Статистический анализ изменения экономических показателей (прибыль балансовая, товарная продукция, средняя зарплата) за 2006-2008 г. на ОАО Во

Автор: Пользователь скрыл имя, 12 Марта 2013 в 02:33, курсовая работа

Описание работы

Целью выполнения данной курсовой работы является освоение статистических методов. Статистика - это отрасль знаний, объединяющая принципы и методы работы с числами и данными, характеризующими массовое явление.

Содержание

Введение…………………………………………………………………………..…….…...3
Исходные данные для анализа…………………………………………………….……….4
1. Моделирование одномерного временного ряда……………………………..…….…...5
1.1 Анализ структуры временного ряда………………………………………………...5
1.2. Методы выявления типа колеблемости ………………………………………… 13
1.3. Анализ автокорреляционной функции………………………………………..…..17
1.4. Анализ сезонных колебаний …………………………………………………..…..20
1.5. Аналитическое выравнивание временного ряда…………………………….……30
1.6. Показатели колеблемости…………………………………………………....…….41
1.7. Показатели устойчивости ………………………………………………………..45
2. Корреляция рядов динамики…………………………………………………….……..49
3. Заключение………………………………………………………………………………61
Список использованной литературы……………………………………………..………62

Скачать полностью (1.50 Мб) Сколько стоит заказать работу?

Работа содержит 1 файл

Yurkova.doc

— 4.12 Мб (Скачать)

Уравнение тренда с учетом сезонной колеблемости:

Период времени, t	Уровни ряда, y_t	Значения по уравнению тренда,	Тренд с учетом сезонности,
1	11362,1	12590,92	13281,74	477229,5
2	10618,8	12788,4	12463,65	105465,2
3	11605	12985,88	12591,66	155412,6
4	11748,6	13183,36	13211,52	792,9856
5	13106,4	13380,84	14071,66	477229,5
6	13532,4	13578,32	13253,57	105465,2
7	14617,6	13775,8	13381,58	155412,6
8	15163,6	13973,28	14001,44	792,9856
9	14812,2	14170,76	14861,58	477229,5
10	15232,6	14368,24	14043,49	105465,2
11	14446,4	14565,72	14171,5	155412,6
12	15039,2	14763,2	14791,36	792,9856
13	14392,3	14960,68	15651,5	477229,5
14	12869,9	15158,16	14833,41	105465,2
15	15824,5	15355,64	14961,42	155412,6
16	16358,4	15553,12	15581,28	792,9856
17	17071,5	15750,6	16441,42	477229,5
18	16616	15948,08	15623,33	105465,2
19	17008,4	16145,56	15751,34	155412,6
20	16364,5	16343,04	16371,2	792,9856
21	16307,4	16540,52	17231,34	477229,5
22	15940,3	16738	16413,25	105465,2
23	14907,7	16935,48	16541,26	155412,6
24	16444,5	17132,96	17161,12	792,9856
25	16330,8	17330,44	18021,26	477229,5
26	16437,3	17527,92	17203,17	105465,2
27	19505,5	17725,4	17331,18	155412,6
28	20166,5	17922,88	17951,04	792,9856
29	24644,2	18120,36	18811,18	477229,5
30	24574,5	18317,84	17993,09	105465,2
31	25265,2	18515,32	18121,1	155412,6
32	26796	18712,8	18740,96	792,9856
33	24451,7	18910,28	19601,1	477229,5
34	16677,6	19107,76	18783,01	105465,2
35	7161,3	19305,24	18911,02	155412,6
36	4294,7	19502,72	19530,88	792,9856
Итого				6650102

Определим коэффициент сезонной колеблемости:

Так как процент весьма низкий, то приходим к выводу, что сезонные колебания отсутствуют и их не надо учитывать в модели.

Средняя зарплата

t	Уровни ряда, y_t	Скользящие средние,	Оценка сезонной компоненты,	Сезонная компонента,	Скорректированные ряды,
1	17221			0,920422	18709,9
2	16433			0,861315	19078,97
3	18467			0,891435	20716,04
4	18179			0,982616	18500,61
5	19055	18480	1,031115	1,001345	19029,41
6	18443	18775,33	0,9823	0,959218	19227,12
7	19019	19159	0,992693	1,182655	16081,61
8	19909	20752,33	0,959362	0,956689	20810,32
9	19594	21036	0,931451	0,886092	22112,83
10	19879	21069,56	0,943494	0,92351	21525,48
11	19886	21458	0,926741	0,909567	21863,15
12	32807	21806,33	1,504471	1,525135	21510,88
13	20732	22226,11	0,932777	0,920422	22524,45
14	19357	22574,89	0,857457	0,861315	22473,78
15	21939	23884,64	0,91854	0,891435	24610,88
16	22154	24251,13	0,913524	0,982616	22545,94
17	23687	23114,01	1,02479	1,001345	23655,18
18	22733	23513,28	0,966815	0,959218	23699,51
19	31666,8	24062,98	1,315997	1,182655	26776,03
20	23184,4	26302,33	0,881458	0,956689	24234
21	22572,9	26635,78	0,847465	0,886092	25474,67
22	24325,4	26715,29	0,910542	0,92351	26340,16
23	24304,3	27025,7	0,899303	0,909567	26720,74
24	42093,2	27028,12	1,557385	1,525135	27599,66
25	25155	27490,07	0,915058	0,920422	27329,86
26	24402,6	27993,78	0,871715	0,861315	28331,79
27	25526,7	29303,91	0,871102	0,891435	28635,51
28	31688,6	29918,27	1,059172	0,982616	32249,22
29	27341,9	28494,82	0,959539	1,001345	27305,17
30	27106,3	28852,77	0,93947	0,959218	28258,75
31	36116,6	28829,83	1,252751	1,182655	30538,58
32	29833,5	28681,98	1,040148	0,956689	31184,12
33	29282,2			0,886092	33046,46
34	28376,5			0,92351	30726,79
35	24196,2			0,909567	26601,89
36	24196			1,525135	15864,83

Расчет значений сезонной компоненты

Месяц	Год			Итого за m месяцев	Средняя оценка сезонной компоненты	Скорректированная сезонная компонента S_i
	1	2	3	Итого за m месяцев	Средняя оценка сезонной компоненты	Скорректированная сезонная компонента S_i
1		0,932777	0,915058	1,847835	0,923918	0,920422
2		0,857457	0,871715	1,729172	0,864586	0,861315
3		0,91854	0,871102	1,789642	0,894821	0,891435
4		0,913524	1,059172	1,972696	0,986348	0,982616
5	1,031115	1,02479	0,959539	3,015444	1,005148	1,001345
6	0,9823	0,966815	0,93947	2,888585	0,962862	0,959218
7	0,992693	1,315997	1,252751	3,561441	1,187147	1,182655
8	0,959362	0,881458	1,040148	2,880968	0,960323	0,956689
9	0,931451	0,847465		1,778916	0,889458	0,886092
10	0,943494	0,910542		1,854036	0,927018	0,92351
11	0,926741	0,899303		1,826044	0,913022	0,909567
12	1,504471	1,557385		3,061856	1,530928	1,525135
Итого					12,04558	12

Для рассматриваемого примера сумма средних значений сезонной компоненты равна 12,78648. Следовательно, необходимо ввести корректирующий коэффициент:

К = 12/12,04558 = 0,996216

Скорректированное значение сезонной компоненты определяется по формуле

Находим уравнение тренда с учетом сезонной колеблемости в программе STATISTICA:

Период времени, t	Уровни ряда, y_t	Значения по уравнению тренда,	Тренд с учетом сезонности,
1	17221	182651	168116	178270430
2	16433	182975,8	157599,8	1469453,1
3	18467	183300,7	163400,7	76875597
4	18179	183625,6	180433,4	9679378,8
5	19055	183950,4	184197,9	294015151
6	18443	184275,3	176760,2	27034384
7	19019	184600,2	218318,3	152603141
8	19909	184925,1	176915,8	1020403
9	19594	185249,9	164148,5	15917467
10	19879	185574,8	171380,2	12980,045
11	19886	185899,7	169088,2	175686,72
12	32807	186224,5	284017,5	532009,77
13	20732	186549,4	171704,2	54828782
14	19357	186874,3	160957,6	424392,31
15	21939	187199,1	166875,9	20696322
16	22154	187524	184264,1	2407909,4
17	23687	187848,9	188101,5	66873632
18	22733	188173,8	180499,6	5549562,8
19	31666,8	188498,6	222928,8	27818601
20	23184,4	188823,5	180645,4	161816,33
21	22572,9	189148,4	167602,8	2137493,7
22	24325,4	189473,2	174980,4	1423,3265
23	24304,3	189798,1	172634,1	14944,574
24	42093,2	190123	289963,2	32515,302
25	25155	190447,8	175292,4	2124299,3
26	24402,6	190772,7	164315,4	8226,1272
27	25526,7	191097,6	170351,1	109408,59
28	31688,6	191422,5	188094,8	58,983936
29	27341,9	191747,3	192005,2	626646,39
30	27106,3	192072,2	184239,1	238104,96
31	36116,6	192397,1	227539,3	3256566,7
32	29833,5	192721,9	184375	42279,584
33	29282,2	193046,8	171057,2	1135588,6
34	28376,5	193371,7	178580,7	1480,7104
35	24196,2	193696,5	176180	30506,116
36	24196	194021,4	295908,8	135976,56
Итого				40703224151

Определим коэффициент сезонной колеблемости:

Из этого показателя видно, что сезонные колебания очень заметные и их обязательно надо учитывать в модели.

1.5. Аналитическое выравнивание временного ряда

Одним из наиболее распространенных способов моделирования тенденции временного ряда является построение аналитической функции (тренда), характеризующей зависимость уровней от времени.

Наиболее часто для описания тенденции динамики применяются линейная (), полиномиальная () и экспоненциальная () модели.

В уравнениях тенденции использованы обозначения:

t – порядковый номер периода времени (t = 1 ,…,n);

а, а0,…, аn, b – коэффициенты уравнения.

О форме уравнения можно судить по характеру изменения цепного абсолютного прироста исследуемого показателя. Цепной абсолютный прирост первого порядка – это разность сравниваемого и предыдущего уровней:

Абсолютные приросты порядка n определяются по формуле:

Тип тенденции можно определять также путем сравнения коэффициентов автокорреляции первого порядка, рассчитанных по исходным и преобразованным уровням ряда (в качестве преобразованного ряда можно использовать логарифмы уровней). Если временной ряд имеет линейную тенденцию, то более высоким должен быть коэффициент автокорреляции первого порядка уровней исходного ряда. Если временной ряд содержит нелинейную тенденцию, то коэффициент автокорреляции первого порядка по логарифмам уровней будет выше, чем соответствующий коэффициент, рассчитанный по исходным уровням ряда. Выбрать вид тренда можно после оценки надежности параметров уравнения и оценки адекватности модели.

Адекватность модели устанавливается на основе анализа ряда отклонений фактических значений уровней динамического ряда от значений, рассчитанных по уравнению тренда:

Модель является адекватной, если:

1. математическое ожидание значений остаточного ряда близко или равно нулю;

2. если значения остаточного ряда случайны и распределены нормально. Наиболее простым способом оценки нормальности распределения является глазомерное сравнение эмпирической гистограммы и теоретической кривой распределения.

Для построения эмпирической кривой распределения используют также специальную шкалу – нормальную вероятностную бумагу.

3. если значения остаточного ряда независимы.

Определение трендов

Информация о работе Статистический анализ изменения экономических показателей (прибыль балансовая, товарная продукция, средняя зарплата) за 2006-2008 г. на ОАО Во