На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


контрольная работа Построение производственных функций

Информация:

Тип работы: контрольная работа. Добавлен: 14.05.2012. Сдан: 2011. Страниц: 7. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Федеральное образовательное учреждение
высшего профессионального образования
 «ГОСУДАРСТВЕННЫЙ  УНИВЕРСИТЕТ УПРАВЛЕНИЯ»
Институт  информационных систем управления

Кафедра экономической кибернетики

Курсовая  работа
по дисциплине
«Моделирование  макроэкономических процессов и систем»
на тему:
 «Построение  производственных функций»
 
 
 
 
 
Выполнила студентка ВО ИИСУ 5-1
Специальности «математические методы в экономике»
Исаева  М.В.
Проверил
д.э.н., профессор  кафедры экономической кибернетики
Блинов  О.Е.                                                        
 
 
 
Москва  – 2011
Построение  и анализ производственных функций
 
Германия — развитая индустриально-аграрная страна. Она относится к числу наиболее развитых государств Европы. Объём ВВП в текущих ценах в 2010 году составил 284 млрд евро. ВВП на душу населения составил в 2010 году 33,85 тыс. евро. Производство ВВП на 1 занятого в 2010 (производительность труда) — 77,6 тыс. евро.
 
Исходные данные:
Год Численность занятых (L) Основные  фонды (K) ВВП(Y)
2000 4,1 6,5 25
2001 4,11 7,33 28,2
2002 4,13 5,58 27,9
2003 4,16 6,468 29,4
2004 4,17 7,5 30
2005 4,19 7,567 32,9
2006 4,22 7,8 32,5
2007 4,24 8,328 34,7
2008 4,25 9,432 39,3
2009 4,26 9,408 39,2
2010 4,28 10,881 40,3
 
 
Анализ  исходных данных:
    Линейная производственная функция (ПФ)

ВЫВОД ИТОГОВ:
 
 
 
 
 
 
 
     Уравнение имеет следующий вид:
Y=2.992*K+2.165*L
Значения  ВВП по линейной ПФ:
2000 28,3245
2001 30,82951
2002 25,63681
2003 28,358656
2004 31,46805
2005 31,711814
2006 32,4739
2007 34,096976
2008 37,421794
2009 37,371636
2010 41,822152
Сравним графически точность полученной функции  в соответствии с данными динамического  ряда:

Рассчитаем  доверительный интервал для линейной ПФ.
Год У факт У прогн (Уф  – Уп)2 ? Верх.ДИ Ниж.ДИ
2000 25 28,3245 11,05230025 3,390168 28,87965 27,76935
2001 28,2 30,82951 6,91432284   31,38466 30,27436
2002 27,9 25,63681 5,122028976   26,19196 25,08166
2003 29,4 28,35866 1,084397326   28,91381 27,8035
2004 30 31,46805 2,155170803   32,0232 30,9129
2005 32,9 31,71181 1,411785971   32,26697 31,15666
2006 32,5 32,4739 0,00068121   33,02905 31,91875
2007 34,7 34,09698 0,363637945   34,65213 33,54182
2008 39,3 37,42179 3,527657778   37,97695 36,86664
2009 39,2 37,37164 3,342914916   37,92679 36,81648
2010 40,3 41,82215 2,316946711   42,37731 41,267

 
    производственная  функция Кобба-Дугласа
 
         
     Построим  производственную функцию Кобба-Дугласа с однородностью первой степени:
     Y = ?K?1L1-?1 = (?K?1L)/ L?1
    Y/L = ?K?1/ L?1 = ?(K/L)?1
    ln(Y/L) = ln? + ?1ln(K/L)
 
ВЫВОД ИТОГОВ              
Получаем уравнение:
 
ln(Y/L) = 1,6 +0,7 ln(K/L)
 
Осуществим обратный переход:
Y/L = e1,6+07ln(K/L) = e1,6 *(eln(K/L))0,7 = e1,6 * (K/L)0,7 = 4,95 * (K/L)0,7
Y*L/L = 4,95 * (L * K0,7)/L0,7 = 4,95 * K0,7 * L0,49
Y = 4,95 * K0,7 * L0,49
 
 
 
 
Значения ВВП  по производственной функции Кобба-Дугласа:
2000 36,63605
2001 39,89886
2002 33,04187
2003 36,77053
2004 40,83333
2005 41,18477
2006 42,21575
2007 44,2989
2008 48,38808
2009 48,35752
2010 53,66372
 
Построим в  одной системе координат графики  полученной функции и фактический  динамический ряд по данным ВВП:

Рассчитаем  доверительный интервал для ПФ Кобба-Дугласа.
Год У факт У прогн (Уф  – Уп)2 ? Верх.ДИ Ниж.ДИ
2000 25 36,63605 135,3976504 97,3273 39,6106 33,6615
2001 28,2 39,89886 136,8632969   42,87341 36,92431
2002 27,9 33,04187 26,43886256   36,01642 30,06733
2003 29,4 36,77053 54,32477375   39,74508 33,79599
2004 30 40,83333 117,3609405   43,80787 37,85878
2005 32,9 41,18477 68,63747522   44,15932 38,21023
2006 32,5 42,21575 94,39582165   45,1903 39,2412
2007 34,7 44,2989 92,13893597   47,27345 41,32435
2008 39,3 48,38808 82,59327732   51,36263 45,41354
2009 39,2 48,35752 83,86016949   51,33207 45,38297
2010 40,3 53,66372 178,5891379   56,63827 50,68918
 

 
    производственная  функция Леонтьева
    Y = min (K/ak; L/aL)
    1//ak =a; 1/aL=b
    Y = min (a*K; b* L)
Получаем:
 
Y = min (4,1063*K; 7,8089* L)
 
Осуществим обратный переход:
 
1/ak = 4,1063       ak = 0,2435
1/aL = 7,8089     aL = 0,128
 
Y = min (K/0,2435; L/0,128)
 
 
 
 
 
 
 
Значения ВВП  по производственной функции Леонтьева:
2000 26,69405
2001 30,10267
2002 22,91581
2003 26,56263
2004 30,80082
2005 31,07598
2006 32,03285
2007 33,125
2008 33,20313
2009 33,28125
2010 33,4375
 
Построим в  одной системе координат динамический ряд ВВП и производственную функцию  Леонтьева:

Рассчитаем доверительный  интервал для ПФ Леонтьева.
Год У факт У прогн (Уф  – Уп)2 ? Верх.ДИ Ниж.ДИ
2000 25 26,69405 2,869789 15,03158 27,86302 23,83102
2001 28,2 30,10267 3,620151   31,27165 27,03102
2002 27,9 22,91581 24,84214   24,08479 26,73102
2003 29,4 26,56263 8,050678   27,73161 28,23102
2004 30 30,80082 0,641315   31,9698 28,83102
2005 32,9 31,07598 3,327066   32,24495 31,73102
2006 32,5 32,03285 0,218225   33,20183 31,33102
2007 34,7 33,125 2,480625   34,29398 33,53102
2008 39,3 33,20313 37,17188   34,3721 38,13102
2009 39,2 33,28125 35,0316   34,45023 38,03102
2010 40,3 33,4375 47,09391   34,60648 39,13102
 

    Производственная  функция CES
 
    Y = ?(?K-? + (1-?)L-?)-v/?
    Построим производственную функцию CES при v = 1:
 
    Y-? = ?-?(?K-? + (1-?)L-?)
    Y-? = ? ?-?(K-?-L-?)+ ?-? L-?
 
    Переберем различные  значения ?, оценим параметры полученных функций и сравним все функции на прогностическую пригодность с помощью коэффициентов Тейла:
    а) ?=0,1
 
    Результаты  регрессионного анализа:
ВЫВОД ИТОГОВ                
                 
Регрессионная статистика              
Множественный R 0,99997976              
R-квадрат 0,99995952              
Нормированный R-квадрат 0,88884391              
Стандартная ошибка 0,00496999              
Наблюдения 11              
                 
Дисперсионный анализ              
 


  df SS MS F Значимость F      
Регрессия 2 5,491921456 2,7459607 111169 1,68E-18      
Остаток 9 0,000222308 2,47E-05          
Итого 11 5,492143764            
                 
  Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y-пересечение 0 #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д
K-L 0,61272791 0,107121311 5,7199441 0,00029 0,370403 0,85505 0,370402673 0,855053156
L^-0,1 0,85186943 0,006606825 128,93779 5,2E-16 0,836924 0,86682 0,836923755 0,866815108
 
    Для ?=0,1 получаем уравнение:
 
    Y-0,1 = 0,6127(K-0,1-L-0,1)+0,8518* L-0,1
 
    б) ?=0,05
 
    Результаты  регрессионного анализа:
ВЫВОД ИТОГОВ              
               
Регрессионная статистика            
Множественный R 0,999995002            
R-квадрат 0,999990004            
Нормированный R-квадрат 0,888877782            
Стандартная ошибка 0,002938021            
Наблюдения 11            
               
Дисперсионный анализ            
  df SS MS F Значимость F    
Регрессия 2 7,771657 3,885828 450167,2 6,23E-21    
Остаток 9 7,77E-05 8,63E-06        
Итого 11 7,771734          
               
  Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0%
Y-пересечение 0 #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д
K-L 0,659163843 0,11429 5,767444 0,00027 0,400621 0,917707 0,400621
L^-0,1 0,922913122 0,003588 257,2542 1,03E-18 0,914798 0,931029 0,914798
 
    Для ?=0,05 получаем уравнение:
 
    Y-0,05 = 0,6591(K-0,05-L-0,05)+0,9229* L-0,05
 
    в) ?=0,01
 
    Результаты  регрессионного анализа:
ВЫВОД ИТОГОВ                
                 
Регрессионная статистика              
Множественный R 0,999999802              
R-квадрат 0,999999604              
Нормированный R-квадрат 0,888888449              
Стандартная ошибка 0,00067189              
Наблюдения 11              
                 
Дисперсионный анализ              
  df SS MS F Значимость F      
Регрессия 2 10,26147 5,130736 11365349 1,53E-26      
Остаток 9 4,06E-06 4,51E-07          
Итого 11 10,26148            
                 
  Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y-пересечение 0 #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д
K-L 0,698786515 0,12037 5,805339 0,000258 0,426491 0,971082 0,426491 0,971082
L^-0,1 0,984074358 0,000767 1283,763 5,38E-25 0,98234 0,985808 0,98234 0,985808
 
    Для ?=0,01 получаем уравнение:
 
    Y-0,01 = 0,6987 (K-0,01-L-0,01)+0,984* L-0,01
 
    г) ?=-0,01
 
    Результаты  регрессионного анализа:
ВЫВОД ИТОГОВ                
                 
Регрессионная статистика              
Множественный R 0,999999803              
R-квадрат 0,999999606              
Нормированный R-квадрат 0,888888451              
Стандартная ошибка 0,000718482              
Наблюдения 11              
                 
Дисперсионный анализ              
  df SS MS F Значимость F      
Регрессия 2 11,79178 5,895889 11421365 1,5E-26      
Остаток 9 4,65E-06 5,16E-07          
Итого 11 11,79178            
                 
  Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y-пересечение 0 #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д
K-L 0,71946602 0,123529 5,824246 0,000252 0,440023 0,998909 0,440023 0,998909
L^-0,1 1,016188452 0,000792 1282,502 5,42E-25 1,014396 1,017981 1,014396 1,017981
 
Для ?=-0,01 получаем уравнение:
 
Y0,01 = 0,7194(K0,01-L0,01)+1,0161* L0,01
 
д) ?=-0,05
 
Результаты регрессионного анализа:
ВЫВОД ИТОГОВ              
                 
Регрессионная статистика              
Множественный R 0,999995123              
R-квадрат 0,999990247              
Нормированный R-квадрат 0,888878052              
Стандартная ошибка 0,004108104              
Наблюдения 11              
                 
Дисперсионный анализ              
  df SS MS F Значимость F      
Регрессия 2 15,57263 7,786316 461369,7 5,65E-21      
Остаток 9 0,000152 1,69E-05          
Итого 11 15,57278            
                 
  Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y-пересечение 0 #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д #Н/Д
K-L 0,762644712 0,1301 5,861971 0,00024 0,468337 1,056952 0,468337 1,056952
L^-0,1 1,083661024 0,004233 255,9934 1,08E-18 1,074085 1,093237 1,074085 1,093237

и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.