The 10 references with contexts in paper Dmitry Valdman I., Дмитрий Вальдман Игоревич (2016) “ЭКОНОМИКО-МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ОТКЛОНЕНИЙ В ДЕЯТЕЛЬНОСТИ ПРИГОРОДНОГО КОМПЛЕКСА МОСКОВСКОЙ ЖЕЛЕЗНОЙ ДОРОГИ // ECONOMIC AND MATHEMATICAL MODEL OF PREDICTION OF DEVIATION IN MOSCOW SUBURBAN RAILWAY COMPLEX” / spz:neicon:statecon:y:2013:i:2:p:120-124

3
Булашев С.В. Статистика для трейдеров. – М.: Компания Спутник+, 2003.
Total in-text references: 2
  1. In-text reference with the coordinate start=8847
    Prefix
    При изучении формы распределения случайной величины важно выяснить, симметрична ли относительно центра распределения кривая плотности вероятности. Показателем степени несимметричности этой кривой является безразмерная величина, называемая коэффициентом асимметрии. Коэффициент асимметрии обозначается как γ или As.
    Exact
    [3]
    Suffix
    . Коэффициент асимметрии находится по следующей формуле: () () 3 1 3 2 1 1 1 n tt i n tt i yy n As yy n = = − =  −   ∑ ∑ (6) Не менее важным показателем формы распределения является безразмерный показатель, называемый эксцессом.

  2. In-text reference with the coordinate start=9181
    Prefix
    Коэффициент асимметрии находится по следующей формуле: () () 3 1 3 2 1 1 1 n tt i n tt i yy n As yy n = = − =  −   ∑ ∑ (6) Не менее важным показателем формы распределения является безразмерный показатель, называемый эксцессом. Эксцесс обозначается как ε или Ex. Он характеризует: – остроту пика распределения, – крутизну спада хвостов распределения.
    Exact
    [3]
    Suffix
    . Эксцесс находятся по следующей формуле: () () 4 1 4 2 1 1 3 1 n tt i n tt i yy n Ex yy n = = − =−  −   ∑ ∑ (7) Уровни ряда динамики являются нормально распределенными, если одновременно выполняются следующие неравенства: 1.5* 6 1.5 1 As Ex As Ex n σ σ <   −< + (6) где σAs, σEx – среднеквадратические ошибки коэффициентов асимметрии и эксцесса.

4
Гречухин Дмитрий Михайлович. Моделирование инвестиционного рейтинга предприятий: диссертация кандидата экономических наук : 08.00.13 / Гречухин Дмитрий Михайлович; [Место защиты: С.-Петерб. гос. инженер.эконом. ун-т]. – Санкт-Петербург, 2008. – 178 с.: ил. РГБ ОД, 61 09-8/241
Total in-text references: 1
  1. In-text reference with the coordinate start=6261
    Prefix
    В рамках данной работы будут рассмотрены ряд кривых, которыми можно описать изучаемое явление: линейная модель, полиномиальная, мультипликативная (степенная), экспоненциальная, логарифмическая (в том числе обратнологарифмическая). Как показано в ряде работ
    Exact
    [4]
    Suffix
    [5] анализ средней квадратической ошибки и дисперсионный анализ являются одними из главных и ключевых методов анализа тренда, то есть они являются приоритетными при описании тенеденций исходных временных рядов.

5
Клапко Андрей Орестович. Математическое моделирование и прогнозирование цен на фондовом рынке : Дис. канд. экон. наук : 08.00.13 Москва, 2005 134 с. РГБ ОД, 61:06-8/897
Total in-text references: 2
  1. In-text reference with the coordinate start=5999
    Prefix
    Следующим этапом анализа выбранных показателей является выбор уравнения тренда. Для отображения основной тенденции развития явлений во времени или модели этого процесса применяются полиномы разной степени, экспоненты, логистические кривые и другие функции
    Exact
    [5]
    Suffix
    . В рамках данной работы будут рассмотрены ряд кривых, которыми можно описать изучаемое явление: линейная модель, полиномиальная, мультипликативная (степенная), экспоненциальная, логарифмическая (в том числе обратнологарифмическая).

  2. In-text reference with the coordinate start=6265
    Prefix
    В рамках данной работы будут рассмотрены ряд кривых, которыми можно описать изучаемое явление: линейная модель, полиномиальная, мультипликативная (степенная), экспоненциальная, логарифмическая (в том числе обратнологарифмическая). Как показано в ряде работ [4]
    Exact
    [5]
    Suffix
    анализ средней квадратической ошибки и дисперсионный анализ являются одними из главных и ключевых методов анализа тренда, то есть они являются приоритетными при описании тенеденций исходных временных рядов.

6
М. : Юрист, 2001. – 511 с. 7. Елисеева И.И. Общая теория статистики: учебник для вузов
Total in-text references: 1
  1. In-text reference with the coordinate start=6506
    Prefix
    Как показано в ряде работ [4] [5] анализ средней квадратической ошибки и дисперсионный анализ являются одними из главных и ключевых методов анализа тренда, то есть они являются приоритетными при описании тенеденций исходных временных рядов. Средняя квадратическая ошибка
    Exact
    [6]
    Suffix
    определяется по формуле: 2 1 () σ 1 n it i ош yy n k = − = −− ∑(4) где, k – число параметров уравнения. Чем меньше значение средней квадратической ошибки, тем функция наилучшим образом описывает тенденцию исходного временного ряда.

7
Минзов А.С. Эконометрика. – М.:Издательство , 2000. –51 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=4802
    Prefix
    Наконец, отбрасывание так называемых существенных переменных, т.е. независимых переменных, которые реально влияют на изучаемую зависимую переменную, приводит к смещению коэффициентов модели. На практике, обычно при обнаружении мультиколлинеарности убирают наименее значимый для анализа фактор, а затем повторяют расчеты»
    Exact
    [7]
    Suffix
    . Далее необходимо проверить наличие тенденции в исследуемых рядах Yi, X1, X2 ... Xp для последующего их моделирования. Для этого прибегнем к методу расчёта, наиболее часто применяемому, кумулятивному Т-критерию [12], который позволит определить наличие не только самой тенденции, но и ее математического выражения – тренда.

8
Н.Ш. Кремер, Б.А. Путко «Эконометрика», Москва, 2005
Total in-text references: 1
  1. In-text reference with the coordinate start=3760
    Prefix
    (совместное) воздействие факторов друг на друга) [11] была построена матрица парных коэффициентов корреляции (1). ∆=r rrr rrr rrr r yxyxyx yxxxxx yxxxxx yx p p p p 1 1 1 1 2 11 21 2 212        rrrxxxxpp1 21 (1) Анализ корреляционной матрицы объясняющих переменных X1, X2 ... Xp заключается в выявлении пар переменных, имеющих высокие значения корреляции (> 0,8
    Exact
    [8]
    Suffix
    , однако иногда принимают за мультиколлинеарность значения > 0,7 [10]). Если мультиколлнеарность существует, необходимо исключить одну из объясняющих переменных. Однако, в практике не всегда используют данный метод.

9
Садовникова Н.А., Шмойлова Р.А. Анализ временных рядов и прогнозирование. Вып. 4: Учебно-методический комплекс. – М.: Изд.центр ЕАОИ, 2009.
Total in-text references: 1
  1. In-text reference with the coordinate start=12948
    Prefix
    Это возможно только в случае, если основные тенденции временных рядов одинаковы. В этом случае парные связи обращаются в связи многофакторные и расчеты коэффициента корреляции и уравнения регрессии проводятся методами многофакторной корреляции и регрессии
    Exact
    [9]
    Suffix
    . Ожидаемая модель будет иметь вид: ͞yt = a0 + a1x1 + a2x2 + ... akxk + ak+1t (11) 3. Проверка корректности модели Для проверки корректности разработанной модели в нее была подставлена статистика (Таблица 1) работы Управления МВПС и ЛБ.

10
Эконометрика : учеб. пособие: для студентов вузов, обучающихся по специальности «Мат. методы в экономике» и другим экон. специальностям В. Г. Степанов, Е. И. Бойко, Т. П. Голубева ; Образоват. консорциум Среднерус. университет, Брянск. открытый институт упр. и бизнеса, Регион. гуманит. институт. Москва Рус. полиграф. группа 2005 143 с
Total in-text references: 1
  1. In-text reference with the coordinate start=3828
    Prefix
    матрица парных коэффициентов корреляции (1). ∆=r rrr rrr rrr r yxyxyx yxxxxx yxxxxx yx p p p p 1 1 1 1 2 11 21 2 212        rrrxxxxpp1 21 (1) Анализ корреляционной матрицы объясняющих переменных X1, X2 ... Xp заключается в выявлении пар переменных, имеющих высокие значения корреляции (> 0,8 [8], однако иногда принимают за мультиколлинеарность значения > 0,7
    Exact
    [10]
    Suffix
    ). Если мультиколлнеарность существует, необходимо исключить одну из объясняющих переменных. Однако, в практике не всегда используют данный метод. Так, Минзов А.С. в учебном пособии по эконометрике приводит ряд аргументов относительно не целеноправленности исключения «лишних» переменных: «Во-первых, далеко не всегда ясно, какие переменные являются лишними в указанном смысле.

11
Эконометрика: Учебник / Под ред. И.И. Елисеевой. – М: Финансы и статистика, 2002.
Total in-text references: 1
  1. In-text reference with the coordinate start=3439
    Prefix
    На первом этапе анализа, для исключения мультиколлинеарности (когда более чем два фактора связаны между собой линейной (сильной) зависимостью, т. е. имеет место интегральное (совместное) воздействие факторов друг на друга)
    Exact
    [11]
    Suffix
    была построена матрица парных коэффициентов корреляции (1). ∆=r rrr rrr rrr r yxyxyx yxxxxx yxxxxx yx p p p p 1 1 1 1 2 11 21 2 212        rrrxxxxpp1 21 (1) Анализ корреляционной матрицы объясняющих переменных X1, X2 .

12
Юлгушев Равиль Мухамедович. Статистический анализ и прогнозирование развития коллективных средств размещения г. Москвы : дис. ... кандидата экономических наук : 08.00.12 /
Total in-text references: 1
  1. In-text reference with the coordinate start=5111
    Prefix
    Далее необходимо проверить наличие тенденции в исследуемых рядах Yi, X1, X2 ... Xp для последующего их моделирования. Для этого прибегнем к методу расчёта, наиболее часто применяемому, кумулятивному Т-критерию
    Exact
    [12]
    Suffix
    , который позволит определить наличие не только самой тенденции, но и ее математического выражения – тренда. Для его расчёта выдвинем гипотезу (Н0) об отсутствии тенденции в исходном временном ряду.