Таможенная статистика

 

Таблица 10 – Динамика внешнеторгового оборота по сигаретам за год

Показатель		Янв	Фев	Мар	Апр	Май	Июн	Июл	Авг	Сен	Окт	Ноя	Дек
Абсолютный прирост	цеп.	-	153287,68	380409,54	24596,04	-508769,55	359903,63	-348840,02	606895,78	-791660,86	198537,02	831088,22	-584547,46
	баз.	-	153287,70	533697,24	558293,28	49523,73	409427,36	60587,34	667483,12	-124177,74	74359,28	905447,50	320900,04
Коэффициент роста	цеп.	-	1,30	1,57	1,02	0,53	1,64	0,62	2,05	0,33	1,51	2,41	0,59
	баз.	-	1,30	2,04	2,08	1,10	1,79	1,12	2,29	0,76	1,14	2,76	1,62
Темп роста	цеп.	-	129,74%	156,88%	102,34%	52,62%	163,70%	62,28%	205,35%	33,08%	150,73%	240,90%	58,86%
	баз.	-	129,74%	203,53%	208,30%	109,61%	179,42%	111,75%	229,48%	75,91%	114,42%	275,64%	162,25%
Темп прироста	цеп.	-	29,74%	56,88%	2,34%	-47,38%	63,70%	-37,72%	105,35%	-66,92%	50,73%	140,90%	-41,14%
	баз.	-	29,74%	103,53%	108,30%	9,61%	79,42%	11,75%	129,48%	-24,09%	14,42%	175,64%	62,25%

 

 

 

На основании данных, представленных в таблице 9, я построила графики, на которых изображены темпы прироста цепных показателей (рисунок 5.1) и базисных (рисунок 5.2)

Рисунок 5.1– Значение цепных показателей темпов прироста внешнеторгового оборота (за период февраль - декабрь)

Рисунок 5.2– Значение базисных  показателей темпов прироста внешнеторгового оборота (за период февраль - декабрь)

Вывод: На основании таблицы 10 и рисунка 5.1 и рисунка 5.2 можно утверждать, что наименьшее значение внешнеторгового оборота наблюдалось в октябре, в этом месяце было зафиксировано наименьшие значение цепных  и базисных показателей темпов прироста. А наибольшее значение внешнеторгового оборота было в ноябре, в этом месяце было зафиксировано наибольшее значение цепных и базисных показателей темпов прироста.

На основе данных таблицы 9 необходимо рассчитать средние показатели динамики за год:

1. Средний уровень ряда динамики показывает среднее значение по всему динамическому ряду и рассчитывается по формуле (1), то есть по формуле средней арифметической:

 Хср =1470735,543 ( USD)

 

2. Средний абсолютный прирост показывает среднее значение абсолютного прироста по всему динамическому ряду, рассчитывается по формуле (10):

,                                            (10)

, где ВОk – объём внешнеторгового оборота последнего периода (месяца) в динамическом ряду;

K – количество периодов в динамическом ряду, K = 12.

АПср  = (17648826,52-1165313,1)/11= 1498501,22 ( USD)

3. Средний коэффициент роста- величина динамики, характеризующая среднюю интенсивность изменения показателя ,рассчитывается по формуле(11):

                                                         (11)

 

Kcpр = 1,28

 

4. Средний темп роста средняя величина динамики, выраженная в процентах, рассчитывается по формуле (12):

Трср = КРср×100%                                               (12)

Трср=1,28*100%= 128(%)

 

5. Средний темп прироста средняя величина прироста относительной величины динамики в процентах по формуле (13):

 

Тпср = ТРср – 100%                                                 (13)

Тпср=128-100%=28 (%)

Вывод: На основании полученных данных можно сделать вывод о том, что в среднем объем внешнеторгового оборота равен 1470735,543 USD .За год внешнеторговый оборот в среднем уменьшался на 1498501,22 ( USD). Средний коэффициент роста равный 1,28 свидетельствует об отрицательной динамике внешнеторгового оборота. Средний темп прироста в течение года равен 28% и свидетельствует об увеличении внешнеторгового оборота

Далее необходимо рассчитать значение средних цен на товары № 2 и 3. Результаты расчетов представлены в таблице 11.

Таблица 11 – Значения средних цен на товары, USD

Метод расчёта	Вино	Азотные удобрения
Средняя арифметическая	1069,75	538,20
Средняя арифметическая взвешенная	1072,94	536,81

Рассчитывается по формуле:

1)Средней арифметической( формула(1)).

2) Средняя арифметическая  взвешенная(формула(14)):

  ,                                                       (14)

где pi – значение цены товара при i-й поставке;

 хi – количество единиц товара в i-й поставке.

Вывод: Значение средней цены товара, рассчитанной для асбеста и средств для бритья, по формуле- Средняя арифметическая взвешенная , больше, чем значение средней цены товара рассчитанной по формуле простой Средней арифметической. Я считаю, что лучше выбрать значение средней цены товара, рассчитанной по формуле Средняя арифметическая взвешенная , так как Средняя арифметическая взвешенная используется, когда отдельные значения признака встречаются неодинаковое число раз, в нашем случае это стоимость единицы товара USD, а значит средняя рассчитанная по формуле (14) является более точной.

По товарам (Вино, азотные удобрения) необходимо определить среднюю (взвешенную) цену поквартально.

Таблица 12 – Показатели средних цен на товары по кварталам, USD

Наименование товара	I квартал	II квартал	III квартал	IV квартал
Вино	961,20	1013,67	1080,37	1163,89
Азотные удобрения	484,12	515,93	539,69	581,17

 

Теперь на основе индексного метода необходимо провести расчёт и анализ ежеквартальной динамики уровня цен на товары. В качестве показателя динамики используется цепной индивидуальный индекс цен, определяемый по формуле(15): 

,                                                     (15)

где рt – цена товара в текущем периоде;

 рt–1 – цена товара в предыдущем периоде.

Результаты расчётов представлены в таблице 12.

Таблица 13 – Динамика средних цен на товары по кварталам

Наименование товара	I квартал	II квартал	III квартал	IV квартал
Вино	–	1,053	1,064	1,081
Азотные удобрения	–	1,065	1,046	1,076

 

Теперь необходимо построим график динамика средних цен на товары по кварталам (рисунок 6).

Рисунок 6–Динамика средних цен на товары по кварталам

Вывод: На основании таблицы 13 и рисунка 6 можно сделать вывод о том ,что средняя цена на сигареты значительно уменьшилась в IV квартале, а цена на азотные удобрения выросли.

6 Корреляционно-регрессионный  анализ

Для выполнения корреляционно-регрессионного анализа необходимо на основе таблицы 2.5 по товару – яблоки сформировать исходные данные и представить их в таблице 14.

Таблица 14 – Сведения о поставках яблоки по месяцам

Месяц	Количество поставок за месяц	Внешнеторговый оборот за месяц, USD
Январь	6	22745,8
Февраль	4	14205,786
Март	5	19106,472
Апрель	4	15663,585
Май	3	11600,358
Июнь	1	2956,954
Июль	4	12148,325
Август	6	24255,294
Сентябрь	4	13244,259
Октябрь	3	12406,8
Ноябрь	10	40032,608
Декабрь	7	29672,93

 

На следующем этапе анализа необходимо построить уравнение парной линейной регрессии, используя значения фактора, оказывающего влияние (x) и результативного признака (y). В данном случае фактором будет являться количество поставок за месяц, а результативным признаком – стоимостное выражение внешнеторгового оборота за месяц. Уравнение парной линейной регрессии представлено формулой (16), имеющей вид:

y = a0 + b1x1 ,                                                     (16)

, где a0 и b1 – это коэффициенты при y-пересечении и переменной x1.Для построения парной линейной регрессии я использовала инструмент «Регрессия» Пакета программы MS Excel. Полученные результаты анализа представлены в виде таблицы 14.

На следующем этапе анализа необходимо построить уравнение парной линейной регрессии, используя значения фактора, оказывающего влияние (x) и результативного признака (y). В данном случае фактором будет являться количество поставок за месяц, а результативным признаком – стоимостное выражение внешнеторгового оборота за месяц. Уравнение парной линейной регрессии представлено формулой (16), имеющей вид:

y = a0 + b1x1 ,                                                     (16)

, где a0 и b1 – это коэффициенты при y-пересечении и переменной x1.Для построения парной линейной регрессии я использовала инструмент «Регрессия» Пакета программы MS Excel. Полученные результаты анализа представлены в виде таблицы 15.

Таблица 15– Итоги регрессионной статистики и дисперсионного анализа

Коэффициент	Значение коэффициента	Р-Значение
a0	-2432,59	0,062
b1	4605,82	0,00
Коэффициент корреляции	0,99	–

 

На основании таблицы 15 итоговое уравнение регрессии имеет вид :

y= -2432,59+4605,82

Вывод: На основании данных таблицы 15 и итогового уравнения регрессии можно сделать вывод о том, что один из коэффициентов в уравнении регрессии значим, а другой нет, т.к. один из коэффициентов больше 5%(равен 0,062*100%=6,2%) следовательно незначим, а другой меньше 5% (почти  равен 0) следовательно значим. Получается что один из коэффициентов можно принять в уравнении регрессии с вероятностью примерно 51%, а другой коэффициент с вероятностью почти 100%. Линейная связь (зависимость) между исследуемыми величинами сильная, так как значение коэффициент корреляции близко к единице.