Параметризация многомерного распределения 233--234 Параметрические регрессионные схемы 175 [c.473]
Параметрический метод определения себестоимости проектируемых средств вычислительной техники применяется на самых ранних этапах разработки, когда нет возможности рассчитать величину даже отдельных статей прямых расходов. Для этого используются специальные регрессионные зависимости, позволяющие увязать полную себестоимость изделия и величину его отдельных технических параметров. [c.113]
Рассматриваемые ниже, наиболее распространенные методы регрессионного анализа являются параметрическими большая их часть основана на предположении о нормальном распределении данных, поэтому в каждом случае анализа необходима предварительная проверка соответствия данных нормальному распределению. [c.89]
Существует ряд методов построения цен на новую продукцию в зависимости от уровня ее потребительских свойств с учетом нормативов затрат на единицу параметра. Такие методы получили название нормативно-параметрических. К их числу относят следующие методы удельных показателей, регрессионного анализа, балловый, агрегатный. [c.290]
Если цены на уже включенные в параметрический ряд изделия были получены таким же методом, то мы занимаемся самообманом, поскольку грубо нарушается одно из условий применения регрессионного анализа, а именно условие независимости наблюдений. Тем не менее данный метод может весьма успешно применяться в рыночной экономике. Предположим, фирма, производящая автомобили, разработала новую модель легкового автомобиля. Перед тем как запустить эту модель в производство, фирма желает определить будущую прибыль. Для этого фирма должна определить будущую цену [c.291]
Ценовой метод регрессии состоит в определении эмпирических формул (регрессионных уравнений) зависимости цен от величины нескольких основных параметров качества в рамках параметрического ряда товаров. При этом цена выступает как функция параметров [c.373]
Допустим, появилось новое изделие, имеющее массу 1 м2 в НО граммов и белизну 80%. Цена такого изделия рассчитывается путем подстановки показателей массы 1 м2 и белизны в формулу регрессионной зависимости действующих цен от параметров качества изделий всего параметрического ряда [c.373]
Будем называть параметрическую функцию W/3 строго оцениваемой, если существует по крайней мере одна линейная (а не просто аффинная) несмещенная оценка для W/3. Показать, что в линейной регрессионной модели без ограничений параметрическая функция W/3 является оцениваемой тогда и только тогда, когда она строго оцениваемая. [c.340]
Показать, что в линейной регрессионной модели (г/, Х(3, а2 V), где /3 удовлетворяет совместным линейным ограничениям R/3 = г, параметрическая функция W/3 является строго оцениваемой тогда и только тогда, когда ol(W) С ol(X R N), где N = I - гг+. [c.340]
Рассмотрим линейную регрессионную модель (г/, Х(3, а2 V), где /3 удовлетворяет совместным линейным ограничениям R/3 = г. Пусть V Ф 0. Тогда наилучшая линейная несмещенная оценка строго оцениваемой параметрической функции W/3 равна W/3, при этом [c.340]
Эта потребительная стоимость должна быть правильно выражена в стоимостном, денежном выражении через установленную цену. По существу, потребительная стоимость представляет способность товара удовлетворить потребности потребителя, которые не сводятся лишь к качеству изделия. Потребительные свойства (мощность двигателя, экономичность расхода топлива, коэффициент полезного действия и т.п.) могут быть представлены как совокупность параметров, определяющих полезность товара. Изменение этих параметров, специфических для каждого нового или улучшенного изделия, и является основой определения его цены. Для установления уровня цены рассматриваемой продукции обычно используют параметрические методы балльный метод, метод удельной цены и регрессионный метод. [c.205]
Существует подход к исследованию моделей регрессии, не требующий предварительного выбора параметрического семейства функций F в рамках которого проводится дальнейший анализ. Речь идет о так называемых не параметрических (или частично-параметрических) методах исследования регрессионных зависимостей, которым посвящена гл. 10. Однако возникающие при их реализации проблемы (необходимость иметь очень большие объемы исходных статистических данных, выбор сглаживающих функций — окон и параметров масштаба,. выбор порядка сплайна, числа и положения узлов и т. п.) сопоставимы по своей сложности с проблемами, возникающими при реализации этапа 4. [c.50]
Априорная информация, заданная в терминах неравенства (6.10), является более практически доступной, чем обычно используемая связанная с типом распределения регрессионных остатков. Так, если параметрическое семейство случайных величин [c.193]
Поиск модели, наиболее устойчивой к варьированию состава выборочных данных, на основании которых она оценивается. Идея этого подхода к выбору общего вида исследуемой регрессионной зависимости основана на следующем простом соображении если общий параметрический вид зависимости Уср — / ( (1)> (2),... < > в) угадан правильно, то результаты [c.197]
Этап параметризации регрессионной модели, т. е. выбора параметрического семейства функций (класса допустимых решений), в рамках которого производится дальнейший поиск неизвестной функции регрессии, является одновременно наиболее важным и наименее теоретически обоснованным этапом регрессионного анализа. [c.207]
ЛОКАЛЬНО-ПАРАМЕТРИЧЕСКАЯ И КУСОЧНАЯ АППРОКСИМАЦИЯ РЕГРЕССИОННЫХ ЗАВИСИМОСТЕЙ [c.320]
Поскольку в непараметрических оценках / (XQ) используется не вся выборка, а только ее часть — совокупность пар 0/ь Xi) с X,, входящими в окрестность О (Х0), где приближенно верны классические предположения, то в случае, когда 1) классические предположения верны для всей области измене ния X и 2) параметрическое представление регрессионной зависимости известно исследователю, непараметрические оценки всегда менее эффективны по сравнению с классическими. Однако они имеют меньшее смещение, когда эти предположения нарушаются. В реальных задачах, выбирая метод оценивания регрессии, следует стремиться сбалансировать обе погрешности случайную, как правило, уменьшающуюся при расширении объема используемой выборки, и систематическую, растущую при этом. [c.322]
Использование традиционных регрессионных моделей (линейных при многомерном X и параболических в одномерном случае) в применении к относительно большим подобластям изменения регрессора позволяет сочетать простоту расчетов, свойственную классическим моделям регрессии, с эффективным использованием выборочной информации. Эти методы получили название локально параметрических. [c.335]
В последние годы для описания регрессионной зависимости стали широко использоваться сплайны. Сплайном называют конечную совокупность гладко склеенных между собой полиномов, каждый из которых определен на своей подобласти изменений регрессора. Подобно локально параметрическим методам оценивания сплайны позволяют удачно сочетать достоинства локальных методов (уменьшение смещения оценки) с высокой эффективностью параметрических процедур оценивания. [c.335]
В данном параграфе исследуются вопросы точности регрессионного анализа применительно к общей параметрической модели регрессии, в которой наблюденные значения уг и Xt = = (х( . .., х Я) соответственно результирующего показа- [c.352]
Решающим моментом во всей процедуре исследования точности статистических выводов в регрессионном анализе является соотношение между истинной функцией регрессии / (X) и выбранным исследователем параметрическим классом допустимых решений Г — fa (/Y в) еег- Если класс F выбран удачно (т. е. если / (X) 6 F), то исследователь находится в рамках идеализированной схемы и при некоторых дополнительных априорных сведениях о природе регрессионных остатков е (А ) = ц — / (X) имеет возможность дать достаточно точный ответ на все три основных вопроса анализа точности регрессионной модели (см. 11.1, 11.2). [c.360]
Более сложным, дающим достаточно точные и надежные результаты, является метод, основанный на функциональной или корреляционной зависимости цены от технических параметров выпускаемой техники. Преимуществом данного метода является возможность определения цены техники, укладывающейся в параметрические ряды, на самых ранних стадиях, еще до проектирования. Если пользоваться аппаратом регрессионного анализа, то полученные результаты будут весьма точными. С другой стороны, потребитель средств измерений не может каждый раз для определения цены строить регрессионные модели с применением ЭВМ, потому что это достаточно трудоемкий процесс. [c.82]
Среди нормативно-параметрических методов выделяют метод удельных показателей, метод регрессионного анализа, а также агрегатный и балловый методы. [c.188]
Метод регрессионного анализа позволяет моделировать новые цены в зависимости от изменения технико-экономических параметров продукции. Однородность технических требований к изделиям предполагает наличие одних и тех же основных показателей качества, хотя технические требования к ним могут различаться. Этот метод является наиболее точным среди других параметрических методов. [c.188]
МЕТОД РЕГРЕССИВНОГО АНАЛИЗА используется для определения технико-экономических особенностей продукции, которая относится к данному параметрическому ряду составления и выравнивания ценностных соотношений. Этот метод широко применяется для анализа и установления уровня и соотношений стоимости продукции, характеризующейся наличием одного или нескольких технико-экономических параметров, которые характеризуют главные потребительские свойства. Регрессивный анализ предоставляет возможность найти эмпирическую формулу зависимости цены от технико-экономических параметров товаров и изделий. Цена выступает в роли целевой функции параметров. Метод регрессионного анализа — это наиболее совершенный из всех используемых нормативно-параметрических методов. Он очень эффективен при осуществлении расчетов с помощью применения современных информационных технологий и систем. [c.370]
Рассматривается моделирование экономических систем с использованием марковских случайных процессов, моделирование систем массового обслуживания, методы и модели корреляционно-регрессионного анализа и прогнозирования временных рядов экономических показателей. Приводятся оптимизационные методы и модели в управлении экономическими системами, линейное, динамическое, параметрическое и целочисленное программирование, а также транспортные задачи линейного программирования, теория игр и принятие решений. [c.2]
Здесь рассматривается набор линейных параметрических моделей. Речь здесь идет не о моделировании временных рядов, а о моделировании их случайных остатков ,, получающихся после элиминирования (вычитания) из исходного временного ряда xt его неслучайной составляющей (тренда). Следовательно, в отличие от прогноза, основанного на регрессионной модели, игнорирующего значения случайных остатков, в прогнозе временных рядов существенно используется взаимозависимость и прогноз самих случайных остатков. [c.40]
Метод регрессионного анализа является ведущим в отрасли и применяется при установлении цен на радиодетали, изделия полупроводниковой техники и микроэлектроники. Он основан на установлении связи изменения себестоимости изделий от изменения основных технико-экономических параметров. Сущность этого метода обоснования цен состоит в построении параметрически выравненного ряда затрат и ценностных соотношений на все изделия ряда, что позволяет определить расчетную себестоимость новых изделий, входящих в данный параметрический ряд. [c.185]
Самообследование Интервьюирование Активное наблюдение рабочего дня Моментные наблюдения Фотография рабочего дня Анкетирование Функционально-стоимостной анализ Системный анализ Метод декомпозиции Метод последовательной подстановки Метод сравнений Динамический метод Метод структуризации целей Экспертно-аналитический метод Нормативный метод Параметрический метод Метод моделирования Функционально-стоимостной анализ Метод главных компонент Балансовый метод Корреляционный и регрессионный анализ Системный подход Метод аналогий Экспертно-аналитический метод Нормативный метод Параметрический метод Блочный метод Метод моделирования Функционально-стоимостной анализ Метод структуризации целей Опытный метод Метод творческих совещаний Метод коллективного блокнота Метод контрольныхТгопросов 6-3-5 Морфологический анализ Аналитическо-расчетный метод Метод аналогий Метод сравнений Экспертно-аналитический метод Моделирование фактического и желаемого состояния Просчет экономической эффективности предлагаемых варианта -Норматив-" ный метод Обучение, переподготовка и повышение квалификации управленческого персонала Материальное и моральное стимулирование нововведений [c.40]
Рассмотрим линейную регрессионную модель (у, Х/3, r2V), где /3 удовлетворяет совместным линейным ограничениям R/3 = г. Параметрическая функция W/3 является оцениваемой тогда и только тогда, когда ol(VK ) С ol(X R ). [c.338]
Достаточно исчерпывающие и теоретически обоснованные ответы на эти вопросы мы в состоянии дат лишь в рамках схемы, постулирующей, что а) выбор класса F допустимых решений (т. е. выбор общего параметрического вида функции регрессии / (X)) осуществлен удачно, а именно / (X) 6 F б) рмеется априорная информация о вероятностной природе чнапример, о типе закона распределения) регрессионных ос- [c.335]
Цели 1.1 — обеспечение выживаемости фирмы 1.2 — позиционирование товара на целевом рынке 1.3 — краткосрочная максимизация прибыли 1.4 — краткосрочная максимизация оборота (дохода) 1.5 — завоевание лидерства по показателю рыночной доли 1.6 — завоевание лидерства по качеству товара. Политики 2.1 — возмещения издержек производства 2.2 — лидера низких цен 2.3 — политика снятия сливок 2.4 — внедрения товара на рынок 2.5. — престижности товара 2.6. — инвестиционная ценовая политика 2.7 — эластичная ценовая политика 2.8 — преимущественная 2.9 — долговременная 2.10 — лидера на рынке. Подходы 3.1 — установление цены на основе себестоимости 3.2 — на основе прибыли 3.3 — на основе оценки спроса 3.4 — на основе потребительной стоимости 3.5 — с учетом цен конкурентов 3.6 — на основе параметрического ряда изделий. Методики 4.1 — себестоимость плюс прибыль 4.2 — анализа контрольной точки 4.3 — максимизации прибыли 4.3.1 — сопоставления валового дохода с валовыми издержками 4.3.2 — сопоставления предельного дохода с предельными издержками 4.4 — целевой прибыли 4.5 — целевой рентабельности продаж 4.6 — целевой рентабельности инвестиций 4.7. — анализа коэффициента эластичности 4.8 — прямого определения цены 4.9 — определения потребительной стоимести 4.10 — диагностический метод 4.11 — анализа технического уровня изделий-конкурентов 4.12 — удельных показателей 4.13 — структурной аналогии 4.14 — корреляционно-регрессионного анализа. [c.158]
Для определения вида модели параметрического ценообразования обычно используются методы исследования регрессионных зависимостей. Например, сотрудники известного американского исследовательского центра, Национального бюро экономических исследований (NEER), Дж. Крэвис и Р. Липси в начале ТО х гг. исследовали внешнеторговые цены на автомобильные дизельные двигатели. В результате этой, работы они установили, что формирование цен подчиняется закономерностям, хорошо описываемым с помощью регрессионной зависимости экспоненциального типа1 [c.299]