Анализ экономических данных

Размещено на http://www.allbest.ru/

Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования

ФИНАНСОВЫЙ УНИВЕРСИТЕТ ПРИ ПРАВИТЕЛЬСТВЕ РОССИЙСКОЙ ФЕДЕРАЦИИ

Кафедра математики и информатики

АНАЛИЗ ЭКОНОМИЧЕСКИХ ДАННЫХ

Выполнила:

Зубарева А.И.

Уфа, 2013 год

Оглавление

Введение

1. Корреляционный анализ исходных данных

2. Матрица парных коэффициентов корреляции

3. Значимость коэффициентов корреляции

4. Построение уравнения регрессии

5. Точечный и интервальный прогнозы

6. Факторный анализ

7. Кластерный анализ

Заключение

Список использованной литературы

Введение

Выполнение работы способствует углубленному изучению учебного материала и формированию навыков самостоятельного решения прикладных задач.

Основные цели выполнения работы:

- выработка навыков самостоятельной работы с учебной и научной литературой по использованию математических методов и моделей для решения прикладных задач в сфере экономики;

- формирование навыков работы с профессиональными пакетами программ анализа данных (SPSS);

При выполнении работы по дисциплине используются рекомендованные учебники и учебно-методические пособия, электронные учебные ресурсы и программные средства (пакет SPSS).

1. Корреляционный анализ исходных данных

2. Матрица парных коэффициентов корреляции

Матрица парных коэффициентов корреляции.

Для вычисления матрицы коэффициентов парной корреляции всех переменных с помощью пакета SPSS выполним следующие действия:

Выберем в верхней строке меню Анализ - Корреляция - Парные.

Переменные, относительно которых проверяется степень корреляционной связи, поочередно переместим в поле тестируемых переменных справа. Для начала расчета нажмем кнопку ОК. В результате в выходной области появилась матрица парной корреляции всех переменных.

3. Значимость коэффициентов корреляции

Коэффициент корреляции R между двумя переменными указывает силу связи между ними и принимает значения от -1 до +1: если значение по модулю находится ближе к единице, это означает наличие сильной связи, а если ближе к нулю то слабой. Анализ матрицы коэффициентов парной корреляции показывает, что зависимая переменная Y (среднедушевые денежные доходы) имеет прямую связь с площадью территории (ry,x1 = 0,529), с численностью населения (ry,x2 = 0,838), с добычей полезных ископаемых (ry,x9 = 0,545), с обрабатывающими производствами (ry,x10 = 0,884), с производством и распределением электроэнергии, газа и воды (ry,x11 = 0,774), и с оборотом розничной торговли (ry,x16 = 0,903). Корреляция между величинами положительная, то при возрастании одной случайной величины другая имеет тенденцию в среднем возрастать.

4. Построение уравнения регрессии

В качестве отклика y берем моделируемую величину. В зависимости от всех значимо связанных с откликом факторов, последовательно удаляем факторы, коэффициенты при которых незначимы по критерию Стьюдента.

Для проведения регрессионного анализа с помощью пакета SPSS выполним следующие действия…

Выберем в верхней строке меню Анализ - Регрессия - Линейная.

Пометим переменную Y в поле для зависимых переменных, объявив переменные Х1, Х2, Х9, Х10, Х11, Х16 независимыми.

Используем метод исключения, установленный по умолчанию в поле Метод.

В полях панели Статистики отметим флажками Оценки, Согласие модели и Дурбин-Уотсон, нажмем Продолжить и ОК.

Уравнение регрессии зависимости среднедушевых денежных доходов от площади территории, численности населения, добычи полезных ископаемых, обрабатывающих производств, производства и распределения электроэнергии, газа и воды, и оборота розничной торговли можно записать в следующем виде:

Y = 13510,514-5,634 X2 + 0,047 X16 + 0,058 X11

5. Точечный и интервальный прогнозы

Сделаем точечный и интервальный прогноз значения y, приняв для оставшихся в уравнении факторов значения на 10% больше их максимальных значений.

Для построения прогноза вначале введем прогнозные значения выбранных факторов:

X2 = 4479,09;

X11 = 10839,20;

X16 = 563341,90.

Запускаем процедуру Анализ - Регрессия - Линейная, в качестве независимых переменных указываем X1, X7, X9 и X13.

В полях панели сохранить следует обязательно отметить необходимость сохранения интервалов предсказания для отдельных значений с вероятностью 90% и нажать продолжить. Таким образом, прогнозное значение y с вероятностью 90% будет находиться между верхней границей, равной 19790, 86212, и нижней границей, равной 10571, 11539. С вероятностью 90% среднедушевые денежные доходы в прогнозируемом месяце составят от 10571, 11539 до 19790, 86212 руб.

6. Факторный анализ

Цели:

- произвести вычисления и проанализировать полученные результаты;

- интерпретировать полученные факторы;

- упорядочить субъекты РФ в порядке убывания рейтинга по значениям факторов.

Для того, чтобы произвести вычисления выберем в меню Анализ - Снижение размерности - Факторный анализ. Отметим все переменные слева и перенесем их в окно справа Переменные.

С помощью кнопки Извлечение… выберем предлагаемый по умолчанию Метод главных компонент.

С помощью кнопки Вращение… выберем самый распространенный метод варимакс. Для произведения расчетов щелкнем ОК, в окне обзора появятся результаты. Поскольку в ходе вычислений был проведен расчет значений факторов, это означает, что к списку исходных переменных была добавлена новая переменная.

Используя вычисленные значения факторов для каждой переменной, можно выполнить сортировку субъектов РФ по степени убывания каждого отдельного фактора. Данный фактор можно интерпретировать как уровень экономического развития и результаты экономической деятельности всех хозяйствующих субъектов региона. Здесь лидирующее положение занимает Республика Татарстан, в конце списка Мордовия и Марий Эл.

7. Кластерный анализ

Выполнить кластерный анализ методом к - средних для к = 2,3, используя 2 показателя из исходных данных. Выберем в меню Анализ - Классификация кластеризация k-средними. Переменные Х1 и Y помещаем в поле тестируемых переменных. Указываем количество кластеров. Через выключатель Итерации… укажем число итераций, равное 99. Для начала расчетов нажимаем ОК. В отчете представлены первичные кластерные центры, история итераций, окончательные центры кластеров, расстояние между конечными центрами, информация о принадлежности к кластерам, расстояние объектов до кластерных центров, числе наблюдений в каждом кластере и т. п.

В отчете кроме кластерной принадлежности выводится расстояние объектов до кластерных центров.

матрица корреляция компьютерный

Заключение

При выполнении работы были сформированы навыки самостоятельного решения прикладных задач в сфере экономики, а так же работы с профессиональными пакетами программ анализа данных (SPSS).

Список использованной литературы

1. Многомерный статистический анализ в экономических задачах: компьютерное моделирование в SPSS: Учеб. пособие / Под ред. И.В. Орловой. - М.: Вузовский учебник, 2011. - 310 с.

2. Орлова И.В., Половников В.А. Экономико-математические методы и модели: компьютерное моделирование: Учеб. пособие. - М.: Вузовский учебник, 2007. - 365 с.

3. Курс лекций по эконометрике проф. Сахабетдинова М.А.

Размещено на Allbest.ru