Математические методы экономики

В общем случае в моделях экономической динамики даже при неизменности технологических возможностей утверждения теорем о магистрали не выполняются. Для их выполнения приходится вводить различные дополнительные предположения о свойствах исходной модели экономики. Другой путь состоит в изучении реальных отраслевых пропорций и сравнении их с магистральными. Благодаря техническому прогрессу и изменч

ивости во времени общественных предпочтений различных благ, реальное состояние экономики при детальном (дезагрегированном) ее описании всегда значительно отличается от магистрального. В то же время, как показывают полученные в этом направлении результаты исследований, при высоком уровне агрегирования экономические пропорции близки к магистральным.

Теоремы о магистралях доказываются для ряда оптимизационных моделей расширяющейся экономики. Наиболее общей из них является известная теорема Раднера для нелинейных моделей расширения (см. §7.2). Здесь мы приведем подобные теоремы для линейных моделей Леонтьева и Неймана. Единственная наша цель - дать читателю начальное представление о магистральной теории. Поэтому приводить сложные доказательства теорем и заниматься подробным и строгим анализом их условий не будем. Для более углубленного изучения магистральной теории можно рекомендовать книги [2, 16].

Три этапа построения производственной функции. Спецификация ПФ, идентификация параметров. Проверка на адекватность.

По существу, производственная функция f есть совокупность "правил", с помощью которых для каждого набора затрат определяется соответствующий выпуск. Поэтому построение производственной функции означает нахождение математической формулы, отражающей эти правила или, иначе говоря, закономерности превращения набора ресурсов в конечный продукт. Этот процесс условно можно представить схемой:

В блоке f (см. рис. 4.2 ), образно говоря, происходит "смешивание" ресурсов в определенных "пропорциях" таким образом, чтобы получился требуемый продукт. Эти "пропорции" определяются спецификой производства и математически выражаются с помощью различных коэффициентов и показателей степени для величин . "Смешивание" их математически выражается с помощью разных формальных операций между ними (суммирования, произведения, логарифмирования и т.д.), вид и сочетание которых также определяется спецификой моделируемого производства. Так что вопрос построения производственной функции в каждом конкретном случае сводится к нахождению этих "пропорций" и к определению характера их "смешивания".

Из сказанного выше следует, что для построения производственных функций нужно знать технологию производства, ее структуру и организацию, а также принципы работы сложных машин и оборудования, т.е. надо быть одновременно и технологом, и инженером, и математиком. Оказывается, что знание всего этого сложного производственного механизма не требуется, если владеть подходящими математическими приемами. Речь идет об использовании методов регрессионного анализа на основе статистических (опытных, экспертных) данных о затратах и выпуске. Не умаляя достоинства других математических и иных методов построения производственных функций, можно сказать, что именно методы регрессионного анализа наилучшим образом оправдали себя на практике и потому являются наиболее популярными. Вопросы построения производственных функций на основе экспериментальных данных являются предметом изучения специального раздела – эконометрики. . Здесь же мы коснемся лишь содержательной стороны построения конкретных видов производственных функций.

Идею применения статистических данных для построения производственной функции можно объяснить так: Имеются известные величины (реальные результаты производства) и одно неизвестное выражение f, их связующее. Наблюдая в течение достаточно большого периода времени функционирования производства за различными значениями затрат и соответствующими им значениями выпуска y, можно выявить закономерность f :

Кратко остановимся на этапах построения производственной функции. Пусть нам известны виды ресурсов (), используемых для выпуска данной продукции, и имеется необходимое количество статистических данных по объемам затрат и выпуска y. Требуется установить зависимость , т.е. найти аналитический вид производственной функции f. Эта задача распадается на два этапа:

спецификация функции f, т.е. выявление общего вида функции f от аргументов с неопределенными параметрами (коэффициентами и показателями степеней при и свободным членом);

оценка параметров - определение конкретных числовых значений неизвестных параметров.

Картина "расположения" статистических данных в пространстве затраты-выпуск может подсказать линейный или нелинейный характер зависимости функции f от аргументов . Например, в случае линейной производственной функции результатом спецификации будет гипотеза о линейной зависимости вида

в случае производственной функции Кобба-Дугласа - в виде мультипликативной функции

в случае производственной функции CES - в виде степенного многочлена

и т.д. Здесь являются неизвестными параметрами, подлежащими определению (оценке).

Чаще остальных на практике применяется аппроксимация вида (4.4.1) , называемая линейной регрессией (см. §9.2 ). Для определения ее параметров используется (линейный) метод наименьших квадратов (см. §9.3 ). В некоторых случаях к линейной аппроксимации удается свести и нелинейные относительно ресурсов производственные функции. Например, логарифмируя функцию (4.4.2) , получим:

Далее, вводя обозначения

приходим к линейной регрессии вида (4.4.1) :

Применяя такой способ на основе статистических данных упомянутого выше периода, Кобб и Дуглас получили следующую оценку параметров для своей функции:

 Скачать реферат