183977 (629996), страница 4

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

Вариация значений признака между группами составляет

при

Итак, после проведенного анализа дисперсий внутри каждой из образованных групп можно сказать, что потребительские расходы зависят от месторасположения региона, в котором потребляются товары и услуги.

2.4. Анализ влияния доходов населения на потребительские расходы

Предположим, что потребительские расходы зависят от величины дохода. Проверим это предположение с помощью корреляционно-регрессионного анализа (КРА). КРА проведем с помощью программы MS Excel.

Этапы анализа:

1. Постановка цели исследования.

Определить наличие или отсутствие зависимости между показателями дохода и потребительских расходов. Построить регрессионную модель этой зависимости, проверить её качество и использовать эту модель для анализа и прогнозирования.

2. Сбор исходной статистической информации.

Информацию для исследования находим в статистических ежегодниках. Представим данные в табличной форме (таблица 7).

Таблица 7

Исходная информация для КРА

Годы	Доходы на человека в месяц, руб	Потребительские расходы на человека в месяц, руб
2004	1736,3	1100,7
2007	4153,1	2311,5
2008	5156,0	2526,1
2009	6819,7	3308,9
2010	8866,8	4202,9

Введем обозначения: x_i – доходы, y_i – потребительские расходы. Графически зависимость исходных данных представлена на рисунке 4.

Рисунок 4 - Зависимость потребительских расходов от доходов

3. Оценка тесноты связи между признаками.

3.1. Предположим, что изучаемые признаки связаны линейной зависимостью. Рассчитаем линейный коэффициент корреляции по формуле:

Промежуточные расчеты представлены в таблице 8.

Таблица 8

Промежуточные расчеты для определения параметров регрессии

Годы	xi	yi	xy	x2	y2
2004	1736,3	1100,7	1911145,41	3014737,69	1211540,5
2007	4153,1	2311,5	9599890,65	17248239,61	5343032,3
2008	5156	2526,1	13024571,6	26584336	6381181,2
2009	6819,7	3308,9	22565705,33	46508308,09	10948819
2010	8866,8	4202,9	37266273,72	78620142,24	17664368
∑	26731,9	13450,1	84367586,71	171975763,6	41548942

(20)

(21)

(22)

(23)

(24)

(25)

(26)

(27)

Коэффициент линейной корреляции, равный 0,997, свидетельствует о наличии очень сильной связи.

3.2. Оценка существенности коэффициента корреляции. Для этого найдем расчетное значение t-критерия Стьюдента:

(28)

По таблице критических точек распределения Стьюдента найдем t_кр при уровне значимости α=0,05 и числе степеней свободы ν = 5-k-1 = 5-1-1=3. t_кр = 3,18. Так как t_расч > t_кр (22,3> 3,18), то линейный коэффициент считается значимым, а связь между x и y – существенной.

4. Построение уравнения регрессии.

Этап построения регрессионного уравнения состоит в идентификации (оценке) его параметров, оценке их значимости и значимости уравнения в целом.

4.1. Идентификация регрессии. Построим линейную однофакторную регрессионную модель вида Для оценки неизвестных параметров a₀, a₁ используется метод наименьших квадратов, заключающийся в минимизации суммы квадратов отклонений теоретических значений зависимой переменной от наблюдаемых (эмпирических).

Система нормальных уравнений для нахождения параметров a₀, a₁ имеет вид:

(29)

После преобразования системы получим:

(30)

(31)

Решением системы являются значения параметров: а₀ = 391,08; a₁ = 0,43.

Уравнение регрессии:

(32)

Коэффициент детерминации:

Таким образом, судя по регрессионному коэффициенту а₁=0,43, можно утверждать, что с увеличением дохода на 1 рубль потребительские расходы увеличивается в среднем на 0,43 рублей в месяц. Коэффициент регрессии а₀=391,08 учитывает влияние факторов, неучтенных в модели. В нашем случае влияние неучтенных факторов невелико.

Коэффициент детерминации показывает, что 99,4% вариации признака «потребительские расходы» обусловлено вариацией признака «доход а остальные 0,6% вариации связаны с воздействием неучтенных факторов.

4.2. Проверка значимости параметров регрессии.

Для того, чтобы оценить на сколько параметры а₁, а₀ отображают исследуемый процесс и не являются ли эти значения результатом случайных величин, рассчитаем средние ошибки и t-критерии Стьюдента.

(33)

(34)

По таблице критических точек распределения Стьюдента найдем t_кр при уровне значимости α=0,05 и числе степеней свободы ν = 3. t_кр = 3,18. Так как t^а0_расч > t_кр (8,44 >3,18), то параметр а₀ считается значимым. Так как t^а1_расч > t_кр (22,4 > 3,18), то параметр а₁ считается значимым.

4.3. Проверка значимости уравнения регрессии в целом.

(35)

По таблице критических значений критерия Фишера найдем Fкр = 10,13 (при α=0,05, ν₁=k=1, ν₂=n-k-1=3). Так как F_расч > F_кр (497 > 10,13), то для уровня значимости α=0,05 и числе степеней свободы ν₁=1, ν₂=7 построенное уравнение регрессии можно считать значимым.

5. Использование регрессионной модели для принятия управленческих решений (анализа, прогнозирования и т.д.).

Вычислим прогнозное значение потребительских расходов для величины дохода х_р=10000. При уровне значимости α=0,05 точечное значение прогноза

(36)

Т.е. с доверительной вероятностью p=1-α=1-0,05=0,95 можно предполагать, что прогнозное значение потребительских расходов при величине дохода, равной 10000 рублей, составит около 4691,08 рублей.

Таким образом, в результате проведения корреляционно-регрессионного анализа показано, что между величиной дохода и величиной потребительских расходов существует тесная связь. Изучаемые признаки связаны линейной корреляционной зависимостью. Найдены параметры этой зависимости. Проведена комплексная оценка значимости, как параметров регрессионного уравнения, так и регрессии в целом. Показана адекватность построенного уравнения регрессии. Следовательно, регрессионная модель зависимости величины дохода и величины потребительских расходов может быть использована для принятия управленческих решений.

2.5. Методы выявления тренда

Тренд – основная тенденция развития социально – экономического явления. К методам, позволяющим выявить тренд относятся:

1. метод укрупнения интервалов;

2. метод скользящей средней;

3. метод аналитического выравнивания и некоторые другие.

Рассмотрим перечисленные выше методы. Исходные данные приведены в таблице 9.

Таблица 9

Потребительские расходы по месяцам

№п/п	Месяц	Потребительские расходы на человека в месяц, руб.,
1	январь	3691,88
2	февраль	3839,28
3	март	3951,58
4	апрель	4149,98
5	май	4129,08
6	июнь	3470,28
7	июль	3398,88
8	август	3949,68
9	сентябрь	5169,18
10	октябрь	5125,28
11	ноябрь	4902,28
12	декабрь	4657,38

1. Метод укрупнения интервалов.

Этот метод является наиболее простым. Его суть состоит в простом увеличении длины интервалов.

Таблица 10

Выявление тренда методом укрупнения интервалов

3827,58 < 3916,45 < 4172,58 < 4894,98 – на лицо тенденция к увеличению потребительских расходов.

Характеристики

Список файлов курсовой работы