Автор работы: Пользователь скрыл имя, 09 Мая 2012 в 17:51, курсовая работа
Под услугами принято понимать результаты экономической деятельности, которые не принимают материальной (вещной) формы и удовлетворяют определенные потребности - личные, коллективные и общественные.
В странах с развитой рыночной экономикой в сфере услуг занято более 2/3 численности активного населения. В валовом внутреннем продукте США стоимость услуг составляет 75%, Англии - 64%. В России в настоящее время на его долю приходится более 50%.
Введение
1. Социально-экономическая сущность статистики рынка услуг, задачи его статистической характеристики.
1.1. Основные понятия статистики рынка услуг.
1.2. Система показателей рынка услуг, методика их исчисления.
2. Анализ рынка услуг, предоставляемых населению в РФ.
2.1. Статистическое изучение динамики рынка услуг.
2.2. Статистическое изучение связи рынка услуг и доходов населения.
3. Разработка путей решения проблемы и обоснование их эффективности.
3.1. Современное состояние некоторых видов услуг в РФ
3.2. Маркетинг как решение проблемы на рынке услуг
Заключение
Список литературы.
Оценку качества построенных моделей даст коэффициент (индекс) детерминации, а также средняя ошибка аппроксимации. Коэффициент детерминации R2 и индекс детерминации 2 соответственно равны 98,9% и 64,02%. Это означает, что линейная модель y=-60860,2+168,3x объясняет 98,9% вариации объема платных услуг населению (y) вариацией фактора x доходов населения, а остальные 1,1% могут быть объяснены случайными факторами, не включенными в модель. Нелинейная экспоненциальная модель y=103064,9*1,0003x объясняет 64,02% вариации отклика, остальные 35,98% могут быть объяснены случайными факторами, не включенными в модель, или не правильным выбором вида математической связи.
Таким образом, наилучшая аналитическая форма связи – линейная. Получено уравнение регрессии: y=-60860,2+168,33x. С увеличением доходов населения (х) на 1 млрд. руб., объем платных услуг населению возрастает на 168,33 млн. руб. в год.
Построим диаграмму рассеяния для линейной модели (диаграмма 2):
Диаграмма 2. Диаграмма рассеяния для линейного типа модели.
Далее мы будем анализировать регрессионное уравнения линейного типа, считая его наиболее подходящим для прогноза.
Оценим тесноту связи изучаемых явлений с помощью линейного коэффициента парной корреляции R. Воспользуемся ППП Excel (таблица 8).
Таблица 8.
Регрессионная статистика | |
Множественный R | 0,99468 |
R-квадрат | 0,989387 |
Нормированный R- квадрат | 0,988061 |
Стандартная ошибка | 64016,65 |
Наблюдения | 10 |
Имеем R=0,989387, следовательно, связь между откликом y (объем платных услуг) и признаком x (доходы населения) прямая сильная.
Оценим статистическую значимость уравнения регрессии в целом с помощью F-статистики Фишера. Выдвинем гипотезу Ho о статистической незначимости уравнения регрессии и показателя тесноты связи R. Проведем дисперсионный анализ на базе MS Excel (таблица 9).
Таблица 9.
Дисперсионный анализ | |||||
| df | SS | MS | Fфакт | Fтаб =0,05 |
Регрессия | 1 | 305649*107 | 305649*107 | 745,826 | 3483*1014 |
Остаток | 8 | 32785049393 | 4098131174 |
|
|
Итого | 9 | 308928*107 |
|
|
|
В силу того, что Fфакт=745,826 < Fтаб=3483*1014, гипотеза Ho о случайности различий факторной и остаточной дисперсий принимается. Эти различия несущественны, статистически незначимы, уравнение ненадежно, незначимо, показатель тесноты связи ненадежен и отражает неустойчивую зависимость объема платных услуг и доходов населения.
Оценим статистическую значимость параметров регрессии и корреляции. Выдвинем гипотезу Ho о случайной природе показателей, т.е. о незначимом их отличии от нуля. Оценка значимости коэффициентов регрессии и корреляции с помощью t-критерия Стьюдента. Мы оценили статистическую значимость коэффициентов корреляции с помощью F-статистики, оценим статистическую значимость параметров a и b на базе ППП Excel (таблица 10):
Таблица 10.
| Коэффициенты | Стандартная ошибка | t-статистика |
Y-пересечение | -67336,3 | 40826,71 | -1,64932 |
Переменная X | 169,1909 | 7,004257 | 24,15544 |
| P-Значение | Нижние 95% | Верхние 95% |
Y-пересечение | 0,14307 | -163876 | 29203,43 |
Переменная X | 3,5*1016 | 152,6285 | 185,7533 |
Параметры a и b незначимы, т.к. p-значение > 0,05.
Итак, мы провели корреляционно-регрессионный анализ, измерив тесноту связи между изучаемыми явлениями, установив аналитическую форму связи (линейная), построив регрессионную модель y=-60860,2+168,33x, оценив статистическую значимость модели в целом и коэффициентов регрессии и корреляции (уравнение регрессии незначимо, коэффициент R незначим, параметры a и b незначимы).
Введем дополнительные обозначения:
x1 – доходы от предпринимательской деятельности (млрд. руб.; до 1998 г. – трлн. руб.);
x2 – оплата труда, включая скрытую (официально не учтенную) заработную плату (млрд. руб.; до 1998 г. – трлн. руб.);
x3 – социальные выплаты (млрд. руб.; до 1998 г. – трлн. руб.);
x4 – доходы от собственности (млрд. руб.; до 1998 г. – трлн. руб.);
x5 – другие доходы (млрд. руб.; до 1998 г. – трлн. руб.).
Таким образом, имеем следующую таблицу (таблица 11):
Таблица 11.
Годы | Y | Х1 | Х2 | Х3 | Х4 | Х5 |
1995 | 113043 | 149,7 | 571,8 | 119,5 | 59,0 | 10,9 |
1996 | 20985 | 178,2 | 902,1 | 186,9 | 72,3 | 14,9 |
1997 | 276288 | 206,6 | 1100,1 | 245,5 | 94,3 | 9,9 |
1998 | 318478 | 255,9 | 1153,4 | 237,7 | 97,1 | 31,9 |
1999 | 443654 | 360,3 | 1932,8 | 381,7 | 207,1 | 26,2 |
2000 | 602755 | 612,2 | 2501,9 | 551,1 | 270,9 | 47,8 |
2001 | 811713 | 672,2 | 3439,5 | 808,3 | 304,6 | 101,2 |
2002 | 1088016 | 810,7 | 4493,9 | 1040,5 | 353,8 | 132,1 |
2003 | 1430669 | 1066,9 | 5690,2 | 1253,4 | 694,5 | 195,5 |
2004 | 1789779 | 1285,5 | 7092,9 | 1407,4 | 904,2 | 240,0 |
Как и в предыдущей части работы используем ППП Excel.
По результатам регрессионного анализа составим уравнение регрессии, которое имеет общий вид y=0+1x1+2x2+3x3+4x4+5x5 (таблица 12).
Таблица 12.
| Коэффициенты | Стандартная ошибка | t-статистика |
Y-пересечение | -78655,8 | 112071,9 | -0,70183 |
Переменная X 1 | 233,7177 | 906,674 | 0,257775 |
Переменная X 2 | 219,3986 | 321,3032 | 0,68284 |
Переменная X 3 | -31,7359 | 1245,711 | -0,02548 |
Переменная X 4 | 83,10911 | 1075,711 | 0,077255 |
Переменная X 5 | -61,145 | 3420,072 | -0,01788 |
| P-Значение | Нижние 95% | Верхние 95% |
Y-пересечение | 0,533332 | -435319 | 278007,4 |
Переменная X 1 | 0,813252 | -2651,73 | 3119,162 |
Переменная X 2 | 0,543712 | -803,133 | 1241,93 |
Переменная X 3 | 0,981275 | -3996,15 | 332,677 |
Переменная X 4 | 0,943284 | -3340,48 | 3506,697 |
Переменная X 5 | 0,986859 | -10945,3 | 10823,06 |
Информация о работе Социально-экономическая статистика рынка услуг