Мультипликационная модель. Мультипликативная модель. Способ относительных разниц

24.06.2019 Пенсия военнослужащим

Несмещенная статистическая оценка, дисперсия которой совпадает с нижней гранью в неравенстве Крамера-Рао .

Определение

Оценка $\widehat{\theta_1} \in \Kappa$ параметра $\theta$ называется эффективной оценкой в классе $\Kappa$ , если для любой другой оценки $\widehat{\theta_2} \in \Kappa$ выполняется неравенство $M_{\theta}(\widehat{\theta_1}-\theta)^2\leqslant M_{\theta}(\widehat{\theta_2}-\theta)^2$ для любого $\theta$ .

Особую роль в математической статистике играют несмещенные оценки . Если несмещенная оценка $\widehat{\theta_1}$ является эффективной оценкой в классе несмещенных, то такую статистику принято называть просто эффективной .

Единственность

Эффективная оценка $\widehat{\theta}$ в классе $\Kappa_b = \{ E(\widehat{\theta}) = c(\theta)\}$ , где $c(\theta)$ - некоторая функция, существует и единственна с точностью до значений на множестве $A$ , вероятность попасть в которое равна нулю ( $P(x \in A)=0$ ).

Асимптотическая эффективность

Некоторые оценки могут быть не самыми эффективными на малых выборках, однако могут обладать преимуществами на больших выборках. Обычно рассматриваются состоятельные оценки, дисперсия которых с увеличением объема выборки стремится к нулю. Поэтому сравнить такие оценки можно по скорости сходимости, то есть фактически по дисперсии (ковариационной матрицы) случайной величины (вектора) $\sqrt{n}\hat{\theta}$ . В частности, асимптотически нормальная оценка

$\sqrt{n}(\hat{\theta}-\theta)\xrightarrow d N(0,V)$

является асимптотически эффективной, если асимптотическая ковариационная матрица V минимальна в данном классе оценок.

См. также

Напишите отзыв о статье "Эффективная оценка"

Отрывок, характеризующий Эффективная оценка

– Очень рад встретить вас здесь, граф, – сказал он ему громко и не стесняясь присутствием посторонних, с особенной решительностью и торжественностью. – Накануне дня, в который бог знает кому из нас суждено остаться в живых, я рад случаю сказать вам, что я жалею о тех недоразумениях, которые были между нами, и желал бы, чтобы вы не имели против меня ничего. Прошу вас простить меня.
Пьер, улыбаясь, глядел на Долохова, не зная, что сказать ему. Долохов со слезами, выступившими ему на глаза, обнял и поцеловал Пьера.
Борис что то сказал своему генералу, и граф Бенигсен обратился к Пьеру и предложил ехать с собою вместе по линии.
– Вам это будет интересно, – сказал он.
– Да, очень интересно, – сказал Пьер.
Через полчаса Кутузов уехал в Татаринову, и Бенигсен со свитой, в числе которой был и Пьер, поехал по линии.

Бенигсен от Горок спустился по большой дороге к мосту, на который Пьеру указывал офицер с кургана как на центр позиции и у которого на берегу лежали ряды скошенной, пахнувшей сеном травы. Через мост они проехали в село Бородино, оттуда повернули влево и мимо огромного количества войск и пушек выехали к высокому кургану, на котором копали землю ополченцы. Это был редут, еще не имевший названия, потом получивший название редута Раевского, или курганной батареи.
Пьер не обратил особенного внимания на этот редут. Он не знал, что это место будет для него памятнее всех мест Бородинского поля. Потом они поехали через овраг к Семеновскому, в котором солдаты растаскивали последние бревна изб и овинов. Потом под гору и на гору они проехали вперед через поломанную, выбитую, как градом, рожь, по вновь проложенной артиллерией по колчам пашни дороге на флеши [род укрепления. (Примеч. Л.Н. Толстого.) ], тоже тогда еще копаемые.

Для выявления структуры временного ряда, т.е. определения количественных значений компонентов, составляющих уровней ряда, чаще всего используют аддитивную или мультипликативную модели временных рядов.

Мультипликативная модель. У=Т*S*E

T-трендовая компонента

S-сезонная компонента

E-случайная компонента

Мультипликативная модель используется в случае, если амплитуда сезонных колебаний увеличивается или уменьшается.

Алгоритм построения модели. Процесс построения модели включает в себя следующие шаги:

Выравнивание уровней исходного ряда методом скользящей средней.

Расчет значений сезонной компоненты S

Устранение сезонной компоненты из исходного уровня ряда и получение выровненных данных без S

Аналитическое выравнивание уровней ряда и расчет значений фактора Т

Расчет полученных значений (Т* S) для каждого уровня ряда

Расчет абсолютных или относительных ошибок модели.

(или 4.Определение тенденции временного ряда и уравнения тренда; 5.Расчет абсолютных или относительных ошибок модели.)

26 Выделение сезонной составляющей

Оценку сезонной компоненты можно найти как частное от деления фактических уровней ряда на центрированные скользящие средние.

Для начала необходимо найти средние за период (квартал, месяц) оценки сезонной компоненты Si . В моделях сезонной компоненты обычно предполагается что сезонные взаимодействия за период взаимопоглощаются.

В мультипликативной модели взаимопоглощаемость сезонных воздействий выражается в том, что сумма значений сезонной компоненты по всем кварталам должна быть равна числу периодов в цикле.

Выравнивание исходных уровней с помощью скользящей средней: а) Суммируются уровни ряда последовательно за каждый период времени за каждые 4 квартала со сдвигом на 1 момент времени и определяются условные годовые объемы потребления б) Разделим полученные суммы на 4, получим скользящие средние. Полученные выравненные значения не содержат сезонной компоненты. в) Приводим эти значения в соответствие с фактическими моментами времени для чего найдем среднее значение из 2-х скользящих средних – центрированные скользящие средние.

27.Коэффициент корреляции.

Для определения степени линейной связи рассчитывается коэфф-т корреляции.

Для определения нелинейной связи определяется индекс корреляции

, 0 1

Коэффициент детерминации: R 2 = 2 -для лин. связи. R 2 = 2 -для нелин. связи.

Показывает на сколько % изменения показателя у от своего среднего значения зависит от изменения фактора х от своего среднего значения. Чем ближе значение R² к 1, тем точнее модель.

Из всех полученных уравнений регрессии, лучшей является та, у которой коэф-т детерминации больший.

Если исследуется несколько факторов (больше2) то в этом случае рассчитывается множественный коэфф-т корреляции.R Y , X 1, X 2.. XN -множественный коэфф-т корреляции.

При анализе влияния нескольких факторов друг на друга определяется корреляционная матрица, которая состоит из всех возможных парных линейных коэфф-тов корреляции.

Корреляционная матрица:

Способ абсолютных разниц применяется для расчета влияния факторов на прирост результативного показателя в детерминированном анализе, но только в мультипликативных моделях (Y = xt-x x x i) и моделях мультипликативно-аддитивного типа Y= (а - Ь)с и Y = = a(b - с). И хотя его использование ограничено, но благодаря своей простоте он получил широкое применение в АХД.

Рассмотрим алгоритм расчета факторов этим способом в моделях мультипликативно-аддитивного вида. Для примера возьмем факторную модель прибыли от реализации продукции

Модель мультипликативная - жестко детерминированная факторная модель , в которую факторы входят в виде произведения.

Строго говоря, все сезонные модели мультипликативны и имеют лишь один линейный элемент (роп), он и будет аддитивным.

В данном случае для преобразования исходной факторной модели , построенной на математических зависимостях, использованы способы удлинения и расширения. В результате получилась более содержательная модель мультипликативно-аддитивно-кратного вида, которая имеет большую познавательную ценность, поскольку учитывает причинно-следственные связи между показателями. Данная модель позволяет исследовать, как влияют на доходность капитала объем продаж , отпускные цены , себестоимость реализованной продукции, внереализационные финансовые результаты , а также скорость обращения капитала.

Итак, мы рассмотрели четыре способа выявления сезонной компоненты аддитивную модель , мультипликативную модель, метод экспоненциального сглаживания с тремя параметрами, гармонический анализ Фурье (рис. П-7). В нашем примере оказалось, что наименьшую ошибку дает мультипликативная модель, т. е. применение индексов сезонности.

Поскольку модель мультипликативная, то применимы следующие способы ее обработки.

Методика построения мультипликативных моделей эффективности производства.

Вычислительная схема реализации расчетов по модели (2)- (9) на основе мультипликативного алгоритма симплекс. - метода показана на рисунке.

Эти модели отражают процесс детализации исходной факторной системы мультипликативного вида и расширения ее за счет расчленения на сомножители комплексных факторов. Степень детализации и расширения модели зависит от цели исследования, атакже от возможностей детализации и формализации показателей в пределах установленных правил.

Наиболее универсальным из них является способ цепной подстановки . Он используется для расчета влияния факторов во всех типах детерминированных факторных моделей аддитивных, мультипликативных, кратных и смешанных (комбинированных). Этот способ позволяет определить влияние отдельных факторов на изменение величины результативного показателя путем постепенной замены базисной величины каждого факторного показателя в объеме результативного показателя на фактическую в отчетном периоде . С этой целью определяют ряд условных величин результативного показателя, которые учитывают изменение одного, затем двух, трех и последующих факторов, допуская, что остальные не меняются. Сравнение величины результативного показателя до и после изменения уровня того или другого фактора позволяет элиминировать влияние всех факторов, кроме одного, и определить воздействие последнего на прирост результативного показателя. Порядок применения этого способа рассмотрим на примере, приведенном в табл. 4.1.

Как нам уже известно, объем валовой продукции (ВП) зависит от двух основных факторов первого порядка численности рабочих (ЧР) и среднегодовой выработки (ГВ). Имеем двухфакторную мультипликативную модель

Мультипликативные модели - модели умножения. Например, объем продукции может быть определен по выражению

Корреляционная модель себестоимости добычи нефти и попутного газа по указанным факторам была рассчитана по мультипликативной функции Кобба - Дугласа (41). В результате решения этой модели было составлено сводное уравнение по нефтедобывающей промышленности Украинской ССР

Основным недостатком логарифмического метода анализа является то, что он не может быть универсальным, его нельзя применять при анализе любого вида моделей факторных систем. Если при анализе мультипликативных моделей факторных систем при использовании логарифмического метода достигается получение точных величин влияния факторов (в. случае, когда Az = 0), то при таком же анализе кратных моделей факторных систем получение точных величин влияния факторов не удается.

Формирование рабочих формул интегрального метода для мультипликативных моделей. Применение интегрального метода факторного анализа в детерминированном экономическом анализе наиболее полно решает проблему получения однозначно определяемых величин влияния факторов.

Выше было установлено, что любую модель конечной факторной системы можно привести к двум видам - мультипликативной и кратной. Это условие предопределяет то, что исследователь имеет дело с двумя основными видами моделей факторных систем, так как остальные модели - это их разновидности.

При формировании рабочих формул расчета влияния факторов в условиях применения ЭВМ пользуются следующими правилами, -отражающими механику работы с матрицами подынтегральные выражения элементов структуры факторной системы для мультипликативных моделей строятся путем произведения полного набора элементов значений, взятых по каждой строке матрицы , отнесенных к определенному элементу структуры факторной системы с последующей расшифровкой

Элементы мультипликативной модели

В случае отсутствия универсальных вычислительных средств предложим чаще всего встречающийся в экономическом анализе набор формул расчета элементов структуры для мультипликативных (табл. 5.4) и кратных (табл. 5.3) моделей факторных систем, которые были выведены в результате выполнения процесса интегрирования. Учитывая потребность наибольшего их упрощения, выполнена вычислительная процедура по сжатию формул, полученных после вычисления определенных интегралов (операции интегрирования).

Набор частных свойств специфичен, как и формы их синтеза. В большинстве случаев отдельные свойства коррелируют, что обусловливает т.н. мультипликативный эффект взаимоусиления (чаще) или взаимовлияния на полезность (качество) изделия. Поэтому приближенный к истине при отсутствии теоретически обоснованной модели является способ выражения интегрального показателя качества функцией вида

Алгоритм расчета для мультипликативной четырехфакторнон модели валовой продукции выглядит следующим образом

Интегральный метол применяется для измерения влияния факторов в мультипликативных, кратных и кратно-а 1дитии ых моделях. Его использование позволяет получать более точные результаты расчета влияния факторов по сравнению со способами г пной подстановки, абсолютных и относительных разниц, поскольку дополнительный прирост результативного показателя от взаимодействия факторов присоединяется не к последнему фактору, а делится поровну между ними.

Построенные многофакторные корреляционные модели по нефте-х добывающей промышленности Украины,

Страница
6

Примером мультипликативной модели является двухфакторная модель объема реализации

где Ч - среднесписочная численность работников;

CB - средняя выработка на одного работника.

Кратные модели:

Примером кратной модели служит показатель срока оборачиваемости товаров (в днях) . ТОБ.Т:

где ЗТ - средний запас товаров; ОР - однодневный объем реализации.

Смешанные модели представляют собой комбинацию перечисленных выше моделей и могут быть описаны с помощью специальных выражений:

Примерами таких моделей служат показатели затрат на 1 руб. товарной продукции, показатели рентабельности и др.

Для изучения зависимости между показателями и количественного измерения множества факторов, повлиявших на результативный показатель, приведем общие правила преобразования моделей с целью включения новых факторных показателей.

Для детализации обобщающего факторного показателя на его составляющие, которые представляют интерес для аналитических расчетов, используют прием удлинения факторной системы.

Если исходная факторная модель

то модель примет вид

Для выделения некоторого числа новых факторов и построения необходимых для расчетов факторных показателей применяют прием расширения факторных моделей. При этом числитель и знаменатель умножаются на одно и тоже число:

Для построения новых факторных показателей применяют прием сокращения факторных моделей. При использовании данного приема числитель и знаменатель делят на одно и то же число.

Детализация факторного анализа во многом определяется числом факторов, влияние которых можно количественные оценить, поэтому большое значение в анализе имеют многофакторные мультипликативные модели. В основе их построения лежат следующие принципы: · место каждого фактора в модели должно соответствовать его роли в формировании результативного показателя; · модель должна строиться из двухфакторной полной модели путем последовательного расчленения факторов, как правило качественных, на составляющие; · при написании формулы многофакторной модели факторы должны располагаться слева направо в порядке их замены.

Построение факторной модели – первый этап детерминированного анализа. Далее определяют способ оценки влияния факторов.

Способ цепных подстановок заключается в определении ряда промежуточных значений обобщающего показателя путем последовательной замены базисных значений факторов на отчетные. Данный способ основан на элиминировании. Элиминировать – значит устранить, исключить воздействие всех факторов на величину результативного показателя, кроме одного. При этом исходя из того, что все факторы изменяются независимо друг от друга, т.е. сначала изменяется один фактор, а все остальные остаются без изменения. потом изменяются два при неизменности остальных и т.д.

В общем виде применение способа цепных постановок можно описать следующим образом:

где a0, b0, c0 - базисные значения факторов, оказывающих влияние на обобщающий показатель у;

a1 , b1, c1 - фактические значения факторов;

ya, yb, - промежуточные изменения результирующего показателя, связанного с изменением факторов а, b, соответственно.

Общее изменение Dу=у1–у0 складывается из суммы изменений результирующего показателя за счет изменения каждого фактора при фиксированных значениях остальных факторов:

Рассмотрим пример:

Таблица 2

Исходные данные для факторного анализа

Показатели	Условные обозначения	Базисные значения	Фактические значения	Изменение
Показатели	Условные обозначения	Базисные значения	Фактические значения	Абсолютное (+,-)	Относительное (%)
Объем товарной продукции, тыс. руб.
Количество работников, чел
Выработка на одного работающего, тыс.руб.

Анализ влияния на объем товарной продукции количества работников и их выработки проведем описанным выше способом на основе данных табл.2. Зависимость объема товарной продукции от данных факторов можно описать с помощью мультипликативной модели:

Тогда влияние изменения величины количества работников на обобщающий показатель можно рассчитать по формуле:

Таким образом, на изменение объема товарной продукции положительное влияние оказало изменение на 5 человек численности работников, что вызвало увеличение объема продукции на 730 тыс. руб. и отрицательное влияние оказало снижение выработки на 10 тыс. руб., что вызвало снижение объема на 250 тыс. руб. Суммарное влияние двух факторов привело к увеличению объема продукции на 480 тыс. руб.

Преимущества данного способа: универсальность применения, простота расчетов.

Недостаток метода состоит в том, что, в зависимости от выбранного порядка замены факторов, результаты факторного разложения имеют разные значения. Это связано с тем, что в результате применения этого метода образуется некий неразложимый остаток, который прибавляется к величине влияния последнего фактора. На практике точностью оценки факторов пренебрегают, выдвигая на первый план относительную значимость влияния того или иного фактора. Однако существуют определенные правила, определяющие последовательность подстановки: · при наличии в факторной модели количественных и качественных показателей в первую очередь рассматривается изменение количественных факторов; · если модель представлена несколькими количественными и качественными показателями, последовательность подстановки определяется путем логического анализа.