Автор работы: Пользователь скрыл имя, 14 Марта 2011 в 21:56, курсовая работа
Целью курсовой работы является исследование регрессионного анализа в статистическом изучении взаимосвязи показателей.
Задачи курсовой работы:
- статистическое изучение взаимосвязи социально - экономических явлений и процессов;
- рассмотрение регрессионного анализа;
- исследование регрессионного анализа для изучения объекта исследования.
Для
корректного использования
Изучение связи между результативным и двумя или более факторными признаками называется множественной регрессией. При исследовании зависимостей методами множественной регрессии ставят 2 задачи.
Корреляционно-
Хотя
все 5 функций присутствуют в практике
КРА, наиболее часто используется линейная
зависимость, как наиболее простая и легко
поддающаяся интерпретации уравнение
линейной зависимости:
,
где к – множество факторов включающихся в уравнение,
bj – коэффициент условно-чистой регрессии, который показывает среднее по совокупности отклонение результативного признака от его среднего значения при отклонении фактора xj от своей средней величины на единицу при условии, что все остальные факторы, входящие в уравнение сохраняют средние значения.[9]
Параметры
уравнения множественной
Пример:
0 – т.к. >0,7 следовательно на них обращаем особое внимание ЭКО. Шкала тесноты связи:
Если связь 0 – 0,3 – слабая связь
0,3 – 0,5 – заметная
0,3 – 0,5 – тесная
0,7 – 0,9 – высокая
более 0,9 – весьма высокая
Затем сравниваем два признака (доход и пол) <0,7, то включаем в уравнение множественной регрессии.
Отбор факторов для включения в уравнение множественной регрессии:
Методы
отбора факторов для включения в
уравнение множественной
Показатель
корреляции: рассчитывают изменение
теоретической корреляции отношения
или изменение средней
2.3. Проверка адекватности моделей, построенных на основе уравнений регрессии
Для практического использования моделей регрессии большое значение имеет их адекватность, т.е. соответствие фактическим статистическим данным.
Корреляционный и регрессионный анализ обычно (особенно в условиях так называемого малого и среднего бизнеса) проводится для ограниченной по объёму совокупности. Поэтому показатели регрессии и корреляции – параметры уравнения регрессии, коэффициенты корреляции и детерминации могут быть искажены действием случайных факторов. Чтобы проверить, насколько эти показатели характерны для всей генеральной совокупности, не являются ли они результатом стечения случайных обстоятельств, необходимо проверить адекватность построенных статистических моделей.
Проверка адекватности моделей, построенных на основе уравнений регрессии, начинается с проверки значимости каждого коэффициента регрессии.[12]
При численности объектов анализа до 30 единиц возникает необходимость проверки значимости (существенности) каждого коэффициента регрессии. При этом выясняют насколько вычисленные параметры характерны для отображения комплекса условий: не являются ли полученные значения параметров результатами действия случайных причин.
Значимость
коэффициентов простой линейной
регрессии (применительно к
Для параметра a0 :
для параметра a1:
где n - объём выборки;
-
среднее квадратическое
или
-
среднее квадратическое
Вычисленные по вышеприведенным формулам значения сравнивают с критическими t , которые определяют по таблице Стьюдента с учетом принятого уровня значимости α и числом степеней свободы вариации . В социально-экономических исследованиях уровень значимости α обычно принимают равным 0,05. Параметр признаётся значимым (существенным) при условии, если tрасч>tтабл . В таком случае практически невероятно, что найденные значения параметров обусловлены только случайными совпадениями.
Параметр модели признается статистически значимым, если tp>tкр
Наиболее сложным в этом выражении является определение дисперсии, которая может быть рассчитана двояким способом.
Наиболее сложным этапом, завершающим регрессионный анализ, является интерпретация уравнения, т.е. перевод его с языка статистики и математики на язык экономиста.
Интерпретация
моделей регрессии
Интерпретация
этих знаков полностью определяется
социально-экономическим
При адекватности уравнения регрессии исследуемому процессу возможны следующие варианты.
1.
Построенная модель на основе
ее проверки по F-критерию Фишера
в целом адекватна, и все
коэффициенты регрессии
2.
Модель по F-критерию Фишера адекватна,
но часть коэффициентов
3.
Модель по F-критерию Фишера адекватна,
но все коэффициенты регрессии
незначимы. Поэтому модель
3.
ПРИМЕНЕНИЕ РЕГРЕССИОННОГО
Таблица 3.1.
Исходные данные[15]
№ предприятия | Объем добычи, тыс. т | Численность рабочих, чел | Стоимость основных фондов, тыс. у.е. | Фондоотдача, тыс. т/ | Производительность труда |
1 | 1275 | 240 | 10450 | 0,12 | 5,31 |
2 | 1250 | 210 | 7458 | 0,17 | 5,95 |
3 | 1054 | 264 | 9845 | 0,11 | 4 |
4 | 1513 | 240 | 8580 | 0,18 | 6,3 |
5 | 2214 | 276 | 9900 | 0,22 | 8,02 |
6 | 950 | 234 | 9790 | 0,1 | 4,06 |
7 | 1890 | 246 | 9350 | 0,2 | 7,68 |
8 | 2380 | 250 | 12650 | 0,19 | 9,52 |
9 | 2065 | 300 | 11290,4 | 0,18 | 6,88 |
10 | 1785 | 276 | 13200 | 0,14 | 6,47 |
11 | 1420 | 290 | 11200 | 0,13 | 4,9 |
12 | 1720 | 310 | 1460 | 1,18 | 5,55 |