Бизнес-үдерістерді басқарудың

сызықтық емес эконометриялық модельдері

10-дәріс

Дәрістің мақсаты

Сызықтық емес эконометриялық модельдердің мәнін және бизнес-үдерістерді басқарудағы рөлін түсіндіру. Негізгі модель түрлерін (степенді, көрсеткіштік, логистикалық) қарастыру. Бағалау әдістерімен және модель сапасын тексеру тәсілдерімен таныстыру. Практикалық мысал арқылы қолдану мүмкіндіктері мен шектеулерін көрсету.

Дәріс жоспары

1. Сызықтық емес модельдер ұғымы және бизнес-үдерістер

2. Сызықтық емес регрессия түрлері

3. Сызықтық емес модельдерді бағалау әдістері

4. Модельді құру, бағалау және қолдану

1. Сызықтық емес модельдер ұғымы

және бизнес-үдерістер

Сызықтық емес модель дегеніміз не?

• Айнымалылар арасындағы байланыс түзу сызықпен сипатталмайтын эконометриялық модель
• Жалпы түрі: Y = f(X, β) + ε, мұндағы f - сызықтық емес функция
• Факторлардың әсері бірқалыпты емес: қанығу, кему кірісі, өсу кірісі
• Бизнес-үдерістерде: сатылымның жарнамаға, өнімділіктің жүктемеге тәуелділігін сипаттау үшін қолданылады

Неліктен сызықтық емес модельдер қажет?

• Нақты бизнес-үдерістерде байланыс сирек түзу сызықты болады
• Кему кірісі: жарнама шығыны өскен сайын қосымша табыс азаяды
• Масштаб әсері: көлем артқанда шығын өзгеруінің қарқыны өзгереді
• Қанығу: нарық сыйымдылығы шектеулі, өсу баяулайды
• Сызықтық модель мұндай жағдайларда жүйелі қате болжам береді

Сызықтық емес модельдердің негізгі түрлері

Степенді

Y = A·X^β

Көрсеткіштік

Y = a·e^bX

Полиномдық

Y = β₀ + β₁X + β₂X²

Логистикалық

Y = K / (1 + e^−z)

Мысалдар:

• Өндіріс көлемі = A·K^α·L^β (Кобб–Дуглас өндіріс функциясы)
• Сатылым = f(жарнама) - қанығу әсері бар байланыс
• Өнімді енгізу және технологияны тарату - S-тәрізді қисық
• Клиенттердің кету ықтималдығы = f(қызмет сапасы, баға) - logit-модель

2. Сызықтық емес регрессия түрлері

Степенді модель (Кобб–Дуглас)

Y = A·X^β·e^ε

Логарифмдеуден кейін: ln Y = ln A + β·ln X + ε

A - масштаб коэффициенті

β - икемділік коэффициенті: X 1%-ға өзгерсе, Y шамамен β%-ға өзгереді

β < 1 - кему кірісі, β = 1 - тұрақты кіріс, β > 1 - өсу кірісі

Өндіріс функциясы: Q = A·K^α·L^β

Көрсеткіштік және логарифмдік модельдер

Көрсеткіштік модель: Y = a·e^bX → ln Y = ln a + bX

Мәнді дұрыс түсіндіру үшін модельдің түрін алдын ала дұрыс таңдау қажет.

Сызықтық емес тәуелділіктің графикалық көрінісі

Y

X (фактор)

Нүктелер - бақылаулар

Қызыл қисық – сызықтық емес модель (қанығу әсері); сұр үзік сызық – сызықтық модель

Логистикалық модель (S-тәрізді қисық)

• Y = K / (1 + e^(-(β₀ + β₁X))), мұндағы K - қанығу деңгейі
• Баяу бастау, жылдам өсу және қанығу кезеңдерін сипаттайды
• Өнімді нарыққа енгізу, технологияны тарату үдерістеріне қолданылады
• Logit-модель: клиенттің кету ықтималдығы P = 1 / (1 + e^(-z))
• Параметрлер максималды ақиқаттылық әдісімен бағаланады

3. Сызықтық емес модельдерді

бағалау әдістері

Линеаризация (түрлендіру) әдісі

Айнымалыларды түрлендіріп, модельді сызықтық түрге келтіреміз де, OLS қолданамыз.

Ескерту: логарифмдеу қалдықтардың таралуын өзгертеді, сондықтан қалдықтарды тексеру қажет.

Сызықтық емес бағалау: NLS және MLE

• Параметрлер бойынша сызықтық емес модельдерді түрлендіру арқылы сызықтандыру мүмкін болмайды
• Сызықтық емес ең кіші квадраттар (NLS): Σ(Yᵢ - f(Xᵢ, β))² → min
• Итерациялық алгоритмдер: Гаусс–Ньютон, Левенберг-Марквардт
• Бастапқы мәндерді таңдау және жергілікті минимум мәселесі
• Максималды ақиқаттылық әдісі (MLE) - logit, probit модельдері үшін

4. Модельді құру, бағалау және қолдану

Модель құру кезеңдері

1

Мәселені

қою

2

Деректерді

жинау

3

Спецификация

(түрін таңдау)

4

Бағалау

(OLS, NLS)

5

Диагностика

және тексеру

6

Болжау &

қолдану

Әр кезеңде деректер сапасы мен модельдің адекваттылығы тексеріледі.

Практикалық мысал: сатылым және жарнама

Модель: Сатылым = A·Жарнама^β·ε

Жарнама өскен сайын сатылымның өсімі баяулайды - байланыс сызықтық емес.

Мысал бойынша бағалау нәтижесі

• β ≈ 0,56 < 1: жарнама 1%-ға өссе, сатылым шамамен 0,56%-ға өседі (кему кірісі)
• Степенді модель деректерге жақсырақ сәйкес келеді (R² жоғары)
• Болжам: жарнама 60 мың тг болса, сатылым ≈ 169 млн тг

Қолдану салалары

• Сатылымды жарнама мен бағаға байланысты болжау
• Өндіріс функциясын бағалау және масштаб әсерін талдау
• Клиенттердің кету ықтималдығын бағалау (logit)
• Өнімнің өмірлік циклі және инновацияны тарату
• Тәжірибе қисығы бойынша шығындарды болжау

Шектеулер мен тәуекелдер

• Көп және сапалы деректер қажет
• Бастапқы мәндер мен алгоритмге тәуелділік
• Overfitting - күрделі модель тек үйрету деректеріне сәйкес келеді
• Нәтижені түсіндіру сызықтық модельге қарағанда қиынырақ
• Деректер аумағынан тыс экстраполяция қате болжамға әкеледі

Қорытынды

1. Сызықтық емес модельдер қанығу және масштаб әсерлерін дәл сипаттайды
2. Негізгі түрлері: степенді, көрсеткіштік, полиномдық, логистикалық
3. Бағалау әдістері: линеаризация + OLS, NLS, MLE
4. Модель R², AIC/BIC, RMSE және RESET тесті арқылы тексеріледі
5. Дұрыс таңдалған модель болжам сапасын арттырады

Әдебиеттер

1. Трофимова Л.А., Трофимов В.В. Методы принятия управленческих решений. - М.: Юрайт, 2024.

2. Бусов В.И., Лябах Н.Н., Саткалиева Т.С., Таспенова Г.А. Теория и практика принятия управленческих решений. - М.: Юрайт, 2024.

3. Liu S., Zaraté P. et al. (eds.). Decision Support Systems XIII. - Cham: Springer, 2023.

4. James G., Witten D., Hastie T., Tibshirani R., Taylor J. An Introduction to Statistical Learning: with Applications in Python. - Springer, 2023.

Бизнес-үдерістерді басқарудың

сызықтық емес эконометриялық модельдері

10-дәріс