Статистическое наблюдение, сводка и группировка

Автор: Пользователь скрыл имя, 09 Марта 2012 в 09:32, контрольная работа

Описание работы

Статистическое наблюдение - это предварительная стадия статистического исследования, которая представляет собой планомерный, научно организованный учет (сбор) первичных статистических данных о массовых социально-экономических явлениях и процессах.

Содержание

Статистическое наблюдение, сводка и группировка
Графическое представление данных
Расчет статистических показателей
Анализ динамики, ряды динамики
Анализ взаимосвязей
Список литературы

Работа содержит 1 файл

statistika.doc

— 381.50 Кб (Скачать)

 

Модифицируем модель к виду парной регрессии y=f(x). Парная регрессионная модель (регрессия) – это эконометрическая модель, описывающая зависимость между двумя факторами. Для выбора функциональной формы модели проанализируем корреляционное поле (Рисунок 5):

Рисунок 5 – Корреляционное поле
(x – выручка, y - себестоимость)

Визуальный анализ показывает, что для построения модели вполне подойдет линейная функция: y=α0 + α1x + ε


Оценим параметры модели:

1.      Метод средних. Предположим, что изменение прибыли обусловлено только изменением выручки (т.е. α0 = 0). Тогда оценка a1 неизвестного параметра α1 определится по формуле:

модель принимает вид: y=0,78x+e

2.       Метод выбранных точек. Проанализируем корреляционное поле и выберем точки, которые ближе всех лежат в предполагаемой прямой линии, описывающей модель. Это будут точки  (24099; 17638) и (40580; 33456).

Рассчитаем параметры модели:

уравнение регрессии выглядит следующим образом:

              y=-5491+0,95x+e

3.      Метод наименьших квадратов. Для применения этого метода составим вспомогательную таблицу (Таблица 11):

Таблица 11 – Расчет методом наименьших квадратов

 

x

y

xx

xy

1

24 099

17 638

580 761 801

425 058 162

2

30 294

22 880

917 726 436

693 126 720

3

33 850

26 217

1 145 822 500

887 445 450

4

39 152

30 503

1 532 879 104

1 194 253 456

5

40 580

33 456

1 646 736 400

1 357 644 480

6

40 744

32 412

1 660 073 536

1 320 594 528

Сумма

208 719

163 106

7 483 999 777

5 878 122 796

Ср. знач.

34 787

27 184

1 247 333 296

979 687 133


 

Составим систему для расчета значений параметров:

Решив эту систему, получаем значения

ao =-4618
a1=0,91

Линия регрессии описывается уравнением: y=-4618+0,91x+e

Сведем полученные результаты в таблицу:

Таблица 12 Уравнения регрессий, полученные при помощи разных методов

№п/п

Метод расчета

Уравнение регрессии

1.

Метод средних

y=0,78x+e

2.

Метод выбранных точек

y=-5491+0,95x+e

3.

Метод наименьших квадратов

y=-4618+0,91x+e


 

Проверим качество построенных моделей.

Таблица 13 – Проверка качество, построенной модели

№п/п

x

y

e2 

Метод средних

Метод выбранных точек

Метод наименьших квадратов

Метод средних

Метод выбранных точек

Метод наименьших квадратов

1

24 099

17 638

18 797

17 403

17 312

1 343 791

55 202

106 217

2

30 294

22 880

23 629

23 288

22 950

561 480

166 709

4 836

3

33 850

26 217

26 403

26 667

26 186

34 596

202 050

992

4

39 152

30 503

30 539

31 703

31 010

1 265

1 440 960

257 374

5

40 580

33 456

31 652

33 060

32 310

3 252 973

156 816

1 313 774

6

40 744

32 412

31 780

33 216

32 459

399 020

646 094

2 213

Сумма

208 719

163 106

162 801

165 337

162 226

5 593 125

2 667 831

1 685 406


 

На основе таблицы для каждой модели рассчитаем значение дисперсий случайного остатка и коэффициента детерминации. Коэффициент детерминации показывает, какая доля вариации независимой переменной объяснена на основе построенной регрессионной модели. Результат запишем
в Таблицу 14.

Таблица 14 - Оценка адекватности моделей парной регрессии

№п/п

Метод расчета

Дисперсия случайного остатка (s2e)

Коэффициент детерминации (R2)

1

Метод средних

1 118 625

0,9987

2

Метод выбранных точек

533 566

0,9994

3

Метод наименьших квадратов

337 081

0,9996

 

Таким образом, можно сделать вывод, что все модели адекватны, а само уравнение может использоваться для моделирования и прогнозирования динамики прибыли. Проведя расчеты, было доказано, что величина выручки и размер себестоимости влияют на величину прибыли.


Список литературы

1.       ЧелГУ: Учебно-методический комплекс Статистика / Бархатов В.И. Плетнев Д.А., Челябинск

2.       ЧелГУ: Учебно-методическое пособие Эконометрика / Бархатов В.И. Плетнев Д.А., Челябинск

3.       http://www.hi-edu.ru/ - Статистика

 

21

 



Информация о работе Статистическое наблюдение, сводка и группировка