Автор работы: Пользователь скрыл имя, 16 Декабря 2013 в 14:47, курсовая работа
Целью работы является закрепление полученных навыков творческого применения комплекса основных статистических методов анализа на основе данных по Северо-Западному и Уральскому федеральным округам.
Актуальность темы состоит в том, что современные процессы в развитии общества характеризуются глобализацией, транснационализацией, информатизацией, технологической ориентацией, обострением экологических проблем, усилением торгово-финансовой и кредитной экспансии и другими тенденциями.
Базисные приросты:
Цепные приросты:
Для характеристики относительного
изменения уровней ряда применяют
такие показатели, как коэффициенты
роста и темпы прироста; они
характеризуют интенсивность
Коэффициенты роста представляют собой отношения между двумя уровнями динамического ряда:
Базисные:
Цепные:
Темпом прироста называют отношение абсолютного прироста к уровню динамического ряда, выраженное в процентах.
Базисные темпы прироста:
Цепные темпы прироста:
Абсолютное значение 1% прироста рассчитывают как отношение цепных абсолютных приростов к темпам прироста:
Средние показатели представляют собой обобщенные характеристики ряда динамики, с их помощью сравнивают интенсивность развития явления по отношению к различным объектам.
Основные средние показатели и их расчет представлен в таблице 22.
Таблица 22 Средние характеристики ряда динамики по СЗФО
Показатель |
Формула |
Значение |
Абсолютный прирост |
n –число уровней ряда |
3239 |
Коэффициент роста |
1,017 | |
Темп роста, (%) |
101,7% | |
Темп прироста, (%) |
1,74% |
Таким образом, средний ежегодный абсолютный прирост составил 3239 чел., а средний коэффициент роста 1,017, то есть число прибывших в среднем увеличивалась за год на 1,7%.
Таблица 23 Средние характеристики ряда динамики по УФО
Показатель |
Формула |
Значение |
Абсолютный прирост |
n –число уровней ряда |
1187 |
Коэффициент роста |
1,020 | |
Темп роста, (%) |
102,0% | |
Темп прироста, (%) |
1,97% |
Таким образом, средний ежегодный абсолютный прирост составил 1187 чел., а средний коэффициент роста 1,02, то есть число прибывших в среднем увеличивалась за год на 2,0%.
Под прогнозом понимается научно обоснованное описание возможных состояний объектов в будущем. Процесс разработки прогнозов называется прогнозированием, или экстраполяцией.
Для определения основной тенденции развития ряда выполним аналитическое выравнивание по различным зависимостям, которое проводится с помощью линий тренда в следующей последовательности:
– построим точечная диаграмма по ряду динамики производственных затрат;
– добавляем линию тренда;
– построим трендовые модели: линейная, степенная, логарифмическая, полиномиальная, экспоненциальная.
– оцениваем, какая из них лучше описывает анализируемый ряд динамики.
– выводим на график показатель коэффициента детерминации . Коэффициент детерминации изменяется от 0 до 1, чем он ближе к единице, тем лучше линия тренда соответствует ряду динамики.
Результаты аналитического выравнивания численности прибывших представлены в таблицах 24-25.
Таблица 24 – Результаты аналитического
выравнивания
СЗФО
Вид аналитического выравнивания |
Коэффициент детерминации |
Линейная |
0,1707 |
Экспоненциальная |
0,1702 |
Логарифмическая |
0,2561 |
Полиномиальная (2-го порядка) |
0,3131 |
Таблица 25 – Результаты аналитического
выравнивания
УФО
Вид аналитического выравнивания |
Коэффициент детерминации |
Линейная |
0,3077 |
Экспоненциальная |
0,321 |
Логарифмическая |
0,5162 |
Полиномиальная (2-го порядка) |
0,9619 |
Наибольший коэффициент детерминации имеет полиномиальная линия тренда, т.е. в 31,31% (96,19%) из 100% изменение числа прибывших связано с изменением во времени, а 68,68% (3,81%) - с другими факторами.
Прогноз по полиномиальной модели представлен на рисунках 5-6.
Рисунок 5 - Прогнозирование числа разводов по СЗФО
Рисунок 6 - Прогнозирование числа разводов по УФО
Как видно из приведенного графика, число прибывших к 2012 году составит примерно 177 (47) тыс. чел.
Корреляционный анализ предназначен для количественной оценки связи между признаками в статистической совокупности.
Оценка тесноты и
направление связи между
Для расчета коэффициента корреляции необходимо использовать функцию КОРРЕЛ() табличного процессора Microsoft Excel, в качестве аргумента которой используются ссылки на столбцы значений парных анализируемых признаков.
Построим и проанализируем матрицу парных коэффициентов корреляции между результирующим признаком - коэффициент естественного прироста, 0/00 и факторными:
– Удельный вес численности населения с доходами ниже прожиточного минимума (в % от общей численности населения);
– Общая площадь жилых помещений приходящихся в среднем на одного жителя, м2;
– Численность врачей на 10000 человек;
Исходные данные для анализа представлены в таблице 26-27.
Таблица 26 – Исходные данные для построения матрицы парных коэффициентов корреляции по СЗФО
Область |
Численность родившихся, чел. |
Коэффициент брачности, 0/00 |
Коэффициент разводов, 0/00 |
Степень урбанизации, % |
Удельный вес прародителей (50+) в общей численности, % |
Республика Карелия |
7792 |
9 |
5 |
76% |
33 |
Республика Коми |
11648 |
9 |
5 |
76% |
29 |
Архангельская область |
15466 |
9 |
5 |
74% |
32 |
Ненецкий автономный округ |
699 |
8 |
5 |
64% |
25 |
Вологодская область |
15102 |
8 |
4 |
69% |
34 |
Калининградская область |
10699 |
9 |
5 |
76% |
32 |
Ленинградская область |
15032 |
6 |
5 |
66% |
35 |
Мурманская область |
9320 |
9 |
6 |
91% |
29 |
Новгородская область |
7203 |
9 |
5 |
70% |
37 |
Псковская область |
7078 |
8 |
4 |
68% |
37 |
г. Санкт-Петербург |
55560 |
10 |
5 |
100% |
35 |
Таблица 27 – Исходные данные для построения матрицы парных коэффициентов корреляции по УФО
Область |
Численность родившихся, чел. |
Коэффициент брачности, 0/00 |
Коэффициент разводов, 0/00 |
Степень урбанизации, % |
Удельный вес прародителей (50+) в общей численности, % |
Курганская область |
11816 |
9 |
5 |
57% |
35 |
Свердловская область |
57540 |
9 |
5 |
83% |
33 |
Тюменская область |
54521 |
11 |
6 |
78% |
25 |
Челябинская область |
46612 |
9 |
5 |
81% |
33 |
Результаты расчетов коэффициентов представим в таблице 28-29.
Таблица 28 – Матрица парных коэффициентов корреляции по СЗФО
Коэффициент брачности, 0/00 |
Коэффициент разводов, 0/00 |
Степень урбанизации, % |
Удельный вес прародителей (50+) в общей численности, % | |
Численность родившихся, чел. |
0,55 |
0,10 |
0,73 |
0,33 |
Таблица 29 – Матрица парных коэффициентов корреляции по УФО
Коэффициент брачности, 0/00 |
Коэффициент разводов, 0/00 |
Степень урбанизации, % |
Удельный вес прародителей (50+) в общей численности, % | |
Численность родившихся, чел. |
0,38 |
0,32 |
0,97 |
-0,57 |
Анализируя полученные вычисления можно сделать вывод, что между численностью родившихся в отчетном году и удельным весом прародителей (50+) в общей численности связи нет, так как парные коэффициенты корреляции матрицы отрицательны и низки, что свидетельствует об обратной слабой связи между парами признаков.
Между численностью родившихся в отчетном году и коэффициентом брачности, а также коэффициентом разводов существует слабая прямая связь, т.к. коэффициенты корреляции положительны, но имеют низкие значения.
Между численностью родившихся в отчетном году и степенью урбанизации существует сильная прямая связь, т.к. коэффициенты корреляции положительны и имеют высокие значения.
Линейная зависимость может выражаться уравнением прямой линии: или , где - степень урбанизации (результативный признак); - численность родившихся (факторный признак); , - параметры уравнения, которые имеют вполне конкретный смысл: - это величина степени урбанизации, если численность родившихся (х) будет равен 0 ц, - показывает, на сколько изменится степень урбанизации при изменении численности родившихся на 1 чел.
Нахождение коэффициентов регрессии осуществляется с помощью пункта меню Сервис – Анализ данных – Регрессия табличного процессора Microsoft Excel.
В результате вычислений зависимости между численностью родившихся и степенью урбанизации получили регрессионную модель следующего вида:
Проверка полученной модели на адекватность осуществляется в несколько этапов:
Адекватность модели по критерию Фишера осуществляется по следующему условию: модель адекватна если
Критическое значение Фишера определяется по формуле FРАСПОБР(α;k1;k2), где α=0,05 (допустимая погрешность модели), k1=1 (число факторных признаков в модели), k2=n-(k1+1)= 11-(1+1)=9 (n - число экспериментальных данных).
, , следовательно, построенная модель по критерию Фишера адекватна.
Значимость коэффициентов модели по критерию Стьюдента осуществляется по следующему условию: коэффициент значим, если .
Критическое значение Стьюдента определяется по формуле: СТЬЮДРАСПОБР(α;k), где α=0,05 (допустимая погрешность модели), k=n-m=11-2=9 (n - число экспериментальных данных, m – число коэффициентов регрессии в модели ( , )).
, , , таким образом, критическое значения критерия Стьюдента ни по одному коэффициенту не превышают расчетного, можно сделать вывод о значимости коэффициентов , .
Оценка качества модели по средней ошибке аппроксимации, проводится по следующей формуле:
где
фактическое значение результативного признака,
- значение результативного признака, рассчитанного по полученной модели, n – число наблюдений.