Cтраница 2
Как отмечает Д. Г. Хом, первый метод более прост и позволяет получить результаты в течение нескольких минут. Второй метод в связи с проведением регрессионного анализа характеризуется более длительным расчетным временем, но он выгодно отличается от первого тем, что позволяет исключить аномалии, связанные с возможными физическими осложнениями по скважинам, и предусматривает определение основных статистических характеристик кривых падения в целях установления наиболее достоверной кривой падения. Это дает основание считать, что расчеты по второй программе по существу являются базой для производства последующих экономических расчетов, связанных с годовыми доходами, определением экономически рентабельных дебитон и объективных рыночных цен. [16]
Возникает три вопроса, которые необходимо решить при проведении регрессионного анализа, описанного выше. Первый из них касается продолжительности периода оценки. Большинство оценок коэффициента бета, включая выводы Value Line и Standard & Poor s, предполагают обращение к данным за пять лет, в то время как в оценках Bloomberg используются двухлетние данные. Компромисс прост: более длительный период обеспечивает больший объем данных, но характеристики специфического риска фирмы могли в течение этого периода измениться. [17]
Состав программы оценки и обеспечения качества вытекает из взаимосвязи перечисленных факторов. Связь между влияющими факторами может быть установлена регрессионным анализом, однако вследствие значительного числа факторов проведение регрессионного анализа в каждом конкретном случае представляет довольно трудоемкую задачу. [18]
Для получения экспериментальных данных используется план Has. Матрица плана приведена в примере 1.10. Для расчета и регрессионного анализа полиномиальных моделей используются бланки-алгоритмы [ 9, с. При проведении регрессионного анализа удаляются незначимые эффекты ( а 0 1) и корреляционно связанные Ь0 и Ъц пересчитываются. Получаются адекватные ( а 0 05) конечные модели, которые приведены в табл. 4.3. В этой же таблице ( как пример полной информации о результатах вычислений) приведены все статистические характеристики моделей. [19]
Теоретически точность аппроксимации можно повысить, повышая степень полинома, однако практически для полиномов высоких степеней при проведении матричных операций на ЭВМ накапливаются столь значительные погрешности округления, что решение становится невозможным. Этот вопрос будет подробно рассмотрен в гл. На практике обычно ограничиваются построением полинома второго порядка и проведением шагового регрессионного анализа с включением или исключением переменных. Строят также множественные нелинейные модели, поддающиеся линеаризации. [20]
Так как в основе указанного метода лежит принцип максимума правдоподобия, то он обеспечивает математически достаточно сильный результат и в рамках выдвинутых предпосылок позволяет получить состоятельную, несмещенную оценку. Однако использование метода в практических ситуациях сильно затруднено из-за жесткости положенных в его основу предпосылок. С позиций экспериментатора случайные величины 8xg и Eg принципиально различны, поскольку оценку 02 дисперсии ошибки измерения 6 % можно получить априори, а оптимальную по своим свойствам оценку дисперсии а можно найти только после проведения полного регрессионного анализа, так так случайная величина гк есть результат действия всех неконтролируемых случайных факторов. [21]