 |
Информация о выпуске и состоянии некоторых фондов 30 промышленных предприятий за 2009 год, млн. грн.
|
|
|
|
1. Предположительно, между приведенными переменными должна существовать тесная связь. Определим показатели связи в несколько этапов:
- Проведем предварительный анализ свойств моделируемых переменных;
- Установим факт наличия связи, определим ее направление и тесноты.
- Нахождение аналитического выражения связи.
- Оценка адекватности модели
Для приблизительной оценки связи построим перекрестные точечные графики каждой из независимых переменных с зависимой
Рис. 7.1. Зависимость выпуска продукции от основных фондов
Рис. 7.2. Зависимость выпуска продукции от оборотных фондов
Рис 7.3. Зависимость выпуска продукции от фондов заработной платы
Как видно из графиков, со всеми переменными, вероятнее всего, существует достоверная связь.
2. Рассчитаем коэффициенты корреляции перекрестно, для всех признаков, используя аналитические компоненты программы Excel и SPSS:
Таблица №7.2.
Итоги расчетов коэффициентов корреляции
Во всех трех случаях существует прямая тесная связь. Для каждой из независимых переменных выведем линейное уравнение регрессии.
Х1: у=6,2903х1+92703
Х2: у=5,216х2+220,58
Х3: у=10,625х3+522,19
3. Используя компонент «Регрессия» выше указанных программ, проанализируем действие на результативный признак Y действие сразу трех факторов, рассчитаем множественный коэффициент корреляции, а также составим регрессионную модель для данной отрасли:
Таблица №7.3.
Результаты рассчетов множественной корреляции
Таблица №7.4
Результаты дисперсионного анализа
Таблица №7.5
Результаты дисперсионного анализа
Полученное уравнение множественной регрессии:
Y=206,4055-0,4240Х1+5,2551Х2+0,5288Х3
|
|
|
Таблица №7.6
Расчетные (теоретические) значения и остатки по зависимой переменной
| Наблюдение | Предсказанное значение | Остатки | Стандартные остатки | Персентиль | Выпуск продукции |
| 751,45 | -33,45 | -1,2 | 1,67 | ||
| 850,09 | -16,09 | -1,58 | |||
| 881,36 | -26,36 | -0,95 | 8,33 | ||
| 928,19 | -20,19 | -0,72 | 11,67 | ||
| 988,05 | 20,95 | 0,75 | |||
| 1120,04 | 29,96 | 1,07 | 18,33 | ||
| 1202,41 | 32,59 | 1,17 | 21,67 | ||
| 1498,14 | -17,14 | -0,61 | |||
| 1539,44 | -29,44 | -1,06 | 28,33 | ||
| 1569,95 | -29,95 | -1,07 | 31,67 | ||
| 1741,46 | 8,54 | 0,31 | |||
| 1807,13 | 2,87 | 0,1 | 38,33 | ||
| 1904,72 | -5,72 | -0,21 | 41,67 | ||
| 1981,83 | -26,83 | -0,96 | |||
| 2002,51 | -12,51 | -0,45 | 48,33 | ||
| 2017,66 | 7,34 | 0,26 | 51,67 | ||
| 2034,09 | 2,91 | 1,1 | |||
| 2079,8 | 5,2 | 0,19 | 58,33 | ||
| 2119,45 | 10,55 | 0,38 | 61,67 | ||
| 2149,56 | 34,44 | 1,24 | |||
| 2234,15 | 21,85 | 0,78 | 68,33 | ||
| 2255,29 | 56,71 | 2,03 | 71,67 | ||
| 2420,48 | 29,52 | 1,06 | |||
| 2514,78 | 65,22 | 2,34 | 78,33 | ||
| 2768,46 | -38,46 | -1,38 | 81,67 | ||
| 3032,10 | -42,1 | -1,51 | |||
| 3261,63 | 8,37 | 0,3 | 88,33 | ||
| 3513,29 | 6,71 | 0,24 | 91,67 | ||
| 3876,71 | -21,71 | -0,78 | |||
| 4133,77 | -23,77 | -0,85 | 98,33 |
Рис. 7.5. График подбора Х2
Рис. 7.6. График подбора Х1
Рис. 7.7. График нормального распределения
Аналитическое заключение: по результатам корреляционного и регрессионного анализа сделаем следующее заключение. Рассчитанные коэффициенты корреляции для каждого из признаков достаточно высоки (больше 0,9), что дает основание считать данную модель достоверной. При построении регрессионной модели результирующим признаком (зависимой переменной) выступал валовый выпуск 30 предприятий за исследуемый период, а факторными признаками (независимыми переменными) были приняты показатели состояния основных фондов, оборотных фондов и фондов заработной платы.
Полученный множественный R2=0,999 максимально высок для того, чтобы можно было утверждать адекватность модели. То есть, зависимая переменная подчиняется изменениям независимых, участвовавших в модели, на 99,95 %.
|
|
|
Значение F-критерия значимости регрессии в несколько тысяч раз превышает критическое значение, что тоже дает основание утверждать адекватность модели.
Дополнительным показателем надежности модели является t-статистика. Мы получаем F-критерии Фишера, возведя в квадрат показатель t. Все полученные квадраты значений достаточно высоки и явно превышают критическое.
При последующем построении модели видим, что параметры уравнения изменились не существенно. Можно сделать вывод о том, что обе модели достаточно достоверны и могут быть применены для прогнозирования.
Задание 8. Прогнозирование мирового экспорта методом ARIMA с использованием программного обеспечения пакета STATISTICA-8
На основе данных ВТО о мировом экспорте (тыс. дол. США) с 1949 по 2009 год с помощью пакета Statistica 8, с использованием методов прогнозирования (Time Series/Feorecasting), спрогнозируем объемы экспорта мирового рынка (рис. 8.1).
Рис. 8.1 Объемы мирового экспорта (тыс. дол. США) с 1949 по 2009 годы
Во-первых рассмотрим метод экспоненциальной средней Хольта.
Применим метод экспоненциального сглаживания Хольта с учетом тренда. Ряд имеет экспоненциальный тренд, с помощью меню подбора параметров в Statistica (Automatic Search) найдено лучшие коэффициенты apha и gamma для модели Хольта.
Таблица 8.1
Коэфициенти apha и gamma для модели Хольта
| Alpha | Gamma | Mean Error | Mean Abs error |
| 0,891000 | 0,001000 |
Построим прогноз для 10 следующих лет, учитывая эспоненциальный тренд с параметрами модели alpha=0,891000, Gamma= 0,001000 (рис. 8.2).
Рис. 8.2 Прогноз мирового экспорта на 10 следующих лет
Анализ графиков значений функций автокорреляции для остатков (рис. 8.3) удостоверяет об адекватности выбранной модели - наблюдаем отсутствие закономерностей в ошибках прогноза.
Рис. 8.3 Значение функции автокорреляции остатков
Однако гистограмма распределения ошибок (рис. 8.4) говорит, что распределение не является нормальным, что подтверждает не достаточную корректность модели.
Рис. 8.4 Гистограмма распределения ошибок
В целом модель прогнозирует последующее повышение экспорта, не обращая внимания на спад в 2009 году (размер погрешности 294774154 тыс. дол. США):
|
|
|
Таблица 8.2
Прогнозируемый объем экспорта по годам, в тыс. дол. США
| Годы | Прогнозируемый объем экспорта |
| 13395469875,15 | |
| 13906598426,85 | |
| 14437230019,41 | |
| 14988108826,89 | |
| 15560007418,63 | |
| 16153727842,81 | |
| 16770102751,18 | |
| 17409996566,85 | |
| 18074306696,56 | |
| 18763964789,25 |
Использование метода Бокса-Дженкинса (ARIMA).
Построим второй прогноз с помощью метода ARIMA. График автокорреляционной функции (рис. 8.5) для исходного ряда, из его вида видно, что ряд не является стационарным (присутствующий тренд).
Рис. 8.5 Значения функции автокорреляции ряда (ARIMA)
Приведем его к стационарному виду путем отделения разницы. Удостоверившись, что превращенный ряд представляется стационарным (автокорреляция отсутствует), подберем параметры p и q модели так, чтобы величина погрешности была наименьшей. Оптимальная модель p=0, q=3, r=1. Построим прогноз на следующие 10 лет (рис. 8.6).
Рис. 8.6 Прогноз мирового экспорта на следующие 10 лет (ARIMA)
Проанализируем остатки, проверяя их на наличие автокорреляции и соответствие нормальному закону распределения (рис. 8.7 и 8.8).
Рис. 8.7 Статистические характеристики распределения остатков (АRIMA)
Рис. 8.8 Гистограмма распределения погрешностей
Прогнозные значения получении методом ARIMA представленные в табл. 8.3.
Таблица 8.3
Прогнозируемый объем экспорта по годам (ARIMA), в тыс. дол. США
| Годы | Объем экспорта (тыс. дол. США.) | Стандартная погрешность (тыс. дол. США.) |
| 10841089138,19 | 639884549,07 | |
| 9299057794,51 | 1121753946,51 | |
| 11401216444,42 | 1604030741,47 | |
| 11546485030,80 | 1777440629,41 | |
| 11691753617,17 | 1935374837,75 | |
| 11837022203,55 | 2081359251,57 | |
| 11982290789,92 | 2217754924,61 | |
| 12127559376,30 | 2346234744,68 | |
| 12272827962,67 | 2468035260,82 | |
| 12418096549,05 | 2584101124,22 |
Сравним законы распределения погрешностей при прогнозировании методом экспоненциального сглаживания и методом ARIMA, вывод пролегает в том, что второй метод более точен и его можно применять в процессе антикризисного управления в период кризиса при прогнозировании будущего состояния экономики страны, отрасли или предприятия.
Из приведенного прогноза методом ARIMA можно сделать выводы, что с выходом на мировой рынок в следующие два года нужно подождать. Но необходимо отметить, при прогнозировании экономического положения данные предыдущих периодов служат лишь для определения только общих тенденций. Чтобы провести более точное прогнозирование необходимо использовать многофакторные регрессивные модели, которые учитывают другие факторы рынка.
|
|
|
Тематики контрольных работ по дисциплине
1. Статистический анализ конъюнктуры международного рынка информационных технологий
2. Статистический анализ конъюнктуры международного рынка драгоценных металлов и ювелирных изделий
3. Статистический анализ конъюнктуры международного рынка товаров промышленного назначения
4. Статистический анализ конъюнктуры международного рынка телепродукции
5. Статистический анализ конъюнктуры международного рынка игрушек для детей
6. Статистический анализ внешнеэкономической деятельности Украины (услуги).
7. Статистический анализ конъюнктуры международного рынка чая
8. Статистический анализ экономической конъюнктуры на международном рынке лекарственных препаратов
9. Статистический анализ конъюнктуры международного рынка бытовой техники
10. Статистический анализ конъюнктуры международного рынка автомобилей
11. Статистический анализ конъюнктуры международного рынка компьютерной техники и услуг
12. Статистический анализ конъюнктуры международного рынка морепродуктов
13. Статистический анализ конъюнктуры международного рынка мобильной связи.
14. Статистический анализ конъюнктуры международного рынка туризма (Украины)
15. Статистический анализ конъюнктуры международного рынка легкой промышленности
16. Статистический анализ конъюнктуры международного рынка нефти
17. Статистический анализ конъюнктуры международного рынка сельскохозяйственной продукции
18. Статистический анализ конъюнктуры международного рынка кофе.
19. Статистический анализ конъюнктуры международного рынка недвижимости
20. Статистический анализ конъюнктуры международного рынка нефтепродуктов
21. Статистический анализ конъюнктуры международного рынка стройматериалов
22. Статистический анализ конъюнктуры международного рынка средств массовой информации
23. Статистический анализ экспортно-импортных операций
24. Статистический анализ конъюнктуры международного рынка рекламных услуг
25. Статистический анализ конъюнктуры международного рынка предоставления финансовых услуг
26. Статистический анализ конъюнктуры международного рынка парфюмерии
27. Статистический анализ конъюнктуры международного рынка транспортных средств
|
|
|
28. Статистический анализ конъюнктуры международного рынка трудовых ресурсов
29. Статистический анализ конъюнктуры международного рынка металлов и металлопроката
30. Статистический анализ конъюнктуры рынка туризма Вьетнама
31. Статистический анализ конъюнктуры международного рынка потребительских товаров
32. Статистический анализ конъюнктуры международного рынка шоу-бизнеса СНГ
33. Статистический анализ конъюнктуры на рынке рекламы Китая
34. Статистический анализ конъюнктуры рынка туризма Китая
35. Статистический анализ международного рынка киноиндустрии
36. Статистический анализ международной торговли услугами Китая
37. Статистический анализ экономики Вьетнама
38. Статистический анализ экономики Китая
Статистический анализ конъюнктуры рынка автомобилей Юго-Восточной Азии
39. Статистический анализ внешнеэкономической деятельности Китая
40. Статистический анализ экономической конъюнктуры на рынке лекарственных препаратов Китая
Образец содержания контрольной работы (пример)
Тема: Статистический анализ конъюнктуры международного рынка туризма
Введение
Раздел 1
Международный туризм как отрасль экономики
1.1. Международный туризм — понятие и классификация
1.2. Организация международного туристического бизнеса
1.3. Всемирная туристическая организация (ВТО)
Раздел 2
Анализ международной туристической индустрии
2.1. Анализ факторов привлекательности отдельных регионов мира
2.2. Анализ динамики объемов и общей структуры туристов по странам
2.3. Анализ динамики и общей структуры отелей по странам за 2004-2008 годы
2.4. Конъюнктура рынка туризма в Украине
Раздел 3
Прогнозирование развития туристической индустрии
3.1. Прогнозирование конъюнктуры мирового рынка туризма
3.2. Прогноз туристической индустрии Германии, Франции, Италии
3.3. Прогнозирование рынка туризма Украины
Общие выводы и рекомендации
Список использованных источников
Терминологический словарь
Список использованной литературы
1. Бек В. Л. Теория статистики- ОЦУЛ, 2003.- 288 с
2. Давыдова Л. А. Теория статистики в вопросах и ответах: учебное пособие.- М.: ТК Велби, Изд-во Проспект, 2006. – 160 с.
3. Елисеева И. И., Юзбашев М. М. Общая теория статистики: Учебник / Под ред. И. И. Елисеевой. 5-е изд., перераб. И доп. – Г.: Финансы и статистика, 2004. -656 с.: ил.
4. Лугини О. Э., Білоусова С. В., Статистика- учебник, К., Центр учебной литературы, 2005. -580 с.
5. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: учебник /А. И. Харламов, О.Э. Башина и др. под ред А. А. Спирина, О. Э. Башиной. – Г.: Финансы и статистика, 1994 – 246 с.
6. Опорный конспект
7. Практикум по теории статистики: Учеб. Пособие / Под ред. Проф. Р. А. Шмойловой.- Г.: Финансы и статистика, 2000 – 416 с.
8. Официальный сайт ВТО/ http://www.wto.ru/
9. Офіційний сайт Державного комітету статистики України / Режим доступу: http://www.ukrstat.gov.ua/»
10. Программное обеспечение SPSS, Statistika.
|
|
|
