- •Тема 6. Статистическое изучение взаимосвязи социально-экономических явлений
- •Решение.
- •2) Степень (тесноту) связи между размером основных фондов и выпуском продукции на один завод определим с помощью линейного коэффициента корреляции (коэффициента корреляции Пирсона):
- •Тема 7. Анализ рядов динамики
- •Решение.
- •Метод наименьших квадратов
Решение.
1) Сгладим исходные данные методом укрупнения интервалов. В качестве нового интервала возьмет квартал (3 месяца). Показатели сглаженного ряда динамики находим усреднением значений по трем месяцам, входящим в квартал. Получим следующий ряд динамики (таблица 1).
Таблица 1
Квартал |
Объем производства, млн.руб. |
1 |
|
2 |
|
3 |
|
4 |
|
Итого: |
|
2) Сгладим данные методом скользящей средней (по трём месяцам). Для этого сначала вычислим средний уровень из трёх первых по порядку уровней ряда, затем средний из трёх уровней, начиная со второго, затем – с 3-го и т.д. Результаты расчета по трехмесячной скользящей средней сведём в таблицу.
Таблица 2
Месяц |
Фактические уровни
ряда,
|
Сглаженные уровни
ряда,
|
1 |
|
- |
2 |
|
|
3 |
|
|
4 |
|
|
5 |
|
|
6 |
|
|
7 |
|
|
8 |
|
|
9 |
|
|
10 |
|
|
11 |
|
|
12 |
|
|
Итого: |
|
|
3)
Сгладим исходные
данные методом аналитического выравнивания
по линейному тренду
(уравнение линейной регрессии), где
коэффициенты
и
можно
найти методом наименьших квадратов,
решив систему линейных уравнений:
или после сокращения на п:
где у – фактические (эмпирические) уровни ряда; t – время или порядковый номер периода или момента времени.
Составим вспомогательную таблицу, куда сведём все промежуточные вычисления.
Таблица 3
Месяц |
Объем производства, млн.руб.
|
Условное обознач. месяца
|
|
|
Выровненный ряд
|
Январь |
|
1 |
|
|
|
Февраль |
|
2 |
|
|
|
Март |
|
3 |
|
|
|
Апрель |
|
4 |
|
|
|
Май |
|
5 |
|
|
|
Июнь |
|
6 |
|
|
|
Июль |
|
7 |
|
|
|
Август |
|
8 |
|
|
|
Сентябрь |
|
9 |
|
|
|
Октябрь |
|
10 |
|
|
|
Ноябрь |
|
11 |
|
|
|
Декабрь |
|
12 |
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
Проверка!
|
Тогда исходная система примет вид:
Решим её методом Крамера:
Откуда
Уравнение
линии тренда имеет вид:
.
Рассчитаем линию тренда по месяцам и занесём данные в таблицу 3.
4) Используя данные таблиц 1, 2, 3 изобразим графически фактические и сглаженные уровни ряда (разными цветами для каждого метода выравнивания).
5) При составлении прогноза уровней социально-экономических явлений обычно оперируют не точечной, а интервальной оценкой, рассчитывая доверительные интервалы прогноза. При этом границы интервалов определяются по формуле:
,
(4)
где
– точечный прогноз, рассчитанный по
отобранной модели;
– коэффициент до-
верия
Стьюдента при уровне значимости
;
– среднее квадратическое отклонение
тренда, которое рассчитывается, как:
,
где n число – уровней ряда; m – число определяемых параметров трендовой модели (в нашем случае это и ).
Составим вспомогательную расчётную таблицу для вычисления среднего квадратического отклонения.
Месяц |
Объем производства, млн.руб. |
|
|
|
Январь |
|
|
|
|
Февраль |
|
|
|
|
Март |
|
|
|
|
Апрель |
|
|
|
|
Май |
|
|
|
|
Июнь |
|
|
|
|
Июль |
|
|
|
|
Август |
|
|
|
|
Сентябрь |
|
|
|
|
Октябрь |
|
|
|
|
Ноябрь |
|
|
|
|
Декабрь |
|
|
|
|
|
|
|
|
|
Следовательно:
Для
того чтобы получить точечный прогноз
показателя, в уравнение линейной
регрессии
подставим значение
:
____________
По
числу степеней свободы
________ и заданной доверительной вероятности
________ найдем коэффициент доверия к
прогнозу:
_______.
Используя формулу (4) запишем границы
прогнозируемого показателя:
Окончательно получаем:
_________
____________
Таким образом, с вероятностью Р = _______ можно ожидать, что объём производства продукции на начало следующего года будет не ниже _________ млн. руб., но и не выше ______ млн. руб.
Приложение 1
Критические точки распределения Стьюдента.
В
таблице приведены значения
в зависимости от числа степеней свободы
и доверительной вероятности P
(уровня
значимости
=
1 – P).
k |
Доверительная вероятность (надёжность) P |
|||||||
0.80 |
0.90 |
0.95 |
0.98 |
0.99 |
0.995 |
0.998 |
0.999 |
|
1 |
3.0770 |
6.3130 |
12.7060 |
31.820 |
63.656 |
127.656 |
318.306 |
636.619 |
2 |
1.8850 |
2.9200 |
4.3020 |
6.964 |
9.924 |
14.089 |
22.327 |
31.599 |
3 |
1.6377 |
2.35340 |
3.182 |
4.540 |
5.840 |
7.458 |
10.214 |
12.924 |
4 |
1.5332 |
2.13180 |
2.776 |
3.746 |
4.604 |
5.597 |
7.173 |
8.610 |
5 |
1.4759 |
2.01500 |
2.570 |
3.649 |
4.0321 |
4.773 |
5.893 |
6.863 |
6 |
1.4390 |
1.943 |
2.4460 |
3.1420 |
3.7070 |
4.316 |
5.2070 |
5.958 |
7 |
1.4149 |
1.8946 |
2.3646 |
2.998 |
3.4995 |
4.2293 |
4.785 |
5.4079 |
8 |
1.3968 |
1.8596 |
2.3060 |
2.8965 |
3.3554 |
3.832 |
4.5008 |
5.0413 |
9 |
1.3830 |
1.8331 |
2.2622 |
2.8214 |
3.2498 |
3.6897 |
4.2968 |
4.780 |
10 |
1.3720 |
1.8125 |
2.2281 |
2.7638 |
3.1693 |
3.5814 |
4.1437 |
4.5869 |
11 |
1.363 |
1.795 |
2.201 |
2.718 |
3.105 |
3.496 |
4.024 |
4.437 |
12 |
1.3562 |
1.7823 |
2.1788 |
2.6810 |
3.0845 |
3.4284 |
3.929 |
4.178 |
13 |
1.3502 |
1.7709 |
2.1604 |
2.6503 |
3.1123 |
3.3725 |
3.852 |
4.220 |
14 |
1.3450 |
1.7613 |
2.1448 |
2.6245 |
2.976 |
3.3257 |
3.787 |
4.140 |
15 |
1.3406 |
1.7530 |
2.1314 |
2.6025 |
2.9467 |
3.2860 |
3.732 |
4.072 |
16 |
1.3360 |
1.7450 |
2.1190 |
2.5830 |
2.9200 |
3.2520 |
3.6860 |
4.0150 |
17 |
1.3334 |
1.7396 |
2.1098 |
2.5668 |
2.8982 |
3.2224 |
3.6458 |
3.965 |
18 |
1.3304 |
1.7341 |
2.1009 |
2.5514 |
2.8784 |
3.1966 |
3.6105 |
3.9216 |
19 |
1.3277 |
1.7291 |
2.0930 |
2.5395 |
2.8609 |
3.1737 |
3.5794 |
3.8834 |
20 |
1.3253 |
1.7247 |
2.08600 |
2.5280 |
2.8453 |
3.1534 |
3.5518 |
3.8495 |
21 |
1.3230 |
1.7200 |
2.0790 |
2.5170 |
2.8310 |
3.1350 |
3.5270 |
3.8190 |
22 |
1.3212 |
1.7117 |
2.0739 |
2.5083 |
2.8188 |
3.1188 |
3.5050 |
3.7921 |
23 |
1.3195 |
1.7139 |
2.0687 |
2.4999 |
2.8073 |
3.1040 |
3.4850 |
3.7676 |
24 |
1.3178 |
1.7109 |
2.0639 |
2.4922 |
2.7969 |
3.0905 |
3.4668 |
3.7454 |
25 |
1.3163 |
1.7081 |
2.0595 |
2.4851 |
2.7874 |
3.0782 |
3.4502 |
3.7251 |
26 |
1.315 |
1.705 |
2.059 |
2.478 |
2.778 |
3.0660 |
3.4360 |
3.7060 |
27 |
1.3137 |
1.7033 |
2.0518 |
2.4727 |
2.7707 |
3.0565 |
3.4210 |
3.6896 |
28 |
1.3125 |
1.7011 |
2.0484 |
2.4671 |
2.7633 |
3.0469 |
3.4082 |
3.6739 |
29 |
1.3114 |
1.6991 |
2.0452 |
2.4620 |
2.7564 |
3.0360 |
3.3962 |
3.8494 |
30 |
1.3104 |
1.6973 |
2.0423 |
2.4573 |
2.7500 |
3.0298 |
3.3852 |
3.6460 |
32 |
1.3080 |
1.6930 |
2.0360 |
2.4480 |
2.7380 |
3.0140 |
3.3650 |
3.6210 |
34 |
1.3070 |
1.6909 |
2.0322 |
2.4411 |
2.7284 |
3.9520 |
3.3479 |
3.6007 |
36 |
1.3050 |
1.6883 |
2.0281 |
2.4345 |
2.7195 |
9.490 |
3.3326 |
3.5821 |
38 |
1.3042 |
1.6860 |
2.0244 |
2.4286 |
2.7116 |
3.9808 |
3.3190 |
3.5657 |
40 |
1.303 |
1.6839 |
2.0211 |
2.4233 |
2.7045 |
3.9712 |
3.3069 |
3.5510 |
42 |
1.320 |
1.682 |
2.018 |
2.418 |
2.6980 |
2.6930 |
3.2960 |
3.5370 |
44 |
1.301 |
1.6802 |
2.0154 |
2.4141 |
2.6923 |
3.9555 |
3.2861 |
3.5258 |
46 |
1.300 |
1.6767 |
2.0129 |
2.4102 |
2.6870 |
3.9488 |
3.2771 |
3.5150 |
48 |
1.299 |
1.6772 |
2.0106 |
2.4056 |
2.6822 |
3.9426 |
3.2689 |
3.5051 |
50 |
1.298 |
1.6759 |
2.0086 |
2.4033 |
2.6778 |
3.9370 |
3.2614 |
3.4060 |
60 |
1.2958 |
1.6706 |
2.0003 |
2.3901 |
2.6603 |
3.9146 |
3.2317 |
3.4602 |
70 |
1.2938 |
1.6689 |
1.9944 |
2.3808 |
2.6479 |
3.8987 |
3.2108 |
3.4350 |
80 |
1.2820 |
1.6640 |
1.9900 |
2.3730 |
2.6380 |
2.8870 |
3.1950 |
3.4160 |
90 |
1.2910 |
1.6620 |
1.9867 |
2.3885 |
2.6316 |
2.8779 |
3.1833 |
3.4019 |
100 |
1.2901 |
1.6602 |
1.9840 |
2.3642 |
2.6259 |
2.8707 |
3.1737 |
3.3905 |
Приложение 2.

=
=
=