Статистика уровня жизни населения Амурской области

Автор: Пользователь скрыл имя, 23 Декабря 2011 в 09:07, курсовая работа

Описание работы

Изменения в экономической и социальной жизни, вызванные кардинальным характером проводимых реформ, не могут не учитываться в статистической практике. За последние годы без преувеличения наболевшей стала для нас проблема уровня жизни населения, которая неразрывно связана с материальной обеспеченностью народа. Эти вопросы рассматривает такая отрасль статистической науки как статистика доходов и расходов населения.
Цель курсового работы – изучение источников данных и задач социальной статистики, характеристики уровня жизни населения Амурской области в 2000 - 2010 году, основных показателей и методов расчета, построение модели изменения на будущий период на основе имеющихся данных.

Работа содержит 1 файл

1.doc

— 1.51 Мб (Скачать)

     Коэффициент a = -4940.49 формально показывает прогнозируемый уровень у, но только в том случае, если х=0 находится близко с выборочными  значениями.

     Но  если х=0 находится далеко от выборочных значений х, то буквальная интерпретация  может привести к неверным результатам, и даже если линия регрессии довольно точно описывает значения наблюдаемой выборки, нет гарантий, что также будет при экстраполяции влево или вправо.

     Подставив в уравнение регрессии соответствующие  значения х, можно определить выровненные (предсказанные) значения результативного показателя y(x) для каждого наблюдения.

     Связь между у и х определяет знак коэффициента регрессии b (если > 0 –  прямая связь, иначе - обратная). В нашем  примере связь прямая.

     1.3. Коэффициент эластичности.

     Коэффициенты  регрессии (в примере b) нежелательно использовать для непосредственной оценки влияния факторов на результативный признак в том случае, если существует различие единиц измерения результативного показателя у и факторного признака х.

     Для этих целей вычисляются коэффициенты эластичности и бета - коэффициенты.

     Средний коэффициент эластичности E показывает, на сколько процентов в среднем  по совокупности изменится результат  у от своей средней величины при изменении фактора x на 1% от своего среднего значения.

     Коэффициент эластичности находится по формуле: 
 

     Коэффициент эластичности меньше 1. Следовательно, при изменении Х на 1%, Y изменится  менее чем на 1%. Другими словами  - влияние Х на Y не существенно.

     Бета  – коэффициент показывает, на какую  часть величины своего среднего квадратичного  отклонения изменится в среднем  значение результативного признака при изменении факторного признака на величину его среднеквадратического  отклонения при фиксированном на постоянном уровне значении остальных независимых переменных: 

     Т.е. увеличение x на величину среднеквадратического  отклонения Sx приведет к увеличению среднего значения Y на 0.91 среднеквадратичного отклонения Sy.

     1.4. Ошибка аппроксимации.

     Оценим  качество уравнения регрессии с  помощью ошибки абсолютной аппроксимации. Средняя ошибка аппроксимации - среднее  отклонение расчетных значений от фактических: 

     Ошибка  аппроксимации в пределах 5 % - 7% свидетельствует  о хорошем подборе уравнения  регрессии к исходным данным. 

     Поскольку ошибка меньше 7%, то данное уравнение можно использовать в качестве регрессии.

     1.5. Эмпирическое корреляционное отношение.

     Эмпирическое  корреляционное отношение вычисляется  для всех форм связи и служит для  измерения тесноты зависимости. Изменяется в пределах [0;1]. 
 

     где 

     Индекс  корреляции.

     Для линейной регрессии индекс корреляции равен коэфииценту корреляции rxy = 0.9054.

     Полученная  величина свидетельствует о том, что фактор x существенно влияет на y

     Для любой формы зависимости теснота  связи определяется с помощью  множественного коэффициента корреляции: 

     Данный  коэффициент является универсальным, так как отражает тесноту связи  и точность модели, а также может  использоваться при любой форме  связи переменных. При построении однофакторной корреляционной модели коэффициент множественной корреляции равен коэффициенту парной корреляции rxy.

     В отличие от линейного коэффициента корреляции он характеризует тесноту  нелинейной связи и не характеризует  ее направление. Изменяется в пределах [0;1].

     Теоретическое корреляционное отношение для линейной связи равно коэффициенту корреляции rxy.

     1.6. Коэффициент детерминации.

     Квадрат (множественного) коэффициента корреляции называется коэффициентом детерминации, который показывает долю вариации результативного  признака, объясненную вариацией  факторного признака.

     Чаще  всего, давая интерпретацию коэффициента детерминации, его выражают в процентах.

     R2= 0.90542 = 0.8197

     т.е. в 81.97 % случаев изменения х приводят к изменению y. Другими словами - точность подбора уравнения регрессии - высокая. Остальные 18.03 % изменения Y объясняются факторами, не учтенными в модели.

     Таблица 39 - Расчетная

x y x 2 y 2 x • y y(x) (yi-ycp) 2 (y-y(x))2 (xi-xcp)2 |y - yx|:y
2232.2 -4099 4982716.84 16801801 -9149787.8 -4536.57 1078387.84 191468.46 66535907.46 0
3147 -3978 9903609 15824484 -12518766 -4371.04 841722.84 154476.72 52448802.46 0
4692.2 -4106 22016740.84 16859236 -19266173.2 -4091.43 1092975.21 212.38 32455291.09 0
5930.2 -3774 35167272.04 14243076 -22380574.8 -3867.41 509017.39 8724.83 19882275.64 0
7353.7 -4268 54076903.69 18215824 -31385591.6 -3609.82 1457946.48 433200.71 9213984.3 0
9391.8 -4300 88205907.24 18490000 -40384740 -3241.02 1536247.57 1121439.1 994716.09 0
11110.8 -3244 123449876.64 10523536 -36043435.2 -2929.96 33655.57 98620.17 520772.16 0
13534.4 -1523 183179983.36 2319529 -20612891.2 -2491.4 2364046.02 937805.84 9892568.97 0
16665 -1881 277722225 3538161 -31346865 -1924.91 1391327.48 1928.28 39386236.17 0
19019 -1232 361722361 1517824 -23431408 -1498.95 3343578.48 71261.65 74474232.57 0
21204.4 -1261 449626579.36 1590121 -26738748.4 -1103.49 3238363.84 24808.13 116969534.24 0
114280.7 -33666 1610054175.01 119923592 -273258981.2 -33666 16887268.73 3043946.28 422774321.15 0
 

      2. Оценка параметров уравнения  регрессии.

      2.1. Значимость коэффициента корреляции. 

      По  таблице Стьюдента с уровнем  значимости α=0.05 и степенями свободы k=9 находим tкрит:

      tкрит (n-m-1;α/2) = (9;0.025) = 2.262

      где m = 1 - количество объясняющих переменных.

      Если tнабл > tкритич, то полученное значение коэффициента корреляции признается значимым (нулевая гипотеза, утверждающая равенство нулю коэффициента корреляции, отвергается).

      Поскольку tнабл > tкрит, то отклоняем гипотезу о равенстве 0 коэффициента корреляции. Другими словами, коэффициент корреляции статистически - значим

      В парной линейной регрессии t2r = t2b и тогда проверка гипотез о значимости коэффициентов регрессии и корреляции равносильна проверке гипотезы о существенности линейного уравнения регрессии.

      2.2. Интервальная оценка для коэффициента  корреляции (доверительный интервал). 

      Доверительный интервал для коэффициента корреляции 

      r(0.7825;1.0283)

      2.3. Анализ точности определения  оценок коэффициентов регрессии.

      Несмещенной оценкой дисперсии возмущений является величина: 
 

      S2y = 338216.25 - необъясненная дисперсия (мера разброса зависимой переменной вокруг линии регрессии). 

      Sy = 581.56 - стандартная ошибка оценки (стандартная ошибка регрессии).

      Sa - стандартное отклонение случайной величины a. 
 

      Sb - стандартное отклонение случайной величины b. 
 

      2.4. Доверительные интервалы для  зависимой переменной.

      Экономическое прогнозирование на основе построенной  модели предполагает, что сохраняются  ранее существовавшие взаимосвязи  переменных и на период упреждения. Для прогнозирования зависимой переменной результативного признака необходимо знать прогнозные значения всех входящих в модель факторов.

      Прогнозные  значения факторов подставляют в  модель и получают точечные прогнозные оценки изучаемого показателя.

      (a + bxp ± ε)

      где 

      Xp = 10389.15 • 10 % = 0

      Рассчитаем  границы интервала, в котором  будет сосредоточено 95% возможных  значений Y при неограниченно большом  числе наблюдений и Xp = 11428 

      (-4940.49 + 0.18*11428 ± 402.17)

      (-3274.73;-2470.4)

      С вероятностью 95% можно гарантировать, что значения Y при неограниченно  большом числе наблюдений не выйдет за пределы найденных интервалов.

      Индивидуальные  доверительные интервалы для Y при  данном значении X.

      (a + bxi ± ε)

      где 
 

      tкрит (n-m-1;α/2) = (9;0.025) = 2.262

      Таблица 40 - Расчетная

xi y = -4940.49 + 0.18xi εi ymin = y - εi ymax = y + εi
2232.2 -4536.57 1469.76 -6006.33 -3066.81
3147 -4371.04 1450.01 -5821.05 -2921.02
4692.2 -4091.43 1421.51 -5512.94 -2669.91
5930.2 -3867.41 1403.3 -5270.7 -2464.11
7353.7 -3609.82 1387.65 -4997.47 -2222.17
9391.8 -3241.02 1375.47 -4616.49 -1865.55
11110.8 -2929.96 1374.77 -4304.73 -1555.19
13534.4 -2491.4 1388.65 -3880.05 -1102.75
16665 -1924.91 1431.46 -3356.37 -493.45
19019 -1498.95 1480.78 -2979.72 -18.17

Информация о работе Статистика уровня жизни населения Амурской области