DIPLOM (Моделирование промышленной динамики в условиях переходной экономики)

Министерство общего и профессионального образования

Российской Федерации

Уральский государственный университет имени А.М.Горького

Математико-механический факультет

Кафедра математической экономики

Моделирование промышленной динамики в условиях переходной экономики

Дипломная работа

студента 5 курса

группы ИС-501

БУНЧУКОВОЙ

ОКСАНЫ

ВИКТОРОВНЫ

Научный руководитель –

Кандидат экономических наук,

доцент

ГИМАДИ

ИЛЬЯ

ЭДУАРДОВИЧ

Екатеринбург

1999

СОДЕРЖАНИЕ

ВВЕДЕНИЕ...........................................................................................

ГЛАВА 1 Теоретические проблемы использования эконометрических моделей..................................................

ГЛАВА 2. Эконометрическая модель по временным рядам продукции, основных фондов и численности занятых ……..

ГЛАВА 3. Практические расчеты по предприятиям города Екатеринбурга………………………………………………………

3.1. Вопросы информационного обеспечения……………

3.2. Вопросы программного обеспечения…………………

3.3. Описание проведенных расчетов и анализ результатов……………………………………………………

ЗАКЛЮЧЕНИЕ.....................................................................................

ЛИТЕРАТУРА......................................................................................

ПРИЛОЖЕНИЕ.....................................................................................

РЕФЕРАТ

Бунчукова О.В. МОДЕЛИРОВАНИЕ ПРОМЫШЛЕННОЙ ДИНАМИКИ В УСЛОВИЯХ ПЕРЕХОДНОЙ ЭКОНОМИКИ, дипломная работа: стр. , табл. 8, графиков 2.

Объектом исследования …………..

Цель работы – разработка эконометрических моделей для анализа, оценки показателей основных фондов различных предприятий региона.

В процессе работы использовались различные эконометрические модели, такие как: регрессионная модель с одним уравнением, многомерная регрессионная модель, модель парной линейной регрессии; так же использовался метод производных функций, который позволяет определять вид производственной функции и оценивать его при помощи эмпирической информации; имитационная модель. Проводились различные статистические расчеты, корреляционный анализ различных показателей основных фондов предприятий региона.

В электронных таблицах EXCEL разработан и приведенный корреляционный анализ показателей основных фондов крупных предприятий региона, который может применяться в различных сферах промышленной деятельности. Корреляционный анализ дает возможность проверить статистическую гипотезу значимости связи между случайными величинами, т. е. провести статистическое исследование и сделать различные выводы.

ВВЕДЕНИЕ

В переходный период предприятия вынуждены менять свою структуру производства в соответствии с изменяющимся спросом, что сопровождается снижением прибыли, а поскольку налоги на предприятие и так высоки, они делают все, чтобы прибыль была минимальна. С объемом производства и со спросом на продукцию также непосредственно связаны цена и затраты. Объем реализации производства характеризует значимость и востребованность отрасли. Однако отрасли могут значительно отличаться фондоемкостью продукции. Чем значительнее основные фонды отрасли, тем необходимы большие капиталовложения для возобновления производственного процесса. Поскольку основные источники капитальных вложений в промышленность находится в руках самих промышленных предприятий, то основой может быть анализ взаимосвязи капиталовложений с основными финансовыми показателями деятельности предприятий. Капитальные вложения имеют также высокую взаимосвязь с величиной дебиторской задолженности. Это связанно с тем, что предприятия “должники” рассчитываются с предприятиями у которых брали в долг в том числе и инвестиционной продукцией. Также высокая взаимосвязь капитальных вложений наблюдается с основными и прочими внеоборотными активами. Без анализа и исследования показателей основных фондов невозможно быстрое становление и улучшение структуры предприятий.

Дипломная работа предполагает исследование о влиянии показателей основных фондов на деятельность крупных предприятий региона.

Целью дипломной работы является разработка моделей промышленной динамики в условиях переходной экономики. Для выполнения данной цели необходимо рассмотреть и решить следующие задачи:

• рассмотрение и изучение такой науки, как эконометрика, рассмотрение эконометрических моделей;

• рассмотрение и описание регрессионных моделей различных конфигураций и интерпретаций;

• обзор эконометрических моделей основных фондов;

• моделирование различных эконометрических процессов;

• анализ динамики производства, основных фондов;

• описание программного обеспечения, позволяющее более точно рассмотреть статистические данные крупных промышленных предприятий региона.

  Дипломная работа содержит: введение, три основных главы, заключение, список литературы и источников, приложение (результаты практических расчетов).

  Глава 1 содержит теоретические проблемы использования эконометрических моделей; рассмотрение различных регрессионных моделей, их описание, зависимость, представление функций, графиков

  этих моделей.

  Глава 2 содержит имитационную модель взаимосвязи основных фондов и инвестиционных потоков; производится анализ основных фондов и капитальных вложений в промышленности региона; также производится анализ продукции, основных фондов и численности занятых с учетом взаимосвязи между различными показателями; проводится корреляционный анализ с различными экономическими и финансовыми показателями.

  Глава 3 содержит описание статистической оценки между показателями основных фондов и другими показателями, рассчитанные в электронных таблицах EXCEL. Эта глава включает следующее:

• подготовку входных данных о всех показателях основных фондов в виде таблиц с помощью бухгалтерского баланса предприятия;

• анализ, прогнозирование показателей основных фондов на начало и конец года, таблицы приведены в приложении к дипломной работе.

ГЛАВА 1. Теоретические проблемы использования эконометрических моделей

Эконометрика (наряду с микроэкономикой и макроэкономикой) входит в число базовых дисциплин экономического образования. Эконометрика как наука расположена где-то между экономикой, статистикой и математикой. Эконометрика – это наука, связанная с эмпирическим выводом экономических законов, также формулирует экономические модели, основываясь на экономической теории или на эмпирических данных, оценивает неизвестные величины (параметры) в этих моделях, делает прогнозы (и оценивает их точность).

Во всей этой деятельности существенным является использование моделей. Математические модели широко применяются в бизнесе, экономике, общественных науках, исследование экономической активности и даже в исследовании политических процессов. Существуют несколько классов моделей, которые применяются для анализа и/или прогноза.

Регрессионные модели с одним уравнением.

В таких моделях зависимая (объясняемая) переменная у представляется в виде функции – независимые (объясняющие) переменные, а – параметры. В зависимости от вида функции модели делятся на линейные и нелинейные. Например, можно использовать спрос на мороженое как функцию от времени, температуру воздуха, среднего уровня доходов или зависимость зарплаты от возраста, пола, уровня образования, стажа работы и т.п.

Область применения таких моделей, даже линейных, значительно шире, чем моделей временных рядов. Проблемам теории оценивания, верификации, отбора значимых параметров и другим посвящен огромный объем литературы. Эта тема является, пожалуй, стержневой в эконометрики и основной в данном курсе.

Многомерная регрессионная модель.

Естественным обобщением линейной регрессионной модели с двумя переменными является многомерная регрессионная модель(multiple regression model) или модель множественной регрессии:

или

(1.1)

где – значения регрессора в наблюдение t, а через обозначен вектор, состоящий из одних единиц . С участием этого замечания мы не будем далее различать модели вида (1.1) со свободным членом или без свободного члена.

Рассмотрим пример исследования, использующего многомерную регрессионную модель.

Пример. Рынок квартир в Москве. Данные для этого исследования собраны студентами РЭШ в 1994 и 1996 гг.

После проведенного анализа были выбрана логарифмическая форма модели, как более соответствующая данным:

Здесь LOGPRICE – логарифм цены квартиры (в долл. США), LOGLIVSP – логарифм жилой площади (в кв. м.), LOGPLAN – логарифм площади нежилых помещений (в кв. м), LOGKITSP – логарифм площади кухни (в кв. м.), LOGDIST – логарифм расстояния от центра Москвы (в км). Включены также бинарные, “фиктивные” переменные, принимающие значения 0 или 1: FLOOR – принимает значение 1, если квартира расположена на первом или последнем этаже, BRICK – принимает значение 1, если квартира находится в кирпичном доме, BAL – принимает значение 1, если в доме есть лифт, R1 – принимает значение 1 для однокомнатных квартир и 0 для всех остальных, R2, R3, R4 – аналогичные переменные для двух-, трех- и четырехкомнатных квартир.

Результаты оценивания уравнения (*) для 464 наблюдений, относящихся к 1996 г., приведены в таблице 1.

Таблица 1.

R² = 0.8921, R_adj² = 0.8992, стандартная ошибка регрессии 0.2013.

Из анализа t – статистик видно, что все коэффициенты, кроме коэффициентов при R1 и R2, значимы на 95%-доверительном уровне.

Коэффициент при LOGLIVSP, равный 0.67, означает, что увеличение жилой площади квартиры на 1% увеличивает ее цену на 0.67%. Иначе говоря, эластичность цены квартиры по жилой площади равна 0.67.

Несколько сложнее объяснить значение коэффициентов при LOGPLAN и LOGKITSP. Для их объяснения мы решили использовать следующий пример. Предположим, что есть две квартиры с одинаковой кухней, скажем 9 кв. м, но разными по площади остальными вспомогательными помещениями. Например, в первой квартире эта площадь равна 11 кв. м, а во второй 12 кв. м. Таким образом, во второй квартире общая площадь вспомогательных помещений (21 кв. м) на 5% больше, чем в первой. Такое увеличение площади, с фиксированной площадью кухни, в соответствии с нашей моделью должно привести к увеличению цены второй квартиры по сравнению с первой на 5*0.431 = 2.15%. теперь представим себе, что имеется квартира с кухней 10 кв. м и площадью остальных вспомогательных помещений 11 кв. м. Общая площадь вспомогательных помещений в такой квартире, как и в предыдущем случае, 21 кв. м. Однако теперь мы ожидаем увеличение цены третьей квартиры по сравнению с первой квартирой на 5*0.431 +