CC BY
4
дис.канд.экон. наук : 08.00.10 / Ольга Михайловна Разина.-Москва, 2012. -27с.
3. Адзинова, СВ. Скоринг как метод оценки кредитного риска /СВ. Адзинова // Управление экономическими системами: электронный научный журнал. -2005. - №2. - С. 23-26.
4. Лобанов, А.А. Энциклопедия финансового риск-менеджмента / под ред. А.А. Лобанова, А.В. Чугунова. - 2-е изд., испр. и доп. - М. : Альрина Бизнес Букс, 2014. - 920 с.
Куликова В.В., к.геогр.н.
доцент Мирошник Е.Н. доцент, преподаватель ДВФУ
Дальневосточный федеральный университет Россия, филиал в г. Находка Россия, г. Находка ПРИМЕНЕНИЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ДЛЯ
ВЫЧИСЛЕНИЯ РАНГОВОЙ КОРРЕЛЯЦИИ Ключевые слова: ранговая корреляция, экспериментальные данные, информационные технологии, однофакторное и многофакторное уравнения регрессии.
Аннотация: В данной статье рассмотрено применение информационных технологий построения ранговой корреляции для вычисления экспериментальных данных по дисциплине «Методы исследования и патентно-лицензионная деятельность», которая преподаётся бакалаврам по направлению подготовки «Нефтегазовое дело».
Kulikova V. V.
the candidate of geographical Sciences, associate Professor Miroshnik, E. N., docent, the teacher of the University Far Eastern Federal University, Russia, branch in Nakhodka THE APPLICATION OF INFORMATION TECHNOLOGY TO CALCULATE RANK CORRELATION Key words: rank correlation, experimental data, information technology, univariate and multivariate regression equations.
Abstract: This article will examine the use of information technology build rank correlation to calculate experimental data on the subject "Methods of research and patent-licensing activity" which is taught to the bachelors on a specialty "Oil and gas".
Значительное место в нефтехимическом образовании захватывают информационные технологии. Преподаватели и студенты в большинстве пользователи ПК, тем более программы пакета Microsoft Office являются
широко распространёнными. Значит актуально и обоснованно применение электронных таблиц Excel в решении многообразных расчётных задачах. Данное приложение организовывает работу с базами данных, позволяет вводить математические формулы, применить встроенные функции, реализовывать графическую интерпретацию расчетов [1].
Одной из задач регрессионного анализа состоит в том, чтобы на основании ограниченного объёма экспериментальных данных (выборки) найти приближенное уравнение регрессии и оценить возникающую при этом ошибку. Однако найти обоснованную физическую модель, описывающую рассматриваемый процесс удается далеко не всегда. Иногда даже имеющаяся такая модель может оказаться слишком сложной и неудобной для практического использования [2].
Проведение регрессионного анализа с использованием пакета Microsoft Excel может быть осуществлено несколькими способами. Рассчитать коэффициенты однофакторного уравнения регрессии можно в процессе построения графика функции, воспользовавшись опцией «Добавить линию тренда» в контекстном меню рядов данных.
Решение задачи многофакторного регрессионного анализа можно провести с помощью Пакета анализа. Для этого необходимо оформить в виде блока ячеек значения вектора откликов уэ и матрицы независимых переменных X. Затем в пункте меню Сервис \ Анализ данных...\Регрессия заполнить соответствующие поля ввода для интервалов входной и выходной переменных и область для вывода результатов расчета [4].
Ниже рассмотрим применение перечисленных способов на примере. Был проведен эксперимент «Изучение влияния корреляции пласта на структурно-литологическое моделирование У (функция отклика) от независимого фактора Х величины запасов нефти в нём, представлены в виде таблицы на рабочем листе Excel (рис. 1).».
Таблица 1 - Данные для проведения однофакторного регрессионного анализа
х y
0,4 0,3
0,5 0,4
0,7 0,4
0,8 0,6
1,1 0,8
1,3 0,9
Однофакторный регрессионный анализ с использованием линии тренда. Найдем подходящее уравнение регрессии для аппроксимации данной выборки непрерывной функцией. Построим график зависимости У от Х на основании выборки, выбрав тип диаграммы «Точечная» в Мастере диаграмм, что представлено на рисунке1.
Рисунок 1 - График исходных данных Добавим линию тренда. На вкладке «Тип» выберем вид уравнения регрессии, которым будут аппроксимированы выделенные данные. Выберем тип "Линейная", что соответствует уравнению однофакторной линейной регрессии. Как видно, линейное уравнение является не слишком хорошей аппроксимацией исходных данных, о чем свидетельствует также не достаточно близкое к единице значение на рисунке 2.
Щёлкнем левой клавишей мыши на линии тренда с тем, чтобы выделить ее, в контекстном меню выберите пункт Формат линии тренда, и на вкладке «Тип» выберите тип «Полиномиальная», что соответствует уравнению регрессии в форме полинома.
0,2 0,1 0
0 0,2 0,4 0,6 0,8 1 1,2 1,4
Рисунок 2 - График данных с аппроксимацией линейным уравнением
регрессии
В поле «Степень» установите значение 2, что отвечает уравнению однофакторной параболической регрессии. После нажатия клавиши ОК программа автоматически перестроит линию тренда на диаграмме и выведет новое уравнение регрессии. Как видно из рисунка 3, аппроксимация исходных данных уравнением регрессии второй степени выглядит значительно лучше, о чем свидетельствует также близость к единице коэффициента достоверности аппроксимации. Повторим расчет, установив в поле «Степень» формы «Линия тренда» значение 5, что соответствует уравнению кубической регрессии, и убедимся, что в этом случае коэффициент достоверности аппроксимации становится равным единице.
Таким образом, полином пятой степени даёт наилучшую аппроксимацию исходных экспериментальных данных, и дальнейшее
увеличение степени полинома, очевидно, не целесообразно.
Данные для регрессии: критерий В2, дисперсия адекватности и 1-статистика отражены в таблицах 2,3 для проверки значимости коэффициентов. Таблица 2 - Регрессионная статистика
Регрессионная статистика
Множественный R 0,99690С3С6
Я-квадрат 0,9938С431С
Нормированный R-квадрат 0,С438С431С
Стандартная ошибка 0,05С345893
Наблюдения 5
1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0
0,2
0,4
0,6
0,8
1,2
Полиномиальный (y)
1,4
Рисунок 3 - График данных с аппроксимацией параболическим уравнением регрессии Таблица 3 - Дисперсионный анализ
df SS MS F Значимость
Регрессия е С,ееб845С9 С,ееб845С9 643,С01598 0,000134С83
Остаток 4 0,013154С4 0,003С8855
Итого 5 С,13
Коэффицие нты Станд артна я t- стати стика P- Знач ение Нижни е 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y- 0 #Н/Д #Н/Д #Н/ #НУД #НУД #НУД #Н/Д
0,4 0,С03СС10С 0,0СС С5,3С е,4 3 0,6С63 0,С80С31 0,6С6310С 0,С80С31819
Отметим, что регрессионный анализ широко применялся и ранее. Сейчас, когда ПК во многом освободил человечество от громоздких и порой вручную неосуществимых расчетов, применение такого анализа стало делом обыденным. Исследователю теперь остается грамотно спланировать сбор опытных данных, вывести результаты вычислений, уметь их анализировать и интерпретировать, а также оперативно изменять модель.
Использованные источники: 1. Борздова, Т.В. Основы статистического анализа и обработка данных с применением Microsoft Ехсе1 : учеб. пособие / Т. В. Борздова. - Минск: ГИУСТ БГУ, 2011. - С5 с.
С. Каверин С.В. Регрессионный анализ: подход с использованием EXCEL: Учебно-методическое пособие. Балашиха: Балашихинский промышленно-экономический колледж, 2014. - 28 с.
0
1
3. Мирошник Е.Н. Учебно-методический комплекс учебной дисциплины «Информационные технологии в профессиональной деятельности». - Режим доступа: http://docplayer.ru/26077295-I-o-direktora-filiala-dvfu-v-g-nahodke.html
4. Соловьев М.Е. Экспериментально-статистические методы с пакетом Microsoft Excel / Учеб. пособие. - Ярославль. Изд-во ЯГТУ, 2004. - 229 с.
УДК 351/354
Кунчий С.В. студент 3 курса Маликова Г.С. студент 3 курса Орлова А.В., к. э.н.
доцент
Белгородский государственный национальный исследовательский университет Россия, г. Белгород ПРИЧИНЫ И ПОСЛЕДСТВИЯ ВВЕДЕНИЯ САНКЦИЙ В ОТНОШЕНИИ РОССИИ Аннотация. В данной статье рассмотрены основные причины введения санкций, ключевые санкции, оказавшие влияние на экономику РФ, а также полодительные и отрицательные последствия введения санкций в отношении России.
Ключевые слова. Антироссийские санкции, санкционные меры, политическое давление, экономическое давление, экономическая система.
Kunchiy S. V., student 3 year, Institute of Management Belgorod State National Research University
Russia, Belgorod Malikova G.S., student 3 year, Institute of Management Belgorod State National Research University
Russia, Belgorod Orlova A. V., Candidate of Economic Sciences.
assistant professor Belgorod State National Research University
Russia, Belgorod CAUSES AND CONSEQUENCES OF INTRODUCTION OF SANCTIONS WITH REGARD TO RUSSIA Annotation. This article examines the main reasons for imposing sanctions, key sanctions that have had an impact on the Russian economy, as well as the negative and negative consequences of imposing sanctions on Russia.
Keywords. Anti-Russian sanctions, sanctions measures, political pressure,
