Классификация регионов РФ по доходам от услуг связи

     Теперь  проделаем регрессионный анализ с исключением. Все результаты представлены рисунке (Рис.3.1). 

     Рис. 3.1.

       

       Рис. 3.1. Результаты регрессионного анализа для кластера 2.

             Исходя из рисунка 3.1. можно построить следующее уравнение регрессии:

X1=0,114351+0,300196*X4+0,807374*X5

       Необходимо  проверить значимость уравнения  регрессии. Для этого находим  наблюдаемое значение статистики F. И получаем, что F=8,5576. Теперь найдем критическое значение статистики F на уровне значимости 0,1, оно равно 2,807. Так как наблюдаемое значение статистики F превосходит его критическое, то на уровне значимости 0,1 можно утверждать, что полученное уравнение регрессии значимое.

       Далее необходимо проверить значимость коэффициентов  уравнения. С вероятностью 0,1 можно  утверждать, что коэффициенты при X4 и Х5 значимы. Коэффициент детерминации составил 58,8%. Следовательно, на долю вариации факторных признаков приходится большая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. А значит данная регрессионная модель имеет высокое практическое значение.

       Увеличение  числа абонентских терминалов сотовой связи в регионах страны с самым маленьким среднедушевым доходом на единицу ведет к увеличению дохода от услуг связи населению на одного жителя на 0,3002 единиц в этих регионах. Это обусловлено тем, что в современной ситуации от услуг связи населению, основная доля дохода приходится именно на доход от пользователей аппаратами сотовой связи. А увеличение среднедушевого дохода населения единицы своего измерения приводит к увеличению дохода от услуг связи населению на 0,8074 единицы. 

      Далее рассмотрим 3 кластер, в котором собраны  регионы с самым высоким числом зарегистрированных сотовых терминалов на 1000 человек. Они представлены в таблице 3.3. 

Табл. 3.3.

Табл. 3.3. Группа регионов №3.

       Где:

       X1 – доходы от услуг связи населению в расчете на одного жителя (рублей);

       Х2 – число квартирных телефонных аппаратов  сети общего пользования на 1000 человек  населения (на конец года; штук);

       Х3 – средства связи (пользовательское оборудование) для оказания услуг  передачи данных и телематических служб  на 1000 человек (на конец года; штук);

       Х4 – число абонентских терминалов сотовой связи на 1000 человек населения (на конец года; штук);

       Х5 – среднедушевые доходы населения (рублей).

       Далее приведена корреляционная матрица  для данных показателей (Табл. 3.4.):

       Табл. 3.4.

Табл.3.4. Корреляционная матрица для группы регионов 3.

     В качестве результативного признака для регрессионного анализа опять  возьмём показатель X1 (доходы от услуг связи населению в расчете на одного жителя), факторными же признаками будут являться все остальные признаки. Все результаты представлены в таблице (Рис 3.2).

       Рис. 3.2.

       

Рис. 3.2. Результаты регрессионного анализа для кластера 3.

     Исходя  из таблицы (Рис. 3.2) можно построить следующее уравнение регрессии:

     X1=0,115496-0,408633*X2

       Необходимо  проверить значимость уравнения  регрессии. Для этого находим  наблюдаемое значение статистики F. И получаем, что F=5,3965. Теперь найдем критическое значение статистики F на уровне значимости 0,1, оно равно 3,026. Так как наблюдаемое значение статистики F превосходит его критическое, то на уровне значимости 0,1 можно утверждать, что полученное уравнение регрессии значимое.

       Далее необходимо проверить значимость коэффициентов  уравнения. С вероятностью 0,1 можно  утверждать, что коэффициент при  X2 значим. Коэффициент детерминации составил 24,1%.  Следовательно, на долю вариации факторных признаков приходится меньшая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. А значит данная регрессионная модель имеет низкое практическое значение.

       Из  уравнения регрессии можно сделать  следующий вывод. При увеличении числа квартирных телефонных аппаратов  на единицу своего измерения, доход  от услуг связи населению уменьшается  на 0, 4086 единиц.

       Далее рассмотрим 4 кластер, в котором собраны  регионы с самым высоким уровнем  среднедушевого дохода. Они представлены в таблице 3.5.

Табл.3.5.

Табл. 3.5. Группа регионов №4.

       Где:

       X1 – доходы от услуг связи населению в расчете на одного жителя (рублей);

       Х2 – число квартирных телефонных аппаратов  сети общего пользования на 1000 человек  населения (на конец года; штук);

       Х3 – средства связи (пользовательское оборудование) для оказания услуг  передачи данных и телематических служб  на 1000 человек (на конец года;штук);

       Х4 – число абонентских терминалов сотовой связи на 1000 человек населения (на конец года; штук);

       Х5 – среднедушевые доходы населения (рублей).

       Далее приведена корреляционная матрица  для данных показателей (Табл. 3.6.):

             Табл. 3.6.

Табл. 3.6. Корреляционная матрица для группы 4.

           В качестве результативного  признака для регрессионного анализа  опять возьмём показатель X1 (доходы от услуг связи населению в расчете на одного жителя), факторными же признаками будут являться все остальные признаки. Все результаты представлены таблице (Рис. 3.3).

Рис. 3.3.

       

       Рис.3.3. Результаты регрессионного анализа для группы 4.

       Исходя  из таблицы (рис. 3.3) можно построить следующее уравнение регрессии:

X1=1,705506-0,615090*X2+0,556431*X5

       Необходимо  проверить значимость уравнения  регрессии. Для этого находим  наблюдаемое значение статистики F. И получаем, что F=7,5856. Теперь найдем критическое значение статистики F на уровне значимости 0,1, оно равно 4,325. Так как наблюдаемое значение статистики F превосходит его критическое, то на уровне значимости 0,1 можно утверждать, что полученное уравнение регрессии значимое.

       Далее необходимо проверить значимость коэффициентов  уравнения. С вероятностью 0,1 можно  утверждать, что коэффициенты при X2 и Х5 значимы. Коэффициент детерминации составил 79,1%. Следовательно, на долю вариации факторных признаков приходится большая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. А значит данная регрессионная модель имеет высокое практическое значение.

       Увеличение  числа квартирных телефонных аппаратов в Дальневосточном округе страны на единицу ведет к уменьшению дохода от услуг связи населению на одного жителя на 0,6151 единиц в этих регионах. Скорее всего это обусловлено тем, что чем больше квартирных телефонных аппаратов у населения, тем меньше они заинтересованы в использовании более современных и дорогостоящих средствах связи, что и вызывает уменьшение дохода. А увеличение среднедушевого дохода населения единицы своего измерения приводит к увеличению дохода от услуг связи населению на 0,5564 единицы. 

       И, наконец, последней будет рассмотрена  группа регионов под номером 1. К ней отнесены регионы с примерно усреднёнными показателями оказываемых услуг связи и среднедушевым доходом населения. Они представлены в таблице 3.7.

       Табл.3.7.