Корреляционно-регрессионный анализ взаимосвязи рыночных процессов (на примере рынка жилья)

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Всероссийский заочный финансово-экономический институт

Курсовая работа по статистике

На тему: «Корреляционно-регрессионный анализ взаимосвязи рыночных процессов (на примере рынка жилья)»

Вариант 8

Факультет: менеджмент и маркетинг

Специальность: Маркетинг

Грозновой Киры

Личное дело № 07 МАБ 01807

Преподаватель: Демидова

Калуга, 2009

Содержание

Введение

1. Теоретическая часть

2. Практическая часть

3. Аналитическая часть

Заключение

Список литературы

Введение

Обработка статистических данных уже давно применяется в самых разнообразных видах человеческой деятельности. Вообще говоря, трудно назвать ту сферу, в которой она бы не использовалась. Но, пожалуй, ни в одной области знаний и практической деятельности обработка статистических данных не играет такой исключительно большой роли, как в экономике, имеющей дело с обработкой и анализом огромных массивов информации о социально-экономических явлениях и процессах. Всесторонний и глубокий анализ этой информации, так называемых статистических данных, предполагает использование различных специальных методов, важное место среди которых занимает корреляционный и регрессионный анализы обработки статистических данных. корреляционный линейный регрессия

В данной работе будут рассмотрены основные понятия, связанные с корреляционно-регрессионным анализом, условия его применения и задачи, а также применение на практике (на примере рынка жилья), а также изучение возможностей обработки статистических данных методами корреляционного и регрессионного анализа с использованием пакета прикладных программ Microsoft Excel.

Цель курсовой работы - выявление взаимосвязи рыночных процессов с помощью корреляционно-регрессионного анализа.

Сама курсовая работа состоит из 3 глав - теоретической, практической и аналитической частей, которые размещены на 34 страницах.

Для написания данной работы были использованы 6 источника.

1. Теоретическая часть

Корреляционный анализ является одним из методов статистического анализа взаимосвязи нескольких признаков.

Он определяется как метод, применяемый тогда, когда данные наблюдения можно считать случайными и выбранными из генеральной совокупности, распределенной по многомерному нормальному закону. Основная задача корреляционного анализа (являющаяся основной и в регрессионном анализе) состоит в оценке уравнения регрессии.

Корреляция - частный случай статистической связи, состоящий в том, что разным значениям одной переменной соответствуют различные средние значения другой. С изменением значения признака х закономерным образом изменяется среднее значение признака у, в то время как в каждом отдельном случае значение признака у (с различными вероятностями) может принимать множество различных значений. [1 ист. Стр. 322]

Статистическая связь между двумя признаками (переменными величинами) предполагает, что каждый из них имеет случайную вариацию индивидуальных значений относительно средней величины. Если же такую вариацию имеет только один из признаков, а значения другого являются жестко детерминированными, то говорят лишь о регрессии.

Корреляционная связь между признаками может возникнуть разными путями:

· Первый (важнейший) путь -- причинная зависимость результативного признака (его вариации) от вариации факторного признака.

Например, признак х -- балл оценки плодородия почв, признак у -- урожайность сельскохозяйственной культуры.

· Второй путь -- сопряженность, возникающая при наличии общей причины.

· Третий путь возникновения корреляции -- взаимосвязь признаков, каждый из которых и причина, и следствие.

например, корреляция между уровнями производительности труда рабочих и уровнем оплаты 1 ч труда (тарифной ставкой). С одной стороны, уровень зарплаты -- следствие производительности труда: чем она выше, тем выше и оплата. Но, с другой стороны, установленные тарифные ставки и расценки играют стимулирующую роль: при правильной системе оплаты они выступают в качестве фактора, от которого зависит производительность труда. В такой системе признаков допустимы обе постановки задачи; каждый признак может выступать в роли независимой переменной х и в качестве зависимой переменной у.

Условия применения и ограничения корреляционно-регрессионного метода

первым условием возможности изучения корреляционной связи является наличие данных по достаточно большой совокупности.

Какое именно число явлений достаточно для анализа корреляционной и вообще статистической связи, зависит от цели анализа, требуемой точности и надежности параметров связи, от числа факторов, корреляция с которыми изучается. Обычно считают, что число наблюдений должно быть не менее чем в 5--6, а лучше -- в 10 раз больше числа факторов. Еще лучше, если число наблюдений в несколько десятков или в сотни раз больше числа факторов, тогда закон больших чисел обеспечивает эффективное взаимопогашение случайных отклонений от закономерного характера связи признаков.

Вторым условием закономерного проявления корреляционной связи служит условие, обеспечивающее надежное выражение закономерности в средней величине. Кроме уже указанного большого числа единиц совокупности для этого необходима достаточная однородность совокупности. Нарушение этого условия может извратить параметры корреляции.

В качестве третьего условия корреляционного анализа выдвигается необходимость подчинения распределения совокупности по результативному и факторным признакам нормальному закону распределения вероятностей. Это условно связано с применением метода наименьших квадратов при расчете параметров корреляции: только при нормальном распределении метод наименьших квадратов дает оценки параметров, отвечающих принципам максимального правдоподобия. На практике эта предпосылка чаще всего выполняется приближенно, но и тогда метод наименьших квадратов дает неплохие результаты.

Однако при значительном отклонении распределений признаков от нормального закона нельзя оценивать надежность выборочного коэффициента корреляции, используя параметры нормального распределения вероятностей или распределения Стьюдента.

Задачи корреляционно-регрессионного анализа и моделирования

В соответствии с сущностью корреляционной связи ее изучение имеет две задачи:

1. Измерение параметров уравнения, выражающего связь средних значений зависимой переменной со значениями независимой переменной - одной или нескольких (зависимость средних величин результативного признака от значений одного или нескольких факторных признаков).

Основным методом нахождения параметров уравнения связи является метод наименьших квадратов. Он состоит в минимизации суммы квадратов отклонений фактически измеренных значений зависимой переменной y от ее значений, вычисленных по уравнению связи с факторным признаком, одним или несколькими, х.

Y_x=a₀+a₁x

Где а₀ является точкой отсчета, а а₁ показывает, на сколько в среднем изменяется величина результативного признака в случае изменения факторного признака на единицу при фиксированном положении остальных факторов.

2. измерение тесноты связи двух (или большего количества) признаков между собой.

При парной связи теснота связи измеряется корреляционным отношением з². Квадрат корреляционного отношения - это отношение межгрупповой дисперсии результативного признака, которая выражает влияние различий группировочного факторного признака на среднюю величину результативного признака, к общей дисперсии результативного признака, выражающей влияние на него всех причин и условий, и называется коэффициентом детерминации.

з²=v 1-?(y_j -^ y _j) ² / ?( y_j - y_j ^Ї)²

где y_j - значение результативного признака для i-й единицы

y_j- - среднее значение y в i-й группе

^y - значение y для i-й единицы, рассчитанное по уравнению регрессии

Уравнение корреляционной связи измеряет зависимость между вариаций результативного признака и вариацией факторного признака (признаков). Меры тесноты связи измеряют долю вариации результативного признака, которая связана корреляционно с вариацией факторного признака (признаков).

Интерпретировать корреляционные показатели следует строго в терминах вариации (различий в пространстве) отклонений от средней величины.

Коренное отличие метода корреляционно-регрессионного анализа от аналитической группировки состоит в том, что корреляционно-регрессионный анализ позволяет разделить влияние комплекса факторных признаков, анализировать различные стороны сложной системы взаимосвязей. Если метод комбинированной аналитической группировки, как правило, не дает возможность анализировать более трех факторов, то корреляционный метод при объеме совокупности около 100 единиц позволяет вести анализ системы с 8-- 10 факторами и разделить их влияние.

Вычисление и интерпретация параметров парной линейной регрессии

Простейшей системой корреляционной связи является линейная связь между двумя признаками -- парная линейная корреляция

у_xу_y то проще применить формулу 9.7 или 9,8. Если расчет ведется по первичным данным x_i y_i то удобнее формула 9,9. Ее использование сокращает объем вычислений при слабой вариации признаков. Помимо того, формула 9,9 выражает особенность корреляционного анализа связей: параметры корреляции зависят не от уровней признака, а только от их отклонений от средних значений.

Коэффициент b имеет смысл показателя силы связи между вариацией факторного признака х и вариацией результативного признака y.

Теснота парной линейной корреляционной связи может быть измерена корреляционным отношением з. Кроме того, при линейной форме уравнения применяют другой показатель связи - коэффициент корреляции r_yx

Собственно говоря, основным показателем тесноты связи следовало бы считать коэффициент детерминации или квадрат корреляционного отношения, но исторически раньше был введен коэффициент корреляции, который долгое время рассматривался как основной показатель.

Показатели корреляционной связи, вычисленные по ограниченной совокупности (по выборке), являются лишь оценками той или иной статистической закономерности, поскольку в любом параметре сохраняется элемент не полностью погасившейся случайности, присущей индивидуальным значениям признаков. Поэтому необходима статистическая оценка степени точности и надежности параметров корреляции. Под надежностью здесь понимается вероятность того, что значение проверяемого параметра не равно нулю, не включает в себя величины противоположных знаков.

Вероятностная оценка параметров корреляции проводится по общим правилам проверки статистических гипотез, разработанным математической статистикой, в частности путем сравнения оцениваемой величины со средней случайной ошибкой оценки. Для коэффициента парной регрессии b средняя ошибка оценки вычисляется как:

Зная среднюю ошибку оценки коэффициента регрессии, можно вычислить вероятность того, что нулевое значение коэффициента входит в интервал возможных с учетом ошибки значений. С этой целью находится отношение коэффициента к его средней ошибки или t-критерий Стьюдента:

R=b/m_b

2. Практическая часть

Имеются следующие выборочные данные (выборка 20%-ная механическая) о ценах на первичном рынке жилья (тыс. руб. за кв.м.) и среднемесячной прибыли (млн. руб.) по 30 строительным организациям-застройщикам одного из регионов:

Табл.1,1

№ организации	Цена на первичном рынке тыс. руб./м2	Прибыль, млн. руб.
1	34,4	0,81
2	33,5	0,71
3	26,9	0,42
4	33,3	0,70
5	23,0	0,19
6	27,6	0,43
7	26,8	0,40
8	27,8	0,42
9	24,2	0,27
10	29,7	0,46
11	24,9	0,43
12	26,8	0,34
13	26,7	0,32
14	29,3	0,50
15	20,6	0,11
16	29,8	0,55
17	29,4	0,44
18	30,9	0,61
19	24,8	0,25
20	24,3	0,28
21	26,5	0,36
22	32,3	0,70
23	24,6	0,33
24	32,0	0,68
25	31,1	0,56
26	28,1	0,47
27	23,6	0,24
28	35,2	0,86
29	27,3	0,41
30	21,3	0,15

Задание 1.1. Построить статистический ряд распределения организаций по признаку цены за 1 кв.м. (число групп 5).

Делаем ранжирование исходных данных:

Табл.1,2

№ организации	Цена на первичном рынке тыс. руб./кв. м	Прибыль, млн. руб.
1 (15)	20,6	0,11
2 (30)	21,3	0,15
3 (5)	23,0	0,19
4 (27)	23,6	0,24
5 (9)	24,2	0,27
6 (20)	24,3	0,28
7 (23)	24,6	0,33
8 (19)	24,8	0,25
9 (11)	24,9	0,43
10 (21)	26,5	0,36
11 (13)	26,7	0,32
12 (12)	26,8	0,34
13 (7)	26,8	0,40
14 (3)	26,9	0,42
15 (29)	27,3	0,41
16 (6)	27,6	0,43
17 (8)	27,8	0,42
18 (26)	28,1	0,47
19 (14)	29,3	0,50
20 (17)	29,4	0,44
21 (10)	29,7	0,46
22 (16)	29,8	0,55
23 (18)	30,9	0,61
24 (25)	31,1	0,56
25 (24)	32,0	0,68
26 (22)	32,3	0,70
27 (4)	33,3	0,70
28 (2)	33,5	0,71
29 (1)	34,4	0,81
30 (28)	35,2	0,86

1. Находим размах

R= X_max - X_min = 35.2 - 20.6 = 14.6 тыс.руб.

2. Находим число групп по формуле Стержеса

n= 1+3.322*lg30= 5

3. Находим размах увеличивающегося интервала

I= R/n = 14.6/5 = 2.92 тыс.руб.

4. Находим интервалы:

X_min - X₁ X₁ = X_min + i

X₁ - X₂ X₂ = X₁+ i

X₂ - X₃ X₃ = X₂ + i

X₃ - X₄ X₄ = X₃ + i

X₄ - X₅ X₅ = X₄ + i

Получаем интервалы:

20,6 - 23,52

23,52 - 26,44

26,44 - 29,36

29,36 - 32,28

32,28 и более

5. Строим интервальный ряд распределения организаций, выбирая совокупности по цене на первичном рынке жилья.

Табл.1,3

№ группы	Группы по цене	Число организаций в группе
1	20,6 - 23,52	3
2	23,52 - 26,44	6
3	26,44 - 29,36	10
4	29,36 - 32,28	6
5	32,28 и более	5

Вывод: ряд распределения показывает, что наибольшее количество организаций в выборочной совокупности устанавливает цену на первичном рынке жилья от 26,44 до 29,36 тыс. руб. за кв.м.

Задание 1,2. Рассчитать характеристики интервального ряда распределения:

1. среднее арифметическое отклонение

2. среднее квадратическое отклонение

3. коэффициент корреляции

4. моду

5. медиану

1. среднее арифметическое отклонение:

XЇ = ?x*f / ?f

Для характеристики средней величины определим середины интервалов и численность накопленных частот. Для этого построим расчетную таблицу:

Табл.1,4

№ группы	Группы по цене	Число организаций	Середина интервала	S накопленных частот
1	20,6 - 23,52	3	22,06	3
2	23,52 - 26,44	6	24,98	9
3	26,44 - 29,36	10	27,9	19
4	29,36 - 32,28	6	30,82	25
5	32,28 и более	5	33,74	30

Теперь находим среднее арифметическое отклонение:

XЇ = 22.06*3 + 24.98*6 + 27.9*10 + 30.82*6 + 3374*5 / 30 = 28.3

Вывод: в среднем цена за кв.м. составляет 28,3 тыс. руб.

2. Среднее квадратическое отклонение:

у = ± v ? (X_i - XЇ)² *f / ?f = v (22.06 - 28.3)² *3 + (24.98 - 28.3)²*6 + (27.9 - 28.3)²*10 + (30.82 - 28.3)²*6 + (33.74 - 28.3)²*5 / 30 = ± 12.3536

Вывод: численность организаций отклоняется в среднем от среднего значения на ±12,3536,

3. Коэффициент вариации:

V = (у/X)*100% = (12.3536/28.3)*100 = 43.65%

Вывод: совокупность считается однородной, а среднее типичным для этой совокупности

3. Мода:

M₀ = X₀ + I * ((f_m - f_m-1)/(f_m - f_m-1)+(f_m - f_m-1)) = 26.44+30* ((10 - 6)/(10 - 6) + (10 - 6)) = 41.44

Вывод: мода, равная 41,44 показывает, что наиболее часто в выборочной совокупности цена за кв. м составляет 41,44 тыс. руб.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис.1

4. Медиана:

Ме = Х₀ + I * (Ѕ ?f - S_me-1/f_e) = 26.44 + 30 * (15 -9 /19) = 35.91

Вывод: медиана показывает, что половина организаций устанавливает цену за кв. м менее 35,91 тыс. руб., а другая более 35,91 тыс. руб.



Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис.2

Задание 2. По исходным данным установить характер корреляционной связи между ценой за кв.м. и прибылью, и методом аналитической группировки образовать по факторному признаку с равными интервалам. Измерить тесноту корреляционной связи между признаками с использованием коэффициента детерминации и эмпирическим корреляционным отношением.

1. построим разработочную таблицу.

Табл.1,5

№ группы	Группы по цене	№ организации	Цена за кв.м.	Прибыль
1	20,6 - 23,52	15	20,6	0,11
		30	21,3	0,15
		5	23,0	0,19
	итого	3	64,9	0,45
2	23,52 - 26,44	27	23,6	0,24
		9	24,2	0,27
		20	24,3	0,28
		23	24,6	0,33
		19	24,8	0,25
		11	24,9	0,43
	итого	6	146,4	1,8
3	26,44 - 29,36	21	26,5	0,36
		13	26,7	0,32
		12	26,8	0,34
		7	26,8	0,40
		3	26,9	0,42
		29	27,3	0,41
		6	27,6	0,43
		8	27,8	0,42
		26	28,1	0,47
		4	29,3	0,50
	итого	10	273,8	4,07
4	29,36 - 32,28	17	29,4	0,44
		10	29,7	0,46
		16	29,8	0,55
		18	30,9	0,61
		25	31,1	0,56
		24	32,0	0,68
	итого	6	182,9	3,3
5	32,28 и более	22	32,3	0,70
		4	33,3	0,70
		2	33,5	0,71
		1	34,4	0,81
		28	35,2	0,86
	итого	5	168,7	3,78

2. построим аналитическую группировку, используя данные разработочной таблицы, (табл1,6)

№ группы	Группы по цене	число организаций в группе	Цена за кв.м. в группе	Прибыль в группе
			всего	Среднее по группе	всего	Среднее по группе
1	20,6 - 23,52	3	64,9	21,6	0,45	0,15
2	23,52 - 26,44	6	146,4	24,4	1,8	0,6
3	26,44 - 29,36	10	273,8	27,38	4,07	0,41
4	29,36 - 32,28	6	182,9	30,48	3,3	0,55
5	32,28 и более	5	168,7	33,74	3,78	0,76
	итого	30	836,7	137,6	13,4	2,47

Вывод: аналитическая группировка по цене за кв. показывает, что с увеличением в среднем по группе группировочного признака также увеличивается и среднее значение прибыли (результативного признака).

3. для расчета з и з² (где з - эмпирическое корреляционное отношение, а з² - коэффициент детерминации) построим промежуточную таблицу.

Табл.1,7

№ группы	Группа по цене	№ организации	прибыль	у2i	у2общ
1	20,6 - 23,52	15	0,11	0,0625	4,2849
		30	0,15	0	5,3824
		5	0,19	0,0016	5,1984
	итого	3	0,45	0,0213	4,9552
2	23,52 - 26,44	27	0,24	0,1296	4,9729
		9	0,27	0,1089	4,84
		20	0,28	0,1024	4,7961
		23	0,33	0,0729	4,5796
		19	0,25	0,1225	4,9284
		11	0,43	0,0289	4,1616
	итого	6	1,8	0,0942	4,7131
3	26,44 - 29,36	21	0,36	0,0025	4,4521
		13	0,32	0,0081	4,6225
		12	0,34	00049	4,5369
		7	0,40	0,0001	4,2849
		3	0,42	0,0001	4,2025
		29	0,41	0	4,2436
		6	0,43	0,0004	4,1616
		8	0,42	0,0001	4,2025
		26	0,47	0,0036	4
		4	0,50	0,0081	3,8809
	итого	10	4,07	0,0028	4,2586
4	29,36 - 32,28	17	0,44	0,0121	4,1209
		10	0,46	0,0081	4,0401
		16	0,55	0	3,6864
		18	0,61	0,0036	3,4596
		25	0,56	0,0001	3,6481
		24	0,68	0,0169	3,2041
	итого	6	3,3	0,0068	3,6932
5	32,28 и более	22	0,70	0,0036	3,1329
		4	0,70	0,0036	3,1329
		2	0,71	0,0025	3,0976
		1	0,81	0,0025	2,7556
		28	0,86	0,01	2,5921
	итого	5	3,78	0,044	2,9422

у²_общ = 4,9552*3 + 4,7131*6 + 4,2586*10 + 3,6932*6 + 2,9422*5/30 = 4,08668

у²_мгр = 0,0214*3 + 0,0942*6 + 0,0028*10 + 0,068*6 + 0,0044*5 / 30 = 0,0240

Находим эмпирическое корреляционное отношение

з= v у²_мгр / у²_общ = 0,0766

находим коэффициент детерминации

з² = 0,0059

Вывод: эмпирическое корреляционное отношение, равное 0,0766, показывает, что связь между ценой за кв.м. и величиной прибыли практически отсутствует. Коэффициент детерминации, равный 0,0059, показывает, что только на 0,59% вариация величины цены за кв. м обуславливает изменение величины прибыли, а на остальные 99,41% влияют другие факторы.

Задание 3. По результатам задания 1 с вероятностью 0,683 определить:

1. Ошибку выборки средней цены за кв.м. на первичном рынке жилья и границы, в которых она будет находиться в генеральной совокупности.

2. Ошибку выборки доли организаций с ценой на первичном рынке жилья 29,4 тыс. руб. за кв. м и более границы, в которых будет находиться генеральная доля.

1. Средняя цена за кв.м. ХЇ = 28,3 тыс. руб.

у= ± 12,3536

у²_х = 125,611

t = 1

находим границы

ХЇ - Д_хЇ ? ХЇ ? ХЇ + Д_хЇ

Д_хЇ - предельная ошибка выборки

Д_хЇ = ±t v (у²_х / n) * (1 - n/N) = ± 2.0173 тыс. руб.

28,3 2,0173 ? ХЇ ?28,3 + 2,0173

26,2827 ? ХЇ ? 30,3173

Вывод: с вероятностью 0,683 можно утверждать, что средняя цена за кв.м. в генеральной совокупности будет находиться в пределах от 26,2827 тыс. руб. до 30,3173 тыс. руб.

2. вероятность 0,683, m (число обладающих данным признаком) = 11, t = 1

находим выборочную долю

WЇ = m / n = 11 / 30 = 0.367

у²_w = WЇ*(1- WЇ) = 0.367*0.633 = 0.2323

Д_w = ± t v (у²_w / n)*(1 - n/N) = ± 0.0787

Находим границы

WЇ - Д_w ?WЇ? WЇ + Д_w

0,2883 ?WЇ? 0,4457

Вывод: с вероятностью 0,683 можно утверждать, что доля организаций с ценой за кв.м. 29,4 тыс. руб. и более генеральной совокупности будет находиться в пределах от 0,2883 до 0,4457

Задание 4. Имеются данные о числе построенных квартир в регионе за ряд лет.

Табл.1,8

год	Число построенных квартир, тыс.
1	373
2	382
3	395
4	427
5	477
6	515

Определите:

1. базисные и цепные абсолютные приросты, темпы роста и прироста (результаты представьте в таблице)

2. средний уровень ряда, среднегодовой абсолютный прирост, среднегодовые темпы роста и прироста

3. осуществите прогноз на 7-ой и 8-ой годы при условии сохранения среднегодового темпа роста.

4. сделайте выводы.

1. табл.1,9

год	Число построенных квартир	Абсолютный прирост	Темп роста	Темп прироста	Абсолютное значение1% прироста
		цепной	базисный	цепной	базисный	цепной	базисный
1	373	-	0	-	100	-	0	-
2	382	9	9	102,4	102,4	2,4	2,4	3,73
3	395	13	22	103,4	105,9	3,4	5,9	3,82
4	427	32	54	108,1	114,5	8,1	11,5	3,95
5	477	50	104	111,7	127,9	11,7	27,9	4,27
6	515	38	142	108	138,7	8,0	38,7	4,77

2, средний уровень ряда

уЇ = 373 + 382 + 395 + 427 + 477 + 515 / 6 = 428,17

среднегодовой абсолютный прирост

ДЇ = 9 + 13 + 32 + 50 + 38 / 6 = 23,67

Среднегодовой темп роста

ТЇ_р = ⁵v515 / 373 = 1,067

3. прогноз на 7-ой год

у07 = 515*1,067 ? 550

прогноз на 8-ой год

у08 = 550*1,067? 587

Вывод: среднегодовой темп роста составляет 1,067 тыс., среднегодовой прирост = 23,67 тыс. При сохранении данных темпов в 7-ом году будет построено 550 тыс., а в 8-ом году 587 тыс.

3. Аналитическая часть

Задача данной аналитической части

Для успешной работы фирмы в условиях жесткой рыночной конкуренции необходимо изучать развитие рынка за несколько лет. Это позволяет выявить не только тенденцию развития, Нои определить характер его цикличности, т.е. повторяемости колебания спроса и предложения. Такая повторяемость обусловлена как внешними факторами, так и внутренними свойствами рынка. Цикличность может быть внутригодовой сезонной и многолетней экономической.

Внутригодовая цикличность, как правило, носит сезонный характер. Сезонными колебаниями спроса и предложения подвержены не все товары, однако для многих из них характерен значительный размах сезонных изменений. Изучение сезонности необходимо для решения ряда организационно-технологических и экономических вопросов в условиях чередования спадов и подъемов спроса и предложения.

Оценка сезонных колебаний может осуществляться различными статистическими методами. Исследование сезонности строительства квартир компанией-застройщиком «Пересвет Групп» по приведенным в исходной таблице 1,10 данным по месяцам за три года для того, чтобы выявить устойчивую волну, на которой не отразились бы случайные условия одного года.

Табл.1,10

Месяц	годы
	2005	2006	2007
Январь	833	775	556
Февраль	820	713	506
Март	817	724	534
Апрель	1805	662	529
Май	1120	514	575
Июнь	941	395	471
Июль	1003	447	505
Август	814	459	553
Сентябрь	947	487	493
Октябрь	927	417	416
Ноябрь	739	512	439
Декабрь	749	532	349

На 2008 год компания планирует построить в сумме за год 5300 тыс. квартир.

Методика решения

Для выявления и оценки сезонности реализации товара (Р) фирмой методом постоянной средней рассчитываются индекса сезонности по формуле

i^c_k =( y_kЇ / yЇ)*100

где y_kЇ - средняя реализация товара для каждого месяца за три года,

yЇ - общий средний месячный объем реализации товара за три года.

Совокупность индексов сезонности образуют сезонную волну, характеризующую внутригодовые повторяющиеся колебания объема реализации, т.е. внутригодовую цикличность реализации товара

Индексы могут быть использованы в прогнозировании объемов продаж на следующие годы по месяцам. Для этого вначале определяют прогнозируемый средний месячный уровень (yЇ_прог) исходя из ожидаемого объема реализации за го (Р_прог):

yЇ_прог = Р_прог / 12

а затем умножают его на соответствующие индексы сезонности по месяцам, т.е.

y_кпрог = yЇ_прог * i^c_k

Технология выполнения компьютерных расчетов

Расчеты индексов сезонности объема строительства квартир фирмой выполнены с применением пакета прикладных программ обработки электронных таблиц MS Excel в среде Windows.

Ход выполнения.

1.расчитываем сумму построенных квартир за 3 года

3. находим итого по месяцам и за 3 года

4. находим сколько построено квартир в среднем за месяц

5. находим средний уровень за каждый год

6. рассчитываем индекс сезонности за каждый месяц за 3 года

7. делаем прогноз на 2008 год и строим график сезонной волны числа построенных квартир

Получаем

Заключение

Анализ результатов статистических компьютерных расчетов

Полученные результаты позволяют сделать выводы:

1. минимальное число построенных квартир компанией приходится на октябрь, ноябрь, декабрь, а максимальное - на апрель.

Прогноз позволил определить потребности компании в строительных запасах по месяцам.

Т.о. выявление сезонных колебаний позволяет решить такие рабочие задачи, как определение потребностей компании в рабочей силе, транспорте, оборудовании и др. ресурсах по месяцам в течение года.

Использованный метод расчета индексов сезонности применяется в тех случаях, когда уровни за один и тот же месяц в различные годы отличаются незначительно, если заметна тенденция к увеличению или снижению уровней, то вначале проводят тренд, а затем рассчитывают индексы сезонности.

Прогнозирование е уровней ряда в этом случае проводят путем умножения выровненных месячных уровней на индексы сезонности.

Список используемой литературы

Теоретическая часть

1.«Теория Статистики» под редакцией Р.А. Шмойловой/ «ФиС», 1998

2. Елисеева И.И., Юзбашев М.М. Е51 Общая теория статистики: Учебник / Под ред. И.И. Елисеевой. -- 5-е изд., перераб. и доп. -- М.: Финансы и статистика, 2004. -- 656 с: ил.

Аналитическая часть

1. http://www.peresvet.ru/analitika/

2. http://www.peresvet.ru/temptext/123848769883.pdf

3. www.gks.ru - Федеральная служба государственной статистики

4. www.economy.gov.ru - Министерство экономического развития РФ

Размещено на Allbest.ru