредит и о притоке денежных средств по месяцам. Уравнение I может быть записано в виде [c.271]
Количественная зависимость между изменениями результативного (Ц) и факторных (Xj) признаков находится на основе метода регрессионного анализа. При этом могут быть получены различные уравнения регрессии линейное [c.291]
Поскольку между различными характеристиками техники существует взаимозависимость, для ее оценки может быть применен регрессионный анализ. [c.175]
Регрессионный анализ - один из наиболее разработанных методов математической статистики. Строго говоря, для реализации регрессионного анализа необходимо выполнение ряда специальных требований (в частности, х[,х2,...,хп у должны быть независимыми, нормально распределенными случайными величинами с постоянными дисперсиями). В реальной жизни строгое соответствие требованиям регрессионного и корреляционного анализа встречается очень редко, однако оба эти метода весьма распространены в экономических исследованиях. Зависимости в экономике могут быть не только прямыми, но и обратными и нелинейными. Регрессионная модель может быть построена при наличии любой зависимости, однако в многофакторном анализе используют только линейные модели вида [c.101]
Первичный анализ может быть описательным и представлять табличные данные, на основе которых выводят или рассчитывают такие показатели, как средние уровни, стандартные отклонения и частости, либо сравнительным, то есть содержать, например, сопоставительные таблицы. В более сложных случаях используют методы поиска корреляции, например регрессионный анализ. Для установления причинно-следственных соотношений применяют, например, дисперсионный анализ экспериментальных данных. [c.68]
В настоящее время все чаще предпринимаются попытки использования экономико-статистических методов, в частности, корреляционного и регрессионного анализа для обеспечения сопоставимости. Не переоценивая роли регрессивных моделей, следует признать их важным методом обеспечения сопоставимости. Дальнейший шаг вперед в этом направлении может быть связан с применением многомерного анализа. [c.45]
Рассмотрим статистика, который строит модель прогнозирования фондового рынка. Один из самых распространенных и эффективных методов решения этой задачи — строить модель с помощью регрессионного анализа. В рамках этого метода статистик настраивает прямую линию на данные фондового рынка. После того как это сделано, для получения прогноза вычисляется следующая точка на линии регрессии. Такая модель будет давать прямолинейную проекцию. Хотя эта проекция может не быть очень точной с точки зрения трейдинга, это нормальная статистическая процедура. [c.162]
Идентификация этапов развития системы может быть выполнена на основе методики, рекомендованной для идентификации этапов жизненного цикла. Кроме того, для идентификации этапов развития систем может быть использован нелинейный регрессионный анализ с использованием моделей логистических кривых. [c.102]
Регрессионный анализ дает возможность ответить на этот вопрос. Он представляет собой подбор и решение математических уравнений, описывающих исследуемые зависимости. Элементы рынка зависят от многих факторов, и формы этих зависимостей могут быть самыми разнообразными. [c.77]
Статистическое моделирование экономических процессов заключается в проведении статистических испытаний на основе мате-матико-статистической модели, описывающей колебания тех или иных элементов производственного процесса под влиянием разнообразных факторов, действие которых не поддается управлению. Построить экономико-математическую модель — значит выразить в математической форме основные качественные зависимости данного экономического процесса. Экономико-математическая модель отличается тем, что отобранные для экономического анализа показатели записываются в виде математических выражений (уравнений и неравенств). Одним из методов изучения динамических рядов себестоимости добычи нефти и газа является регрессия. В регрессионном анализе данные могут быть динамическими (данные, представленные во времени) и вариационными (данные, представленные в пространстве). В данном исследовании будем останавливаться только на первых. [c.65]
Нельзя согласиться с первым мнением Ф. Миллса, так как плавный уровень изучаемых динамических рядов может быть различен в зависимости от характера данного явления. Он может быть линейным, параболическим, гиперболическим и т. д. Мы предпочитаем точку зрения Н. К. Дружинина [40]. Исключая уровни динамических рядов, коррелируем отклонения от них. При этом не имеет значения, выражается ли этот уровень прямой или параболой. Отклонения от уровней временных рядов, независимо от их формы, являются беспорядочными числами, к которым можно применять корреляционно-регрессионный анализ. [c.73]
С г.озиции практики метод данной науки находит свое выражение в совокупности конкретных приемов и методов (в узком смысле), позволяющих практически исследовать данный объект или явление. Именно поэтому, например, при осуществлении регрессионного анализа достаточно ограничиться выполнением нежестких требований в отношении исследуемой совокупности — распределение может быть не обязательно нормальным, но близким к нормальному. [c.62]
Регрессионный анализ — один из наиболее разработанных методов математической статистики. Строго говоря, для реализации регресси-онногс анализа необходимо выполнение ряда специальных требований (в частности, Х1,Х2,...х , у должны быть независимыми, нормально распределенными случайными величинами с постоянными дисперсиями). В реальной жизни строгое соответствие требованиям регрессионного и корреляционного анализа встречается очень редко, однако оба эти метода весьма распространены в экономических исследованиях. [c.122]
Поэтому многие компании используют также внешний анализ внешней информации. При таком подходе экономисты-аналитики составляют прогнозы объема продаж для экономики и отрасли на несколько лет вперед. Для определения взаимосвязи между объемом продаж по какой-либо отрасли и экономике в целом они могут использовать регрессионный анализ. После составления основных прогнозов хозяйственной деятельности и объема продаж по отрасли определяют рыночную нишу для каждого товара, наиболее вероятную цену и ожидаемое отношение покупателей к новой продукции. Обычно эти оценки даются сов-местнп с директорами по маркетингу, хотя основная ответственность должна лежать на отделе экономического прогнозирования. На основе этой информации может быть подготовлен прогноз объема продаж для внешних пользователей. [c.189]
Ниже, в 4.3, рассматривается ковариационная матрица вектора возмущений ]Г , являющаяся многомерным аналогом дисперсии одной переменной. Поэтому в новых терминах1 приведенные ранее (с. 61, 82 и здесь) предпосылки для множественного регрессионного анализа могут быть записаны следующим образом 2 [c.86]
В связи с учетом товарооборота организаций системы неф-теснабжения в натуральном выражении более стабильным становится показатель уровня издержек обращения. В целом по отрасли материально-технического снабжения уровень издержек обращения определяется как процентное отношение абсолютной величины издержек обращения к сумме товарооборота (или в копейках на 1 руб. товарооборота). В организациях системы нефтеснабжения целесообразно уровень издержек обращения исчислять как сумму издержек обращения в рублях и копейках, затраченную на реализацию 1 т (в расчете на 1 т товарооборота). Рассчитанный таким образом уровень издержек обращения не зависит от колебания цен на продукцию производственно-технического назначения и может быть использован при планировании абсолютной величины издержек обращения нефтеснабсбытовых организаций. При этом для определения планового уровня издержек обращения можно использовать экономико-математические методы, например статистические методы прогнозирования и регрессионный анализ. [c.21]
Из-за высокого значения коэффициента вариации полученные уравнения множественной регрессии нельзя использовать для планирования торгово-управленческих расходов. Однако проведенный нами регрессионный анализ может оказать помощь в выявлении резервов экономии торгово-управленческих расходов. В конечном итоге необходимо стремиться к тому, чтобы фактический уровень торгово-управленчеоких расходов. территориальных управлений не превышал теоретического уровня, рассчитанного по уравнению множественной регрессии. Каждое отклонение в сторону завышения должно быть экономически обосновано. [c.185]
НЕПОЛНАЯ ВЫБОРКА [sele tive sample] — выборка, содержащая недостаточное количество наблюдений, чтобы сделать по ней выводы на основании стандартных статистических методов исследования, прежде всего регрессионного анализа. (Напр., обычный сбор данных о заработках населения по принципу случайной выборки не всегда может быть достоверным, ибо сами индивидуумы по причинам, не известным наблюдателю, делают выбор работать или учиться, и это искажает результаты.) Проблема Н.в. привлекла внимание специалистов по эконометрии и математической стати- [c.224]
СТАТИСТИЧЕСКАЯ СВЯЗЬ [statisti al interdependen e] — связь между переменными, на которую накладывается воздействие случайных факторов. В результате действия такой связи изменения одной переменной приводят к изменениям другой не детерминированно, как при функциональной связи (см. Функция), а статистически, отражаясь на изменении математического оэ/сидания последней. Такие взаимосвязи рассматриваются регрессионным анализом. Но может быть и так, что [c.344]
В зависимости от результата такого воздействия (формирования либо положительного, либо отрицательного значения уэ) определяются в каждом конкретном случае сферы эффективного совместного функционирования предприятий. Прогнозируемое в рамках v -структуры значение удельных совокупных издержек обращения (yz,) возможно определять методом регрессионного анализа с учетом спрогнозированных тем или иным корректным способом возможных в рамках v-структуры значений показателей, характеризующих факторы интеграции. Такие значения для того или иного фактора могут быть рассчитаны или спрогнозированы различными способами. Рассмотрим возможные методы определения таких значений, характеризующих параметры совместной деятельности торгово-посреднических предприятий в рамках сформированной ими v -структуры, для каждого из вышерассмотрен-ных потенциальных факторов интеграции. [c.56]