трусики женские украина

На головну

 Моделювання економічних показників - Економіка

1. Опис об'єкта

У нашому випадку об'єктом дослідження є сукупність фірм, заводів, підприємств. Модельованим показником є ??Y - продуктивність праці (тис.руб / чол).

2. Економічні показники (фактори)

Відбір факторів для моделі здійснюється у два етапи. На першому йде аналіз, за ??результатами якого дослідник робить висновок про необхідність розгляду тих чи інших явищ в якості змінних, що визначають закономірності розвитку досліджуваного процесу, на другому - склад попередньо відібраних факторів уточнюється безпосередньо за результатами статистичного аналізу.

Із сукупності економічних показників ми відібрали такі:

Залежний фактор:

У- продуктивність праці, (тис. Крб.)

Для моделі в абсолютних показниках

Незалежні фактори:

Х1 - вартість сировини і матеріалів (тис.руб.)

Х2 - заробітна плата (тис.руб.)

Х3 - основні промислово-виробничі фонди (тис.руб.)

Х4 - відрахування на соціальне страхування (тис.руб.)

Х5 - витрати на підготовку і освоєння виробництва (тис.руб.)

Х6 - витрати на електроенергію (тис.кВт год.)

Дані представлені в таблиці 1.

Таблиця 1

 № Об'єкту

 спостереження Y X1 X2 X3 X4 X5 X6

 1 10.6 865 651 2627 54 165 4.2

 2 19.7 9571 1287 9105 105 829 13.3

 3 17.7 1334 1046 3045 85 400 4

 4 17.5 6944 944 2554 79 312 5.6

 5 15.7 14397 2745 15407 229 1245 28.4

 6 11.3 4425 1084 4089 92 341 4.1

 7 14.4 4662 1260 6417 105 496 7.3

 8 9.4 2100 1212 4845 101 264 8.7

 9 11.9 1215 254 923 19 78 1.9

 10 13.9 5191 1795 9602 150 599 13.8

 11 8.9 4965 2851 12542 240 622 12

 12 14.5 2067 1156 6718 96 461 9.2

Для моделі у відносних показниках

Х1- питома вага вартості сировини і матеріалів у собівартості продукції

Х2 питома вага заробітної плати в собівартості продукції

Х3-фондоозброєність одного робітника, тис.руб. / Чол.

Х4- питома вага відрахувань на соц. страхування у собівартості продукції

Х5 питома вага витрат на підготовку і освоєння виробництва в собівартості продукції

Х6- електроозброєність одного робітника, тис. КВт. / Чол.

Дані представлені в таблиці 2.

Таблиця 2

 № Об'єкту

 спостереження Y X1 X2 X3 X4 X5 X6

 1 10.6 16,8 12,6 5,7 1,0 3,2 0,06

 2 19.7 33,1 4,5 8,0 0,4 2,8 0,08

 3 17.7 9,9 7,7 4,6 0,6 3,0 0,08

 4 17.5 63,1 8,6 4,1 0,7 2,8 0,08

 5 15.7 32,8 6,3 8,0 0,5 2,8 0,10

 6 11.3 40,3 9,9 5,2 0,8 3,1 0,08

 7 14.4 28,3 7,7 7,1 0,6 3,0 0,09

 8 9.4 25,2 14,6 7,2 1,2 3,2 0,11

 9 11.9 47,3 9,9 4,5 0,7 3,0 0,13

 10 13.9 26,8 9,3 9,4 0,8 13,1 0,11

 11 8.9 25,4 14,6 6,5 1,2 3,2 0,08

 12 14.5 14,2 8,0 8,5 0,7 3,2 0,13

3. Вибір форми подання факторів

У даній роботі ми не використовуємо фактор часу, тобто в нашому випадку ми використовуємо статистичну модель. У першому випадку ми будуємо статистичну модель в абсолютних показниках, у 2-му - статистичну модель у відносних показниках. Проаналізувавши отримані результати, ми вибираємо робочу статистичну модель.

4. Аналіз аномальних явищ

При візуальному перегляді матриці даних легко вловлюється аномалія на п'ятому об'єкті в таблиці 1,2. Тут всі фактори завищені в кілька разів. Швидше за все ми стикаємося в даному випадку з заводом-гігантом. Тому дане спостереження ми відкидаємо. Тепер формуємо оновлену матрицю даних.

Таблиця 3

 № Об'єкту

 спостереження Y X1 X2 X3 X4 X5 X6

 1 10.6 865 651 2627 54 165 4.2

 2 19.7 9571 1287 9105 105 829 13.3

 3 17.7 1334 1046 3045 85 400 4

 4 17.5 6944 944 2554 79 312 5.6

 6 11.3 4425 1084 4089 92 341 4.1

 7 14.4 4662 1260 6417 105 496 7.3

 8 9.4 2100 1212 4845 101 264 8.7

 9 11.9 1215 254 923 19 78 1.9

 10 13.9 5191 1795 9602 150 599 13.8

 11 8.9 4965 2851 12542 240 622 12

 12 14.5 2067 1156 6718 96 461 9.2

Таблиця 4

 № Об'єкту

 спостереження Y X1 X2 X3 X4 X5 X6

 1 10.6 16,8 12,6 5,7 1,0 3,2 0,06

 2 19.7 33,1 4,5 8,0 0,4 2,8 0,08

 3 17.7 9,9 7,7 4,6 0,6 3,0 0,08

 4 17.5 63,1 8,6 4,1 0,7 2,8 0,08

 6 11.3 40,3 9,9 5,2 0,8 3,1 0,08

 7 14.4 28,3 7,7 7,1 0,6 3,0 0,09

 8 9.4 25,2 14,6 7,2 1,2 3,2 0,11

 9 11.9 47,3 9,9 4,5 0,7 3,0 0,13

 10 13.9 26,8 9,3 9,4 0,8 13,1 0,11

 11 8.9 25,4 14,6 6,5 1,2 3,2 0,08

 12 14.5 14,2 8,0 8,5 0,7 3,2 0,13

4. Аналіз матриці коефіцієнтів парних кореляцій для абсолютних величин

Таблиця 5

 № фактора Y X1 X2 X3 X4 X5 X6

 Y 1.00 0.52 -0.22 -0.06 -0.23 0.44 0.12

 X1 0.52 1.00 0.38 0.52 0.38 0.74 0.60

 X2 -0.22 0.38 1.00 0.91 1.00 0.68 0.74

 X3 -0.06 0.52 0.91 1.00 0.91 0.86 0.91

 X4 -0.23 0.38 1.00 0.91 1.00 0.67 0.74

 X5 0.44 0.74 0.68 0.86 0.67 1.00 0.85

 X6 0.12 0.60 0.74 0.91 0.74 0.85 1.00

З таблиці 4 знаходимо тісно корелюють фактори. У наявності мультіколленіарность факторів Х2 і Х4. Залишимо тільки один фактор Х2. Так само досить високий коефіцієнт кореляції (0.91) між факторами Х2 і Х3. Позбудемося фактора Х3.

5. Побудова рівняння регресії для абсолютних величин

Проведемо багатокроковий регресійний аналіз для решти чинників: Х1, Х2, Х5, Х6.

а) Крок перший.

Y = 12. 583 + 0 * X1 + 0.043 * X2 + 0.021 * X5 - 0.368 * X6

Коефіцієнт множинної кореляції = 0.861

Коефіцієнт множинної детермінації = 0.742

Сума квадратів залишків = 32.961

t1 = 0.534 *

t2 = 2.487

t5 = 2.458

t6 = 0.960 *

У фактора Х1 t-критерій виявився найнижчим. Отже фактором Х1 можна знехтувати. Викреслимо цей фактор.

б) Крок другий.

Y = 12.677 - 0.012 * X2 + 0.023 * X5 - 0.368 * X6

Коефіцієнт множинної кореляції = 0.854

Коефіцієнт множинної детермінації = 0.730

Сума квадратів залишків = 34.481

t2 = 2.853

t5 = 3.598

t6 = 1.016 *

У фактора Х6 t-критерій виявився найнижчим. Отже фактором Х6 можна знехтувати. Викреслимо цей фактор.

в) Крок третій.

Y = 12.562 - 0.005 * X2 + 0.018 * X5

Коефіцієнт множинної кореляції = 0.831

Коефіцієнт множинної детермінації = 0.688

Сума квадратів залишків = 39.557

t2 = 3.599

t5 = 4.068

В результаті трёхшаговой регресії ми отримали робоче рівняння.

6. Аналіз матриці коефіцієнтів парних кореляцій для відносних величин

Таблиця 5

 № фактора Y X1 X2 X3 X4 X5 X6

 Y 1.00 0.14 -0.91 0.02 -0.88 -0.01 -0.11

 X1 0.14 1.00 -0.12 -0.44 -0.17 -0.09 0.02

 X2 -0.91 -0.12 1.00 -0.12 0.98 -0.01 -0.38

 X3 0.02 -0.44 -0.12 1.00 0.00 0.57 0.34

 X4 -0.88 -0.17 0.98 0.00 1.00 0.05 -0.05

 X5 -0.01 -0.09 -0.01 0.57 0.05 1.00 0.25

 X6 -0.11 0.02 -0.38 0.34 -0.05 0.25 1.00

У таблиці виявляємо тісно корелюють фактори. Таким чином, не важко помітити досить високий коефіцієнт кореляції між факторами Х2 і Х4. Позбудемося Х2

7. Побудова рівняння регресії для відносних величин

а) Крок перший.

Y = 25,018 + 0 * Х1 +

Коефіцієнт множинної кореляції = 0,894

Коефіцієнт множинної детермінації = 0.799

Сума квадратів залишків = 26,420

t1 = 0,012 *

t2 = 0,203 *

t3 = 0.024 *

t4 = 4.033

t5 = 0.357 *

t6 = 0.739 *

У фактора Х1 t-критерій виявився найнижчим. Отже фактором Х1 можна знехтувати. Викреслимо цей фактор.

б) Крок другий.

Y = e ^ 3.141 * X2 ^ (- 0.722) * X5 ^ 0.795 * X6 ^ (- 0.098)

Коефіцієнт множинної кореляції = 0.890

Коефіцієнт множинної детермінації = 0.792

Сума квадратів залишків = 0.145

t2 = 4.027

t5 = 4.930

t6 = 0.623 *

У фактора Х6 t-критерій виявився найнижчим. Отже фактором Х6 можна принебречь. Викреслимо цей фактор.

в) Крок третій.

Y = e ^ 3.515 * X2 ^ (- 0.768) * X5 ^ 0.754

Коефіцієнт множинної кореляції = 0.884

Коефіцієнт множинної детермінації = 0.781

Сума квадратів залишків = 0.153

t2 = 4.027

t5 = 4.930

В результаті трёхшаговой регресії ми отримали робоче рівняння:

Y =

Економічний сенс моделі:

При збільшенні витрат на підготовку і освоєння виробництва продуктивність праці буде збільшуватися. Це означає що на даних підприємствах є резерви для розширення виробництва, для введення нових технологій та інновацій з метою збільшення прибутку.

При збільшенні заробітної плати продуктивність праці буде знижуватися. Це, швидше за все, буде відбуватися через те, що робітники на даних підприємствах отримують і так високі зарплати, або фонд заробітної плати використовується по максимуму і подальше його зростання призведе до непередбачених витрат.

8. Порівняльний аналіз лінійної і статечної моделей

Порівнюючи лінійну і ступеневу регресійну модель бачимо, що статистичні характеристики статечної моделі перевершують аналогічні характеристики лінійної моделі. А саме: коефіцієнт множинної детермінації у ступеневій моделі дорівнює 0.781, а у лінійної - 0.688. Це означає, що фактори, що увійшли до ступеневу модель, пояснюють зміну продуктивності праці на 78.1%, тоді як фактори, що увійшли в лінійну модель, - на 68,8%; сума квадратів залишків статечної моделі (0.153) значно менше суми квадратів залишків лінійної моделі (39.557). Відтак значення отримані за допомогою степеневої моделі близькі до фактичних.

Список літератури

Для підготовки даної роботи були використані матеріали з сайту http://www.cooldoclad.narod.ru/

Авіація і космонавтика
Автоматизація та управління
Архітектура
Астрологія
Астрономія
Банківська справа
Безпека життєдіяльності
Біографії
Біологія
Біологія і хімія
Біржова справа
Ботаніка та сільське господарство
Валютні відносини
Ветеринарія
Військова кафедра
Географія
Геодезія
Геологія
Діловодство
Гроші та кредит
Природознавство
Журналістика
Зарубіжна література
Зоологія
Видавнича справа та поліграфія
Інвестиції
Інформатика
Історія
Історія техніки
Комунікації і зв'язок
Косметологія
Короткий зміст творів
Криміналістика
Кримінологія
Криптологія
Кулінарія
Культура і мистецтво
Культурологія
Логіка
Логістика
Маркетинг
Математика
Медицина, здоров'я
Медичні науки
Менеджмент
Металургія
Музика
Наука і техніка
Нарисна геометрія
Фільми онлайн
Педагогіка
Підприємництво
Промисловість, виробництво
Психологія
Психологія, педагогіка
Радіоелектроніка
Реклама
Релігія і міфологія
Риторика
Різне
Сексологія
Соціологія
Статистика
Страхування
Будівельні науки
Будівництво
Схемотехніка
Теорія організації
Теплотехніка
Технологія
Товарознавство
Транспорт
Туризм
Управління
Керуючі науки
Фізика
Фізкультура і спорт
Філософія
Фінансові науки
Фінанси
Фотографія
Хімія
Цифрові пристрої
Екологія
Економіка
Економіко-математичне моделювання
Економічна географія
Економічна теорія
Етика

8ref.com

© 8ref.com - українські реферати


енциклопедія  бефстроганов  рагу  оселедець  солянка