Статистический анализ бизнеса
Оперативная бизнес-статистика и система национальных счетов, международные классификации. Характеристика альтернативных методов расчета индексов. Анализ, краткосрочный прогноз динамики ключевых показателей оперативной статистики по строительству в России.
| Рубрика | Экономико-математическое моделирование |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 13.11.2015 |
| Размер файла | 1,2 M |
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.
Однако, несмотря на значимость в целом уравнения регрессии, построенной обычным МНК, данная модель не отражает корректным образом зависимость между результирующей переменной индекса цен на первичном рынке жилья и набором влияющих на эту переменную факторов. Данный факт можно объяснить тем, что исследуемая выборка состоит из разных географических регионов с индивидуальными характеристиками, эффекты которых не учитываются в обычном уравнении регрессии.
Модель с фиксированными эффектами:
Общий вид модели детерминированными эффектами выглядит следующим образом: [4]
Где бi - факторы, которые не меняются во времени, фиксированные эффекты (т.е присутствуют индивидуальные эффекты экономических единиц).
Модель с фиксированными эффектами - это исходная регрессионная модель, переписанная в терминах отклонений от средних по времени значений переменных. Построение модели с фиксированными эффектами базируется на двух положениях: ошибки регрессии не имеют связи между собой и не связаны с регрессорами.
Модель с фиксированными эффектами, также как и регрессия в первых разностях по времени, удобна тем, что позволяет элиминировать из модели ненаблюдаемые индивидуальные эффекты. Оценивание модели производится обыкновенным МНК (Приложение 14).
Модель с фиксированными эффектами, оцененная в пакете STATA, получилась в целом значимой на уровне б=0,05, поскольку Prob > F =0,000, что меньше 0,05. Коэффициенты при натуральных логарифмах переменных (х1) - введено в действие общей площади жилых домов на 1000 человек населения и (х2) -- базовый индекс потребительских цен получились значимыми на уровне 0,05, поскольку для них Р-значение < б=0,05. Коэффициенты перед остальными регрессорами незначимы, для них доверительный интервал «накрывает ноль» (то есть нижняя граница доверительного интервала для каждого коэффициента меньше нуля, а верхняя граница - больше нуля).
Так же оцененная модель с фиксированными эффектами имеет следующие характеристики:
Sigma_u - стандартная ошибка для индивидуальных эффектов u, составляет 0,037, тогда как sigma_e - стандартная ошибка для е, составляет 0,049.
Коэффициент = 0,367. Следовательно, 36,7% вариации данных приходится на индивидуальные эффекты.
Для состоятельности МНК-оценок модели с детерминированными индивидуальными эффектами требуется только некоррелированность е и Х. Корреляция между Х и u допустима. Это проявление гибкости FE-модели. Если значение corr(u_i, Xb) высоко, то использование модели с фиксированными эффектами оправдано. В данном случае корреляция индивидуальных эффектов с регрессорами умеренна и составляет corr(u_i, Xb)= -0,41.
Модель со случайными эффектами:
Общий вид модели со случайными эффектами:
Модель со случайными эффектами подразумевает, что индивидуальные различия между объектами (в данном случае, регионами РФ) носят случайный характер. Ошибки модели состоят из двух компонент: индивидуальной характеристики, не изменяющейся с ходом времени, и остаточной компоненты, которая предполагает некоррелированность во времени. Однако в действительности ошибки модели коррелированны во времени по причине наличия индивидуальных эффектов. Модель со случайными эффектами предполагает, что остаточная и индивидуальная составляющие ошибок модели не зависят друг от друга, тогда оценка вектора коэффициентов регрессии и оценка константы будут несмещенными и состоятельными. [4]
Модель со случайными эффектами можно рассматривать как компромисс между сквозной регрессией, налагающей сильное ограничение гомогенности на все коэффициенты уравнения регрессии для любых i и t, и регрессией с фиксированными эффектами, которая позволяет для каждого объекта выборки ввести свою константу и, таким образом, учесть существующую в реальности, но ненаблюдаемую гетерогенность.
Для построения модели со случайными эффектами в Excel необходимо найти параметр
, где - квадрат стандартной ошибки, то есть дисперсия из модели с фиксированными эффектами; - квадрат стандартной ошибки, то есть дисперсия из between-модели. Далее рассчитывается =.
Затем, на основе полученного значения мы используем обобщенный метод наименьших квадратов - GLS-преобразование («Generalized Least Squares») - для оценки модели со случайными эффектами.
При интерпретации модели со случайными эффектами не следует опираться на R2, так как в регрессии, оцененной с помощью GLS, он уже не является адекватной мерой качества подгонки. О значимости регрессии в целом свидетельствует достаточно высокое значение статистики Вальда - Wald chi2(8)=34,03. Модель можно считать значимой на уровне б=0,05 (Приложение 15).
Выражение corr(u_i, X) = 0 (assumed) отражает гипотезу, лежащую в основе модели со случайными эффектами. Регрессоры должны быть некоррелированными с ненаблюдаемыми случайными эффектами. В данном случае оценка вектора коэффициентов регрессии и оценка константы будут несмещенными и состоятельными. [4]
Коэффициент = 0,096. Следовательно, 9,6% вариации данных приходится на индивидуальные эффекты, что в 4 раза меньше, чем в модели с фиксированными индивидуальными эффектами.
Коэффициенты при натуральных логарифмах переменных (х2) - базовый индекс потребительских цен, (х3) - коэффициент изобретательской активности и (х4) - доля строительных организаций, необеспеченных строительными машинами и механизмами в общем количестве строительных организаций оказались значимы на уровне б=0,1. Только для константы и натурального логарифма переменной (х2) 95% доверительный интервал не «накрывает» ноль, что так же свидетельствует о значимости данного коэффициента регрессии. Оставшиеся регрессоры оказались незначимыми.
По сравнению с моделью фиксированных эффектов, модель со случайными эффектами включает в себя большее число значимых регрессоров.
Сравнительный анализ моделей, выбор наиболее адекватной:
Итак, нами были построены три основные регрессии: сквозная по методу обычного МНК, регрессия с фиксированными индивидуальными эффектами и регрессия со случайными индивидуальными эффектами. Выберем из них модель, наиболее адекватную имеющимся данным. Для этого необходимо провести попарное сравнение оцененных моделей с помощью ряда статистических критериев:
· Тест Вальда для сравнения регрессионной модели с фиксированными эффектами со сквозной регрессией,
· Тест Бройша-Пагана для сравнения регрессионной модели со случайными эффектами со сквозной регрессией,
· Тест Хаусмана для сравнения регрессионной модели со случайными эффектами с регрессионной моделью с фиксированными эффектами.
Тест Вальда проверяет гипотезу о равенстве нулю всех индивидуальных эффектов. STATA автоматически проверяет данную гипотезу одновременно с оцениванием модели с фиксированными эффектами и выводит результат в последней строке таблицы вывода итогов.
В нашем случае (Приложение 14) поскольку p-уровень<0,01, то нулевая гипотеза отвергается на уровне значимости 0,05. Таким образом, с вероятностью 95% регрессионная модель с фиксированными эффектами лучше подходит для описания панельных данных по индексу цен на первичном рынке жилья, чем модель простой регрессии.
Критерий Бреуша-Пагана - это критерий для проверки гипотезы о значимости случайных эффектов, основанный на остатках простой МНК регрессии. Выдвигается нулевая гипотеза о том, что все случайные эффекты незначимы и можно использовать стандартный МНК. [4]
Статистика хи-квадрат составляет 8,09, а её p-уровень=0,004 (Приложение 16). Следовательно, нулевая гипотеза о том, что все случайные эффекты незначимы, отклоняется на уровне б=0,05. Следовательно, модель со случайными эффектами более предпочтительна, чем модель сквозной регрессии.
Суть теста Хаусмана заключается в проверке нулевой гипотезы о том, что оценки модели с фиксированными эффектами и модели со случайными эффектами состоятельны и одинаково эффективны. Конкурирующая гипотеза о том, что оценки состоятельны только в модели с фиксированными эффектами (Приложение 16).
Поскольку p-уровень=0,001 < б=0,05, то основная гипотеза отвергается на заданном уровне значимости. Иными словами, состоятельными являются оценки модели с фиксированными эффектами.
Проанализируем отобранную по тесту Хаусмана модель с фиксированными эффектами на адекватность. Поскольку регионы, входящие в выборку, неоднородны, можно предположить, что в остатках модели присутствует гетероскедастичность и автокорреляция первого порядка. Тест Бреуша-Пагана подтверждает наличие гетероскедастичности в остатках модели на заданном уровне значимости 0,05, тогда как критерий Дарбина-Уотсона демонстрирует наличие автокорреляции первого порядка в остатках модели с вероятностью 95%.
Данные несферические возмущения необходимо скорректировать при помощи обобщенного метода наименьших квадратов (ОМНК), либо использовать поправку Уайта и Ньюи-Веста. После подобной корректировки (то есть устранения гетероскедастичности и автокорреляции первого порядка) оценки, полученные с помощью МНК, являются наилучшими линейными несмещенными оценками.
По анализу панельных данных можно сделать вывод о том, что некоторые из начальных гипотез оказались верными или частично верными. В частности, подтвердились следующие гипотезы:
1) Показатель (х2) - базовый индекс потребительских цен - оказался значим как в модели сквозной регрессии, так и в моделях с фиксированными и случайными эффектами.
2) Показатели (х1) - введено в действие общей площади жилых домов на 1000 человек населения, кв.метров и (х2) - базовый индекс потребительских цен связаны с результирующим показателем (у) -обратной связью.
3) Все три построенные модели будут значимы на уровне б=0,05, однако не все коэффициенты перед регрессорами оказались значимыми и экономически интерпретируемыми.
Результаты оценивания каждой из трёх построенных моделей содержатся в Приложении 17.
Таким образом, в результате анализа панельных данных была выбрана значимая модель с фиксированными индивидуальными эффектами, что может быть интерпретировано следующим образом: результирующий показатель индекса цен на первичное жилье зависит не только от введенной в действие общей площади жилых домов на 1000 человек населения и базового индекса потребительских цен, но и от некоторого параметра, который различается для разных регионов, но фиксирован для каждого отдельного региона с течением времени.
Заключение
В соответствии с актуальными целями и задачами, поставленными в рамках данной работы, получен ряд результатов:
· Изучен ряд основополагающих методологических принципов построения оперативных индикаторов по строительству: перечень обязательных к публикации индексов (таблица 2), степень детализации оперативной информации по классификатору видов экономической деятельности NACE Rev.2 (код F - строительство), форма предоставления рассчитанных индикаторов (абсолютная/индексная по абсолютному показателю/индексная по стоимостному показателю), периодичность их публикаций (от ежемесячной до ежеквартальной) и сроки предоставления данных в Евростат (от 1 месяца 15 дней до квартала).
· Рассмотрены альтернативные методы расчета индикаторов ОБС по строительной отрасли: на основе данных по объему выпуска, по величине валового производства, товарооборота, затрат труда, объема использованных строительных материалов, числа полученных строительных лицензий. С методологической точки зрения, подход к расчету индексов строительной отрасли на основе данных по величине валового производства является наиболее предпочтительным, поскольку по своей сути он ближе к концепции добавленной стоимости и значит, принимает в расчет качественные изменения в структурах отрасли.
· Среди периодических публикаций Евростата по строительству было выявлено, что квартальные обзоры наиболее репрезентативно отражают динамику индекса физического объема производства в строительной отрасли, индекса трудозатрат в строительстве и индекса цен на строительные материалы с учетом сезонных колебаний.
· На основе сформированного списка оперативных показателей Росстата по строительству был проведен сравнительный анализ разрезов разработки, требований и характеристик показателей ОБС Евростата и Росстата: свойство оперативности и регулярности выполняется как для России, так и для Европы (данные публикуются не реже, чем раз в квартал), форма выражения показателей обеих систем индексная, абсолютная или стоимостная.
Для повышения качества оценки состояния и тенденций развития строительного сектора РФ, Росстату необходимо совершенствовать методологию расчета и предоставления оперативных индикаторов (таблица 2) в следующих направлениях:
1) Осуществлять корректировку с учетом сезонности и календарных эффектов для следующих показателей производства в строительстве (ввод в действие зданий жилого и нежилого назначения, ввод в действие производственных мощностей, объем заключенных договоров строительного подряда), показателей рабочей силы в строительстве (среднесписочная численность работников, средняя фактическая продолжительность рабочего времени работников списочного состава, среднемесячная номинальная начисленная заработная плата работников), показателей всех видов затрат в ходе строительного процесса (материальные затраты, затраты на оплату труда и прочие затраты) и показателя выданных разрешений на строительство. При выполнении Росстатом данной рекомендации, процедура выявления поворотных точек бизнес-цикла существенно упростится, и повысится качество международных сопоставлений не только по индексу производства строительной отрасли, но и по опережающим индикаторам - композитным индексам деловой активности.
2) На ежемесячной основе производить расчеты (с последующей общедоступной публикацией результатов) не только агрегированного показателя общего объема заключенных договоров строительного подряда, но и отдельно по направлениям «строительство зданий», «строительство инженерных сооружений». На ежемесячной основе производить расчеты (с последующей общедоступной публикацией результатов) опережающего показателя числа выданных разрешений на строительство не только по муниципальным образованиям (поселения, муниципальные районы, городские округа), но и в целом по России. Реализация указанной рекомендации позволит российскому бизнес-сообществу адекватно оценивать текущие тенденции строительной отрасли, сопоставлять их с тенденциями в странах Евросоюза и еврозоны, а также предсказывать поворотные точки бизнес-циклов на основе своевременно опубликованных с необходимой степенью детализации опережающих индикаторов выданных разрешений на строительство и портфеля заключенных договоров стройподряда.
3) Внедрить принцип средневзвешенных индикаторов по субъектам РФ - выбранные веса должны отражать относительный размер строительной отрасли в конкретном субъекте РФ в установленном базисном году. Применение Росстатом рекомендованного метода повысит репрезентативность оперативных показателей строительной отрасли России.
Среди уже осуществленных положительных изменений важно отметить переход к формату российского классификатора ОКВЭД версии 2, идентичному европейскому классификатору NACE Rev.2 во всех разделах, в т.ч. и в разделе F - строительство. До 1 февраля 2014 г. в России действовал классификатор ОКВЭД версии 1, не имеющий подразделения на европейские категории «строительство зданий» (код №41 по NACE Rev.2), «гражданское строительство» (код №42) и «специальные строительные работы» (код №43), однако теперь расчеты Росстата по строительной отрасли будут учитывать указанное подразделение. В результате качество предоставляемой в рамках ОБС информации существенно повысится и возрастет точность краткосрочных прогнозов динамики ключевых показателей строительной отрасли. В случае полного соответствия европейского и российского классификаторов, у российского бизнес-сообщества появится возможность ориентироваться на бизнес-сообщества развитых стран Евросоюза и еврозоны, а значит, строительный сектор РФ сможет своевременно реагировать на меняющуюся конъюнктуру в указанной отрасли экономики.
Согласно краткосрочному прогнозу, построенному по оптимальной мультипликативной тренд-сезонной модели, следует ожидать рост объемов строительных работ (млрд.руб) и сохранение сезонных особенностей исследуемого показателя: при условии отсутствия внешних экономических шоков, локальный максимум летних месяцев придется на август - объем строительных работ в стоимостном выражении составит 685,9 млрд.руб, локальный максимум осенних месяцев - сентябрь (период №57), где ожидаемый прирост объемов строительных работ по сравнению с пиком летних месяцев должен составить 9% (прогнозное значение показателя 745,5 млрд.руб), тогда как глобальный максимум объемов строительных работ за весь прогнозный период ожидается в декабре и должен составить 1009,5 млрд.руб.
Согласно краткосрочному ежемесячному прогнозу динамики стоимостных значений объема заключенных договоров строительного подряда, построенному по оптимальной модель ARMA(2,1), ожидается сохранение сезонной компоненты во временном ряду исследуемого показателя. При условии отсутствия внешних шоков, с вероятностью 95% максимальные денежные суммы, на которые будут заключены договора строительного подряда, будут находиться в интервале от 466,1 млрд.руб до 583,7 млрд.руб и относиться к маю и июлю 2015г. (точечные оценки для указанных месяцев составляют 517,1 млрд.руб и 527,4 млрд.рублей), соответственно. В течение осенних месяцев и начала зимних ожидается спад стоимостных значений показателя заключенных договоров стройподряда, на конец рассматриваемого периода (декабрь 2015г.) он с вероятностью 95% примет значение в интервале от 379,8 млрд.руб до 484,4 млрд.руб (точечная оценка для указанного месяца составляет 432,2 млрд.руб).
Проведенный компонентный анализ разбил все признаки, влияющие на индекс цен на рынке жилья, на четыре фактора: инвестиционно-изобретательскую активность региона; площадь жилых домов на разных этапах строительства; обеспеченность строительных организаций средствами механизации и базовый индекс потребительских цен. Иерархический кластерный анализ показал нецелесообразность разбиения данных по субъектам РФ на большое число групп и выявил наиболее массивный кластер из 75 регионов, по которому была построена типологическая регрессия.
Анализ панельных данных включал рассмотрение модели сквозной регрессии и моделей с фиксированными и случайными индивидуальными эффектами. Согласно тесту Хаусмана состоятельными являются оценки в модели с фиксированными эффектами. Модель хороша тем, что позволяет элиминировать из модели ненаблюдаемые индивидуальные эффекты. Значимая модель с фиксированными эффектами показала, что результирующий показатель индекса цен на первичное жилье зависит не только от введенной в действие общей площади жилых домов на 1000 человек населения и базового индекса потребительских цен, но и от некоторого параметра, который различается для разных регионов, но фиксирован для каждого отдельного региона с течением времени.
Список литературы
1. Айвазян С.А., Методы эконометрики: учебник- М.: Магистр: ИНФРА-М, 2010.- 512с.
2. Айвазян С.А., Основы эконометрики. Учебник для вузов. - М.: ЮНИТИ-ДАНА, 2001- 432с.
3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: исследование зависимостей. - М.: Финансы и статистика, 1985.
4. Анализ панельных данных в пакете «STATA». - Государственный университет Высшая школа экономики, 2004.
5. Берндт Э.Р. Практика эконометрики: классика и современность: учебник.- М.: ЮНИТИ-ДАНА, 2005. - 863 с.
6. Дуброва Т. А. Статистические методы прогнозирования. - М.: ЮНИТИ-ДАНА, 2003.
7. Кендалл М. Дж., Стюарт А. Многомерный статистический анализ и временные ряды. - М.: Наука, 1976, 736 с.
8. Канторович Г.Г. Лекции: Анализ временных рядов. - Экономический журнал Высшей школы экономики, 2003, Т. 6. №2, №3, №4.
9. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. - М.: Финансы и статистика, 2003.
10. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: учебник - М.: Дело, 2005. - 504 с.
11. Международные рекомендации по статистике строительства, Организация Объединенных Наций - Нью-Йорк, 1997.
12. Методологические материалы Федеральной службы государственной статистики.
13. Мхитарян В.С., Архипова М.Ю., Дуброва Т.А., Сиротин В.П. и др. Эконометрика: Учебник / под ред. д.э.н., проф. В.С.Мхитаряна. - М.: Проспект, 2011.
14. Пономаренко А. Н. - Оперативная бизнес-статистика и национальные счета: проблема согласования, ГУ-ВШЭ.
15. Самоучитель по работе в статистическом пакете SPSS.
URL: http://www.learnspss.ru/ (дата обращения 10.05.2015 г.)
16. Сайт Росстата
URL: http://www.gks.ru/wps/wcm/connect/rosstat/rosstatsite/main/ (дата обращения 10.05.2015 г.)
· квартальный отчет «Обследования деловой активности строительной организации»
· «Российский статистический ежегодник», 2014 г.
· «Россия в цифрах", 2014 г.
· «Строительство в России", 2014 г.
· ежемесячные отчеты «Социально-экономическое положение России», 2014 - 2015 гг.
· результаты структурного обследования деятельности хозяйствующих субъектов (без субъектов малого предпринимательства) по форме №П-1 "Сведения о производстве и отгрузке товаров и услуг"
17. Сайт Евростата
URL: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/themes (дата обращения 10.05.2015 г.)
18. Methodology of short-term business statistics. Interpretation and guidelines. European Communities. (2006). Retrieved May 2, 2015 from http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/
19. Office for Official Publications of the European Communities. (2006). Methodology of short-term business statistics. Associated documents. Luxembourg. Retrieved May 2, 2015 from http://epp.eurostat.ec.europa.eu/cache/ITY_OFFPUB/KS-BG-06-002/EN/KS-BG-06-002-EN.PDF
20. Official Journal of the European Union. (2009). Regulation (EC) № 223/2009 of the European Parliament and of the Council. Retrieved May 3, 2015 from http://eur-lex.europa.eu/LexUriServ/LexUriServ.do=OJ:2009:En:PDF
Базы данных.
21. База данных Европейской статистической комиссии: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/search_database
22. База данных Готовых Документов (БГД)
· методологические положения в части "Статистическое наблюдение за строительной деятельностью"
· методологические положения в части "Статистическое наблюдение готовой строительной продукции"
· методологические положения в части внедрения ОКВЭД в статистическую практику
· методологические положения в части проектной версии ОКВЭД-2 по разделу «Строительство»
23. Электронная база статистических данных Росстата "Оперативная статистика"
Приложения
Таблица №1.
«Показатели ОБС по отрасли В - строительство»
|
Код показателя |
Оригинальное название показателя |
Русское названиеПоказателя |
Срок предоставления в Евростат |
Периодичность |
|
|
110 |
Production |
Индекс производства |
2 месяца |
Не реже чем раз в квартал |
|
|
115 |
Production of building construction |
Индекс строительства зданий |
2 месяца |
Не реже чем раз в квартал |
|
|
116 |
Production of civil engineering |
Индекс строительства инженерных сооружений |
2 месяца |
Не реже чем раз в квартал |
|
|
130 |
New orders received |
Полученные новые заказы |
3 месяца |
Не реже чем раз в квартал |
|
|
135 |
New orders received on building construction |
Полученные заказы на строительство домов |
3 месяца |
Не реже чем раз в квартал |
|
|
136 |
New orders received on civil engineering |
Полученные заказы на строительство инженерных сооружений |
3 месяца |
Не реже чем раз в квартал |
|
|
210 |
Number of person employed |
Количество занятых |
3 месяца |
Не реже чем раз в квартал |
|
|
220 |
Hours worked |
Количество отработанных часов |
3 месяца |
Не реже чем раз в квартал |
|
|
230 |
Gross wages and salaries |
Заработная плата |
3 месяца |
Не реже чем раз в квартал |
|
|
320 |
Construction costs |
Индекс цен на строительство |
3 месяца |
Не реже чем раз в квартал |
|
|
321 |
Material costs |
Индекс цен на строительные материалы |
3 месяца |
Не реже чем раз в квартал |
|
|
322 |
Labour costs |
Индекс затрат на рабочую силу в строительстве |
3 месяца |
Не реже чем раз в квартал |
|
|
411 |
Building permits: number of dwellings |
Разрешения на строительство: количество домов |
3 месяца |
Не реже чем раз в квартал |
|
|
412 |
Building permits: square meters of useful floor area or alternative size measure |
Разрешение на строительство: квадратные метры полезной площади |
3 месяца |
Не реже чем раз в квартал |
Источник: [14]
Таблица №2.
«Показатели ОБС по строительной отрасли для Германии, Украины, Франции, Эстонии, Италии и Нидерландов»
|
Код показателя |
Русское названиеПоказателя |
Степень детализации |
Форма предоставления, минимальные требования |
Периодичность |
Срок предоставления в Евростат |
|
|
110 |
Индекс производства |
Коды с точностью до 2х знаков NACE |
Нескорректированный, рабочий день скорректированный |
Ежемесячно |
1мес.15дней |
|
|
115 |
Индекс строительства зданий |
Коды с точностью до 2х знаков NACE (CC100) |
Нескорректированный, рабочий день скорректированный |
Ежемесячно |
1мес.15дней |
|
|
116 |
Индекс строительства инженерных сооружений |
Коды с точностью до 2х знаков NACE (CC200) |
Нескорректированный, рабочий день скорректированный |
Ежемесячно |
1мес.15дней |
|
|
130 |
Полученные новые заказы |
Коды с точностью до 2х знаков NACE (для групп 45.1,45.2) |
Нескорректированный |
Не реже, чем раз в квартал |
3 месяца |
|
|
135 |
Полученные заказы на строительство домов |
Коды с точностью до 2х знаков NACE (для групп 45.1,45.2) |
Нескорректированный |
Не реже, чем раз в квартал |
3 месяца |
|
|
136 |
Полученные заказы на строительство инженерных сооружений |
Коды с точностью до 2х знаков NACE (для групп 45.1,45.2) |
Нескорректированный |
Не реже, чем раз в квартал |
3 месяца |
|
|
210 |
Количество занятых |
Коды с точностью до 2х знаков NACE |
Нескорректированный |
Не реже, чем раз в квартал |
2 месяца |
|
|
220 |
Количество отработанных часов |
Коды с точностью до 2х знаков NACE |
Нескорректированный, рабочий день скорректированный |
Не реже, чем раз в квартал |
3 месяца |
|
|
230 |
Заработная плата |
Коды с точностью до 2х знаков NACE |
Нескорректированный |
Не реже, чем раз в квартал |
3 месяца |
|
|
320 |
Индекс цен на строительство |
СС110 |
Нескорректированный |
Не реже, чем раз в квартал |
3 месяца |
|
|
321 |
Индекс цен на строительные материалы |
СС110 |
Нескорректированный |
Не реже, чем раз в квартал |
3 месяца |
|
|
322 |
Индекс затрат на рабочую силу в строительстве |
СС110 |
Нескорректированный |
Не реже, чем раз в квартал |
3 месяца |
|
|
411 |
Разрешения на строительство: количество домов |
СС110,111,112 |
Нескорректированный, абсолютные значения |
Не реже, чем раз в квартал |
3 месяца |
|
|
412 |
Разрешение на строительство: квадратные метры полезной площади |
СС110,111,112,113,120,122 |
Нескорректированный, абсолютные значения |
Не реже, чем раз в квартал |
3 месяца |
Источники: [18], [19]
Примечание: СС (Classification of Types of Construction) - Классификация типов строительства
Таблица №3.
«Показатели ОБС по строительной отрасли для Австрии, Белоруссии, Швеции, Польши, Дании, Португалии, Финляндии, Ирландии, Греции»
|
Код показателя |
Русское названиеПоказателя |
Степень детализации |
Форма предоставления, минимальные требования к показателю |
Периодичность |
Срок предоставления в Евростат |
|
|
110 |
Индекс производства |
Коды с точностью до 2х знаков NACE |
Нескорректированный, рабочий день скорректированный |
Ежемесячно |
2 месяца |
|
|
115 |
Индекс строительства зданий |
Коды с точностью до 2х знаков NACE (CC100) |
Нескорректированный, рабочий день скорректированный |
Ежемесячно |
2 месяца |
|
|
116 |
Индекс строительства инженерных сооружений |
Коды с точностью до 2х знаков NACE (CC200) |
Нескорректированный, рабочий день скорректированный |
Ежемесячно |
2 месяца |
|
|
130 |
Полученные новые заказы |
Коды с точностью до 2х знаков NACE (для групп 45.1,45.2) |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
135 |
Полученные заказы на строительство домов |
Коды с точностью до 2х знаков NACE (для групп 45.1,45.2) |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
136 |
Полученные заказы на строительство инженерных сооружений |
Коды с точностью до 2х знаков NACE (для групп 45.1,45.2) |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
210 |
Количество занятых |
Коды с точностью до 2х знаков NACE |
Нескорректированный |
Не реже, чем раз в квартал |
2 мес. 15 дней |
|
|
220 |
Количество отработанных часов |
Коды с точностью до 2х знаков NACE |
Нескорректированный, рабочий день скорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
230 |
Заработная плата |
Коды с точностью до 2х знаков NACE |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
320 |
Индекс цен на строительство |
СС110 |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
321 |
Индекс цен на строительные материалы |
СС110 |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
322 |
Индекс затрат на рабочую силу в строительстве |
СС110 |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
411 |
Разрешения на строительство: количество домов |
СС110,111,112 |
Нескорректированный, абсолютные значения |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
412 |
Разрешение на строительство: квадратные метры полезной площади |
СС110,111,112,113,120,122 |
Нескорректированный, абсолютные значения |
Не реже, чем раз в квартал |
3 мес. 15 дней |
Источники: [18], [19]
Примечание: СС (Classification of Types of Construction) - Классификация типов строительства
Таблица №4.
«Показатели ОБС по строительной отрасли для Мальты, Эстонии, Литвы, Кипра, Словении, Люксембурга и Венгрии»
|
Код показателя |
Русское названиеПоказателя |
Степень детализации |
Форма предоставления, минимальные требования к показателю |
Периодичность |
Срок предоставления в Евростат |
|
|
110 |
Индекс производства |
Коды с точностью до 2х знаков NACE |
Нескорректированный, рабочий день скорректированный |
Ежемесячно |
2 месяца |
|
|
130 |
Полученные новые заказы |
Коды с точностью до 2х знаков NACE (для групп 45.1,45.2) |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
210 |
Количество занятых |
Коды с точностью до 2х знаков NACE |
Нескорректированный |
Не реже, чем раз в квартал |
2 мес. 15 дней |
|
|
220 |
Количество отработанных часов |
Коды с точностью до 2х знаков NACE |
Нескорректированный, рабочий день скорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
230 |
Заработная плата |
Коды с точностью до 2х знаков NACE |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
320 |
Индекс цен на строительство |
СС110 |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
321 |
Индекс цен на строительные материалы |
СС110 |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
322 |
Индекс затрат на рабочую силу в строительстве |
СС110 |
Нескорректированный |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
411 |
Разрешения на строительство: количество домов |
СС110,111,112 |
Нескорректированный, абсолютные значения |
Не реже, чем раз в квартал |
3 мес. 15 дней |
|
|
412 |
Разрешение на строительство: квадратные метры полезной площади |
СС110,111,112,113,120,122 |
Нескорректированный, абсолютные значения |
Не реже, чем раз в квартал |
3 мес. 15 дней |
Источники: [18], [19]
Примечание: СС (Classification of Types of Construction) - Классификация типов строительства
«Коррелограмма исходного временного ряда объема заключенных договоров строительного подряда»
«Сравнительный анализ качества моделей класса ARMA(p,q), поиск оптимальной модели»
|
AR(1) |
AR(2) |
MA(1) |
MA(2) |
ARMA(1,1) |
ARMA(1,2) |
ARMA(2,1) |
||
|
Характеристика модели: |
||||||||
|
Скорректированный R2 |
0,532 |
0,647 |
-11,228 |
-3,629 |
0,541 |
0,533 |
0,816 |
|
|
Стационарность процесса (по корню обратного характеристического уравнения) |
стационарен, корень 0,99<1 |
нестационарен, корень 1 не <1 |
стационарен, корень -0,9<1 |
стационарен, оба корня -.68+.62i и -.69-.62i внутри единичной окружности |
стационарен, оба корня 0,99 и -0,02 <1 |
нестационарен, один из трех корней 1,04>1 |
стационарен, все три корня 0,99, 0,1 и -0,13 <1 |
|
|
Критерий Шварца |
-1,819 |
-1,86 |
1,793 |
1,818 |
-1,745 |
-1,552 |
-1,175 |
|
|
Значимость модели |
значима на уровне 0,01 |
компонента AR(1) значима, а AR(2) незначима на уровне 0,01 |
значима на уровне 0,01 |
значима на уровне 0,01 |
компонента AR(1) значима, а MA(1) незначима на уровне 0,01 |
компонента AR(1) значима, а MA(1) и MA(2) незначима на уровне 0,01 |
значима на уровне 0,01 |
|
|
Поведение теоретических и эмпирических ACF и PACF |
существенные расхождения |
существенные расхождения |
умеренные расхождения |
умеренные расхождения |
существенные расхождения |
существенные расхождения |
несущественные расхождения |
|
|
Качество модели: |
||||||||
|
Стационарность остатков (тест Дики-Фуллера) |
prob=0,000<0,01, т.е с вероятностью 99% остатки стационарны |
prob=0,000<0,01, т.е с вероятностью 99% остатки стационарны |
prob=0,0001<0,01, т.е с вероятностью 99% остатки стационарны |
prob=0,000<0,01, т.е с вероятностью 99% остатки стационарны |
prob=0,000<0,01, т.е с вероятностью 99% остатки стационарны |
prob=0,000<0,01, т.е с вероятностью 99% остатки стационарны |
prob=0,000<0,01, т.е с вероятностью 99% остатки стационарны |
|
|
Автокорреляция остатков (тест Бреуша-Годфри) |
хи-квадрат = 0,99 > 0,01, т.е с вероятностью 99% автокорреляция остатков отсутствует |
хи-квадрат = 0,156 > 0,01, т.е с вероятностью 99% автокорреляция остатков отсутствует |
хи-квадрат = 1 > 0,01, т.е с вероятностью 99% автокорреляция остатков отсутствует |
хи-квадрат = 0,97 > 0,01, т.е с вероятностью 99% автокорреляция остатков отсутствует |
хи-квадрат = 0,005 < 0,01, гипотеза о наличии автокорреляции остатков не отвергается |
хи-квадрат = 0,003 < 0,01, гипотеза о наличии автокорреляции остатков не отвергается |
хи-квадрат = 0,98 > 0,01, т.е с вероятностью 99% автокорреляция остатков отсутствует |
|
|
Нормальность остатков (критерий Жака-Бера) |
prob=0,034>0,01, т.е с вероятностью 99% остатки подчиняются нормальному з-ну распределения |
prob=0,91>0,01, т.е с вероятностью 99% остатки подчиняются нормальному з-ну распределения |
prob=0,65>0,01, т.е с вероятностью 99% остатки подчиняются нормальному з-ну распределения |
prob=0,69>0,01, т.е с вероятностью 99% остатки подчиняются нормальному з-ну распределения |
prob=0,054>0,01, т.е с вероятностью 99% остатки подчиняются нормальному з-ну распределения |
prob=0,056>0,01, т.е с вероятностью 99% остатки подчиняются нормальному з-ну распределения |
prob=0,9>0,01, т.е с вероятностью 99% остатки подчиняются нормальному з-ну распределения |
«График корней процесса ARMA(2,1)»
«Коррелограмма процесса ARMA(2,1)»
«Тест Дики-Фуллера на наличие единичного корня для процесса ARMA(2,1)»
|
Null Hypothesis: D(RESID) has a unit root |
|||||
|
Exogenous: Constant |
|||||
|
Lag Length: 3 (Automatic - based on SIC, maxlag=9) |
|||||
|
t-Statistic |
Prob.* |
||||
|
Augmented Dickey-Fuller test statistic |
-6.628812 |
0.0000 |
|||
|
Test critical values: |
1% level |
-3.511987 |
|||
|
5% level |
-2.834012 |
||||
|
10% level |
-2.514735 |
||||
|
*MacKinnon (1996) one-sided p-values. |
«Тест Бреуша-Годфри на отсутствие автокорреляции остатков модели ARMA(2,1)»
|
Breusch-Godfrey Serial Correlation LM Test: |
|||||
|
F-statistic |
0.032412 |
Prob. F(2,41) |
0.9690 |
||
|
Obs*R-squared |
0.052613 |
Prob. Chi-Square(2) |
0.9794 |
||
«Критерий Жака-Бера на нормальность остатков для модели ARMA(2,1)»
«Ежемесячный прогноз на год вперед по модели ARMA(2,1)»
«Полная объясненная дисперсия - вывод итогов SPSS по факторному анализу»
|
Компонента |
Начальные собственные значения |
Суммы квадратов нагрузок извлечения |
Суммы квадратов нагрузок вращения |
|||||||
|
Всего |
% дисперсии |
Кумулятивный % |
Всего |
% дисперсии |
Кумулятивный % |
Всего |
% дисперсии |
Кумулятивный % |
||
|
1 |
1,750 |
21,879 |
21,879 |
1,750 |
21,879 |
21,879 |
1,531 |
19,136 |
19,136 |
|
|
2 |
1,364 |
17,045 |
38,924 |
1,364 |
17,045 |
38,924 |
1,358 |
16,975 |
36,111 |
|
|
3 |
1,085 |
13,561 |
52,485 |
1,085 |
13,561 |
52,485 |
1,238 |
15,478 |
51,589 |
|
|
4 |
1,015 |
12,688 |
65,172 |
1,015 |
12,688 |
65,172 |
1,087 |
13,583 |
65,172 |
|
|
5 |
,835 |
10,434 |
75,606 |
|||||||
|
6 |
,737 |
9,207 |
84,813 |
|||||||
|
7 |
,662 |
8,273 |
93,087 |
|||||||
|
8 |
,553 |
6,913 |
100,000 |
|||||||
|
Метод выделения: Анализ главных компонент. |
«Матрица повернутых компонент - вывод итогов SPSS по факторному анализу»
|
Компонента |
|||||
|
1 |
2 |
3 |
4 |
||
|
x1 |
-,170 |
,746 |
-,057 |
,018 |
|
|
x2 |
,015 |
-,080 |
,044 |
,929 |
|
|
x3 |
,479 |
,434 |
-,220 |
,180 |
|
|
x4 |
,027 |
,113 |
,861 |
,175 |
|
|
x5 |
-,211 |
-,136 |
,547 |
-,363 |
|
|
x6 |
-,085 |
-,748 |
-,136 |
,106 |
|
|
x7 |
,844 |
-,018 |
,173 |
-,073 |
|
|
x8 |
,712 |
-,128 |
-,310 |
,110 |
|
Метод выделения: Анализ методом главных компонент.Метод вращения: Варимакс с нормализацией Кайзера. |
|||||
|
a. Вращение сошлось за 5 итераций. |
«Шаги агломерации для иерархического кластерного анализа»
|
Этап |
Кластер объединен с |
Коэффициенты |
Этап первого появления кластера |
Следующий этап |
|||
|
Кластер 1 |
Кластер 2 |
Кластер 1 |
Кластер 2 |
||||
|
1 |
69 |
79 |
,094 |
0 |
0 |
8 |
|
|
2 |
44 |
54 |
,103 |
0 |
0 |
7 |
|
|
3 |
24 |
59 |
,121 |
0 |
0 |
21 |
|
|
4 |
8 |
68 |
,149 |
0 |
0 |
34 |
|
|
5 |
39 |
48 |
,173 |
0 |
0 |
14 |
|
|
6 |
9 |
72 |
,175 |
0 |
0 |
16 |
|
|
7 |
15 |
44 |
,176 |
0 |
2 |
13 |
|
|
8 |
46 |
69 |
,183 |
0 |
1 |
26 |
|
|
9 |
26 |
33 |
,183 |
0 |
0 |
39 |
|
|
10 |
32 |
61 |
,204 |
0 |
0 |
22 |
|
|
11 |
71 |
85 |
,208 |
0 |
0 |
37 |
|
|
12 |
2 |
21 |
,226 |
0 |
0 |
31 |
|
|
13 |
15 |
53 |
,265 |
7 |
0 |
23 |
|
|
14 |
29 |
39 |
,296 |
0 |
5 |
46 |
|
|
15 |
65 |
76 |
,300 |
0 |
0 |
29 |
|
|
16 |
9 |
66 |
,302 |
6 |
0 |
35 |
|
|
17 |
43 |
60 |
,341 |
0 |
0 |
32 |
|
|
18 |
3 |
35 |
,362 |
0 |
0 |
25 |
|
|
19 |
17 |
18 |
,386 |
0 |
0 |
41 |
|
|
20 |
50 |
73 |
,407 |
0 |
0 |
35 |
|
|
21 |
6 |
24 |
,408 |
0 |
3 |
40 |
|
|
22 |
32 |
62 |
,451 |
10 |
0 |
36 |
|
|
23 |
15 |
64 |
,463 |
13 |
0 |
43 |
|
|
24 |
31 |
38 |
,468 |
0 |
0 |
48 |
|
|
25 |
3 |
51 |
,495 |
18 |
0 |
40 |
|
|
26 |
19 |
46 |
,498 |
0 |
8 |
44 |
|
|
27 |
14 |
57 |
,527 |
0 |
0 |
70 |
|
|
28 |
58 |
80 |
,571 |
0 |
0 |
49 |
|
|
29 |
45 |
65 |
,576 |
0 |
15 |
36 |
|
|
30 |
12 |
75 |
,603 |
0 |
0 |
50 |
|
|
31 |
2 |
23 |
,629 |
12 |
0 |
47 |
|
|
32 |
30 |
43 |
,684 |
0 |
17 |
76 |
|
|
33 |
1 |
34 |
,701 |
0 |
0 |
52 |
|
|
34 |
8 |
77 |
,728 |
4 |
0 |
53 |
|
|
35 <... |
Подобные документы
Статистический анализ курса Центрального банка валютной пары евро/рубль, построение соответствующих гистограмм. Выполнение описательной статистики выборочных данных, проверка гипотезы о нормальном распределении, равенстве средних и равенстве дисперсий.
курсовая работа [2,5 M], добавлен 08.07.2015Система национальных счетов как макростатистическая модель экономики. Основные макроэкономические показатели СНС и методы их расчета. Расчет ВВП методом конечного использования. Система обобщающих показателей эффективности использования ресурсов.
курсовая работа [48,8 K], добавлен 12.03.2009Виды решаемых задач с помощью индексов: анализ влияния отдельных факторов на изучаемое явление, оценка динамики среднего показателя. Классификация индексов на статистические, индивидуальные, агрегатные, средние. Анализ изменения среднего показателя.
презентация [137,4 K], добавлен 16.03.2014Применение методов и формул математической статистики при выполнении расчета показателей эффективности производства, организации рабочего процесса, оценке перспектив и разработке планов развития определенных отраслей промышленности. Расчет добычи угля.
контрольная работа [497,9 K], добавлен 05.11.2009Система статистических показателей прибыли и рентабельности, методика их расчета. Организационно-экономическая характеристика ООО "Арбижил". Обеспеченность ресурсами и эффективность их использования. Статистический анализ финансовых результатов.
курсовая работа [71,2 K], добавлен 10.06.2015Значение системы национальных счетов в статистическом изучении социально-экономических процессов. Методы исчисления валового внутреннего продукта и национального дохода. Общие принципы построения СНС. Направления анализа показателей отдельных счетов.
курсовая работа [115,4 K], добавлен 06.04.2009Расчет показателей показательной статистики, построение графического изображения вариационного ряда с их использованием и оценка изучаемого явления, общая характеристика. Расчет средней арифметической, методы расчета. Уровень доверительной вероятности.
контрольная работа [592,1 K], добавлен 10.02.2009Основные понятия, сущность, классификация, уровни и показатели статистических рядов динамики. Общая характеристика деятельности и организационная структура "Салона красоты Goddess", статистический анализ его баланса, доходов и расходов по рядам динамики.
курсовая работа [401,4 K], добавлен 27.05.2010Сущность, цели и задачи выборочного обследования. Описание и особенности использования типического способа отбора выборочной совокупности. Формы статистических показателей выборочного наблюдения. Виды и методика расчета оценок статистических показателей.
курсовая работа [124,1 K], добавлен 13.03.2010История эконометрики и прикладной статистики. Прикладная статистика в народном хозяйстве. Точки роста. Непараметрическая статистика. Статистика объектов нечисловой природы - часть прикладной статистики.
реферат [61,6 K], добавлен 08.01.2009Методика проектирования статистического наблюдения деятельности российских туристических фирм. Выделение объекта, единицы наблюдения и отчетной единицы. Анализ методом расчета показателей динамики. Коэффициенты взаимной сопряженности Пирсона и Чупрова.
курсовая работа [1,1 M], добавлен 27.10.2011Теоретико-методологические основы статистического исследования младенческой смертности. Способы вычисления показателей. Статистическое исследование младенческой смертности в Российской Федерации. Анализ динамики младенческой смертности по субъектам.
курсовая работа [224,7 K], добавлен 22.11.2013Показатели наличия и структуры основных средств, виды их оценки. Показатели состояния и динамики основных производственных фондов. Показатели использования основных средств. Статистический анализ динамики использования основных средств. Индекс Струмилина.
курсовая работа [88,1 K], добавлен 25.02.2013Факторы успеха кинокартин: результаты зарубежных исследований. Эконометрическая оценка детерминант успеха фильма. Регрессионный анализ. Тестирование качества параметров модели. Оценка предпочтений российского зрителя. Анализ дескриптивной статистики.
дипломная работа [2,8 M], добавлен 01.10.2016Генеральная, выборочная совокупность. Методологические основы вероятностно-статистического анализа. Функции MathCad, предназначенные для решения задач математической статистики. Решение задач, в MS Excel, с помощью формул и используя меню "Анализ данных".
курсовая работа [401,4 K], добавлен 20.01.2014Статистика трудовых ресурсов и её задачи. Показатели численности и движения трудовых ресурсов. Понятие о рядах динамики. Анализ основной тенденции развития в рядах динамики. Корреляционная связь. Экстраполяция в рядах динамики и прогнозирование.
курсовая работа [2,0 M], добавлен 10.04.2008Предмет, метод, показатели статистики. Понятия и категории статистического наблюдения. Показатели вариации, абсолютные и относительные величины, графический и индексный методы. Взаимосвязь социально-экономических явлений. Сглаживание рядов динамики.
курс лекций [132,9 K], добавлен 23.02.2009Коэффициент корреляции, расчетное значение статистики Стьюдента. Предварительный анализ одновременного включения показателей процентных ставок банка по кредитованию и депозитным вкладам юридических лиц в модель. Графический анализ временного ряда.
контрольная работа [133,2 K], добавлен 03.02.2013Определение коэффициента механического прироста, рождаемости и выбытия населения. Вычисление удельного веса общественных фондов потребления и льгот в расчете на душу населения. Способы расчета индекса производительности труда постоянного состава.
контрольная работа [26,5 K], добавлен 11.04.2009Основные понятия статистики. Этапы проведения статистического наблюдения. Свойства средней арифметической. Формы, виды и способы наблюдения. Статистические ряды распределения. Виды дисперсий и правило их сложения. Изучение динамики общественных явлений.
презентация [938,2 K], добавлен 18.04.2013
