Курсовая по таможенной статистике

Исходные данные

В соответствии с номером зачетной книжки был выбран вариант № 4. Ему соответствуют следующие товары: макаронные изделия, масло подсолнечное, рис, токарные станки и алюминиевая проволока.
Также, согласно номеру зачетной книжки, был выбран регион Российской Федерации, по которому будет проводиться анализ, - Иркутская область (таблица 1).
Таблица 1 – Исходные данные
Регион РФ Иркутская область
Наименование товара Макаронные изделия Масло под-солнечное Рис Токарные станки Алюминиевая проволока

...

Содержание

Введение 3
1 Исходные данные 4
2 Статистика внешнеторговых поставок 6
3 Специальная таможенная статистика 21
4 Учет внешнеторговой деятельности 24
5 Анализ показателей динамики 28
6 Корреляционно-регрессионный анализ 41
7 Прогнозирование внешнеторгового оборота 45
Заключение 53
Список использованных источников 55
Приложение А Исходные данные 56
Приложение Б Формы учета перемещения товаров 69
Приложение В Формы учета внешнеторговой деятельности 74

Поставленные задачи решались с помощью методов математической статистики: метод средних, рядов динамики, корреляционно-регрессионный, индексный.
Работа состоит из 7 глав, каждая из которых решает поставленные задачи.
Информационной базой при проведении работы являлись исходные данные, региональные коэффициенты корректировки, а также учебно-справочная и методическая литература для решения поставленных задач.
Основная часть расчетов выполнялась в Excel для ускорения выполнения заданий и повышения точности полученных ответов.

–-17,046,4-32,016,5-10,972,0-31,7-19,514,5-8,742,3баз.–-17,029,4-2,613,93,075,043,323,838,329,671,9Коэффициент ростацеп.–0,53,30,51,50,82,80,70,81,20,91,6баз.–0,51,80,91,41,13,02,21,62,01,82,9Темп ростацеп.–54,8325,252,2147,178,8277,371,875,9123,688,5162,9баз.–54,8178,293,1137,0108,0299,5215,2163,3201,9178,7291,2Темп приростацеп.–-45,2225,2-47,847,1-21,2177,3-28,2-24,123,6-11,562,9баз.–-45,278,2-6,937,08,0199,5115,263,3101,978,7191,2Таблица 25 – Динамика внешнеторгового оборота по алюминиевой проволоке за годПоказательЯнвФевМарАпрМайИюнИюлАвгСенОктНояДекАбсолютный приростцеп.–25,8-42,134,433,2-28,373,5-85,874,8-57,521,926,3баз.–25,8-16,318,151,323,096,510,785,528,049,976,2Коэффициент ростацеп.–1,60,42,31,50,72,10,42,40,61,31,3баз.–1,60,61,42,21,53,21,23,01,62,12,7Темп ростацеп.–159,239,3226,0153,870,2210,438,8237,855,5130,6128,1баз.–159,262,6141,5217,7152,8321,3124,5296,1164,2214,4274,8Темп приростацеп.–59,2-60,7126,053,8-29,8110,4-61,2137,8-44,530,628,1баз.–59,2-37,441,5117,752,8221,324,5196,164,2114,4174,8Таблица 26 – Динамика внешнеторгового оборота по рису за годПоказательЯнвФевМарАпрМайИюнИюлАвгСенОктНояДекАбсолютный приростцеп.–-22,254,8-57,719,3-3,324,7-29,3-7,912,351,2-41,9баз.–-22,232,6-25,1-5,8-9,115,6-13,7-21,6-9,341,90,0Коэффициент ростацеп.–0,72,30,41,50,91,40,60,81,31,90,6баз.–0,71,50,60,90,91,20,80,70,91,61,0Темп ростацеп.–65,6229,240,6148,994,4144,563,584,5128,6192,660,7баз.–65,6150,561,191,085,9124,178,866,685,6164,9100,0Темп приростацеп.–-34,4129,2-59,448,9-5,644,5-36,5-15,528,692,6-39,3баз.–-34,450,5-38,9-9,0-14,124,1-21,2-33,4-14,464,90,0Значения цепных показателей темпов прироста по всем анализируемым товарам (за период февраль – декабрь) были отображены в виде гистограмм (рисунки 8 – 12). Динамика изменения внешнеторгового оборота масла подсолнечного по Иркутской области преимущественно является положительной. Отрицательные темпы прироста были отмечены только в феврале, марте, мае и ноябре. Наибольший отрицательный прирост внешнеторгового оборота по подсолнечному маслу был зафиксирован в мае и составил 70,6%, максимальный положительный – в октябре – 85,8%. Рисунок 8 – Показатели динамики внешнеторгового оборота масла подсолнечного, прирост к предыдущему месяцу, %Динамика изменения внешнеторгового оборота станков токарных по Иркутской области является неоднородной. Отрицательные и положительные темпы прироста в течение года распределены практически поровну. На рисунке 9 можно проследить некоторую сезонную волну в изменении размеров внешнеторгового оборота по данному виду товара. Наибольший отрицательный прирост внешнеторгового оборота по токарным станкам был зафиксирован в декабре и составил 52,8%, максимальный положительный – в октябре – 74,7%. Рисунок 9 – Показатели динамики внешнеторгового оборота станков токарных, прирост к предыдущему месяцу, %Динамика изменения внешнеторгового оборота макаронных изделий по Иркутской области не позволяет отследить какую-либо закономерность. Отрицательные и положительные темпы прироста в течение года распределены практически поровну. Наибольший отрицательный прирост внешнеторгового оборота по макаронным изделиям был зафиксирован в декабре и составил 47,8%, максимальный положительный – в марте – 126,0%. Рисунок 10 – Показатели динамики внешнеторгового оборота макаронных изделий, прирост к предыдущему месяцу, %Динамика изменения внешнеторгового оборота алюминиевой проволоки по Иркутской области также не позволяет отследить какую-либо закономерность. Однако, положительные темпы роста поставок данного товара преобладают над отрицательными. Наибольший отрицательный прирост внешнеторгового оборота по алюминиевой проволоке был зафиксирован в декабре и составил 61,2%, максимальный положительный – в марте – 137,8%. Рисунок 11 – Показатели динамики внешнеторгового оборота алюминиевой проволоки, прирост к предыдущему месяцу, %Динамика изменения внешнеторгового оборота риса по Иркутской области также не позволяет отследить какую-либо закономерность. Положительные и отрицательные приросты в течение года распределены практически поровну. Наибольший отрицательный прирост внешнеторгового оборота по рису был зафиксирован в апреле и составил 59,4%, максимальный положительный – в марте – 129,2%. Рисунок 12 – Показатели динамики внешнеторгового оборота риса, прирост к предыдущему месяцу, %В связи с крайней неоднородностью динамики внешнеторгового оборота по каждому из товаров в целях анализа результатов по году важным является анализа базисного темпа прироста внешнеторгового оборота в декабре к январю. Значения базисных показателей темпов прироста представлены на рисунке 13.Данные рисунка позволяют увидеть, что по итогам года более всего увеличились показатели внешнеторгового оборота макаронных изделий – на 191,2%. Значительный прирост также отмечен по проволоке алюминиевой – прирост на 174,8%. Отрицательный прирост показал внешнеторговый оборот масла подсолнечного – снижение на 9,1%. Остался без изменение внешнеторговый оборота риса.Рисунок 13 – Показатели динамики внешнеторгового оборота, прирост декабря к январю, %Для всех видов товаров были рассчитаны средние показатели динамики:средний уровень ряда динамики;средний абсолютный прирост;средний коэффициент роста;средний темп роста;средний темп прироста.Средний уровень ряда динамики показывает среднее значение по всему динамическому ряду и рассчитывается по формуле средней арифметической (1).Средний абсолютный прирост показывает среднее значение абсолютного прироста по всему динамическому ряду:, (10)где ВОk – объём внешнеторгового оборота последнего периода (месяца) в динамическом ряду;K – количество периодов в динамическом ряду, K = 12.Средний коэффициент роста – величина динамики, характеризующая среднюю интенсивность изменения показателя:. (11)Средний темп роста – средняя величина динамики, выраженная в процентах:ТРср = КРср×100% . (12)Средний темп прироста – средняя величина прироста относительной величины динамики в процентах:ТПср = ТРср – 100% . (13)Результаты расчетов по каждому товару представлены в таблице 27.Таблица 27 – Значения средних цен на товары и среднегодовые показатели динамики внешнеторгового оборотаПоказательМасло подсолнечноеСтанки токарныеМакаронные изделияАлюминиевая проволокаРисСредний уровень ряда, USD1575,787227,01803,201008,14735,64Средняя арифметическая взвешенная, USD1571,607246,13802,551006,09736,85Средний абсолютный прирост, тыс. USD-1,157,376,546,930Средний коэффициент роста0,9911,0291,1021,0961,0Средний темп роста, %99,1102,9110,2109,6100,0Средний темп прироста, %-0,92,910,29,60Полученные данные позволяют сделать вывод о том, что в целом по итогам года произошло снижение только внешнеторговому обороту масла подсолнечного. Ежемесячно снижение в среднем составляло 1,15 тыс. USD, или 0,9%.По станкам токарным происходил ежемесячный прирост величины внешнеторгового оборота в среднем на 7,37 тыс. USD, или на 2,9%. Из всех представленных товаров это максимальный прирост в денежном выражении.Внешнеторговый оборот макаронных изделий ежемесячно увеличивался на 6,54 тыс. USD, или на 10,2%. Из всех представленных товаров это максимальный среднемесячный прирост в относительном выражении.Внешнеторговый оборот алюминиевой проволоки ежемесячно увеличивался в среднем на 6,93 тыс. USD, или на 9,6%.Внешнеторговый оборота риса по итогам года не показал прироста, в связи с чем среднегодовые показатели прироста равны нулю, а темп роста - единице.По данным таблицы 2 также были рассчитаны средние цены (стоимость единицы товара) по всей совокупности данных по двум методикам. Расчёт был проведен по формулам средней арифметической (1) и средней арифметической взвешенной (14):, (14)где pi – значение цены товара при i-й поставке;хi – количество единиц товара в i-й поставке.Результаты расчётов по товарам также представлены в таблице 25.Как можно увидеть, рассчитанные двумя способами средние цены различаются. Это происходит из-за того, что при группировке данных неизбежно происходит округление и возникает определенная погрешность. Поэтому более точные данные в случае ряда распределения всегда дает расчет средней арифметической простой.Из всех представленных товаров дороже всего были средние цены на станки токарные – в среднем цена единицы изделия за год составила 7227,01 USD. Дешевле всего Иркутской области обошелся рис, цена которого составила 735,64 USD в среднем за единицу.Также на основе индексного метода был проведен расчёт и анализ ежеквартальной динамики уровня цен на товары. Для этого по каждому товару была рассчитана средняя (взвешенная) цена по каждому кварталу. Результаты расчётов представлены в таблице 28.Таблица 28 – Показатели средних цен на товары по кварталам, USDНаименование товараI кварталII кварталIII кварталIV кварталМасло подсолнечное1432,431551,001630,491721,97Станки токарные6568,907022,927518,107938,68Макаронные изделия720,02756,72809,20873,77Алюминиевая проволока894,03953,691026,861104,13Рис668,08725,29765,86747,47Данные таблица 28 свидетельствуют о том, что по всем анализируемым видам продукции в течение 2012 года происходило последовательное увеличение средних цен от квартала к кварталу.В качестве показателя динамики был использован цепной индивидуальный индекс цен, определяемый по формуле:, (15)где рt – цена товара в текущем периоде;рt–1 – цена товара в предыдущем периоде.Результаты расчётов представлены в таблице 29 и в графическом виде (рисунок 14).Таблица 29 – Динамика средних цен на товары по кварталамНаименование товараI кварталII кварталIII кварталIV кварталМасло подсолнечное–1,0831,0511,056Станки токарные–1,0691,0711,056Макаронные изделия–1,0511,0691,080Алюминиевая проволока–1,0671,0771,075Рис–1,0861,0560,976Данные таблица 29 и рисунка 14 позволяют увидеть, что в течение 2012 года средние цены на отдельные виды товаров росли неравномерно. Так, во 2 квартале по сравнению с 1 более всего выросли цены на рис – на 8,6%, менее всего – на макаронные изделия – на 5,1%. Во втором квартале максимальный прирост цен был отмечен по алюминиевой проволоке – на 7,7%, минимальный – по маслу подсолнечному – на 5,1%. В четвертом квартале более всего подорожали макаронные изделия – на 8,0%, а цена на рис снизилась на 2,4%.Рисунок 14 – Динамика индексов цен на отдельные товары, к предыдущему месяцу6 Корреляционно-регрессионный анализДля выполнения корреляционно-регрессионного анализа на основе таблицы 2 по каждому товару были сформированы исходные данные (таблицы 30-34).Таблица 30 – Сведения о поставках масла подсолнечного по месяцамМесяцКоличество поставок за месяцВнешнеторговый оборот за месяц, USDЯнварь8147620,00Февраль6116815,00Март6123830,00Апрель491256,00Май471126,00Июнь497478,00Июль356120,00Август368747,00Сентябрь6144021,00Октябрь9213195,00Ноябрь376250,00Декабрь4110837,00Таблица 31 – Сведения о поставках станков токарных по месяцамМесяцКоличество поставок за месяцВнешнеторговый оборот за месяц, USDЯнварь3191250,00Февраль7446625,00Март6543375,00Апрель7453375,00Май5284625,00Июнь3223031,25Июль4258750,00Август4258750,00Сентябрь5438750,00Октябрь6400781,25Ноябрь6555468,75Декабрь4262406,25Таблица 32 – Сведения о поставках макаронных изделий по месяцамМесяцКоличество поставок за месяцВнешнеторговый оборот за месяц, USDЯнварь433019,00Февраль218067,00Март658811,20Апрель330745,05Май445136,35Июнь335635,60Июль998776,65Август770928,55Сентябрь453889,50Октябрь566536,40Ноябрь558904,65Декабрь896066,60Таблица 33 – Сведения о поставках алюминиевой проволоки по месяцамМесяцКоличество поставок за месяцВнешнеторговый оборот за месяц, USDЯнварь338269,00Февраль560918,00Март223937,65Апрель554123,30Май683215,55Июнь458418,80Июль8122929,40Август447601,95Сентябрь8113205,95Октябрь462792,40Ноябрь582005,00Декабрь6105083,55Таблица 34 – Сведения о поставках риса по месяцамМесяцКоличество поставок за месяцВнешнеторговый оборот за месяц, USDЯнварь656628,00Февраль337180,00Март1094894,80Апрель334606,00Май551594,40Июнь548677,20Июль00Август670384,60Сентябрь556456,40Октябрь437752,00Ноябрь448477,00Декабрь9104132,60Для целей корреляционно-регрессионного анализа по исходным данным было построено уравнение парной линейной регрессии для каждого товара с использованием значения фактора, оказывающего влияние (x) и результативного признака (y). В данном случае фактором будет являться количество поставок за месяц, а результативным признаком – стоимостное выражение внешнеторгового оборота за месяц.Для построения уравнения линейной регрессии был использован инструмент «Регрессия» Пакета программ MS Excel. Уравнение парной линейной регрессии имеет общий вид:y = a0 + b1x1 .(16)В результатах анализа значения коэффициентов a0 и b1 – это коэффициенты при y-пересечении и переменной x1. Полученные результаты анализа представлены в виде таблицы 35.Таблица 35 – Итоги регрессионной статистики и дисперсионного анализаТовар КоэффициентЗначение коэффициентаt-значениеМасло подсолнечноеa06663,795,52b120622,168,63Коэффициент корреляции0,939–Уравнение регрессии y = 6663.79 + 20622.16x1 Станки токарныеa0-24588,1-3,32b176870,745,16Коэффициент корреляции0,85–Уравнение регрессииy = -24588.1+76870.74x1Макаронные изделияa0-953,71-11,17b111299,3510,86Коэффициент корреляции0,96–Уравнение регрессииy = -953.71 +11299.35x1Алюминиевая проволокаa0-9450,1-10,06b116098,369,54Коэффициент корреляции0,95–Уравнение регрессииy = -9450.1+16098.36x1Рисa02871,925,71b110105,3314,09Коэффициент корреляции0,98–Уравнение регрессииy = 2871.92 +10105.33x1Значение коэффициента корреляции – это значение при множественном R. Данный коэффициент показывает тесноту (силу) статистической взаимосвязи исследуемых величин. Чем ближе его значение к единице, тем сильнее линейная связь (зависимость) между исследуемыми величинами. И наоборот, чем ближе значение коэффициента корреляции к нулю, тем слабее связь.Как можно увидеть, для всех полученных уравнений значение коэффициента корреляции достаточно высоко, только по токарным станкам оно 0,85, для остальных товаров – заметно выше 0,9. Это говорит о высокой степени связи между объемами поставок и их стоимостью.Все значение t-критериев, полученные для коэффициентов уравнений регрессии a и b, являются значимыми, поскольку превышают табличное значение t-критерия при данном количестве степеней свободы (2,56).Таким образом, все полученные уравнения можно считать достоверными и использовать их для целей прогнозирования стоимости поставки в зависимости от ее размера.Коэффициенты a0 в каждом уравнении не несут смысловой нагрузки и являются характеристикой некоей начальной точки отсчета. Коэффициенты b, стоящие при х, говорят о том, каким образом будет изменяться результирующий показатель при изменении факторного признака на 1 единицу. Так, при изменении на 1 единицу количества поставок масла подсолнечного сумма его продаж увеличится на 20622,16. При изменении на 1 единицу количества поставок станков токарных их стоимость увеличится на 76870,74. При изменении на 1 единицу количества поставок макаронных изделий их стоимость увеличится на 11299,35. При увеличении на 1 единицу количества поставок алюминиевой проволоки стоимость поставок увеличится на 16098,36. При увеличении на 1 единицу количества поставок риса их стоимость увеличится на 10105,33.Положительный знак при b говорит о том, что взаимосвязь между количеством поставок всех видов продукции и их стоимостью является прямой, то есть с ростом количества поставок их сумма изменяется в ту же сторону, и наоборот.7 Прогнозирование внешнеторгового оборотаПрогнозирование является неотъемлемой частью планирования внешнеэкономической деятельности. Прогнозирование лежит в основе разработки планов работы и развития таможенной деятельности.Одной из простейших моделей, выражающих тенденцию развития (прогноза), является линейная функция, т.е. прямая вида:, (17)где - параметры уравнения; - период времени (месяц).Используя для расчётов MS Excel, данные параметры были определены с помощью следующих функций:а0 – ОТРЕЗОК(у;t);а1 – НАКЛОН(у;t).Для линейной зависимости параметр рассматривают как обобщенный начальный уровень ряда; – сила связи, т.е. параметр, показывающий, насколько изменится результат при изменении времени на единицу. Таким образом, этот параметр можно представить как постоянный теоретический абсолютный прирост.Для каждого товара было получено уравнение регрессии для прогноза величины внешнеторгового оборота:- масло подсолнечное: yt = 85,80 + 3,036t- станки токарные: yt = 393,24 + 2,58t- макаронные изделия: yt = 27,75 + 5,47t- алюминиевая проволока: yt = 43,4 + 5,78t- рис: yt = 56,34 + 1,056tДля каждого товара, используя данные из уравнений регрессии, был составлен прогноз развития внешнеторгового оборота на три ближайших месяца по каждому виду товара. Для повышения определённости сделанного прогноза далее был проведен интервальный прогноз. Для интервального прогноза для каждого значения t вычислены дисперсии ошибки независимой переменной , временная модель которой определяется выражением:, (18)где – корреляционный момент коэффициентов модели; σ2а, σ2b, σ20 – дисперсии ошибок коэффициентов:, (19), (20). (21)Доверительные границы (верхняя и нижняя) для прогнозируемого внешнеторгового оборота определяются по формуле: , (22) где tβ – статистика Стьюдента, в среде MS Excel была определена с помощью функции СТЬЮДРАСПОБР(β; n–2). В данной курсовой работе значение β принято равным 0,05.Итоговые значения представлены в таблицах 36-40.