Реферат: Фундаментальные исследования и разработка перспективных технологий НТП

Тема:«Фундаментальные исследования и разработка перспективных технологий НТП»

Этап 1 Постановочный

Целью данногоисследования являются причины и факторы, влияющие на исследования и разработкуперспективных технологий и приоритетных направлений НТП, осуществляемыенаучными организациями, так как от этих исследований зависит развитие науки,техники и всей экономики страны.

Этап 2 Априорный

Очевидно, что на развитиефундаментальных исследований влияет в первую очередь финансирование на развитиетехнологии, заинтересованность молодых ученых в процветании страны и конечно жеобщие расходы на НИР.

Также определяющимифакторами служат: утечка умов, качество жизни и ВВП на душу населения.

Каждая страна пополитическим и экономическим мотивам выбирает приоритет развития отраслейнауки. Так как в наше время ставка на развитие микроэлектроники, повсеместнаякомпьютеризация, следовательно и развитие технологических процессов, которыевключают машины, аппараты, оборудование и приборы, используемы при обработке ипроизводстве и автоматизации производства. Особенно важна новая технология, неимеющая аналогов в стране. Важные разработки ведутся в области медицины,авиастроении, в совершенствовании цифровых разработок и т. д.

Этап 3 Информационный

Результативный признак Y – фундаментальные исследования, баллов.

В этом исследованиирассмотрим 3 определяющих и 3 второстепенных фактора:

Х1 – финансированиеразвития технологии, фиктивная переменная.

Х2 – заинтересованностьмолодежи в науке и технологии, фиктивная переменная.

Х3 – утечкаумов, фиктивная переменная.

Х4 – качествожизни, фиктивная переменная.

Х5 – общиерасходы на НИР, млрд. дол.

Х6 – ВВП надушу населения, тыс. дол на душу.

Все статистическиеданные за 2006 г., использовались сайты: rating.rbc.ru, data.cemi.rssi.ru, который ссылаютсяна:

· статистическиесборники Госкомстата России («Страны мира», «Российскийстатистический ежегодник») за ряд лет;

· зарубежныесборники международной статистики («The World Competitiveness Yearbook»IMD),издаваемые в Швейцарии.

В выборкупопала 47 страна, для того, чтобы прогнозирование было более достоверное.

Эти данные занесены втаблицу по каждой стране.

Таблица статистическихданных

Фундаментальные исследования Финансирование развития технологии Заинтересованность молодежи в науке и технологии Утечка умов Качество жизни Общи расходы на НИР ВВП на душу населения 1 Австралия 6,88 6,29 4,84 6,1 9,22 6,976 34,695 2 Австрия 6,75 7,25 6,26 8,04 9,58 6,641 37,222 3 Аргентина 3,27 3,33 3 4,53 4,24 0,67 4,697 4 Бельгия 6,79 5,56 4,41 5,84 8,83 5,75 35,409 5 Болгария 5 4,3 5,29 5,04 3,23 0,1 3,403 6 Бразилия 4,07 3,44 4,22 5,73 4,63 5,598 4,193 7 Великобритания 6,7 5,84 2,67 5,89 7,14 34,022 36,621 8 Венгрия 4,82 4,98 5,63 5,31 5,46 0,887 10,833 9 Венесуэла 3,14 3,72 3,31 2,62 2,21 0,571 5,127 10 Гонконг 6,43 7,57 6,52 7,17 7,52 1,098 25,609 11 Греция 4,43 5,01 6,23 5,74 6,52 1,074 20,081 12 Дания 6,61 6,86 4,64 7 9,36 5,586 47,75 13 Израиль 6,98 7,56 6,18 6,98 6,62 5,312 17,65 14 Индия 6,04 5,44 7,57 6,76 5,28 3,703 0,656 15 Индонезия 3,36 3,15 4,41 4,51 3,83 0,059 1,283 16 Ирландия 6,21 7,07 3,96 8,14 8,32 2,205 48,354 17 Исландия 6,68 6,79 5,91 8,36 9,41 0,309 52,799 18 Испания 3,98 4,61 3,21 6,02 7,47 9,28 25,469 19 Италия 3,48 3,84 3,96 4,31 6,73 13,76 30,284 20 Канада 7,43 6,78 5,07 5,7 9,15 18,822 35,038 21 Китай 7,33 4,88 6,73 3,22 4,45 23,757 1,702 22 Колумбия 3,17 3,92 4,42 5,25 5,15 0,136 2,566 23 Малайзия 6,62 6,79 6,26 5,54 7,41 0,748 4,998 24 Мексика 3,45 2,97 3,61 4,12 4,56 2,453 7,459 25 Нидерланды 6,79 6,37 4,29 6,74 8,42 7,557 38,236 26 Новая Зеландия 5,75 5,64 3,82 3,43 8,71 0,924 25,374 27 Польша 4,27 2,67 5,2 3,92 3,12 1,172 7,833 28 Португалия 3,82 5,02 3,6 4,76 6,72 1,152 17,319 29 Республика Корея 5,18 5,21 5,09 4,91 5,71 16,011 16,311 Фундаментальные исследования Финансирование развития технологии Заинтересованность молодежи в науке и технологии Утечка умов Качество жизни Общи расходы на НИР ВВП на душу населения 30 Россия 3,36 3,37 4,29 2,71 3,15 6,804 5,338 31 Сингапур 7,37 8,11 7,81 6,93 8,3 2,403 26,833 32 Словакия 3,78 3,95 3,56 4,09 4,89 0,216 8,638 33 Словения 3,92 3,13 3,89 3,95 6,5 0,479 17,258 34 США 7,98 7,9 4,14 7,84 8,29 31,2535 42,113 35 Таиланд 4,75 5,04 5,04 5,7 5,97 0,444 2,71 36 Тайвань 5,65 6,8 6,33 5,43 5,54 7,805 15,198 37 Турция 3,65 4,27 4,71 5,69 4,51 1,223 5,045 38 Филиппины 3,88 4,08 3,88 3,02 4,16 0,107 1,146 39 Финляндия 6,99 7,61 6,15 7,59 8,73 5,655 36,751 40 Франция 6,3 5,55 4,8 5,51 8,2 44,283 34,661 41 Хорватия 3,47 3,21 3,13 3,47 4,75 0,429 8,421 42 Чехия 4,76 4,69 4,88 6,46 7,06 1,366 11,998 43 Чили 4,52 4,41 4,56 7,58 7,04 0,616 7,087 44 Швейцария 8,03 6,92 5,84 7,29 9,41 6,324 49,211 45 Швеция 6,62 6,9 5,17 6,51 8,58 12,02 39,539 46 Эстония 4,56 4,33 4,96 4,48 5,07 0,103 9,729 47 ЮАР 5,19 4,78 2,98 2,38 5,97 1,563 5,106

Все расчёты и графики вработе выполнены с помощью табличного редактора Exel.

отборфакторов в модель

Предварительныйанализ стат.данных

Поля корреляции Yс каждым фактором

Визуальный анализ полякорреляции Y и Х1 показывает, чтобезусловно финансирование развития технологии влияет на фундаментальныеисследования. Эта зависимость очень сильна, линейная и положительная: чембольше финансирования на развитие технологии, тем масштабней фундаментальныеисследования.

Визуальный анализ полякорреляции Y и Х2 показывает, что заинтересованностьмолодежи в науке и технологии безусловно влияет на фундаментальныеисследования. Зависимость достаточно плотная, положительная и линейная.

Визуальный анализ полякорреляции Y и Х3 показывает, что утечкаумов влияет на фундаментальные исследования. Зависимость достаточно плотная иположительная, линейная.

Визуальный анализ полякорреляции Y и Х4 показывает, чтобезусловно качество жизни влияет на фундаментальные исследования. Этазависимость плотная, линейная и положительная.

Визуальный анализ полякорреляции Y и Х4 показывает, чтозависимость эта существует. Но назвать её однозначно линейной нельзя, хотя онаи нелинейная, но имеет важное значение для исследования, на отрезке от 0 до 35график можно считать линейным, поэтому, возьмем его для исследования.

Визуальный анализ полякорреляции Y и Х6 показывает, что зависимостьесть, но она очень слабая.

Итак, для начала в модельвключим все факторы Х1, Х2, Х3, Х4,Х5, Х6.

Этап4 Спецификация и параметризация

Линейнаямножественная регрессионная модель

Наоснове предыдущем этапе были изложены причины использования именно линейноймодели по каждому фактору.

Тогдадля моделирования используем линейную множественную регрессионную модель /> для генеральнойсовокупности.

Длявыборки модель также линейна: />. Врезультате отбора факторов найдём наиболее качественную модель.

Найдемобъяснённую часть модели — линейное уравнение регрессии по выборке: />. Пока окончательное количествофакторов m нам неизвестно.

Этап5 Идентификация

Дляпостроения модели используем классический подход - метод наименьших квадратовМНК.

С помощью Exel проведём расчёты первой модели, сфакторами Х1, Х2, Х3, Х4, Х5, Х6.Получим уравнение множественной регрессии и наблюдаемое значение t-критерия для каждого коэффициентарегрессии aj:

t набл по модулю: 0,58 4,65 2,76 1,34 1,41 3,34 0,63

Сравним /> с табличным на уровнезначимости d=0,05 с (n-m-1)=(47-6-1)=40 степенями свободы tтабл=2,02.

/>Так как a0не статистическизначимо, то получаем уравнение:

tнабл по модулю: 0 4,67 3,13 1,26 2 3,54 0,4

Из всех коэффициентомстатистически значимыми могут быть признаны коэффициенты при Х1, Х2, Х5.

Коэффициент при Х3– не может быть признан статистически значимым, поэтому фактор Х3удаляем из модели. Т.е. несмотря на то, что утечка умов влияет нафундаментальные исследования, но все таки ее влияние не значительно, т. к.наука постоянно развивается, поэтому происходит замена в кадровом составе и имна смену приходят молодые ученые.

Коэффициент при Х4– не может быть признан статистически значимым, поэтому фактор Х4удаляем из модели. Т.е. несмотря на то, что качество жизни влияет на фундаментальныеисследования, но все таки ее влияние не значительно, т. к. в каждой странепроисходят фундаментальные исследования, независимо от качества жизни. И как мыпредполагали ранее, Х6 также следует исключить, так как ВВП являетсяне всегда важным показателем развития науки, хотя и влияет на финансовыевозможности страны.

Итак, оставляем в моделиХ1, Х2, Х5

С помощью Exel проведём расчёты второй модели, сфакторами Х1, Х2, Х5. Получим уравнениемножественной регрессии и наблюдаемое значение t-критерия для каждого коэффициента регрессии aj:

tнабл по модулю: 10,39 3,014 3,82

Сравним /> с табличным на уровнезначимости d=0,05 с (n-m-1)=(47-3-1)=43 степенями свободы tтабл=2,02.

Как видим, всекоэффициенты получились значимыми.

Х1

Х2

Х5

Х1

0,884148423

Х2

0,526521959

0,533871035

Х5

0,441017751

0,273023712

-0,045987724

Но мультиколлинеарностьвысокая между факторами Х1 и Х2.

Рассмотрим две модели: Х1, Х5; Х2, Х5

Рассмотрим модель Х1, Х5:

tнабл по модулю: 44,55 2,94

Сравним /> с табличным на уровнезначимости d=0,05 с (n-m-1)=(47-2-1)=44 степенями свободы tтабл=2,02.

Как видим, всекоэффициенты получились значимыми.

Fнабл= 1527,72>Fтабл

Рассмотрим модель Х2Х5:

tнабл по модулю: 24,56 4,69

Сравним /> с табличным на уровнезначимости d=0,05 с (n-m-1)=(47-2-1)=44 степенями свободы tтабл=2,02

Как видим, всекоэффициенты получились значимыми.

/> /> /> /> <td/> /> /> /> />

Fнабл=519,0835>Fтабл

Все модели хорошегокачества, их все можно использовать для дальнейшего исследования, но по t-критерию фактор Х1 (44,55)выше фактора Х2 (24,56), ошибки аппроксимации в первой моделименьше, чем во второй.

Для дальнейших этаповисследуем первую модель с Х1, Х5. И при этом практическине изменились по сравнению с первой моделью. Можно сделать вывод:

1) эти факторыдействительно являются определяющими и показывают истинную зависимость

2) в модели невеликамультиколлинеарность.

По t-критериям эту модель можно признатьнаиболее качественной.

Чтобы установитьокончательно, так ли это, проверим мультиколлинеарность в ней.

Рассчитаем линейныепарные коэффициенты корреляции между Y и каждым фактором, и попарно между всеми факторами. Составим общуюкорреляционную матрицу:

Х1

Х5

Х1

0,884

Х5

0,441

0,273

Видим, что корреляциямежду Х1 и Х5 (0,273) крайне слаба, можно сказать,практически отсутствует.

Рассчитаем определительматрицы межфакторной корреляции:

Х1

Х5

Х1

Х5

0,273

/>, это означает, что проблемамультиколлинеарности невелика, можно сказать незначительна.

А также учитывая, чтокоэффициенты модели оказались устойчивы к изменению модели, можно постановить,что проблема мультиколлинеарности практически не искажает результатымоделирования, и её последствия незначительны.

Можем провести дальнейшийанализ модели.

Этап 6 Верификация

Итак, получена модель:

Экономическаяинтерпретация коэффициентов множественной регрессии

а1=0,96 – показывает, что при уменьшении развитиятехнологии на 1 ед., увеличивается уровень фундаментальных исследований на 0,96балла.

а2=0,032 – показывает, что увеличение общих расходов наНИР на 1 млрд. долл. приведет к увеличению фундаментальных исследований на 0,032балла.

Доверительныеинтервалы для параметров множественной регрессии aj: />.

При уровне значимости d=5%, используя расчёты Exel, получаем 95%-ные доверительныеинтервалы:

для a1: (0,913; 1,004), для a2: (0,005; 0,01).

Ширина интервалов маленькая,можно предположить, что точность модели будет хорошей.

Коэффициентдетерминации

R2= 0,985

Скорректированныйкоэффициент детерминации />63показывает, что изменение числа фундаментальных исследований Y на 96,3% обусловлены совокупнымизменением таких факторов, как финансирование развития технологии и технологиии общие расходы на НИР.

Остальные 3,7% измененийстоимости обусловлены другими факторами, не включёнными в модель илинеобнаруженными в данном исследовании и случайными.

Средниекоэффициенты эластичности

Длялинейной регрессии: />.

Рассчитаем сначаласредние значения: />, />, млрд. долл.,

/>.

/> /> /> /> /> /> /> />

Как видим, эластичность Y по каждому фактору разная. Наиболеесильна эластичность Y по фактору Х1,а по фактору Х5 очень мала.

При увеличении финансированияразвития технологии на 1% от среднего балла фундаментального исследованияувеличивается на 0,95% от среднего балла фундаментального исследования.

При увеличении общихрасходов на НИР на 1% от среднего балла фундаментального исследования всреднем увеличивается на 0,038% от среднего балла фундаментального исследования.

Чтобы достоверноранжировать факторы по силе влияния на Y найдём уравнение множественной регрессии встандартизированном масштабе: />.

Составляем системунормальных уравнений в стандартизированном масштабе, чтобы найтистандартизированные коэффициенты регрессии bj:

Подставляем коэффициентыкорреляции (они уже вычислены в общей корреляционной матрице):

/>Решаем его алгебраическими методами и получаемстандартизированные коэффициенты регрессии:1=0,825,2=0,216

истандартизированное уравнение:.

, значит, наиболеесильное влияние на фундаментальные исследования Y оказывает фактор Х1 – финансирование развитиятехнологии общие расходы на НИР, менее сильное влияние оказывает фактор Х5– общие расходы на НИР.

Качество уравнения вцелом. Ошибки аппроксимации.

F-критерий.

Табличное значение F-критерия на уровне значимости d=5% с m=3 и с(n-m-1)=47-2-1=44 степенями свободы Fтабл=2,02. Fнабл=1527,72>Fтабл – уравнение в целом статистическизначимо и надёжно.

Ошибки аппроксимации

Потребуется сделатьдополнительные вычисления — /> ипросуммировать их:

/> /> /> /> /> /> /> /> /> /> /> /> /> /> <td/> />

Отклонениясмоделированных данных от реальных составляют в среднем 17,05%. Аппроксимациюможно признать приемлемой. Эта модель применима для прогнозирования.

Этап 7 Прогнозирование

Полученные показатели ивыводы позволяют вполне уверенно использовать эту модель для прогнозирования.

Составим прогноз фундаментальногоисследования (на примере Греции), при финансировании развития технологии = 5,01общими расходами на НИР в 1,074 млрд. долл. Запрашиваемое фундаментальноеисследование в рассматриваемый период составляла 4,43 балла.

Итак, прогнозные значенияфакторов х1, прог=5,01, х5, прог=1,074.

Точечный прогноз

При заданных прогнозныхзначениях факторов можно ожидать, что фундаментальные исследования будут колебатьсяоколо 4,844 балла.

Интервальный прогноз

Чтобы вычислитьинтервальные прогнозы нужно рассчитать ошибки прогнозирования, а для этогопотребуются дополнительные матричные вычисления.

Составляем матрицу Х, первыйстолбец – единичный, а остальные столбцы – это статистические данные пофакторам, входящим в модель.

Её размерность в этомслучае 47 строк и 3 столбца, dimX=47´3.

Финансирование развития технологии

Общие расходы на НИР

7,25

6,641

3,33

0,67

5,56

5,75

4,3

0,1

3,44

5,598

5,84

34,022

4,98

0,887

3,72

0,571

7,57

1,098

5,01

1,074

6,86

5,586

7,56

5,312

5,44

3,703

3,15

0,059

7,07

2,205

6,79

0,309

4,61

9,28

3,84

13,76

6,78

18,822

4,88

23,757

3,92

0,136

6,79

0,748

2,97

2,453

6,37

7,557

5,64

0,924

2,67

1,172

5,02

1,152

5,21

16,011

3,37

6,804

8,11

2,403

3,95

0,216

3,13

0,479

7,9

31,2535

5,04

0,444

6,8

7,805

4,27

1,223

4,08

0,107

Финансирование развития технологии

Общие расходы на НИР

7,61

5,655

5,55

44,283

3,21

0,429

4,69

1,366

4,41

0,616

6,92

6,324

6,9

12,02

4,33

0,103

4,78

1,563

Транспонируем её – ХТ,размерность транспонированной матрицы dimXТ=3´47

Вычисляем матричноепроизведение ХТХ, его размерность dimXТХ=3´3.

Находим обратную к нейматрицу, её размерность dim(XТХ)-1=3´3:

Для вычислениястандартных ошибок прогнозирования составим матрицу прогнозных значений: хпрог=(1 5,01 1,074).

И вычислим матричноепроизведение: хпрог(ХТХ)-1хпрогТ.

размерность dim хпрог(XТХ)-1=1´3.

1) Доверительныйинтервал для средних значений Yпри х1, прог=5,01, х5, прог=1,074.

/>./>

Стандартная ошибкапрогноза для средних значений:

Доверительный интервалдля средних значений Yс вероятностью g=95%:

С вероятностью 95% можноожидать, что средние фундаментальные исследования, которые финансируются наразвитие технологии на 5,01, и общими расходами на НИР в 1,074 млрд. долл.,колебалась в рассматриваемый период от 4, 153 до 5,535.

2) Доверительныйинтервал для индивидуальных значений Yпри х1, прог=5,01, х5, прог=1,074млрд.долл.

. />

Стандартная ошибкапрогноза для индивидуальных значений:

Доверительный интервалдля индивидуальных значений Yс вероятностью g=95%:

С вероятностью 95% можноожидать, что средние фундаментальные исследования, которые финансируются наразвитие технологии на 5,01, общими расходами на НИР в 1,074 млрд. долл.,колебалась в рассматриваемый период от 3, 291 до 6,397.

Модель для прогнозированияпригодна.

Проверка выполненияпредпосылок МНК

Предпосылка 2. Огомоскедастичности остатков.

По полям корреляции и пографикам остатков очевидна гетероскедастичность по фактору Х5: свозрастанием этого фактора дисперсия остатков уменьшается.

По остальным факторам вданной выборке явного нарушения этой предпосылки не отмечается.

Предпосылка 3 Онекоррелированности остатков.

Список объектов

Остатки (полученные)
ei

Остатки 1-го уровня
ei-1

ei* ei-1

Австралия

-0,618368

Австрия

0,422512

-0,618368

-0,2612679

Аргентина

-0,05176

0,422512

-0,021869221

Бельгия

-1,2684

-0,05176

0,065652384

Болгария

-0,8688

-1,2684

1,10198592

Бразилия

-0,588464

-0,8688

0,511257523

Великобритания

-0,004896

-0,588464

0,00288112

Венгрия

-0,010816

-0,004896

5,29551E-05

Венесуэла

0,449472

-0,010816

-0,004861489

Гонконг

0,872336

0,449472

0,392090607

Греция

0,413968

0,872336

0,361119189

Дания

0,154352

0,413968

0,063896789

Израиль

0,447584

0,154352

0,069085486

Индия

-0,699104

0,447584

-0,312907765

Индонезия

-0,334112

-0,699104

0,233579036

Список объектов

Остатки (полученные)
ei

Остатки 1-го уровня
ei-1

ei* ei-1

Ирландия

0,64776

-0,334112

-0,216424389

Исландия

-0,151712

0,64776

-0,098272965

Испания

0,74256

-0,151712

-0,112655263

Италия

0,64672

0,74256

0,480228403

Канада

-0,318896

0,64672

-0,206236421

Китай

-1,884976

-0,318896

0,601111306

Колумбия

0,597552

-1,884976

-1,126371179

Малайзия

-0,077664

0,597552

-0,046408279

Мексика

-0,520304

-0,077664

0,04040889

Нидерланды

-0,432976

-0,520304

0,225279145

Новая Зеландия

-0,306032

-0,432976

0,132504511

Польша

-1,669296

-0,306032

0,510857993

Португалия

1,036064

-1,669296

-1,729497491

Республика Корея

0,333952

1,036064

0,345995645

Россия

0,092928

0,333952

0,031033491

Сингапур

0,492496

0,092928

0,045766668

Словакия

0,018912

0,492496

0,009314084

Словения

-0,899872

0,018912

-0,017018379

США

0,604112

-0,899872

-0,543623474

Таиланд

0,102608

0,604112

0,061986724

Тайвань

1,12776

0,102608

0,115717198

Турция

0,488336

1,12776

0,550725807

Филиппины

0,040224

0,488336

0,019642827

Финляндия

0,49656

0,040224

0,019973629

Франция

0,445056

0,49656

0,220997007

Хорватия

-0,374672

0,445056

-0,166750022

Чехия

-0,213888

-0,374672

0,080137845

Чили

-0,266688

-0,213888

0,057041363

Список объектов

Остатки (полученные)
ei

Остатки 1-го уровня
ei-1

ei* ei-1

Швейцария

-1,184432

-0,266688

0,315873801

Швеция

0,38864

-1,184432

-0,460317652

Эстония

-0,399904

0,38864

-0,155418691

ЮАР

-0,551184

-0,399904

0,220420686

-0,551184

Ср.знач.

-0,043834435

-0,045294957

Станд.откл.

0,666

0,491

Чтобыоценить отсутствие или наличие Автокорреляции 1-го уровня, выясним есть лизависимость между остатками модели и остатками 1-го уровня. Из-за смещенияостанется на 1 значение меньше – 46: со 2-го по 47-е наблюдение. Вычислимкоэффициент корреляции междуei и ei-1 по его известнойформуле:

/> /> /> /> /> /> /> /> <td/> />

/>=1,407

Итак,коэффициент корреляции показывает, что зависимость очень слабая. Т.е.автокорреляция остатков 1-го уровня слабая. И т.к. выборка пространственная, тоэтим небольшим нарушением предпосылки 3 можно пренебречь.

/>Предпосылка 4 />

- выполнена.

Предпосылки1 и 5. О нормальном распределении остатков с нулевым матем.ожиданием

Строим гистограммуостатков и ряд частот:

Карман

Частота

-1,11757 1 -0,61497 5 -0,11238 13 0,390221 15 0,892817 8 1,395413 3 Еще 2

Ряд частот и гистограммаполностью соответствуют нормальному распределению с математическим ожиданием,равным нулю. Эта предпосылка не нарушена.

Вывод

Полученная в исследованиипо всему миру 2-хфакторная модель зависимости фундаментальных исследований от финансированияразвития технологи и общих расходов на НИР оценивается как модель достаточнохорошего качества (по t- ипо F-критерию), она информативная(скорректированный R2 – высок).

Эта модель обнаруживает возрастающуюзависимость фундаментальных исследований от финансирования развитиятехнологии, общих расходов на НИР, что соответствует изучаемой ситуации.

Мультиколлинеарностьфакторов признана несущественной, она не искажает результаты исследования.

Применение этой моделидля прогнозирования вполне возможно, но не всегда полезно и не отличаетсябольшой точностью (т.к. ошибка аппроксимации 17,05%, и т.к. обнаружено нарушениепредпосылки 2, а точнее — убывающая гетероскедастичность по фактору общиерасходы на НИР). Остальные предпосылки МНК выполнены.

еще рефераты

Еще работы по экономико-математическому моделированию

Реферат по экономико-математическому моделированию

Характеристика і прогнозування операцій на валютному ринку

1 Сентября 2013

Реферат по экономико-математическому моделированию

Эконометрика

1 Сентября 2013

Реферат по экономико-математическому моделированию

Эконометрика

1 Сентября 2013

Реферат по экономико-математическому моделированию

Эконометрика

1 Сентября 2013