Автор работы: Пользователь скрыл имя, 17 Февраля 2013 в 07:54, курсовая работа
Цель курсовой работы является выявление знаний методологических основ статистики, научиться применять эти знания в анализе социально-экономических явлений, проводить статистические расчеты, привить навыки проведения самостоятельной исследовательской работы с помощью статистических методов. Достижение данной цели подразумевает решение следующих задач:
-изучение методов сбора и обработки данных;
-анализа статистических взаимосвязей;
-применение статистической методологии в анализе конкретных данных;
а) б) в)
Если коэффициент корреляции г = 0, то связь отсутствует.
Если 0 < r < 1, то связь прямая, т. е с увеличением х увеличивается у.
Если -1 < г < 0, то связь обратная, т.е. с увеличением х уменьшается у или наоборот, с уменьшением х увеличивается у.
Если г=1, то связь функциональная, т. е. каждому значению факторного признака строго соответствует одно значение результативного признака.
По степени тесноты связи между признаками различают связи:
– сильная, если коэффициент корреляции ±0,7 ≤ r ≤ ±1;
– умеренная, если коэффициент корреляции ±0,5 ≤ r ≤ ±0,7;
– слабая, если коэффициент корреляции ±0,3 ≤ r ≤ ±0,5;
– практически отсутствующая, если коэффициент корреляции 0 ≤ r ≤ 0,3.
Отчетные данные по 10 муниципальным предприятиям города о числе мест ЭВМ (у) и о численности сотрудников(х) сведены в таблицу (графы 1 и 2 в таблице 12). Определим зависимость числа рабочих мест от численности сотрудников (или уравнение регрессии у по х) и измерим тесноту этой зависимости.
Таблица 12 – Расчет показателей для нахождения уравнения регрессии
Мун. предпр. |
численность сотрудников, хi |
число раб. мест, yi |
x² |
y² |
x*y |
yx=0,02x-6.32 |
1 |
460 |
5 |
211600 |
25 |
2300 |
2,88 |
2 |
640 |
8 |
409600 |
64 |
5120 |
6,48 |
3 |
790 |
8 |
624100 |
64 |
6320 |
9,48 |
4 |
890 |
10 |
729100 |
100 |
8900 |
11,48 |
5 |
950 |
11 |
902500 |
121 |
10450 |
12,68 |
6 |
980 |
10 |
960400 |
100 |
9800 |
13,28 |
7 |
1080 |
14 |
1166400 |
196 |
15120 |
15,28 |
8 |
1140 |
16 |
1299600 |
256 |
18240 |
16,48 |
9 |
1250 |
20 |
1562500 |
400 |
25000 |
18,68 |
10 |
1280 |
24 |
1638400 |
576 |
30720 |
19,28 |
∑ |
9460 |
126 |
9567200 |
1902 |
131970 |
126 |
Получив искомое выражение регрессии можно утверждать, что с увеличением числа сотрудников, число рабочих мест увеличивается в среднем на 0,02 единицы.
Поскольку уравнение регрессии имеет линейный вид, мы можем найти линейный коэффициент корреляции. Рассчитаем его несколькими способами:
,
,
Итак, коэффициент корреляции 0 < r = 0,9 < 1. Это означает, что характер связи между исследуемыми признаками прямой, и поскольку 0,7 ≤ 0,91 ≤ 1, то степень тесноты связи сильная. Получаем, что с увеличением числа сотрудников, число рабочих мест увеличивается в среднем на 0,02 единицы.
2.6. Анализ рядов динамики
Для выявления тенденций и закономерностей социально-экономического развития явлений, статистика строит особые ряды статистических показателей - ряды динамики (временные ряды). Это ряды изменяющихся во времени значений статистического показателя, расположенных в хронологическом порядке.
Ряды динамики получаются в результате сводки и обработки материалов периодического статистического наблюдения. Значения показателя, составляющие ряд динамики, называются уровнями ряда. Каждый ряд динамики характеризуется двумя параметрами: значениями времени (t, сутки, месяцы, кварталы, годы и т.д.) и соответствующими им значениями уровней ряда (yt).
Основными способами обработки рядов динамики являются:
1) укрупнение интервалов и расчет для них средних показателей;
2) сглаживание уровней способом скользящей средней;
3) выравнивание по аналитическим формулам.
Ряды динамики, как правило, представляют в виде таблицы или графически. Классификация рядов динамики представлена в приложении 4.
Ряды относительных величин характеризуют темпы роста (или снижения) определенного показателя, изменение удельного веса, изменение показателей интенсивности отдельных явлений.
Ряды динамики средних величин характеризуют изменения уровня явления, отнесенного к единице совокупности.
Уровни моментных рядов динамики характеризуют явление по состоянию на определенный момент времени. Уровни интервальных рядов динамики характеризуют результат, накопленный или вновь произведенный за определенный интервал времени.
Если ряды несопоставимы, то добиться сопоставимости рядов можно дополнительными расчетами. Для этого используют специальный прием - смыкания рядов динамики – объединение в один ряд (более длинный) двух или нескольких рядов динамики, уровни которых являются несопоставимыми. Для осуществления смыкания необходимо, чтобы для одного из периодов (переходного) имелись данные, исчисленные по разной методологии (или в разных границах).
На практике для количественной оценки динамики явлений широко применяется ряд основных аналитических показателей - абсолютный прирост, темпы роста, а так же по данным показателям делается прогноз.
Абсолютный прирост ( ) характеризует размер увеличения (или уменьшения) уровня ряда за определенный промежуток времени:
∆y – абсолютный прирост – это разность между уровнями ряда динамики. Может быть цепным или базисным:
Коэффициент роста (темп роста) показывает, во сколько раз данный уровень ряда больше базисного уровня (если этот коэффициент больше единицы) или какую часть базисного уровня составляет уровень текущего периода за некоторый промежуток времени (если он меньше единицы).
– темп роста – относительный показатель, получающийся в результате сопоставления двух уровней одного ряда динамики. Темпы роста могут рассчитываться как цепные, когда каждый уровень ряда сопоставляется с предшествующим ему уровнем, либо как базисные, когда все уровни сопоставляются с одним и тем же уровнем, выбранным за базу сравнения (при умножении на 100 – в процентном выражении):
Между цепными и базисными темпами роста существует взаимосвязь:
произведение всех цепных темпов роста равно последнему базисному.
Тпр – темп прироста – относительный показатель, показывающий, насколько один уровень ряда динамики больше или меньше другого, принимаемого за базу сравнения:
или
На основе динамических рядов можно произвести прогнозирование исследуемых явлений на заданное время вперед. Для этого используют способ выравнивания по аналитическим формулам, суть которого в том, что по эмпирическим данным находят теоретические (вероятностные) уровни, которые рассматриваются как некая функция времени, т.е.
Данные по
выпуску специалистов из
Таблица 13 - Показатели изменения уровней ряда динамики
Показатели |
Год | |||
2006 |
2007 |
2008 |
2009 | |
Количество специалистов работающих в муниципальных предприятиях, тыс. человек |
360 |
460 |
401 |
635 |
Цепные |
Базисные | |||
Абсолютные приросты, , ∆y | ||||
∆yц1 = y1980−y1970=460-360=100 |
∆yб1 = y1980−y1970 =460-360=100 | |||
∆yц2 = y1990−y1980 =401-460=-59 |
∆yб2 = y1990−y1970 =401-360=41 | |||
∆yц3 = y2000−y1990 =635-401=66 |
∆yб3 = y2000−y1970 =635-360=275 | |||
Темпы роста, Тр | ||||
|
| |||
|
| |||
|
| |||
Темпы прироста, Тпр | ||||
|
| |||
|
| |||
|
|
Сведем всю совокупность показателей ряда динамики в таблицу 14 для анализа взаимосвязи между ними.
Таблица 14 - Показатели изменения уровней ряда динамики
Показатели |
Год | |||
2006 |
2007 |
2008 |
2009 | |
1. Количество специалистов работающих в муниципальных предприятиях, тыс. человек |
360 |
460 |
401 |
635 |
2. Темпы роста базисные: |
− |
1,27 |
1,11 |
1,76 |
2.1. коэффициенты | ||||
2.2. проценты |
− |
127 |
111 |
176 |
3. Темпы роста цепные: |
− |
1,27 |
0,87 |
1,58 |
3.1. коэффициенты | ||||
3.2. проценты |
− |
127 |
87 |
158 |
4. Абсолютные приросты, ед. |
− |
100 |
41 |
275 |
4.1. базисные (2000 г.) | ||||
4.2. цепные (по годам) |
− |
100 |
-59 |
66 |
5. Темпы прироста базисные |
− |
0,27 |
011 |
0,76 |
5.1. коэффициенты | ||||
5.2. проценты |
− |
27 |
11 |
76 |
6. Темпы прироста цепные |
− |
0,27 |
-0,13 |
0,58 |
6.1. коэффициенты | ||||
6.2. проценты |
− |
27 |
-13 |
58 |
7. Абсолютное значение 1 % пр. |
− |
3,7 |
3,7 |
3,6 |
Проверим правильность произведенных расчетов:
Рассчитаем
среднегодовой темп роста
или 132%, т. е ежегодно число выпускников в среднем увеличивалось на 32%. Произведем прогноз численности специалистов работающих в муниципальных предприятиях на 2020 год. Расчеты проведем разными способами:
Предположим, что число выпускников из высших учебных заведений изменяется во времени по прямой: Для нахождения параметров а0 и а1 решим систему нормальных уравнений, отвечающих требованию способа наименьших квадратов:
Необходимые для
решения системы уравнений
Таблица 15 - Расчетные данные для определения параметров уравнения тренда
Год |
Количество специалистов работающих в муниципальных предприятиях, тыс. человек |
Условное обозначение времени, t |
t² |
y*t |
Уравнение тренда |
2006 |
360 |
1 |
1 |
129600 |
-792574,9 |
2007 |
460 |
2 |
4 |
423200 |
-263882,3 |
2008 |
401 |
3 |
9 |
482403 |
264810,3 |
2009 |
635 |
4 |
16 |
1612900 |
793502,9 |
∑ |
1856 |
10 |
30 |
2648103 |
1856 |
, отсюда
Для 2020 года t=6, тогда
То есть по прогнозу, составленному при условии, что линейная закономерность изменения численности специалистов муниципальных предприятий для 2006-2009гг сохраниться на период до 2020 года, в 2020 году численность специалистов составит 1850888,1 тыс. человек.
2.7.Применение индексного метода
В статистике под индексом понимается относительная величина, показывающая, во сколько раз уровень изучаемого явления в данных условиях отличается от уровня того же явления в других условиях.
Информация о работе Исследование статистических данных по занятости и безработицы