Диссертация (1139713), страница 20
Текст из файла (страница 20)
Если коэффициент равен 0, то регрессионная модель имеет низкую точность. Если коэффициентравен 1, то регрессионная модель имеет высокую точность, т.е. все точки наблюдений лежат нарегрессионной плоскости. Чем ближе к 1 значение коэффициента множественной детерминации, тем точность регрессионной модели выше.Статистическая значимость уравнения множественной регрессии оценивалась с помощью Fкритерия Фишера:фактост1 1,(15)где Sфакт – факторная сумма квадратов на 1 степень свободы; Sост. – остаточная сумма квадратов на 1степень свободы; R2 – коэффициент (индекс) множественной детерминации; m – число параметров ипеременных x (в линейной регрессии совпадает с числом включенных в модель факторов); n – число наблюденийПри проведении расчетов принималось во внимание то, что наблюдаемый критерий (F набл)должен быть больше, чем табличный критерий (F табл) при количестве степеней свободы n – m– 1.
В нашем случае количество степеней свободы составляет 12 (14 – 1 – 1), поскольку различные виды анализов проводились на примере 14 субъектов РФ, входящих в состав ПФО.Расчет показателей множественной корреляции, коэффициента детерминации, а также Fкритерия Фишера приведен в главе 5.Оценка пригодности эмпирических регрессионных моделей осуществлялась по анализу остатков. По регрессионным моделям были рассчитаны величины предсказанных значений, остатков, стандартных остатков и стандартных ошибок предсказания.72 Остаток, или оценка ошибки, представляет собой разность между наблюдаемым и предсказанным значениями зависимой переменной при заданном значении Xi и определялась по следующей формуле:ei = Уi – Ŷi ,(16)где ei – остаток или оценка ошибки; Уi – наблюдаемое значение зависимой переменной; Ŷi – предсказанное значение зависимой переменнойНапример, в качестве показателя Уi рассматривался фактический объем розничного секторафармацевтического рынка ПФО (в денежном выражении), в качестве показателя Ŷi - предсказанное (рассчитанное) значение данного показателя по предложенной математической модели.Для оценки пригодности эмпирической модели регрессии проведен графический анализ остатков.
Остатки откладывались по вертикальной оси, а значения Xi - по горизонтальной. Эмпирическая модель считалась пригодной в том случае, когда график не имел ярко выраженной закономерности. И, напротив, модель регрессии считалась непригодной, если на рисунках проявлялась зависимость между значениями Xi и остатками.При анализе остатков учитывались следующие существенные факторы:Если модель подобрана правильно, то остатки ведут себя достаточно хаотично, напоминая так называемый «белый шум».В остатках нет систематической составляющей, резких выбросов, в чередовании их знаков нет никаких закономерностей, остатки независимы друг от друга.При анализе остатков был произведен расчет расстояний Махаланобиса.
В частности, независимые переменные в уравнении регрессии представлялись в виде точек в многомерном пространстве (точкой изображалось каждое наблюдение). В пространстве выстраивалась средняяточка (точка центра, центроид, центр тяжести). Расстояние Махаланобиса определялось какрасстояние от наблюдаемой точки до центра тяжести в многомерном пространстве. Соответственно, значения расстояния Махаланобиса, которые достаточно отличаются от остальных, определялись нами как выбросы.В процессе диссертационных исследований алгоритм математического анализа различныхпоказателей осуществлялся поэтапно.
На первом этапе была проведена нормализация данных,затем последовательно проведены корреляционный, факторный и регрессионный анализы.С помощью метода кластерного анализа осуществлялось разбиение множества исследуемых объектов и признаков на однородные группировки (кластеры). В частности, на основе различных экономических, инфраструктурных, демографических и др. показателей, характеризующих состояние регионального развития, субъекты РФ ПФО включались в кластерные группы (группировки).73 Для расчета расстояний между кластерами (выявления мер сходства между субъектами РФПФО) использована формула расчета Евклидова расстояния [96; 174]:,(17)где pE – Евклидово расстояние; [i, j] - группа из двух объектов (кластеров) i и j; х i и х j – сравниваемые показатели двух объектов (кластеров) i и j; k - объект (кластер), с которым ищется сходствоуказанной группыНапример, при построении территориальных кластерных группировок субъектов РФ ПФО наоснове демографических и инфраструктурных показателей рассчитывалось Евклидово расстояние для каждой пары субъектов РФ ПФО.
В качестве х i и х j рассматривались такие показатели, как: площадь территории субъекта РФ ПФО, численность населения, доля городского населения и др. Затем находилась сумма квадратов разности между значениями анализируемых показателей х i и х j . На основе полученных значений была построена матрица близости расстояний, а также дендрограмма, наглядно демонстрирующая группировку субъектов РФ ПФО.При разработке структурно-функциональной модели лекарственного обеспечения населениябыл использован системный подход, который позволяет рассматривать целостную систему каксовокупность взаимосвязанных элементов (структурных компонентов) и происходящих в нейпроцессов. С помощью принципа иерархического структурирования (иерархической упорядоченности) определялось положение каждого объекта в структуре отдельно взятого сектора ицелостной системы лекарственного обеспечения.
Использование квалиметрического подходапозволило представить в структуре всей системы и ее отдельных секторов различные количественные и качественные характеристики. Возможности исследовательско-аналитического подхода позволили провести анализ полученных количественных и качественных показателей, характеризующих состояние системы лекарственного обеспечения или ее отдельных секторов;выявить проблемы при функционировании системы, а также осуществлять выработку предложений по дальнейшему совершенствованию ее деятельности.При проведении исследований источниками информации являлись статистические данные,полученные на основе специально разработанных карт-запросов в органах управления здравоохранением и фармацевтической службой 14 субъектов РФ ПФО, в территориальных управлениях Росздравнадзора, в профессиональных фармацевтических ассоциациях, в региональныхинформационно-аналитических Центрах, а также в аптечных организациях субъектов РФ ПФО.В качестве источников информации использованы базы данных федеральной службы государственной статистики (Росстата), Минздрава России, федеральной антимонопольной службыРоссии, аппарата полномочного представителя Президента РФ в ПФО, а также аналитическихслужб компаний «DSM Group» и «АРЭНСИ Фарма».74 Объектами исследования являлись:нормативно-правовые документы, регламентирующие деятельность в сфере обращения ЛП;экономические, инфраструктурные демографические и медицинские показатели состояния регионального развития субъектов РФ ПФО;количественные показатели, характеризующие состояние лекарственного обеспечения населения в различных секторах фармацевтического рынка ПФО;базы данных аналитической компании «DSM Group» (блоки «Розничные продажи», «Госпитальные продажи», «Сектор ЛЛО», «Объемные показатели фармацевтического рынкаПФО», «Ассортимент ЛП фармацевтического рынка ПФО»);аналитическая база компании «АРЭНСИ Фарма» (блок «Сетевые аптечные организации»);статистическая информация территориальных Управлений Росздравнадзора субъектов РФПФО по мониторингу показателей фармаконадзора в регионах округа;статистическая информация органов управления здравоохранением и фармацевтическойслужбой субъектов РФ ПФО, руководителей государственных и негосударственных аптечных организаций по кадровой обеспеченности фармацевтическими специалистами государственных и негосударственных аптечных организаций;анкеты и опросные листы (специалистов системы управления здравоохранением и фармацевтической службой субъектов РФ ПФО, аптечных организаций, студентов и преподавателей фармацевтических факультетов вузов и ссузов ПФО, федеральных льготополучателей, вышедших из программы ОНЛП).75 ГЛАВА 3.
ТЕРРИТОРИАЛЬНЫЕ ГРУППИРОВКИ СУБЪЕКТОВ РФ ПРИВОЛЖСКОГОФЕДЕРАЛЬНОГО ОКРУГА (ПФО) НА ОСНОВЕ АНАЛИЗА ЭКОНОМИЧЕСКИХ,ИНФРАСТРУКТУРНЫХ, ДЕМОГРАФИЧЕСКИХ И МЕДИЦИНСКИХ ПОКАЗАТЕЛЕЙВ данной главе представлены результаты анализа различных показателей экономического,инфраструктурного и медико-демографического состояния субъектов РФ ПФО, на основе которых построены территориальные группировки. Результаты данного анализа будут использованы для последующего изучения влияния различных групп факторов на состояние лекарственного обеспечения населения в различных секторах системы оказания лекарственной помощи.3.1.
Общая характеристика ПФО.Сравнительный анализ экономического положения субъектов РФ округаСозданный в 2000 г. Приволжский федеральный округ объединяет 14 субъектов РФ, в т.ч.:6 республик: Башкортостан, Марий Эл, Мордовию, Татарстан, Удмуртскую Республику,Чувашскую Республику,7 областей: Кировскую, Нижегородскую, Оренбургскую, Пензенскую, Самарскую, Саратовскую и Ульяновскую области;Пермский край.Площадь территории ПФО - свыше 1 млн.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
