Проверяемый текст
Прокофьева Елена Васильевна. Финансовая стратегия субъектов малого предпринимательства (Диссертация 2012)
[стр. 105]

отрицательным отклонениям компенсировать положительные отклонения.
Более того, благодаря этому методу, более крупные отклонения получают в процессе прогнозирования больший вес, чем меньшие отклонения, поскольку при возведении в квадрат меньшее число увеличивается в меньшей степени, чем большее число.
Этот метод дает более точные оценки параметров прямой, чем в методе анализа линейного тренда.

Обозначив через t„ i-l,2...n периоды, по которым имеется информация о фактических значениях финансовых показателей анализируемых предприятий, то через х„ i=l,2...n можно представить сами значения показателей.
Совокупный набор статистических данных можно представить в виде:
(ti,xi), (t2,x2)...
(tn,xj Каждую (40) на пару чисел можно интерпретировать, как точку плоскости в системе координат (t,x) и создать прямую вида x = c0+clt, откуда возникает задача линейного регрессионного анализа по построению прямой х = с0+с^, наилучшим образом аппроксимирующей точки.
Для вычислений
cQ,cx использован Метод наименьших квадратов Гаусса {МНК, OLS, Ordinary Least Squares).
В данном методе вычисляется регрессионная прямая, для которой сумма квадратов расстояний
по оси ординат от точек до регрессионной прямой минимальна.
Следовательно, угловой наклон с, и сдвиг с 0 , определяются, как значения параметров с0,сх, для которых достигается: m i n Ё(^-со-^,)2[ =Ё ( ^ ^ ^ ) 2 = А 2 (41).
Минимальное значение, которое обозначено символом Л2, является кажущейся ошибкой.
Введем стандартные обозначения: ;=!£'.
х=±£х, (42).
Можно показать, что оценки МНК вычисляются по формулам: 105
[стр. 133]

АК р АГ Г „-Г , ’ (13) Уравнение (1) может использоваться для прогнозирования будущих значений показателей.
Регрессионный анализ.
Процедура построения кривой по точкам может стать более точной за счет использования метода наименьших квадратов, позволяющего строить линию, которая идеально точно проходит посередине между различными имеющимися статистическими точками.
Это выполняется с помощью формулы, минимизирующей сумму квадратов отклонений от фактических точек для прогнозируемого показателя и значений, даваемых линией.
Возведение отклонений в квадрат не позволяет отрицательным отклонениям компенсировать положительные отклонения.
Более того, благодаря этому методу, более крупные отклонения получают в процессе прогнозирования больший вес, чем меньшие отклонения, поскольку при возведении в квадрат меньшее число увеличивается в меньшей степени, чем большее число.
Этот метод дает более точные оценки параметров прямой, чем в методе анализа линейного тренда.

Обозначим через ti, г=1,2...п периоды, по которым имеется информация о фактических значениях финансовых показателей объединяемых предприятий, а через ¡=],2...п собственно сами значения показателей.
Совокупный набор статистических данных можно представить в виде
РьХ1),р2,Х2)...рп,Хп) (14) Каждую пару чисел можно интерпретировать, как точку на плоскости в системе координат (1,х) и создать прямую вида х = + с /, откуда возни кает задача линейного регрессионного анализа по построению прямой х = Со+с/, наилучшим образом аппроксимирующей точки.
Для вычислений
Со,с, использован метод наименьших квадратов Гаусса.
В данном методе вычисляется регрессионная прямая, для которой сумма квадратов расстояний
133

[Back]