дозволяє оцінити можливі наслідки впливу на них і використовувати такі оцінки в управлінні.
Економічні моделі дозволяють виявити особливості функціонування економічного об'єкта і на основі цього передбачати майбутнє поведінку об'єкта при зміні яких параметрів. Передбачення майбутніх змін, наприклад, підвищення обмінного курсу, погіршення економічної кон'юнктури, падіння прибутку може спиратися лише на інтуїцію. Однак при цьому можуть бути втрачені, неправильно визначені або невірно оцінені важливі взаємозв'язку економічних показників, що впливають на розглянуту ситуацію. У моделі всі взаємозв'язки змінних можуть бути оцінені кількісно, ​​що дозволяє отримати більш якісний і надійний прогноз.
Для будь-якого економічного суб'єкта можливість прогнозування ситуації означає, перш все, отримання кращих результатів або уникнути втрат, у тому числі і в державній політиці.
Під економіко-математичної моделлю розуміється математичний опис досліджуваного економічного процесу і об'єкта. Ця модель виражає закономірності економічного процесу в абстрактному вигляді за допомогою математичних співвідношень. Використання математичного моделювання в економіці дозволяє поглибити кількісний економічний аналіз, розширити область економічної інформації, інтенсифікувати економічні розрахунки.
Застосування економіко-математичних методів і моделей дозволяє істотно поліпшити якість планування і отримати додатковий ефект без залучення в виробництво додаткових ресурсів.
Для дослідження і вибору робочої моделі використовується теоретична частина:
Парна регресія-це рівняння зв'язку двох змінних у і х : у = Ж’ (х)
Де у-залежна змінна (результативна ознака);
Х - незалежна, що пояснює змінна (ознака-фактор).
Лінійна регресія: у = а + bx + Оµ.
Нелінійні регресії поділяються на два класи: регресії, нелінійні щодо включених в аналіз пояснюють змінних, але лінійні по оцінюваним параметрами.
Регресії, нелінійні за пояснює змінним:
* поліноми різних ступенів у = а + b 1 x + b 2 x ВІ + b 3 x Ві + Оµ;
b
* рівнобічна гіпербола у = а + - + Оµ .
х
Регресії, нелінійні за оцінюваним параметрами:
b
Статечна у = а * в€™ х * в€™ Оµ;
x
Показова у = а * в€™ b * в€™ Оµ;
а + b + x
Експоненціальна у = е * в€™ Оµ;
Побудова рівняння регресії зводиться до оцінки її параметрів. Для оцінки параметрів регресій, лінійних за параметрами, використовують метод найменших квадратів (МНК). МНК дозволяє отримати такі оцінки параметрів, при яких сума квадратів відхилень фактичних значень результативної ознаки у від теоретичних Е· х мінімальна т.е
