- •Курсовая работа
- •Задание на курсовую работу Статистический анализ цен на продукты питания в рф
- •Аннотация
- •План курсовой работы Статистический анализ на продукты питания в рф
- •Введение
- •1 Теоретические основы статистического изучения цен на продукты питания
- •1.1 Понятие, сущность и функции цен
- •1.2 Задачи статистического изучения цен на продукты питания. Основные факторы, влияющие на изменение цен на продукты питания
- •1.3. Система статистических показателей цен на продукты питания
- •2 Экономико-статистический анализ цен на продукты питания
- •2.1 Анализ основных статистических характеристик
- •2.2 Статистический анализ динамики цен на продукты питания
- •2.3 Корреляционно-регрессионный анализ
- •Заключение
- •Список использованной литературы
2.3 Корреляционно-регрессионный анализ
Проведем анализ влияния изменения цен на продукты питания на размер потребления населением продуктов питания.
Предположим, что уровень потребления населением продуктов питания зависит от изменения цены. Проверим это предположение с помощью корреляционно-регрессивного анализа с использованием программ MS Excel и Statistica. В таблице 7 даны статистические данные динамики потребления продуктов питания за период с 1995г. по 2010г., также используем данные таблицы 1 о средних потребительских ценах за тот же период.
Таблица 78
Динамика потребления продуктов питания в домашних хозяйствах
(в среднем на потребителя в год, кг)
Год |
Хлебные продукты |
Картофель |
Овощи и бахчевые |
Фрукты и ягоды |
Мясо и мясо-продукты |
Молоко и молочные продукты |
Яйца, шт |
Рыба и рыбо-продукты
|
Сахар и кондит. изд. |
1995 |
102 |
112 |
83 |
30 |
53 |
249 |
191 |
9 |
27 |
2000 |
109 |
93 |
82 |
27 |
50 |
199 |
202 |
14 |
30 |
2001 |
115 |
93 |
83 |
33 |
53 |
214 |
202 |
14 |
27 |
2002 |
113 |
90 |
83 |
35 |
58 |
227 |
209 |
15 |
26 |
2003 |
109 |
86 |
84 |
36 |
61 |
225 |
208 |
14 |
26 |
2004 |
106 |
86 |
86 |
39 |
61 |
227 |
202 |
15 |
26 |
2005 |
113 |
78 |
90 |
51 |
64 |
244 |
209 |
17 |
34 |
2006 |
107 |
73 |
88 |
53 |
67 |
244 |
206 |
17 |
32 |
2007 |
104 |
72 |
89 |
58 |
71 |
246 |
204 |
18 |
32 |
2008 |
101 |
67 |
89 |
62 |
75 |
246 |
203 |
20 |
32 |
2009 |
99 |
67 |
95 |
64 |
73 |
256 |
211 |
20 |
31 |
2010 |
101 |
66 |
96 |
70 |
79 |
262 |
221 |
21 |
33 |
Этапы анализа:
1. Постановка цели исследования.
Определить наличие или отсутствие зависимости между показателями средних цен на мясо (говядина) и динамикой (изменением) потребления. Построить регрессионную модель этой зависимости, проверить ее качество и использовать эту модель для анализа и прогнозирования.
2. Сбор исходной статистической информации.
Представим исходную для исследования информацию в табличной форме (Таблица 8).
Таблица 8
Исходная информация для КРА
Год |
Цены, руб. xi |
Уровень потребления, кг yi |
1995 |
12,55 |
53 |
2000 |
52,72 |
50 |
2001 |
70,33 |
53 |
2002 |
72,56 |
58 |
2003 |
73,90 |
61 |
2004 |
93,41 |
61 |
2005 |
115,77 |
64 |
2006 |
131,67 |
67 |
2007 |
139,49 |
71 |
2008 |
174,86 |
75 |
2009 |
185,60 |
73 |
2010 |
197,64 |
79 |
Введем обозначения: xi - уровень цен (цена), yi – уровень потребления (потребление).
3. Оценка тесноты связи между признаками.
3.1. Предположим, что изучаемые признаки связаны линейной зависимостью рассчитаем линейный коэффициент корреляции по формуле:
, (32)
где , (33) (34)
|
|
|
|
|
101,58 |
58,85 |
6911,9 |
13970,53 |
3826,54 |
Таблица 9
Данные для расчета линейного коэффициента корреляции
Вычислим r:
.
Коэффициент линейной корреляции равный 0,811 свидетельствует о наличии сильной прямой связи.
3.2. Оценка существенности коэффициента корреляции. Для этого найдем расчетное значение t-критерия Стьюдента:
. (35)
По таблице критических точек распределения Стъюдента найдем tкр при уровне значимости и числе степеней свободы
tкр=1,8.
Так как , линейный коэффициент считается значимым, а связь между x и y – существенной.
Построение уравнения регрессии.
Этап построения регрессионного уравнения состоит в оценке его параметров, оценке их значимости оценке значимости уравнения в целом.
4.1. Идентификация регрессии. Построим линейную однофакторную регрессионную модель вида . Для оценки неизвестных параметров a0, a1 используется метод наименьших квадратов, заключающийся в минимизации суммы квадратов отклонений теоретических значений зависимой переменной от наблюдаемых.
Система нормальных уравнений для нахождения параметров a0,a1 имеет вид:
(36)
Решением системы являются значения параметров:
a0=46,55
a1 =0,16.
Составим уравнение регрессии:
.
Коэффициент детерминации (Рисунок 4), показывает, что 91% вариации признака «Уровень потребления» обусловлено вариацией признака «Цены на мясо говядины», а остальные 9% вариации связано с воздействием неучтенных в модели факторов.
Проверка значимости параметров регрессии.
, . , tкр=1,8. Так как в обоих случаях , то параметры и являются значимыми.
4.3. Проверка значимости уравнения регрессии в целом.
, . 98,7 (Рисунок 4). По таблице критических значений критерий Фишера . Так как , то уравнение регрессии можно считать значимым.
Рисунок 4 – Результаты КРА, проведенного в Statistica.
Таким образом, судя по регрессионному коэффициенту a1 =0,16, можно утверждать, что при изменение цены на 1 единицу уровень потребления в среднем изменится на 0,16 кг в год.
5. Использование регрессионной модели для принятия управленческих решений (анализа, прогнозирования и т.д.)
Вычислим прогнозное значение уровня потребления для уровня цен на мясо говядины для 80, получим значение уровня потребления равное 59,05 кг, т.е. с вероятностью 95% можно предполагать, что прогнозное значение будет находиться в интервале от 56,86 до 61,25. (Рисунок 5)
Рисунок 5 – Прогнозное значение уровня потребления
Таким образом, в результате проведения корреляционно-регрессионного анализа показано, что между уровнем цен на продукты питания и уровнем потребления существует тесная связь. Изучаемые признаки связаны линейной корреляционной зависимостью. Найдены параметры этой зависимости. Проведена комплексная оценка значимости, как параметров регрессионного уравнения, так и регрессии в целом. Следовательно, регрессионная модель зависимости цен на продукты питания и уровень потребления может быть использована для принятия управленческих решений.