141296 (Демографическая ситуация в Республике Бурятия), страница 12
Описание файла
Документ из архива "Демографическая ситуация в Республике Бурятия", который расположен в категории "". Всё это находится в предмете "социология" из , которые можно найти в файловом архиве . Не смотря на прямую связь этого архива с , его также можно найти и в других разделах. .
Онлайн просмотр документа "141296"
Текст 12 страницы из документа "141296"
Рассмотрим параметры адекватности уравнения регрессии:
Множественный коэффициент детерминации равен 0,97, что показывает очень сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,46. F набл. =16,03 можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n=13; α=0,95; ν1 = 7; ν2 =3) = 4,35, то есть хотя бы один коэффициент регрессии не равен нулю.
Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.
Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение
t =-0,088 (х5).
Для оставшихся переменных получим уравнение регрессии:
ŷ2 = 4,73-0,26х1+0,19х2-0,002х3+0,75х4 +0,005х6-0,14х7
Множественный коэффициент детерминации равен 0,97, что показывает очень сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,4. F набл. =24,87. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n =13; α=0,95; ν1 = 6; ν2 =4) = 4,53, то есть хотя бы один коэффициент регрессии не равен нулю.
Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.
Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =-0,099 (х3).
Для оставшихся переменных формируем уравнение регрессии снова:
ŷ2= 3,71-0,27х1+0,31х2+0,68х4+0,005х6-0,15х7
Множественный коэффициент детерминации равен 0,97, что показывает очень сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,36. F набл. =37,21. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n=13; α=0,95; ν1 = 5; ν2 =5) = 5,05, то есть хотя бы один коэффициент регрессии не равен нулю.
Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.
Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =0,44 (х2).
Получим следующее уравнение: ŷ2= 9,16-0,29х1+0,7х4+0,004х6-0,14х7.
Множественный коэффициент детерминации равен 0,97, что показывает очень сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,33. F набл. =53,7. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n=13; α=0,95; ν1 = 4; ν2 =6) = 6,16, то есть хотя бы один коэффициент регрессии не равен нулю.
Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.
Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =-0,9 (х1).
Получим следующее уравнение: ŷ2= -6,83+1,29х4+0,002х6-0,13х7.
Это уравнение регрессии удачно аппроксимирует фактическое значение рождаемости, так как ошибка аппроксимации равно всего 0,33%, а значения остатков очень малы.
Высокий уровень множественного коэффициента детерминации = 0,97 свидетельствует, что 97% вариации результативной переменной описывается вошедшими в модель признаками. Остальная часть вариации описывается неучтенными факторами.
Коэффициент Дарбина-Уотсона =1,83, то есть близок к 2, что свидетельствует о незначительной автокорреляции в остатках и подтверждает адекватность нашей модели.
Анализируя полученную модель можно сказать, что при увеличении обеспеченности жильем на 1 кв.м. общей площади на 1 чел. смертность увеличится на 1,29‰. Это можно объяснить тем, что в связи с усилением миграционного оттока в регионе значительно улучшилось положение с жильем, а смертность выросла из-за экономического кризиса. Уравнение смертности интерпретировать несколько сложнее, чем уравнения зависимости рождаемости. При увеличении безработицы на 1% смертность снизится на 0,13‰. Как ни странно, но заболеваемость практически не влияет на уровень смертности населения. Это можно объяснить тем, что много людей погибает в большинстве от несчастных случаев.
При рассмотрении уравнений зависимости миграции от перечисленных факторных признаков было получено следующее соотношение: ŷ3 = 334,8 +3,5х1-20,9х2-0,03х3-7,05х4+0,03х6 -1,61х7.
Рассмотрим параметры адекватности уравнения регрессии:
Множественный коэффициент детерминации равен 0,92, что показывает сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,52. F набл. =7,4. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n =13 α=0,95; ν1 = 6; ν2 =4) = 4,53, то есть хотя бы один коэффициент регрессии не равен нулю.
Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.
Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =-0,06 (х3).
Для оставшихся переменных получим уравнение регрессии:
ŷ3= 321,3+3,4х1 - 19,3х2 – 7,9х4+0,03х6 – 1,67х7.
Рассмотрим параметры адекватности уравнения регрессии:
Множественный коэффициент детерминации равен 0,92, что показывает сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,6. F набл. =11,1. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n=13; α=0,95; ν1 = 5; ν2 =5) = 5,05, то есть хотя бы один коэффициент регрессии не равен нулю.
Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.
Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =0,36 (х6).
Получили следующее уравнение: ŷ3=303,5+4,57х1–22,5х2–4,69х4–1,67х7.
Рассмотрим параметры адекватности уравнения регрессии:
Множественный коэффициент детерминации равен 0,91, что показывает сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,5. F набл. =16,2. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n=13; α=0,95; ν1 = 4; ν2 =6) = 6,16, то есть хотя бы один коэффициент регрессии не равен нулю.
Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.
Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =-0,41 (х4).
Имеем следующее уравнение: ŷ3= 130,5 + 7,05х1-20,3х2-11,5х7.
Это уравнение регрессии удачно аппроксимирует фактическое значение рождаемости, так как ошибка аппроксимации равно всего 0,32%, а значения остатков очень малы.
Высокий уровень множественного коэффициента детерминации =0,91 свидетельствует, что 91% вариации результативной переменной описывается вошедшими в модель признаками. Остальная часть вариации описывается неучтенными факторами.
Коэффициент Дарбина-Уотсона = 1,87, то есть приближается к 2, что свидетельствует о незначительной автокорреляции в остатках и подтверждает адекватность нашей модели.
Анализируя полученную модель можно сказать, что при повышении доли лиц пенсионного возраста на 1% сальдо миграции уменьшится на 20,3 на 1000 (так как коэффициент отрицателен) и при уменьшении безработицы на 1% сальдо миграции уменьшится на 11,5 чел. на 1000.
Влияние на миграционные процессы в республике оказывают экономические причины – показатели безработицы. Требуется обратить внимание на создание благоприятных условий для активной жизнедеятельности человека в регионе. Необходимо вводить более высокие нормативы при развитии социальной инфраструктуры по сравнению с центральными частями России и даже с учетом различий внутри рассматриваемых субъектов.
Основной причиной оттока населения из региона является текучесть кадров из-за низкой заработной платы. Также на этой территории большое значение на миграцию оказывает возрастная структура населения: причем в большинстве случаев не только увеличение пожилого населения, но и детского усиливает отток.
Можно сделать общий вывод, исходя из всех рассмотренных моделей, что наибольшее значение на процессы рождаемости, смертности и миграции в регионе оказывает экономический фактор и только за счет улучшения положения населения можно добиться стабилизации демографической ситуации.
3.2 Прогнозирование основных составляющих демографической ситуации: рождаемости и смертности
Для разработки прогноза показателей естественного движения населения нами использован метод экспоненциального сглаживания. Он заключается в том, что уровни исходного временного ряда взвешиваются с помощью скользящей средней, веса которой подчиняются экспоненциальному закону распределения. Данная скользящая средняя получила название экспоненциальной средней St (y) и позволяет проследить закономерности изменения явления в динамике по наиболее существенным последним уровням.
Особенность метода заключается в том, что при расчете теоретических значений, полученных по модели тренда, учитываются только значения предыдущих уровней временного ряда взятых с определенным весом [21, с. 94].
Общая формула расчета экспоненциальной средней:
St (y)= α*уt + (1 – α)* St-1 (y),
где St (y) – значение экспоненциальной средней временного ряда для момента t;
St-1 (y) – значение экспоненциальной средней для момента t – 1;
уt – значение последнего уровня ряда динамики для перспективного прогнозирования или значение уровня временного ряда социально-экономического явления в момент t;
α – параметр сглаживания (вес t-го значения уровня временного ряда.
При вычислении экспоненциальной средней используются значения предыдущей экспоненциальной средней и значения последнего уровня временного ряда, все предыдущие уровни ряда опускаются.
Одной из проблем практической реализации этого метода является определение значения параметра сглаживания α. От значения параметра α зависят веса предшествующего значения временного ряда и в соответствии с этим степень их влияния на сглаживаемый уровень, а, следовательно, и значение прогнозных оценок. Автор метода Р.Г.Браун предложил следующую формулу расчета α = 2/(n+1), где n – число уровней временного ряда вошедших в интервал сглаживания.
В нашем случае α = 0,167, так как число уровней временного ряда равно 11.
Рисунок 3.1 - Тенденция исходного временного ряда показателя уровня рождаемости
Тенденция исходного временного ряда описывается линейным трендом, что видно на рисунке 3.1.
Получили уравнение вида: ŷt = 10,79 – 0,257*t
Теперь определим начальные условия первого и второго порядков. Порядок начального условия определяется числом параметров линейного тренда.
Начальное условие первого порядка: S01(y)=9,51;
начальное условие второго порядка: S02(y)= 8,23.
Следующим этапом является расчет экспоненциальных средних первого и второго порядков.
Экспоненциальная средняя первого порядка St1(y)=12,7.
Экспоненциальная средняя второго порядка St2(y)= 8,97.