Автор работы: Пользователь скрыл имя, 07 Октября 2011 в 12:35, курсовая работа
Основной целью и задачей моей курсовой работы, по вопросам анализа рядов динамики в статистики, является изучение классификации, структуры, тенденции и колеблемость.
Объектом курсовой работы являются динамические ряды, предметом – исследование интервальных и моментных рядов динамики.
Основными задачами анализа рядов динамики являются:
1. Характеристика интенсивности отельных изменений в уровнях ряда от периода к периоду, от даты к дате.
2. Определение средних показателей временного ряда за определенный период.
3. Выявление основных закономерностей динамики показателей на отдельных этапах или в целом за рассматриваемый период.
4. Выявление факторов, обусловливающих изменение изучаемого объекта во времени.
5. Прогноз развития явления в будущем.
Формулы расчета по скользящей средней, в частности, следующим образом:
для трехчленной
`уi = | yi – 1 + yi + yi + 1 | ; |
3 |
для пятичленной
`уi = | yi – 2 + yi – 1 + yi + yi + 1 + yi + 2 | ||
5 | . |
Третий метод – метод аналитического выравнивания, под которым понимается определение основной проявляющейся во времени тенденции развития изучаемого явления. Развитие предстает как бы в зависимости только от течения времени. В итоге выравнивания временного ряда получают наиболее общий, суммарный, проявляющейся во времени результат действия всех причинных факторов. Отклонение конкретных уровней ряда от уровней, соответствующих общей тенденции, объясняют действием факторов, проявляющихся случайно или циклически. В результате приходят к трендовой модели:
уt = f(t) +
e
t ,
где f(t) – уровень, определяемый, тенденцией развития;
e
t – случайное или циклическое отклонение от тенденции.
Целью аналитического выравнивания динамического ряда является определение аналитической или графической зависимости f(t). На практике по имеющемуся временному ряду задают вид и находят параметры функции f(t), а затем анализируют поведение отклонений от тенденции. Функцию f(t) выбирают таким образом, чтобы она давала содержательное явление изучаемого процесса. Чаще всего при выравнивании используются следующие зависимости:
линейная
f(t) = а0 + а1t
- выбирается
в тех случаях, когда в
параболическая
f(t) = а0 + а1t + а2t2
- используется, если абсолютные цепные приросты сами по себе обнаруживают некоторую тенденцию развития, но абсолютные цепные приросты абсолютных цепных приростов (разности второго порядка) никакой тенденции развития не проявляют;
экспоненциальные
f (t) = ехр (а0 + а1t)
или f (t) = ехр (а0 + а1t + а2t2)
- применяются,
если в исходном временном
ряду наблюдается либо более
или менее постоянный
Оценка параметров (а0, а1, а2, …) осуществляется следующими методами:
В большинстве расчетов используют методом наименьших квадратов, который обеспечивает наименьшую сумму квадратов отклонений фактических уровней от выровненных:
min
å
(yt - f(t))2 .
Для линейной зависимости (f(t) = а0 + а1t) параметр а0 обычно интерпретации не имеет, но иногда его рассматривают как обобщенный начальный уровень ряда; а1 – сила связи, т.е. параметр, показывающий, на сколько изменяется результат при изменении времени на единицу.
Таким образом, а1 можно представить как постоянный теоретический абсолютный прирост.
В качестве примера рассмотрим число зарегистрированных браков на 1000 жителей России за 1991-2004 гг.
Таблица 12
Число зарегистрированных браков на 1000 жителей России за 1991-2004 гг.
Год | Число зарегистрированных браков (у), ‰ | t | y× t | t2 | f(t) |
1 | 2 | 3 | 4 | 5 | 6 |
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 |
11.2 10.9 10.7 10.6 10.6 10.4 10.4 9.6 9.7 9.8 9.9 9.5 9.4 9.1 |
-13 -11 -9 -7 -5 -3 -1 1 3 5 7 9 11 13 |
-145,6 -119,9 -96,3 -74,2 -53,2 -21,2 -10,4 9,6 29,1 49,0 69,3 85,5 103,4 118,3 |
169 121 81 49 25 9 1 1 9 25 49 81 121 169 |
11,077 10,931 10,785 10,639 10,493 10,347 10,202 10,056 9,910 9,764 9,618 9,472 9,326 9,180 |
Итого | 141,8 | 0 | -66,4 | 910 | 141,800 |
å
- итого
å
y = 141,8
å
t = 0
`
у1
×
t1 = 11.2 * - 13 = - 145.6
`
у2
×
t2 = 10.9 * - 11 = - 119.9
`
у3
×
t3 = 10.7 * - 9 = - 96.3
`
у4
×
t4 = 10,6 * - 7= -74,2
`
у5
×
t5 = 10,6 * -5 = - 53,2
`
у6
×
t6 = 10,4 *- 3= - 21,2
`
у7
×
t7 = 10,4 * - 1= - 10,4
`
у8
×
t8 = 9,6 * 1 = 9,6
`
у9
×
t9 = 9,7 * 3 = 29,1
`
у10
×
t10 = 9,8 * 5 = 49,0
`
у11
×
t1 1 = 9,9 * 7 = 69,3
`
у12
×
t12 = 9,5 * 9 = 85,5
`
у13
×
t13 = 9,4 * 11 = 103,4
`
у14
×
t14
= 9,1 * 13 = 118,3
å
y
×
t = - 66,4
( t1 ) 2 = (-13) 2 = 169
( t2 ) 2 = (-11) 2 = 121
( t3 ) 2 = (-9) 2 = 81
( t4 ) 2 = (-7) 2 = 49
( t5 ) 2 = (-5) 2 = 25
( t6 ) 2 = (-3) 2 = 9
( t7 ) 2 = (-1) 2 = 1
( t8 ) 2 = (1) 2 = 1
( t9 ) 2 = (3) 2 = 9
( t10 ) 2 = (5) 2 = 25
( t11 ) 2 = (7) 2 = 49
( t12 ) 2 = (9) 2 = 81
( t13 ) 2 = (11) 2 = 121
( t14 ) 2 = (13) 2 = 169
å
t2 = 910
Выравнивание проведено по линейной трендовой модели.
Оценка уравнения
выполнена методом наименьших квадратов.
f(t) = а0 + а1t
а0= | åy |
n |