Статистическое исследование динамики социально-экономических явлений и процессов

Автор работы: Пользователь скрыл имя, 18 Ноября 2011 в 13:08, курсовая работа

Описание работы

Цель данной работы - изучение показателей безработицы, используемых для измерения ее состояния; статистический анализ и прогнозирование безработицы.
В своей работе я последовательно рассмотрю такие задачи как:
1) рассмотреть основные понятия рынка труда, занятости и безработицы;
2) описать основные виды безработицы;
3) изучить показатели безработицы;
4) рассмотреть методы, используемые для измерения состояния безработицы.
5) сделать статистический анализ и прогнозирование безработицы.

Содержание работы

ВВЕДЕНИЕ 3
1. 1. Теоретические основы статистического изучения безработицы
1.1 Понятие и сущность безработицы, ее виды и задачи статистического изучения 5
1.2. Методы, используемые для измерения состояния безработицы 9
2. Статистическая сводка и группировка социально-экономических явлений и процессов 12
3. Статистическое исследование динамики социально-экономических явлений и процессов 21
3.1 Расчет показателей динамики 21
3.2 Выявление тенденции развития ряда динамики 24
3.3 Выявление тенденции развития в рядах динамики с использованием ППП Excel 28
3.4 Анализ показателей колеблемости ряда динамики 33
3.5 Прогнозирование на будущее 35
4. Индексный анализ влияния различных факторов на социально-экономические явления и процессы 37
5. Корреляционно-регрессионный анализ влияния факторов 38
ЗАКЛЮЧЕНИЕ 42
БИБЛИОГРАФИЧЕСКИЙ СПИСОК

Файлы: 1 файл

статистика.docx

— 246.76 Кб (Скачать файл)
 

    4. Индексный  анализ влияния различных факторов  на социально-экономические явления  и процессы

     

Определим изменение  объема ВРП в Приволжском федеральном  округе в 2007 г. по сравнению с 2006 г., за счет изменения численности занятого населения и изменения производительности труда.

  2006 2007
  ВРП, млн. руб. Числ-ть занятого насел., тыс. чел. Производительн. труда, тыс. руб./чел. ВРП, млн. руб. Числ-ть занятого насел., тыс. чел. Фондоотдача
  ВРП0 Ч0 ПТ0=ВРП/Ч ВРП1 Ч1 ПТ1=ВРП/Ч
ПФО 3513341,6 14614,8 240,4 4391076,1 14687,9 299,0
 
  ВРП = Ч * ПТ            
                 
  Общее изменение  ВРП:          
  ∆ВРП = ВРП1 - ВРП0 = 4391076,1 - 3513341,6 = 877734,5 млн. руб.
                 
  в т.ч. за счет изменения численности занятого населения:      
  ∆ВРПЧ = (Ч1 - Ч0) * ПТ0          
( 14687,9 - 14614,8 )        * 240,4 = 17573,0 млн. руб.
                 
  в т.ч. за счет изменения производительности:        
  ∆ВРППТ = (ПТ1 - ПТ0) * Ч1          
( 299,0 - 240,4 )        * 14687,9 = 860161,5 млн. руб.
 

     

Расчеты показали, что общее изменение ВРП составило 877734,5 млн. руб., при этом за счет роста  численности занятого населения  ВРП увеличился на 17573 млн. руб., а  за счет роста производительности труда - на 860161,5 млн. руб.  
 

    5. Корреляционно-регрессионный  анализ влияния факторов 

     

Корреляционно-регрессионный  анализ: влияние стоимости основных фондов на душу населения и среднегодовой  численности занятых в экономике  на Валовой региональный продукт  на душу населения  (все показатели за 2005г.).

     

Создадим таблицу  исходных данных по Поволжскому и  Уральскому ФО (таблица 19). Построим корреляционную модель связи показателя «ВПР на душу населения» (У) с включением 4 факторов - Численность ЭАН (Х1), Удельный вес  городского  населения (Х2), Доля населения  в трудоспособном возрасте (Х3), Уровень  безработицы (Х4).

Таблица 19 Исходные данные для корреляционно-регрессионного анализа

Субъект ВРП на душу населения, тыс. руб. Численность ЭАН Удельный вес  городского  населения Доля населения  в трудоспособном возрасте Уровень безработицы
  У Х1 Х2 Х3 Х4
Республика  Башкортостан 148,4 2660 64 2926 1,5
Республика  Марий Эл 80,0 680 51 748 0,9
Республика  Мордовия 91,2 320 59 352 1,1
Республика  Татарстан 204,9 2160 73 2376 1,3
Удмуртская  Республика 134,1 1320 58 1452 1,6
Чувашская Республика 94,9 1200 55 1320 1,7
Пермский  край 176,2 1880 69 2068 2,0
Кировская область 84,7 920 63 1012 1,4
Нижегородская область 140,6 1640 59 1804 0,8
Оренбургская  область 176,7 1560 56 1716 0,9
Пензенская  область 86,1 720 46 792 0,9
Самарская область 189,1 1520 75 1672 1,3
Саратовская область 101,1 2140 77 2354 1,4
Ульяновская область 96,2 640 63 704 1,6
Курганская  область 85,7 760 67 836 2,6
Свердловская  область 187,6 2580 83 2838 1,6
Тюменская область 829,2 2200 79 2420 1,3
Челябинская область 165,9 880 66 968 1,8
 

     

Выполним корреляционно-регрессионного анализа с использованием ПП EXCEL (Анализ данных → Корреляция). Для удобства анализа разобьем результаты статистической обработки на отдельные фрагменты.

     

Таблица 20 Корреляционная матрица

  У Х1 Х2 Х3 Х4
У 1        
Х1 0,421730826 1      
Х2 0,480746036 0,649246291 1    
Х3 0,201730826 0,584321662 0,649246291 1  
Х4 -0,068924277 0,011362206 0,355561089 0,011362206 1
 

     

Корреляционная  матрица (таблица 20) содержит частные  коэффициенты корреляции. Коэффициенты второго столбца матрицы характеризуют  степень тесноты связи между  результативным (У) и факторными признаками (Х1, Х2, Х3). Например, связь между У  и Х1 (rУХ1 = 0,4217) прямая (>0), заметная (>0,3); связь между У и Х2 (rУХ2 = 0,4807) прямая (>0), заметная (>0,3). Коэффициенты корреляции между факторами свидетельствуют о заметной мультиколлинеарности (>0.5).

     

Таблица 21  Регрессионная статистика

Множественный R 0,501881402
R-квадрат 0,251884942
Нормированный R-квадрат 0,152136267
Стандартная ошибка 156,4316624
Наблюдения 18
 

     

Множественный коэффициент корреляции R = 0,5019 показывает, что теснота связи между факторами, включенными в модель, заметная. Множественный коэффициент детерминации (R-квадрат) D = 0,2519, т.е. 25,19% вариации фактора У объясняется вариацией изучаемых факторов.

     

Таблица 22 Дисперсионный анализ

  df SS MS F Значимость F
Регрессия 2 123587,4551 61793,72753 2,525195881 0,113439152
Остаток 15 367062,9752 24470,86501    
Итого 17 490650,4302      
 

     

Проверим значимость коэффициента множественной корреляции, для этого воспользуемся F-критерием, для чего сравним фактическое значение F с табличным значением Fтабл. При вероятности ошибки α = 0,05 и степенях свободы v1=k-1=2-1=1, v2=n-k=18-3=15, где k – число факторов в модели, n – число наблюдений, Fтабл = 3,63. Так как Fфакт = 2,525 < Fтабл = 3,63, то коэффициент корреляции незначим, следовательно, построенная модель в целом неадекватна.

     

Таблица 23 Коэффициенты регрессии

  Коэффициенты Стандартная ошибка t-статистика P-Значение
Y-пересечение -284,380424 269,5553171 -1,054998384 0,308123385
Переменная X 1 0,044903734 0,069585971 0,645298655 0,528481426
Переменная X 2 6,045666629 4,962318119 1,218315006 0,241920522
 

     

Используя таблицу 23 составим уравнение регрессии:

     

У = -284,38 + 0,0449Х1 + 6,046Х2.

     

Интерпретация полученных параметров следующая:

     

а0 = -284,38 – свободный член уравнения регрессии, содержательной интерпретации не подлежит;

     

а1 = 0,449 – коэффициент чистой регрессии при первом факторе свидетельствует о том, что при увеличении численности ЭАН на 1 тыс. чел., ВРП на душу населения увеличится на 0,449 руб., при условии, что другие факторы остаются постоянными;

     

а2 = 6,046 – коэффициент чистой регрессии при втором факторе свидетельствует о том, что при росте удельного веса городского населения на 1%.  ВРП на душу населения увеличится на 0,449 руб., при условии, что другие факторы остаются постоянными;

     

Проверку значимости коэффициентов регрессии осуществим с помощью t-критерия Стьюдента; для этого сравним фактические значения t-критерия с табличным значением t-критерия. При вероятности ошибки α = 0,05 и степени свободы v= n-k-1=14-1-1 =12, где k – число факторов в модели, n – число наблюдений, tтабл = 2,26. Получим

     

t1факт = 1,05 < tтабл = 2,26,

     

t2факт = 0,64 <  tтабл = 2,26,

     

t3факт = 1,22 <  tтабл = 2,26.

     

Значит, статистически  незначимыми являются все факторы. В этом случае модель непригодна для  принятия решений, и для прогнозов.

ВЫВОД ОСТАТКА    
     
Наблюдение Предсказанное У Остатки
1 221,9861714 -73,58617137
2 54,48311282 25,51688718
3 86,68310178 4,546898217
4 253,9453043 -49,05530426
5 125,5411687 8,518831325
6 102,0157208 -7,105720766
7 217,1895924 -41,00959236
8 137,8080084 -53,13800841
9 146,1978567 -5,597856695
10 125,1940381 51,53596188
11 26,05092902 60,08907098
12 237,2982481 -48,24824807
13 277,4717228 -176,4217228
14 125,234963 -29,01796302
15 154,8060776 -69,06207756
16 333,2615386 -145,6515386
17 293,2245867 535,9354133
18 154,148859 11,75114104

Информация о работе Статистическое исследование динамики социально-экономических явлений и процессов