Население как объект статистического изучения

Автор: y********@gmail.com, 25 Ноября 2011 в 14:25, курсовая работа

Описание работы

Население – это объект всесторонних исследований, поскольку оно является непосредственным участником производственного процесса и потребителем его результатов.
Население является главным материальным компонентом общества и поэтому изучение закономерностей его развития имеет очень большое значение для экономики страны.

Скачать полностью (68.99 Кб) Сколько стоит заказать работу?
Работа содержит 1 файл

Население.docx

— 72.37 Кб (Скачать)

Для более точного определения направления  и тесноты связи необходимо рассчитать ряд коэффициентов: коэффициент корреляции Фехнера, коэффициент корреляции рангов, линейный коэффициент корреляции, коэффициент конкордации.      

     Коэффициент корреляции Фехнера рассчитывается по формуле: Kф

        

где     

С – согласованная вариация;      

Н – несогласованная вариация.      

Для его расчета воспользуемся данными  из следующей таблицы:  
      

Таблица 3. 

Средний возраст  установленного оборудования

(с даты выпуска  на 

заводе-изгото-

вителе),

лет

 Товарная продукция (в действующих ценах), млн. руб. X-Xср Y-Yср Знак Δy Знак Δx Совпадение  знаков
10,3 2629 -3,3 771,45 - +   H
5,1 3860 -8,5 2002,45 - +   H
8,5 1035 -5,1 -822,55 - - C  
14,7 2136 1,1 278,45 + + C  
6,2 1116 -7,4 -741,55 - - C  
13 2206 -0,6 348,45 - +   H
15 1392 1,4 -465,55 + -   H
18,7 1674 5,1 -183,55 + -   H
15,3 2013 1,7 155,45 + + C  
12,8 2223 -0,8 365,45 - +   H
16,1 1691 2,5 -166,55 + -   H
16,8 1298 3,2 -559,55 + -   H
16,3 1663 2,7 -194,55 + -   H
17,1 1887 3,5 29,45 + + C  
16 1984 2,4 126,45 + + C  
11,4 1531 -2,2 -326,55 - - C  
17,8 1795 4,2 -62,55 + -   H
17,2 1906 3,6 48,45 + + C  
18,2 1772 4,6 -85,55 + -   H
5,5 1340 -8,1 -517,55 - - C  
          Всего 9 11
 

  
  
     

Получаем:

Kф=-0,1     

Так как значение коэффициента число  отрицательное и достаточно мало (близко к нулю), то можно говорить о наличии обратной слабой связи.  
  
      

Коэффициент корреляции рангов (Спирмена) определяется по формуле:

                                      

где     

n – число  размеров признака (число пар) (20)      

d – разность  между рангами в двух рядах.      

Для его расчета используем данные из следующей таблицы:      

Таблица 4.

Y X    
Значение rang y Значение rang x d d2
2629 19 10,3 5 14 196
3860 20 5,1 1 19 361
1035 1 8,5 4 -3 9
2136 16 14,7 9 7 49
1116 2 6,2 3 -1 1
2206 17 13 8 9 81
1392 5 15 10 -5 25
1674 8 18,7 20 -12 144
2013 15 15,3 11 4 16
2223 18 12,8 7 11 121
1691 9 16,1 13 -4 16
1298 3 16,8 15 -12 144
1663 7 16,3 14 -7 49
1887 12 17,1 16 -4 16
1984 14 16 12 2 4
1531 6 11,4 6 0 0
1795 11 17,8 18 -7 49
1906 13 17,2 17 -4 16
1772 10 18,2 19 -9 81
1340 4 5,5 2 2 4
        Σd2 1382
 

  
ρ=-0,04           

Так как этот коэффициент отрицателен , то можно сказать, что он свидетельствует о наличии обратной связи      

Линейный  коэффициент корреляции определяется по формуле:    

Для его расчета  воспользуемся данными из следующей  таблицы:      

Таблица 5.

 
 		  
 		    
27,215 771,45 740,6562 595135,1025
45,015 2002,45 2026,35 4009806,003
-115,985 -822,55 13452,52 676588,5025
103,415 278,45 10694,66 77534,4025
-95,685 -741,55 9155,619 549896,4025
114,515 348,45 13113,69 121417,4025
55,315 -465,55 3059,749 216736,8025
-61,585 -183,55 3792,712 33690,6025
-59,385 155,45 3526,578 24164,7025
-13,785 365,45 190,0262 133553,7025
53,915 -166,55 2906,827 27738,9025
-14,285 -559,55 204,0612 313096,2025
26,115 -194,55 681,9932 37849,7025
34,315 29,45 1177,519 867,3025
-65,285 126,45 4262,131 15989,6025
-9,385 -326,55 88,07822 106634,9025
1,315 -62,55 1,729225 3912,5025
37,515 48,45 1407,375 2347,4025
-121,185 -85,55 14685,8 7318,8025
57,915 -517,55 3354,147 267858,0025
    =88522,23 =7222136,95
 

  
      

=289357,265           

Полученный  результат также свидетельствует о наличии прямой слабой связи.  
  
      

Коэффициент конкордации определяется с использованием коэффициента корреляции рангов по формуле:                           

где      

m – число  факторов;     

n – число  наблюдений;     

S – отклонение  суммы квадратов рангов от  средней квадратов рангов,     

где S= , ∑(rang x+rang y)^2 и b= ∑(rang x+rang y).     

Данные  для его рачета представлены в  следущей таблице.        

Таблица 6. 

rang y rang x rang x+rang y (rang x+rang y)^2
19 5 24 576
20 1 21 444
1 4 5 25
16 9 25 625
2 3 5 25
17 8 25 625
5 10 15 225
8 20 28 784
15 11 26 676
18 7 51 2601
9 13 22 484
3 15 18 324
7 14 21 441
12 16 28 784
14 12 26 676
6 6 12 144
11 18 29 841
13 17 30 900
10 19 29 841
4 2 6 36
  Итого 446 12077
 

  
     

S= =10582-(176400/20) = 1762      

m=2; n=20.           

Исходя  из полученного результата коэффициента конкордации (а он как видим равен 0,662) можно сделать вывод о том, что между данными категориями, фонд оплаты труда и товарная продукция, существует прямая, но достаточно слабая связь.     

Регрессионный анализ заключается в определении  аналитического выражения связи, в котором изменение  одной величины (называемой зависимой или результативным признаком) обусловлено влиянием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные или средние значения.     

В данном случае мы рассмотрим изменение  такой величины как товарная продукция под влиянием фонда оплаты труда.     

Для расчета параметров линейного уравнения регрессии х = а +bx, сначала по методу наименьших квадратов находим уравнение соответствующей прямой .      

Коэффициенты  а и b определяются из системы уравнений:       

 
  
  
  
  
  
  
  
 

Таблица 7. 

X Y X*Y X^2 Уравнение регрессии
10,3 2629 27078,7 106,9 1979,04
5,1 3860 19686 26,01 2074,448
8,5 1035 8797,5 72,25 1211,488
14,7 2136 31399,2 216,09 2387,472
6,2 1116 6919,2 38,44 1320,296
13 2206 28678 169 2446,968
15 1392 20880 225 2129,656
18,7 1674 31303,8 349,69 1503,072
15,3 2013 30798,9 234,09 1514,864
12,8 2223 28454,4 163,84 1759,28
16,1 1691 27225,1 259,21 2122,152
16,8 1298 21806,4 282,24 1756,6
16,3 1663 27106,9 265,69 1973,144
17,1 1887 714418,2 143338 2017,096
16 1984 553536 77841 1483,24
11,4 1531 512731,9 112158 1782,864
17,8 1795 620352 119439,4 1840,216
17,2 1906 727710,8 145771,2 2034,248
18,2 1772 395333,2 49773,61 1183,616
5,5 1340 538948 161764,8 2143,592
=6885,7 =37151 =13079889 =2459165  

Информация о работе Население как объект статистического изучения