Автор: Пользователь скрыл имя, 02 Декабря 2011 в 21:40, курсовая работа
Целью выполнения курсовой работы является освоение статистических методов, способных оказать существенную помощь руководителю в поиске объективно обоснованного управленческого решения.
Важной задачей статистики является изучение изменений явлений общественной, в том числе и экономической жизни во времени. Для её решения необходимо иметь данные по определённому кругу показателей на ряд моментов времени или на ряд промежутков времени, следующих друг за другом. Ряд расположенных в хронологической последовательности значений статистических показателей представляют собой динамический (временной) ряд
Введение………………………………………………………………….…….
3
Исходные данные для анализа………………………………………………...
4
1. Изучение тенденции временного ряда……………………………….…….
6
1.1. Абсолютные и относительные показатели тенденции……………….
6
1.2. Выявление типа тенденции…………………………………………….
10
1.3. Регрессионный анализ………………………………………………….
12
2. Анализ колеблемости временного ряда……………………………………
19
2.1. Определение типа колеблемости………………………………………
19
2.2. Показатели колеблемости……………………………………………...
20
2.3. Показатели устойчивости………………………………………………
22
2.4. Анализ сезонных колебаний…………………………………………...
26
3. Корреляция рядов динамики………………………………………………..
29
3.1. Проверка автокорреляции……………………………………………...
29
3.2. Проверка нормальности распределения………………………………
29
3.3. Проверка случайности значений динамического ряда………………
32
3.4. Проверка мультиколлинеарности (коррелируемости независимых факторов)……………………………………………………………………….
35
3.5. Изучение взаимосвязейэкономических показателей………………...
35
Список использованной литературы…………………………………………
42
Проверим независимость значений остаточного ряда, с помощью критерия Дурбина-Ватсона.
|
Сравнивая полученное значение с табличными:
d1=1.35 и D2=1.49, получаем что остаточный
ряд не автокоррелирован и модель
значима, так как d=0.383149 < d1.
Найдем
уравнение регрессии
для показателя «Дебиторская
задолженность»,
используя скорректированный
ряд
. Уравнение регрессии
будет иметь вид:
| Model: Deb* = a + b*period + c*period**2 | |||
| NONLIN.
ESTIMATE N = 36 |
Dep. Var: Deb*
Loss: (OBS-PRED)**2
Final loss: 144595,28967 R=0,81594 Varianse explained: 66,575 | ||
| a | b | c | |
| Esnimate | 3659,501 | 35,00683 | -0,923027 |
| Estimate | Standard error | t-value df = 33 | p-level | |
| A | 3659,477 | 35,02494 | 104,4820 | 0,000000 |
| B | 35,011 | 4,36506 | 8,0207 | 0,000000 |
| C | -0,923 | 0,11443 | -8,0673 | 0,000000 |
Уравнение регрессии:
Deb* – скорректированный ряд показателя «Дебиторская задолженность».
Гипотеза
о нулевом значении параметров уравнения
регрессии отвергается, так как pa,b,c=0.000000
< 0.05, и параметры считаются значимыми.
Оценим
значимость коэффициента
корреляции.
| Effect | 1
Sum of Squares |
2
DF |
3
Mean Squares |
4
F-value |
5
p-level |
| Regression | 545494961 | 3,000000 | 181831654 | 41498,20 | 0,00 |
| Residual | 144595 | 33,000000 | 4382 | ||
| Total | 545639556 | 36,000000 | |||
| Corrected Total | 432599 | 35,000000 | |||
| Regression vs. Corrected Total | 545494961 | 3,00000 | 181831654 | 14711,33 | 0,00 |
Гипотеза
о нулевом значении коэффициента
корреляции отвергается, так как
p=0.00<0.05, следовательно, коэффициент корреляции
значим.
Проверим
адекватность данной
модели.
Эмпирическая
гистограмма и
теоретическая кривая
распределения остаточного
ряда.
Эмпирическое
распределение остатков
на нормальной вероятностной
бумаге.
В данном
случае можно утверждать, что остаточный
ряд распределен нормально.
Рассчитаем значение критерия Дурбина-Ватсона.
Критерий Дурбина-Ватсона рассчитывается по формуле:
то есть отклонение фактических значений динамического ряда ( ) от значений, рассчитанных по уравнению тренда ( ). 0,5434364
Сравним
полученное значение с табличными:
d1=1.28 и D2=1.57. Так как d=0,5424364
< d1, значит остаточный ряд не автокоррелирован
и модель значима.
Найдем
уравнение регрессии
для показателя «Кредиторская
задолженность»,
используя скорректированный
ряд
. Уравнение регрессии
будет иметь вид:
| Regression
Summary for Dependent Variable: Cred*
R= ,87993951 R?= ,77429354 Adjusted R?= ,76765511 F(1,34)=116,64 p<,00000 Std.Error of estimate: 277,29 | ||||||
| N=36 | Beta | Std.Err. of Betta | B | Std.Err. of B | t(34) | p-level |
| Intercept | 1629,933 | 94,38888 | 17,26827 | 0,000000 | ||
Period |
0,879940 | 0,081477 | 48,046 | 4,44871 | 10,79991 | 0,000000 |
Уравнение регрессии:
Гипотеза
о нулевых значениях параметров
уравнения регрессии
Оценим значимость коэффициента корреляции.
| Analysis of Variance; DV: Cred* | |||||
| Continue | Sums of Squares | df | Mean Squares | F | p-level |
| Regress. | 8968089, | 1 | 8968089, | 116,6381 | 0,000000 |
| Residual | 2614197, | 34 | 76888, | ||
| Total | 115823E2 | ||||
Cred* – скорректированный ряд показателя «Кредиторская задолженность».
Гипотеза
о нулевом значении коэффициента
корреляции отвергается, так как p=0.000000<0.05,
следовательно, коэффициент корреляции
значим.
Проверим
адекватность данной
модели.
Эмпирическая
гистограмма и
теоретическая кривая
распределения остаточного
ряда.
Эмпирическое
распределение остатков
на нормальной вероятностной
бумаге.
При визуальном
сравнении можно утверждать, что
остаточный ряд подчиняется нормальному
закону распределения.
Рассчитаем значение критерия Дурбина-Ватсона.
|
Сравниваем найденное d=1,524548 с табличными d1=1,35 и D2=1.49.
Так как d=1,524548 > D2 , значит остаточный ряд не автокоррелирован
Таким
образом, делаем вывод:
модель значима.