Статистика окружающей среды и природных ресурсов

Автор работы: Пользователь скрыл имя, 20 Ноября 2014 в 16:41, курсовая работа

Описание работы

Актуальность данной темы характерна тем , что возрастает интерес к статистике окружающей среды и природных ресурсов в современной науке и её недостаточной разработанностью . Высокая значимость и недостаточность разработанности проблемы определяет несомненную новизну данного исследования. На современном этапе перед статистикой природных ресурсов встают новые, еще более ответственные задачи. В условиях интенсивного вовлечения природных ресурсов в народнохозяйственный оборот, создания единой эколого-экономической воспроизводственной системы особенно актуальной становится задача более эффективного использования природных ресурсов.

Содержание работы

Введение……………………………………………………………….....6-7
1.Теоретические вопросы статистического изучения окружающей среды и природных ресурсов…………………………………………………….8-16
1.1Природные ресурсы как компонент национального богатства и объект статистического наблюдения……………………………………….........8-11
1.2Задачи и система показателей статистики окружающей среды и природных ресурсов…………………………………………………….……….11-14
1.3Статистическое наблюдение за состоянием окружающей среды и использованием природных ресурсов ……………………………………...14-15
2.Статистическое изучение состояния окружающей среды и рационального использования природных ресурсов России за 2007-2011 г.г…………………………………………………………………………….16-31
2.1Социально-экономическое положение России за 2007-2011г.г.……...............................................................................................16-21
2.2Статистическое изучение состояния и использования компонентов окружающей среды и природных ресурсов …………………………..……21-25
2.3Статистический анализ исчерпания природных ресурсов и загрязнения окружающей среды. Статистическое изучение эффективности природоохранной деятельности……………………………………………………...25-31
3.Факторный анализ и прогнозирование показателей состояния и использования природных ресурсов на основе методов статистики……..32-53
3.1Статистическая оценка влияния состояния природных ресурсов на основе индексного метода…………………………………………………...32-35
3.2Корреляционно-регрессионный анализ антропогенного воздействия на состояние природных ресурсов……………………………..…………35-41
3.3Статистическое прогнозирование показателей эффективности природоохранной деятельности…………………………………………………41-44
3.4 Основные направления совершенствования статистики природных ресурсов и окружающей среды……………………………….………..……44-53
Заключение……………………………………………………………54-55
Список использованных источников………………….…………….56-57

Файлы: 1 файл

kursovaya_chistovi.doc

— 1.13 Мб (Скачать файл)

С помощью метода корреляции возможно измерение связи между двумя признаками (парная корреляция), тремя и более признаками (множественная корреляция). С учетом формы связи различают линейную и криволинейную корреляцию. Линейная парная связь между признаками представляется уравнением прямой вида:

хо = ао + а1х1,

где: х0 - результативный показатель (зависимая переменная);

х1 - фактор (независимая переменная);

а1 - коэффициент регрессии;

а0 - начальный коэффициент.[4]

При парной линейной зависимости теснота связи характеризуется коэффициентом корреляции. Он может иметь значения от 0 до +1. знак "+" указывает на характер и направление связи. Если с увеличением или уменьшением значений факторного признака величина признака результативного также увеличивается или уменьшается, то такая связь называется прямой. В этом случае коэффициент корреляции берется со знаком "+". Знак "-" означает обратную связь. Чем ближе величина корреляционного коэффициента к 1 или к диагонали координатной сетки (полю корреляции), тем теснее связь. Для измерения тесноты связи между результатом (функцией) и факториальными признаками при криволинейной связи используется корреляционное отношение.[4]

Коэффициент линейной корреляции +0,15 свидетельствует об отсутствии связи между признаками. Плохая связь характеризуется коэффициентом корреляции от +0,16 до +0,20, слабая связь - от +0,21 до +0,30, умеренная - от +0,31 до +0,40, средняя - от +0,41 до +0,60, высокая - от +0,61 до +0,80, очень высокая - от +0,81 до +0,90, полная связь - от +0,91 до +1,0.

                    Регрессионный анализ

Регрессионный анализ - изучение зависимости случайной величины (результативного показателя - функции) от нескольких других независимых переменных (аргументов). Экономические явления развиваются под влиянием многочисленных и разнообразных факторов. Некоторые из них нельзя ни учесть, ни измерить. Им свойственны черты случайности и неопределенности. Они обусловлены тем, что между факторами существуют сложные взаимосвязи. Нередко они действуют в противоположных направлениях.[12]

Если форма связи не установлена, то проводятся группировки с соответствующим анализом влияния факторов на результативный признак или изучаются изменения средних по группам, проводится сопоставление параллельных рядов, построение графиков. Связь между факториальными и результативными признаками может быть линейной (прямой) или криволинейной (параболической и т.д.). Уравнение связи называют уравнением регрессии.[12]

При прямой парной связи между признаками применяется линейное уравнение:

                                                                                                          (3.4)

Для нахождения указанных коэффициентов требуется решить систему уравнений. Коэффициенты регрессии показывают, на сколько единиц возрастет в среднем величина результативного признака с изменением каждого фактора или одного при постоянстве других на 1% или единицу.

831= 7а0 + а12008582 : 7

241056479= а0 + а1* 585659251174

118, 71 = а0 + 286940,2857

241056479= а0 + а1 * 585659251174

После математических преобразований получаем:

а0= 217265

а1= 17419

Получаем уравнение:

у= 217265 + 17419х

    Определим коэффициент  парной корреляции. Для этого  составим и заполним таблицу 3.2.

     Таблица 3.2– Расчетная таблица для определения коэффициента парной корреляции

№ п/п

 Х затраты

У                   количество объектов имеющих загрязнения

Х*У

Х-Хср

(Х-Хср)2

У-Уср

(У-Уср)2

Х2

2005

245678

107

26287546

-41262,3

1702576222,367

-11,714

137,2244898

60357679684

2006

255468

109

27846012

-31472,3

990504768,082

-9,714

94,36734694

65263899024

2007

267549

110

29430390

-19391,3

376021961,653

-8,714

75,93877551

71582467401

2008

266366

119

31697554

-20574,3

423301232,653

0,286

0,081632653

70950845956

2009

295086

119

35115234

8145,714

66352661,224

0,286

0,081632653

87075747396

2010

327143

129

42201447

40202,71

1616258235,939

10,286

105,7959184

107022542449,00

2011

351292

138

48478296

64351,71

4141143131,510

19,286

371,9387755

123406069264,00

7

2008582

831

241056479

 

9316158213,429

 

785,429

585659251174,00


        Таблица 3.3 – Расчетная таблица для определения коэффициента парной корреляции

№ п/п

Ух

(у-ух)2

2005

4279682647

1,8315710

2006

4450214357

1,9804410

2007

466065323

2,1721710

2008

4640046619

2,1530010

2009

51403203

2,6422810

2010

5698721182

3,2475410

2011

6119372613

3,7446710

7

25705505944

1,77716710


   

       На основе данных таблицы 3.3 рассчитаем коэффициент парной корреляции.

 

Хср =

 

286940,2857

 

У ср =

 

118,714

Х*У ср =

34436639,857

   

СКО х =

36481,225

 

СКО у =

 

10,593

К кореляции =

0,96

   

 

Хср- среднее значение факторного признака

Хср =Σx/n =2008582/7= 286940,2857

У ср- среднее значение результативного признака

У ср = Σy/n =831/ 7= 118,714

СКОх- среднеквадратическое отклонение факторного признака

СКОх=                                                                                                         (3.5)

СКОх= = 36481,225

СКОу- среднеквадратическое отклонение результативного признака

СКОу=                                                                                                         (3.6)

СКОу= = 10,593

r-коэффициент парной корреляции

r = = =0,96

Квадрат линейного коэффициента корреляции называется линейным коэффициентом детерминации:

r2=d

(0,96)2=d

d=0,9216

Таблица 3.4 - Шкала Чеддока

Показания тесноты связи

0,1-0,3

0,3-0,5

0,5-0,7

0,7-0,9

0,9-0,999

Характеристика силы связи

слабая

умеренная

заметная

высокая

весьма высокая


 

          При r = 1 связь является функциональной, при г = 0 связь отсутствует. Если коэффициент корреляции со знаком «+», то связь прямая, если «-», то связь обратная.

В рассматриваемой модели d = +0,9216, это свидетельствует наличии очень высокой связи.

 

Рисунок 5 – Поле корреляции.

Значимость параметров простой линейной регрессии осуществляется с помощью t-критерия Стьюдента. При этом вычисляют фактические (расчетные) значения t-критерия:[4]

- для параметра а0:

,                                                                                          (3.7)                                                                    

где  - среднее  квадратическое  отклонение результативного признака у от выровненных значений уx , которые рассчитываются по уравнению регрессии:[4]

,                                                                                 (3.8)                                                                          

для параметра а1:

,                                                                               (3.9)                                                                         

Вычисленные по формулам  значения, сравниваются с критическими tк, которые принимаются согласно данным таблицы Стьюдента с учетом заданного уровня значимости (a) и числа степеней свободы (k = n – 2). В социально-экономических исследованиях уровень значимости a обычно принимают равным 5%, т.е. a = 0,05, что соответствует доверительной вероятности 95%. Параметр признается существенным при условии, если tф > tк. В таком случае практически невероятно, что найденные значения параметров обусловлены только случайными совпадениями.[4]

Проведем оценку значимости параметров простой линейной регрессии:

Критическое значение t-критерия при уровне значимости, равном 5% и числе степеней свободы k=7-2=5, согласно данным таблицы Стьюдента приложение Н будет соответственно равно 2,570.

Для оценки значимости линейного коэффициента корреляции r применяется t-критерий Стьюдента. При этом определяется фактическое (расчетное) значение критерия (trф):

,                                                                                      (3.10)                                                                          

где n-2 – число степеней свободы при заданном уровне значимости a и объеме выборки n.

Рассчитаем фактическое значение критерия и сравним его с критическим:

 

Это говорит о том, что при изменении на 1%   в среднем изменяется на 7,6.

 

3.3 Статистическое прогнозирование  показателей эффективности природоохранной деятельности

 

Простейшей моделью, выражающей тенденцию развития явления, является уравнение прямой линии:

 ,                                                                                          (3.11)                                                                                       

где t – условное обозначение времени;

      b – коэффициент  приращения.

Таблица 3.5 -  Прогнозирование  затрат на основе модели тренда

 

Год

Затрат, руб.

(Y)

tt

 

t2

( )

 

2006

 

 

245678

1

1

--3

 

-737034

99

 

-65316,4

 

310994,4

 

9,671710

 

 

2007

 

 

267549

22

--2

 

-510936

44

 

252102,5

 

3365,5

 

11326590,25

 

2008

 

 

267549

33

--1

 

-267549

11

 

269521,4

-1972,4

 

3890361,76

 

2009

 

266366

44

00

 

0

00

 

0

 

266366

 

7,0950810

 

 

2010

 

 

295086

55

11

 

295086

11

 

304359,2

 

-9273,2

 

85992238,24

 

 

2011

 

 

327143

66

22

 

654286

44

 

321778,1

 

5364,9

 

28782152,01

 

2012

 

351292

77

33

 

1053876

99

 

339197

 

12095

 

146289025

 

 

Итого:

 

 

2008582

   

 

 

487729

228

 

 

14216418

 

 

586940,2

 

 

8,089910

Информация о работе Статистика окружающей среды и природных ресурсов