Оценка монопольной власти фирм на рынке.

При анализе структуры рынка, как правило, оцениваются ценовая эластичность спроса, индекс Лернера и рыночная власть фирм. Говорят, что фирма обладает рыночной (или монопольной) властью, если она имеет возможность влиять на установление рыночной цены выше предельных издержек, то есть выше конкурентного уровня рыночной цены. Естественно предположить, что монополист обладает монопольной властью.

Известно, что монополист выбирает объем выпуска (Q), максимизирующий прибыль: Пm=TR(Q)-TC(Q)=P(Q)Q-ТC(Q).

Необходимое условие экстремума: предопределяет, что в условиях равновесия на рынке монопольная цена будет выше предельного дохода (MR), равного предельным издержкам (MC).

Предельный доход для любого объема выпуска зависит от цены товара и от эластичности спроса по цене:

Максимизация прибыли возможна только при MR = МС > 0. Это означает, что монополист получит положительную прибыль только в том случае, если будет работать на рынке, где спрос эластичен по цене . Требование МС > 0 означает, что в условиях равновесия на рынке должно выполняться неравенство: . А это возможно только при или, что тоже самое, при . Иногда говорят, что монополист работает в эластичной части кривой спроса.

Таким образом, рыночная цена включает надбавку к предельным издержкам, причем величина надбавки зависит от ценовой эластичности спроса:

Разделив левую и правую части равенства на р, получим удельный вес надбавки в цене или индекс, разработанный А.П. Лернером в 30-е гг. XX в. и получивший его имя (индекс Лернера):

Индекс Лернера принимает значения в пределах от нуля до единицы. Он равен нулю в условиях совершенной конкуренции, когда цена равна предельным издержкам. Принято считать, что чем выше значение индекса Лернера, тем сильнее рыночная власть фирмы в рассматриваемом секторе экономики. Сама по себе монопольная власть не гарантирует высокую норму прибыли, поскольку прибыль зависит от соотношения цены и средних (а не предельных) издержек. Фирма может обладать большей рыночной властью, но получать меньшую прибыль, если ее средние издержки существенно выше.

В долгосрочном периоде в условиях равновесия предельные издержки равны средним. Это позволяет рассчитывать индекс Лернера по другой формуле: . В новой форме записи индекс Лернера фактически представляет отношение прибыли монополиста к объему реализованной продукции по рыночной цене: . Чем выше удельный вес прибыли в объеме реализации продукции, тем выше степень монопольной власти на рынке. Многие специалисты считают, что высокая норма прибыли является признаком наличия на рынке монопольной власти.

54. Мультиколлинеарность

Многофакторная модель имеет вид: . - номер фактора.

Линейная многофакторная модель: .

Уравнение регрессии в матричной форме имеет вид: .

Здесь исходные факторные переменные представлены в форме матрицы:

а коэффициенты представлены в виде вектора-столбца

Эта модель описывает реальные значения с некоторой ошибкой аппроксимации, что может быть в матричной форме выражено так:

Сумма квадратов отклонений фактических значений от расчётных будет представлена так:

Дифференцируя по коэффициентам модели, и приравнивая нулю полученные значения, можно в итоге определить

выражение для определения матрицы оценки коэффициентов многофакторной модели:

Откуда легко получить:

Матрица в условиях мультиколлинеарности явл-ся слабо обусловленной ⇒ нельзя решить задачу (Δ=0).

Последствия мультиколлинеарности:

1. Если даже вычислить определитель, то оценки параметров будут очень неточными.

2. Неточная интерпритация влияния факторов

3. Оценки параметров модели оказываются крайне неустойчивыми

4. Ценность таких моделей крайне низка

Два подхода борьбы с мультиколлинеарностью:

- исключают из совокупности факторов одну или несколько линейно связанных факторных переменных, чтобы вновь полученные элементы корреляционной матрицы были меньше порогового значения 0,8.

- преобразуют факторы в новые переменные, уменьшая тем самым количество переменных (факторный анализ).

Исключение коррелируемых факторов приводит к бессмысленному рез-ту.

МНК в таких ур-ях ориентирует исследователя то на одну плоскость, то на другую, в зависимости от случайных ошибок.

Уравнения системы МНК здесь представлены в виде уравнений гиперплоскостей в отрезках в гиперпространстве коэффициентов модели. Если в однофакторном случае оценки МНК представляют собой точку пересечения на плоскости параметров двух прямых условий МНК, поскольку неизвестных параметров всего два – a0 и a1, и задачу можно изобразить на плоскости, то уже при числе факторов, равном двум, число коэффициентов модели будет равнотрем – a0, a1 и a2. Графически такую задачу оценивания параметров многофакторной модели следует рассмотреть не на плоскости, а в трехмерном пространстве параметров. Действительно, число неизвестных параметров становится равным трем и их можно изобразить в качестве осей трехмерного пространства 0a0, 0a1 и 0a2. В этом случае условия МНК представляют собой систему из трех уравнений с тремя неизвестными, причем каждое из уравнений представляет собой не что иное, как уравнение плоскости в пространстве. Решение системы МНК в данном случае будет представлять собой точку пересечения трех плоскостей в пространстве. Координаты этой точки дают искомые с помощью МНК значения коэффициентов модели. Решение системы МНК, которое представляет собой точку пересечения этих практически параллельных друг другу гиперплоскостей в гиперпространстве, является чрезвычайно неустойчивым - малейшая ошибка в округлении может привести к тому, что гиперплоскости могут, переместясь незначительно, иметь новую точку их пересечения,значительно удаленную от первоначальной. Для повышения устойчивости оценок параметров многофакторных моделей необходимо «развести» гиперплоскости системы нормальных уравнений МНК и устранить тем самым их практическую параллельность.

Лучший вариант – предложить такой вариант получения оценок МНК, при котором гиперплоскости будут перпендикулярны

друг другу – это даст возможность получить устойчивые оценки коэффициентов модели.

После центрирования исходных переменных система нормальных уравнений МНК становится устойчивой и легко находятся коэффициенты: , в которой свободный коэффициент = 0. Для его вычисления необходимо вычислить . Можно сделать вывод, что предварительное центрирование данных при построении многофакторных моделей следует обязательно выполнять, модель будет устойчивой.