Информационно-аналитические технологии государственного и муниципального управления

Размещено на Allbest.ru

Лабораторная № 1

население социальное экономическое развитие

Исходные данные: Табл. 1

Таблица 1 - Число объектов бытового обслуживания населения, оказывающих услуги

С помощью функции «Настраиваемая сортировка» программы MSExcel выстраиваем числовые значения от максимального к минимальному.

Применив формулу К=1+3, 32*LOG (n), где n- количество значений, рассчитаем число групп.

К=1+3, 32*LOG (35) = 6, где n = 35

Для расчета величины интервалаh применяем формулуh= (Xmax-Xmin) /K

В нашем случае h= (49-7) /6=8

Таким образом, Xmin+h=7+8=15 это первый интервал

Второй Xmin+2h=23

ТретийXmin+3h=31

Четвертый Xmin+4h=39

Пятый Xmin+5h=47

Шестой Xmin+6h=55

Рисунок 1 - Расчет показателей в MSExcel

Разбиваем на группы

Рисунок 2 - Группировка данных

Вывод: таким образом, с помощью программы MSExcel и несложных формул мы получили 6 групп объектов бытового обслуживания населения, оказывающих услуги.

Лабораторная № 2

Исходные данные те же.

1) С помощью функции «Настраиваемая сортировка» программы MSExcel выстраиваем числовые значения от максимального к минимальному.

2) Рассчитываем итоговую сумму всех муниципальных районов. Затем считаем долю каждого.

3) Находим данные Парето.

Для построения диаграммы Парето необходимо

рассчитать в процентах долю организаций каждого районаот общей

суммы организаций. Данные Парето получены постепенным накапливанием долеймун. района. Первая строка совпадает с первым значением столбца «Доля». Вторая строка столбца «данные Парето» получена суммированием значения первой строки столбца «данные Парето» и значения второй строки «Доля» (9, 282+6, 130=15, 412)

Таблица 2 - Исходные данные

Третья строка столбца 4 получена суммированием значения второй

строки столбца 4 и значения третьей строки столбца 3 и т. д., до

получения последнего значения столбца 4. О корректности

вычислений свидетельствует число 100 в строке последнего мун. района, соответствующее 100 результата (Табл. 2)

4) Определяем группу организаций, обеспечивающих примерно

80% образовательной деятельности по образовательным программам дошкольного образования, присмотр и уход за детьми.

Проведем горизонтальную прямую, соответствующую 80%. Выше от прямой размещены организации, обеспечивающие

80% образовательной деятельности. Для наглядности построим диаграмму Парето.

Рисунок 3- Данные Парето

Вывод: Таким образом, примерно 80% организаций, осуществляющих образовательную деятельность находятся в Оренбургском, Соль-Илецком и др. муниципальных районах. На эту группу и нужно обращать внимание в первую очередь, например, при финансировании.

Лабораторная работа № 3

Прогнозирование на основе авторегрессионных моделей

Исходные данные:

Таблица 1 - Исходные данные по Абдулинскому муниципальному району.

Мы будем осуществлять прогноз по линейной модели. Возьмём две самые простые модели: линейная и квадратичная.

В общем виде прогнозная модель выглядит следующим образом:

Y=a0+a1t+a2t^2+…+AkTk.

Если k=1, мы получаем обычную линейную модель, которая оценивается прямой. Продолжая значение прямой, мы получаем прогноз.

Более сложная модель - парабола. В общем виде выглядит как:

Y=, где - коэффициенты. Зная, коэффициенты мы строим модель и осуществляем по ней прогноз.

Наша задача, мы выбранному показателю построить линейную и квадратичную модели и получить по ним прогноз на 2018, 2019 и 2020 годы.

I Линейная модель

Располагаем данные в столбец для удобства в расчетах. В столбце 1 включаем наши прогнозные годы 2018-2020 годы.

Прогноз можно сделать несколькими способами. Мы выберем способ по работе с Данными. Во вкладке Выбираем Данные, находим Анализ данных, далее выбираем Регрессия.

Отвечаем на вопросы программы.

Входной интервал Y - это наши исходные показатель. Входной интервал Х - годы, данные которых нам известны.

Рисунок 4 - Ввод данных для построения регрессионной модель.

Получаем модель, представленную на рис. 5

Рисунок 5 - Модель данных.

Обращаем внимание на коэффициенты. По качеству модель средняя. =0, 83, чем ближе к 1, тем качество лучше. Критерий Фишера F=29, 1 говорит о том, что модель хорошая.

Далее строим модель, где

Y= по данной модели и строим прогноз.

В соседнем столбце производим расчет. В клетку вводим формулу и делаем прогноз. Результаты представлены на рисунке 6.

Рисунок 6 - Вывод прогнозных значений.

Строим график.

Рисунок 7 - График прогнозных значений линейной модели

Кроме этого рассчитаем коэффициент аппроксимации. Он позволяет рассчитывать качество модели на исходных данных. Для нормальной модели он должен быть менее 12 процентов.

Коэффициент аппроксимации говорит о среднем качестве модели.

Мы видим, что прогнозные значения примерно описывают исходные данные. Но модель не точная. Таким образом, в дальнейшем число организаций, осуществляющих образовательную деятельность по дошкольному образованию, присмотру и уходу за детьми в Абдулинском муниципальном районе будет увеличиваться. В 2018, 2019 и 2020 годах соответственно составит 14, 15 и 16 организаций.

II Квадратичная модель

Также располагаем данные в столбец. Для дальнейших расчетов нам понадобится значения , то есть годы возведённые в квадрат.

Расчеты делаются аналогично. Через Анализ данных выводим модель.

Рисунок 8 - Вывод итогов квадратичной модели

Обращаем внимание на коэффициенты. По качеству модель очень хорошая. =0, 90, чем ближе к 1, тем качество лучше. Критерий Фишера F=55, 3 также говорит о том, что модель хорошая.

Далее строим модель, где

Y= по данной модели и строим прогноз.

В соседнем столбце производим расчет. В клетку вводим формулу и делаем прогноз. Результаты представлены на рисунке 9.

Рисунок 9 -Результаты расчета

Строим график

Рисунок 10 - Прогнозные значения квадратичной модели.

Кроме этого рассчитаем коэффициент аппроксимации. Произведя расчеты в программе MSExcel, получили А= 4, 203.

Коэффициент аппроксимации говорит о нормальном качестве модели, лучше, чем первой.

Таким образом, по второй модели, видим, что в 2018, 2019 и 2020 годах количество организаций также будет увеличиваться и составит 17, 20 и 24 соответственно.

Вывод: знание наперед какого-либо показателя это достаточно важная задача. В расчетах, мы выяснили, что чем более сложная модель, тем более точный получается прогноз. На обеих моделях число организаций будет в дальнейшем увеличиваться, однако бесконечно этого быть не может. Необходимо усложнять модель

Лабораторная работа № 4

Оценка уровня социально-экономического развития муниципального образования

Рассматриваемый вариант: Абдулинский район

Уровень социально-экономического развития можно оценить через подсистемы. Любое МО включает в себя развитие каких-либо подсистем. Например, экономическая, социальная, экологическая, инфраструктурная, финансовая подсистема и т. д. каждая из этих подсистем характеризуется какими-либо наборами показателями. Например, производственная подсистема характеризуется объёмом произведенной продукции, с/х продукцией, промышленной продукцией и др.

Таблица 3 - Исходные данные

В исходных данных долю рассчитывали сами, путем умножения показателя на 100% и делением на общее количество.

Трудовые показатели считали как производительность труда разделённая на среднесписочную численность работников. Производительность труда рассчитывается как объём отгруженных товаров делённый на среднесписочную численность работников. Объем всех продовольственных товаров, реализованных в границах муниципального района, в денежном выражении за финансовый год считаем как объем прод. товаров делённый на численность населения.

Заметим, что у всех показателей единица измерения разная (%, руб., чел.). Для того, чтобы охарактеризовать общее состояние, нужно превратить в величины не имеющие единицы измерения и по каждой подсистеме рассчитать по отдельности.

Для того, чтобы превращать показатель в безразмерные величины существуют разные методики. Одна из методик это нахождение значения и использование их в расчетах. Чтобы перевести положительный показатель в безразмерную величину используем формулу:

А для отрицательного показателя:

То есть из каждого ряда мы находим максимальное и минимальное значение.

Положительный показатель находим по принципу «чем больше, тем лучше» (например, среднемесячная заработная плата работников организаций - чем больше, тем лучше). А отрицательный показатель - «чем больше, тем хуже».

По каждой подсистеме нужно находить среднюю арифметическую. И интегральная составляющая будет находиться как ср. арифметическая по всем Z.

Переходим к расчетам.

Рассчитываем первый показатель. Продукция сельского хозяйства. Это положительный показатель (чем больше, тем лучше). Находим

, в ячейку вбиваем формулу и получаем значение. Превратив в коэффициенты с помощью знака $ перед буквой, протягиваем на всю строку. Мы получили максимальное значение 1, минимальное 0. При получении результата меньше 0 или больше 1, подбор был неверным.

Рисунок 11- Расчет безразмерной величины с помощью формулы.

Просчитав для каждого показателя, находим среднее как (0, 102+0, 004) /2=0, 0534.

Аналогично проделываем со всеми показателями, применяя подходящую формулу.

Таблица 4 - Вывод итогов расчета

Интегральное мы считаем среднее по всем:

Таблица 5-вывод итогов расчета интегрального показателя

По показателям строим график.

Рисунок 12 - График безразмерных показателей в разрезе каждой подсистемы

Вывод: таким образом, проанализировав каждую подсистему Абдулинского района, мы увидели повышение роста показателей. Однако, в 2013 году был небольшой спад. Есть спад по финансовому показателю, инфраструктурному. Наоборот, по производственному - повышение, трудовому, что говорит о том, что количество занятых в экономике увеличивается, что отражается на росте производства.

Размещено на Allbest.ru