- •Введение
- •Понятие об экономико-математических методах и моделях
- •1.1.Определение модели и цели моделирования
- •1.2. Последовательность построения экономико-математической модели
- •1.3. Классификация экономико-математических методов
- •1.4. Классификация экономико-математических моделей
- •1.5. Объекты моделирования
- •1.6. Цель, критерий и ограничения в экономико-математических моделях
- •2. Математические модели рынка
- •2.1. Понятие рыночного равновесия
- •2.2. Паутинообразная модель рынка
- •2.3. Существование и единственность рыночного равновесия
- •2.4. Государственное регулирование рынка. Налоги
- •. Дотации
- •2.6. Фиксированные цены
- •2.7. Оценка прибыли и убытков при государственном регулировании рынка
- •2.8. Поддержание стабильных цен и производственные квоты
- •2.9. Принципы ценообразования в рыночной экономике. Диверсификация цен
- •2.9.1. Диверсификация цен в зависимости от дохода покупателя
- •2.9.2. Диверсификация цен в зависимости от объема потребления
- •2.9.3. Диверсификация цен по категориям товаров
- •Совокупная прибыль
- •2.9.4. Диверсификация цен по времени
- •3. Производственные функции
- •3.1. Виды производственных функций
- •3.2. Функция Кобба-Дугласа
- •3.3. Модель Солоу
- •3.4. Модель Стоуна
- •3.5. Двойственная задача потребительского выбора
- •3.6. Функция спроса Маршалла
- •3.7. Модель общего равновесия Вальраса
- •3.8. Рыночное равновесие в модели Леонтьева
- •3.9. Пример построения производственной функции
- •Значения коэффициентов парной корреляции
- •3.10. Производственные функции и прогнозирование
- •4. Модели оптимального планирования
- •4.1. Оптимизация прибыли предприятия
- •Исходные данные для предельного анализа
- •4.2. Оптимизация прибыли методами математического программирования
- •Исходные данные для решения задачи оптимизации
- •4.3. Оптимизация прибыли при ограничениях на используемые ресурсы
- •Исходные данные по изделиям
- •Результаты расчета Таблица 4.8
- •4.4. Планирование оптимальной мощности строительного предприятия
- •Для решения задачи на пк коэффициенты целевой функции, матрицы ограничений и правые части ограничений необходимо записать в виде симплекс-матрицы (табл.4.10).
- •Оптимальное значение целевой функции – 240,000.
- •4.5. Модели стохастического программирования
- •4.6. Модели оптимального планирования транспортного типа
- •4.7. Решение задач по планированию перевозок
- •4.8. Производственно-транспортные модели
- •4.9. Транспортные модели с промежуточными пунктами
- •4.10. Модели параметрического программирования
- •4.11. Модель распределения инвестиционных ресурсов между строительными организациями, прошедшими конкурсный отбор
- •4.12. Производственно-транспортная задача прикрепления источников теплоснабжения к потребителям продукции
- •5. Матричные игры
- •5.1. Классификация матричных игр
- •5.2. Игры с нулевой суммой
- •5.3. Решение игры в чистых стратегиях
- •5.4. Решение игры в смешанных стратегиях
- •Очевидным следствием из теоремы о минимаксе является соотношение
- •5.5. Игры с ненулевой суммой и кооперативные игры
- •5.6. Введение в теорию игр п лиц
- •5.7. Позиционные игры
- •5.8. Выбор оптимальной стратегии в условиях неопределенности (игры с природой)
- •5.8.1. Специфика ситуации полной неопределенности
- •5.8.2. Критерии выбора оптимальной стратегии
- •5.9. Применение теории матричных игр в управлении
- •5.10. Сведение матричной игры к задаче линейного программирования Рассмотрим игру, платежная матрица которой имеет размерность
- •5.11. Решение игры с применением процессора электронных таблиц
- •5.12. Определение победителя подрядных торгов с применением теории игр
- •6. Имитационное моделирование
- •6.1. Метод Монте-Карло
- •7. Моделирование систем массового обслуживания
- •7.1. Одноканальная модель с пуассоновским входным потоком с экспоненциальным распределением длительности обслуживания
- •7.2. Многоканальная модель с пуассоновским входным потоком и экспоненциальным распределением длительности обслуживания
- •8. Модели оценки эффективности инвестиционных проектов
- •8.1. Расчет абсолютных и относительных показателей эффективности проекта
- •8.2. Применение процессоров электронных таблиц для оценки эффективности инвестиций
- •8.3. Оптимальное планирование портфеля инвестиций
- •8.4. Учет факторов риска при оценке инвестиций
- •8.5. Определение уровня недиверсифицируемого риска методом корреляционно-регрессионного анализа
- •Исходные данные для расчета
- •9. Модели оценки финансового состояния предприятия
- •9.1. Виды моделей
- •9.2. Статическая и динамическая модели оценки финансового
- •Коэффициенты рентабельности
- •Оценка деловой активности
- •Оценка финансовой устойчивости
- •Оценка платежеспособности и ликвидности
- •Рекомендуемые значения оцениваемых показателей
- •Вопросы и задания
- •Заключение
- •Библиографический список
- •Экономико-математические методы и модели
- •394006 Г.Воронеж, ул. 20-летия Октября, 84
3.8. Рыночное равновесие в модели Леонтьева
Модель Леонтьева может быть использована для нахождения рыночного равновесия так же, как и модель Вальраса. Модель Леонтьева позволяет найти такое решение задачи поиска рыночного равновесия, в котором объемы спроса и потребления гарантированно представляют собой неотрицательные величины.
Модель Леонтьева – это модель многоотраслевой экономики (балансовый анализ). Цель балансового анализа - ответить на вопрос, возникающий в макроэкономике и связанный с эффективностью ведения многоотраслевого хозяйства: каким должен быть объем производства каждой из n отраслей, чтобы удовлетворить все потребности в продукции этой отрасли? При этом каждая отрасль выступает, с одной стороны, как производитель некоторой продукции, а с другой - как потребитель продукции и своей, и произведенной другими отраслями.
Пусть количество i-го фактора производства rij необходимое для обеспечения выпуска j-й отрасли xj, определяется следующим образом:
(3.43)
Здесь B= [bij] - матрица технологических коэффициентов производства факторов производства.
Просуммировав данные соотношения по, выпускам всех отраслей, мы получим спрос всей экономики на i-й фактор:
(3.44)
Обозначим через ri объем предложения i-го фактора. Поскольку спрос не может превышать предложения, то получаем
(3.45)
где r - вектор наличия первичных факторов производства.
Прямая задача экономики заключается в максимизации национального продукта (стоимости объема потребления выпуска), поэтому прямую задачу можно записать в виде
(3.46)
Данная задача представляет собой задачу линейного программирования:
(3.47)
Двойственная задача представляет собой задачу минимизации стоимости первоначальных факторов производства (минимизацию национального дохода):
(3.48)
Как мы видим, задача поиска рыночного равновесия сводится к решению задач линейного программирования и, найденное состояние равновесия экономики всегда будет иметь экономический смысл.
3.9. Пример построения производственной функции
Найдем решение классической производственной функции - функции Кобба-Дугласа с применением процессора электронных таблиц EXCEL. В качестве исходных данных примем данные по американской обрабатывающей промышленности за период с 1899 по 1922 гг.
Исходными данными модели являются:
- индекс производства;
- индекс основного капитала;
- индекс труда.
Функция Кобба-Дугласа имеет вид
(3.49)
Поскольку для множественной регрессии EXCEL позволяет определять только линейный вид уравнения, приведем функцию к линейном виду:
(3.50)
Для этого исходные данные логарифмируются и выполняется расчет с помощью корреляционно-регрессионного анализа.
При корреляционном анализе решаются следующие задачи:
1. Устанавливается наличие корреляции или связи между величинами.
2. Устанавливается форма линии связи (линии регрессии).
3. Определяются параметры линии регрессии.
4. Определяется достоверность установленной зависимости и достоверность отдельных параметров.
Тесноту связи между двумя величинами можно определить визуально по соотношению короткой и продольной осей эллипса рассеяния наблюдений, нанесенных на поле корреляции. Чем больше отношение продольной стороны к короткой, тем связь теснее.
Более точно теснота связи характеризуется коэффициентом корреляции r. Коэффициент корреляции лежит в пределах -1< r <1. В случае, если r=0, то линейной связи нет. Если r =1, то между двумя величинами существует функциональная связь. При положительном r наблюдается прямая связь, т.е. с увеличением независимой переменной x увеличивается зависимая - y. При отрицательном коэффициенте существует обратная связь - с увеличением независимой переменной зависимая переменная уменьшается. Исходные данные представлены в табл. 3.1.
Таблица 3.1
Исходные данные
Y |
К |
L |
InY |
InK |
InL |
100 |
100 |
100 |
4,60517 |
4,60517 |
4,60517 |
101 |
107 |
104.8 |
4,615121 |
4,672829 |
4,652054 |
112 |
114 |
110 |
4,718499 |
4,736198 |
4,70048 |
122 |
122 |
117.2 |
4,804021 |
4,804021 |
4,763882 |
124 |
131 |
121.9 |
4,820282 |
4,875197 |
4,803201 |
122 |
138 |
115.6 |
4,804021 |
4,927554 |
4,750136 |
143 |
149 |
125 |
4,962845 |
5,003946 |
4,828314 |
152 |
163 |
134.2 |
5,023881 |
5,09375 |
4,899331 |
151 |
176 |
139.9 |
5,01728 |
5,170484 |
4,940928 |
126 |
185 |
123.2 |
4,836282 |
5,220356 |
4,813809 |
155 |
198 |
142.7 |
5,043425 |
5,288267 |
4,960745 |
159 |
208 |
147 |
5,068904 |
5,337538 |
4,990433 |
153 |
216 |
148.1 |
5,030438 |
5,375278 |
4,997888 |
177 |
226 |
155 |
5,17615 |
5,420535 |
5,043425 |
184 |
236 |
156.2 |
5,214936 |
5,463832 |
5,051137 |
169 |
244 |
152.2 |
5,129899 |
5,497168 |
5,02195 |
189 |
266 |
155.8 |
5,241747 |
5,583496 |
5,048573 |
225 |
298 |
183 |
5,4161 |
5,697093 |
5,209486 |
227 |
335 |
197.5 |
5,42495 |
5,814131 |
5,285739 |
223 |
366 |
201.1 |
5,407172 |
5,902633 |
5,303802 |
218 |
387 |
195.9 |
5,384495 |
5,958425 |
5,277604 |
231 |
407 |
194.4 |
5,442418 |
6,008813 |
5,269918 |
179 |
417 |
146.4 |
5,187386 |
6,033086 |
4,986343 |
240 |
431 |
160.5 |
5,480639 |
6,066108 |
5,078294 |
Для определения тесноты связи между изучаемыми показателями используется функция «Корреляция» пункта меню «Сервис», «Анализ данных». Окно исходных данных корреляционного анализа представлено на рис. 3.4.
Рис. 3.4. Исходные данные корреляционного анализа
Результаты обработки исходных данных приведены в табл. 3.2.
Таблица 3.2