РОЗДІЛ IV

Обгрунтування та побудова моделі Кобба-Дугласа для приватної агрофірми

«Валентина»

Розрахуємо параметри виробничо-динамічної функції Кобба-Дугласа на прикладі

приватної агрофірми «Валентина», використовуючи наступні фактори: фактор зростання
з часом (γ), еластичність праці (α), еластичність капіталу(β) та виробничий коефіцієнт
(А).
Відомості про затрати капіталу (К), затрати праці(L), об’єм випуску продукції(У)
містяться в таблиці 4.1.

Витрати капіталу та праці, а також об’єм випуску продукції ПА

«Валентина» за 2007-2012рр.

Вироблено продукції Витрати праці

(млн.грн) Y (тис люд/год) L
2007 0.8 5.3
2007-2008 0.83 5.6
2008 0.84 5.7
2008-2009 0.81 5.4
2009 0.76 4.9
2009-2010 0.85 5.8
2010 0.87 5.9
2010-2011 0.77 5
2011 0.82 5.5
2011-2012 0.9 6.1
2012 1.24 6.5

Виробнича функція або функція Кобба-Дугласа характеризує залежність об'єму

виробництва Y від затраченої праці L і вкладеного капиталу K :
Y = А Lα Kβeγt,
де α та β - коефіцієнти еластичності об'єму виробництва Y по фактору виробництва, тобто
по праці L і капіталу К відповідно, eγt - фактор, що відображає вплив технічного прогресу
й інших якісних змін у виробництві протягом певного часу.
Для оцінки параметрів виробничої регресії зведемо її до лінійної форми. Після
логарифмування і заміни величин отримаємо зведену лінійну регресію:
lnY = ln(eγt Lα Kβ),
lnY = ln eγt + α lnL + β lnK.
Позначимо:
по праці L і капіталу К відповідно, eγt - фактор, що відображає вплив технічного прогресу
й інших якісних змін у виробництві протягом певного часу.
Для оцінки параметрів виробничої регресії зведемо її до лінійної форми. Після
логарифмування і заміни величин отримаємо зведену лінійну регресію:
lnY = ln(eγt Lα Kβ),
lnY = ln eγt + α lnL + β lnK.
Позначимо:
lnY = y, ln eγt = a0, α = a1, β = a2, lnL = x1, lnK = x2,
де L - кількість фактору 1, K- кількість фактору 2, Y - кількість продукції.
Одержали економетричну модель, яка специфікована у лінійній формі:
y = a0 + a1x1 + a2x2 + u,
де a0, a1, a2 - параметри моделі, u - стохастична складова (залишки).
Вихідні дані запишемо в таблицю 4.2.

Прологарифмуємо дані для побудови лінійної моделі

Вихідні дані для побудови лінійної моделі

T t LnY LnL
1 1 -0.22314355131421 1.667706820558
2 2 -0.186329578191493 1.722766597741
3 3 -0.174353387144778 1.740466174841
4 4 -0.210721031315653 1.68639895357
5 5 -0.27443684570176 1.589235205117
6 6 -0.162518929497775 1.757857917552
7 7 -0.139262067333508 1.774952350912
8 8 -0.261364764134407 1.609437912434
9 9 -0.198450938723838 1.704748092238
10 10 -0.105360515657826 1.808288771179
11 11 0.215111379616945 1.871802176902

Розв’яжемо модель за допомогою MS Excel

1. Будуємо матрицю Х:
 1 1 1.667706820558
1 2 1.722766597741
1 3 1.740466174841
1 4 1.68639895357
1 5 1.589235205117
1 6 1.757857917552
1 7 1.774952350912
1 8 1.609437912434
1 9 1.704748092238
1 10 1.808288771179
1 11 1.871802176902

2. Транспонуємо матрицю Х

1 1 1 1
1 2 3 4
1.6677068205581 1.72276659774 1.7404661748405 1.68639895357
-0.248461359299 -0.2357223335 -0.22314355131421 -0.2484613593

3. Перемножуємо матриці Х’ та Х:

11 66 18.93366097304
66 506 114.8891721295
18.933660973 114.88917212945 32.65853169088
-1.7778574975 -6.50844567197404 -2.91010382353

4. Обернена матриця Х’Х

 120.827645597 -0.015863426560594 -68.2036463046
-0.0158634266 0.013075432033769 -0.04495262136
-68.203646305 -0.044952621361305 38.76632080322
20.0873237604 -0.091479137595763 -10.8099817487

5. Перемножуємо матриці Х’ та У:

-1.7208302294
-7.8482358136
-2.8678052213
0.55614627827

6. Будуємо матрицю Х’ У*(Х’Х )-1

-1.0331018416
0.00271877034
0.53350676023
0.35851295197

7. Отримуємо матрицю параметрів виробничої функції:

А 0.358
γ 0.003
α 0.534
β 0.359

За отриманими результатами можна записати виробничу функцію для даного

підприємства, і вона матиме вигляд
Y = 0,358*e0,003t *L0,534 * K0,359
Коефіцієнт α=0,534 показує що зростання затрат праці на 1%, призведе до зростання
обсягу виробництва на 0,534%.
Коефіцієнт β=0,359 показує, що зростання капіталу на 1 %, призведе до зростання обсягу
виробництва на 0,359%.
Так як сума α і β <1 (0,534+0,359 = 0,893), то можна зробити висновок що виробнича
функція є спадаючою.
Коефіцієнт α=0,534 показує що зростання затрат праці на 1%, призведе до зростання
обсягу виробництва на 0,534%.
Коефіцієнт β=0,359 показує, що зростання капіталу на 1 %, призведе до зростання обсягу
виробництва на 0,359%.
Так як сума α і β <1 (0,534+0,359 = 0,893), то можна зробити висновок що виробнича
функція є спадаючою.
риватної агрофірми

-Дугласа на прикладі
ктори: фактор зростання
иробничий коефіцієнт

ску продукції(У)

Таблиця 4.1
випуску продукції ПА
12рр.

Витрати капіталу
(млн.грн) K
0.78
0.79
0.8
0.78
0.75
0.81
0.87
0.75
0.66
1.12
1.5

залежність об'єму

ктору виробництва, тобто

лив технічного прогресу

форми. Після
ресію:
лив технічного прогресу

форми. Після
ресію:

родукції.
формі:

и).

Таблиця 4.2

LnK
-0.2484613592985
-0.2357223335211
-0.2231435513142
-0.2484613592985
-0.2876820724518
-0.2107210313157
-0.1392620673335
-0.2876820724518
-0.4155154439617
0.113328685307
0.4054651081082
-0.2484613592985
-0.2357223335211
-0.2231435513142
-0.2484613592985
-0.2876820724518
-0.2107210313157
-0.1392620673335
-0.2876820724518
-0.4155154439617
0.113328685307
0.4054651081082

1 1 1 1 1
5 6 7 8 9
1.5892352051166 1.757857917552 1.7749523509 1.609437912 1.7047480922
-0.2876820724518 -0.21072103132 -0.139262067 -0.28768207 -0.415515444

-1.7778574975315
-6.508445671974
-2.9101038235325
0.8080418121769
 20.087323760435
-0.0914791375958
-10.809981748735
5.7655963666158

ю для даного

изведе до зростання

веде до зростання обсягу

новок що виробнича
изведе до зростання

веде до зростання обсягу

новок що виробнича
 1 1
10 11
1.80828877118 1.8718021769
0.11332868531 0.40546510811
 1 1 2.08 1.39
1 2 2.3 1.79
1 3 2.4 1.79
1 4 2.48 1.95
1 5 2.4 1.95
1 6 2.3 1.61
1 7 1.95 1.61
1 8 2.08 1.39
1 9 2.3 1.61
1 10 2.48 1.95
1 11 2.4 1.95
1 12 2.56 2.08
1 13 2.64 2.2
1 14 2.77 2.3
1 15 2.71 2.08

1 1 1 1 1 1 1 1 1
1 2 3 4 5 6 7 8 9
2.08 2.3 2.4 2.48 2.4 2.3 1.95 2.08 2.3
1.39 1.79 1.79 1.95 1.95 1.61 1.61 1.39 1.61
 1 1 1 1 1 1
10 11 12 13 14 15
2.48 2.4 2.56 2.64 2.77 2.71
1.95 1.95 2.08 2.2 2.3 2.08