1

Курсова работа по „Иконометрия“

2021/2022 година, задочно обучение

Задача 1. Една фирма реализира стокооборот за периода 2013-2021 година,

посочен в следната таблица:
Година Стокооборот в млн.
лв.
2013 22+0,1*a
2014 23+0,1*b
2015 24+0,1*c
2016 25+0,1*a
2017 27+0,1*b
2018 31+0,1*c
2019 35+0,1*a
2020 37+0,1*b
2021 38+0,1*c

Определете:
1) абсолютния прираст и темповете на растеж и прираст при база 2013
година и при верижна база.
2) Филтрирайте горните данни при плъзгащи се петчленни.
3) Филтрирайте горните данни чрез Excel:
а) линеен модел;
б) експоненциален модел;
в) параболичен модел;
г) хиперболичен модел;
д) Кой от моделите е най-приемлив и защо?
е) Прогнозирайте за три годинни след 2021 година.

РЕШЕНИЕ:
Факултетният ми номер е 2001562001.
Цифрите от факултетния ми номер са: а = 1, в = 0 и с = 0.
Стокооборотът е изчислен след заместване на цифрите от факултетния ми номер.

Таблица 1. Абсолютен прираст и темпове на растеж при база 2013 г. и при

верижна база
Базисен Верижен Базисен Верижен Плъзгащи
Стокооборот Стокооборот
Година абс. абс. темп на темп на се 5-
в млн. лв. в млн. лв.
прираст прираст растеж (%) растеж (%) членни
2013 22+0,1*a 22,1
2014 23+0,1*b 23,0 0,9 0,9 104,1% 104,1%
2015 24+0,1*c 24,0 1,9 1,0 108,6% 104,3% 24,24
2016 25+0,1*a 25,1 3,0 1,1 113,6% 104,6% 26,02
2017 27+0,1*b 27,0 4,9 1,9 122,2% 107,6% 28,44
2018 31+0,1*c 31,0 8,9 4,0 140,3% 114,8% 31,04
2019 35+0,1*a 35,1 13,0 4,1 158,8% 113,2% 33,62
2020 37+0,1*b 37,0 14,9 1,9 167,4% 105,4%
2021 38+0,1*c 38,0 15,9 1,0 171,9% 102,7%
 2

Базисните абсoлютни прирасти се изчисляват катo разлика между фактическия

Y
размер на стокооборота за съoтветния периoд i и стокооборота Y 1 при база 2013
година за i= 2,3,...,n.
Верижните абсoлютни прирасти се изчисляват като разлика между
фактическия размер на стокооборота за съoтветния периoд
Y i и стокооборота за
предходния период
Y i−1 за i= 2,3,...,n.
T
Базисният темп на растеж i се определя като отношение на всяка стойност на
Y
стокооборота i към първата стойност на стокооборота Y 1 за 2013 г. за i= 2,3,...,n.
Изразен е в прoценти, катo индексите са умнoжени със 100.
Верижен темп на растеж
T i се определя като отношение на всяка стойност на
Y Y
стокооборота i към стокооборота за предходния период i−1 за i= 2,3,...,n.
Изразен е в прoценти, катo индексите са умнoжени със 100.

Плъзгащите се 5-членни средни са изчислени по следния начин:

− Y 1 +Y 2 +Y 3 +Y 4 +Y 5 22, 1+23+24 +25 ,1+27

Y 3= = =24 ,24
5 5
− Y 2 +Y 3 +Y 4 +Y 5 + Y 6 23+ 24+25 , 1+27+31
Y 4= = =26 , 02
5 5
− Y 3 +Y 4 +Y 5 +Y 6 +Y 7 24+25 ,1+27+31+35 ,1
Y 5= = =28 , 44
5 5
− Y 4 + Y 5 +Y 6 +Y 7 +Y 8 25 , 1+27+31+35 , 1+37
Y 6= = =31 ,04
5 5
− Y +Y +Y +Y +Y 25 ,1+27 +31+35 ,1+37+38
Y 7= 5 6 7 8 9 = =33 , 62
5 5

Съставени са четири модела на тренда на стокооборота, които се търсят имат

следния общ вид:
- линеен модел -
Y =b 0 +b1∗t ;
b 1∗t
- експоненциален модел -
Y =b 0 e ;
2
-
Y =b 0 +b1 t+b2 t ;
параболичен модел -
2 3
- хиперболичен модел -
Y =b 0 +b1 t+b2 t +b3 t .
 3

Таблица 2. Получени тендови модели

Модел Формула Коефииент на

детерминация
R2
Линеен Y =18 ,003+2,2283t 0,9493
Експоненциален
Y=19,523e 0,0761∗t 0,9636
Параболичен 2 0,9706
Y=20,707+0,7532t+0,1475t
Хиперболичен
Y=24 ,752−3,1196t +1,0667t 2−0,0613t3 0,9877

Следващата таблица показва изчислените изгладени (приближени) стойности на

стокооборота, определени чрез прилагането на тези четири трендови модела.

Таблица 3. Изчислени приближени стойности на стокооборота на базата на

получените трендови модели
Експо- Парабо- Хипер-
Годин Период Стокооборот Линеен
t^2 t^3 ненциален личен боличен
а t в млн. лв. модел
модел модел модел
2013г. 1 1 1 22,1 20,231 21,067 21,608 22,638
2014г. 2 4 8 23,0 22,460 22,732 22,803 22,289
2015г. 3 9 27 24,0 24,688 24,530 24,294 23,338
2016г. 4 16 64 25,1 26,916 26,470 26,080 25,418
2017г. 5 25 125 27,0 29,145 28,562 28,161 28,159
2018г. 6 36 216 31,0 31,373 30,821 30,536 31,195
2019г. 7 49 343 35,1 33,601 33,258 33,207 34,157
2020г. 8 64 512 37,0 35,829 35,888 36,173 36,678
2021г. 9 81 729 38,0 38,058 38,725 39,433 38,391

Следващите четири графики показват получените трендови модели.

 4

Линеен модел на тренда

40
f(x) = 2.22833333333333 x + 18.0027777777778
35 R² = 0.949292815215005

30

25

20

15

10

0
2013г. 2014г. 2015г. 2016г. 2017г. 2018г. 2019г. 2020г. 2021г.

Фигура 1. Линеен модел на тренда

Експоненциален модел на тренда

40
f(x) = 19.5227700959051 exp( 0.0760953208925182 x )
35 R² = 0.96360385638259

30

25

20

15

10

0
2013г. 2014г. 2015г. 2016г. 2017г. 2018г. 2019г. 2020г. 2021г.

Фигура 2. Експоненциален модел на тренда

 5

Параболичен модел на тренда

40
f(x) = 0.147510822510823 x² + 0.753225108225105 x + 20.7071428571429
35 R² = 0.970647202530881

30

25

20

15

10

0
2013г. 2014г. 2015г. 2016г. 2017г. 2018г. 2019г. 2020г. 2021г.

Фигура 3. Параболичен модел на тренда

Хиперболичен модел на тренда

40
f(x) = − 0.0612794612794614 x³ + 1.06670274170274 x² − 3.11963684463685 x + 24.7515873015873
35 R² = 0.987704734495408

30

25

20

15

10

0
2013г. 2014г. 2015г. 2016г. 2017г. 2018г. 2019г. 2020г. 2021г.

Фигура 4. Хиперболичен модел на тренда

Сравнителен анализ на получените 4 модели на тренда

За най-добър модел на тренда на стокооборота се избира моделът, който има най-

голям коефициент на детерминация R2.

Таблица 2. Получени тендови модели

Модел Формула Коефииент на

детерминация
R2
Линеен Y =18 ,003+2,2283t 0,9493
Експоненциален 0,0761∗t 0,9636
Y=19,523e
Параболичен 2 0,9706
Y=20,707+0,7532t+0,1475t
Хиперболичен 2 3 0,9877
Y=24 ,752−3,1196t +1,0667t −0,0613t
 6

С най-голям коефициент на детерминация R 2 = 0,9877 е хиперболичният модел

2 3
Y=24 ,752−3,1196t +1,0667t −0,0613t и затова той се приема за най-добър
модел на тренда на стокооборота.

Прогнозиране на тренда за три годинни след 2021 година

Прогноза се съставя, като се използва най-добрия модел на тренда, а именно

2 3
хиперболичният модел Y=24 ,752−3,1196t +1,0667t −0,0613t .
Прогнозните стойности се изчисляват по следния начин:

Година t Изчисляване на прогнозните стойности Прогнозни

стойности
(в млн. лв.)
2022 г.
10 Y=24 ,752−3,1196∗10+1,0667∗102−0,0613∗103 38,926
2023 г.
11 Y=24 ,752−3,1196∗11+1,0667∗112 −0,0613∗113 37,917
2024 г. 2 3
12 Y=24 ,752−3,1196∗12+1,0667∗12 −0,0613∗12 34,995

Прогнозните стойности показват, че през периода 2022 г. – 2024 г. стокооборотът

ще намалява от 38,926 млн.лв. през 2022 г. на 37,917 млн. лв. през 2023 г. и 34,995
млн. лв. през 2024 г.

Задача 2. Разполагаме с данните, посочени в следната таблица:

N 1 2 3 4 5 6 7 8 9 10
x 23+0,1*a 26+0,1* 28+0,1*c 30+0,1*a 32+0,1*b 33+0,1*c 34+0,1*a 37 40 45
b
y 46 47 51 53 54 55 59 61 68 70

а) Постройте чрез Excel линеен регресионен модел.

б) Определете коефициента на корелация и стандартната грешка на модела.
в) Направете интерпретация на параметрите.

РЕШЕНИЕ:

a=1 1
b=0 0
c=0 0

Изчислените стойности за независимата променлива х са показани в следващата

таблица.
 7

Таблица 4. Изчислени стойности за Х

N X Y Y^
1 23,1 46 44,62
2 26,0 47 48,13
3 28,0 51 50,55
4 30,1 53 53,10
5 32,0 54 55,40
6 33,0 55 56,61
7 34,1 59 57,94
8 37,0 61 61,45
9 40,0 68 65,08
10 45,0 70 71,13

Търси се линеен регресионен модел от вида

Y =b 0 + b1∗X ,
където:
- Х е независима променливаа – фактор, а
- Y е зависимата променлива – резултат.

За построяването на линеен регресионен модел е използван модулът

Data/Analysis. Получените резултати са представени в следващата таблица.

Таблица 5. Получени резултати от линейния регресионн анализ

SUMMARY
OUTPUT
Regression
Statistics
Multiple R 0,983784
R Square 0,967831
Adjusted R
Square 0,96381
Standard Error 1,543401
Observations 10
ANOVA
Significance
df SS MS F F
Regression 1 573,3433 573,3433 240,6895 2,96657E-07
Residual 8 19,05669 2,382087
Total 9 592,4

Standard Upper Lower Upper

Coefficients Error t Stat P-value Lower 95% 95% 95,0% 95,0%
Intercept 16,6625 2,607454 6,390332 0,000211 10,64969709 22,6753 10,6497 22,67529569
X Variable 1 1,210402 0,078019 15,51417 2,97E-07 1,030489738 1,390315 1,03049 1,390314625

Полученият линеен регресионен модел е приложим (адекватен) тъй като за

характеристиката F = 240,68895 равнището на значимост е Significance F =
2,96657Е-07= 0,000000296657 < α =0,05.
Следователно между Х и Y съществува линейна корелационна зависимост.
 8

b
Константата 0 = 16,6625. Този коефициент е статистически значим, тъй като
за него характеристиката t = 6,390332 e с равнище на значимост P-value =
0,000211 < α = 0,05.

Регресионният коефициент b1 = 1,210402. Той къщо е статистически значим,

тъй като за него характеристиката t = 15,51417 e с равнище на значимост P-value
= 2, 97E-07 < α = 0,05.

Следователно ленейното регресионно уравнение има следния вид:

Y =16,6625+1,210402∗X .
Регресионният коефициент b1 = 1,210402 е положителен, което показва, че
между Х и Y съществува права линейна корелационна зависимост, т.е. с
нарастване на Х нараства и Y.

Силата на получената линейна корелационна зависимост се определя с

коефициента на корелация R = 0,983784 > 0,9. Следователно между двете
променливи Х и Y съществува много силна корелационна зависимост.

Коефициентът на детерминация е R2 = 0,967831372. Превърнат в проценти е R 2

= 96,78%. Този коефициент показва, че 96,78% от изменението на зависимата
променлива Y се обуславят от изменението на фактора Х.

Стандартната грешка на модела е Standard Error = 1,5434.

Изчислените изгладени стойности с помощта на получения корелационен модел

са представени в последната колона на Таблица 4.
Полученото изглаждане е показано на следващата графика.

Линейна корелация
80

70

60

50

40

30

20

10

0
1 2 3 4 5 6 7 8 9 10

Y Y^

Фигура 5. Линейна корелация между Х и Y

 9

Задача 4. Функцията на производствените разходи на дадена фирма има вида

3 2
C=5Q −2Q +12Q−24
а цената р на единичния продукт се определя от

р = (38 + 0,1a) – 6Q,

където а е последната цифра на Вашия факултетен номер.
Определете:
1) Уравненията на FC, VC, AC, MC, AVC и начертайте графиките им;
2) дохода R и границите на обема Q и цената р;
3) при какво количество на обема Q, цената р е равна на граничните
разходи МС;
4) критичната (равновесната) точка (ВЕР);
5) при каква цена р доходът е минимален;
6) най-ефективната точка на производството (Е);
7) при какъв обем на Q имаме печалба (загуба) и максимална печалба.
РЕШЕНИЕ:

a=1 1
b=0 0
c=0 0

Функцията на общите производствените разходи е

(1) TC=5Q 3−2Q2+12Q−24 .

Общите разходи са сума от постоянните разходи FC (Fixed Costs) и
променливите разходи VC (Variable Costs) –

(2) TC = FC + VC

Постоянните (фиксирани) разходи FC (Fixed Costs) не зависят от бизнес

дейността, не се влияят от намаление или увеличение на броя на произведените
или продадените единици в краткосрочен хоризонт. Към тях спадат
амортизациите на основния капитал, заплатите за наем на труд, плащанията към
външни стопански субекти - всички парични разходи, които се извършват
независимо дали има производство или не.
 10

Променливите разходи VC (Variable Costs) са разходи, които варират (се

променят) в зависимост от производствения обем на компанията.
(3) FC = -24

(4) VC = 5Q3−2Q2 +12Q .

Средните постоянни разходи AFC (Average Fixed Costs) се изчисляват по
формулата:
FC −24
AFC = =
(5) Q Q .
Средните променливи разходи AVC (Average Variable Costs) се изчисляват по
формулата:
3 2
VC 5Q −2 Q +12 Q
AVC= = =5 Q2 −2Q+12
(6) Q Q .
Средните общи разходи ATC (Average Total Costs) се изчисляват по формулата:
TC −24
ATC= = AFC + AVC= +5 Q2 −2 Q+12
(7) Q Q .
Пределните разходи МС (Marginal Costs) се изчисляват по следния начин:

промяната на TC ∂TC
MС= = =15Q2 −4 Q+12
(8) промяната на Q ∂Q .
Ако Q = 1,5 общите производствени разходи са

(9) TC ( 1,5 )=5∗1,53 −2∗1,52 +12∗1,5−24= 6,4.

Ако Q = 6,3, то общите производствени разходи са

(10) TC ( 6,3 )=5∗6,33−2∗6,32+12∗6,3−24= 1222,5.

Средните разходи за Q = 1,5 са

−24
ATC (1,5 )= +5∗1,5 2−2∗1,5+12
(11) 1,5 = 4,25.
Средните разходи за Q = 6,3 са
−24
ATC (6,3 )= +5∗6,32 −2∗6,3+12
(12) 6,3 =194,04.

Пределните разходи за Q = 1,5 са

 11

2
(13) MС=15∗1,5 −4∗1,5+12= 39,75.
Пределните разходи за Q = 6,3 са
2
(14) MС=15∗6,3 −4∗6,3+12= 582,15.
Таблица 6. Получени резултати
R P Q TC VC ATC AFC AVC MC
38,34 30,575 1,2541 -2,2 21,8 -1,78 -19,14 17,4 30,575
43,65 29,10 1,5 6,4 30,4 4,25 -16,00 20,3 39,75
52,2 26,10 2,0 32,0 56,0 16,00 -12,00 28,0 64,00
57,75 23,10 2,5 71,6 95,6 28,65 -9,60 38,3 95,75
60,3 20,10 3,0 129,0 153,0 43,00 -8,00 51,0 135,00
56,4 14,10 4,0 312,0 336,0 78,00 -6,00 84,0 236,00
40,5 8,10 5,0 611,0 635,0 122,20 -4,80 127,0 367,00
12,6 2,10 6,0 1 056,0 1 080,0 176,00 -4,00 180,0 528,00
5,58 0,90 6,2 1 165,2 1 189,2 187,93 -3,87 191,8 563,80
3,75 0,60 6,3 1 193,6 1 217,6 190,97 -3,84 194,8 572,94
1,89 0,30 6,3 1 222,5 1 246,5 194,04 -3,81 197,9 582,15

TC
1,400.0

1,200.0

1,000.0

800.0

600.0

400.0

200.0

0.0
1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0

Фигура 6. Графика на ТС
 12

VC
1,400.0

1,200.0

1,000.0

800.0

600.0

400.0

200.0

0.0
1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0

Фигура 7. Графика на VС

ATC
250.00

200.00

150.00

100.00

50.00

0.00
1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0

Фигура 8. Графика на ATC

 13

ATC, AVC, MC
700.00

600.00

500.00

400.00

300.00

200.00

100.00

0.00
1 2 3 4 5 6 7 8 9 10

ATC AVC MC

Фигура 9. Графика на ATC, AVC, MC

AFC
0.00
1 2 3 4 5 6 7 8 9 10
-2.00
-4.00
-6.00
-8.00
-10.00
-12.00
-14.00
-16.00
-18.00

AFC

Фигура 10. Графика на AFC

 14

3) При какво Q цената Р е равна на граничните разходи МС?

(15) р = (38 + 0,1) – 6Q,

∂TC
MС= =15Q2 −4 Q+12
(8) ∂Q
МС = р

15Q2−4Q+12=38,1−6Q
Решаваме това квадратно уравнение относно неизвестния обем Q.

15Q2−4Q+12−38,1+6Q=0
15Q2 +2Q−26,1=0
−b±√ b2 −4 ac −2±√ 4−4∗15∗(−26 ,1 )
Q1,2= =
2a 30
Следователно за Q1 = 1,2541 цената е равна на граничните разходи МС=
р=30,575.

4) Критичната точка (ВЕР – break even point) e цената, за която общите

приходи от производството се изравняват с общите разходи.

Критична точка (ВЕР)

1400.00
1200.00
1000.00
800.00
600.00
400.00
200.00
0.00
1 2 3 4 5 6 7 8 9 10 11
-200.00

R TC

5) При цена р = 0,30 доходът R = 1,89 e минимален.

7) При обем Q = 6,3 производствените разходи са ТС = 1222,5, а приходите
са R = 1,89, т.е. загубата е максимална.