Комплексный анализ статистической информации и выявление причинно-следственных связей

Размещено на http://www.allbest.ru/

1. Априорный анализ исходных статистических данных

Анализ статистических данных начинается с априорного анализа. Априорным (от лат. a priori - из предшествующего) называется анализ, предшествующий непосредственному математико-статистическому анализу и проверяющий предпосылки его реализации.

Этапы априорного анализа включают:

· обобщение исходных данных: построение вариационных рядов по каждому из исследуемых показателей. Графическое изображение построенных рядов распределения в виде гистограммы, полигона, кумуляты;

· оценку однородности совокупности (на основе метода группировок, показателей вариации, анализа аномальных наблюдений на основе л- и q-статистик);

· оценку характера распределения совокупности исходных данных с помощью средней, моды, медианы, показателей вариации.

1.1 Обобщение исходных данных

В качестве объектов исследования были выбраны предприятия автомобильного транспорта Тюменской области (ОАО «ТюменьАвтоТранс», ЗАО «Автотранспортное предприятие», ООО «Автоуниверсал-Трак», ОАО «СПАТО», ООО «РБА-Тюмень», ООО «ГлавАвтоТранс», ООО «Тюмень ТрансКонтиненталь», ООО «АванТрансСервис», АК «Ространсавто», ТД «Русойл», ООО «Континент», ОАО «Тюменские моторостроители», ЗАО «Сибавтоспецтехника», ООО «Урал-Тюмень», ООО «Спецтехника-Тюмень», ООО «Тракт-Запчасть-Сервис», ООО «СпецАвто», ООО «Сибинтком», ОАО «Тюменнефтеспецтранс»). Основными видами деятельности предприятий являются производство, поставки и ремонт автобусов, автомобилей, авто и спецтехники.

Предприятия исследуются для выяснения и формирования практических выводов об эффективности их деятельности и предложений, направленных на улучшение деятельности предприятий, на ликвидацию имеющихся недостатков.

В качестве исходных данных были выбраны показатели доходов и расходов по обычным видам деятельности предприятий.

Задача данного исследования - сравнить показатели предприятий, для выяснения наличия и степени зависимости между ними.

Таблица 1.1. Показатели доходов и расходов по обычным видам деятельности предприятий, тыс. руб.

Номер	Выручка от продажи товаров, продукции, работ, услуг	Себестоимость проданных товаров, продукции, работ, услуг	Коммерческие и управленческие расходы
1	21903	8109	13697
2	76581	46692	28889
3	116565	71378	43834
4	139317	83304	54508
5	35475	24126	11042
6	78417	50729	26413
7	149687	102338	44716
8	287056	218436	65048
9	82279	66579	20556
10	158161	108977	37419
11	225792	157775	56192
12	297921	222019	73114
13	33702	14860	19372
14	139722	90233	42770
15	221771	155565	60932
16	374199	284117	81486
17	176430	163552	11529
18	244843	223176	22200
19	395322	360237	32614
Итого	3255143	2452202	746331

Вначале необходимо построить ряды распределения предприятий по каждому из признаков.

Один из вариантов стандартной процедуры группировки по количественным признакам для определения числа групп является формула Г. Стерджесса (формула (1.1)):

(1.1)

где N - число групп.

Из расчета по формуле (1.1) n = 5. Следовательно, предприятия делятся на 5 групп с интервалом группировки (шагом) h = 74684, вычисляемым по формуле (1.2):

(1.2)

где x_max и x_min - максимальное и минимальное значения признака в совокупности.

Но с учетом округления h = 100000, и предприятия разбиваются на 4 группы. Ряд распределения предприятий по величине выручки от продажи товаров, продукции, работ, услуг представлен в таблице 1.2.

Таблица 1.2. Распределение предприятий по величине выручки

Группы предприятий по выручке от продажи товаров, продукции, работ, услуг, тыс. руб.	Число предприятий	Удельный вес, % к итогу
21903 - 121903	7	36,8
121903 - 221903	6	31,6
221903 - 321903	4	21,1
321903 - 421903	2	10,5
Итого	19	100,0

Из таблицы 1.2 видно, что большинство предприятий имеет выручку не более 221903 тыс. руб.

Для наглядного представления рядов распределения используют их графическое изображение в виде гистограммы, полигона и кумуляты.

Гистограмма - столбиковая диаграмма, для построения которой на оси абсцисс откладывают отрезки, равные величине интервалов вариационного ряда.

Полигон - это вид диаграммы в которой при помощи отрезков соединяются точки середин координат сторон прямоугольника.

Кумулята - это линейное построения диаграммы по накопленным частотам, которые определяются последовательным суммированием частот. Накопление частоты показывают сколько единиц совокупности имеют значения признака не больше чем рассматриваемое значение.

Ряд распределения по величине выручки от продаж представлен графически на рис. 1.1, рис. 1.2 и рис. 1.3.

Гистограмма распределения предприятий по величине выручки

Рис. 1.1

Гистограмма является изображением интервального ряда распределения. Для изображения дискретного ряда строится полигон.

Полигон распределения предприятий по величине выручки

Рис. 1.2

По рис. 1.1 и рис. 1.2 видно, что распределение имеет ветвь, уходящую вправо. Нет ярко выраженной вершины.

Кумулята строится также для дискретного ряда. Она показывает, сколько единиц совокупности имеют значения признака не больше чем рассматриваемое значение. Кумулята распределения предприятий по величине выручки

Рис. 1.3

Затем строятся группировки предприятий по остальным признакам, с использованием формул (1.1) и (1.2), и изображаются графически.

Предприятия распределяются по величине себестоимости проданных товаров, продукции, работ, услуг на пять групп. Интервал группировки:

h = (360237 - 8109) / 5 = 70426 ? 100000.

Учитывая, что h округлили, предприятия следует разбить на 4 группы (табл. 1.3).

Таблица 1.3. Распределение предприятий по величине себестоимости проданных товаров, продукции, работ, услуг

Группы предприятий по себестоимости проданных товаров, продукции, работ, услуг, тыс. руб.	Число предприятий	Удельный вес, % к итогу
8109 - 108109	10	52,6
108109 - 208109	4	21,1
208109 - 308109	4	21,1
308109 - 408109	1	5,2
Итого	19	100,0

Себестоимости проданных товаров, продукции, работ, услуг у большинства предприятий не превышает 108109 тыс. руб. Предприятие с себестоимостью в пределах от 308109 до 408109 тыс. руб. выбивается из общего ряда, и является аномальным для этого распределения.

Гистограмма распределения предприятий по себестоимости проданных товаров, продукции, работ, услуг.



Рис. 1.4

Полигон распределения предприятий по себестоимости проданных товаров, продукции, работ, услуг.

Рис. 1.5

Графическое изображение ряда себестоимости (рис. 1.4, рис. 1.5.) показывает, что ряд имеет плоскую вершину и ветвь, уходящую вправо, как и ряд распределения выручки.

Кумулята распределения предприятий по себестоимости проданных товаров, продукции, работ, услуг.

Рис. 1.6

Предприятия распределяются по величине коммерческих и управленческих расходов на пять групп (табл. 1.4). Интервал группировки:

h = (81486 - 11042) / 5 = 14089 ? 15000.

Таблица 1.4. Распределение предприятий по величине коммерческих и управленческих расходов

Группы предприятий по величине коммерческих и управленческих расходов, тыс. руб.	Число предприятий	Удельный вес, % к итогу
11042 - 26042	6	31,6
26042 - 41042	4	21,1
41042 - 56042	3	15,8
56042 - 71042	4	21,1
71042 - 86042	2	10,5
Итого	19	100,0

Самая большая группа предприятий имеет меньшие расходы, в отличие от других групп.

В графическом изображении это выглядит следующим образом.

Гистограмма распределения предприятий по величине коммерческих и управленческих расходов.

Рис. 1.7

Полигон распределения предприятий по величине коммерческих и управленческих расходов.

Рис. 1.8

По графикам видно, что распределение предприятий по расходам имеет схожие характеристики с распределением предприятий по себестоимости, отличается только количеством групп.

Кумулята распределения предприятий по величине коммерческих и управленческих расходов.

Рис. 1.9

После сбора, группировки и поверхностного анализа данных следует провести более углубленный анализ.

1.2 Оценка однородности совокупности

Для оценки однородности совокупности используют различные методы, такие как: группировка, расчет показателей вариации (дисперсия, коэффициент вариации), анализ аномальных наблюдений на основе - и q-статистик.

На основе группировки и ее графического изображения (рис. 1.1 - рис. 1.9) можно предположить, что ряды распределения по трем признакам не являются однородными. Но вместе с тем, следует иметь виду, что при незначительном объеме выборки (n < 50) слишком углубленный анализ гистограммы может привести к неверным выводам, поскольку слабо выраженные «горбики и ямы» частот могут быть обусловлены не основными факторами, определяющими распределение единиц по группам, а просто случайными отклонениями вариантов от .

После анализа аномальных наблюдений на основе - статистики, выявляется аномальность значений, соответствующих 13 предприятию, а также аномальность показателей выручки и расходов 9 предприятия.

В данной работе последующий анализ будет проводится с учетом аномальности, вызванной объективно существующими причинами.

Причины появления в совокупности аномальных наблюдений могут быть:

1) внешние, возникающие в результате технических ошибок;

2) внутренние, объективно существующие.

Для дальнейшего анализа формы распределения используют показатели вариации. Показатели вариации делятся на абсолютные и относительные. К абсолютным относятся размах колебаний, среднее линейное отклонение, дисперсия, среднее квадратическое отклонение и квартильное отклонение. Коэффициент осцилляции, относительное линейное отклонение, коэффициент вариации и относительный показатель квартильной вариации - относительные показатели.

В данной курсовой работе для характеристики однородности совокупности рассчитывались такие показатели, как дисперсия, среднее квадратическое отклонение и коэффициент вариации.

Дисперсия - это средний квадрат отклонений индивидуальных значений признака от средней величины. Дисперсия не только является основной мерой колеблемости признака, но также используется для построения показателей тесноты корреляционной связи, при оценке результатов выборочных наблюдений и т.д.

Для сгруппированных данных она вычисляется по формуле (1.3):

, (1.3)

где x_i - i-й вариант осредняемого признака;

- выборочная средняя величина или средняя агрегатная;

n_i - частота, то есть число, показывающее сколько раз встречаются варианты из данного интервала, или вес i-го варианта;

n - число объектов совокупности.

Для оценки влияния различных факторов, обуславливающих вариацию признака, рассчитывается дисперсия по каждому из показателей. Для этого строятся расчетные таблицы:

Таблица 1.5. Расчетная таблица для вычисления дисперсии по величине выручки от продажи товаров, продукции, работ, услуг

Группы предприятий по выручке от продажи, тыс. руб.	Число предприятий ni	Середина интервала xi	xini	xi -	(xi - )2ni
21903 - 121903	7	71903	503321	-105263	29462326870
121903 - 221903	6	171903	1031418	-5263,2	126204986,1
221903 - 321903	4	271903	1087612	94736,8	9600277008
321903 - 421903	2	371903	743806	194736,8	26844875346
Итого	19		3366157		66033684211

Средняя выборочная вычисляется по формуле (1.4):

= . (1.4)

Отсюда = 177166,1.

По таблице 1.5 видно, что значения признака отклоняются от средней выборочной в основном в отрицательную сторону.

С помощью формулы (1.3) находится дисперсия, у² = 3422825485.

Таблица 1.6. Расчетная таблица для вычисления дисперсии по величине себестоимости проданных товаров, продукции, работ, услуг

Группы предприятий по себестоимости проданных товаров, продукции, работ, услуг, тыс. руб.	Число пред-приятий ni	Середина интервала xi	xini	xi -	(xi - )2ni
8109 - 108109	10	58109	581090	-78947,4	16526869806
108109 - 208109	4	158109	632436	21052,6	1472853186
208109 - 308109	4	258109	1032436	121052,6	12354958449
308109 - 408109	1	358109	358109	221052,6	9471265928
Итого	19		2604071		39825947368

= 137056,4

у² = 2096102493

Значения себестоимости в основном не превышают среднюю выборочную.

Таблица 1.7. Расчетная таблица для вычисления дисперсии по величине коммерческих и управленческих расходов

Группы предприятий по величине коммерческих и управленческих расходов, тыс. руб.	Число пред-приятий ni	Середина интервала xi	xini	xi -	(xi - )2ni
11042 - 26042	6	18542	111252	-22894,7	13437138350
26042 - 41042	4	33542	134168	-7894,7	134307479,2
41042 - 56042	4	48542	194168	7105,26	81939058,2
56042 - 71042	3	63542	190626	22105,26	865927977,8
71042 - 86042	2	78542	157084	37105,26	1053601108
Итого	19		787298		3479489474

= 41436,7

у² = 183131024,9

По таблице видно, что значения признака отклоняются от средней выборочной также в основном в отрицательную сторону.

Наиболее часто применяемый показатель относительной колеблемости - коэффициент вариации (формула (1.5)):

. (1.5)

Для того чтобы рассчитать коэффициент вариации для группы предприятий по величине выручки от продажи товаров, продукции, работ, услуг нужно рассчитать среднеквадратическое отклонение у по формуле (1.6):

. (1.6)

Среднее квадратическое отклонение у = 58504,92, то есть величина выручки в среднем отклоняется на 58504,92 тыс. руб.

Исходя из этого, коэффициент вариации равен:

V_в = (58504, 92 / 177166,1) * 100% = 33%

Величина V_в оценивает интенсивность колебаний вариантов относительно их средней величины. Принята следующая оценочная шкала колеблемости признака:

- 0% < V_в ?40% - колеблемость незначительная;

- 40% < V_в ? 60% - колеблемость средняя (умеренная);

- V_в > 60% - колеблемость значительная.

Для нормальных и близких к нормальному распределений показатель V_в служит индикатором однородности совокупности: принято считать, что при выполнимости неравенства

V_в ? 33%,

совокупность является количественно однородной по данному признаку. Так как коэффициент вариации не превышает 33%, то можно считать совокупность предприятий по выручке достаточно однородной.

Коэффициент вариации для остальных признаков равен:

1) Для группы предприятий по себестоимости проданных товаров, продукции, работ, услуг V_в = 33,4%. Колеблемость незначительная.

2) Для группы предприятий по величине коммерческих и управленческих расходов V_в = 32,7%. Колеблемость незначительная. Совокупность можно считать однородной.

Так как коэффициент вариации группировки предприятий по себестоимости незначительно превышает 33%, то можно сказать, что совокупность достаточно однородна, а превышение можно объяснить небольшим объемом выборки, аномальностью некоторых значений и влиянием внешних и внутренних факторов.

1.3 Оценка характера распределения совокупности исходных данных

Выявление общего характера распределения предполагает оценку не только степени его однородности, но и его симметричности, остро- или плосковершинности.

Простейшей мерой ассиметричности распределения является отклонение между характеристиками центра распределения. Поскольку в симметричном распределении = Me = Mo, то чем заметнее ассиметрия, тем больше отклонение ( - Mo). В связи с этим простейший показатель ассиметрии, коэффициент К. Пирсона, рассчитывается так, формула (1.7):

, (1.7)

где - средняя арифметическая ряда распределения;

Mo - мода (наиболее часто встречающееся значение признака у единиц данной совокупности).

При правосторонней асимметрии As_n > 0, при левосторонней As_n <0. Если As_n = 0, вариационный ряд симметричен.

Показатель ассиметрии также можно рассчитать с помощью центрального момента третьего порядка (формула (1.8)):

, (1.8)

где м₃ - центральный момент третьего порядка.

Центральный момент рассчитывается по формуле (1.9):

. (1.9)

Центральный момент первого порядка всегда равен нулю. Центральный момент второго порядка представляет собой дисперсию. Центральный момент третьего порядка равен нулю в симметричном распределении. Центральный момент четвертого порядка применяется при вычислении показателя эксцесса.

Если рассчитать показатель ассиметрии ряда распределения выручки через центральный момент третьего порядка, то получится такой результат:

As = (10005540,2*10³) / (19*995847754,2) = 0,53;

As = 0,53 > 0, это значит, что в ряду распределения преобладают варианты, которые больше, чем средняя, то есть ряд положительно ассиметричен.

Для оценки существенности показателя ассиметрии находится средняя квадратическая ошибка, которая зависит от объема наблюдений, по формуле (1.10):

у_As = = 0,495. (1.10)

Так как отношение = 1,2 < 3, ассиметрия несущественна, ее наличие может быть объяснено влиянием различных случайных обстоятельств.

Для оценки крутизны распределения вычисляется показатель эксцесса по формуле (1.11):

, (1.11)

Показатель эксцесса ряда распределения выручки равен:

Ek = (4057850999*10³) / (19*99446750716) = 2,248 - 3 = -0,85.

При симметричном распределении Ek = 0. Если Ek > 0, распределение является островершинным; если Ek < 0 - плосковершинным.

В частности, большая отрицательная величина Ek означает преобладание у признака крайних значений, причем одновременно и более низких, и более высоких. При этом в центральной части распределения может образоваться «впадина», превращающая распределение в двухвершинное (U-образной формы), что является индикатором неоднородности совокупности.

Исходя из этого, можно говорить о плосковершинности ряда распределения выручки.

Оценка существенности показателя эксцесса равна 0,85, это значит, что эксцесс несущественен.

Для ряда распределения предприятий по себестоимости проданных товаров, продукции, работ:

As = (13013850,4*10³) / (19*858154723,4) = 0,8.

Для ряда распределения предприятий по величине коммерческих и управленческих расходов:

As = (62040,2*10³) / (19*8343127,4) = 0,39.

Что означает, что ряды распределения этих признаков имеют правостороннюю скошенность.

Эксцесс для групп предприятий по себестоимости:

Ek = (3635894445*10³) / (19*81549404931) - 3 = -0,65.

Эксцесс для групп предприятий по расходам:

Ek = (6181726,6*10³) / (19*169214861,8) - 3 = -1,08.

Так как эксцессы этих рядов распределений меньше нуля, то ряды распределения являются плосковершинными (рис 1.5, рис. 1.8).

Исходя из показателей ассиметрии и эксцесса, можно предположить, что распределение значений признаков не является нормальным.

Априорный анализ исходных данных показал, что совокупности предприятий по признакам являются достаточно однородными, но отклоняются от нормального распределения. Это может быть объяснено различными внешними факторами, как расположение предприятий, клиентура, конкуренты, экономическое и политическое устройство и др.

2. Моделирование связи социально-экономических явлений

После априорного анализа исходных статистических данных следует моделирование связи социально-экономических явлений.

Моделирование предполагает:

· отбор факторных признаков

· построение модели связи и оценка ее существенности

· интерпретацию модели связи (уравнения регрессии)

2.1 Отбор факторных признаков

Признаки, обуславливающие изменение других, связанных с ними признаков, называют факторными, или просто факторами. Признаки, изменяющиеся под воздействием факторных признаков, называют результативными.

Для выявления наличия связи между признаками, ее характера и направления в статистике используются методы приведения параллельных данных, аналитических группировок, графический, корреляционный и регрессионный.

Метод приведения параллельных данных основан на сопоставлении двух или нескольких рядов статистических величин.

Таблица 2.1. Показатели доходов и расходов по обычным видам деятельности предприятий, ранжированные по величине себестоимости, тыс. руб.

Номер предприятия	Себестоимость проданных товаров, продукции, работ, услуг	Выручка от продажи товаров, продукции, работ, услуг	Коммерческие и управленческие расходы
1	2	3	4
1	8109	21903	13697
13	14860	33702	19372
5	24126	35475	11042
2	46692	76581	28889
6	50729	78417	26413
9	66579	82279	20556
3	71378	116565	43834
4	83304	139317	54508
14	90233	139722	42770

Отсюда видно, что с увеличением себестоимости увеличивается и выручка от продаж, хотя в отдельных случаях такая зависимость не наблюдается. Это говорит о возможном наличии прямой корреляционной связи. Связь между величиной коммерческих и управленческих расходов и другими признаками не наблюдается.

Статистическую связь между двумя признаками можно изобразить графически. За x обозначается факторный признак, в данном случае себестоимость. За у обозначается результативный признак - выручка.

Зависимость величины выручки от себестоимости

Рис. 2.1

Линия, соединенная точками, называется «ломаная регрессии». Число точек ломаной регрессии соответствует числу предприятий.

Точнее определить наличие и тесноту связи можно с помощью различных показателей. Зная показатели, можно выявить те факторы, которые в данных конкретных условиях являются решающими и главным образом воздействуют на формирование величины результативного признака.

К показателям тесноты связи относится линейный коэффициент корреляции.

В статистической теории разработаны и на практике применяются различные модификации формул расчета данного коэффициента:

, (2.1)

где x - факторный признак;

y - результативный признак.

Выполнив несложные преобразования можно получить следующую формулу (2.2):

. (2.2)

При пользовании этой формулой отпадает необходимость вычислять отклонения индивидуальных значений признаков от средней величины, что исключает ошибку в расчетах при округлении средних величин.

Линейный коэффициент корреляции может принимать любые значения в пределах от -1 до +1. Чем ближе коэффициент корреляции по абсолютной величине к 1, тем теснее связь между признаками. Знак при линейном коэффициенте корреляции указывает на направление связи - прямой зависимости соответствует знак плюс, обратной - знак минус.

На основе данных таблицы 1.1 (2.1), с помощью формулы (2.2), было определено два коэффициента корреляции.

Во-первых, коэффициент корреляции, показывающий степень тесноты связи между себестоимостью и выручкой от продаж.

Пусть x₁ - величина себестоимости проданных товаров, продукции, работ, услуг. Тогда, y - величина выручки от продажи товаров, продукции, работ, услуг.

Отсюда r = 0,98, связь является прямой и очень сильной. Что значит, с увеличением себестоимости увеличивается и выручка.

Во-вторых, рассчитан коэффициент корреляции, показывающий степень тесноты связи между расходами и выручкой от продаж. В данной ситуации x₂ - величина коммерческих и управленческих расходов, а y - величина выручки от продажи товаров, продукции, работ, услуг.

Коэффициент корреляции равен 0,66, что говорит о прямой связи между признаками.

Тесноту связи между факторными признаками можно также рассчитать по формуле (2.1), заменяя результативный признак на факторный:

. (2.3)

= 0,51.

Полученная величина свидетельствует о наличии прямой зависимости между значениями себестоимости и расходов.

Для наглядности была построена матрица парных коэффициентов корреляции:

y - величина выручки от продажи товаров, продукции, работ, услуг;

x₁ - величина себестоимости проданных товаров, продукции, работ, услуг;

x₂ - величина коммерческих и управленческих расходов.

Таблица 2.2. Матрица парных коэффициентов корреляции

	y	x1	x2
y	1,00	0,98	0,66
x1	0,98	1,00	0,51
x2	0,66	0,51	1,00

Матрица парных коэффициентов корреляции показывает, что результативный показатель наиболее тесно связан с показателем x₁.

Так как существует линейная связь между результативным и двумя факторными признаками, а также между парой факторных признаков, то имеет смысл рассчитать множественный коэффициент корреляции.

В данной работе множественный коэффициент корреляции был вычислен по формуле (2.4):

. (2.4)

= 0,99.

Связь между показателями сильная, факторы x₁ и x₂ практически полностью обуславливают величину y.

При построении модели связи, или регрессии, может возникнуть проблема мультиколлинеарности (наличие сильной корреляции между независимыми переменными, входящими в уравнение регрессии). Мультиколлинеарность существенно искажает результаты исследования.

Наиболее распространенный метод выявления коллинеарности основан на анализе парных коэффициентов корреляции. Он состоит в том, что две или несколько переменных признаются коллинеарными (мультиколлинеарными), если парные коэффициенты корреляции больше определенной величины. На практике наиболее часто считают, что два аргумента коллинеарны, если парный коэффициент корреляции между ними по абсолютной величине больше 0,8.

В данном примере парный коэффициент корреляции не превышает величины 0,8 (= 0,51), что говорит об отсутствии явления мультиколлинеарности.

2.2 Построение модели связи и оценка ее существенности

Как было выяснено в предыдущем пункте, зависимость результативного признака от факторных является прямолинейной. Факторные признаки не являются мультиколлинеарными и практически полностью обуславливают результативный признак, следовательно, все признаки необходимо включить в модель. Поэтому связь будет описываться такой моделью связи (2.5):

, (2.5)

где и - коэффициенты регрессии.

Система нормальных уравнений:

Подставив данные из таблицы 2.1 в эту систему, получается:



Отсюда: a₀ = -2132,16; a₁ = 1,005433; a₂ = 1,080124;

Расчеты показали, что с увеличением себестоимости проданных товаров, продукции, работ, услуг на 1 тыс. руб. и коммерческих, управленческих расходов на 1 тыс. руб. величина выручки от продажи возрастает соответственно в среднем на 1,0054 и 1,0801 тыс. руб.

Далее необходимо проверить адекватность модели, построенной на основе уравнений регрессии.

Во-первых, нужно проверить значимость каждого коэффициента регрессии. Значимость коэффициента регрессии осуществляется с помощью t-критерия Стьюдента (2.7):

, (2.7)

где -дисперсия коэффициента регрессии.

Параметр модели признается статистически значимым, если

t_p > t_kp(б; н=n-k-1),

где б - уровень значимости;

н - число степеней свободы.

Величина может быть определена по формуле (2.8):

, (2.8)

где R - множественный коэффициент корреляции по y;

R_i - множественный коэффициент корреляции по фактору x_i с остальными факторами.

В данной работе R_i = , так как рассматриваются всего два факторных признака.

По формуле (2.8):

;

.

Теперь по формуле (2.7) определяются значения t-критерия.

;

.

Оба рассчитанных критерия превышают табличное значение, t_kp= 2,12 (0,05; н=16). Параметры модели являются статистически значимыми.

Во-вторых, проверяется адекватность уравнения регрессии с помощью расчета F-критерия Фишера (2.9):

. (2.9)

Гипотеза о незначимости коэффициента множественной корреляции (= 0) отвергается, если .

;

.

Гипотеза отклоняется, так как . С вероятностью можно сделать заключение о статистической значимости уравнения в целом и показателя тесноты связи .

ЗАКЛЮЧЕНИЕ

Комплексный анализ статистической информации и выявление причинно-следственных связей имеет большое значения для оценки деятельности предприятий, отраслей или экономики городов и стран. Такой анализ помогает выявить наиболее существенные факторы, которые оказывают влияние на деятельность, на основе их построить наиболее эффективную стратегию развития.

В данной курсовой работе был проведен анализ статистических данных по нескольким предприятиям автомобильного транспорта Тюменской области.

Был проведен первоначальный анализ по трем признакам: выручке от продажи товаров, продукции, работ, услуг, себестоимости и коммерческим, управленческим расходам. Были построены группировки по каждому из признаков. Были оценены однородность и характеристики распределений совокупностей. Результаты привели к выводам о том, что совокупности по признакам являются достаточно однородными, а отклонения признаков (островершинность, скошенность вправо) могут быть объяснены малым объемом выборки, возможными ошибками, допущенными в исследовании и различными внутренними и внешними обстоятельствами (структура предприятий, персонал, цели и задачи предприятий, уровень технологий, законодательство, потребители, конкуренты, и др.). Анализ связи между признаками привел к выводам, что связь существенная. Что можно было предположить на основе логики экономического анализа. Построенная модель связи является значимой, то есть довольно хорошо отражает зависимость признаков.

Общий анализ показал, что основную массу составляют мелкие и средние предприятия. Доходы и расходы от основных видов деятельности являются показателями успешности фирм. Выручка предприятий напрямую зависит от себестоимости и расходов. Чем больше себестоимость продукции и расходы, тем выручка значительнее. То есть при увеличении себестоимости и расходов на управление и коммерческих, поток клиентов, или цена продукции будет увеличиваться, что приведет к росту выручки. И если показатель себестоимости увеличится в большей степени, чем показатель коммерческих и управленческих расходов, то величина выручки вырастет значительнее, так как себестоимость имеет большее влияние на выручку. При этом и себестоимость, и расходы практически полностью обуславливают величину выручки.

Таким образом, по результатам данного исследования были выявлены наиболее значительные признаки, влияющие на прибыльность предприятий.

Список источников

Бакланов Г.И., Адамов В.Е., Устинов В.Е. Статистика промышленности. 4-е изд. перераб. и доп. - М.: Статистика, 1982.

Бакланов В.И. Как статистика изучает эффективность и качество продукции в промышленности. - М.: Статистика, 1978. - 119 с.

Герасимович А.И. Математическая статистика: Учеб. пособие. - 2-е изд., перераб. и доп. - Мн.: Выш. шк., 1983. - 279 с.

Еремина Н.М., Маршалова В.П. Статистика труда: Учебник. - 4-е изд., перераб. и доп. - М.: Финансы и статистика, 1988. - 248 с.

Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики: Учебник. - М.: ИНФРА - М, 1998. - 416 с.

Кремер Н.Ш., Теория вероятностей и математическая статистика: Учебник для вузов. - 2-е изд., перераб. и доп. - М.: ЮНИТИ-ДАНА, 2006. - 573 с.

Основы экономической деятельности предприятия: Учебное пособие/ Под ред. Л.Н. Рудневой. - Тюмень: ТюмГНГУ, 1999. - 120 с.

Практикум по общей теории статистики: Учеб. пособие / Н.Н. Ряузов, Н.С. Партешко, А.И. Харламов и др.: Под ред. Н.Н. Ряузова. - 2-е изд., перераб. и доп. - М.: Финансы и статистика, 1981. - 278 с.

Практикум по теории статистики: Учеб. пособие / Р.А. Шмойлова, В.Г. Минашкин, Н.А. Садовникова.: под ред. Р.А. Шмойловой. - 3-е изд. - М.: Финансы и статистика, 2008. - 416 с.

Статистика: Учеб. пособие / Л.П. Харченко, В.Г. Долженкова, В.Г. Ионин и др.: под ред. канд. экон. Наук В.Г. Ионин. - 2-е изд., перераб. и доп. - М.: ИНФРА - М, 2006. - 334 с.

кумулята себестоимость мультиколлинеарность расход

Размещено на Allbest.ru

...