МОДЕЛИРОВАНИЕ ШТРАФОВ ЗА ПРОСТОИ ВАГОНОВ НА ПЕРЕГРУЗ НА СТАНЦИИ ЗАБАЙКАЛЬСК
Ключевые слова:
регрессионная модель, метод наименьших квадратов, простой вагона, ответственность ОАО, клиентоориентированностьАннотация
Статья посвящена проблеме построения регрессионной модели влияния количества вагонов под перегруз, простоев вагонов КЖД и времени, затрачиваемого на проверку НТУ, на размер штрафов ответственности ОАО «РЖД» перед КЖД. С помощью метода наименьших квадратов в пакете Gretl оценена модель множественной линейной регрессии с тремя объясняющими переменными. Оказалось, что время на проверку НТУ не оказывает значимого влияния на размер штрафов, поэтому соответствующая переменная была исключена. В результате была построена адекватная по коэффициенту детерминации регрессионная модель с двумя переменными. Дана её интерпретация.
Библиографические ссылки
Яковлев П. Г. Глобальные тренды мировой логистики // Железные дороги мира. – 2018. – №. 12. – С. 19-25.
Кириллова А.Г. Современная логистика международных транспортных коридоров – основа прироста экспортных грузопотоков // Инновации транспорта. – 2019. – № 1 (35). – С. 10-13.
Эрлих Н.В., Эрлих А.В., Ефимова Т.Б., Папировская Л.И. Информационные системы в сервисе оказания услуг при организации грузовых перевозок на железнодорожном транспорте: учеб.пособие. – М.: ФГБУ ДПО «Учебно-методический центр по образованию на железнодорожном транспорте», 2019. – 213 с.
Раевский Н.В., Светлакова, Е.Н.Зубков, В.В. Раевская, П.Е.Раевская. Методы обработки информации: учебное пособие для практических занятий и самостоятельной работы по специальным дисциплинам для всех специальностей. – Чита: ЗабИЖТ, 2018. – 91 с.
Вакуленко С.П., Голубев П.В., Копылов Е.В., Куликова Е.Б. Технология работы пограничных станций: учеб. пособие. – М.: ФГБОУ «Учебно – методический центр по образованию на железнодорожном транспорте», 2013. – 300 с.
Arkes J. Regression analysis: a practical introduction. Routledge, 2019. – 362 p.
Westfall P.H., Arias A.L. Understanding regression analysis: a conditional distribution approach. Chapman and Hall/CRC, 2020. – 514 p.
Носков С.И. Технология моделирования объектов с нестабильным функционированием и неопределенностью в данных. – Иркутск: Облинформпечать, 1996. – 321 с.
Носков С.И., Базилевский М.П. Построение регрессионных моделей с использованием аппарата линейно-булевого программирования. – Иркутск: ИрГУПС, 2018. – 176 с.
Базилевский М.П. Синтез модели парной линейной регрессии и простейшей EIV-модели // Моделирование, оптимизация и информационные технологии. – 2019. – Т. 7. – № 1 (24). – С. 170-182.
Базилевский М.П. Исследование двухфакторной модели полносвязной линейной регрессии // Моделирование, оптимизация и информационные технологии. – 2019. – Т. 7. – № 2 (25). – С. 80-96.
Базилевский М.П. Многофакторные модели полносвязной линейной регрессии без ограничений на соотношения дисперсий ошибок переменных // Информатика и её применения. – 2020. – Т. 14. – № 2. – С. 92-97.
Базилевский М.П. Метод выпрямления искаженных из-за мультиколлинеарности коэффициентов в регрессионных моделях // Информатика и её применения. – 2021. – Т. 15. – № 2. – С. 60-65.
Носков С.И. Метод смешанного оценивания параметров линейной регрессии: особенности применения // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. – 2021. – № 1. – С. 126-132.
Носков С.И., Перфильева К.С. Моделирование объема погрузки на железнодорожном транспорте методом смешанного оценивания // Известия Тульского государственного университета. Технические науки. – 2021. – № 2. – С. 148-153.
Базилевский М.П., Носков С.И. Программный комплекс построения линейной регрессионной модели с учетом критерия согласованности поведения фактической и расчетной траекторий изменения значений объясняемой переменной // Вестник Иркутского государственного технического университета. – 2017. – Т. 21. – № 9 (128). – С. 37-44.
Носков С.И., Базилевский М.П. Множественное оценивание параметров и критерий согласованности поведения в регрессионном анализе // Вестник Иркутского государственного технического университета. – 2018. – Т. 22. – № 4 (135). – С. 101-110.
Базилевский М.П. Сведение задачи отбора информативных регрессоров при оценивании линейной регрессионной модели по методу наименьших квадратов к задаче частично-булевого линейного программирования // Моделирование, оптимизация и информационные технологии. – 2018. – Т. 6. – № 1 (20). – С. 108-117.
Базилевский М.П. Отбор информативных регрессоров с учетом мультиколлинеарности между ними в регрессионных моделях как задача частично-булевого линейного программирования // Моделирование, оптимизация и информационные технологии. – 2018. – Т. 6. – № 2 (21). – С. 104-118.
Базилевский М.П. Отбор оптимального числа информативных регрессоров по скорректированному коэффициенту детерминации в регрессионных моделях как задача частично целочисленного линейного программирования // Прикладная математика и вопросы управления. – 2020. – № 2. – С. 41-54.
Базилевский М.П. Отбор значимых по критерию Стьюдента информативных регрессоров в оцениваемых с помощью МНК регрессионных моделях как задача частично-булевого линейного программирования // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. – 2021. – № 3. – С. 5-16.
Базилевский М.П. Способ определения параметра M в задаче частично-булевого линейного программирования для отбора регрессоров в линейной регрессии // Вестник Технологического университета. – 2022. – Т. 25. – № 2. – С. 62-66.
