Статистический анализ

Освоение статистических методов, объединяющая принципы и методы работы с числами и данными, характеризующими массовое явление. Расчет абсолютных и относительных показателей тенденции, коэффициентов автокорреляции. Анализ колеблемости временного ряда.

Рубрика Экономико-математическое моделирование
Вид курсовая работа
Язык русский
Дата добавления 24.04.2011
Размер файла 2,6 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Введение

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.

Важной задачей статистики является изучение явлений общественной жизни во времени. Для ее решения необходимо иметь данные по определенному кругу показателей на ряд моментов или за ряд определенных промежутков времени, следующих друг за другом.

Ряд расположенных в хронологической последовательности статистических показателей представляет собой динамический (временной) ряд. Каждый такой ряд состоит из двух элементов: во-первых, указываются моменты или периоды времени, к которым относятся приводимые статистические данные; во-вторых, приводятся те статистические показатели, которые характеризуют данное явление на определенный момент или указанный период времени. Статистические показатели, характеризующие общественное явление, называются уровнями ряда.

Динамический ряд имеет определенную тенденцию изменений. Уравнение, описывающее эту тенденцию, называется тренд.

Для анализа взяты данные о работе Белорецкого металлургического комбината, анализируются следующие показатели:

Численность персонала, тыс. чел.

Средняя зарплата всего, руб.

Производство готового проката, тыс. тонн.

Исходные данные для проведения анализа.

Номер момента времени

Дата

Численность

Средняя зарплата - всего

Произ.гот.проката

1

янв.02

12,3

3040

30,0

2

фев.02

12,0

3189

29,4

3

мар.02

11,8

3362

38,4

4

апр.02

11,8

3511

32,7

5

май.02

11,8

3684

37,5

6

июн.02

11,8

3669

38,4

7

июл.02

11,8

3818

37,6

8

авг.02

11,8

3836

40,9

9

сен.02

11,8

3997

37,2

10

окт.02

11,8

4001

30,4

11

ноя.02

10,1

3999

43,3

12

дек.02

10,1

4009

43,6

13

янв.03

10,0

4092

46,0

14

фев.03

10,0

3999

39,8

15

мар.03

9,9

4244

42,3

16

апр.03

9,9

4350

44,7

17

май.03

9,7

4565

43,1

18

июн.03

9,6

4532

41,3

19

июл.03

9,7

4740

45,0

20

авг.03

9,8

4753

45,4

21

сен.03

9,7

4900

44,4

22

окт.03

9,4

4958

33,8

23

ноя.03

9,3

4957

44,5

24

дек.03

9,3

5021

44,6

25

янв.04

9,0

5445

47,9

26

фев.04

9,4

5430

45,0

27

мар.04

9,4

5900

33,1

28

апр.04

9,4

5920

48,0

29

май.04

9,3

6006

49,2

30

июн.04

9,3

5941

46,1

31

июл.04

9,5

5848

46,9

32

авг.04

9,6

5871

45,2

33

сен.04

9,4

5941

48,2

34

окт.04

9,2

6210

39,1

35

ноя.04

9,1

6334

47,6

36

дек.04

8,9

6689

49,3

Графики анализируемых данных.

Численность персонала

Средняя зарплата - всего.

Производство готового проката.


Изучение тенденции временного ряда

К показателям, характеризующим тенденцию динамики, относятся: средний уровень ряда, абсолютное изменение уровней (базисное и цепное), ускорение абсолютного изменения уровней, темпы роста и прироста (базисные и цепные). Цепной показатель - это разность сравниваемого и предыдущего уровня; он характеризует изменение уровня от периода к периоду. Базисный показатель - это разность сравниваемого уровня и уровня, принятого за базу; он характеризует изменение уровня по отношению к базовому уровню (как правило это первое значение ряда).

При изучении динамики общественных явлений необходимо решить целый ряд задач и осветить широкий круг вопросов, чтобы охарактеризовать особенности и закономерности развития изучаемого явления. К числу основных задач, возникающих при изучении динамических рядов, относятся:

1. характеристика интенсивности отдельных измерений в уровнях ряда от периода к периоду или от даты к дате;

2. определение средних показателей временного ряда за тот или иной период;

3. выявление основных закономерностей динамики исследуемого явления на отдельных этапах;

4. выявление факторов, обуславливающих изменение изучаемого явления во времени;

5. прогноз развития явления в будущем.

Динамический ряд представляет собой последовательность уровней, сопоставляя которые между собой, можно получить характеристику скорости и интенсивности развития. В результате сравнения уровней получается система абсолютных и относительных показателей динамики: абсолютный прирост, коэффициент роста, темп прироста и др. Если сравнению подлежат несколько последовательных уровней, то возможны два варианта:

1) каждый уровень динамического ряда сравним с одним и тем же предшествующим уровнем, принятым за базу сравнения. В качестве базисного уровня выбирается либо начальный уровень динамического ряда, либо уровень, с которого начинается новый этап развития явления. Такое сравнение называют сравнением с постоянной базой;

2) каждый уровень динамического ряда сравнивается с непосредственно ему предшествующим, такое сравнение называют сравнением с переменной базой.

Показатели с постоянной базой (базисные показатели) характеризуют окончательный результат всех изменений в уровнях ряда от периода, к которому относится базисный уровень, до данного (i-го) периода. Показатели динамики с переменной базой (цепные показатели) характеризуют интенсивность изменения уровня от периода к периоду в пределах изучаемого промежутка времени.

Абсолютные и относительные показатели тенденции

Формулы расчета абсолютных и относительных показателей тенденции

1) Абсолютное изменение уровней:

цепное:

базисное:

2) Ускорение абсолютного изменения уровней:

3) Темп роста:

цепной:

базисный:

4) Темп прироста:

цепной:

базисный:

Средние показатели тенденции

Средний уровень ряда:

Среднее абсолютное изменение:

Средний темп роста:

Средний темп прироста:

Абсолютные показатели изменения тенденции численности персонала.

Периоды

Численность

ц

б

КРц

КРб

КПРц

КПРб

Январь 2002г

12,3

-

-

-

-

-

-

-

Февраль 2002г

12

-0,3

-0,3

-

97,561

97,561

-2,439

-2,439

Март 2002г

11,8

-0,2

-0,5

0,1

98,3333

95,935

-1,667

-4,065

Апрель 2002г

11,8

0

-0,5

0,2

100

95,935

0

-4,065

Май 2002г

11,8

0

-0,5

0

100

95,935

0

-4,065

Июнь 2002г

11,8

0

-0,5

0

100

95,935

0

-4,065

Июль 2002г

11,8

0

-0,5

0

100

95,935

0

-4,065

Август 2002г

11,8

0

-0,5

0

100

95,935

0

-4,065

Сентябрь 2002г

11,8

0

-0,5

0

100

95,935

0

-4,065

Октябрь 2002г

11,8

0

-0,5

0

100

95,935

0

-4,065

Ноябрь 2002г

10,1

-1,7

-2,2

-1,7

85,5932

82,114

-14,41

-17,89

Декабрь 2002г

10,1

0

-2,2

1,7

100

82,114

0

-17,89

Январь 2003г

10

-0,1

-2,3

-0,1

99,0099

81,301

-0,99

-18,7

Февраль 2003г

10

0

-2,3

0,1

100

81,301

0

-18,7

Март 2003г

9,9

-0,1

-2,4

-0,1

99

80,488

-1

-19,51

Апрель 2003г

9,9

0

-2,4

0,1

100

80,488

0

-19,51

Май 2003г

9,7

-0,2

-2,6

-0,2

97,9798

78,862

-2,02

-21,14

Июнь 2003г

9,6

-0,1

-2,7

0,1

98,9691

78,049

-1,031

-21,95

Июль 2003г

9,7

0,1

-2,6

0,2

101,042

78,862

1,0417

-21,14

Август 2003г

9,8

0,1

-2,5

0

101,031

79,675

1,0309

-20,33

Сентябрь 2003г

9,7

-0,1

-2,6

-0,2

98,9796

78,862

-1,02

-21,14

Октябрь 2003г

9,4

-0,3

-2,9

-0,2

96,9072

76,423

-3,093

-23,58

Ноябрь 2003г

9,3

-0,1

-3

0,2

98,9362

75,61

-1,064

-24,39

Декабрь 2003г

9,3

0

-3

0,1

100

75,61

0

-24,39

Январь 2004г

9

-0,3

-3,3

-0,3

96,7742

73,171

-3,226

-26,83

Февраль 2004г

9,4

0,4

-2,9

0,7

104,444

76,423

4,4444

-23,58

Март 2004г

9,4

0

-2,9

-0,4

100

76,423

0

-23,58

Апрель 2004г

9,4

0

-2,9

0

100

76,423

0

-23,58

Май 2004г

9,3

-0,1

-3

-0,1

98,9362

75,61

-1,064

-24,39

Июнь 2004г

9,3

0

-3

0,1

100

75,61

0

-24,39

Июль 2004г

9,5

0,2

-2,8

0,2

102,151

77,236

2,1505

-22,76

Август 2004г

9,6

0,1

-2,7

-0,1

101,053

78,049

1,0526

-21,95

Сентябрь 2004г

9,4

-0,2

-2,9

-0,3

97,9167

76,423

-2,083

-23,58

Октябрь 2004г

9,2

-0,2

-3,1

0

97,8723

74,797

-2,128

-25,2

Ноябрь 2004г

9,1

-0,1

-3,2

0,1

98,913

73,984

-1,087

-26,02

Декабрь 2004г

8,9

-0,2

-3,4

-0,1

97,8022

72,358

-2,198

-27,64

Средний уровень ряда: 10,18611111

Среднее абсолютное изменение: -0,097142857

Средний темп роста(%): 99,079836

Cредний темп прироста(%): -0,920164

Абсолютные показатели изменения тенденции средняя зарплата - всего.

Периоды

Средняя з/п-всего

ц

б

КРц

КРб

КПРц

КПРб

Январь 2002г

3040

-

-

-

-

-

-

-

Февраль 2002г

3189

149

149

-

104,9013

104,9013

4,901316

4,901316

Март 2002г

3362

173

322

24

105,4249

110,5921

5,424898

10,59211

Апрель 2002г

3511

149

471

-24

104,4319

115,4934

4,431886

15,49342

Май 2002г

3684

173

644

24

104,9274

121,1842

4,927371

21,18421

Июнь 2002г

3669

-15

629

-188

99,59283

120,6908

-0,40717

20,69079

Июль 2002г

3818

149

778

164

104,0611

125,5921

4,061052

25,59211

Август 2002г

3836

18

796

-131

100,4715

126,1842

0,471451

26,18421

Сентябрь 2002г

3997

161

957

143

104,1971

131,4803

4,19708

31,48026

Октябрь 2002г

4001

4

961

-157

100,1001

131,6118

0,100075

31,61184

Ноябрь 2002г

3999

-2

959

-6

99,95001

131,5461

-0,04999

31,54605

Декабрь 2002г

4009

10

969

12

100,2501

131,875

0,250063

31,875

Январь 2003г

4092

83

1052

73

102,0703

134,6053

2,070342

34,60526

Февраль 2003г

3999

-93

959

-176

97,72727

131,5461

-2,27273

31,54605

Март 2003г

4244

245

1204

338

106,1265

139,6053

6,126532

39,60526

Апрель 2003г

4350

106

1310

-139

102,4976

143,0921

2,497644

43,09211

Май 2003г

4565

215

1525

109

104,9425

150,1645

4,942529

50,16447

Июнь 2003г

4532

-33

1492

-248

99,27711

149,0789

-0,72289

49,07895

Июль 2003г

4740

208

1700

241

104,5896

155,9211

4,589585

55,92105

Август 2003г

4753

13

1713

0

100,2743

156,3487

0,274262

56,34868

Сентябрь 2003г

4900

147

1860

134

103,0928

161,1842

3,092784

61,18421

Октябрь 2003г

4958

58

1918

-89

101,1837

163,0921

1,183673

63,09211

Ноябрь 2003г

4957

-1

1917

-59

99,97983

163,0592

-0,02017

63,05921

Декабрь 2003г

5021

64

1981

65

101,2911

165,1645

1,291103

65,16447

Январь 2004г

5445

424

2405

360

108,4445

179,1118

8,444533

79,11184

Февраль 2004г

5430

-15

2390

-439

99,72452

178,6184

-0,27548

78,61842

Март 2004г

5900

470

2860

485

108,6556

194,0789

8,655617

94,07895

Апрель 2004г

5920

20

2880

-450

100,339

194,7368

0,338983

94,73684

Май 2004г

6006

86

2966

66

101,4527

197,5658

1,452703

97,56579

Июнь 2004г

5941

-65

2901

-151

98,91775

195,4276

-1,08225

95,42763

Июль 2004г

5848

-93

2808

-28

98,43461

192,3684

-1,56539

92,36842

Август 2004г

5871

23

2831

116

100,3933

193,125

0,393297

93,125

Сентябрь 2004г

5941

70

2901

47

101,1923

195,4276

1,192301

95,42763

Октябрь 2004г

6210

269

3170

0

104,5279

204,2763

4,527857

104,2763

Ноябрь 2004г

6334

124

3294

-145

101,9968

208,3553

1,996779

108,3553

Декабрь 2004г

6689

355

3649

231

105,6047

220,0329

5,604673

120,0329

Средний уровень ряда: 4743,36111

Среднее абсолютное изменение: 104,2571

Средний темп роста(%): 102,2787

Cредний темп прироста(%): 2,2787

Абсолютные показатели изменения тенденции производства готового проката.

Периоды

Пр-во гот.пр-та

ц

б

КРц

КРб

КПРц

КПРб

Январь 2002г

30

-

-

-

-

-

-

-

Февраль 2002г

29,4

-0,6

-0,6

-

98

98

-2

-2

Март 2002г

38,4

9

8,4

9,6

130,6122

128

30,61224

28

Апрель 2002г

32,7

-5,7

2,7

-14,7

85,15625

109

-14,8438

9

Май 2002г

37,5

4,8

7,5

10,5

114,6789

125

14,6789

25

Июнь 2002г

38,4

0,9

8,4

-3,9

102,4

128

2,4

28

Июль 2002г

37,6

-0,8

7,6

-1,7

97,91667

125,3333

-2,08333

25,33333

Август 2002г

40,9

3,3

10,9

4,1

108,7766

136,3333

8,776596

36,33333

Сентябрь 2002г

37,2

-3,7

7,2

-7

90,95355

124

-9,04645

24

Октябрь 2002г

30,4

-6,8

0,4

-3,1

81,72043

101,3333

-18,2796

1,333333

Ноябрь 2002г

43,3

12,9

13,3

19,7

142,4342

144,3333

42,43421

44,33333

Декабрь 2002г

43,6

0,3

13,6

-12,6

100,6928

145,3333

0,692841

45,33333

Январь 2003г

46

2,4

16

2,1

105,5046

153,3333

5,504587

53,33333

Февраль 2003г

39,8

-6,2

9,8

-8,6

86,52174

132,6667

-13,4783

32,66667

Март 2003г

42,3

2,5

12,3

8,7

106,2814

141

6,281407

41

Апрель 2003г

44,7

2,4

14,7

-0,1

105,6738

149

5,673759

49

Май 2003г

43,1

-1,6

13,1

-4

96,42058

143,6667

-3,57942

43,66667

Июнь 2003г

41,3

-1,8

11,3

-0,2

95,82367

137,6667

-4,17633

37,66667

Июль 2003г

45

3,7

15

5,5

108,9588

150

8,958838

50

Август 2003г

45,4

0,4

15,4

0

100,8889

151,3333

0,888889

51,33333

Сентябрь 2003г

44,4

-1

14,4

-1,4

97,79736

148

-2,20264

48

Октябрь 2003г

33,8

-10,6

3,8

-9,6

76,12613

112,6667

-23,8739

12,66667

Ноябрь 2003г

44,5

10,7

14,5

21,3

131,6568

148,3333

31,6568

48,33333

Декабрь 2003г

44,6

0,1

14,6

-10,6

100,2247

148,6667

0,224719

48,66667

Январь 2004г

47,9

3,3

17,9

3,2

107,3991

159,6667

7,399103

59,66667

Февраль 2004г

45

-2,9

15

-6,2

93,94572

150

-6,05428

50

Март 2004г

33,1

-11,9

3,1

-9

73,55556

110,3333

-26,4444

10,33333

Апрель 2004г

48

14,9

18

26,8

145,0151

160

45,01511

60

Май 2004г

49,2

1,2

19,2

-13,7

102,5

164

2,5

64

Июнь 2004г

46,1

-3,1

16,1

-4,3

93,69919

153,6667

-6,30081

53,66667

Июль 2004г

46,9

0,8

16,9

3,9

101,7354

156,3333

1,735358

56,33333

Август 2004г

45,2

-1,7

15,2

-2,5

96,37527

150,6667

-3,62473

50,66667

Сентябрь 2004г

48,2

3

18,2

4,7

106,6372

160,6667

6,637168

60,66667

Октябрь 2004г

39,1

-9,1

9,1

0

81,12033

130,3333

-18,8797

30,33333

Ноябрь 2004г

47,6

8,5

17,6

17,6

121,7391

158,6667

21,73913

58,66667

Декабрь 2004г

49,3

1,7

19,3

-6,8

103,5714

164,3333

3,571429

64,33333

Средний уровень ряда: 41,6638889

Среднее абсолютное изменение: 0,551429

Средний темп роста(%): 101,4293

Cредний темп прироста(%): 1,4293

Выявление типа тенденции

Одной из задач, возникающих при анализе рядов динамики, является установление закономерности изменения уровней изучаемого общественного явления. Для выяснения основной тенденции развития явления используют особые приемы обработки рядов динамики.

Для того чтобы дать количественную модель, выражающую общую тенденцию изменений уровней динамического ряда во времени, используется аналитическое выравнивание ряда динамики. При этом закономерно изменяющийся уровень изучаемого общественного явления рассчитывается как функция времени , где - уровни динамического ряда, вычисленные по соответствующему аналитическому уравнению на момент времени t.

Для определения вида зависимости, описывающей изменения уровней динамического ряда, воспользуемся системой STATISTICA 6.0.

Для того, чтобы уменьшить колеблемость временного ряда и осуществить контроль правильность выбора уравнения тренда, выполняют сглаживание. Мы провели сглаживание ряда методом простого экспоненциального сглаживания. Сглаженный ряд нанесен сплошной линией. Чтобы изобразить исходный и сглаженный ряды мы воспользовались в пакете STATISTICA модулем «Times Series/Forecasting».

Численность персонала.

На данном графике изображены исходный (непрерывная линия) и сглаженный (штриховая линия) ряды. Из данного графика видно, что исследуемый показатель имеет практически линейную тенденцию к убыванию.

Средняя зарплата всего.

Из данного графика видно, что исследуемый показатель имеет практически линейную тенденцию к возрастанию.

Производство готового проката.

Из данного графика видно, что исследуемый показатель имеет нелинейную тенденцию к возрастанию.

Анализ автокорреляционной функции

Автокорреляция - это корреляционная зависимости между следующими рядами динамики: y1,y2,…,yn-L и yL+1,yL+2,…,yn, где L - длина временного смещения, называемая лагом или порядком коэффициента автокорреляции. Для каждого ряда можно рассчитать несколько коэффициентов автокорреляции, характеризующих силу связи между исходным рядом динамики и рядом, полученным путем сдвига уровней на L временных периодов.

Последовательность коэффициентов автокорреляции уровней первого, второго, и т.д. порядков называют автокорреляционной функцией временного ряда. График зависимости ее значений от величины лага называется коррелограммой.

Анализ автокорреляционной функции может быть использован для выявления структуры временного ряда. Если наиболее высоким ока-зывается коэффициент автокорреляции первого порядка, то исследуе-мый ряд содержит только тенденцию. Если наиболее высоким оказал-ся коэффициент автокорреляции порядка t, то ряд содержит цикличе-ские колебания с периодичностью t моментов времени. Если ни один из коэффициентов автокорреляции не является значимым, т.е. коэф-фициенты автокорреляции близки к нулю и распределены слу-чайно, то либо ряд не содержит тенденции и циклических колебаний и является стационарным с колебаниями, случайно распределенными во времени, либо ряд содержит сильную нелинейную тенденцию. У динамического ряда, имеющего тренд, наблюдается тенденция к затуханию автокорреляционной функции .

Проверим наличие автокорреляции у исследуемых показателей.

Коэффициент автокорреляции для показателя «Численность персонала».

Из рисунка мы видим, что проявляется тенденция к затуханию автокорреляционной функции, а это значит, что для этого ряда мы можем найти уравнение тренда. Получившийся коэффициент автокорреляции первого порядка значим (p<0,05) равен Ra=+0,884, следовательно, временной ряд имеет циклический вид колеблемости, так как коэффициент первого порядка близок к 1.

Коэффициент автокорреляции для показателя «Средняя зарплата - всего».

Из рисунка мы снова видим, что проявляется тенденция к затуханию автокорреляционной функции, а это значит, что для этого ряда мы можем найти уравнение тренда. Получившийся коэффициент автокорреляции первого порядка значим (p<0,05) равен Ra=+0,892, следовательно, временной ряд имеет циклический вид колеблемости, так как коэффициент первого порядка близок к 1.

Коэффициент автокорреляции для показателя «Производство готового проката».

Так как есть коэффициенты автокорреляции, которые не являются значимыми (p>0.05, Corr. близки к 0), значит ряд является либо стационарным с колеблемостью, случайно распределенной во времени, либо ряд содержит сильную нелинейную тенденцию. Но то, что наиболее высоким оказался коэффициент автокорреляции первого порядка (при этом он значим, т.к. р<0.05) свидетельствует о наличии тенденции.

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 = 1,2,…,n);

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

Проверку статистических гипотез о различных видах тренда начинают с самого простого уравнения, соответствующего логическим соображениям о характере изменения исследуемого показателя (чаще всего с линейного тренда). Затем переходят к более сложным видам тренда.

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.

Определение трендов

В качестве исходных данных для определения уровней трендов мы должны были бы использовать уровни рядов с исключёнными сезонными колебаниями. Однако в случае низкого коэффициента сезонной колеблемости, мы можем говорить об отсутствии сезонной колеблемости в рассматриваемых показателях. С этой точки зрения целесообразным будет построение вначале трендов по самим исходным данным.

Найдем уравнения тренда для каждого показателя, для этого воспользуемся модулем Линейная регрессия «Multiple Regression» и Нелинейное оценивание (Fixed Nonlinear Regression) в пакете STATISTICA. В качестве независимой переменной выбираем период времени, зависимой - наши показатели.

Численность персонала.

Уравнение тренда для показателя «Численность персонала» имеет вид:

? = 11,90302 - 0,09281 * t.

Значение уровня значимости (p-level) меньше 0,05, значит, гипотеза о нулевых значениях параметров уравнения отвергается, и параметры считаются значимыми.

Проверим значимость коэффициента корреляции с помощью критерия Фишера:

Гипотеза о нулевом значении коэффициента корреляции отвергается, т.к. p-level = 0 (<0,05) и коэффициент корреляции считается значимым.

Необходимо также проверить адекватность выбранной модели. Наиболее простым методом является построение эмпирической гистограммы и теоретической кривой распределения или построение эмпирической кривой распределения на нормальной вероятностной бумаге.

При визуальном сравнении можно убедиться в том, что остаточный ряд подчиняется нормальному закону распределения.

Следует также проверить независимость значений остаточного ряда, с помощью критерия Дурбина-Ватсона:

Сравнивая полученное значение с табличными: d1=1,35 и D2=1,49, получаем, что остаточный ряд не автокоррелирован и модель значима, так как 0,376655 < d1.

Вывод: модель адекватна.

Средняя зарплата - всего.

Уравнение тренда для параметра «Средняя зарплата - всего» имеет вид: ? = 2994,563 + 94,530 * t.

Значение уровня значимости (p-level) меньше 0,05, значит, гипотеза о нулевых значениях параметров уравнения отвергается, и параметры считаются значимыми.

Проверим значимость коэффициента корреляции с помощью критерия Фишера:

Гипотеза о нулевом значении коэффициента корреляции отвергается, т.к. p-level = 0 (<0,05) и коэффициент корреляции считается значимым.

Снова проверим адекватность выбранной модели, построив эмпирическую гистограмму и теоретическую кривую распределения:

При визуальном сравнении можно убедиться в том, что остаточный ряд подчиняется нормальному закону распределения.

Опять-таки следует проверить независимость значений остаточного ряда, с помощью критерия Дурбина-Ватсона:

Сравнивая полученное значение с табличными: d1=1,35 и D2=1,49, получаем что остаточный ряд не автокоррелирован и модель значима, так как d=0,658868 < d1.

Вывод: модель адекватна.

Производство готового проката.

Уравнение тренда для параметра «Производство готового проката» имеет вид: ? = 28,89461 + 11,05817 * lоg t .

Значение уровня значимости (p-level) меньше 0,05, значит, гипотеза о нулевых значениях параметров уравнения отвергается, и параметры считаются значимыми.

Гипотеза о нулевом значении коэффициента корреляции отвергается, т.к. p-level = 0,000000 (<0,05) и коэффициент корреляции считается значимым.

Снова проверим адекватность выбранной модели, построив эмпирическую гистограмму и теоретическую кривую распределения:

При визуальном сравнении можно убедиться в том, что остаточный ряд подчиняется нормальному закону распределения.

Проверяем независимость значений остаточного ряда, с помощью критерия Дурбина-Ватсона:

Сравнивая полученное значение с табличными: d1=1,35 и D2=1,49, получаем что остаточный ряд не автокоррелирован и модель значима, так как 2,286690 > D2.

Вывод: модель адекватна.

Анализ колеблемости временного ряда

Анализ сезонных колебаний

Сезонными называются периодические колебания, возникающие под влиянием смены времени года. Модель, учитывающая трендовую составляющую, сезонную составляющую S и случайную составляющую E, может быть мультипликативной и аддитивной . Выбор мультипликативной или аддитивной модели осуществляется на основе анализа структуры сезонных колебаний. Если амплитуда колебаний приблизительно постоянно, то строят аддитивную модель временного ряда. Если амплитуда сезонных колебаний возрастает или уменьшается, то строят мультипликативную модель. Для анализа структуры временного ряда и для изучения взаимосвязи нескольких временных рядов требуется выявление и устранение сезонного эффекта (десезонализация уровней ряда).

Процесс устранения сезонной компоненты включает в себя следующие шаги:

1. Выравнивание исходного ряда методом скользящей средней.

2. расчёт значений сезонной компоненты S.

3. Устранение сезонной компоненты их исходных уровней ряда и получение выровненных данных в аддитивной модели или в мультипликативной модели.

Определим сезонную колеблемость всех показателей в рамках сезонной мультипликативной модели. Эта модель была выбрана после визуального оценивания рассматриваемых рядов, в результате которого амплитуда колебаний значений рядов была идентифицирована как меняющаяся. статистический корреляция

Построим графики по абсолютным цепным показателям, и по ним определим амплитуду колебаний:

Т.к. амплитуда сезонных колебаний не постоянна, а принята как меняющаяся, то для анализа выбираем мультипликативную модель.

Расчет оценок сезонной компоненты и выровненных значений показателя «Численность персонала».

t

Численность

Moving

Ratios

Seasonal

Adjusted

1

12,30000

99,9832

12,30207

2

12,00000

12,03333

99,7230

100,0950

11,98861

3

11,80000

11,86667

99,4382

99,9218

11,80923

4

11,80000

11,80000

100,0000

99,9832

11,80199

5

11,80000

11,80000

100,0000

100,0950

11,78880

6

11,80000

11,80000

100,0000

99,9218

11,80923

7

11,80000

11,80000

100,0000

99,9832

11,80199

8

11,80000

11,80000

100,0000

100,0950

11,78880

9

11,80000

11,80000

100,0000

99,9218

11,80923

10

11,80000

11,23333

105,0445

99,9832

11,80199

11

10,10000

10,66667

94,6875

100,0950

10,09041

12

10,10000

10,06667

100,3311

99,9218

10,10790

13

10,00000

10,03333

99,6678

99,9832

10,00168

14

10,00000

9,96667

100,3344

100,0950

9,99051

15

9,90000

9,93333

99,6644

99,9218

9,90775

16

9,90000

9,83333

100,6780

99,9832

9,90167

17

9,70000

9,73333

99,6575

100,0950

9,69079

18

9,60000

9,66667

99,3103

99,9218

9,60751

19

9,70000

9,70000

100,0000

99,9832

9,70163

20

9,80000

9,73333

100,6849

100,0950

9,79070

21

9,70000

9,63333

100,6920

99,9218

9,70759

22

9,40000

9,46667

99,2958

99,9832

9,40158

23

9,30000

9,33333

99,6429

100,0950

9,29117

24

9,30000

9,20000

101,0870

99,9218

9,30728

25

9,00000

9,23333

97,4729

99,9832

9,00151

26

9,40000

9,26667

101,4388

100,0950

9,39108

27

9,40000

9,40000

100,0000

99,9218

9,40736

28

9,40000

9,36667

100,3559

99,9832

9,40158

29

9,30000

9,33333

99,6429

100,0950

9,29117

30

9,30000

9,36667

99,2883

99,9218

9,30728

31

9,50000

9,46667

100,3521

99,9832

9,50160

32

9,60000

9,50000

101,0526

100,0950

9,59089

33

9,40000

9,40000

100,0000

99,9218

9,40736

34

9,20000

9,23333

99,6390

99,9832

9,20155

35

9,10000

9,06667

100,3676

100,0950

9,09136

36

8,90000

99,9218

8,90696

Moving - скользящее среднее .

Ratios - оценка сезонной компоненты.

Seasonal - сезонная компонента, Si.

Adjusted - скорректированный ряд.

Расчет оценок сезонной компоненты и выровненных значений показателя «Средняя зарплата - всего».

t

Ср-я з/п-всего

Moving

Ratios

Seasonal

Adjusted

1

3040,000

100,5025

3024,800

2

3189,000

3197,000

99,7498

99,6022

3201,736

3

3362,000

3354,000

100,2385

99,8953

3365,525

4

3511,000

3519,000

99,7727

100,5025

3493,445

5

3684,000

3621,333

101,7305

99,6022

3698,713

6

3669,000

3723,667

98,5319

99,8953

3672,846

7

3818,000

3774,333

101,1569

100,5025

3798,910

8

3836,000

3883,667

98,7726

99,6022

3851,320

9

3997,000

3944,667

101,3267

99,8953

4001,190

10

4001,000

3999,000

100,0500

100,5025

3980,995

11

3999,000

4003,000

99,9001

99,6022

4014,971

12

4009,000

4033,333

99,3967

99,8953

4013,203

13

4092,000

4033,333

101,4545

100,5025

4071,540

14

3999,000

4111,667

97,2598

99,6022

4014,971

15

4244,000

4197,667

101,1038

99,8953

4248,449

16

4350,000

4386,333

99,1717

100,5025

4328,250

17

4565,000

4482,333

101,8443

99,6022

4583,232

18

4532,000

4612,333

98,2583

99,8953

4536,751

19

4740,000

4675,000

101,3904

100,5025

4716,300

20

4753,000

4797,667

99,0690

99,6022

4771,983

21

4900,000

4870,333

100,6091

99,8953

4905,137

22

4958,000

4938,333

100,3982

100,5025

4933,210

23

4957,000

4978,667

99,5648

99,6022

4976,798

24

5021,000

5141,000

97,6658

99,8953

5026,264

25

5445,000

5298,667

102,7617

100,5025

5417,774

26

5430,000

5591,667

97,1088

99,6022

5451,687

27

5900,000

5750,000

102,6087

99,8953

5906,185

28

5920,000

5942,000

99,6298

100,5025

5890,399

29

6006,000

5955,667

100,8451

99,6022

6029,987

30

5941,000

5931,667

100,1573

99,8953

5947,228

31

5848,000

5886,667

99,3431

100,5025

5818,759

32

5871,000

5886,667

99,7339

99,6022

5894,448

33

5941,000

6007,333

98,8958

99,8953

5947,228

34

6210,000

6161,667

100,7844

100,5025

6178,949

35

6334,000

6411,000

98,7989

99,6022

6359,297

36

6689,000

99,8953

6696,012

Расчет оценок сезонной компоненты и выровненных значений показателя «Производство готового проката».

t

Пр-во гот.проката

Moving

Ratios

Seasonal

Adjusted

1

30,00000

96,9523

30,94306

2

29,40000

32,60000

90,1840

102,1661

28,77667

3

38,40000

33,50000

114,6269

100,8817

38,06440

4

32,70000

36,20000

90,3315

96,9523

33,72794

5

37,50000

36,20000

103,5912

102,1661

36,70494

6

38,40000

37,83333

101,4978

100,8817

38,06440

7

37,60000

38,96667

96,4927

96,9523

38,78197

8

40,90000

38,56667

106,0501

102,1661

40,03285

9

37,20000

36,16667

102,8571

100,8817

36,87489

10

30,40000

36,96667

82,2362

96,9523

31,35564

11

43,30000

39,10000

110,7417

102,1661

42,38197

12

43,60000

44,30000

98,4199

100,8817

43,21896

13

46,00000

43,13333

106,6461

96,9523

47,44603

14

39,80000

42,70000

93,2084

102,1661

38,95618

15

42,30000

42,26667

100,0789

100,8817

41,93032

16

44,70000

43,36667

103,0746

96,9523

46,10516

17

43,10000

43,03333

100,1549

102,1661

42,18621

18

41,30000

43,13333

95,7496

100,8817

40,93906

19

45,00000

43,90000

102,5057

96,9523

46,41460

20

45,40000

44,93333

101,0386

102,1661

44,43745

21

44,40000

41,20000

107,7670

100,8817

44,01197

22

33,80000

40,90000

82,6406

96,9523

34,86252

23

44,50000

40,96667

108,6249

102,1661

43,55653

24

44,60000

45,66667

97,6642

100,8817

44,21022

25

47,90000

45,83333

104,5091

96,9523

49,40576

26

45,00000

42,00000

107,1429

102,1661

44,04593

27

33,10000

42,03333

78,7470

100,8817

32,81072

28

48,00000

43,43333

110,5142

96,9523

49,50890

29

49,20000

47,76667

103,0007

102,1661

48,15688

30

46,10000

47,40000

97,2574

100,8817

45,69711

31

46,90000

46,06667

101,8090

96,9523

48,37432

32

45,20000

46,76667

96,6500

102,1661

44,24169

33

48,20000

44,16667

109,1321

100,8817

47,77876

34

39,10000

44,96667

86,9533

96,9523

40,32913

35

47,60000

45,33333

105,0000

102,1661

46,59080

36

49,30000

100,8817

48,86914

Показатели колеблемости.

Основные показатели, характеризующие силу колеблемости уровней:

1. Среднее линейное отклонение:

2.

где n - число уровней ряда,

p - число параметров уравнения тренда.

3. Среднее квадратическое отклонение:

4. Коэффициент колеблемости:

4. Сила сезонных колебаний:

,

p - число параметров уравнения тренда, а .

Численность персонала. ? = 11,90302 - 0,09281 * t.

№ периода

Y

?

Y- ?

|Y - ?|

(Y- ?)2

1

12,3

11,81021

0,48979

0,48979

0,23989424

2

12

11,7174

1,095318

1,095318

1,19972152

3

11,8

11,62459

0,988128

0,988128

0,97639694

4

11,8

11,53178

1,080938

1,080938

1,16842696

5

11,8

11,43897

1,173748

1,173748

1,37768437

6

11,8

11,34616

1,266558

1,266558

1,60416917

7

11,8

11,25335

1,359368

1,359368

1,84788136

8

11,8

11,16054

1,452178

1,452178

2,10882094

9

11,8

11,06773

1,544988

1,544988

2,38698792

10

11,8

10,97492

1,637798

1,637798

2,68238229

11

10,1

10,88211

0,030608

0,030608

0,00093685

12

10,1

10,7893

0,123418

0,123418

0,015232

13

10

10,69649

0,116228

0,116228

0,01350895

14

10

10,60368

0,209038

0,209038

0,04369689

15

9,9

10,51087

0,201848

0,201848

0,04074262

16

9,9

10,41806

0,294658

0,294658

0,08682334

17

9,7

10,32525

0,187468

0,187468

0,03514425

18

9,6

10,23244

0,180278

0,180278

0,03250016

19

9,7

10,13963

0,373088

0,373088

0,13919466

20

9,8

10,04682

0,565898

0,565898

0,32024055

21

9,7

9,95401

0,558708

0,558708

0,31215463

22

9,4

9,8612

0,351518

0,351518

0,1235649

23

9,3

9,76839

0,344328

0,344328

0,11856177

24

9,3

9,67558

0,437138

0,437138

0,19108963

25

9

9,58277

0,229948

0,229948

0,05287608

26

9,4

9,48996

0,722758

0,722758

0,52237913

27

9,4

9,39715

0,815568

0,815568

0,66515116

28

9,4

9,30434

0,908378

0,908378

0,82515059

29

9,3

9,21153

0,901188

0,901188

0,81213981

30

9,3

9,11872

0,993998

0,993998

0,98803202

31

9,5

9,02591

1,286808

1,286808

1,65587483

32

9,6

8,9331

1,479618

1,479618

2,18926943

33

9,4

8,84029

1,372428

1,372428

1,88355862

34

9,2

8,74748

1,265238

1,265238

1,6008272

35

9,1

8,65467

1,258048

1,258048

1,58268477

36

8,9

8,56186

1,150858

1,150858

1,32447414

338,2521

 

28,44787

31,1681747

Среднее линейное отклонение: .

Среднее квадратическое отклонение: .

Коэффициент колеблемости: %.

Коэффициент сезонной колеблемости:

%.

Сезонная колеблемость очень незначительная, поэтому ею можно пренебречь.

Средняя зарплата -всего. ? = 2994,563 + 94,530 * t.

№ периода

Y

?

Y- ?

|Y - ?|

(Y- ?)2

1

3040

3089,093

-49,093

49,093

2410,123

2

3189

3183,623

5,377

5,377

28,91213

3

3362

3278,153

83,847

83,847

7030,319

4

3511

3372,683

138,317

138,317

19131,59

5

3684

3467,213

216,787

216,787

46996,6

6

3669

3561,743

107,257

107,257

11504,06

7

3818

3656,273

161,727

161,727

26155,62

8

3836

3750,803

85,197

85,197

7258,529

9

3997

3845,333

151,667

151,667

23002,88

10

4001

3939,863

61,137

61,137

3737,733

11

3999

4034,393

-35,393

35,393

1252,664

12

4009

4128,923

-119,923

119,923

14381,53

13

4092

4223,453

-131,453

131,453

17279,89

14

3999

4317,983

-318,983

318,983

101750,2

15

4244

4412,513

-168,513

168,513

28396,63

16

4350

4507,043

-157,043

157,043

24662,5

17

4565

4601,573

-36,573

36,573

1337,584

18

4532

4696,103

-164,103

164,103

26929,79

19

4740

4790,633

-50,633

50,633

2563,701

20

4753

4885,163

-132,163

132,163

17467,06

21

4900

4979,693

-79,693

79,693

6350,974

22

4958

5074,223

-116,223

116,223

13507,79

23

4957

5168,753

-211,753

211,753

44839,33

24

5021

5263,283

-242,283

242,283

58701,05

25

5445

5357,813

87,187

87,187

7601,573

26

5430

5452,343

-22,343

22,343

499,2096

27

5900

5546,873

353,127

353,127

124698,7

28

5920

5641,403

278,597

278,597

77616,29

29

6006

5735,933

270,067

270,067

72936,18

30

5941

5830,463

110,537

110,537

12218,43

31

5848

5924,993

-76,993

76,993

5927,922

32

5871

6019,523

-148,523

148,523

22059,08

33

5941

6114,053

-173,053

173,053

29947,34

34

6210

6208,583

1,417

1,417

2,007889

35

6334

6303,113

30,887

30,887

954,0068

36

6689

6397,643

291,357

291,357

84888,9

170761,2

4869,226

946026,7

Среднее линейное отклонение: .

Среднее квадратическое отклонение: .

Коэффициент колеблемости: %.

Следовательно, колеблемость очень слабая.

Коэффициент сезонной колеблемости:

%.

Сезонная колеблемость очень слабая, поэтому ею можно пренебречь.

Производство готового проката. ? = 28,89461 + 11,05817 * lоg t .

№ периода

Y

?

Y- ?

|Y - ?|

(Y- ?)2

1

30

28,89461

1,10539

1,10539

1,221887

2

29,4

32,22345

-2,82345

2,82345

7,97187

3

38,4

34,1707

4,229302

4,229302

17,887

4

32,7

35,55229

-2,85229

2,85229

8,135558

5

37,5

36,62394

0,876061

0,876061

0,767483

6

38,4

37,49954

0,900461

0,900461

0,81083

7

37,6

38,23985

-0,63985

0,63985

0,409408

8

40,9

38,88113

2,018867

2,018867

4,075824

9

37,2

39,44679

-2,24679

2,24679

5,048065

10

30,4

39,95278

-9,55278

9,55278

91,25561

11

43,3

40,41051

2,889493

2,889493

8,34917

12

43,6

40,82838

2,77162

2,77162

7,681877

13

46

41,21278

4,787215

4,787215

22,91743

14

39,8

41,56869

-1,76869

1,76869

3,128264

15

42,3

41,90003

0,399973

0,399973

0,159978

16

44,7

42,20997

2,490027

2,490027

6,200234

17

43,1

42,50112

0,598877

0,598877

0,358654

18

41,3

42,77563

-1,47563

1,47563

2,177484

19

45

43,03528

1,964715

1,964715

3,860105

20

45,4

43,28162

2,118379

2,118379

4,48753

21

44,4

43,51594

0,884064

0,884064

0,781569

22

33,8

43,73935

-9,93935

9,93935

98,79068

23

44,5

43,95283

0,547172

0,547172

0,299397

24

44,6

44,15722

0,442779

0,442779

0,196053

25

47,9

44,35327

3,546732

3,546732

12,57931

26

45

44,54163

0,458374

0,458374

0,210107

27

33,1

44,72287

-11,6229

11,6229

135,0918

28

48

44,89753

3,10247

3,10247

9,62532

29

49,2

45,06606

4,133944

4,133944

17,08949

30

46,1

45,22887

0,871132

0,871132

0,758871

31

46,9

45,38634

1,513659

1,513659

2,291164

32

45,2

45,53881

-0,33881

0,33881

0,114792

33

48,2

45,6866

2,513405

2,513405

6,317205

34

39,1

45,82996

-6,72996

6,72996

45,29236

35

47,6

45,96918

1,630823

1,630823

2,659584

36

49,3

46,10447

3,195532

3,195532

10,21142

1499,9

99,98097

539,2134

Среднее линейное отклонение: .

Среднее квадратическое отклонение: .

Коэффициент колеблемости: %.

Коэффициент сезонной колеблемости:

%

Сезонная колеблемость очень слабая, поэтому ею можно пренебречь.

Показатели устойчивости

Устойчивость, как категория, противоположная колеблемости, оценивается показателем устойчивости:

.

Для оценки устойчивости направленности изменения, то есть устойчивости тенденции, можно использовать коэффициент корреляции рангов Спирмэна:

;

где - разность рангов уровней и номеров периодов.

В случае связанных рангов:

,

,

где j - номера связок для х;

Аj - число одинаковых рангов в j-ой связке.

,

где k - число связок по у;

Вk - число одинаковых рангов в k-ой связке.

Если:, то наблюдается полная устойчивость выбранной тенденции,

, то наблюдается отсутствие тенденции,

, то наблюдается полная устойчивость к противоположенной тенденции.

Численность персонала.

Уровни ряда

Ранги уровней

Номера периодов

d = Руп

d2=уп)2

12,3

16

1

15

225

12

15

2

13

169

11,8

14,125

3

11,125

123,765625

11,8

14,125

4

10,125

102,515625

11,8

14,125

5

9,125

83,265625

11,8

14,125

6

8,125

66,015625

11,8

14,125

7

7,125

50,765625

11,8

14,125

8

6,125

37,515625

11,8

14,125

9

5,125

26,265625

11,8

14,125

10

4,125

17,015625

10,1

13,5

11

2,5

6,25

10,1

13,5

12

1,5

2,25

10

12,5

13

-0,5

0,25

10

12,5

14

-1,5

2,25

9,9

11,5

15

-3,5

12,25

9,9

11,5

16

-4,5

20,25

9,7

9,33

17

-7,67

58,8289

9,6

8,5

18

-9,5

90,25

9,7

9,33

19

-9,67

93,5089

9,8

10

20

-10

100

9,7

9,33

21

-11,67

136,1889

9,4

6,2

22

-15,8

249,64

9,3

5,25

23

-17,75

315,0625

9,3

5,25

24

-18,75

351,5625

9

2

25

-23

529

9,4

6,2

26

-19,8

392,04

9,4

6,2

27

-20,8

432,64

9,4

6,2

28

-21,8

475,24

9,3

5,25

29

-23,75

564,0625

9,3

5,25

30

-24,75

612,5625

9,5

7

31

-24

576

9,6

8,5

32

-23,5

552,25

9,4

6,2

33

-26,8

718,24

9,2

4

34

-30

900

9,1

3

35

-32

1024

8,9

1

36

-35

1225

Итого

10340,7017

1. Показатель устойчивости:

%.

2. Коэффициент корреляции рангов Спирмена рассчитываем для случая связанных рангов. Для этого находим А и В:

Как видим по коэффициенту Спирмена, устойчивость экономического показателя «Численность персонала» невысока, т.е. наблюдается неполная устойчивость выбранной тенденции.

Средняя зарплата - всего.

Уровни ряда

Ранги уровней

Номера периодов

d = Руп

d2=уп)2

3040

1

1

0

0

3189

2

2

0

0

3362

3

3

0

0

3511

4

4

0

0

3684

6

5

1

1

3669

5

6

-1

1

3818

7

7

0

0

3836

8

8

0

0

3997

9

9

0

0

4001

11

10

1

1

3999

10,5

11

-0,5

0,25

4009

12

12

0

0

4092

13

13

0

0

3999

10,5

14

-3,5

12,25

4244

14

15

-1

1

4350

15

16

-1

1

4565

17

17

0

0

4532

16

18

-2

4

4740

18

19

-1

1

4753

19

20

-1

1

4900

20

21

-1

1

4958

22

22

0

0

4957

21

23

-2

4

5021

23

24

-1

1

5445

25

25

0

0

5430

24

26

-2

4

5900

28

27

1

1

5920

29

28

1

1

6006

31

29

2

4

5941

30,5

30

0,5

0,25

5848

26

31

-5

25

5871

27

32

-5

25

5941

30,5

33

-2,5

6,25

6210

32

34

-2

4

6334

33

35

-2

4

6689

34

36

-2

4

Итого

108

1. Показатель устойчивости: .

2. Коэффициент корреляции рангов Спирмена рассчитываем для случая связанных рангов. Для этого находим А и В:

.

Как видим по коэффициенту Спирмена, устойчивость экономического показателя «Средняя зарплата - всего» высока, т.е. направленность тенденции устойчивая.

Производство готового проката.

Уровни ряда

Ранги уровней

Номера периодов

d = Руп

d2=уп)2

30

2

1

1

1

29,4

1

2

-1

1

38,4

10,5

3

7,5

56,25

32,7

4

4

0

0

37,5

8

5

3

9

38,4

10,5

6

4,5

20,25

37,6

9

7

2

4

40,9

13

8

5

25

37,2

7

9

-2

4

30,4

3

10

-7

49

43,3

17

11

6

36

43,6

18

12

6

36

46

26

13

13

169

39,8

12

14

-2

4

42,3

15

15

0

0

44,7

22

16

6

36

43,1

16

17

-1

1

41,3

14

18

-4

16

45

23,5

19

4,5

20,25

45,4

25

20

5

25

44,4

19

21

-2

4

33,8

6

22

-16

256

44,5

20

23

-3

9

44,6

21

24

-3

9

47,9

30

25

5

25

45

23,5

26

-2,5

6,25

33,1

5

27

-22

484

48

31

28

3

9

49,2

33

29

4

16

46,1

27

30

-3

9

46,9

28

31

-3

9

45,2

24

32

-8

64

48,2

32

33

-1

1

39,1

11

34

-23

529

47,6

29

35

-6

36

49,3

34

36

-2

4

Итого

1983

3. Показатель устойчивости: .

4. Коэффициент корреляции рангов Спирмена рассчитываем для случая связанных рангов. Для этого находим А и В:

.

Как видим по коэффициенту Спирмена, устойчивость экономического показателя «Производство готового проката» высока, т.е. направленность тенденции устойчивая.

Корреляция рядов динамики

Один из подходов к синтезу индивидуальных прогнозов экономических показателей заключается в том, что прогнозы используются в качестве аргументов в уравнении множественной регрессии. Корреляция проводится по исходным данным.

В качестве уравнения множественной регрессии чаще всего применяется линейная функция (y = a + b1 · x1 + b2 · x2 + …+ bk · xk) и степенная функция (y = a · x1b1 · x2b2 ·· ·xkb).

Проводить корреляционно-регрессионный анализ можно только при выполнении следующих условий:

Уровни каждого из взаимосвязанных рядов являются статистически независимыми, то есть в исследуемых рядах динамики отсутствует автокорреляция;

Исследуемые совокупности распределены нормально;

Ряды динамики состоят из случайных величин.

Проверка автокорреляции

При проверке независимости уровней динамического ряда рассчитывается коэффициент автокорреляции первого порядка , измеряющий тесноту связи между следующими рядами: y1,y2,…,yn-1 и y2,y3,…,yn .

Полученное расчетное значение коэффициента автокорреляции сравнивается с табличным значением ( ) при заданном уровне значимости. Если , то автокорреляция отсутствует.

Сравним коэффициенты автокорреляции первого порядка(мы их рассчитывали, когда выявляли тип колеблемости каждого ряда(п. 2.1.)) с табличным критическим значением коэффициента автокорреляции при уровне значимости =0,05 (0,299).

Численность персонала:=0,884

Средняя зарплата - всего: =0,892

Производство готового проката: =0,371

Все расчетные значения коэффициента корреляции > rтабл, следовательно нельзя говорить об отсутствии автокорреляции, т. е. уровни рядов не являются статистически независимыми.

Проверка нормальности распределения.

Провести оценку нормальности распределения можно путем построения графиков:

· Эмпирической гистограммы и теоретической кривой распределения;

· Эмпирической кривой распределения на нормальной вероятностной бумаге.

Для более точной оценки совпадения эмпирического распределения с нормальным применим критерий Колмогорова-Смирнова из модуля пакета STATISTICA «Basic Statistics/ Tables».

Численность персонала.

Таким образом, вероятность, что данные не подчинены нормальному закону распределения: P = 0,05, то есть гипотеза о том, что данные подчинены нормальному закону распределения подтверждается.

Средняя зарплата - всего.

Таким образом, вероятность, что данные не подчинены нормальному закону распределения: P=0,2 ( = 1 - Р = 1 - 0,2 = 0,8 > 0,05), то есть гипотеза о том, что данные не подчинены нормальному закону распределения отвергается.

Производство готового проката.

Таким образом, вероятность, что данные не подчинены нормальному закону распределения: P = 0,2 ( = 1 - Р = 1 - 0,2 = 0,8 > 0,05), то есть гипотеза о том, что данные подчинены нормальному закону распределения подтверждается.

Проверка случайности значений динамического ряда.

Для проверки случайности значений динамического ряда используется критерий медианы или критерий минимумов и максимумов.

Воспользуемся критерием минимумов и максимумов.

По данным динамического ряда определяется количество поворотных точек (p). Поворотными считаются точки, для которых выполняются следующие условия:

yt-1 yt yt+1 или yt-1 yt yt+1

Динамический ряд состоит из случайных величин (с вероятностью 0,95), если выполняется неравенство:

P []

P>17.83

Число поворотных точек для ряда «Численность персонала».

Периоды

П. точ.

1

12,3

11,81021

0,48979

2

12

10,90468

1,095318

+

3

11,8

10,81187

0,988128

+

4

11,8

10,71906

1,080938

5

11,8

10,62625

1,173748

6

11,8

10,53344

1,266558

7

11,8

10,44063

1,359368

8

11,8

10,34782

1,452178

9

11,8

10,25501

1,544988

10

11,8

10,1622

1,637798

+

11

10,1

10,06939

0,030608

+

12

10,1

9,976582

0,123418

+

13

10

9,883772

0,116228

+

14

10

9,790962

0,209038

+

15

9,9

9,698152

0,201848

+

16

9,9

9,605342

0,294658

+

17

9,7

9,512532

0,187468

18

9,6

9,419722

0,180278

+

19

9,7

9,326912

0,373088

20

9,8

9,234102

0,565898

+

21

9,7

9,141292

0,558708

22

9,4

9,048482

0,351518

23

9,3

8,955672

0,344328

+

24

9,3

8,862862

0,437138

+

25

9

8,770052

0,229948

+

26

9,4

8,677242

0,722758

27

9,4

8,584432

0,815568

28

9,4

8,491622

0,908378

+

29

9,3

8,398812

0,901188

+

30

9,3

8,306002

0,993998

31

9,5

8,213192

1,286808

32

9,6

8,120382

1,479618

+

33

9,4

8,027572

1,372428

34

9,2

7,934762

1,265238

35

9,1

7,841952

1,258048

36

8,9

7,749142

1,150858

17<17,83 - Так как не выполняется P>1783, то можно сделать вывод, что ряд не состоит из случайных величин.

Число поворотных точек для ряда «Средняя зарплата - всего».

Периоды

 

 

 

П. точ.

1

3040

3089,093

-49,093

 

2

3189

3183,623

5,377

+

3

3362

3278,153

83,847

 

4

3511

3372,683

138,317

 

5

3684

3467,213

216,787

+

6

3669

3561,743

107,257

+

7

3818

3656,273

161,727

+

8

3836

3750,803

85,197

+

9

3997

3845,333

151,667

+

10

4001

3939,863

61,137

 

11

3999

4034,393

-35,393

 

12

4009

4128,923

-119,923

 

13

4092

4223,453

-131,453

 

14

3999

4317,983

-318,983

+

15

4244

4412,513

-168,513

 

16

4350

4507,043

-157,043

 

17

4565

4601,573

-36,573

+

18

4532

4696,103

-164,103

+

19

4740

4790,633

-50,633

+

20

4753

4885,163

-132,163

+

21

4900

4979,693

-79,693

+

22

4958

5074,223

-116,223

 

23

4957

5168,753

-211,753

 

24

5021

5263,283

-242,283

+

25

5445

5357,813

87,187

+

26

5430

5452,343

-22,343

+

27

5900

5546,873

353,127

+

28

5920

5641,403

278,597

 

29

6006

5735,933

270,067

 

30

5941

5830,463

110,537

 

31

5848

5924,993

-76,993

 

32

5871

6019,523

-148,523

 

33

5941

6114,053

-173,053

+

34

6210

6208,583

1,417

 

35

6334

6303,113

30,887

 

36

6689

6397,643

291,357

 

17<17,83 - Так как не выполняется P>1783, то можно сделать вывод, что ряд не состоит из случайных величин.

Число поворотных точек для ряда «Производство готового проката».

Периоды

 

 

 

П. точ.

1

30

28,89461

1,10539

 

2

29,4

32,22345

-2,82345

+

3

38,4

34,1707

4,2293

+

4

32,7

35,55229

-2,85229

+

5

37,5

36,62394

0,87606

 

6

38,4

37,49954

0,90046

+

7

37,6

38,23985

-0,63985

+

8

40,9

38,88113

2,01887

+

9

37,2

39,44679

-2,24679

 

10

30,4

39,95278

-9,55278

+

11

43,3

40,41051

2,88949

+

12

43,6

40,82838

2,77162

+

13

46

41,21278

4,78722

+

14

39,8

41,56869

-1,76869

+

15

42,3

41,90003

0,39997

 

16

44,7

42,20997

2,49003

+

17

43,1

42,50112

0,59888

 

18

41,3

42,77563

-1,47563

+

19

45

43,03528

1,96472

 

20

45,4

43,28162

2,11838

+

21

44,4

43,51594

0,88406

 

22

33,8

43,73935

-9,93935

+

23

44,5

43,95283

0,54717

+

24

44,6

44,15722

0,44278

+

25

47,9

44,35327

3,54673

+

26

45

44,54163

0,45837

 

27

33,1

44,72287

-11,62287

+

28

48

44,89753

3,10247

 

29

49,2

45,06606

4,13394

+

30

46,1

45,22887

0,87113

+

31

46,9

45,38634

1,51366

+

32

45,2

45,53881

-0,33881

+

33

48,2

45,6866

2,5134

+

34

39,1

45,82996

-6,72996

+

35

47,6

45,96918

1,63082

 

36

49,3

46,10447

3,19553

 

25>17,83 - условие P>17,83 выполняется, делаем вывод, что ряд состоит из случайных величин.

Построение корреляционно-регрессионной модели

При построении модели следует учитывать следующие рекомендации:

1. Признаки-факторы должны находится в причинной связи с результативным признаком;

2. Признаки-факторы не должны быть составными частями результативного признака;

3. Признаки-факторы не должны дублировать друг друга, то есть быть коллинеарными. Мультиколлинеарность (коррелируемость независимых факторов) проверяется путем построения корреляционной матрицы. Коллинеарными считаются независимые факторы, имеющие между собой связь теснотой более 0,8.

4.Математическая форма уравнения регрессии должна соответствовать логике связи факторов с результатом в реальном объекте.


Подобные документы

  • Оценка среднего значения выручки по кварталам на примере ОАО "РуссНефть". Оценка моды, медианы, абсолютных и относительных показателей. Построение тренда на 3 периода вперед. Анализ колеблемости и экспоненциальное сглаживание динамического ряда.

    курсовая работа [1,4 M], добавлен 18.04.2011

  • Виды статистических методов анализа данных. Применение выборочного наблюдения в правовой статистике. Исследование стажа работы, тарифных разрядов и заработной платы рабочих цеха. Построение рядов распределения и расчет абсолютных показателей вариации.

    курсовая работа [295,5 K], добавлен 14.04.2014

  • Этапы и проблемы эконометрических исследований. Параметры парной линейной регрессии. Оценка тесноты связи с помощью показателей корреляции и детерминации. Расчет коэффициентов автокорреляции второго порядка для временного ряда расходов на потребление.

    контрольная работа [60,3 K], добавлен 05.01.2011

  • Построение рядов распределения с произвольными интервалами и с помощью формулы Стерджесса. Построение статистических графиков. Расчет и построение структурных характеристик вариационного ряда. Общая характеристика исследуемых статистических совокупностей.

    курсовая работа [654,9 K], добавлен 12.04.2009

  • Эффективная оценка по методу наименьших квадратов. Корелляционно-регрессионный анализ в эконометрическом моделировании. Временные ряды в эконометрических исследованиях. Моделирование тенденции временного ряда. Расчет коэффициента автокорреляции.

    контрольная работа [163,7 K], добавлен 19.06.2015

  • Эконометрическое моделирование стоимости квартир в московской области. Матрица парных коэффициентов корреляции. Расчет параметров линейной парной регрессии. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.

    контрольная работа [298,2 K], добавлен 19.01.2011

  • Теория и анализ временных рядов. Построение линии тренда и прогнозирование развития случайного процесса на основе временного ряда. Сглаживание временного ряда, задача выделения тренда, определение вида тенденции. Выделение тригонометрической составляющей.

    курсовая работа [722,6 K], добавлен 09.07.2019

  • Изучение понятия имитационного моделирования. Имитационная модель временного ряда. Анализ показателей динамики развития экономических процессов. Аномальные уровни ряда. Автокорреляция и временной лаг. Оценка адекватности и точности трендовых моделей.

    курсовая работа [148,3 K], добавлен 26.12.2014

  • Сущность, цели и задачи выборочного обследования. Описание и особенности использования типического способа отбора выборочной совокупности. Формы статистических показателей выборочного наблюдения. Виды и методика расчета оценок статистических показателей.

    курсовая работа [124,1 K], добавлен 13.03.2010

  • Коэффициент корреляции, расчетное значение статистики Стьюдента. Предварительный анализ одновременного включения показателей процентных ставок банка по кредитованию и депозитным вкладам юридических лиц в модель. Графический анализ временного ряда.

    контрольная работа [133,2 K], добавлен 03.02.2013

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.