Реферат Автоматизированный априорный анализ статистической совокупности в среде MS Excel 5

Работа добавлена на сайт bukvasha.net: 2015-10-28

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Имя

Выберите тип работы:

Принимаю Политику конфиденциальности

Скидка 25% при заказе до 22.11.2024

ВСЕРОССИЙСКИЙ ЗАОЧНЫЙ ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ ИНСТИТУТ
КАФЕДРА СТАТИСТИКИ
О Т Ч Е Т

о результатах выполнения

компьютерной лабораторной работы №1
Автоматизированный априорный анализ статистической совокупности в среде MS Excel
Вариант № 18
Выполнил: ст. III курса гр.221319

Алдамова Марем Мовсаровна

Проверил: Кожевникова Галина Павловна
Москва 2010 г.
Постановка задачи

При проведении статистического наблюдения за деятельностью предприятий корпорации получены выборочные данные о среднегодовой стоимости основных производственных фондов и выпуске продукции за год по 32-м предприятиям, выпускающим однотипную продукцию (выборка 10%-ная, механическая).

В статистическом исследовании эти предприятия выступают как единицы выборочной совокупности. Генеральную совокупность образуют все предприятия корпорации. Анализируемые признаки предприятий – Среднегодовая стоимость основных производственных фондов и Выпуск продукции – изучаемые признаки единиц совокупности.

Для автоматизации статистических расчетов используются средства электронных таблиц процессора Excel.

Выборочные данные представлены на Листе 1 Рабочего файла в табл.1 (ячейки B4:C35):

Номер предприятия	Среднегодовая стоимость основных производственных фондов, млн.руб.	Выпуск продукции, млн. руб.
1	1070,00	1030,00
2	1260,00	1130,00
3	1300,00	1260,00
4	1370,00	1400,00
5	890,00	700,00
6	1440,00	1200,00
7	1480,00	1620,00
8	1110,00	1100,00
9	1360,00	1290,00
10	1570,00	1610,00
12	1720,00	1700,00
13	1310,00	1340,00
14	1440,00	1460,00
15	1650,00	1770,00
16	1890,00	1900,00
17	1410,00	1280,00
18	1560,00	1520,00
19	1240,00	950,00
20	1580,00	1300,00
21	1760,00	1750,00
22	1210,00	990,00
23	960,00	930,00
24	1610,00	1490,00
25	1440,00	1300,00
26	1340,00	1230,00
27	1040,00	800,00
28	1400,00	1250,00
29	1620,00	1370,00
31	1540,00	1300,00
32	1130,00	1160,00

В процессе исследования совокупности необходимо решить ряд задач.

I. Статистический анализ выборочной совокупности

Выявить наличие среди исходных данных резко выделяющихся значений признаков (аномалий в данных) и исключить их из выборки.
Рассчитать обобщающие статистические показатели совокупности по изучаемым признакам: среднюю арифметическую (), моду (Мо), медиану (Ме), размах вариации (R), дисперсию(), среднее квадратическое отклонение (), коэффициент вариации (V_σ).
На основе рассчитанных показателей в предположении, что распределения единиц по обоим признакам близки к нормальному, оценить:

а) степень колеблемости значений признаков в совокупности;

б) степень однородности совокупности по изучаемым признакам;

в) количество попаданий индивидуальных значений признаков в диапазоны (

), (

)..

Сравнить распределения единиц совокупности по двум изучаемым признакам на основе анализа:

а) колеблемости признаков;

б) однородности единиц;

в) надежности (типичности) средних значений признаков.

Построить интервальный вариационный ряд и гистограмму распределения единиц совокупности по признаку Среднегодовая стоимость основных производственных фондов и установить характер (тип) этого распределения.

II. Статистический анализ генеральной совокупности

Рассчитать генеральную дисперсию , генеральное среднее квадратическое отклонение и ожидаемый размах вариации признаков R_N. Сопоставить значения генеральной и выборочной дисперсий.
Для изучаемых признаков рассчитать:

а) среднюю ошибку выборки;

б) предельные ошибки выборки для уровней надежности P=0,683, P=0,954 и границы, в которых будут находиться средние значения признака в генеральной совокупности при заданных уровнях надежности.

Рассчитать коэффициенты асимметрии As и эксцесса Ek. На основе полученных оценок охарактеризовать особенности формы распределения единиц генеральной совокупности по каждому из изучаемых признаков.

III. Экономическая интерпретация результатов статистического исследования предприятий

В этой части исследования необходимо ответить на ряд вопросов.

Типичны ли образующие выборку предприятия по значениям изучаемых экономических показателей?
Каковы наиболее характерные для предприятий значения показателей среднегодовой стоимости основных фондов и выпуска продукции?
Насколько сильны различия в экономических характеристиках предприятий выборочной совокупности? Можно ли утверждать, что выборка сформирована из предприятий с достаточно близкими значениями по каждому из показателей?
Какова структура предприятий выборочной совокупности по среднегодовой стоимости основных фондов? Каков удельный вес предприятий с наибольшими, наименьшими и типичными значениями данного показатели? Какие именно это предприятия?
Носит ли распределение предприятий по группам закономерный характер и какие предприятия (с более высокой или более низкой стоимостью основных фондов) преобладают в совокупности?
Каковы ожидаемые средние величины среднегодовой стоимости основных фондов и выпуска продукции на предприятиях корпорации в целом? Какое максимальное расхождение в значениях каждого показателя можно ожидать?

2. Выводы по результатам выполнения лабораторной работы^¹

I. Статистический анализ выборочной совокупности

Задача 1.

Вывод:

Количество аномальных единиц наблюдения (табл.2) равно ............., номера предприятий ............................................................................................

Задача 2. Рассчитанные выборочные показатели представлены в двух таблицах — табл.3 и табл.5. На основе этих таблиц формируется единая таблица (табл.8) значений выборочных показателей, перечисленных в условии Задачи 2.

Таблица 8

Описательные статистики выборочной совокупности

Обобщающие статистические показатели совокупности по изучаемым признакам	Признаки
	Среднегодовая стоимость основных производственных фондов	Выпуск продукции
Средняя арифметическая (), млн. руб.
Мода (Мо), млн. руб.
Медиана (Ме), млн. руб.
Размах вариации (R), млн. руб.
Дисперсия ()
Среднее квадратическое отклонение (), млн. руб.
Коэффициент вариации (V_σ), %

Задача 3.

3а). Степень колеблемости признака определяется по значению коэффициента вариации V_в соответствии с оценочной шкалой колеблемости признака:

0%_40% - колеблемость незначительная;

40%< V_60% - колеблемость средняя (умеренная);

V_>60% - колеблемость значительная.

Вывод:

Для признака Среднегодовая стоимость основных производственных фондов показатель V_=…………. . Так как значение показателя лежит в диапазоне ……………………….. оценочной шкалы, следовательно, колеблемость ………………………………. .

Для признака Выпуск продукции показатель V_=………… . Так как значение показателя лежит в диапазоне ……………………….. оценочной шкалы, следовательно, колеблемость ………………………………. .

3б). Степень
однородности совокупности по изучаемому признаку для нормального и близких к нормальному распределений устанавливается по значению коэффициента вариации V_. Если V_33%, то по данному признаку расхождения между значениями признака невелико. Если при этом единицы наблюдения относятся к одному определенному типу, то изучаемая совокупность однородна.

Вывод:

Для признака Среднегодовая стоимость основных производственных фондов показатель , следовательно, по данному признаку выборочная совокупность …………………………. .

Для признака Выпуск продукции показатель , следовательно, по данному признаку выборочная совокупность …………………………. .

3в). Для оценки количества попаданий индивидуальных значений признаков x_i в тот или иной диапазон отклонения от средней , а также для выявления структуры рассеяния значений x_i по 3-м диапазонам формируется табл.9 (с конкретными числовыми значениями границ диапазонов).

Таблица 9

Распределение значений признака по диапазонам рассеяния признака относительно

Границы диапазонов, млн. руб.

Количество значений x_i, находящихся в диапазоне

Процентное соотношение рассеяния значений x_i по диапазонам, %

Первый признак

Второй признак

Первый признак

Второй признак

Первый признак

Второй признак

А

1

2

3

4

5

6

[………….;………….]

[………….;……….]

[………….;………….]

[………….;……….]

[………….;………….]

[………….;……….]

На основе данных табл.9 структура рассеяния значений признака по трем диапазонам (графы 5 и 6) сопоставляется со структурой рассеяния по правилу «трех сигм», справедливому для нормальных и близких к нему распределений:

68,3% значений располагаются в диапазоне (),

95,4% значений располагаются в диапазоне (),

99,7% значений располагаются в диапазоне ().

Если полученная в табл. 9 структура рассеяния х_i по 3-м диапазонам незначительно расходится с правилом «трех сигм», можно предположить, что распределение единиц совокупности по данному признаку близко к нормальному.

Расхождение с правилом «трех сигм» может быть существенным. Например, менее 60% значений х_i попадают в центральный диапазон () или значительно более 5% значения х_i выходит за диапазон (). В этих случаях распределение нельзя считать близким к нормальному.

Вывод:

Сравнение данных графы 5 табл.9 с правилом «трех сигм» показывает на их незначительное (существенное) расхождение, следовательно, распределение единиц совокупности по признаку Среднегодовая стоимость основных производственных фондов можно (нельзя) считать близким к нормальному.

Сравнение данных графы 6 табл.9 с правилом «трех сигм» показывает на незначительное (существенное) расхождение, следовательно, распределение единиц совокупности по признаку Выпуск продукции можно (нельзя) считать близким к нормальному.

Задача 4. Для ответа на вопросы 4а) – 4в) необходимо воспользоваться табл.8 и сравнить величины показателей для двух признаков.

Для сравнения степени колеблемости значений изучаемых признаков, степени однородности совокупности по этим признакам, надежности их средних значений используются коэффициенты вариации V_ признаков.

Вывод:

Так как V_ для первого признака больше (меньше), чем V_ для второго признака, то колеблемость значений первого признака больше (меньше) колеблемости значений второго признака, совокупность более однородна по первому (второму) признаку, среднее значение первого признака является более (менее) надежным, чем у второго признака.

Задача 5. Интервальный вариационный ряд распределения единиц совокупности по признаку Среднегодовая стоимость основных производственных фондов представлен в табл.7, а его гистограмма и кумулята – на рис.2.

Возможность отнесения распределения признака «Среднегодовая стоимость основных производственных фондов» к семейству нормальных распределений устанавливается путем анализа формы гистограммы распределения. Анализируются количество вершин в гистограмме, ее асимметричность и выраженность «хвостов», т.е. частоты появления в распределении значений, выходящих за диапазон ().

1. При анализе формы гистограммы прежде всего следует оценить распределение вариантов признака по интервалам (группам). Если на гистограмме четко прослеживаются два-три «горба» частот вариантов, это говорит о том, что значения признака концентрируются сразу в нескольких интервалах, что не соответствует нормальному закону распределения.

Если гистограмма имеет одновершинную форму, есть основания предполагать, что выборочная совокупность может иметь характер распределения, близкий к нормальному.

2. Для дальнейшего анализа формы распределения используются описательные параметры выборки – показатели центра распределения (, Mo, Me) и вариации (). Совокупность этих показателей позволяет дать качественную оценку близости эмпирических данных к нормальной форме распределения.

Нормальное распределение является симметричным, и для него выполняются соотношения:

=Mo=Me

Нарушение этих соотношений свидетельствует о наличии асимметрии распределения. Распределения с небольшой или умеренной асимметрией в большинстве случаев относятся к нормальному типу.

3. Для анализа длины «хвостов» распределения используется правило «трех сигм». Согласно этому правилу в нормальном и близким к нему распределениях крайние значения признака (близкие к х_min и х_max) встречаются много реже (5-7 % всех случаев), чем лежащие в диапазоне (). Следовательно, по проценту выхода значений признака за пределы диапазона () можно судить о соответствии длины «хвостов» распределения нормальному закону.

Вывод:

1. Гистограмма является одновершинной (многовершинной).

2. Распределение приблизительно симметрично (существенно асимметрично), так как параметры , Mo, Me отличаются незначительно (значительно):

= .............., Mo=.............., Me=..............

3. “Хвосты” распределения не очень длинны (являются длинными), т.к. согласно графе 5 табл.9…..……% вариантов лежат за пределами интервала ()=(………………;…………….) млн. руб.

Следовательно, на основании п.п. 1,2,3, можно (нельзя) сделать заключение о близости изучаемого распределения к нормальному.

II. Статистический анализ генеральной совокупности

Задача 1. Рассчитанные в табл.3 генеральные показатели представлены в табл.10.

Таблица 10

Описательные статистики генеральной совокупности

Обобщающие статистические показатели совокупности по изучаемым признакам

Признаки

Среднегодовая стоимость основных производственных фондов

Выпуск продукции

Стандартное отклонение , млн. руб.

Дисперсия

Асимметричность As

Эксцесс Ek

Для нормального распределения справедливо равенство

R_N=6_N.

В условиях близости распределения единиц генеральной совокупности к нормальному это соотношение используется для прогнозной оценки размаха вариации признака в генеральной совокупности.

Ожидаемый размах вариации признаков R_N:

- для первого признака R_N =………...............,

- для второго признака R_N =………...............

Соотношение между генеральной и выборочной дисперсиями:

- для первого признака ……, т.е. расхождение между дисперсиями незначительное (значительное);

-для второго признака ……, т.е. расхождение между дисперсиями незначительное (значительное).

Задача 2. Применение выборочного метода наблюдения связано с измерением степени достоверности статистических характеристик генеральной совокупности, полученных по результатам выборочного наблюдения. Достоверность генеральных параметров зависит от репрезентативности выборки, т.е. от того, насколько полно и адекватно представлены в выборке статистические свойства генеральной совокупности.

Как правило, статистические характеристики выборочной и генеральной совокупностей не совпадают, а отклоняются на некоторую величину ε, которую называют ошибкой выборки (ошибкой репрезентативности). Ошибка выборки – это разность между значением показателя, который был получен по выборке, и генеральным значением этого показателя. Например, разность

= |-|

определяет ошибку репрезентативности для средней величины признака.

Так как ошибки выборки всегда случайны, вычисляют среднюю и предельную ошибки выборки.

1. Для среднего значения признака средняя ошибка выборки (ее называют также стандартной ошибкой) выражает среднее квадратическое отклонение  выборочной средней от математического ожидания M[] генеральной средней .

Для изучаемых признаков средние ошибки выборки даны в табл. 3:

- для признака Среднегодовая стоимость основных производственных фондов

=……………….,

- для признака Выпуск продукции

=………………..

2. Предельная ошибка выборки
определяет границы, в пределах которых лежит генеральная средняя . Эти границы задают так называемый доверительный интервал генеральной средней – случайную область значений, которая с вероятностью P, близкой к 1, гарантированно содержит значение генеральной средней. Эту вероятность называют доверительной вероятностью или уровнем надежности.

Для уровней надежности P=0,954; P=0,683 оценки предельных ошибок выборки
даны в табл. 3 и табл. 4.

Для генеральной средней предельные значения и доверительные интервалы определяются выражениями:

,

Предельные ошибки выборки и ожидаемые границы для генеральных средних представлены в табл. 11.

Таблица 11

Предельные ошибки выборки и ожидаемые границы для генеральных средних

Доверительная

вероятность

Р

Коэффи-циент

доверия

t

Предельные ошибки выборки, млн. руб.

Ожидаемые границы для средних , млн. руб.

для первого

признака

для второго

признака

для первого

признака

для второго

признака

0,683

1

0,954

2

Вывод:

Увеличение уровня надежности ведет к расширению (сужению) ожидаемых границ для генеральных средних.

Задача 3. Рассчитанные в табл.3 значения коэффициентов асимметрии As и эксцесса Ek даны в табл.10.

1.Показатель асимметрии As оценивает смещение ряда распределения влево или вправо по отношению к оси симметрии нормального распределения.

Если асимметрия правосторонняя (As>0) то правая часть эмпирической кривой оказывается длиннее левой, т.е. имеет место неравенство >Me>Mo, что означает преимущественное появление в распределении более высоких значений признака (среднее значение больше серединного Me и модального Mo).

Если асимметрия левосторонняя (As<0), то левая часть эмпирической кривой оказывается длиннее правой и выполняется неравенство <Meозначающее, что в распределении чаще встречаются более низкие значения признака (среднее значение меньше серединного Me и модального Mo).

Чем больше величина |As|, тем более асимметрично распределение. Оценочная шкала асимметрии:

|As| 0,25 - асимметрия незначительная;

0,25<|As|0,5 - асимметрия заметная (умеренная);

|As|>0,5 - асимметрия существенная.

Вывод:

Для признака Среднегодовая стоимость основных производственных фондов наблюдается незначительная (заметная, существенная) левосторонняя (правосторонняя) асимметрия. Следовательно, в распределении преобладают …………………………………………………………………………………………

Для признака Выпуск продукции наблюдается незначительная (заметная, существенная) левосторонняя (правосторонняя) асимметрия. Следовательно, в распределении преобладают ……………………………………………………….

…………………………………………………………………………………………

2.Показатель эксцесса Ek характеризует крутизну кривой распределения - ее заостренность или пологость по сравнению с нормальной кривой.

Как правило, коэффициент эксцесса вычисляется только для симметричных или близких к ним распределений.

Если Ek>0, то вершина кривой распределения располагается выше вершины нормальной кривой, а форма кривой является более островершинной, чем нормальная. Это говорит о скоплении значений признака в центральной зоне ряда распределения, т.е. о преимущественном появлении в данных значений, близких к средней величине.

Если Ek<0, то вершина кривой распределения лежит ниже вершины нормальной кривой, а форма кривой более пологая по сравнению с нормальной. Это означает, что значения признака не концентрируются в центральной части ряда, а рассеяны по всему диапазону от x_max до x_min.

Для нормального распределения Ek=0. Чем больше абсолютная величина |Ek|, тем существеннее распределение отличается от нормального.

При незначительном отклонении Ek от нуля форма кривой эмпирического распределения незначительно отличается от формы нормального распределения.

Вывод:

1. Так как для признака Среднегодовая стоимость основных производственных фондов Ek>
0
(Ek<
0
), то кривая распределения является более островершинной (пологовершинной) по сравнению с нормальной кривой. При этом Ek незначительно (значительно) отличается от нуля (Ek=|…........|) Следовательно, по данному признаку форма кривой эмпирического распределения значительно (незначительно) отличается от формы нормального распределения.

2.Так как для признака Выпуск продукции Ek>
0
(Ek<
0
), то кривая распределения является более островершинной (пологовершинной) по сравнению с нормальной кривой. При этом Ek незначительно (значительно) отличается от нуля (Ek=|….........|) .Следовательно, по данному признаку форма кривой эмпирического распределения значительно (незначительно) отличается от формы нормального распределения.

III. Экономическая интерпретация результатов статистического исследования предприятий^²

Типичны ли образующие выборку предприятия по значениям изучаемых экономических показателей?

Предприятия с резко выделяющимися значениями показателей приведены в табл.2. После их исключения из выборки оставшиеся 30 предприятий являются типичными (нетипичными) по значениям изучаемых экономических показателей.

Каковы наиболее характерные для предприятий значения показателей среднегодовой стоимости основных производственных фондов и выпуска продукции?

Ответ на вопрос следует из анализа данных табл.9, где приведен диапазон значений признака (), содержащий наиболее характерные для предприятий значения показателей.

Для среднегодовой стоимости основных производственных фондов наиболее характерные значения данного показателя находятся в пределах от ...............………млн. руб. до ................…….млн. руб. и составляют ..........% от численности совокупности.

Для выпуска продукции наиболее характерные значения данного показа-теля находятся в пределах от ...............……. млн. руб. до …..................млн. руб. и составляют ...........% от численности совокупности.

Насколько сильны различия в экономических характеристиках предприятий выборочной совокупности? Можно ли утверждать, что выборка сформирована из предприятий с достаточно близкими значениями по каждому из показателей?

Ответы на вопросы следуют из значения коэффициента вариации (табл.8), характеризующего степень однородности совокупности (см. вывод к задаче 3б). Максимальное расхождение в значениях показателей определяется размахом вариации R_n. (табл.8).

Для среднегодовой стоимости основных производственных фондов различия в значениях показателя значительны (незначительны). Максимальное расхождение в значениях данного показателя........................млн. руб.

Для выпуска продукции различия в значениях показателя значительны (незначительны). Максимальное расхождение в значениях данного показателя........................млн. руб.

Какова структура предприятий выборочной совокупности по среднегодовой стоимости основных производственных фондов? Каков удельный вес предприятий с наибольшими, наименьшими и типичными значениями данного показатели? Какие именно это предприятия?

Структура предприятий представлена в табл.7 Рабочего файла.

Предприятия с наиболее типичными значениями показателя входят в интервал от .....................млн. руб. до ........................млн. руб. Их удельный вес ...........%. Это предприятия №№ ................................................................................

Предприятия с наибольшими значениями показателя входят в интервал от .....................млн. руб. до .......................млн. руб. Их удельный вес ...........%. Это предприятия №№ ................................................... ...................................................

Предприятия с наименьшими значениями показателя входят в интервал от .....................млн. руб. до ........................млн. руб. Их удельный вес ...........%. Это предприятия №№ ..............................................................................................

Носит ли распределение предприятий по группам закономерный характер и какие предприятия (с более высокой или более низкой стоимостью основных фондов) преобладают в совокупности?

Ответ на вопрос следует из вывода к задаче 5 и значения коэффициента асимметрии (табл.8).

Распределение предприятий на группы по среднегодовой стоимости основных производственных фондов носит закономерный характер, близкий к нормальному (незакономерный характер). В совокупности преобладают предприятия с более высокой (низкой) стоимостью основных фондов.

Каковы ожидаемые средние величины среднегодовой стоимости основных фондов и выпуска продукции на предприятиях корпорации в целом? Какое максимальное расхождение в значениях каждого показателя можно ожидать?

Ответ на первый вопрос следует из данных табл.11. Максимальное расхождение в значениях показателя определяется величиной размаха вариации R_N.

По корпорации в целом ожидаемые с вероятностью 0,954 средние величины показателей находятся в интервалах:

для среднегодовой стоимости основных производственных фондов - от .........................млн. руб. до .........................млн. руб.;

для выпуска продукции - от ......................млн. руб. до ......................млн. руб.;

Максимальные расхождения в значениях показателей:

для среднегодовой стоимости основных производственных фондов -......................млн. руб.;

для выпуска продукции - .......................млн. руб.

ВСЕРОССИЙСКИЙ ЗАОЧНЫЙ ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ ИНСТИТУТ
КАФЕДРА СТАТИСТИКИ
О Т Ч Е Т

о результатах выполнения

компьютерной лабораторной работы №2
Автоматизированный корреляционно-регрессионный анализ взаимосвязи статистических данных в среде MS Excel
Вариант № 18
Выполнил: ст. III курса гр.221319

Алдамова Марем Мовсаровна

Проверил: Кожевникова Галина Павловна

Москва 2010 г.

1. Постановка задачи статистического исследования

Корреляционно-регрессионный анализ взаимосвязи признаков является составной частью проводимого статистического исследования деятельности 30-ти предприятий и частично использует результаты ЛР-1.

В ЛР-2 изучается взаимосвязь между факторным признаком Среднегодовая стоимость основных производственных фондов (признак Х) и результативным признаком Выпуск продукции (признак Y), значениями которых являются исходные данные ЛР-1 после исключения из них аномальных наблюдений.

Исходные данные

Номер предприятия

Среднегодовая стоимость основных производственных фондов, млн.руб.

Выпуск продукции, млн. руб.

1

1070,00

1030,00

2

1260,00

1130,00

3

1300,00

1260,00

4

1370,00

1400,00

5

890,00

700,00

6

1440,00

1200,00

7

1480,00

1620,00

8

1110,00

1100,00

9

1360,00

1290,00

10

1570,00

1610,00

12

1720,00

1700,00

13

1310,00

1340,00

14

1440,00

1460,00

15

1650,00

1770,00

16

1890,00

1900,00

17

1410,00

1280,00

18

1560,00

1520,00

19

1240,00

950,00

20

1580,00

1300,00

21

1760,00

1750,00

22

1210,00

990,00

23

960,00

930,00

24

1610,00

1490,00

25

1440,00

1300,00

26

1340,00

1230,00

27

1040,00

800,00

28

1400,00

1250,00

29

1620,00

1370,00

31

1540,00

1300,00

32

1130,00

1160,00

В процессе статистического исследования необходимо решить ряд задач.

Установить наличие статистической связи между факторным признаком Х и результативным признаком Y графическим методом.

Установить наличие корреляционной связи между признаками Х и Y методом аналитической группировки.

Оценить тесноту связи признаков Х и Y на основе эмпирического корреляционного отношения η.

Построить однофакторную линейную регрессионную модель связи признаков Х и Y, используя инструмент Регрессия надстройки Пакет анализа, и оценить тесноту связи признаков Х и Y на основе линейного коэффициента корреляции r.

Определить адекватность и практическую пригодность построенной линейной регрессионной модели, оценив:

а) значимость и доверительные интервалы коэффициентов а₀, а₁;

б) индекс детерминации R² и его значимость;

в) точность регрессионной модели.

Дать экономическую интерпретацию:

а) коэффициента регрессии а₁;

б) коэффициента эластичности К_Э;

в) остаточных величин ε_i.

Найти наиболее адекватное нелинейное уравнение регрессии с помощью средств инструмента Мастер диаграмм.

2. Выводы по результатам выполнения лабораторной работы^³

Задача 1. Установление наличия статистической связи между факторным признаком Х и результативным признаком Y графическим методом.

Статистическая связь является разновидностью стохастической (случайной) связи, при которой с изменением факторного признака X закономерным образом изменяется какой–либо из обобщающих статистических показателей распределения результативного признака Y.

Вывод:

Точечный график связи признаков (диаграмма рассеяния, полученная в ЛР-1 после удаления аномальных наблюдений) позволяет сделать вывод, что имеет (не имеет) место статистическая связь. Предположительный вид связи – линейная (нелинейная) прямая (обратная).

Задача 2. Установление наличия корреляционной связи между признаками Х и Y методом аналитической группировки.

Корреляционная связь – важнейший частный случай стохастической статистической связи, когда под воздействием вариации факторного признака Х закономерно изменяются от группы к группе средние
групповые
значения результативного признака Y (усредняются результативные значения , полученные под воздействием фактора ). Для выявления наличия корреляционной связи используется метод аналитической группировки.

Вывод:

Результаты выполнения аналитической группировки предприятий по факторному признаку Среднегодовая стоимость основных производственных фондов даны в табл. 2.2 Рабочего файла, которая показывает, что с увеличением значений факторного признака Х закономерно
(незакономерно) увеличиваются (уменьшаются) средние групповые значения результативного признака . Следовательно, между признаками Х и Y ………………………………................. ...

……....................................................................................................................................

Задача 3.Оценка тесноты связи признаков Х и Y на основе эмпирического корреляционного отношения.

Для анализа тесноты связи между факторным и результативным признаками рассчитывается показатель η – эмпирическое корреляционное отношение, задаваемое формулой

,

где и - соответственно межгрупповая и общая дисперсии результативного признака Y - Выпуск продукции (индекс х дисперсии означает, что оценивается мера влияния признака Х на Y).

Для качественной оценки тесноты связи на основе показателя эмпирического корреляционного отношения служит шкала Чэддока:

Значение η

0,1 – 0,3

0,3 – 0,5

0,5 – 0,7

0,7 – 0,9

0,9 – 0,99

Сила связи

Слабая

Умеренная

Заметная

Тесная

Весьма тесная

Результаты выполненных расчетов представлены в табл. 2.4 Рабочего файла.

Вывод:

Значение коэффициента η =……………………, что в соответствии с оценочной шкалой Чэддока говорит о …………………………степени связи изучаемых признаков.

Задача 4. Построение однофакторной линейной регрессионной модели связи изучаемых признаков с помощью инструмента Регрессия надстройки Пакет анализа и оценка тесноты связи на основе линейного коэффициента корреляции r.

4.1. Построение регрессионной модели заключается в нахождении аналитического выражения связи между факторным признаком X и результативным признаком Y.

Инструмент Регрессия на основе исходных данных (x_i, y_i), производит расчет параметров а₀ и а₁ уравнения однофакторной линейной регрессии , а также вычисление ряда показателей, необходимых для проверки адекватности построенного уравнения исходным (фактическим) данным.

Примечание
.
В результате работы инструмента

Регрессия
получены четыре результативные таблицы (начиная с заданной ячейки
А75
).
Эти таблицы выводятся в Рабочий файл без нумерации, поэтому необходимо присвоить им номера табл.2.5 – табл.2.8 в соответствии с их порядком
.

Вывод:

Рассчитанные в табл.2.7 (ячейки В91 и В92) коэффициенты а₀ и а₁ позволяют построить линейную регрессионную модель связи изучаемых признаков в виде уравнения …………………….

4.2. В случае линейности функции связи для оценки тесноты связи признаков X и Y, устанавливаемой по построенной модели, используется линейный коэффициент корреляции r.

Значение коэффициента корреляции r приводится в табл.2.5 в ячейке В78 (термин "Множественный R").

Вывод:

Значение коэффициента корреляции r =…………… , что в соответствии с оценочной шкалой Чэддока говорит о ..….………………………. степени связи изучаемых признаков.

Задача 5. Анализ адекватности и практической пригодности построенной линейной регрессионной модели.

Анализ адекватности регрессионной модели преследует цель оценить, насколько построенная теоретическая модель взаимосвязи признаков отражает фактическую зависимость между этими признаками, и тем самым оценить практическую пригодность синтезированной модели связи.

Оценка соответствия построенной регрессионной модели исходным (фактическим) значениям признаков X и Y выполняется в 4 этапа:

оценка статистической значимости коэффициентов уравнения а₀, а₁ и определение их доверительных интервалов для заданного уровня надежности;

определение практической пригодности построенной модели на основе оценок линейного коэффициента корреляции r и индекса детерминации R²;

проверка значимости уравнения регрессии в целом по F-критерию Фишера;

оценка погрешности регрессионной модели.

Оценка статистической значимости коэффициентов уравнения а₀, а₁ и определение их доверительных интервалов

Так как коэффициенты уравнения а₀, а₁ рассчитывались, исходя из значений признаков только для 30-ти пар (x_i, y_i), то полученные значения коэффициентов являются лишь приближенными оценками фактических параметров связи а₀, а₁. Поэтому необходимо:

проверить значения коэффициентов на неслучайность (т.е. узнать, насколько они типичны для всей генеральной совокупности предприятий отрасли);

определить (с заданной доверительной вероятностью 0,95 и 0,683) пределы, в которых могут находиться значения а₀, а₁ для генеральной совокупности предприятий.

Для анализа коэффициентов а₀, а₁ линейного уравнения регрессии используется табл.2.7, в которой:

– значения коэффициентов а₀, а₁ приведены в ячейках В91 и В92 соответственно;

– рассчитанный уровень значимости коэффициентов уравнения приведен в ячейках Е91 и Е92;

– доверительные интервалы коэффициентов с уровнем надежности Р=0,95 и Р=0,683 указаны в диапазоне ячеек F91:I92.

5.1.1. Определение значимости коэффициентов уравнения

Уровень значимости – это величина α=1–Р, где Р – заданный уровень надежности (доверительная вероятность).

Режим работы инструмента Регрессия использует по умолчанию уровень надежности Р=0,95. Для этого уровня надежности уровень значимости равен α = 1 – 0,95 = 0,05. Этот уровень значимости считается заданным.

В инструменте Регрессия надстройки Пакет анализа для каждого из коэффициентов а₀ и а₁ вычисляется уровень его значимости α_р, который указан в результативной таблице (табл.2.7 термин "Р-значение"). Если рассчитанный для коэффициентов а₀, а₁ уровень значимости α_р, меньше заданного уровня значимости α= 0,05, то этот коэффициент признается неслучайным (т.е. типичным для генеральной совокупности), в противном случае – случайным.

Примечание
.
В случае, если признается случайным свободный член
а₀, то уравнение регрессии целесообразно построить заново без свободного члена
а₀.
В этом случае в диалоговом окне Регрессия необходимо задать те же самые параметры за исключением лишь того, что следует активизировать флажок
Константа-ноль
(это означает, что модель будет строиться при условии
а₀=
0
). В лабораторной работе такой шаг не предусмотрен.

Если незначимым (случайным) является коэффициент регрессии
а₁,
то взаимосвязь между признаками X
и
Y
в принципе

не может аппроксимироваться линейной моделью.

Вывод:

Для свободного члена а₀ уравнения регрессии рассчитанный уровень значимости есть α_р=…..………… Так как он меньше (больше) заданного уровня значимости α=0,05, то коэффициент а₀ признается типичным (случайным).

Для коэффициента регрессии а₁ рассчитанный уровень значимости есть α_р=………..…… Так как он меньше (больше) заданного уровня значимости α=0,05, то коэффициент а₁ признается типичным (случайным).

5.1.2. Зависимость доверительных интервалов коэффициентов уравнения от заданного уровня надежности

Доверительные интервалы коэффициентов а₀, а₁ построенного уравнения регрессии при уровнях надежности Р=0,95 и Р=0,683 представлены в табл.2.7, на основе которой формируется табл.2.9.

Таблица 2.9

Границы доверительных интервалов коэффициентов уравнения

Коэффициенты

Границы доверительных интервалов

Для уровня надежности Р=0,95

Для уровня надежности Р=0,683

нижняя

верхняя

нижняя

верхняя

а₀

а₁

Вывод:

В генеральной совокупности предприятий значение коэффициента а₀следует ожидать с надежностью Р=0,95 в пределах …………….а₀….……….., значение коэффициента а₁в пределах ……………а₁….………… Уменьшение уровня надежности ведет к расширению (сужению) доверительных интервалов коэффициентов уравнения.

Определение практической пригодности построенной регрессионной модели.

Практическую пригодность построенной модели можно охарактеризовать по величине линейного коэффициента корреляции r:

близость к единице свидетельствует о хорошей аппроксимации исходных (фактических) данных с помощью построенной линейной функции связи ;

близость к нулю означает, что связь между фактическими данными Х и Y нельзя аппроксимировать как построенной, так и любой другой линейной моделью, и, следовательно, для моделирования связи следует использовать какую-либо подходящую нелинейную модель.

Пригодность построенной регрессионной модели для практического использования можно оценить и по величине индекса детерминации R², показывающего, какая часть общей вариации признака Y объясняется в построенной модели вариацией фактора X.

В основе такой оценки лежит равенство R = r(имеющее место для линейных моделей связи), а также шкала Чэддока, устанавливающая качественную характеристику тесноты связи в зависимости от величины r.

Согласно шкале Чэддока высокая степень тесноты связи признаков достигается лишь при >0,7, т.е. при >0,7. Для индекса детерминации R² это означает выполнение неравенства R²>0,5.

При недостаточно тесной связи признаков X, Y (слабой, умеренной, заметной) имеет место неравенство 0,7, а следовательно, и неравенство .

С учетом вышесказанного, практическая пригодность построенной модели связи оценивается по величине R² следующим образом:

неравенство R²>0,5 позволяет считать, что построенная модель пригодна для практического применения, т.к. в ней достигается высокая степень тесноты связи признаков X и Y, при которой более 50% вариации признака Y объясняется влиянием фактора Х;

неравенство означает, что построенная модель связи практического значения не имеет ввиду недостаточной тесноты связи между признаками X и Y, при которойменее 50% вариации признака Y объясняется влиянием фактора Х, и, следовательно, фактор Х влияет на вариацию Y в значительно меньшей степени, чем другие (неучтенные в модели) факторы.

Значение индекса детерминации R² приводится в табл.2.5 в ячейке В79 (термин "R - квадрат").

Вывод:

Значение линейного коэффициента корреляции r и значение индекса детерминации R² согласно табл. 2.5 равны: r =…….…….., R²=……..………. Поскольку и , то построенная линейная регрессионная модель связи пригодна (не пригодна) для практического использования.

Общая оценка адекватности регрессионной модели по F-критерию Фишера

Адекватность построенной регрессионной модели фактическим данным (x_i, y_i) устанавливается по критерию Р.Фишера, оценивающему статистическую значимость (неслучайность) индекса детерминации R².

Рассчитанная для уравнения регрессии оценка значимости R² приведена в табл.2.6 в ячейке F86 (термин "Значимость F"). Если она меньше заданного уровня значимости α=0,05, то величина R²признается неслучайной и, следовательно, построенное уравнение регрессии может быть использовано как модель связи между признаками Х и Y для генеральной совокупности предприятий отрасли.

Вывод:

Рассчитанный уровень значимости α_р индекса детерминации R² есть α_р=……………… Так как он меньше(больше) заданного уровня значимости α=0,05, то значение R² признается типичным (случайным) и модель связи между признаками Х и Y ……………………применима (неприменима) для генеральной совокупности предприятий отрасли в целом.

Оценка погрешности регрессионной модели

Погрешность регрессионной модели можно оценить по величине стандартной ошибки построенного линейного уравнения регрессии . Величина ошибки оценивается как среднее квадратическое отклонение по совокупности отклонений исходных (фактических) значений y_i признака Y от его теоретических значений , рассчитанных по построенной модели.

Погрешность регрессионной модели выражается в процентах и рассчитывается как величина ^.100.

В адекватных моделях погрешность не должна превышать 12%-15%.

Значение приводится в выходной таблице "Регрессионная статистика" (табл.2.5) в ячейке В81 (термин "Стандартная ошибка"), значение – в таблице описательных статистик (ЛР-1, Лист 1, табл.3, столбец 2).

Вывод:

Погрешность линейной регрессионной модели составляет ^.100=^___________^.100=…..……..%, что подтверждает (не подтверждает) адекватность построенной модели ……………………………

Задача 6. Дать экономическую интерпретацию:

1) коэффициента регрессии а₁;

3) остаточных величин _i.

2) коэффициента эластичности К_Э;

6.1. Экономическая интерпретация
коэффициента регрессии

а₁

В случае линейного уравнения регрессии =a₀+a₁x величина коэффициента регрессии a₁ показывает, на сколько в среднем (в абсолютном выражении) изменяется значение результативного признака Y при изменении фактора Х на единицу его измерения. Знак при a₁ показывает направление этого изменения.

Вывод:

Коэффициент регрессии а₁ =……………….. показывает, что при увеличении факторного признака Среднегодовая стоимость основных производственных фондов на 1 млн руб. значение результативного признака Выпуск продукции увеличивается (уменьшается) в среднем на ……………..млн руб.
6.2. Экономическая интерпретация коэффициента эластичности.

С целью расширения возможностей экономического анализа явления используется коэффициент эластичности , который измеряется в процентах и показывает, на сколько процентов изменяется в среднем результативный признак при изменении факторного признака на 1%.

Средние значения и приведены в таблице описательных статистик (ЛР-1, Лист 1, табл.3).

Расчет коэффициента эластичности:

=_………^.^_________=………..%

Вывод:

Значение коэффициента эластичности К_э=…………. показывает, что при увеличении факторного признака Среднегодовая стоимость основных производственных фондов на 1% значение результативного признака Выпуск продукции увеличивается (уменьшается) в среднем на ……….%.

6.3. Экономическая интерпретация остаточных величин ε_i

Каждый их остатков характеризует отклонение фактического значения y_i от теоретического значения , рассчитанного по построенной регрессионной модели и определяющего, какого среднего значения следует ожидать, когда фактор Х принимает значение x_i.

Анализируя остатки, можно сделать ряд практических выводов, касающихся выпуска продукции на рассматриваемых предприятиях отрасли.

Значения остатков _i (таблица остатков из диапазона А98:С128) имеют как положительные, так и отрицательные отклонения от ожидаемого в среднем объема выпуска продукции (которые в итоге уравновешиваются, т.е.).

Экономический интерес представляют наибольшие расхождения между фактическим объемом выпускаемой продукции y_i и ожидаемым усредненным объемом .

Вывод:

Согласно таблице остатков максимальное превышение ожидаемого среднего объема выпускаемой продукции имеют три предприятия - с номерами……, ……, …….., а максимальные отрицательные отклонения - три предприятия с номерами……, ……, …….. .Именно эти шесть предприятий подлежат дальнейшему экономическому анализу для выяснения причин наибольших отклонений объема выпускаемой ими продукции от ожидаемого среднего объема и выявления резервов роста производства.

Задача 7. Нахождение наиболее адекватного нелинейного уравнения регрессии с помощью средств инструмента Мастер диаграмм.

Уравнения регрессии и их графики построены для 3-х видов нелинейной зависимости между признаками и представлены на диаграмме 2.1 Рабочего файла.

Уравнения регрессии и соответствующие им индексы детерминации R² приведены в табл.2.10 (при заполнении данной таблицы коэффициенты уравнений необходимо указывать не в компьютерном формате, а в общепринятой десятичной форме чисел).

Таблица 2.10

Регрессионные модели связи

Вид уравнения

Уравнение регрессии

Индекс

детерминации R²

Полином 2-го порядка

Полином 3-го порядка

Степенная функция

Выбор наиболее адекватного уравнения регрессии определяется максимальным значением индекса детерминации R²: чем ближе значение R²к единице, тем более точно регрессионная модель соответствует фактическим данным.

Вывод:

Максимальное значение индекса детерминации R² =…………............ Следовательно, наиболее адекватное исходным данным нелинейное уравнение регрессии имеет вид …………………………

ВСЕРОССИЙСКИЙ ЗАОЧНЫЙ ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ ИНСТИТУТ
КАФЕДРА СТАТИСТИКИ
О Т Ч Е Т

о результатах выполнения

компьютерной лабораторной работы №3
Автоматизированный анализ динамики социально-экономических явлений в среде MS Excel
Вариант № 18
Выполнил: ст. III курса гр.221319

Алдамова Марем Мовсаровна

Проверил: Кожевникова Галина Павловна
Москва 2010 г.

1. Постановка задачи статистического исследования

В процессе статистического изучения деятельности одного из предприятий получены данные о годовом выпуске продукции (в стоимостном выражении) за шестилетний период, а также данные о выпуске продукции по месяцам за 6-ой год.

Полученные два ряда динамики представлены на Листе 3 Рабочего файла в формате электронных таблиц процессора Excel, годовые данные – в диапазоне ячеек A6:B12, а данные за 6-ой год по месяцам - в диапазоне D6:E19.

Таблица 3.1

Исходные данные

Годы

Выпуск продукции, млн. руб.

Месяцы

Выпуск продукции, млн. руб.

1

5720,00

январь

445,00

2

5960,00

февраль

511,00

3

6350,00

март

570,00

4

6230,00

апрель

540,00

5

6465,00

май

600,00

6

7317,00

июнь

580,00

июль

636,00

август

611,00

сентябрь

690,00

октябрь

711,00

ноябрь

723,00

декабрь

700,00

Итого

7317,00

Внимание!

В данной лабораторной работе, в отличие от двух предыдущих лабораторных работ, все Excel-таблицы размещаются не в ПРИЛОЖЕНИИ, а по тексту отчета в соответствующих местах.

В процессе автоматизированного анализа динамики выпуска продукции за шестилетний период необходимо решить следующие статистические задачи.

Задание 1. Расчёт и анализ показателей ряда динамики выпуска продукции за шестилетний период.

Задание 2. Прогноз показателя выпуска продукции на 7-ой год методом экстраполяции.

Задание 3. Выявление тенденции развития изучаемого явления (тренда) по данным о выпуске продукции по месяцам за 6-ой год методами скользящей средней и аналитического выравнивания.

2. Выводы по результатам выполнения лабораторной работы^⁴

Задание 1.

Расчёт и анализ показателей ряда динамики выпуска продукции за шестилетний период.

Выполнение Задания 1 заключается в решении двух задач:

Задача 1. Расчет цепных и базисных показателей динамики: абсолютный прирост (сокращение); темп роста (снижения); темп прироста (сокращения) и абсолютное значение 1 % прироста.

Задача 2. Расчет средних показателей ряда динамики: средний уровень ряда динамики; средний абсолютный прирост; средний темп роста и средний темп прироста.

Задача 1.

Аналитические показатели рядов динамики строятся на основе сравнения двух уровней ряда. Используют два способа сравнения уровней:

1) базисный способ, при котором каждый последующий уровень сравнивается с одним и тем же уровнем, принятым за базу сравнения (то есть база сравнения – постоянная);

2) цепной способ, при котором каждый последующий уровень сравнивается с предыдущим уровнем (то есть база сравнения – переменная).

Соответственно различают:

- базисные показатели, обозначаемые надстрочным индексом б;

- цепные показатели, обозначаемые надстрочным индексом ц.

Общеупотребительные обозначения уровней ряда динамики:

y_i – данный (текущий) уровень;

y_i_-₁– предыдущий уровень;

y₀– базисный уровень;

y_n– конечный уровень;

- средний уровень.

К числу основных аналитических показателей рядов динамики, характеризующих изменения уровней ряда за отдельные промежутки времени, относятся: абсолютный прирост, темп роста, темп прироста, абсолютное значение одного процента прироста, которые рассчитываются по следующим формулам: = у_i – у_о, = у_i – у_i_-₁

,

,

Аналитические показатели годовых изменений уровней ряда приведены в табл.3.2.

Таблица 3.2

Показатели динамики выпуска продукции

Годы

Выпуск продукции, млн. руб.

Абсолютный прирост,
млн. руб.

Темп роста,
%

Темп прироста,
%

Абсолютное
значение
1% прироста

цепной

базисный

цепной

базисный

цепной

базисный

1-й

5720,00

2-й

5960,00

240,00

240,00

104,2

104,2

4,2

4,2

57,2

3-й

6350,00

390,00

630,00

106,5

111,0

6,5

11,0

59,6

4-й

6230,00

-120,00

510,00

98,1

108,9

-1,9

8,9

63,5

5-й

6465,00

235,00

745,00

103,8

113,0

3,8

13,0

62,3

6-й

7317,00

852,00

1 597,00

113,2

127,9

13,2

27,9

64,65

Вывод:

Как показывают данные табл. 3.2, в целом за исследуемый период объем реализации продукции повысился (снизился) на ………… млн.руб. (гр.4) или на……..%(гр.6).

Задача 2.

В табл.3.2 приведены данные, характеризующие динамику изменения уровней ряда за отдельные периоды времени. Для обобщающей оценки изменений уровней ряда за весь рассматриваемый период времени необходимо рассчитать средние показатели динамики. В анализе динамики развития явления в зависимости от вида исходного ряда динамики используются различные средние показатели динамики, характеризующие изменения ряда динамики в целом.

Средний уровень ряда динамики () характеризует типичную величину уровней ряда.

Для интервального ряда динамики с равноотстоящими уровнями времени средний уровень ряда определяется как простая арифметическая средняя из уровней ряда:

,

где n- число уровней ряда.

Средний абсолютный прирост () является обобщающей характеристикой индивидуальных абсолютных приростов и определяется как простая арифметическая средняя из цепных абсолютных приростов:

где n- число уровней ряда.

Средний темп роста () – это сводная обобщающая характеристика интенсивности изменения уровней ряда, показывающая во сколько раз изменялись уровни ряда в среднем за единицу времени. Показатель может быть рассчитан по формуле

где n – число уровней ряда.

Средний темп прироста () рассчитывают с использованием среднего темпа роста:

Средние показатели ряда динамики выпуска продукции представлены в табл.3.3.

Средние показатели ряда динамики

6340,33

319,40

Средний темп роста, %,

105,0

Средний темп прироста, %,

5,0

Вывод.

За исследуемый период средний объем выпуска продукции составил ………….. млн. руб. Выявлена положительная (отрицательная) динамика производства продукции: ежегодное увеличение (снижение) объема продукции составляло в среднем ……….. млн. руб. или …….%.

При среднем абсолютном приросте =………….млн. руб. отклонение по отдельным годам незначительны (значительны).

Задание 2.

Прогноз показателя выпуска продукции на 7-ой год методом экстраполяции.

Применение метода экстраполяции основано на инерционности развития социально-экономических явлений и заключается в предположении о том, что тенденция развития данного явления в будущем не будет претерпевать каких-либо существенных изменений. При этом с целью получения окончательного прогноза всегда следует учитывать все имеющиеся предпосылки и гипотезы дальнейшего развития рассматриваемого социально-экономического явления. Прогноз, сделанный на период экстраполяции (период упреждения), больший 1/3 периода исследования не может считаться научно обоснованным.

Выполнение Задания 2 заключается в решении двух задач:

Задача 1. Прогнозирование выпуска продукции предприятием на год вперёд с использованием среднего абсолютного прироста и среднего темпа роста.

Задача 2. Прогнозирование выпуска продукции предприятием на год вперёд с использованием аналитического выравнивания ряда динамики по прямой, полиному 2-го порядка (параболе) и степенной функции.

Задача 1.

Прогнозирование уровней ряда динамики с использованием среднего абсолютного прироста и среднего темпа роста осуществляется соответственно по формулам:

(1),

(2),

где: – прогнозируемый уровень;

t – период упреждения (число лет, кварталов и т.п.);

y_i – базовый для прогноза уровень;

– средний за исследуемый период абсолютный прирост (среднегодовой, среднеквартальный и т.п.);

– средний за исследуемый период темп роста (среднегодовой, среднеквартальный и т.п.).

Формула (1) применяется при относительно стабильных приростах Δy^ц, что с некоторой степенью приближения соответствует линейной форме зависимости , формула (2) – при достаточно стабильных темпах ростах , что с некоторой степенью приближения соответствует показательной форме зависимости .

Таблица 3.4

7636,40

7682,85

Прогнозируемый объем реализации продукции на 7 год (по данным шестилетнего периода) с использованием среднего абсолютного прироста и среднего темпа роста, рассчитанных в Задании 1, приведены в табл.3.4.

Вывод.

Как показывают полученные прогнозные данные, прогнозируемые объемы реализации продукции на 7 год (по данным шестилетнего периода) довольно близки (значительно отличаются) между собой: ………… и ……………млн.руб. Расхождение полученных данных объясняется тем, что в основу прогнозирования положены разные методики экстраполяции рядов динамики.

Задача 2.

Прогнозирование выпуска продукции предприятием на год вперёд методом аналитического выравнивания ряда динамики по прямой, полиному 2-го порядка (параболе) и степенной функции выполнено с использованием средств инструмента МАСТЕР ДИАГРАММ и представлено на рис. 3.1.

Уравнения регрессии и их графики построены для 3-х видов зависимости.

Выбор наиболее адекватной трендовой модели определяется максимальным значением индекса детерминации R²: чем ближе значение R²к единице, тем более точно регрессионная модель соответствует фактическим данным.

Вывод:

Максимальное значение индекса детерминации R² =…………............ Следовательно, наиболее адекватное исходным данным уравнение регрессии имеет вид …………………………

Рассчитанный по данному уравнению прогноз выпуска продукции на 7-ой год составляет ………………..млн. руб.

Задание 3.

Выявление тенденции развития изучаемого явления (тренда)
по данным о выпуске продукции по месяцам за 6-ой год методами скользящей средней и аналитического выравнивания.

Выполнение Задания 3 заключается в решении двух задач:

Задача 1. Расчет скользящей средней, полученной на основе трёхчленной скользящей суммы.

Задача 2. Аналитическое выравнивание по прямой и параболе.

Задача 1.

Расчет скользящей средней, полученной на основе трёхчленной скользящей суммы.

Значения скользящей средней, полученной на основе трёхчленной скользящей суммы представлены в табл.3.5.

Таблица 3.5

Выпуск продукции за 6-ой год

Месяцы

Выпуск продукции, млн. руб.

Скользящее
среднее

январь

445,00

февраль

511,00

508,67

март

570,00

540,33

апрель

540,00

570,00

май

600,00

573,33

июнь

580,00

605,33

июль

636,00

609,00

август

611,00

645,67

сентябрь

690,00

670,67

октябрь

711,00

708,00

ноябрь

723,00

711,33

декабрь

700,00

Вывод:

Анализ данных табл.3.5 показал, что значения средней закономерно (незакономерно) возрастают (убывают). Следовательно, можно (нельзя) установить основную тенденцию – возрастания (убывания) объема выпуска продукции по месяцам за 6-ой год.

График сглаживания ряда динамики выпуска продукции методом скользящей средней представлен на рис. 3.2.

Задача 2.

Аналитическое выравнивание по прямой и параболе.

Метод аналитического выравнивания позволяет представить основную тенденцию (тренд) развития явления в виде функции времени y=f(t).

Для отображения трендов применяются различные функции: линейные и нелинейные.

Построение графика выпуска продукции предприятием методом аналитического выравнивания ряда динамики по прямой и полиному 2-го порядка (параболе) выполнено с использованием средств инструмента МАСТЕР ДИАГРАММ и представлено на рис. 3.3.

Уравнения регрессии и их графики построены для 2-х видов зависимости.

Выбор наиболее адекватной трендовой модели определяется максимальным значением индекса детерминации R²: чем ближе значение R²к единице, тем более точно регрессионная модель соответствует фактическим данным.

Вывод:

Максимальное значение индекса детерминации R² =…………............ Следовательно, наиболее адекватное исходным данным уравнение регрессии имеет вид …………………………

1 Все статистические показатели необходимо представить в таблицах с точностью до 2-х знаков после запятой. Таблицы и пробелы в формулировках выводов заполнять вручную. В выводах при выборе альтернативного варианта ответа ненужный вариант вычеркнуть.

2 Выводы должны раскрывать экономический смысл результатов проведенного статистического анализа совокупности предприятий, поэтому ответы на поставленные вопросы задач 1-6, должны носить экономический характер со ссылками на результаты анализа статистических свойств совокупности (п. 1-5 для выборочной совокупности и п. 1-3 для генеральной совокупности). В Методических указаниях к лабораторной работе №1 (стр.7-9) разяснено, на основании каких статистических показателей делаются соответствующие экономические выводы.

3 Все статистические показатели необходимо представить в таблицах с точностью до 4-х знаков после запятой. Таблицы и пробелы в формулировках выводов заполнять вручную. В выводах при выборе альтернативного варианта ответа ненужный вариант вы
черкивается.

4 Все статистические показатели необходимо представить в таблицах с точностью до 2-х знаков после запятой. Таблицы и пробелы в формулировках выводов заполнять вручную. В выводах при выборе альтернативного варианта ответа ненужный вариант вычеркнуть.

Bukvasha