Многофакторная модель. Ряды динамики
Оценка статистических показателей факторов, влияющих на цены первичных однокомнатных квартир в Приволжском районе г. Казань. Абсолютные, относительные, средние изменения затрат на содержание государственных природных заповедников и национальных парков.
Рубрика | Экономико-математическое моделирование |
Вид | курсовая работа |
Язык | русский |
Дата добавления | 21.12.2016 |
Размер файла | 151,9 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://allbest.ru
Многофакторная модель. Ряды динамики
Введение
статистический затрата цена
В первом разделе курсовой работы мы рассмотрим зависимость цены первичных однокомнатных квартир в Приволжском районе города Казань. Исходные данные были взяты из газеты «Из рук в руки». Проведя анализ совокупности, выясним какой из 3 факторов (площадь квартиры, площадь кухни, этаж) больше всего влияет на уровень цены первичной однокомнатной квартиры. Также в этом разделе рассчитаем множественную и парную регрессию, такие статистические показатели как мода, медиана, коэффициент эластичности, дисперсия, общая дисперсия, межгрупповая дисперсия, эмпирический коэффициент детерминации, эмпирическое корреляционное отношение.
Во втором разделе курсовой работы мы рассмотрим затраты на содержание государственных природных заповедников и национальных парков, охрану и воспроизводство диких животных с 2010 по 2014 года, данные были взяты на сайте http://www.gks.ru. Необходимо найти абсолютные, относительные, средние изменения и их темпы базисным и цепным способами. Также проверить ряд на наличие в нем линейного тренда, на основе которого рассчитать интервальный прогноз на 2015 год с вероятностью 95%.
1. Многофакторная модель
Для оценки влияния факторов на результативный признак (цена вторичной однокомнатной квартиры в Приволжском районе г.Казань) требуется провести отбор факторов в модель линейной регрессии на основе данных по 30 квартирам, а также изучить состав и структуру выборочный совокупности. Выборочные данные представлены в табл. 1.1
Таблица 1
№ п/п |
Цена вторичной однокомнатной квартиры в Приволжском районе г.Казань, млн.руб. (Y) |
Площадь квартиры, м2 (Х1) |
Площадь кухни, м2 (Х2) |
Этаж (Х3) |
|
1 |
2,1 |
42 |
18 |
3 |
|
2 |
2,6 |
39 |
18 |
9 |
|
3 |
2,9 |
48 |
15,5 |
11 |
|
4 |
3,08 |
45 |
17,5 |
4 |
|
5 |
2,9 |
45 |
18,5 |
2 |
|
6 |
3,1 |
45 |
22,74 |
3 |
|
7 |
2,6 |
43 |
18 |
5 |
|
8 |
2,894 |
45 |
17,5 |
17 |
|
9 |
2,75 |
44 |
17 |
8 |
|
10 |
2,33 |
45,7 |
18 |
16 |
|
11 |
2,24 |
33 |
12 |
9 |
|
12 |
2,19 |
35 |
14 |
7 |
|
13 |
3,15 |
50 |
18 |
7 |
|
14 |
3,1 |
48,5 |
18 |
9 |
|
15 |
2,69 |
38 |
19 |
8 |
|
16 |
3,62 |
50 |
18 |
5 |
|
17 |
2,65 |
40 |
16 |
10 |
|
18 |
3,55 |
43,1 |
22 |
7 |
|
19 |
3,09 |
45,2 |
24,2 |
11 |
|
20 |
3,1 |
44 |
19,1 |
7 |
|
21 |
2,5 |
33 |
16 |
8 |
|
22 |
2,4 |
43 |
17 |
2 |
|
23 |
2,659 |
52 |
17 |
21 |
|
24 |
2,6 |
46 |
17 |
4 |
|
25 |
3,05 |
45 |
16 |
4 |
|
26 |
3,4 |
47 |
17 |
5 |
|
27 |
3,1 |
43 |
11,9 |
10 |
|
28 |
2,8 |
44,5 |
16,3 |
3 |
|
29 |
2,9 |
40 |
27 |
1 |
|
30 |
2,95 |
47 |
18 |
9 |
Для решения задачи воспользуемся методом исключения факторов.
На первом шаге включим в модель все факторы. В качестве программного средства реализации анализа воспользуемся пакетом Анализ данных табличного процессора EXCEL, инструмент Регрессия. Результаты представлены в таблице 2.
Модель зависимости цены квартиры в Приволжском районе г.Казань от всех факторов имеет вид (формула 1.1):
Y(x) = 0,535 + 0,045x1 + 0,025x2 - 0,014x3 ,(1.1)
Проверку значимости уравнения регрессии осуществим на основе F-критерия Фишера. Расчетное значение (Fрасч) равно 5,65. Табличное значение F-критерия при доверительной вероятности 0,95 и числе степеней свободы г1= k = 3 и г2 = n - k - 1 = 30 - 3 - 1 = 26 составляет 2,98.
Таблица 2
Вывод итогов инструмента «Регрессия» (множественная регрессия)
Регрессионная статистика |
|||||
Множественный R |
0,628368 |
||||
R-квадрат |
0,394846 |
||||
Нормированный R-квадрат |
0,32502 |
||||
Стандартная ошибка |
0,310959 |
||||
Наблюдения |
30 |
||||
Дисперсионный анализ |
|||||
df |
SS |
MS |
F |
||
Регрессия |
3 |
1,640367 |
0,546789 |
5,654753 |
|
Остаток |
26 |
2,514082 |
0,096695 |
||
Итого |
29 |
4,154449 |
|||
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
||
Y-пересечение |
0,534808 |
0,598374 |
0,893769 |
0,379645 |
|
Переменная X 1 |
0,04468 |
0,013034 |
3,427862 |
0,002036 |
|
Переменная X 2 |
0,025427 |
0,019786 |
1,285092 |
0,210091 |
|
Переменная X 3 |
-0,01387 |
0,013261 |
-1,04615 |
0,305122 |
Поскольку Fрасч > F табл, уравнение регрессии следует признать адекватным.
Множественный коэффициент корреляции R, равный 0,628, свидетельствует о заметной связи между признаками.
Множественный коэффициент детерминации RІ, равный 0,395, показывает, что около 39,5% вариации зависимой переменной обусловлено влиянием включенных в модель факторов и на 60,5% ? другими факторами, не учтенными в модели.
Значимость коэффициентов регрессии оценим с помощью t - критерия Стьюдента.
Расчетные значения критерия Стьюдента следующие: ta1 = 3,428, ta2 = 1,285, ta3 = -1,046. Табличное значение критерия при уровне значимости б = 0,05 и числе степеней свободы г = n - k - 1 = 26 равно 2,056. Значит, выполняется следующее неравенство:¦ ta2, ta3 ¦< tтабл. Таким образом, коэффициенты регрессии a2, a3 незначимы и из модели следует исключить факторные признаки x2, x3.
На втором шаге построим модель зависимости цены вторичных однокомнатных квартир в Приволжском районе г.Казань от площади квартиры. Расчеты представлены в таблице 3.
Таблица 3. Вывод итогов инструмента «Регрессия» (парная регрессия)
Регрессионная статистика |
|||||
Множественный R |
0,555294 |
||||
R-квадрат |
0,308352 |
||||
Нормированный R-квадрат |
0,28365 |
||||
Стандартная ошибка |
0,320347 |
||||
Наблюдения |
30 |
||||
Дисперсионный анализ |
|||||
df |
SS |
MS |
F |
||
Регрессия |
1 |
1,281031 |
1,281031 |
12,483 |
|
Остаток |
28 |
2,873418 |
0,102622 |
||
Итого |
29 |
4,154449 |
|||
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
||
Y-пересечение |
0,85548 |
0,562784 |
1,520087 |
0,139702 |
|
Переменная X 1 |
0,045324 |
0,012828 |
3,533128 |
0,001446 |
Величина коэффициента корреляции (ryx = 0,555) свидетельствует о заметной связи между признаками.
Парный коэффициент детерминации (rІyx = 0,308) показывает, что на 30,8% изменение зависимой переменной объясняется изменениями факторного признака.
Значимость коэффициента корреляции проверим с помощью t-критерия Стьюдента по формуле 1.2:
tрасч = ryx = 3,530 = 6,361, (1.2)
Табличное значение t-критерия Стьюдента при доверительной вероятности 0,05 и числе степеней свободы г = (n - k - 1) = 28 составляет 2,048.
Так как tрасч > tтабл, то значение коэффициента корреляции признается значимым и делается вывод о том, что между признаками есть статистическая взаимосвязь.
Коэффициент регрессии a1 =0,045 показывает, что с увеличением общей площади на 1 м2 цена возрастает на 0,045 млн. руб.
Уравнение парной регрессии имеет вид формула 1.3:
= 0,855 + 0,045x1,(1.3)
Табличное значение t-критерия с г = (n - k - 1) = 28 степенями свободы при доверительной вероятности 0,95 (б = 0,05) равно 2,048. Расчетные значения критерия равны ta0= 1,520, ta1 = 3,533.
Значит, имеем следующие результаты:
ta0 < tтабл параметр a0 незначим;
ta1 > tтабл параметр a1 значим.
Для проверки значимости уравнения регрессии в целом воспользуемся F-критерием Фишера. Табличное значение воспользуемся F-критерия с г1 = k = 1 и г2 = n - k - 1 = 28 степенями свободы и при доверительной вероятности 0,95 (б = 0,05) равно 4,2. Расчетное значение критерия составляет 12,48.
Так как Fрасч > Fтабл, уравнение парной линейной регрессии с вероятностью 0,95 в целом статистически значимое.
Рассчитаем коэффициент эластичности по формуле 1.4:
Эi = ai Ч ,(1.4)
где ai -коэффициент регрессии при i-м факторе;
-среднее значение i-го фактора;
-среднее значение результативного признака.
Эi = ai Ч = 0,045 Ч = 0,693%.
Коэффициент эластичности показывает, что на 0,693% в среднем изменится результативный признак при изменении факторного признака на 1м2.
Для изучения состава и структуры выборочной совокупности квартир построим статистический ряд распределения по признаку «площадь квартиры». Расположим значения признака х1 в порядке возрастания с помощью табличного процессора EXCEL, инструмент Данные, сортировка. Результаты представлены в таблице 4.
Таблица 4. Разработанная таблица для построения ряда распределения
X1 |
Y |
X1 |
Y |
X1 |
Y |
|
33 |
2,24 |
43 |
3,1 |
45,2 |
3,09 |
|
33 |
2,5 |
43,1 |
3,55 |
45,7 |
2,33 |
|
35 |
2,19 |
44 |
2,75 |
46 |
2,6 |
|
38 |
2,69 |
44 |
3,1 |
47 |
3,4 |
|
39 |
2,6 |
44,5 |
2,8 |
47 |
2,95 |
|
40 |
2,65 |
45 |
3,08 |
48 |
2,9 |
|
40 |
2,9 |
45 |
2,9 |
48,5 |
3,1 |
|
42 |
2,1 |
45 |
3,1 |
50 |
3,15 |
|
43 |
2,6 |
45 |
2,894 |
50 |
3,62 |
|
43 |
2,4 |
45 |
3,05 |
52 |
2,659 |
Число групп n определим по формуле Стерджесса (1.5):
n = 1 + 3,22lgN = 1 + 3,322lg30 ? 6 групп,(1.5)
Величину интервала группировки рассчитаем по формуле 1.6:
h = = (52-33) : 6 = 3,17 м2,(1.6)
Значения границ интервалов ряда распределения при h = 3,17 м2 приведены в таблице 5.
Таблица 5 Расчет интервальных границ группировки
№ группы |
Граница, м2 |
||
нижняя |
верхняя |
||
1 |
33 |
36,17 |
|
2 |
36,17 |
39,34 |
|
3 |
39,34 |
42,51 |
|
4 |
42,51 |
45,68 |
|
5 |
45,68 |
48,85 |
|
6 |
48,85 |
52,02 |
На основе данных таблиц 4 и 5 составим таблицу 6, в которой представлен ряд распределения коттеджей по общей площади.
Таблица 6 Распределение коттеджей по общей площади (структурная группировка)
№ группы |
Группы вторичных однокомнатных квартир по площади, м2 |
Число квартир |
Накопленная частота |
Накопленная частность, % |
||
всего |
В% к итогу |
|||||
А |
Б |
1 |
2 |
3 |
4 |
|
1 |
33-36,17 |
3 |
10,0 |
3 |
10,0 |
|
2 |
36,17-39,34 |
2 |
6,7 |
5 |
16,7 |
|
3 |
39,34-42,51 |
3 |
10,0 |
8 |
26,7 |
|
4 |
42,51-45,68 |
13 |
43,3 |
21 |
70,0 |
|
5 |
45,68-48,85 |
6 |
20,0 |
27 |
90,0 |
|
6 |
48,85 и более |
3 |
10,0 |
30 |
100,0 |
|
Итого |
30 |
100,0 |
Графически ряд распределения изображается с помощью гистограммы и кумуляты. В качестве программного средства графического изображения ряда распределения воспользуемся табличным процессором EXCEL, инструмент Мастер диаграмм. Результаты представлены на рис. 1.
Рисунок 1. Гистограмма распределения вторичных однокомнатных квартир в Приволжском районе г.Казань по общей площади.
На рис. 1 показано нахождение значения моды. Конкретное значение моды для интервального ряда распределения определяется по формуле
,(1.7)
где -нижняя граница модального интервала;
-величина модального интервала;
-частота модального интервала;
-частота интервала, предшествующего модальному интервалу
- частота интервала, следующего за модальным интервалом.
Модальным интервалом является интервал 134-168 м2, так ему соответствует наибольшая частота (=15, таблица 6).
м2
Таким образом, в выборочной совокупности чаще всего встречаются квартиры со средней общей площадью 44, 375 .
Для нахождения значения медианы строится кумулята (рис.2).
Накопленные частоты
Рисунок 2. Кумулята распределения коттеджей по общей площади.
Конкретное значение медианы для интервального ряда распределения определяется по формуле:
,(1.8)
где - нижняя граница медианного интервала;
- величина медианного интервала;
-частота медианного интервала;
-накопленная частота интервалов, предшествующих медианному интервалу;
- сумма частот.
Согласно данным таблицы 6 медианным интервалом является интервал 42,51-45,68, так как в этом интервале сумма накопленных частот превышает величину , равную половине численности единиц совокупности =15).
2
В выборочной совокупности половина квартир имеют в среднем общую площадь не более 44,21 м2, другая половина - не менее 44,21м2.
Для расчета характеристик ряда распределения построим вспомогательную таблицу 7.
Расчет средней арифметической взвешенной:
м2
Расчет дисперсии и среднего квадратического отклонения:
м2
Среднее квадратическое отклонение в ту или иную сторону в среднем составляет 4,311 м2.
Таблица 7 Расчетная таблица для нахождения характеристик ряда распределения
№ группы |
Группы вторичных однокомнатных квартир по площади, м2 |
Число квартир ( |
Середина интервала, ( |
|||||
А |
Б |
1 |
2 |
3 |
4 |
5 |
6 |
|
1 |
33-36,17 |
3 |
34,585 |
103,755 |
-9,048 |
81,866 |
245,598 |
|
2 |
36,17-39,34 |
2 |
37,755 |
75,51 |
-5,878 |
34,551 |
69,102 |
|
3 |
39,34-42,51 |
3 |
40,925 |
122,775 |
-2,708 |
7,333 |
21,999 |
|
4 |
42,51-45,68 |
13 |
44,095 |
573,235 |
0,462 |
0,213 |
2,769 |
|
5 |
45,68-48,85 |
6 |
47,265 |
283,59 |
3,632 |
13,191 |
79,146 |
|
6 |
48,85 и более |
3 |
50,435 |
151,305 |
6,802 |
46,267 |
138,801 |
|
Итого |
30 |
255,06 |
1310,17 |
-6,738 |
183,421 |
557,415 |
Расчет коэффициента вариации:
%
На основе проведенных расчетов можно сделать выводы о том, что средняя общая площадь квартир в данной совокупности равен 43,672 м2, отклонение от среднего значения в ту или иную сторону составляет в среднем 4,311 м2, вариация общей площади в рассматриваемой совокупности квартир незначительна ( V= 9,871% <33%) и совокупность по данному признаку качественно однородна.
Таблица 8 Выход итогов инструмента «Описательная статистика»
Цена вторичных однокомнатных квартир в Приволжском районе г.Казань |
Площадь квартир |
|||
Среднее |
2,858379 |
Среднее |
43,68966 |
|
Стандартная ошибка |
0,06657 |
Стандартная ошибка |
0,874408 |
|
Продолжение таблицы 8 |
||||
Цена вторичных однокомнатных квартир в Приволжском районе г.Казань |
Площадь квартир |
|||
Медиана |
2,9 |
Медиана |
45 |
|
Мода |
3,1 |
Мода |
45 |
|
Стандартное отклонение |
0,358493 |
Стандартное отклонение |
4,708832 |
|
Дисперсия выборки |
0,128517 |
Дисперсия выборки |
22,1731 |
|
Эксцесс |
-0,18533 |
Эксцесс |
0,506895 |
|
Асимметричность |
0,120089 |
Асимметричность |
-0,77592 |
|
Интервал |
1,43 |
Интервал |
19 |
|
Минимум |
2,19 |
Минимум |
33 |
|
Максимум |
3,62 |
Максимум |
52 |
|
Сумма |
82,893 |
Сумма |
1267 |
|
Счет |
29 |
Счет |
29 |
|
Уровень надежности (95,0%) |
0,136363 |
Уровень надежности (95,0%) |
1,791144 |
Значения таблицы 8 несущественно расходятся с приведенными ранее расчетами, так как они определены по фактическим несгруппированным данным, тогда как значения показателей, полученные на основе данных таблица 7, определялись по серединам интервалов, взятым в качестве значений признака. На основе данных таблицы 4 построим аналитическую группировку (таблица 9).
Таблица 9 Зависимость суммы цены коттеджей от общей площади (аналитическая группировка)
№ группы |
Группы вторичных однокомнатных квартир по площади,м2 |
Число квартир |
Цена вторичных однокомнатных квартир в Приволжском районе г.Казань,млн.руб. |
||
всего |
За среднюю площадь квартиры |
||||
А |
Б |
1 |
2 |
3 |
|
1 |
33-36,17 |
3 |
6,93 |
2,31 |
|
2 |
36,17-39,34 |
2 |
5,29 |
2,645 |
|
3 |
39,34-42,51 |
3 |
7,65 |
2,55 |
|
4 |
42,51-45,68 |
13 |
38,414 |
2,955 |
|
5 |
45,68-48,85 |
6 |
17,28 |
2,88 |
|
6 |
48,85 и более |
3 |
9,429 |
3,143 |
|
Итого |
30 |
84,993 |
16,483 |
Построенная группировка не дает представления о направлении связи между признаками (с ростом значений факторного признака не наблюдается рост или снижение среднего значения результативного признака).
Для измерения тесноты связи между признаками рассчитываются эмпирический коэффициент детерминации и эмпирическое корреляционное отношение по формуле 1.9:
(1.9)
где - общая дисперсия признака Y;
межгрупповая дисперсия признака Y.
Общая дисперсия вычисляется по формуле 1.10.
(1.10)
Для расчета общей дисперсии воспользуемся табличным процессором EXCEL, инструмент Мастер функций, статистическая функция ДИСПР. Расчетное значение дисперсии равно .
Межгрупповая дисперсия определяется по формуле 1.11
,(1.11)
Для расчета межгрупповой дисперсии составим таблица 10.
Таблица 10 Расчет межгрупповой дисперсии
№ группы |
Группы вторичных однокомнатных квартир по площади,м2 |
Число квартир, |
Групповая средняя |
|||
А |
Б |
1 |
2 |
3 |
4 |
|
1 |
33-36,17 |
3 |
2,31 |
-0,52 |
0,27 |
|
2 |
36,17-39,34 |
2 |
2,645 |
-0,185 |
0,005 |
|
3 |
39,34-42,51 |
3 |
2,55 |
-0,28 |
0,06 |
|
4 |
42,51-45,68 |
13 |
2,955 |
0,125 |
0,04 |
|
5 |
45,68-48,85 |
6 |
2,88 |
0,05 |
0,0002 |
|
6 |
48,85 и более |
3 |
3,143 |
0,313 |
0,083 |
|
Итого |
30 |
2,83 |
0,458 |
Межгрупповая дисперсия равна:
.
Эмпирический коэффициент детерминации равен:
Эмпирическое корреляционное отношение составляет:
=0,65=65%
Полученное значение эмпирического корреляционного отношения подтверждает наличие заметной связи между рассматриваемыми признаками. Эмпирический коэффициент детерминации показывает, что 65% общей вариации изучаемого признака (цена вторичных однокомнатных квартир в Приволжском районе г. Казань) обусловлено вариацией группировочного признака (общей площади), а 35% влияют все остальные факторы (площадь кухни, этаж).
2 Раздел. Ряды динамики
В данном разделе студент самостоятельно определяет показатели динамического ряда с 2011 по 2015 годы на основании статистических данных Госкомстата РФ и РТ. По типовому примеру с решением студентом рассчитываются основные статистические показатели динамического ряда и представляются графическое изображение(тренд) тенденции изучаемого показателя.
Типовой пример. Уровень заработной платы в Санкт-Петербурге за период 2011-2015 гг. характеризуется следующим рядом динамики.
Таблица 1
Год |
2011 |
2012 |
2013 |
2014 |
2015 |
|
Средний уровень заработной платы в Санкт-Петербурге, тыс.руб |
23,4 |
26,6 |
29,8 |
32,6 |
32,0 |
Вычислить: абсолютные, относительные, средние изменения и их темпы базисным и цепным способами. Проверить ряд на наличие в нем линейного тренда, на основе которого рассчитать интервальный прогноз на 2016 год с вероятностью 95%.
Решение. Любое изменение уровней ряда динамики определяется базисным (сравнение с первым уровнем) и цепным (сравнение с предыдущим уровнем) способами. Оно может быть абсолютным (разность уровней ряда) и относительным (соотношение уровней).
Базисное абсолютное изменение представляет собой разность конкретного и первого уровней ряда (2.1), а цепное абсолютное изменение представляет собой разность конкретного и предыдущего уровней ряда (2.2).
(2.1)(2.2)
По знаку абсолютного изменения делается вывод о характере развития явления: при > 0 -- рост, при < 0 -- спад, при = 0 -- стабильность.
В нашей задаче эти изменения определены в 3-м и 4-м столбцах таблицы 2. Для проверки правильности расчетов применяется правило, согласно которому сумма цепных абсолютных изменений равняется последнему базисному. В нашей задаче это правило выполняется: =8,6 и = 8,6.
Базисное относительное изменение представляет собой соотношение конкретного и первого уровней ряда (2.3), а цепное относительное изменение представляет собой соотношение конкретного и предыдущего уровней ряда (2.4).
(2.3)(2.4)
Относительные изменения уровней -- это по существу индексы динамики, критериальным значением которых служит 1. Если они больше ее, имеет место рост явления, меньше ее -- спад, а при равенстве единице наблюдается стабильность явления.
В задаче эти изменения определены в 5-м и 6-м столбцах таблицы 2.
Вычитая единицу из относительных изменений, получают темп изменения уровней, критериальным значением которого служит 0. При положительном темпе изменения имеет место рост явления, при отрицательном -- спад, а при нулевом темпе изменения наблюдается стабильность явления. В нашей задаче темпы изменения определены в 7-м и 9-м столбцах таблицы 2, а в 8-м и 10-м сделан вывод о характере развития изучаемого явления.
Таблица 2Вспомогательные расчеты для решения задачи
Год |
Y |
Хар-р |
Хар-р |
|||||||
2010 |
23,4 |
|||||||||
2011 |
26,6 |
3,2 |
3,2 |
1,13 |
1,13 |
0,13 |
рост |
0,13 |
рост |
|
2012 |
29,8 |
6,4 |
3,2 |
1,27 |
1,12 |
0,27 |
рост |
0,12 |
рост |
|
2013 |
32,6 |
9,2 |
2,8 |
1,39 |
1,09 |
0,39 |
рост |
0,09 |
рост |
|
2014 |
32,0 |
8,6 |
-0,6 |
1,36 |
0,98 |
0,36 |
рост |
-0,02 |
спад |
|
Итого |
144,4 |
8,6 |
1,36 |
Обобщенной характеристикой ряда динамики является средний уровень ряда . Способ расчета зависит от того, моментный ряд или интервальный (см. рис.2.1):
Рис.2.1. Методы расчета среднего уровня ряда динамики.
В нашей задаче ряд динамики моментный, значит, применяем формулу средней хронологической простой: =29,175 (тыс.руб.). То есть за период 2011-2015 в РФ средний уровень заработных плат составил 29,175 тыс.руб.
Кроме среднего уровня в рядах динамики рассчитываются и другие средние показатели - среднее изменение уровней ряда (базисным и цепным способами), средний темп изменения.
Базисное среднее абсолютное изменение - это частное от деления последнего базисного абсолютного изменения на количество изменений уровней (2.5). Цепное среднее абсолютное изменение уровней ряда - это частное от деления суммы всех цепных абсолютных изменений на количество изменений (2.6).
Б =(2.5)Ц=(2.6)
По знаку средних абсолютных изменений также судят о характере изменения явления в среднем: рост, спад или стабильность. Из правила контроля базисных и цепных абсолютных изменений следует, что базисное и цепное среднее изменение должны быть равными. В нашей задаче = 29,175, то есть на период с 2011 по 2015 года средняя заработная пллата составляла 29,175 т.р.
Наряду со средним абсолютным изменением рассчитывается и среднее относительное. Базисное среднее относительное изменение определяется по формуле (2.7), а цепное среднее относительное изменение - по формуле (2.8):
Б== (2.7)Ц=(2.8)
Естественно, базисное и цепное среднее относительное изменения должны быть одинаковыми и сравнением их с критериальным значением 1 делается вывод о характере изменения явления в среднем: рост, спад или стабильность. В нашей задаче = = 1,06, то есть ежегодно в среднем уровень заработной платы увеличивается на 1,06 т.р.
Вычитанием 1 из среднего относительного изменения образуется соответствующий средний темп изменения, по знаку которого также можно судить о характере изменения изучаемого явления, отраженного данным рядом динамики. В нашей задаче = 1,06- 1 = 0,06, то есть ежегодно уровень заработной платы увеличивается на 6%.
Проверка ряда динамики на наличие в нем тренда (тенденции развития ряда) возможна несколькими способами (метод средних, Фостера и Стюарта, Валлиса и Мура и пр.), но наиболее простым является графическая модель, где на графике по оси абсцисс откладывается время, а по оси ординат - уровни ряда. Соединив полученные точки линиями, в большинстве случаев можно выявить тренд визуально. Тренд может представлять собой прямую линию, параболу, гиперболу и т.п. В итоге приходим к трендовой модели вида (2.9):
,(2.9)
где - математическая функция развития;
- случайное или циклическое отклонение от функции;
t - время в виде номера периода (уровня ряда).
Цель такого метода - выбор теоретической зависимости в качестве одной из функций:
- прямая линия; - гипербола; - парабола;- степенная; - ряд Фурье.
Для выявления тренда (тенденции развития ряда) в нашей задаче построим график Y(t) (рис.2.2):
Рис.2.2. График динамики Уровня заработных плат в РФ в т.р
Из данного графика видно, что есть все основания принять уравнение тренда в виде линейной функции.
Определение параметров в этих функциях может вестись несколькими способами, но самые незначительные отклонения аналитических (теоретических) уровней ( - читается как «игрек, выравненный по t») от фактических () дает метод наименьших квадратов - МНК. При этом методе учитываются все эмпирические уровни и должна обеспечиваться минимальная сумма квадратов отклонений эмпирических значений уровней от теоретических уровней (2.10):
,(2.10)
В нашей задаче при выравнивании по прямой вида параметры и отыскиваются по МНК следующим образом. В формуле ,(2.9) вместо записываем его конкретное выражение . Тогда . Дальнейшее решение сводится к задаче на экстремум, т.е. к определению того, при каком значении и функция двух переменных S может достигнуть минимума. Как известно, для этого надо найти частные производные S по и , приравнять их к нулю и после элементарных преобразований решить систему двух уравнений с двумя неизвестными.
В соответствии с вышеизложенным найдем частные производные (2.11):
,(2.11)
Сократив каждое уравнение на 2, раскрыв скобки и перенеся члены с y в правую сторону, а остальные - оставив в левой, получим систему нормальных уравнений (2.12):
,(2.12)
где n - количество уровней ряда; t - порядковый номер в условном обозначении периода или момента времени; y - уровни эмпирического ряда.
Эта система и, соответственно, расчет параметров и упрощаются, если отсчет времени ведется от середины ряда. Например, при нечетном числе уровней серединная точка (год, месяц) принимается за нуль. Тогда предшествующие периоды обозначаются соответственно -1, -2, -3 и т.д., а следующие за средним (центральным) - соответственно 1, 2, 3 и т.д. При четном числе уровней два серединных момента (периода) времени обозначают -1 и +1, а все последующие и предыдущие, соответственно, через два интервала: , , и т.д.
При таком порядке отсчета времени (от середины ряда) = 0, поэтому, система нормальных уравнений упрощается до следующих двух уравнений, каждое из которых решается самостоятельно (2.13):
,(2.13)
Как видим, при такой нумерации периодов параметр представляет собой средний уровень ряда. Определим по формуле ,(2.13) параметры уравнения прямой, для чего исходные данные и все расчеты необходимых сумм представим в таблице 3.
Таблица 3. Вспомогательные расчеты для решения задачи
Год |
y |
t |
t2 |
yt |
(y -)2 |
(-)2 |
(y - )2 |
||
2011 |
23,4 |
-2 |
4 |
-46,8 |
33,52 |
102,41 |
21,52 |
30,03 |
|
2012 |
26,6 |
-1 |
1 |
-26,6 |
31,2 |
21,16 |
5,38 |
5,19 |
|
2013 |
29,8 |
0 |
0 |
0 |
28,88 |
0,8464 |
0 |
0,84 |
|
2014 |
32,6 |
1 |
1 |
32,6 |
26,56 |
36,48 |
5,38 |
13,83 |
|
2015 |
32,0 |
2 |
4 |
64 |
24,24 |
60,21 |
21,52 |
9,73 |
|
144,4 |
0 |
10 |
23,2 |
144,4 |
221,1 |
53,8 |
59,62 |
Из таблицы получаем, что = 144,4/5 = 28,88 и = 23,2/10 = 2,32. Отсюда искомое уравнение тренда = 28,88 - 2,32 t. В 6-м столбце таблицы 3 приведены трендовые уровни, рассчитанные по этому уравнению. Для иллюстрации построим график эмпирических (маркеры-кружочки) и трендовых уровней (рис.2.3).
Рис.2.3. График эмпирических и трендовых уровней заработной платы в РФ.
По полученной модели для каждого периода (каждой даты) определяются теоретические уровни тренда () и оценивается надежность (адекватность) выбранной модели тренда. Оценку надежности проводят с помощью критерия Фишера, сравнивая его расчетное значение Fр с теоретическими значениями FТ (приложение 1). При этом расчетный критерий Фишера определяется по формуле 2.14:
,(2.14)
где k - число параметров (членов) выбранного уравнения тренда;
ДА - аналитическая дисперсия, определяемая по формуле (2.16);
До - остаточная дисперсия (2.17), определяемая как разность фактической дисперсии ;
ДФ-(2.15) и аналитической дисперсии:
,(2.15)
, (2.16)
,(2.17)
Сравнение расчетного и теоретического значений критерия Фишера ведется обычно при уровне значимости с учетом степеней свободы и . Уровень значимости связан с вероятностью следующей формулой . При условии Fр > FТ считается, что выбранная математическая модель ряда динамики адекватно отражает обнаруженный в нем тренд.
Проверим тренд в нашей задаче на адекватность по формуле ,(2.14), для чего в 7-м столбце таблицы 6 рассчитан числитель остаточной дисперсии, а в 8-м столбце - числитель аналитической дисперсии. В формуле (2.14) можно использовать их числители, так как оба они делятся на число уровней n (n сократятся): FР =118846,97*5/(1659,98*1) = 357,977 > FТ, значит, модель адекватна и ее можно использовать для прогнозирования (FТ = 7,71 находим по приложению 1 в 1-ом столбце [= k - 1 = 1] и 8-й строке [= n - k = 8]).
При составлении прогнозов уровней социально-экономических явлений обычно оперируют не точечной, а интервальной оценкой, рассчитывая так называемые доверительные интервалы прогноза. Границы интервалов определяются по формуле (2.18)
,(2.18)
где - точечный прогноз, рассчитанный по модели тренда;
- коэффициент доверия по распределению Стьюдента при уровне значимости и числе степеней свободы =n-1 (приложение 2);
- ошибка аппроксимации, определяемая по формуле ,(2.19):
,(2.19)
где и - соответственно фактические и теоретические (трендовые) значения уровней ряда динамики;
n - число уровней ряда;
k - число параметров (членов) в уравнении тренда.
Определим доверительный интервал в нашей задаче на 2015 год с уровнем значимости = (1-0,95) = 0,05. Для этого найдем ошибку аппроксимации по формуле (2.19) == 7,43. Коэффициент доверия по распределению Стьюдента = 2,7764 при = 5- 1=4.
Прогноз на 2015 с вероятностью 95% осуществим по формуле (2.18):
Y2015=285,72,7764*171,9 или 113,8 < Y2015< 457,6(ед.).
Размещено на Allbest.ru
...Подобные документы
Абсолютные и относительные величины. Виды средних величин. Формы количественного выражения статистических показателей. Абсолютные размеры явлений и их признаков. Выбор единиц измерения величин. Индивидуальные, групповые и общие абсолютные величины.
презентация [135,5 K], добавлен 16.03.2014Исследование линейной модели парной регрессии зависимости стоимости однокомнатных квартир от общей площади жилья. Пространственно-параметрическое моделирование рынка вторичного жилья. Особенности изменения среднего уровня цены в пространстве и во времени.
курсовая работа [365,2 K], добавлен 26.10.2014Основные задачи статистики предприятия, населения, инвестиций. Способы, формы и виды статистического наблюдения. Сводка и группировка статистических данных. Структурная и аналитическая группировка данных. Абсолютные, относительные и средние величины.
контрольная работа [262,6 K], добавлен 07.03.2011Расчет параметров уравнений линейной и нелинейной парной регрессии, порядок проведения дисперсионного анализа. Оценка тесноты связи между ценами первичного рынка и себестоимостью с помощью показателей корреляции и детерминации, ошибки аппроксимации.
курсовая работа [923,5 K], добавлен 07.08.2013Анализ динамики изменения показателей объема грузоперевозок, структуры эксплуатационных расходов по элементам затрат, себестоимости работ, полученного дохода, прибыли и рентабельности производства по железнодорожной станции Калий в РБ за пять лет.
контрольная работа [33,6 K], добавлен 22.04.2016Методика отбора факторов, влияющих на выходной показатель в статистике. Выравнивание динамических рядов. Показатели анализа ряда динамики. Множественное уравнение регрессии. Проверка адекватности регрессионной модели. Осуществление прогнозных расчетов.
курсовая работа [2,0 M], добавлен 23.01.2012Виды 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 16.03.2014Исследование рынка трехкомнатных квартир на Западе и Северо-Западе Москвы методами эконометрики. Линейная модель, ее корректировка и интерпретация с помощью эконометрического пакета Eviews. Борьба с гетероскедастичностью. Логарифмическая модель.
курсовая работа [389,2 K], добавлен 11.11.2010Предмет, 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 23.02.2009Сущность, 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 13.03.2010Решение задачи изучения изменения анализируемых показателей во времени при помощи построения и анализа рядов динамики. Элементы ряда динамики: уровни динамического ряда и период времени, за который они представлены. Понятие переменной и постоянной базы.
методичка [43,0 K], добавлен 15.11.2010Построение линейной модели и уравнения регрессии зависимости цены на квартиры на вторичном рынке жилья в Москве в 2006 г. от влияющих факторов. Методика составления матрицы парных коэффициентов корреляции. Экономическая интерпретация модели регрессии.
лабораторная работа [1,8 M], добавлен 25.05.2009Комбинационную группировку по признаку-фактору и признаку-результату. Вариационные ряды распределения. Мода и медиана. Предельная ошибка выборки. Расчет абсолютного прироста населения в Себежском районе. Индивидуальный индекс физического объема и цены.
контрольная работа [520,7 K], добавлен 31.08.2014Изучение качества продукции и услуг с помощью системы общих и частных статистических показателей: сводка и группировка, средние величины и показатели вариации, корреляционно-регрессионный анализ. Прогнозирование качества продукции, его цели и задачи.
курсовая работа [438,0 K], добавлен 23.09.2016Анализ и выявление значимых факторов, влияющих на объект. Построение эконометрической модели затрат предприятия для обоснований принимаемых решений. Исследование трендов временных рядов. Оценка главных параметров качества эконометрической модели.
курсовая работа [821,1 K], добавлен 21.11.2013Методы и модели анализа динамики экономических процессов. Эластичность в экономическом анализе. Коэффициент корреляции, его свойства. Динамические ряды и временные ряды, тренд, их компоненты. Решение задачи потребительского выбора и его свойства.
курс лекций [399,8 K], добавлен 15.06.2015Выявление производственных связей на основе регрессионных моделей. Расчет прогнозных значений показателей, при уровне факторных показателей, на 30% превышающем средние величины исходных данных. Использование коэффициента корреляции рангов Спирмэна.
задача [58,5 K], добавлен 11.07.2010Влияние изменения показателей рентабельности и затрат на изменение прибыли в абсолютном и относительном выражении. Изменение рентабельности каждой отрасли. Изменение средней рентабельности за счет изменения показателей рентабельности по отраслям.
контрольная работа [250,7 K], добавлен 19.08.2010Понятие о рядах динамики, их роль. Показатели анализа ряда динамики. Средние показатели по рядам динамики. Статистическое изучение сезонных колебаний. Методы анализа основной тенденции в рядах динамики. Экстраполяция тенденции как метод прогнозирования.
курсовая работа [106,6 K], добавлен 14.10.2008История бизнес-моделирования с середины ХХ века до настоящего времени. Определение понятий "бизнес-модель" и "бизнес-моделирование". Характеристика динамики основных положений различных бизнес-моделей по мере изменения состояния конкуренции предприятия.
курсовая работа [2,2 M], добавлен 14.05.2019