Статистический анализ социального развития региона (на примере Республики Бурятия)
Методика проведения корреляционного, регрессионного анализа. Методы прогнозирования в рядах динамики. Применение системы статистических показателей, характеризующих основные явления и пропорции, существующие в региональной социально-экономической системе.
Рубрика | Экономика и экономическая теория |
Вид | курсовая работа |
Язык | русский |
Дата добавления | 15.06.2018 |
Размер файла | 327,7 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Размещено на http://www.allbest.ru/
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОРАЗОВАНИЯ БУРЯТСКАЯ СЕЛЬСКОХОЗЯЙСТВАЕННАЯ АКАДЕМИЯ ИМ. В.Р. ФИЛИППОВА
КАФЕДРА СТАТИСТИКИ И ЭКОНОМИЧЕСКОГО АНАЛИЗА
КУРСОВАЯ РАБОТА
ПО СТАТИСТИКЕ
«СТАТИСТИЧЕСКИЙ АНАЛИЗ СОЦИАЛЬНОГО РАЗВИТИЯ РЕГИОНА (НА ПРИМЕРЕ РЕСПУБЛИКИ БУРЯТИЯ)»
Доржиев Мэргэн Эрдэмович
УЛАН-УДЭ - 2017 Г.
Содержание
Введение
Раздел 1. Теоретические основы социального развития
1.1 Понятие и сущность социального развития региона
1.2 Показатели, характеризующие социального развитие региона
1.3 Факторы оказывающие влияние на показатели социального развития региона
Раздел 2. Методика проведения статистического анализа
2.1 Методика корреляционного анализа
2.2 Методика регрессионного анализа
2.3 Методы прогнозирования в рядах динамики
Раздел 3. Статистический анализ социального развития Республики Бурятия
3.1 Современное состояние социального развития Республики Бурятия
3.2 Корреляционный-регрессионный анализ показателей социального развития Республики Бурятия
3.3 Прогнозирования показателей социального развития Республики Бурятия
Заключение
Список использованных источников
Введение
Проблемы устойчивого и согласованного социально-экономического развития страны в целом и отдельных регионов являются как никогда актуальными на современном этапе становления России как равноправного и стабильного члена мирового сообщества. Развитие Российской Федерации в условиях перехода к рыночным отношениям породило много серьезных проблем. Отсутствие эффективных форм и методов проведения региональной политики привело к резкой дифференциации регионов РФ по уровню экономического и социального развития.
Цель курсовой работы - проанализировать социально-экономического развитие региона и рассчитать прогнозные значения его показателей. Для достижения этой цели необходимо решить следующие задачи:
В соответствии с целью поставлены следующие задачи:
· изучить сущность социального развития региона, систему показателей;
· рассмотреть методику статистического анализа социального развития региона;
· проанализировать показатели, характеризующие социальное развитие Республики Бурятия;
· изучить методы прогнозирования в рядах динамики;
· осуществить прогнозирования показателей социального развития Республики Бурятия.
Объектом исследования является республика Бурятия. Предмет исследования - социальное развитие республики Бурятия.
Практическая значимость курсовой работы состоит в том, что можно на основе этих данных оценить уровень социального развития Республики Бурятия. Во введении дается общая характеристика выполненной работы. В первой главе рассматривается теоретические основы анализа и уровня социального развития региона. Здесь даются основные определения по данной курсовой работе. Во второй главе, общая характеристика социально-экономического развития Республики Бурятия, дается анализ, рассмотрены механизмы и показатели уровня социально-экономического развития. В заключении сформулированы основные выводы по результатам выполненного исследования.
Раздел 1. Теоретические основы социального развития
1.1 Понятие и сущность социального развития региона
Устойчивое социальное развитие региона, решение социальных проблем населения является условием сохранения региона. Особое значение в управлении местными территориями придается развитию социальной сферы, которая является базой формирования условий для воспроизводства населения, на основе удовлетворения потребностей жителей.
Экономическое развитие страны всегда оказывает влияние на социальную составляющую, так как любые экономические процессы в той или иной степени имеют социальную окраску. [1] Социальная ориентация означает подчинение производства потребителю, удовлетворение массовых потребностей населения. В большинстве развитых стран потребности населения в начале и середине XX в. поставили перед бизнесом две проблемы. Первая состояла в необходимости насыщения очередного возросшего объема материальных потребностей и вызвала стремительное наполнение рынка новыми товарами и рост цен, сокращавший спрос. Вторая проблема была обусловлена появлением новых потребностей в развитии образования, здравоохранения, культуры, охраны природы и социальной защиты населения. Решение второй проблемы вызвало к жизни более узкую область экономики, непосредственно связанную с социальными явлениями и называемую социальной сферой. К ней принято относить экономические объекты и процессы, виды экономической деятельности, непосредственно связанные с потреблением материальных и духовных благ, услуг, удовлетворением конечных запросов человека, семьи, коллектива и общества в целом. Социальная сфера непосредственно связана и касается образа, уровня и качества жизни людей. Общая характеристика социальной сферы свидетельствует, что социальная экономика охватывает широкий круг экономических объектов и процессов. Прежде всего, она изучает, анализирует природу и структуру потребностей, потребительские запросы и рациональные потребности различных экономических субъектов. [1]
Решение проблем стабильного развития экономики и повышения благосостояния населения в России во многом определяется развитием регионов. В нашей стране на протяжении многих десятилетий основным путем развития являлся узкоотраслевой аграрный подход, в том числе на территориях с ограниченными аграрными потенциалами. Это привело к однобокому аграрному развитию территорий регионов, зачастую нерациональному размещению на них производительных сил, неразвитости социально-бытовой инфраструктуры и другим серьезным проблемам. [2]
Регион - это сложное и комплексное явление, представляющее собой целостную, пространственно-организованную форму жизнедеятельности как системы, которой присущи относительная обособленность, целостность, комплексность, структурированность, подчиненность единой цели, связи с внешней средой.
Такая форма имеет свое содержание, которое включает:
1. взаимодействие субъектов в процессе воспроизводства условий жизнедеятельности;
2. материально-вещественные факторы, выступающие основой воспроизводства;
3. количественные и качественные показатели, характеризующие результат - уровень социально-экономического развития.
К социальной сфере относят, прежде всего, сферу услуг (образование, культуру, здравоохранение, социальное обеспечение, физическую культуру, общественное питание, коммунальное обслуживание, пассажирский транспорт, связь).
Основная цель развития регионов - стабилизация социально-экономического развития, снижение бедности, повышение уровня и улучшение условий жизни населения.[3]
1.2 Показатели, характеризующие социальное развитие региона
На социальное развитие регионов влияет довольно большое число факторов (экономических, социальных, политических и других), что создаёт трудности для нахождения комплексного показателя оценки достигнутого уровня развития РСЭС.
Существуют различные подходы к определению критериев социального развития регионов, к измерению степени их значимости (оказываемого воздействия на социально-экономическое развитие) и динамики показателей, характеризующих макроэкономическую ситуацию в регионе. Для этого, обычно, предлагается построение экспертных рейтинговых оценок, интегральных характеристик социального развития РСЭС, которые описывают уровень развития по различным направлениям - экономический потенциал, экономическая безопасность, инвестиционно-инновационная привлекательность, конкурентные позиции региона и т.д.[1]
Методика подобных исследований, как правило, основывается на анализе таких категорий, как экономико-географическое положение региона, ресурсно-производственный и трудовой потенциал, бюджетно-финансовые отношения в регионе, внешнеэкономические связи, инвестиционная деятельность и других. Основным недостатком большинства используемых методик оценки социального развития РСЭС является логическое отсутствие базы для оценки - единой, важнейшей характеристики или обоснованного набора характеристик региональной социальной системы, на основании динамики которых происходило бы обоснование используемых в модели макроэкономических показателей, определение их весовых коэффициентов и т.п.Зачастую в существующих методиках оценки отбор макроэкономических показателей для характеристики социального развития региона происходит на основании анализа зависимостей между ними, использования всевозможных критериев оптимальности и т.п., но единого обоснованного всеохватывающего критерия (показателя), на основе которого строится модель оценки и который характеризует общий уровень развитости региональной социально-экономической системы, фактически нет.[4]
Альтернативой служат методики, в которых отбор показателей для включения в модель оценки происходит экспертным путём, следует отметить, что в этом случае объективность подобных методик зависит исключительно от компетентности составителей. Также возможен третий путь - построение методик оценки региональных социалистических систем, исходя из приоритетных целей и задач социального развития, что также во многом субъективный подход.
Мы предлагаем построение методики оценки региональных социально-экономических систем на базе двух критериев - валового регионального продукта (ВРП) как конечной характеристики региональной экономической подсистемы и ожидаемой продолжительности жизни при рождении (ОПЖ) как конечной характеристики социальной подсистемы. Любой макроэкономический показатель, который характеризует развитие экономической составляющей РСЭС, в конечном счете, неизбежно сказывается на динамике ВРП.
Считается, что и любой социальный процесс (или явление), в конечном счете, сказывается на продолжительности жизни. Например, у людей, занимающихся спортом, продолжительность жизни гораздо выше, чем у тех, кто спортом не занимается. Более того широко известен тот факт, что активная умственная деятельность (например, активные научные исследования) также увеличивают продолжительность жизни, также считается что способствует продлению жизни активное занятие культурой и религией.
1.3 Факторы оказывающие влияние на показатели социального развития региона
Социальное развитие регионов в настоящее время испытывает возрастающее влияние трех главных факторов.
1. Рыночного - взаимопроникновение региональных, национальных и мирового рынков. Для России и ее регионов наиболее значимыми являются либерализация внешней торговли и снятие протекционистских ограничений в ближайшем будущем в результате вступления в силу соглашения с ЕС и возможного принятия в ВТО.
2. Конкурентного - усиление конкуренции на всех перечисленных рынках, особенно неценовой конкуренции - конкуренции в области качества жизни и инноваций.
3. Производственного - постепенный переход от фордизма к пост фордизму как способу организации производства, что подразумевает: замену массового производства мелкосерийным; заменой вертикальной организации труда - горизонтальной; низкой индивидуальной ответственности - соучастием индивида в производственном процессе.
Эти факторы ведут от территориальной дифференциации и разделения труда к его территориальной интеграции, от гомогенных региональных рынков - к диверсифицированным, а в целом - от национальной региональной политики к собственно региональной на уровне отдельных субъектов Федерации. [8]
Для качественной характеристики и оценки динамики изменения внутренней среды достаточно проанализировать следующие группы факторов, характеризующих:
· производственно-ресурсный потенциал региона;
· структуру регионального рынка;
· кадровый потенциал региона;
· региональный бюджет;
· стратегию развития региона.
Внешняя среда региона прямого воздействия включает взаимосвязи с партнерами:
· внешними поставщиками товаров и услуг;
· внешними потребителями;
· регионами-конкурентами;
· финансовыми организациями;
· транспортными предприятиями.
Среда косвенного воздействия на регион может включать следующие группы факторов влияния:
· общеэкономические;
· общеполитические;
· научно-технические;
· природно-экологические;
· демографические.
Перспективы регионов России в первую очередь обусловлены базовыми факторами, которые формируют преимущества или барьеры пространственного развития. В "новой экономической географии" (П. Кругман и др.) выделены две группы таких факторов. [2]
1. Факторы "первой природы":
· обеспеченность природными ресурсами, которые востребованы рынком (минеральными, земельными и др.);
· выгодное географическое положение (в том числе приграничное положение на путях глобальной торговли), снижающее транспортные издержки и облегчающее трансляцию инноваций.
2. Факторы "второй природы":
· агломерационный эффект и высокая плотность населения, дающие экономию на масштабе;
· развитая инфраструктура, сокращающая экономическое расстояние; этот фактор для России особенно важен из-за протяженности ее территории;
· человеческий капитал (образование, здоровье, трудовые мотивации, мобильность и адаптивность населения);
· институты, способствующие улучшению предпринимательского климата, росту мобильности населения, распространения инноваций и др.
Все эти факторы воздействуют на развитие регионов и городов России, хотя в разных сочетаниях и в разной степени. Особенностью регионального развития в нашей стране является повышенная роль факторов "первой природы", прежде всего - обеспеченности минеральными ресурсами, наиболее востребованными глобальным рынком (нефть, газ, металлы). Факторы "второй природы", как и фактор географического положения, в большинстве случаев работают как барьеры развития. Россия отличается:
· малочисленностью городов, особенно крупных с населением более 200 тыс. чел. (90 из 1090 российских городов), поэтому агломерационный эффект проявляется слабо, за исключением крупнейшей агломерации федеральной столицы;
· неразвитой инфраструктурой и удаленностью от транспортных путей большей части территории страны;
· масштабы экономической периферии огромны даже в более плотно заселенной Европейской части (более 40% территории по данным Т. Нефедовой);
Раздел 2. Методика проведения статистического анализа
2.1 Методика корреляционного анализа
При исследовании динамики стоимости акций в научных и практических целях исследователю часто приходится проводить статистический анализ связей между факторными и результативными признаками статистический совокупности (причинно-следственная связь) или определение зависимости параллельных изменений нескольких признаков этой совокупности от какой-либо третьей величины (от общей их причины). Для этого используются методы корреляции.
1. Виды проявления количественных связей между признаками
· функциональная связь
· корреляционная связь
2. Определения функциональной и корреляционной связи
Функциональная связь - такой вид соотношения между двумя признаками, когда каждому значению одного из них соответствует строго определенное значение другого.
Корреляционная связь - такая связь, при которой каждому определенному значению одного признака соответствует несколько значений другого взаимосвязанного с ним признака.
Практическое значение установления корреляционной связи. Выявление причинно-следственной между факторными и результативными признаками. Зависимость параллельных изменений нескольких признаков от какой-то третьей величины.
Величина, характеризующая направление и силу связи между признаками. Коэффициент корреляции, который одним числом дает представление о направлении и силе связи между признаками (явлениями), пределы его колебаний от 0 до ± 1
3. Способы представления корреляционной связи
· график (диаграмма рассеяния)
· коэффициент корреляции
4. Направление корреляционной связи
· прямая
· обратная
5. Сила корреляционной связи
· сильная: ±0,7 до ±1
· средняя: ±0,3 до ±0,699
· слабая: 0 до ±0,299
6. Методы определения коэффициента корреляции и формулы
· метод квадратов (метод Пирсона)
· ранговый метод (метод Спирмена)
7. Методические требования к использованию коэффициента корреляции
· измерение связи возможно только в качественно однородных совокупностях (например, измерение связи между ростом и весом в совокупностях, однородных по полу и возрасту)
· расчет может производиться с использованием абсолютных или производных величин
· для вычисления коэффициента корреляции используются не сгруппированные вариационные ряды (это требование применяется только при вычислении коэффициента корреляции по методу квадратов)
· число наблюдений менее 30
8. Рекомендации по применению метода ранговой корреляции (метод Спирмена)
· когда нет необходимости в точном установлении силы связи, а достаточно ориентировочных данных
· когда признаки представлены не только количественными, но и атрибутивными значениями
· когда ряды распределения признаков имеют открытые варианты (например, стаж работы до 1 года и др.)
9. Рекомендации к применению метода квадратов (метод Пирсона)
· когда требуется точное установление силы связи между признаками
· когда признаки имеют только количественное выражение
10. Методика и порядок вычисления коэффициента корреляции
1) Метод квадратов
· построить вариационные ряды для каждого из сопоставляемых признаков, обозначив первый и второй ряд чисел соответственно х и у;
· определить для каждого вариационного ряда средние значения (М1и М2);
· найти отклонения (dx иdy) каждого числового значения от среднего значения своего вариационного ряда;
· полученные отклонения перемножить (dx Xdy)
· каждое отклонение возвести в квадрат и суммировать по каждому ряду (У dx2 и dy2)
· подставить полученные значения в формулу расчета
· каждое отклонение возвести в квадрат и суммировать по каждому ряду (У dx2 и dy2)
· подставить полученные значения в формулу расчета коэффициента корреляции
2) Ранговый метод
· составить два ряда из парных сопоставляемых признаков, обозначив первый и второй ряд соответственно х и у. При этом представить первый ряд признака в убывающем или возрастающем порядке, а числовые значения второго ряда расположить напротив тех значений первого ряда, которым они соответствуют
· величину признака в каждом из сравниваемых рядов заменить порядковым номером (рангом). Рангами, или номерами, обозначают места показателей (значения) первого и второго рядов. При этом числовым значениям второго признака ранги должны присваиваться в том же порядке, какой был принят при раздаче их величинам первого признака. При одинаковых величинах признака в ряду ранги следует определять как среднее число из суммы порядковых номеров этих величин
· определить разность рангов между х и у (d): d = х - у
· возвести полученную разность рангов в квадрат (d2)
· получить сумму квадратов разности (?d2) и подставить полученные значения
11.Схема оценки корреляционной связи по коэффициенту корреляции
Таблица 1
Сила связи |
Направление связи |
||
Прямая(+) |
Обратная(-) |
||
Сильная |
От + 1 до +0,7 |
От - 1 до - 0,7 |
|
средняя |
От + 0,699 до + 0,3 |
От - 0,699 до - 0,3 |
|
слабая |
От + 0,299 до 0 |
От - 0,299 до 0 |
12.Вычисление ошибки коэффициента корреляции:
ошибка коэффициента корреляции, вычисленного методом квадратов (Пирсона):(10)
ошибка коэффициента корреляции, вычисленного ранговым методом (Спирмена):(11)
13.Оценка достоверности коэффициента корреляции, полученного методом ранговой корреляции и методом квадратов.
Способ 1.
Достоверность определяется по формуле:
или
Критерий t оценивается по таблице значений t с учетом числа степеней свободы (n -- 2), где n -- число парных вариант. Критерий t должен быть равен или больше табличного, соответствующего вероятности р ?99%.
Способ 2.
Достоверность оценивается по специальной таблице стандартных коэффициентов корреляции. При этом достоверным считается такой коэффициент корреляции, когда при определенном числе степеней свободы (n - 2), он равен или более табличного, соответствующего степени безошибочного прогноза р ?95%. Г.В. Савицкая. Анализ хозяйственной деятельности предприятия, 2000
2.2 Методика регрессионного анализа
Существующие между явлениями формы и виды связей весьма разнообразны по своей классификации. Предметом статистики являются только такие из них, которые имеют количественный характер и изучаются с помощью количественных методов. Рассмотрим метод корреляционно-регрессионного анализа, который является основным в изучении взаимосвязей явлений.
Данный метод содержит две свои составляющие части - корреляционный анализ и регрессионный анализ. Корреляционный анализ - это количественный метод определения тесноты и направления взаимосвязи между выборочными переменными величинами. Регрессионный анализ - это количественный метод определения вида математической функции в причинно-следственной зависимости между переменными величинами.
Для оценки силы связи в теории корреляции применяется шкала английского статистика Чеддока: слабая -- от 0,1 до 0,3; умеренная -- от 0,3 до 0,5; заметная -- от 0,5 до 0,7; высокая -- от 0,7 до 0,9; весьма высокая (сильная) -- от 0,9 до 1,0.
Линейная корреляция
Данная корреляция характеризует линейную взаимосвязь в вариациях переменных. Она может быть парной (две коррелирующие переменные) или множественной (более двух переменных), прямой или обратной - положительной или отрицательной, когда переменные варьируют соответственно в одинаковых или разных направлениях.
Если переменные - количественные и равноценные в своих независимых наблюдениях при их общем количестве, то важнейшими эмпирическими мерами тесноты их линейной взаимосвязи являются коэффициент прямой корреляции знаков австрийского психолога Г.Т. Фехнера (1801-1887) и коэффициенты парной, чистой (частной) и множественной (совокупной) корреляции английского статистика-биометрика К. Пирсона (1857-1936).
Коэффициент парной корреляции знаков Фехнера определяет согласованность направлений в индивидуальных отклонениях переменныхxиy от своих средних и . Он равен отношению разности сумм, совпадающих (C) и несовпадающих (H) пар знаков в отклонениях и к сумме этих сумм.
Величина Кф изменяется от - 1 до +1. Суммирование в (1) производится по наблюдениям, которые не указаны в суммах ради упрощения. Если какое-то одно отклонениеили, то оно не входит в расчет. Если же сразу оба отклонения нулевые:, то такой случай считается совпадающим по знакам и входит в составC.
Коэффициенты парной, чистой (частной) и множественной (совокупной) линейной корреляции Пирсона, в отличие от коэффициента Фехнера, учитывают не только знаки, но и величины отклонений переменных.
Для их расчета используют разные методы. Так, согласно методу прямого счета по не сгруппированным данным, коэффициент парной корреляции Пирсона имеет вид:
Этот коэффициент также изменяется от - 1 до +1.
При наличии нескольких переменных рассчитывается коэффициент множественной (совокупной) линейной корреляции Пирсона. Для трех переменных x, y, z он имеет вид:
=
Этот коэффициент изменяется от 0 до 1. Если элиминировать (совсем исключить или зафиксировать на постоянном уровне) влияниеz наx иy, то их "общая" связь превратится в "чистую", образуя чистый (частный) коэффициент линейной корреляции Пирсона:
Этот коэффициент изменяется от - 1 до +1.
Квадраты коэффициентов корреляции (2)-(4) называются коэффициентами (индексами) детерминации - соответственно парной, чистой (частной), множественной (совокупной):
Каждый из коэффициентов детерминации изменяется от 0 до 1 и оценивает степень вариационной определенности в линейной взаимосвязи переменных, показывая долю вариации одной переменной (y), обусловленную вариацией другой (других) - x и y. Многомерный случай наличия более трех переменных здесь не рассматривается.
Согласно разработкам английского статистика Р.Э. Фишера (1890-1962), статистическая значимость парного и чистого (частного) коэффициентов корреляции Пирсона проверяется в случае нормальности их распределения, на основании t-распределения английского статистика В.С. Госсета (псевдоним "Стьюдент"; 1876-1937) с заданным уровнем вероятностной значимости б и имеющейся степени свободы г=n-m-1, где m- число связей (факторных переменных). Для парного коэффициента имеем его среднеквадратическую ошибку и фактическое значение t-критерия Стьюдента:
;
.
Для чистого коэффициента корреляции при расчете его вместо (n-2) надо брать (n-3), т.к. в этом случае имеется m=2 (две факторные переменные x и z). При большом числе n>100 вместо (n-2) или (n-3) в (6) можно брать n, пренебрегая точностью расчета.
Если tr>tтабл., то коэффициент парной корреляции - общий или чистый является статистически значимым, а при tr?tтабл. - незначимым.
Значимость коэффициента множественной корреляции R проверяется по F - критерию Фишера путем расчета его фактического значения
При FR >F табл. коэффициент R считается значимым с заданным уровнем значимости a и имеющихся степенях свободы г=m и , а при Fr? Fтабл - незначимым.
В совокупностях большого объема n > 100 для оценки значимости всех коэффициентов Пирсона вместо критериев t и F применяется непосредственно нормальный закон распределения (табулированная функция Лапласа-Шеппарда).
2.3 Методы прогнозирования в рядах динамики
Статистические методы прогнозирования - научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных; развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей. Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений.
Простейшие методы восстановления используемых для прогнозирования зависимостей исходят из заданного временного ряда, т.е. функции, определённой в конечном числе точек на оси времени. Временной ряд при этом часто рассматривается в рамках той или иной вероятностной модели, вводятся другие факторы (независимые переменные), помимо времени, например, объем денежной массы. Временной ряд может быть многомерным. Основные решаемые задачи - интерполяция и экстраполяция. Метод наименьших квадратов в простейшем случае (линейная функция от одного фактора) был разработан К. Гауссом в 1794-1795 гг. Могут оказаться полезными предварительные преобразования переменных, например, логарифмирование. Наиболее часто используется метод наименьших квадратов при нескольких факторах. Метод наименьших модулей, сплайны и другие методы экстраполяции применяются реже, хотя их статистические свойства зачастую лучше.
Оценивание точности прогноза (в частности, с помощью доверительных интервалов) - необходимая часть процедуры прогнозирования. Обычно используют вероятностно-статистические модели восстановления зависимости, например, строят наилучший прогноз по методу максимального правдоподобия. Разработаны параметрические (обычно на основе модели нормальных ошибок) и непараметрические оценки точности прогноза и доверительные границы для него (на основе Центральной Предельной Теоремы теории вероятностей). Применяются также эвристические приемы, не основанные на вероятностно-статистической теории: метод скользящих средних, метод экспоненциального сглаживания.
Многомерная регрессия, в том числе с использованием непараметрических оценок плотности распределения - основной на настоящий момент статистический аппарат прогнозирования. Нереалистическое предположение о нормальности погрешностей измерений и отклонений от линии (поверхности) регрессии использовать не обязательно; однако для отказа от предположения нормальности необходимо опереться на иной математический аппарат, основанный на многомерной Центральной Предельной Теореме теории вероятностей, технологии линеаризации и наследования сходимости. Он позволяет проводить точечное и интервальное оценивание параметров, проверять значимость их отличия от 0 в непараметрической постановке, строить доверительные границы для прогноза.
Весьма важна проблема проверки адекватности модели, а также проблема отбора факторов. Априорный список факторов, оказывающих влияние на отклик, обычно весьма обширен, желательно его сократить, и крупное направление современных исследований посвящено методам отбора "информативного множества признаков". Однако эта проблема пока еще окончательно не решена. Проявляются необычные эффекты. Так, установлено, что обычно используемые оценки степени полинома имеют в асимптотике геометрическое распределение. Перспективны непараметрические методы оценивания плотности вероятности и их применения для восстановления регрессионной зависимости произвольного вида. Наиболее общие результаты в этой области получены с помощью подходов статистики нечисловых данных.
К современным статистическим методам прогнозирования относятся также модели авторегрессии, модель Бокса-Дженкинса, системы эконометрических уравнений, основанные как на параметрических, так и на непараметрических подходах.
Для установления возможности применения асимптотических результатов при конечных (т. н. "малых") объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Отметим полезность методов размножения данных (бутстреп-методов). Системы прогнозирования с интенсивным использованием компьютеров объединяют различные методы прогнозирования в рамках единого автоматизированного рабочего места прогнозиста.
Прогнозирование на основе данных, имеющих нечисловую природу, в частности, прогнозирование качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для прогнозирования представляются регрессионный анализ на основе интервальных данных, включающий, в частности, определение и расчет нотны и рационального объема выборки, а также регрессионный анализ нечетких данных, разработанный в. Общая постановка регрессионного анализа в рамках статистики нечисловых данных и ее частные случаи - дисперсионный анализ и дискриминантный анализ (распознавание образов с учителем), давая единый подход к формально различным методам, полезна при программной реализации современных статистических методов прогнозирования.
Основными процедурами обработки прогностических экспертных оценок являются проверка согласованности, кластер-анализ и нахождение группового мнения. Проверка согласованности мнений экспертов, выраженных ранжировками, проводится с помощью коэффициентов ранговой корреляции Кендалла и Спирмена, коэффициента ранговой конкордации Кендалла и Бэбингтона Смита. Используются параметрические модели парных сравнений - Терстоуна, Бредли-Терри-Льюса - и непараметрические модели теории люсианов. Полезна процедура согласования ранжировок и классификаций путем построения согласующих бинарных отношений. При отсутствии согласованности разбиение мнений экспертов на группы сходных между собой проводят методом ближайшего соседа или другими методами кластерного анализа (автоматического построения классификаций, распознавания образов без учителя). Классификация люсианов осуществляется на основе вероятностно-статистической модели.
Используют различные методы построения итогового мнения комиссии экспертов. Своей простотой выделяются методы средних арифметических и медиан рангов. Компьютерное моделирование позволило установить ряд свойств медианы Кемени, часто рекомендуемой для использования в качестве итогового (обобщенного, среднего) мнения комиссии экспертов. Интерпретация закона больших чисел для нечисловых данных в терминах теории экспертного опроса такова: итоговое мнение устойчиво, то есть мало меняется при изменении состава экспертной комиссии, и при росте числа экспертов приближается к "истине". При этом в соответствии с принятым в подходом предполагается, что ответы экспертов можно рассматривать как результаты измерений с ошибками, все они - независимые одинаково распределенные случайные элементы, вероятность принятия определенного значения убывает по мере удаления от некоторого центра - "истины", а общее число экспертов достаточно велико.
Многочисленны примеры ситуаций, связанных с социальными, технологическими, экономическими, политическими, экологическими и другими рисками. Именно в таких ситуациях обычно и необходимо прогнозирование. Известны различные виды критериев, используемых в теории принятия решений в условиях неопределенности (риска). Из-за противоречивости решений, получаемых по различным критериям, очевидна необходимость применения оценок экспертов.
В конкретных задачах прогнозирования необходимо провести классификацию рисков, поставить задачу оценивания конкретного риска, провести структуризацию риска, в частности, построить деревья причин (в другой терминологии, деревья отказов) и деревья последствий (деревья событий). Центральной задачей является построение групповых и обобщенных показателей, например, показателей конкурентоспособности и качества. Риски необходимо учитывать при прогнозировании экономических последствий принимаемых решений, поведения потребителей и конкурентного окружения, внешнеэкономических условий и макроэкономического развития России, экологического состояния окружающей среды, безопасности технологий, экологической опасности промышленных и иных объектов.
Современные компьютерные технологии прогнозирования основаны на интерактивных статистических методах прогнозирования с использованием баз эконометрических данных, имитационных (в том числе на основе применения метода статистических испытаний) и экономико-математических динамических моделей, сочетающих экспертные, математико-статистические и моделирующие блоки.
Раздел 3. Статистический анализ социального развития республики Бурятия
3.1 Современное состояние социального развития республики Бурятия
Социально-экономическое развитие Республики Бурятия в течение ряда последних лет характеризуется положительной динамикой по всем основным макроэкономическим показателям.
В апреле 2007 г. Народный Хурал Республики Бурятия утвердил Президентом Республики Бурятия В.В. Наговицына. Правительство РБ взяло курс на динамичный рост экономики, превращение республики в бездотационную и, как следствие, подъем благосостояния населения.
За 2013 год валовой региональный продукт по оценке увеличился на 3,6 % к уровню 2012 года и составил 183,8 млрд. рублей, при среднероссийском темпе - 101,3%. В 2013 году в консолидированный бюджет Республики Бурятия налоговые и неналоговые доходы поступили в объеме 25 млрд. рублей. Несмотря на снижение поступлений отдельных видов доходных источников, налоговые и неналоговые доходы в целом выросли к уровню 2012 года на 5,2 %. Основными причинами замедления динамики поступления налоговых и неналоговых доходов в сравнении с 2012 годом (108 %) стало ухудшение финансовых результатов деятельности организаций, осуществляющих добычу полезных ископаемых, и значительное снижение объема производства алкогольной продукции.
Доля населения с доходами ниже прожиточного уровня сократилась с 17,7 % в 2012 г. до 16,1 % в 2013 г.Уровень безработицы по итогам 2013 года составил 8,0 % (37 тыс. чел.). По сравнению с 2012 годом уровень безработицы вырос незначительно на 0,1%.
В течение всего года наблюдался естественный прирост населения, по итогам года он составил 5 607 чел., что на 13,5 % больше, чем в 2012 году. В 2013 году родилось 17 145 детей, что на 1,1 % больше, чем в 2012 году.
В системе здравоохранения увеличился уровень обеспеченности врачами и средним медицинским персоналом, больничными койками на 10 тыс. человек населения, мощность врачебных амбулаторно-поликлинических учреждений.
В сфере образования активно реализуются широкомасштабные эксперименты по основным направлениям модернизации образования. Значительно возросли капитальные вложения в строительство новых объектов образования, на капитальный и текущий ремонт, на развитие материально-технической базы, включая поставку компьютеров, учебно-лабораторного оборудования в образовательные учреждения.
В общеобразовательных учреждениях обучаются 123,6 тыс. учащихся. Охват детей дошкольного возраста дошкольными образовательными учреждениями, составляет 100 мест на 122 детей. Выпуск специалистов государственными высшими и средними специальными учебными заведениями составляет 93 человек на 10 тыс. жителей.
Политика в сфере социальной защиты направлена на обеспечение равных права и доступности мер социальной поддержки и социального обслуживания, повышение эффективности деятельности существующей сети учреждений, адаптацию системы социальной защиты к современным условиям. В республике действуют 45 учреждений социального обслуживания семьи, женщин и детей, граждан пожилого возраста и инвалидов. Обеспеченность стационарными учреждениями социального обслуживания для престарелых и инвалидов составляет 27,0 мест на 10 тыс. населения.
Таблица 2 - Основные социально-экономические показатели Республики Бурятия
Основные показатели |
2010 |
2011 |
2014 |
2015 |
2016 |
|
Численность населения - всего, тыс. человек, в том числе: |
960,7 |
971,3 |
971,2 |
971,4 |
971,8 |
|
городское |
526,8 |
564,7 |
568,2 |
571,6 |
573,4 |
|
сельское |
433,7 |
406,6 |
403,3 |
399,8 |
398,4 |
|
родившихся |
17,4 |
17 |
17,0 |
17,5 |
17,6 |
|
Умерших (всего) |
13 |
12,7 |
12,7 |
12,4 |
11,8 |
|
в том числе детей в возрасте до 1 года |
9 |
7,2 |
8,1 |
8,3 |
8,4 |
|
Численность населения, имеющего среднедушевые доходы ниже прожиточного минимума, тыс. чел |
182 |
192,6 |
195,3 |
171,7 |
156,3 |
|
среднедушевых денежных доходов тыс, руб |
26,16 |
25,26 |
15,71 |
17,68 |
20,78 |
|
Средний размер назначенных месячных пенсий на конец года |
5828,4 |
7093,2 |
7709,1 |
8534,7 |
9336,8 |
|
Расходы на выплату пособий и социальную помощь - всего, тыс. рублей в том числе: |
8381304 |
12339797 |
10620555 |
11619378 |
13243253 |
|
пособия по временной нетрудоспособности |
799975 |
936964 |
764658 |
7737030 |
7338902 |
|
из них по трудовым увечьям и профессиональным заболеваниям |
11802 |
14836 |
14028 |
11606 |
15198 |
|
семейные и материнские пособия из них |
1739171 |
1202558 |
2273647 |
2325374 |
2340472 |
|
по беременности и родам |
415621 |
450536 |
504947 |
540942 |
487445 |
|
при рождении ребенка |
179523 |
182898 |
209423 |
218395 |
228638 |
|
по уходу за ребенком до 1,5 года |
970604 |
1101053 |
1239918 |
1313865 |
14044742 |
|
по уходу за детьми-инвалидами |
2674 |
2799 |
3553 |
4358 |
5740 |
|
ежемесячное пособие на ребенка |
170749 |
165272 |
163490 |
170348 |
174159 |
|
Число дошкольных учреждений |
426 |
413 |
413 |
414 |
413 |
|
Число высших учебных заведений |
5 |
5 |
5 |
5 |
5 |
|
Число больничных учреждений |
44 |
46 |
47 |
47 |
45 |
|
Число амбулаторно-поликлинических учреждений |
89 |
74 |
77 |
79 |
82 |
|
Численность врачей |
3943 |
4016 |
4055 |
4160 |
4359 |
|
Численность среднего медицинского персонала |
111,2 |
112,2 |
120,1 |
120,2 |
121,1 |
3.2 Корреляционно-регрессионный анализ показателей социального развития республики Бурятия
Проведем корреляционно регрессионный анализ влияния социальных показателей средней продолжительности жизни в республики Бурятия, для этого рассмотрим следующие показатели, представленные в таблице 3.
Таблица 3 - Данные для корреляционного анализа
дата |
средняя продолжительность жизни в годах (y) |
Численность врачей-специалистов. на 10000 человек населения (х) |
Кол-во выбросов загрязняющих веществ в атмосферный воздух всего, тыс. тонн (х2) |
|
2003 |
62,68 |
38,0 |
25,9 |
|
2004 |
61,95 |
37,3 |
25,8 |
|
2005 |
61,34 |
37,6 |
25,6 |
|
2006 |
60,91 |
37,6 |
25,8 |
|
2007 |
61,16 |
38,2 |
26,3 |
|
2008 |
60,96 |
38,6 |
26,7 |
|
2009 |
62,51 |
39,2 |
26,7 |
|
2010 |
64,30 |
40,9 |
26,9 |
|
2011 |
64,47 |
39,9 |
27,8 |
|
2012 |
65,38 |
40,7 |
28,3 |
|
2013 |
66,05 |
41,3 |
35,9 |
|
2014 |
66,09 |
41,7 |
39,7 |
|
2015 |
66,79 |
42,8 |
34,6 |
|
2016 |
67,67 |
44,8 |
32,5 |
В результате проведения анализа получим таблицу, в которой приведены значения линейного коэффициента корреляции, характеризующего тесноту связи между рассматриваемыми признаками:
Таблица 4 - Результаты корреляционного анализа
средняя продолжительность жизни в годах (y) |
Численность врачей-специалистов. на 10000 человек населения (х) |
Кол-во выбросов загрязняющих веществ в атмосферный воздух всего, тыс. тонн (х2) |
||
средняя продолжительность жизни в годах(y) |
1 |
|||
Численность врачей-специалистов. на 10000человек населения (х) |
0,940658292 |
1 |
||
Кол-во выбросов загрязняющих веществ в атмосферный воздух всего, тыс. тонн (х2) |
0,78937623 |
0,738363862 |
1 |
Из таблицы 5 видно, что по шкале Чеддока: значение коэффициента корреляции R=0,78 свидетельствует, что между продолжительностью жизни и выбросов загрязняющих веществ в атмосферу населения РБ заметная статистически значимая связь, при этом увеличение одного признака ведет к уменьшению другого, между численностью врачей-специалистов и средней продолжительности жизни тоже заметная статистически значимая связь R=0,94, данный факторный признак будем использовать в регрессионном анализе.
Таблица 5 - Шкала Чеддока оценки тесноты связи
Теснота связи |
0,1-0,3 |
0,3-0,5 |
0,5-0,7 |
0,7-0,9 |
0,9-0,999 |
|
Характер связи |
слабая |
умеренная |
заметная |
тесная |
Очень тесная |
После проведения факторного анализа, переходим к регрессионному анализу, для чего используем статистические данные примера расчета линейного коэффициента корреляции между численностью населения и числом больничных учреждений.
Выразим взаимосвязь между данными показателями уравнением прямой линии:
Параметры уравнения прямой и определяются путем решения системы нормальных уравнений, полученных по методу наименьших квадратов:
Для определения параметров уравнения регрессии построим расчетную таблицу:
Таблица 6 - Расчет параметров регрессии уравнения прямой линии
дата |
y,средняя продолжительность жизни в годах |
x, Численность врачей-специалистов. на 10000человек населения |
х^2 |
xy |
|
2003 |
62,68 |
38,0 |
1444 |
2381,84 |
|
2004 |
61,95 |
37,3 |
1391,29 |
2310,735 |
|
2005 |
61,34 |
37,6 |
1413,76 |
2306,384 |
|
2006 |
60,91 |
37,6 |
1413,76 |
2290,216 |
|
2007 |
61,16 |
38,2 |
1459,24 |
2336,312 |
|
2008 |
60,96 |
38,6 |
1489,96 |
2353,056 |
|
2009 |
62,51 |
39,2 |
1536,64 |
2450,392 |
|
2010 |
64,30 |
40,9 |
1672,81 |
2629,87 |
|
2011 |
64,47 |
39,9 |
1592,01 |
2572,353 |
|
2012 |
65,38 |
40,7 |
1656,49 |
2660,966 |
|
2013 |
66,05 |
41,3 |
1705,69 |
2727,865 |
|
2014 |
66,09 |
41,7 |
1738,89 |
2755,953 |
|
2015 |
66,79 |
42,8 |
1831,84 |
2858,612 |
|
2016 |
67,67 |
44,8 |
2007,04 |
3031,616 |
|
сумма |
829,26 |
558,6 |
312034 |
498416,4 |
Для определения параметров уравнения регрессии подставим в систему нормальных уравнений фактические данные из таблицы:
Далее решаем систему нормальных уравнений и получаем следующие коэффициенты уравнения регрессии:
Таким образом, уравнение регрессии примет следующий вид:
Параметр показывает усредненное влияние на результативный признак неучтенных, т.е. не выделенных для исследования факторных признаков. Экономического смысла не имеет, т.к. неизвестно, сколько факторов и как каждый из них влияет на изменения результативного признака.
Параметр-это коэффициент регрессии, который показывает, насколько изменяется значение результативного признака при изменении факторного признака на единицу его собственного измерения.
В рассматриваемом примере при увеличении численности врачей специалистов 1, продолжительность жизни вырастит на 1,5 года.
Таблица 7 - Показатели регрессионной статистики по линейному уравнению
Множественный R |
0,94 |
|
R-квадрат |
0,88 |
|
Нормированный R-квадрат |
0,87 |
|
Стандартная ошибка |
0,83 |
|
Наблюдение |
14 |
Коэффициент детерминации =0,88 показывает,что продолжительность жизни населения зависит на 88% от численности врачей-специалистов.
Таблица 8 - Дисперсионный анализ
df |
SS |
MS |
F |
Значимость F |
||
Регрессия |
1 |
64,71323554 |
64,71323554 |
92,20105911 |
5,54338 |
|
Остаток |
12 |
8,422450175 |
0,701870848 |
3,24 |
||
Итого |
13 |
Дисперсионный анализ помогает выяснить, является ли уравнение регрессии значимым.92,20> 3,24, то есть Fрасч. >Fтабл., а это означает, что линейное уравнение регрессии является значимым.
Таблица 9 - Показатели уравнения регрессии
дата |
y,средняя продолжительность жизни в годах |
x, численность врачей-специалистов. на 10000человек населения |
х^2 |
xy |
y(x) |
|
2003 |
62,68 |
38,0 |
1444 |
2381,84 |
64,8 |
|
2004 |
61,95 |
37,3 |
1391,29 |
2310,735 |
63,7 |
|
2005 |
61,34 |
37,6 |
1413,76 |
2306,384 |
64,2 |
|
2006 |
60,91 |
37,6 |
1413,76 |
2290,216 |
64,2 |
|
2007 |
61,16 |
38,2 |
1459,24 |
2336,312 |
65,1 |
|
2008 |
60,96 |
38,6 |
1489,96 |
2353,056 |
65,7 |
|
2009 |
62,51 |
39,2 |
1536,64 |
2450,392 |
66,7 |
|
2010 |
64,30 |
40,9 |
1672,81 |
2629,87 |
69,4 |
|
2011 |
64,47 |
39,9 |
1592,01 |
2572,353 |
67,8 |
|
2012 |
65,38 |
40,7 |
1656,49 |
2660,966 |
69,1 |
|
2013 |
66,05 |
41,3 |
1705,69 |
2727,865 |
70,1 |
|
2014 |
66,09 |
41,7 |
1738,89 |
2755,953 |
70,6 |
|
2015 |
66,79 |
42,8 |
1831,84 |
2858,612 |
72,4 |
|
2016 |
67,67 |
44,8 |
2007,04 |
3031,616 |
75,6 |
|
сумма |
829,26 |
558,6 |
312034 |
498416,4 |
829,26 |
Рис 1. Динамика средней продолжительности жизни
Из данного графика видно, что с увеличением численности врачей специалистов увеличивается и средняя продолжительность жизни. Можно сказать, чем больше численностей врачей специалистов, тем больше вероятность продолжительность жизни.
3.3 Прогнозирование показателей социального развития республики Бурятия
Чтобы сделать прогноз среднейпродолжительности жизни населения РБ рассмотрим средний продолжительность жизни в динамике и произведем прогнозирование на основании прожиточного минимума, для этого рассмотрим следующие показатели, представленные в таблице 10.
Таблица 10 - Данные для регрессионного анализа
Дата |
y, средняя продолжительность жизни в годах |
x,величина прожиточный минимума, рублей в месяц |
х2 |
|
2003 |
62,68 |
1612 |
2598544 |
|
2004 |
61,95 |
1773 |
3143529 |
|
2005 |
61,34 |
1856 |
3444736 |
|
2006 |
60,91 |
2291 |
5248681 |
|
2007 |
61,16 |
2909 |
8462281 |
|
2008 |
60,96 |
3315 |
10989225 |
|
2009 |
62,51 |
3612 |
13046544 |
|
2010 |
64,30 |
4127 |
17032129 |
|