- •Курсовая работа по дисциплине «Статистика» Статистическое изучение потребления населением товаров и услуг
- •Аннотация
- •2.2 Изучение межрегиональной вариации потребительских расходов…13
- •2.3 Анализ влияния доходов населения на объёмы потребления населением товаров и услуг…………………………………………………...16
- •1 Теоретические основы статистического изучения потребления населением товаров и услуг
- •1.2 Понятие и сущность статистики потребления населением товаров и услуг
- •1.2 Источники данных о потреблении населения, показатели потребления
- •2 Экономико-статистический анализ потребления населением товаров и услуг за 2002-2010гг
- •2.1 Анализ общего уровня потребления населением товаров и услуг
- •2.2 Изучение межрегиональной вариации потребительских расходов
- •2.3 Анализ влияния доходов населения на объёмы потребления населением товаров и услуг
- •Введем обозначения: XI- уровень потребления, уi-уровень доходов
- •Оценка тесноты связи между признаками.
- •Введем обозначения: XI- уровень потребления, уi-уровень доходов. Значение коэффициента парной корреляции между переменными XI и уi равно 0,365541, т.Е. Связь слабая.
- •Заключение
2.3 Анализ влияния доходов населения на объёмы потребления населением товаров и услуг
Предположим, что потребительские расходы зависят от величины дохода. Проверим это предположение с помощью корреляционно-регрессионного анализа (КРА). КРА проведем с помощью программы MS Excel.
Таблица 7
Исходная информация для КРА
Годы |
Доходы на человека в месяц, руб |
Потребительские расходы на человека в месяц, руб |
2004 |
1736,3 |
1100,7 |
2007 |
4153,1 |
2311,5 |
2008 |
5156,0 |
2526,1 |
2009 |
6819,7 |
3308,9 |
2010 |
8866,8 |
4202,9 |
Введем обозначения: xi – доходы, yi – потребительские расходы.
Рисунок 1 - Зависимость потребительских расходов от доходов
Предположим, что изучаемые признаки связаны линейной зависимостью. Рассчитаем линейный коэффициент корреляции по формуле:
Таблица 8
Промежуточные расчеты для определения параметров регрессии
Годы |
xi |
yi |
xy |
x2 |
y2 |
2004 |
1736,3 |
1100,7 |
1911145,41 |
3014737,69 |
1211540,5 |
2007 |
4153,1 |
2311,5 |
9599890,65 |
17248239,61 |
5343032,3 |
2008 |
5156 |
2526,1 |
13024571,6 |
26584336 |
6381181,2 |
2009 |
6819,7 |
3308,9 |
22565705,33 |
46508308,09 |
10948819 |
2010 |
8866,8 |
4202,9 |
37266273,72 |
78620142,24 |
17664368 |
∑ |
26731,9 |
13450,1 |
84367586,71 |
171975763,6 |
41548942 |
Коэффициент линейной корреляции, равный 0,997, свидетельствует о наличии очень сильной связи.
Оценка существенности коэффициента корреляции. Для этого найдем расчетное значение t-критерия Стьюдента:
По таблице критических точек распределения Стьюдента найдем tкр при уровне значимости α=0,05 и числе степеней свободы ν = 5-k-1 = 5-1-1=3. tкр = 3,18. Так как tрасч > tкр (22,3> 3,18), то линейный коэффициент считается значимым, а связь между x и y – существенной.
Этап построения регрессионного уравнения состоит в идентификации (оценке) его параметров, оценке их значимости и значимости уравнения в целом.
Идентификация регрессии. Построим линейную однофакторную регрессионную модель вида Для оценки неизвестных параметров a0, a1 используется метод наименьших квадратов, заключающийся в минимизации суммы квадратов отклонений теоретических значений зависимой переменной от наблюдаемых (эмпирических).
Система нормальных уравнений для нахождения параметров a0, a1 имеет вид:
После преобразования системы получим:
Решением системы являются значения параметров: а0 = 391,08; a1 = 0,43.
Уравнение регрессии:
Коэффициент детерминации:
Таким образом, судя по регрессионному коэффициенту а1=0,43, можно утверждать, что с увеличением дохода на 1 рубль потребительские расходы увеличивается в среднем на 0,43 рублей в месяц. Коэффициент регрессии а0=391,08 учитывает влияние факторов, неучтенных в модели. В нашем случае влияние неучтенных факторов невелико.
Коэффициент детерминации показывает, что 99,4% вариации признака «потребительские расходы» обусловлено вариацией признака «доход» а остальные 0,6% вариации связаны с воздействием неучтенных факторов.
Для того, чтобы оценить на сколько параметры а1, а0 отображают исследуемый процесс и не являются ли эти значения результатом случайных величин, рассчитаем средние ошибки и t-критерии Стьюдента.
По таблице критических точек распределения Стьюдента найдем tкр при уровне значимости α=0,05 и числе степеней свободы ν = 3. tкр = 3,18. Так как tа0расч > tкр (8,44 >3,18), то параметр а0 считается значимым. Так как tа1расч > tкр (22,4 > 3,18), то параметр а1 считается значимым.
Проверка значимости уравнения регрессии в целом.
По таблице критических значений критерия Фишера найдем Fкр = 10,13 (при α=0,05, ν1=k=1, ν2=n-k-1=3). Так как Fрасч > Fкр (497 > 10,13), то для уровня значимости α=0,05 и числе степеней свободы ν1=1, ν2=7 построенное уравнение регрессии можно считать значимым.
Вычислим прогнозное значение потребительских расходов для величины дохода хр=10000. При уровне значимости α=0,05 точечное значение прогноза
Т.е. с доверительной вероятностью p=1-α=1-0,05=0,95 можно предполагать, что прогнозное значение потребительских расходов при величине дохода, равной 10000 рублей, составит около 4691,08 рублей.
Таким образом, в результате проведения корреляционно-регрессионного анализа показано, что между величиной дохода и величиной потребительских расходов существует тесная связь. Изучаемые признаки связаны линейной корреляционной зависимостью. Найдены параметры этой зависимости. Проведена комплексная оценка значимости, как параметров регрессионного уравнения, так и регрессии в целом. Показана адекватность построенного уравнения регрессии. Следовательно, регрессионная модель зависимости величины дохода и величины потребительских расходов может быть использована для принятия управленческих решений.
2.4 Выявление существенных факторов, влияющих на потребление населением товаров и услуг, оценка их влияния, и прогнозирование возможных последствий.
Предположим, что потребление зависит от уровня доходов населения. Это предположение проверим с помощью корреляционно-регресионного анализа (КРА), с помощью программы Statistica.
Этапы исследования:
Постановка цели исследования.
Определить наличие или отсутствие зависимости между показателями потребления и доходами. Построить регрессионную модель этой зависимости, проверить ее качество и использовать эту модель для анализа и прогнозирования.
Сбор исходной статистической информации.
Таблица 9
Исходная информация для КРА
месяц |
Потребительские расходы на человека в месяц, руб., xi |
Среднедушевые доходы населения в месяц,руб.,yi |
январь |
3691,88 |
13454,3 |
февраль |
3839,28 |
16652,1 |
март |
3951,58 |
17316,3 |
апрель |
4149,98 |
18765,5 |
май |
4129,08 |
17616,9 |
июнь |
3470,28 |
18783,7 |
июль |
3398,88 |
18787,2 |
август |
3949,68 |
17859,7 |
сентябрь |
5169,18 |
18063,6 |
октябрь |
5125,28 |
19014,8 |
ноябрь |
4902,28 |
19133,6 |
декабрь |
4657,38 |
27122,3 |
год |
50434,76 |
222570 |