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

50541
знак
30
таблиц
8
изображений

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

Построив аналитическую таблицу, отражающую результаты аналитической группировки совокупности по факторному признаку Степень износа основных фондов в отрасли – строительство, можно установить наличие корреляционной связи.

Ранжируем исходные данные.

1.Выделить исходные данные табл. 2.1 (А4:С33);

2.Данные => Сортировка;

3.Сортировать по <= Степень износа основных фондов в отрасли – строительство

4.по возрастанию/по убыванию – устанавливается в положение по возрастанию;

5.Затем и В последнюю очередь по – не активизируются;

6.Идентифицировать поля по подписям/обозначениям столбцов листа – устанавливается в положение подписям

7.ОК.

В результате указанных действий в таблице 2.1 размещаются данные, ранжированные по возрастанию признака Среднегодовая стоимость основных производственных фондов.

Распределяем регионы по группам.

1.Из всего диапазона отсортированных данных A4:C33 выделить мышью диапазон ячеек первой группы, для чего необходимо отсчитать в ранжированном ряду количество строк, соответствующее числу предприятий первой группы (графа 3 табл.2.2),

2.Нажать на панели инструментов кнопку ;

3.Выбрать цвет по собственному усмотрению;

4.Выполнить действия 1–3 для всех групп, выбирая контрастные цвета для цветовой заливки очередной группы.

В итоге получаем таблицу 2.1. следующего вида:


Таблица 2.1. Исходные данные

Регионы России Степень износа основных фондов в отрасли – строительство, млн. руб. Стоимость основных фондов в отрасли - строительство, млн. руб.
Республика Ингушетия 68.54 149.00
Курская область 216.90 1446.00
Калининградская область 384.71 747.00
Ивановская область 386.60 1065.00
Новгородская область 674.08 1314.00
Республика Карелия 700.74 1530.00
Калужская область 733.04 1870.00
Брянская область 758.01 1919.00
Липецкая область 797.87 1797.00
Тверская область 814.43 1642.00
Тамбовская область 836.61 1855.00
Мурманская область 899.16 1905.00
Псковская область 907.41 2030.00
Костромская область 953.56 1516.00
Тульская область 989.33 2413.00
Владимирская область 1092.50 2595.00
Вологодская область 1098.59 3319.00
Орловская область 1109.12 1733.00
Смоленская область 1195.29 2330.00
Республика Адыгея 1361.26 2284.00
Республика Дагестан 1364.97 2630.00
Воронежская область 1479.63 3182.00
Ленинградская область 1971.00 4380.00
Архангельская область 2168.33 6285.00
Ярославская область 2411.03 5044.00
Республика Коми 2629.31 6351.00

А далее заполняем таблицу 2.2. формулами: в ячейку D44 вводим: =СУММ(C4:C7). Аналогично со следующими ячейками D45 - D48; в ячейку E44: =D44/C44.


Таблица 2.2. Зависимость стоимости основных фондов от степени износа основных фондов

Номер группы Группы областей по степени износа основных фондов в отрасли - строительство Число областей Стоимость основных фондов вотрасли - строительство
Всего В среднем на одну область
1 68.54-580.69 4 3407.00 851.75
2 580.69-1092.85 12 22386.00 1865.50
3 1092.85-1605.0 6 15478.00 2579.67
4 1605.00-2117.16 1 4380.00 4380.00
5 2117.16-2629.31 3 17680.00 5893.33
Итого 26 63331.00 2435.81

2. Оценить тесноту связи признаков Х и Y на основе:

а) эмпирического корреляционного отношения η;

б) линейного коэффициента корреляции r.

а)для вычисления эмпирического корреляционного отношения необходимо вычислить факторную и общую дисперсию, используя функции инструмента Мастер функций: ДИСПР, СУММПРОИЗВ, КОРЕНЬ.

В ячейку А66 вводим формулу =ДИСПР(C4:C29); в ячейку В66: =СУММПРОИЗВ(D55:D59;C55:C59)/C49; в ячейку С66: =A66-B66. Теперь находим эмпирического корреляционного отношения η: в ячейку D66 вводим формулу: =КОРЕНЬ(C66/A66). В итоге получаем таблицу 2.4:

Показатели дисперсии и эмпирического корреляционного отношения

Общая дисперсия Средняя из внутригрупповых Факторная дисперсия Эмпирическое корреляционное отношение
2266566.771 200894.76 2065672.01 0.954654939

Получаем η= 0.954654939.

б) для нахождения линейного коэффициента корреляции r используем инструмент Корреляция надстройки Пакет анализа.

1.Сервис => Анализ данных => Корреляция => ОК.

2.Входной интервал В4:С29;

3.Группирование – по столбцам;

4.Метки в первой строке – не активизировать;

5.Выходной интервал (А71);

6.Новый рабочий лист и Новая рабочая книга – не активизировать;

7.ОК.

В результате работы алгоритма Excel выдает оценку тесноты связи факторного и результативного признаков (табл. 2.5):

Таблица 2.5. Линейный коэффициент корреляции признаков

 

Столбец 1

Столбец 2

Столбец 1 1
Столбец 2 0.946358973 1

Сравним значения η и r и сделаем вывод о возможности линейной связи между признаками Х и Y: так как они располагаются в диапазоне 0,9-0,99, то связь весьма тесная (по шкале Чэддока).

3. Построить однофакторную линейную регрессионную модель связи признаков Х и Y, используя инструмент Регрессия надстройки Пакет анализ.

1.  Сервис => Анализ данных => Регрессия => ОК;

2.  Входной интервал Y С4:С29;

3.  Входной интервал X В4:В29;

4.  Метки в первой строке/Метки в первом столбце – не активизировать;

5.  Уровень надежности <= 68,3;

6.  Константа–ноль – не активизировать;

7.  Выходной интервал А81;

8.  Новый рабочий лист и Новая рабочая книга – не активизировать;

9.  Остатки – активизировать;

10.  Стандартизованные остатки – не активизировать;

11.  График остатков – не активизировать;

12.  График подбора – активизировать;

13.  График нормальной вероятности – не активизировать;

14.  ОК.

В результате указанных действий осуществляется вывод в заданный диапазон рабочего файла четырех выходных таблиц и одного графика, начиная с ячейки, указанной в поле Выходной интервал:

Регрессионная статистика

 

Регрессионная статистика

 

Множественный R 0.946358973
R-квадрат 0.895595305
Нормированный R-квадрат 0.891245109
Стандартная ошибка 506.3202843
Наблюдения 26
Дисперсионный анализ

 

df

SS

MS

F

Значимость F

Регрессия 1 52778090.51 52778090.51 205.8747195 2.84426E-13
Остаток 24 6152645.527 256360.2303
Итого 25 58930736.04

 

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Y-пересечение -32.80047442 198.6470804 -0.165119338 0.870232989
Переменная X 1 2.292113652 0.159747709 14.34833508 2.84426E-13

Нижние

95%

Верхние 95%

Нижние 68.3%

Верхние 68.3%

-442.7878952 377.1869463 -235.8061414 170.2051925
1.962410588 2.621816716 2.128860862 2.455366443

Наблюдение

Предсказанное Y

Остатки

1 124.3009953 24.69900469
2 464.3589768 981.6410232
3 848.9985688 -101.9985688
4 853.3306636 211.6693364
5 1512.267496 -198.2674963
6 1573.375246 -43.37524631
7 1647.410517 222.5894827
8 1704.644595 214.3554048
9 1796.008245 0.991754634
10 1833.965647 -191.9656474
11 1884.804728 -29.80472826
12 2028.176437 -123.1764372
13 2047.086375 -17.08637484
14 2152.86742 -636.8674199
15 2234.856325 178.1436748
16 2471.333691 123.6663092
17 2485.292663 833.7073371
18 2509.42862 -776.4286197
19 2706.940053 -376.9400531
20 3087.362156 -803.362156
21 3095.865898 -465.8658976
22 3358.679649 -176.679649
23 4484.955534 -104.9555343
24 4937.258321 1347.741679
25 5493.554305 -449.5543048
26 5993.876873 357.1231272

4. Оценить адекватность и практическую пригодность построенной линейной регрессионной модели, указав:

а) доверительные интервалы коэффициентов а0, а1;

а0: (-442.7878952; 377.1869463): для уровня надежности Р=0,95;а0: (-235.8061414; 170.2051925): для уровня надежности Р=0,683. а1: (1.962410588; 2.621816716): для уровня надежности Р=0,95; а1: (2.128860862; 2.455366443): для уровня надежности Р=0,683.

б) степень тесноты связи между признаками Х и Y;

Её можно определить по коэффициенту детерминации (см. табл. Регрессионная статистика): R-квадрат = 0.895595305. Это означает высокую степень тесноты связи признаков в уравнении регрессии, так как удовлетворяет условию R>0,7.

С помощью F - критерия Фишера можно определить значимость коэффициента детерминации R2.

FR= R2/(1- R2)*(n-m)/(m-1), где m – число групп областей. FR= (0,896/0,104)*6=51,69, что больше Fтабл=5,77 (к1=m-1, к2=n-m). Следовательно, коэффициент детерминации R2 значим, то есть зависимость между признаками X и Y регрессионной модели является статистически существенной, а значит, построенная модель в целом адекватна исследуемому процессу.

5. Дать экономическую интерпретацию:

а) коэффициента регрессии а1;

В нашей задаче коэффициент а1=2,292113652 (см. таблицы Регрессионная статистика) показывает, что результативный признак при изменении факторного увеличивается на данную величину.

б) коэффициента эластичности Кэ;

Данный коэффициент показывает, на сколько процентов изменяется в среднем результативный признак при изменении факторного на 1%. Кэ = а1*(/) = 2,292*(1077,00/2435,81)=1,0134%. То есть результативный признак изменяется на 1,0134%.

в) остаточных величин i.

Значения остатков имеют как положительные, так и отрицательные отклонения от ожидаемого уровня анализируемого показателя. Экономический интерес представляют области России: Архангельская, Курская, поскольку в них степень износа отличается наибольшими положительными отклонениями. То есть в данных областях стоимость основных фондов в отрасли – строительство наибольшая. А также Орловская и Костромская, то есть области, требующие особого внимания (наибольшие отрицательные остатки).

6. Найти наиболее адекватное уравнение регрессии с помощью средств инструмента Мастер диаграмм. Построить для этого уравнения теоретическую линию регрессии.

Построение регрессионных моделей осуществляется непосредственно на диаграмме рассеяния.

1.Выделить мышью диаграмму рассеяния, расположенную начиная с ячейки Е4.

2.Диаграмма => Добавить линию тренда;

3.Выбрать вкладку Тип, задать вид регрессионной модели – полином 2-го порядка;

4.Выбрать вкладку Параметры и выполнить действия:

1.Переключатель Название аппроксимирующей кривой: автоматическое/другое – установить в положение автоматическое;

2.Поле Прогноз вперед на – не активизировать;

3.Поле Прогноз назад на – не активизировать;

4.Флажок Пересечение кривой с осью Y в точке – не активировать;

5.Флажок Показывать уравнение на диаграмме – активизировать;

6.Флажок Поместить на диаграмму величину достоверности аппроксимации R2 – активизировать;

7.ОК;

8.Установить курсор на линию регрессии и щелкнуть правой клавишей мыши;

9.В появившемся диалоговом окне Формат линии тренда выбрать тип, цвет и толщину линии;

10.ОК;

11.Вынести уравнение и коэффициент R2 за корреляционное поле.

5.Действия 3 – 4 (в п.4 –шаги 1–11) выполнить поочередно для следующих видов регрессионных моделей: полином 3-го порядка, степенная, экспоненциальная.

Уравнения регрессии и их графики

1.Теперь выберем наиболее адекватную регрессионную модель, то есть ту где больше коэффициент детерминации. В нашем случае это R2 =0,9096.

2.Выделить диаграмму рассеяния, расположенную с ячейки Е20;

3.Диаграмма => Добавить линию тренда;

4.Выбрать вкладку Тип и задать вид: полином 3-го порядка;

5.Выбрать вкладку Параметры:

1.Переключатель Название аппроксимирующей кривой: автоматическое/другое – установить в положение автоматическое;

2.Поле Прогноз вперед на – не активизировать;

3.Поле Прогноз назад на – не активизировать;

4.Флажок Пересечение кривой с осью Y в точке – не активировать;

5.Флажок Показывать уравнение на диаграмме – активизировать;

6.Флажок Поместить на диаграмму величину достоверности аппроксимации R2 – активизировать;

7.ОК.

Наиболее адекватное уравнение регрессии и его график


Заключение

В данной курсовой работе я рассмотрела тему «Статистика основных фондов», изучив предмет и методы данного раздела статистики, указав его показатели, а также статистические методы и их применение в изучении основных фондов. Всё это содержится в первой главе работы. Также я выполнила несколько расчётных задач, закрепив полученные данные. В аналитической части курсовой работы я освоила методики корреляционно-регрессионного анализа взаимосвязи социально-экономических явлений с применением компьютерных средств, так как изучение взаимосвязей явлений и процессов – одна из важнейших задач статистических исследований.

Данный метод позволяет:

·  выявить наличие корреляционной связи признаков (показателей) и оценить ее тесноту;

·  найти аналитическое выражение связи в виде уравнения регрессии;

·  оценить качество найденной модели связи.

Для этого я использовала табличный процессор Microsoft Excel и его надстройку Пакет анализа, которые предоставляют ряд программных средств для автоматизированного решения вышеперечисленных задач.


Список использованной литературы

1. Гусаров В.М. Статистика: Учебное пособие для вузов. – М.: ЮНИТИ – ДАНА,2001. с.340 – 348.

2. Практикум по статистике: Учебное пособие для вузов / Под ред. проф. В.М. Симчеры. – Москва, ЗАО «Финстатинфом», 1999. с. 6 - 12.

3. Практикум по статистике: Учебное пособие для вузов / Под ред. Я.С. Мелкумова, 2004. с. 60 - 63

4. Социально – экономические показатели регионов России, 2006. с.369, 375.

5. Статистика: Учебник / Под ред. доктора экономических наук, профессора, члена – корреспондента РАН, Академика Международной Академии Наук высшей школы И.И. Елисеевой. – Москва, 2004. с. 244 – 253.


Информация о работе «Статистическое изучение основных фондов»
Раздел: Финансовые науки
Количество знаков с пробелами: 50541
Количество таблиц: 30
Количество изображений: 8

Похожие работы

Скачать
26221
4
0

... оцениваемого объекта определяется текущей стоимостью доходов, которые этот объект может принести своему собственнику. 2. СТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ СОСТАВА, СТРУКТУРЫ И СОСТОЯНИЯ ОСНОВНЫХ ФОНДОВ. 2.1. Состав и структура основных фондов предприятия, анализ динамики. ОСНОВНЫЕ ФОНДЫ ПРЕДПРИЯТИЯ представляют ...

Скачать
65147
19
2

... нематериальных активов в учете и отчетности. Причина этого заключается как в объективной сложности самого понятия нематериальных активов, так и в отсутствии длительного опыта их отражения в российском учете. Поэтому предпринимаются попытки оценки общей стоимости нематериальных основных фондов на макроэкономическом уровне на основе данных о затратах на науку в части, образующей стоимость ...

Скачать
71684
21
7

... в результате изменения объема основных фондов и фондоотдачи осуществляется на основе индексов стоимостного объема производства, основных фондов и индекса фондоотдачи. 3. Применение балансового метода в изучении основных фондов 3.1 Статистические методы, используемые в изучении ОФ Основными методами являются сводка и группировка, обобщающие статистические показатели (выраженные абсолютными, ...

Скачать
49250
13
0

... , финансовые, обладает основными и оборотными средствами, что позволяет осуществлять хозяйству свою производственную деятельность. Глава 3. Статистический анализ состояния и использования основных фондов   3.1. Статистический анализ современного состояния основных фондов Количественную характеристику воспроизводства основных фондов в течение года дает следующее балансовое уравнение: Фк ...

0 комментариев


Наверх