Величина ошибки абсолютная

При определении уровня существенности учитывают, как правило, два фактора абсолютную величину ошибки и относительную величину ошибки.  [c.191]


Абсолютная величина ошибки.  [c.102]

Например, если элемент выборки стоимостью 1QO тыс. руб. в результате произведенной проверки имеет реальную стоимость 10 тыс. руб., то абсолютная величина ошибки составляет 90 тыс. руб., относительная — 90 %. В том случае, когда элемент стоимостью 1000 тыс. руб. в результате проверки имеет реальную стоимость 910 тыс. руб., то ошибка также составляет 90 тыс. руб., но относительная — всего 9 %.  [c.140]

Абсолютная величина - это субъективное мнение аудитора, что вне зависимости от размера организации ошибка в сумме, например, 100 руб. или 500 руб. может признаваться им существенной ввиду значимости суммы вне зависимости от иных обстоятельств.  [c.191]

Таким образом, неучет интервала изменения абсолютного показателя свойства в некоторых случаях может приводить к значительным ошибкам ( например, 25%). Проблема учета величины интервала еще очень далека от окончательного решения.  [c.119]


Как и раньше, F - это прогнозируемое значение прибыли, А — фактическая прибыль фирмы. Обратим внимание на то, что уравнение (19.23) почти тождественно уравнению (19.22), хотя в данном случае не используются абсолютные величины. Средняя ошибка прогноза для лучших американских аналитиков была равна 0,73 на акцию (или 2,9% величины фактической прибыли в расчете на акцию). Для обыкновенных аналитиков подобный показатель составил 0,74 (или 3,0%). Поскольку средняя FE была отрицательной, значит, и те и другие аналитики имели тенденцию переоценивать уровень прибыли на акцию. Как указывалось выше, это очевидное свидетельство того, что и специалисты, имеющие статус лучших американских аналитиков, и аналитики, не имеющие такого статуса, были слишком оптимистичны в прогнозах прибыли на акцию (EPS).  [c.618]

Заметим, что определенная таким образом кривизна не очень чувствительна к шумам или ошибкам квантования изображения. Если проинтегрировать значения кривизны вдоль отрезка прямой линии, то, несмотря на влияние шума, в результате получится почти нулевое значение интеграла. По сумме значений кривизны в ряде следующих друг за другом точек, каждое из которых по абсолютной величине превышает некоторый порог, можно обнаружить существование узла. Если абсолютное значение такой суммы превышает порог, около со от-ветствующих точек должен быть узел. Таким образом, каждая контурная точка относится либо к классу точек прямолинейной части линии, либо к классу точек, лежащих вблизи узла. По точкам прямолинейной части вычисляется уравнение прямой. Узлом считается точка пересечения двух соседних линий.  [c.229]

Даже по завершении чрезвычайно дотошной и детальной оценки останется неопределенность по поводу заключительных величин стоимости, поскольку они будут окрашены предположениями относительно будущего компании и экономики в целом. Было бы нереалистично ожидать или требовать абсолютной определенности в оценках, поскольку денежные потоки и ставки дисконтирования остаются оценочными величинами. Кроме того, это означает, что при составлении рекомендаций, базирующихся на оценках, аналитики должны установить для себя разумные границы ошибки.  [c.6]


Поскольку среднее абсолютное отклонение вычисляется при нахождении стандартного отклонения, определение величины контрольного сигнала требует лишь вычисления экспоненциально взвешенной ошибки et  [c.51]

Из (1.14), в частности, следует, что коэффициент корреляции признаков, на которые наложены ошибки измерения, всегда меньше по абсолютной величине, чем коэффициент корреляции исходных признаков. Другими словами, ошибки измерения всегда ослабляют исследуемую корреляционную связь между исходными переменными, и это искажение тем меньше, чем меньше отношения дисперсий ошибок к дисперсиям самих исходных переменных. Формула (1.14) позволяет скорректировать искаженное значение коэффициента корреляции для этого нужно либо знать разрешающие характеристики измерительных приборов (и, следовательно, величины дисперсий ошибок а и а ), либо провести дополнительное исследование по их выявлению.  [c.73]

Наиболее важный результат нашего исследования носит, на мой взгляд, иной характер. Уже стало очевидным, что наиболее распространенная ошибка старой концепции излишка потребителей (не возьму на себя смелость обсуждать, насколько Маршалл был подвержен этой ошибке) заключается в том, что он рассматривался как абсолютная величина, когда утверждалось, что потребитель, просто потому, что он находится в таком-то и таком-то положении, получает такой-то и такой-то излишек. Новая концепция сильно отличается от этой. Излишек потребителей относителен, а не абсолютен. Мы всегда рассматриваем движение от одной определенной ситуации к другой определенной ситуации мы спрашиваем, какое увеличение (или уменьшение) денежного дохода, которое могло бы измерить улучшение (или ухудшение) экономического благосостояния, являющееся результатом этого движения. Само это увеличение или уменьшение  [c.206]

Это отношение, показывающее сколько условных единиц ст содержится в конкретной ошибке (отклонении) Дж, называется нормированным отклонением и обозначается t. Следовательно, t= = (х — х)/а, а Дж=<а. Тем самым вариационный ряд представляется в стандартизованном виде, где каждому значению величины t соответствует определенное значение вероятности появления данного признака. При =0, когда измеряемая величина совпадает со средним значением ряда рассматриваемых величин, т. е. когда Хг=х, вероятность появления данного признака максимальна. Вероятность других значений Дж с ростом абсолютной величины Дх и, следовательно, с ростом величины t уменьшается. При /=1 Дж=ст и составляет 0,2420 при t=2 Дх = 2о 0,0540 при t=3 Дх=3а 0,0044, т. е. вероятность появлений значений с нормированным отклонением, равным 2а, составляет 5,4 %, а равным За — только 0,44 %. Для определения плотности вероятности нормального распределения и значения интеграла вероятностей по значению величины t имеются специально разработанные таблицы.  [c.195]

При изучении элементов, попавших в выборку (документов, операций, сальдо и др.), фиксируются все ошибки независимо от их стоимости, так как результаты выборки будут распространены на всю совокупность. При использовании выборки, основанной на денежной единице, важен не столько абсолютный размер ошибки, сколько соотношение ошибки и величины элемента совокупности. В ходе анализа документов устанавливается удельный вес неправильно оформленных или отсутствующих документов. Необнаружение документа по операции, включенной в выборку, должно рассматриваться как серьезное нарушение.  [c.63]

Так, например, при анализе экономической эффективности сооружения ТЭЦ в энергосистеме ожидаемая экономия топлива (так называемый топливный эффект) должна определяться как разность абсолютных расходов топлива при включении в энергосистему замещающей КЭС (и теплоснабжении от специальных котельных) или проектируемой ТЭЦ при оптимальных в каждом случае режимах работы электростанций в энергосистеме. Изолированное сопоставление расходов топлива по замещающей КЭС и ТЭЦ (например, по разности средних удельных расходов топлива) без учета их влияния на режимы работы и расход топлива по другим электростанциям энергосистемы может привести к существенной ошибке в оценке величины топливного эффекта от включения ТЭЦ в энергосистему.  [c.179]

Различия в годовом расходе топлива по сравниваемым вариантам должны определяться для условий оптимального использования генерирующего оборудования в производственном энергетическом объединении. Так, например, при анализе экономической-эффективности сооружения ТЭЦ (или ГЭС) в энергосистеме ожидаемая экономия топлива (так называемый топливный эффект) должна определяться как разность абсолютных расходов топлива при включении в энергосистему замещающей КЭС (и теплоснабжении от специальных котельных) или проектируемой ТЭЦ (или ГЭС) при оптимальных в каждом случае режимах работы электростанций в энергосистеме. Изолированное сопоставление расходов топлива по замещающей КЭС и ТЭЦ (или ГЭС) (например, по разности средних удельных расходов топлива) без учета их влияния на режим работы и расход топлива по другим электростанциям энергосистемы может привести к существенной ошибке в оценке величины топливного эффекта от включения ТЭЦ (или ГЭС) в энергосистему.  [c.238]

Мы должны, однако, предостеречь здесь от возможной ошибки. Из сказанного выше действительно следует, что влияние умеренных изменений нормы процента на склонность к потреблению обычно невелико. Но это не означает, что изменения нормы процента оказывают лишь небольшое влияние на фактические размеры сбережения и потребления. Совсем наоборот. Влияние изменений нормы процента на фактически сберегаемые суммы чрезвычайно важно но все дело в том, что такое воздействие обычно осуществляется в направлении, противоположном тому, какое обычно имеют в виду. Ведь если даже соблазн более крупных будущих доходов, которые обеспечивают переход к более высокой норме процента, привел бы к уменьшению склонности к потреблению, то и в этом случае можно было бы с уверенностью утверждать, что рост процента приводит к сокращению действительно сберегаемой суммы денег. Дело в том, что общая сумма сбережений определяется размерами совокупных инвестиций рост нормы процента (если только он не компенсируется соответствующим смещением кривой спроса на инвестиции) повлечет за собой падение инвестиций поэтому повышение нормы процента должно привести к уменьшению доходов до уровня, при котором сбережения сократятся в той же мере, что и инвестиции. Поскольку доходы снизятся на большую абсолютную величину, чем инвестиции, то действительно оказывается верным положение, согласно которому с ростом нормы процента размеры потребления уменьшаются. Но это не означает, что тем самым создаются более широкие возможности для сбережений. Напротив, в этом случае сокращаются как сбережения, так и расходы на потребление.  [c.569]

При прогнозировании отдельных показателей на какую-то перспективу иногда исходят из установившихся или проектируемых одинаковых среднегодовых темпов прироста, например, продукции или производительности труда. Чтобы правильно определить общий прирост показателя за весь планируемый период (в %), расчеты производят по формуле сложных процентов, т. е. уровень показателя в последнем году планируемого периода по отношению к исходному году будет равен (100 + р) %, где 100 — уровень исходного (предпланового) года, р — годовой процент прироста, a t — число лет в планируемом периоде. На практике при такого рода расчетах часто допускают упрощение, определяя общий процент прироста показателя не по формуле сложных процентов, а перемножением годовой процентной нормы прироста на число лет в планируемом периоде. На первый взгляд ошибка получается как будто незначительной и ею можно пренебречь. Так, если для пятилетнего периода при 5%-ной годовой норме прироста уровень показателя в последнем году по отношению к исходному при упрощенном расчете составит 125% (100 + 5-5), а по более точному расчету 127,63%, т. е. разница в общем уровне всего лишь на 2,63%. Однако в определении абсолютной величины прироста показателя при таком расчете допускается погрешность весьма существенная, в нашем при-  [c.55]

На последнем выводе и построено практическое применение биномиального распределения для оценки ожидаемой ошибки генеральной совокупности, которое заключается в следующем. Проверяя выборку объемом п, находят т — количество ошибочных элементов в выборке (ошибку выборки). Тогда с заданной вероятностью Р можно утверждать, что р не превысит определенную величину р, а значит, и М = р х N не превысит определенную величину Мп. Здесь р и М — ожидаемая ошибка генеральной совокупности (р — в относительных единицах или процентах, М — в абсолютных единицах), рп и М — предельное значение ожидаемой ошибки (в относительных и абсолютных единицах).  [c.87]

Обобщение на случай k факторов делается механически — все эффекты независимы друг от друга. Важно, что существенно только соотношение произведений коэффициентов на соответствующие интервалы. Их абсолютные величины могут все одновременно умножаться или делиться на любое положительное число. При этом снова получаются точки, лежащие на градиенте, только с другим шагом. Шаги получаются, если к нулевому уровню последовательно алгебраически прибавлять строки из величин, пропорциональных составляющим градиента. Так как выбор длины шага произволен, то возникает вопрос, как его следует осуществлять. Здесь руководствуются следующим. Первый шаг, т. е. результат первого сложения полученной строки составляющих градиента с нулевым уровнем, должен давать точку, лежащую за экспериментальной областью хотя бы по одному их факторов. Однако этот шаг не должен быть столь большим, чтобы выйти за пределы области определения хотя бы одного из факторов. Если при выборе в этом диапазоне окажется, что для каких-либо факторов шаги различаются меньше, чем ошибки в установлении значений, то приходится изменять их через 2 — 3 шага. Для облегчения работы обычно шаги округляют.  [c.235]

Стандартные ошибки свободного члена и коэффициента регрессии равны, соответственно, 84,7 и 0,46 их /-статистики - (-21,4 и 36,8). По абсолютной величине /-статистики намного превышают 3, и это свидетельствует о высокой надежности оцененных коэффициентов. Коэффициент детерминации /Р уравнения равен 0,96, то есть объяснено 96% дисперсии объема потребления. И в то же время уже по рисунку видно, что оцененная рефессия не очень хоро-  [c.320]

Проблема заключается в том, чтобы оценить величины s2, поскольку заранее они обычно неизвестны. Поэтому, используя на первом этапе обычный МНК, нужно попробовать выяснить причину и характер различий дисперсий е. Для экономических данных, например, величина средней ошибки может быть пропорциональна абсолютному значению независимой переменной. Это можно про-  [c.355]

Следовательно, влияние ошибочной спецификации на смещение и среднеквадратичное отклонение оценки ш /З проявляется через величину с /ф2 72> которая, конечно, неизвестна. Заметим, что абсолютная величина смещения оценки и ее среднеквадратичное отклонение в результате ошибки спецификации могут как возрасти, так и уменьшиться.  [c.430]

В столбце, обозначенном HIT/MISS, приведены отклонения от целевого значения того прогноза, который 6-3-1 сеть сделала по исходной входной матрице. Погрешность всюду была промасштабирова-на так, чтобы значения располагались от -100 до 100, при этом положительный знак соответствует превышению цели, а отрицательный — недобору. Малые по абсолютной величине числа означают точный прогноз (например, апрель 1984), а большие — значительную ошибку (август 1984). Если абсолютная величина ошибки велика, скажем, больше 40, то в этом случае определить вклад отдельной переменной затруднительно. Следующие 6 столбцов таблицы содержат отклонения выхода сети от целевого значения, соответствующие шести описанным выше входным матрицам. Здесь погрешности также промасштабированы и лежат от -100 до 100. По этим данным  [c.146]

Анализ маргинального влияния переменных имеет смысл только тогда, когда коэффициент решаемости DE ISIVN велик, а фактическая ошибка классификации ABSERR (равная разности номеров действительного и спрогнозированного классов) мала. Иначе говоря, если классификация оказалась успешной, можно ожидать сильную обратную зависимость между решающей способностью и ошибкой классификации. На рис. 6.4 показано совместное распределение решающей способности (упорядочена по убыванию) и абсолютной ошибки. Хорошо видно, что число случаев неправильной классификации и величина ошибки растут с убыванием решающей способности — что и следовало ожидать.  [c.151]

Абсолютная величина ошибки. Эта оценка не может выступать в качестве единственного критерия материальности, так как сумма в 5 млн руб. тиожси счмииься приемлемой и одним случае, например, когда она составляет 0,3 % суммы выручки от реализации 170 млрд. руб. но быть слишком большой или слишком маленькой в другом случае.  [c.103]

Определив на основе допустимой величину Д / рассчита-в, Ж)т величину абсолютной ошибки хроноряда по формуле  [c.26]

В качестве оптимального по программе п POL I" выбирается многочлен с наименьшей остаточной дисперсией. На печать выдаются следующие данные начальная степень полинома, конечная степень полинома, число заданных наблюдений, исходные данные с указанием реального масштаба времени, остаточная дисперсия для заданных степеней полиномов, коэффициенты оптимального полинома, значения величины х с указанием соответствующих ей значений величины , приближение по оптимальному полиному в каждой из заданных точек, абсолютная ошибка приближения, относительная ошибка приближения, экстраполяция прогнозируемой величины в необходимые моменты времени. Многочисленные расчеты, проведенные на ЭВМ ЕС-1022 для большого числа материалов, нормируемых в бурении и добыче, показали, что наиболее удачными в смысле достоверности прогнозирова- ния, являются полиномы 1-й, 2-й и реже 3-й степеней.  [c.23]

Столбец Выход содержит результаты классификации, выданные сетью, а в столбце Цель указан настоящий номер класса. ABSERR — это абсолютная ошибка классификации, т.е. расстояние до настоящего класса, a DE ISIVN — определенная выше величина решающей способности. На всем материале не произошло ни одной грубой ошибки в классификации— величина ABSERR ни разу не превосходит двух. Переменная временной структуры имеет сильную распознающую роль. Премия за риск, наоборот, представляется лишней переменной. Месячное производство приобрело несколько большее значение, в то время как вклад переменных, выражающих инфляцию, неясен. Результаты такого анализа, которые репрезентативны для всего набора данных, не вполне согласуются с той интерпретацией роли переменных, которую мы получили при изучении погрешности. Однако это противоречие— скорее, кажущееся, по-  [c.148]

Оценивая дисконтированные денежные потоки, мы пытаемся определить внутреннюю ценность (intrinsi value) актива, основанную на фундаментальных факторах. Что такое внутренняя ценность За недостатком лучшего определения будем считать, что это ценность, приписанная фирме хорошо известным аналитиком, который не только корректно оценил ожидаемые денежные потоки фирмы, но и верно определил ставку дисконтирования для данных потоков, при этом его оценки были абсолютно точными . Даже если задача определения внутренней ценности может показаться невыполнимой, особенно при оценке молодых компаний с присущей им неопределенностью относительно будущего, эти оценки могут отличаться от рыночных цен, приписанных таким компаниям. Другими словами, рынки делают ошибки. Значит ли это, что рынки неэффективны Не совсем так. Хотя рыночные цены могут отклоняться от внутренней ценности (основанной на фундаментальных факторах), ожидается, что эти две величины рано или поздно сойдутся.  [c.16]

Предположим, что имеется набор экспериментальных данных - значения x1,x2,...xN временного ряда в равноотстоящие моменты времени t1,t2...tN. С помощью специальных программ (см. выше) по этим данным можно вычислить приближение г к точному значению г коэффициента корреляции (это приближение называют оценкой). Назовем это значение г экспериментальным. Общая идея метода статистической проверки гипотез такова. Выдвигается некоторая гипотеза, в нашем случае это гипотеза о равенстве нулю коэффициенте корреляции. Далее, задается некоторый уровень вероятности а. Смысл этой величины заключается в том, что она является вероятностной мерой допустимой ошибки. А именно, мы допускаем, что сделанный нами вывод о справедливости или несправедливости гипотезы на основании заданного массива экспериментальных данных может оказаться ошибочным, ибо абсолютно точного вывода на основании лишь частичной информации ожидать, конечно, не стоит. Однако мы можем потребовать, чтобы вероятность этой ошибки не превосходилв некоторой заранее выбранной величины а (уровня вероятности). Обычно берут ее значение равным 0.05 (т.е. 5%) или 0.10, иногда берут и 0.01. Событие, вероятность которого меньше, чем а, считается настолько редким, что мы берем на себя смелость им пренебрегать. Для временных рядов разной природы эту величину выбирают по-разному. Если речь идет о ряде цен на акции какой-то небольшой фирмы, то риск ошибиться не несет катастрофических последствий (для независимых от этой фирмы участников торгов) и потому а можно взять не очень маленьким. Если же речь идет о крупной сделке, то последствия ошибки могут быть очень тяжелыми и значение а берут поменьше.  [c.32]

Академик Л. В. Конторович также отрицательно относится к возможности создания комплексного оценочного показателя деятельности предприятия прежде всего потому, что структура и деятельность наших предприятий и объединений, как правило, очень многообразны. Ее в принципе — об этом обязательно нужно помнить— нельзя охарактеризовать каким-то одним, стоимостным или натуральным показателем . (Прогресс и цены//Известия.— 1986.— 16 фев.). Однако, как видим, такой показатель все же существует. Следовательно, ученые-экономисты, многие годы отвергая возможность такого показателя в принципе, в определенной степени допускали ошибку. Очевидно, это связано с тем, что они имели в виду абсолютное выражение такого показателя (рис. 9.3). И его, действительно, определить невозможно, так как ордината такого показателя представляет собой как бы плавающую, нестабильную величину (см. рис. 9.3). Это связано с тем, что остаются неизвестными точные значения многих затрат (например ремонтных, эксплуатационных и пр.) и адреса многочисленных потребителей.  [c.83]

Ведущий специалист в области разработки нормативов ПДКд-g М. А. Пинигин считает, что "... в зависимости от исходного состояния животного пороговые величины одного и того же вещества могут различаться в 5—10, а иногда в десятки раз в зависимости от метода оценки биологических эффектов — в 100—200 раз"/5/. Можно предположить, что нерешенность названных проблем препятствует переводу списка нормативов ПДКАВ в ранг государственных стандартов. Чтобы совместить объявленный принцип абсолютной безопасности со сложностями экспериментирования нужно просто ввести "коэффициент запаса", который "должен, естественно, не только перекрывать пределы этой ошибки (хронического) опыта, но и обеспечивать возможность перехода к величине максимальной неэффективной концентрации. В этом случае рекомендуемая ПДК будет безопасна для всех контин-  [c.216]

При исследовании взаимосвязей между обществ, явлениями следует избегать т. н. ложной корреляции. Ложная К. может возникнуть по след, причинам 1) вследствие применения аналитич. приёмов К. к величинам, изменяющимся не беспорядочно (не случайно), в особенности, когда одна нз переменных вообще не является случайной (напр., К. с временем ) 2) когда изучаемые переменные содержат в своём составе одинаковые элементы в виде слагаемых или делителей (в данном случае К. создаётся формально арифметически и не свидетельствует о связи между признаками) 3) когда исследователь ищет связь между абсолютными значениями признаков, а последние даны в форме относит, чисел, или же наоборот, изучается К. между относит, показателями, а данные выражены в абсолютных числах (т. н. относительно ложная корреляция) 4) в случае, когда распределение одного из признаков создано искусственно (т. н. бессмысленная корреляция) напр., экспериментальные исследования, в к-рых количество единиц в каждом классе распределения устанавливается по произволу исследователя или обстоятельствам, не имеющим отношения к изучаемой связи 5) статистич. материал дан в грубо неоднородном составе в результате смешения двух совокупностей с различными средними величинами признака в этом случае К. определяется разницей между средними уровнями составных частей и относит, численностью последних (т. н. стратификация материала) 6) в материале статистич. наблюдения значит, ошибки, к-рые нельзя исправить.  [c.272]

В скобках указаны стандартные ошибки соответствующих коэффициентов. Можно отметить, что статистическое качество полученного уравнения регрессии практически идеально. Все г-статистики превышают 5 по абсолютной величине (а, грубо говоря, границей для очень хорошей оценки является 3). Очень высока доля дисперсии зависимой переменной, объясненная с помощью уравнения регрессии, - 94,2% - особенно с учетом того, что уравнение регрессии связывает относительные величины, не имеющие выраженного временного тренда. Статистика Дарбина-Уотсона ЯИ очень близка к 2, и, даже не прибегая к таблицам, здесь ясно, что гипотеза об отсутствии автокорреляции остатков первого порядка будет принята при любом разумно малом уровне значимости. Итак, мы имеем хороший пример линейной регрессии, когда можно оценить ее статистическую значимость, не прибегая к таблицам распределений Стьюден-та, Фишера или Дарбина-Уотсона, а лишь по общему порядку полученных статистик.  [c.330]

Отрицательные знаки коэффициентов регрессии соответствуют здесь теоретическим представлениям. Коэффициент при переменной GNPзначительно меньше по абсолютной величине, чем коэффициент при RSR, но это не значит, что данная величина воздействует на зависимую переменную слабее. Здесь все определяется единицами измерения, и если ВНП измерять не в миллиардах, а в триллионах долларов, то соответствующий коэффициент регрессии будет равен не 0,017, а 17, при стандартной ошибке 4.  [c.336]

Соотношение коэффициента и его стандартной ошибки, или /-статистика (в последнем случае 0,017 0,004 = 4,25), важна для определения статистической значимости зависимости функции от соответствующей объясняющей переменной. Вообще говоря, нулевая гипотеза для /-статистики и, соответственно, коэффициента регрессии проверяется с помощью таблиц распределения Стьюдента. В данном случае ясно без таблиц, по общему порядку цифр, что коэффициент при GNP, равный 0,017, статистически значим (так как t Np = 4,25), а коэффициент при RSR, равный (-0,411), статистически незначим. Его /-статистика / =-0,411/0,947 -0,434 слишком мала по абсолютной величине. Если уточнить по таблицам, уровень значимости здесь составляет примерно. Следовательно, если в действительности (для генеральной совокупности) этот коэффициент равен нулю, то вполне вероятно (с вероятностью 2/3) для данного размера выборки (60 наблюдений) при двух объясняющих переменных получить такую (-0,434) или большую по модулю /-статистику данного коэффициента регрессии. Для оценки значимости коэф-  [c.336]

Это уравнение намного лучше, чем (5). Все коэффициенты статистически значимы, их коэффициенты по абсолютной величине в 7-10 раз превышают свои стандартные ошибки. Уравнение соответствует макроэкономической теории, говорящей об отрицательной зависимости величины реального чистого экспорта от реального ВНП и валютного курса. Взглянув на рис. 18.7, можно отметить, что рассчитанные по уравнению регрессии величины ВНП за 1965-1990 гг. очень близки к фактическим. Единственной проблемой является то, что статистика Дарбина-Уотсона существенно меньше двух, -таким образом, можно попытаться улучшить это уравнение. При этом мы надеемся избавиться от автокорреляции остатков (то есть, получить более близкую к двум DW) и, возможно, увеличить долю объясненной дисперсии RNX, то есть R2.  [c.346]

Это уравнение приемлемо по всем параметрам и статистическим характеристикам. Единственное, что имеет смысл сделать в нем, это замена переменных ER и ER на одну переменную ER(-l). Это можно сделать, поскольку абсолютные величины коэффициентов при ER и ER почти одинаковы. В таком случае можно сделать преобразование (-a-ER+aAER) = (-aER + a(ER - ER(-l))=-aER(-l), и мы можем использовать это равенство для сокращения числа объясняющих переменных.1 Включив снова преобразование AR(l) (для которого коэффициент авторегрессии соседних отклонений et получился равен р=0,71, со стандартной ошибкой 0,16), получаем уравнение регрессии  [c.363]

Четвертая ошибка — экспертами абсолютно неправильно определена величина WA (18,87 %). Для получения этой величины эксперты использовали вовсе не прогнозы привлечения заемных средств по ОАО Апатит 1, а сугубо условную конструкцию соотношения собственных и заемных средств, сложившегося в конце 1990-х гг. в химической промышленности США.2 Согласно отчетным данным на 01.10.2002 ОАО Апатит располагало заемными средствами на сумму 1000 млн руб. (т.е. 37 563 тысячи долл.). На указанную дату эта величина заемных средств составляла всего 9 % от общей суммы инвестированного капитала. Таким образом, соотношение собственного и заемного капиталов в ОАО Апатит в процентах составляло 93 7.  [c.229]

Аудит (1999) -- [ c.102 ]