Социально-экономическая статистика рынка услуг

Автор работы: Пользователь скрыл имя, 09 Мая 2012 в 17:51, курсовая работа

Краткое описание

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%.

Содержание работы

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.

Содержимое работы - 1 файл

kursovaya.doc

— 438.00 Кб (Скачать файл)

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