• Гідрологія і Гідрометрія
• Господарське право
• Економіка будівництва
• Економіка природокористування
• Економічна теорія
• Земельне право
• Історія України
• Кримінально виконавче право
• Медична радіологія
• Методи аналізу
• Міжнародне приватне право
• Міжнародний маркетинг
• Основи екології
• Предмет Політологія
• Соціальне страхування
• Технічні засоби організації дорожнього руху
• Товарознавство продовольчих товарів

Тлумачний словник
Авто
Автоматизація
Архітектура
Астрономія
Аудит
Біологія
Будівництво
Бухгалтерія
Винахідництво
Виробництво
Військова справа
Генетика
Географія
Геологія
Господарство
Держава
Дім
Екологія
Економетрика
Економіка
Електроніка
Журналістика та ЗМІ
Зв'язок
Іноземні мови
Інформатика
Історія
Комп'ютери
Креслення
Кулінарія
Культура
Лексикологія
Література
Логіка
Маркетинг
Математика
Машинобудування
Медицина
Менеджмент
Метали і Зварювання
Механіка
Мистецтво
Музика
Населення
Освіта
Охорона безпеки життя
Охорона Праці
Педагогіка
Політика
Право
Програмування
Промисловість
Психологія
Радіо
Регилия
Соціологія
Спорт
Стандартизація
Технології
Торгівля
Туризм
Фізика
Фізіологія
Філософія
Фінанси
Хімія
Юриспунденкция

В цьому аспекті важливе значення має оцінка достовірності інформації, яка використовується в дослідженні, і оцінка достовірності результатів дослідження.

Оцінка достовірності інформації – це складане завдання. В цьому аспекті можна відзначити, що, наприклад, експерт, який формулює висновки щодо економічних питань, може помилятись абосвідомо вводити в оману. Тому необхідно не тільки оцінювати економічну інформацію, а і її джерела. В зв’язку з цим вводиться наступні терміни: авторизованість, авторитетність, інформативність та свідомість.

Авторизованість – це прив'язка пропонованих у відповіді даних до визначеного джерела. Як джерело можуть бути використані посилання на сайт, книгу та ін.

Авторитетність - характеристика джерела даних. Якщо експерт у відповіді не посилається на джерело, а говорить від першої особи, оцінюється авторитетність самого експерта.

Інформативність показує кількість нових даних у відповіді, які відносяться до питання.

Свідомість – показує, наскільки відповідаючий зрозумів питання.

При оцінці достовірності результатів дослідження необхідно враховувати те, що достовірним можна вважати результат, допустима погрішність якого не виходить за різницю між розрахунковим значенням моделі і отриманим значенням, в результаті розрахунків економічних показників:

, (4.1)

- розрахункове значення моделі;

- вихідне значення економічного показника моделі;

- величина допустимої погрішності.

Саме виникнення значної погрішності результатів дослідження призводить до зниження достовірності результатів моделювання. В цілому погрішність виникає у зв’язку з:

Ø неадекватністю моделі;

Ø помилками розрахунку показників і параметрів моделі;

Ø низькою якістю інформації, яка використовується для моделювання та інш.

Для визначення факту наявності або відсутності помилок, використовують спосіб, який полягає порівняння їх з аналітичними рішеннями. Цей спосіб використовується при наявності значної кількості різних аналітичних рішень. Проте, екстраполювати результати оцінки одного порівняння на всі можливі рішення й параметри моделі досить загрозливо, оскільки в кожному конкретному випадку можуть виникати відхилення, особливо при зміні параметрів.

Досить часто використовується спосіб, коли розрахунок одного і того ж параметру відбувається декількома способами. Цей спосіб дає можливість визначити погрішності практично для всіх комбінацій параметрів моделі.

Розглянемо приклад визначення достовірності на основі розробленої економіко-математичної моделі.

Розроблена лінійна модель виду

, (4.2)

де - індикатор розвитку (відношення нового капіталу до інвестованого капіталу);

- рівень витрат;

- рівень матеріальних запасів.

Встановіть достовірність розрахунків моделі (4.2) на основі встановленої погрішності. Вихідні статистичні дані представлених економічних показників представлено в табл. 4.1.

Таблиця 4.1. Вихідні статистичні дані економічних показників моделі (4.2)

№ спостереження		Рв	Рз
	0,113	0,957	0,042
	0,09	-1,052	0,057
	0,092	1,047	0,052
	0,083	1,075	0,066
	0,069	1,113	0,09
	0,067	1,123	0,099
	0,069	1,118	0,094
	0,08	1,085	0,071
	0,081	1,09	0,066
	0,009	1,354	0,137
	0,016	1,33	0,127
	0,024	1,302	0,118
	0,031	1,269	0,113
	0,048	1,198	0,108
	0,05	1,193	0,104
	0,055	1,174	0,099
	0,057	1,165	0,099
	0,063	1,146	0,094
	0,063	1,141	0,094
	0,074	1,113	0,075
	0,075	1,108	0,071
	0,08	1,09	0,066
	0,082	1,08	0,061

Вирішення

Визначення оцінок індикатора розвитку та помилки розрахунків моделі (4.2) представимо в табл. 4.2

Таблиця 4.2. Розрахунок оцінок індикатора розвитку та помилки

№ спосте-реження		Параметри моделі (4.2)	(( )’- )
0,326	-(0,212 х Рв)	-(0,08 х Рз)	( )’
	0,113	0,326	-0,203	-0,009	0,114	0,001
	0,09	0,326	-0,223	-0,012	0,091	0,001
	0,092	0,326	-0,222	-0,011	0,093	0,001
	0,083	0,326	-0,228	-0,014	0,084	0,001
	0,069	0,326	-0,236	-0,019	0,071	0,002
	0,067	0,326	-0,238	-0,021	0,067
	0,069	0,326	-0,237	-0,020	0,069
	0,08	0,326	-0,230	-0,015	0,081	0,001
	0,081	0,326	-0,231	-0,014	0,081
	0,009	0,326	-0,287	-0,029	0,01	0,001
	0,016	0,326	-0,282	-0,027	0,017	0,001
	0,024	0,326	-0,276	-0,025	0,025	0,001
	0,031	0,326	-0,269	-0,024	0,033	0,002
	0,048	0,326	-0,254	-0,023	0,049	0,001
	0,05	0,326	-0,253	-0,022	0,051	0,001
	0,055	0,326	-0,249	-0,021	0,056	0,001
	0,057	0,326	-0,247	-0,021	0,058	0,001
	0,063	0,326	-0,243	-0,020	0,063
	0,063	0,326	-0,242	-0,020	0,064	0,001
	0,074	0,326	-0,236	-0,016	0,074
	0,075	0,326	-0,235	-0,015	0,076	0,001
	0,08	0,326	-0,231	-0,014	0,081	0,001

Продовження табл. 4.2

	0,082	0,326	-0,229	-0,013	0,084	0,002
	1,471	х	х	х	1,492	0,021

В результаті розрахунків встановлено, що помилка розрахунків складає 0,021 тис. грн./тис. грн. або 2,1%. Таке значення свідчить про високий рівень достовірності розрахунків параметрів лінійної моделі, оскільки значення помилки наближається до нуля.

З теорії статистики відомо, якщо рівень помилки складає від 0 до 5%, то результати розрахунків можна вважати достовірними.

Слід вказати, що для визначення ступеня достовірності результатів економіко-математичного дослідження необхідно для кожної відносної або середньої величини розрахувати відповідну середню помилку.

Середня помилка дозволяє визначити межі, в яких з відповідною ймовірністю може знаходиться значення показників розробленої моделі. При оцінці достовірності визначається і середня помилка різниці між двома середніми або відносними величинами:

, (4.3)

де - квадрати середніх помилок.

Якщо різниця середніх величин більше середньої помилки різниці в 2,5-3,0 рази, то з відповідною ймовірністю можна стверджувати, що різниця середніх (відносних) величин не випадкова, а залежить від будь-якої визначеної причини. Якщо різниця перевищує свою середню помилку в 2,5-3,0 разів, то різниця цих середніх не випадкова.

Для встановлення достовірності розрахунків необхідно оцінити середню помилку розрахунків, а також граничну помилку розрахунків. Це потрібно для виявлення довірчих границь.

Довірчі границі визначаються [18]:

, (4.4)

де - розрахункові значення економічного показника лінійної моделі;

- граничне значення помилки розрахунків;

- вихідні значення економічного показника.

Для визначення граничної помилки розрахунків використовують наступне співвідношення:

, (4.5)

де - середня помилка розрахунків.

Середня помилка розрахунків визначається за формулою []:

; (4.6)

де - середнє квадратичне відхилення показника;

- емпіричне кореляційне відношення.

Для оцінки тісноти зв'язку між змінними використовується емпіричне кореляційне відношення (η²_y/х), яке є часткою дисперсії (коливаємості) функції у за рахунок впливу аргументу х. У даному випадку загальна (повна) дисперсія розкладається на дві частини – дисперсію усередині кожного інтервалу зміни функції σ ²_y/х, яка не залежить від впливу х, і дисперсію середніх значень функції δ , яка викликана впливом аргументу, тобто

σ²_y= σ²_y/х+ δ . (4.7)

Звідси формула для оцінки тісноти зв'язку між змінними має вигляд

, (4.8)

а в разі згрупованих даних

, (4.9)

де і - розрахункове значення функції;

- середнє значення функції за вибіркою;

n - обсяг вибірки;

m_i – кількість спостережень у в кожному інтервалі зміни.

Кореляційне відношення не залежить від одиниць вимірювання змінних, що вивчаються. Воно показує, яку частину загальної дисперсії σ²_y можна віднести за рахунок зміни аргументу на одну σ²_х.

При цьому характеристика η²_y/х тим точніше визначає частку впливу х на загальну дисперсію у, чим менше варіюється залишкова дисперсія σ²_y/х при кожному х. Якщо η_y/х=1, то має місце функціональна залежність у від х. Якщо η_y/х=0 – у кореляційно не залежить від х.

Слід відзначити, що результати моделювання також вважаються адекватними або достовірними, якщо обґрунтовано, що вибірки реальних значень показників системи і отриманих результатів мають однакові закони розподілу. Тоб то коли спільні функції розподілу векторів параметрів, які характеризують умови функціонування системи і моделі, і векторів вихідних характеристик дорівнюють один одному.

Для визначення міри різниці між функціями розподілу вводиться міра достовірності результатів моделювання або міра відмінності моделі або системи.

Розрахунок міри відмінності не складає особливих труднощів в трьох випадках. Перший випадок, коли повністю відомі закони розподілу показників ефективності, по яких порівнюються система і модель, другий — коли відомі закони розподілу показників системи і моделі до параметрів, третій — якщо є достатній обсяг вибірки результатів моделювання.

Для всіх трьох випадків існують класичні методи оцінки достовірності результатів моделювання. Так, для одновимірного показника оцінка достовірності результатів моделювання може проводитись за допомогою статистичних критеріїв Уилкоксона, - Пірсона, Колмогорова-Смірнова, метода відношення правдоподібності та інш.

Для оцінки достовірності результатів моделювання по векторному показнику можна скористатися також методом відношення правдоподібності або розпізнавальними системами визначення ступеня близькості класів, що розпізнають. В якості розпізнавальних класів використовуються генеральні сукупності векторів-показників системи і моделі , які описуються щільністю ймовірності Р_с і Р_м.

Сутність класичних методів оцінки достовірності зводиться до перевірки гіпотези про розбіжність результатів моделювання і вихідних даних для заданого рівня значущості, на якому перевіряється гіпотеза.

Розглянуті методи оцінки достовірності припускають наявність вибірок (статистики) результатів моделі і системи, оскільки по ним можна визначити оцінки функцій розподілу показників моделі і системи.

Слід вказати і на те, що результати математичного моделювання подібні результатам реальних економічних подій на рівні випадкових ймовірних подій, то можна стверджувати, що кількісні результати моделювання економічних подій в цілому є достовірними.

Для дослідження достовірності результатів моделювання використовують методи сценаріїв, по яким є виборки. Причому сценарій складається таким чином, щоб умови здійснення кожної ймовірносної події в моделі співпадали з умовами, в яких проводились дослідження.

Для оцінки достовріності результатів моделювання за малою вибіркою може бути використана методика перевірки подібності теоретичної і емпіричної функцій розподілу, який заснований на використанні модифікованих критеріїв Колмогорова-Смірнова і Мізеса [60]. Проте ці методи використовуються для незначного класу завдань.

Існують і інші підходи до вирішення задачі оцінки достовірності по малій вибірці, відповідно до якого за наявності малої вибірки доцільно говорити не про оцінку достовірності результатів моделювання, а про оцінку статистичної несуперечності результатів дослідження результатам моделювання.

При цьому під статистичною несуперечністю слід розуміти несуперечність результатів дослідження твердженню, що їх значення на заданому рівні значущості можуть розглядатися як ті що належать до тієї ж генеральної сукупності, що і вибірка результатів моделювання.

Якщо реалізації дослідження економічних процесів не відповідають закону розподілу результатів моделювання (змінюють його параметри), то вони належать до іншої генеральної сукупності.

Для перевірки достовірності результатів моделювання економічних процесів можна використати перевірку на статистичну еквівалентність моделей елементарних подій. Метод дозволяє оцінити достовірність результатів елементарних подій моделі за статистикою, яка отримана за спеціальними моделями елементарних подій. Ці моделі розробляються, наприклад, в науково-дослідних установах [60].

Таким чином, представлені методики оцінки достовірності інформації та результатів дослідження є підгрунттям для отримання моделі, яка віддзеркалює реальні економічні події і може бути використана для прийняття ефективних управлінських рішень.

Читайте також:

1. A) Оцінка захисних споруд за ємністю – визначення коефіцієнта Квм.
2. B) Оцінка ЗС за захисними властивостями
3. CMM. Визначення моделі зрілості.
4. DIMCLRE (РЗМЦВЛ) - колір виносних ліній (номер кольору). Може приймати значенняBYBLOCK (ПОБЛОКУ) і BYLAYER (ПОСЛОЮ).
5. I визначення впливу окремих факторів
6. II. Визначення мети запровадження конкретної ВЕЗ з ураху­ванням її виду.
7. II. Мотивація навчальної діяльності. Визначення теми і мети уроку
8. II. Обробка результатів
9. II. Фактори, що впливають на зарплату при зарубіжних призначеннях
10. III етап. Опрацювання результатів дослідження.
11. III. Економічна інтерпретація результатів статистичного дослідження банків
12. ISO 15504. Призначення і структура стандарту

Переглядів: 1873