Расчет коэффициента корреляции между притоком прямых иностранных инвестиций и темпами экономического роста на примере Великобритании и Венгрии

 

КУРСОВАЯ РАБОТА

«Расчет коэффициента корреляции между притоком прямых иностранных инвестиций и темпами экономического роста на примере Великобритании и Венгрии

Содержание

 

Введение

1. Теоретические аспекты изучения корреляционных связей в экономике

1.1 Корреляционный анализ

1.2 Краткая экономическая характеристика Великобритании

1.3 Краткая экономическая характеристика Венгрии

2. Корреляционный анализ экономики

2.1 Анализ основных показателей прироста иностранных инвестиций

2.2 Анализ корреляционных связей и темпов экономического роста

Заключение

Список литературы

Введение

Актуальность темы данной работы определяется тем, что обработка статистических данных уже давно применяется в самых разнообразных видах человеческой деятельности.

Вообще говоря, трудно назвать ту сферу, в которой она бы не использовалась. Но, пожалуй, ни в одной области знаний и практической деятельности обработка статистических данных не играет такой исключительно большой роли, как в экономике, имеющей дело с обработкой и анализом огромных массивов информации о социально-экономических явлениях и процессах. Всесторонний и глубокий анализ этой информации, так называемых статистических данных, предполагает использование различных специальных методов, важное место среди которых занимает корреляционный и регрессионный анализы обработки статистических данных.

В экономических исследованиях часто решают задачу выявления факторов, определяющих уровень и динамику экономического процесса. Такая задача чаще всего решается методами корреляционного и регрессионного анализа. Для достоверного отображения объективно существующих в экономике процессов необходимо выявить существенные взаимосвязи и не только выявить, но и дать им количественную оценку. Этот подход требует вскрытия причинных зависимостей. Под причинной зависимостью понимается такая связь между процессами, когда изменение одного из них является следствием изменения другого.

Основными задачами корреляционного анализа являются оценка силы связи и проверка статистических гипотез о наличии и силе корреляционной связи. Не все факторы, влияющие на экономические процессы, являются случайными величинами, поэтому при анализе экономических явлений обычно рассматриваются связи между случайными и неслучайными величинами. Такие связи называются регрессионными, а метод математической статистики, их изучающий, называется регрессионным анализом.

Использование возможностей современной вычислительной техники, оснащенной пакетами программ машинной обработки статистической информации на ЭВМ, делает практически осуществимым оперативное решение задач изучения взаимосвязи показателей биржевых ставок методами корреляционно-регрессионного анализа.

Цель работы определить коэффициент корреляции между притоками ПИИ и темпами экономического роста развитой и развивающейся страны

В связи с поставленной целью необходимо решить ряд задач:

– дать понятие корреляционному анализу

– дать характеристику экономики Великобритании

– дать характеристику экономики Венгрии

– Провести анализ между прямыми иностранными инвестициями и ростом ВВП страны

1. Теоретические аспекты изучения корреляционных связей в экономике

 

1.1 Корреляционный анализ

Корреляционный анализ – метод, позволяющий обнаружить зависимость между несколькими случайными величинами.

Допустим, проводится независимое измерение различных параметров у одного типа объектов. Из этих данных можно получить качественно новую информацию – о взаимосвязи этих параметров.

Например, измеряем рос и вес человека, каждое измерение представлено точкой в двумерном пространстве:

Несмотря на то, что величины носят случайный характер, в общем наблюдается некоторая зависимость – корреляция.

В данном случае это положительная корреляция (при увеличении одного параметра второй тоже увеличивается). Возможны также такие случаи:

Отрицательная корреляция:

Отсутствие корреляции:

Корреляцию необходимо охарактеризовать численно, чтобы, например, различать такие случаи:

Для этого вводится коэффициент корреляции. Он рассчитывается следующим образом:

Есть массив из n точек {x1, i, x2, i}

Рассчитываются средние значения для каждого параметра:

И коэффициент корреляции:

r изменяется в пределах от -1 до 1. В данном случае это линейный коэффициент корреляции, он показывает линейную взаимосвязь между x1 и x2: r равен 1 (или -1), если связь линейна.

Коэффициент корреляции является случайной величиной, поскольку вычисляется из случайных величин. Для него можно выдвигать и проверять следующие гипотезы:

1. Коэффициент корреляции значимо отличается от нуля (т.е. корреляция есть):

Тестовая статистика вычисляется по формуле:

и сравнивается с табличным значением коэффициента Стьюдента t (p = 0.95, f = ) = 1.96

Если тестовая статистика больше табличного значения, то коэффициент значимо отличается от нуля. По формуле видно, что чем больше измерений n, тем лучше (больше тестовая статистика, вероятнее, что коэффициент значимо отличается от нуля)

2. Отличие между двумя коэффициентами корреляции значимо:

Тестовая статистика:

Также сравнивается с табличным значением t (p,)

Методами корреляционного анализа решаются следующие задачи:

1) Взаимосвязь. Есть ли взаимосвязь между параметрами?

2) Прогнозирование. Если известно поведение одного параметра, то можно предсказать поведение другого параметра, коррелирующего с первым.

3) Классификация и идентификация объектов. Корреляционный анализ помогает подобрать набор независимых признаков для классификации.