исследование США

Содержание:
Задание на курсовой проект
Исходные данные
Базовый анализ
Анализ временных рядов
Корреляционный анализ
Регрессионный анализ
Дисперсионный анализ
Дискриминантный анализ
Факторный анализ
Кластерный анализ
Заключение

исследование США

Асимметричность
0,6992921
-0,073150642
0,675352074
1,023165731
Интервал
470266
91881
30468
228338
Минимум
60008
18542
13548
21982
Максимум
530274
110423
44016
250320
Сумма
6922574
1759139
744138
2757965
Счет
30
30
30
30
Уровень надежности(95,0%)
53785,46298
10492,10421
3068,121533
26158,99072
Продолжение таблицы 2
Показатели
ВВП
Потребительские расходы, млн.долл.
В текущих ценах, млдр.долл.
Расходы на транспортные средства
Приобретение мебели и крупной бытовой техники
Отдых и путешествия
 
 
 
 
 
 
 
 
 
 
Среднее
8270,783333
271,1328
166,2064
181,1558
Стандартная ошибка
673,6460955
18,38122
12,0485219
18,35341
Медиана
7626,6
264,5975
150,1385
159,326
Стандартное отклонение
3689,711623
100,6781
65,9924725
100,5258
Дисперсия выборки
13613971,86
10136,08
4355,00643
10105,43
Эксцесс
-1,18972437
-1,27821
-1,396064
-1,32085
Асимметричность
0,322425825
-0,10861
0,23386757
0,373081
Интервал
11399,7
315,174
199,992
299,522
Минимум
3126,8
93,017
71,461
49,879
Максимум
14526,5
408,191
271,453
349,401
Сумма
248123,5
8133,983
4986,192
5434,675
Счет
30
30
30
30
Уровень надежности(95,0%)
1377,760942
37,59381
24,6419938
37,53694
Показатели
Доходы населения, млрд. долларов
 
Доходы населения
Наемные работники
Частные предприниматели
Доход от аренды
 
 
 
 
 
Среднее
 
 
 
 
Стандартная ошибка
6986,767
4629,133
604,4333
1753,2
Медиана
579,4808
374,7777
59,26604
163,2517
Стандартное отклонение
6395,5
4079
549,5
1563,5
Дисперсия выборки
3173,947
2052,742
324,6135
894,1666
Эксцесс
10073941
4213749
105373,9
799533,9
Асимметричность
-1,16928
-1,23461
-1,38278
-0,68995
Интервал
0,340126
0,370096
0,297219
0,627789
Минимум
9878
6254
959
3052
Максимум
2582
1819
174
582
Сумма
12460
8073
1133
3634
Счет
209603
138874
18133
52596
Уровень надежности(95,0%)
30
30
30
30
1185,171
766,5064
121,2127
333,8873
Анализ временных рядов
Анализ динамических рядов социально-экономических явлений обычно начинают с рассмотрения статистик, расчет которых не требует какой-либо предварительной обработки анализируемого динамического ряда.
В результате того или иного сопоставления уровней динамического ряда формируется система абсолютных и относительных показателей динамики, к числу которых относятся абсолютные приросты (и их среднее значение), ускорение, коэффициенты роста (и их среднее значение), коэффициенты прироста (и их среднее значение), абсолютное значение одного процента прироста. Сравниваемый уровень динамического ряда называется текущим, а уровень, с которым производится сравнение, базисным. В зависимости от того уровня, который принимается за базу сравнения, будут получены различные показатели динамики. Приняв за базу сравнения некоторый постоянный уровень, например y1 получим серию базисных показателей, которые характеризуют окончательный результат всех изменений в уровнях ряда от первого периода (или момента времени) до текущего периода. Следует иметь ввиду, что в реальных задачах за базу сравнения может быть принят уровень ряда, относящийся к периоду (моменту), выходящему за пределы анализируемого динамического ряда (например начальный момент периода с которого начинается некоторый новый этап развития).
Если производится сравнение текущего уровня (yt) с непосредственно предшествующим (yt-1), то получаются цепные показатели динамики.
Динамические ряды отражают развитие какого-либо явления или процесса за длительный период времени. На этом временном отрезке могут происходить существенные, качественные изменения условий развития изучаемого объекта, что, в свою очередь, может привести к изменению основной тенденции, закономерности его развития.
Периодизация ряда динамики – это разделение его на временные этапы, однородные с точки зрения закономерности развития явления и изменения показателя, на основе которого построен динамический ряд. Это, своего рода, типологическая группировка во времени.
Необходимость периодизации очевидна и при расчете средних показателей динамики, поскольку средняя величина отражает типический уровень только тогда, когда она рассчитана по качественно однородной совокупности; и при построении аналитической формы тренда; и при осуществлении экстраполяции, предполагающей продление в будущее тенденции, наблюдавшейся в прошлом.
Проведение периодизации должно основываться прежде всего на всестороннем анализе внутренних причин и внешних условий существования и развития объекта изучения. На смену тенденции развития социально-экономических явлений могут повлиять определенные исторические события, смена системы управления и регулирования экономики, изменение хозяйственного механизма на более низком уровне, кардинальные изменения в технике и психологии производства и т. п. Теоретический анализ – отправная точка в периодизации рядов динамики. Однако, основываясь только на этом подходе, сложно установить точные временные границы выделяемых периодов.
В отдельных случаях, когда есть данные о двух взаимосвязанных рядах, один из которых построен на основе признака-фактора, а другой – признака-результата, используется метод параллельной периодизации.
Его применение возможно:
во-первых, если установлена тесная корреляционная зависимость между рядами;
во-вторых, достаточно четко определяются точки изменения основной тенденции развития в ряду, построенном на основе признака-фактора.
При наличии этих условий с большой степенью вероятности можно ожидать, что периоды смены закономерности изменения признака-результата будут соответствовать периодам, выделенным в ряду, который отражает изменения признака-фактора.
Если в какой-то момент (период) времени меняется знак при показателях скорости изменения уровней ряда или многократно увеличиваются значения характеристик интенсивности и названные параметры сохраняются на определенном отрезке времени, то эти моменты можно считать переломными в развитии изучаемого процесса. Отмеченные точки будут границами выделяемых периодов.2
Большинство регулярных составляющих временных рядов принадлежит к двум классам: они являются либо трендом, либо сезонной составляющей. Тренд представляет собой общую систематическую линейную или нелинейную компоненту, которая может изменяться во времени. Сезонная составляющая - это периодически повторяющаяся компонента.
Таблица 3.
Анализ временного ряда Экспорт рынка услуг
Время
Объем экспорта млн.долл США
Базисный абсолютный прирост, млн.долл. США
Цепной абсолютный прирост, млн.долл. США
Базисный темп роста, %
Цепной темп роста, %
Темп прироста, %
Абсолютное значение 1-го % прироста, млрд.долл. США
1981
60008
-
-
-
-
-
 
1982
60254
246
246
100,4%
100,4%
0,4%
600,080
1983
65842
5834
5588
109,7%
109,3%
9,3%
602,540
1984
70489
10481
4647
117,5%
107,1%
7,1%
658,420
1985
72536
12528
2047
120,9%
102,9%
2,9%
704,890
1986
77545
17537
5009
129,2%
106,9%
6,9%
725,360
1987
87030
27022
9485
145,0%
112,2%
12,2%
775,450
1988
100971
40963
13941
168,3%
116,0%
16,0%
870,300
1989
117935
57927
16964
196,5%
116,8%
16,8%
1009,710
1990
137232
77224
19297
228,7%
116,4%
16,4%
1179,350
1991
152437
92429
15205
254,0%
111,1%
11,1%
1372,320
1992
164024
104016
11587
273,3%
107,6%
7,6%
1524,370
1993
171566
111558
7542
285,9%
104,6%
4,6%
1640,240
1994
186721
126713
15155
311,2%
108,8%
8,8%
1715,660
1995
203722
143714
17001
339,5%
109,1%
9,1%
1867,210
1996
222115
162107
18393
370,1%
109,0%
9,0%
2037,220
1997
238457
178449
16342
397,4%
107,4%
7,4%
2221,150
1998
244427
184419
5970
407,3%
102,5%
2,5%
2384,570
1999
262922
202914
18495
438,1%
107,6%
7,6%
2444,270
2000
281249
221241
18327
468,7%
107,0%
7,0%
2629,220
2001
270751
210743
-10498
451,2%
96,3%
-3,7%
2812,490
2002
278182
218174
7431
463,6%
102,7%
2,7%
2707,510
2003
287217
227209
9035
478,6%
103,2%
3,2%
2781,820
2004
331746
271738
44529
552,8%
115,5%
15,5%
2872,170
2005
362895
302887
31149
604,7%
109,4%
9,4%
3317,460
2006
403996
343988
41101
673,2%
111,3%
11,3%
3628,950
2007
472624
412616
68628
787,6%
117,0%
17,0%
4039,960
2008
519540
459532
46916
865,8%
109,9%
9,9%
4726,240
2009
487867
427859
-31673
813,0%
93,9%
-6,1%
5195,400
2010
530274
470266
42407
883,7%
108,7%
8,7%
4878,670
Средние значения временного ряда представим в таблице 4.
Таблица 4.
Средние значения временного ряда
Средний уровень ряда , млрд. долл. США
230752,467
Средний абсолютный прирост, млрд. долл.США
16216,069
Средний темп роста, %
107,5%
Средний темп прироста, %
7,5%
Рис.1 Линейный тренд
Корреляционный анализ
Корреляционный анализ дает возможность установить, ассоциированы ли наборы данных по величине, то есть, большие значения из одного набора данных связаны с большими значениями другого набора (положительная корреляция), или, наоборот, малые значения одного набора связаны с большими значениями другого (отрицательная корреляция), или данные двух диапазонов никак не связаны (нулевая корреляция).
Уравнение вида
называется уравнением парной регрессии, так как рассматривается зависимость одной выходной переменной Y от одного фактора X.
Если корреляционная связь линейна, то
где c1 и с0 - коэффициенты регрессии. Если корреляционная связь нелинейна, то уравнение парной регрессии может иметь различный вид.
Уравнение регрессии вида
называется уравнением множественной регрессии, где с0, с1, с2,...ст -коэффициенты регрессии, так как выходная переменная Y зависит от т факторов: Х1, Х2,... Хт .
В случае линейной связи уравнение множественной регрессии имеет вид
Расчет коэффициентов линейного уравнения парной регрессии представим ниже.
Пусть произведено п пар наблюдений (измерений) на случайные величины X и Y, то есть имеем (х1;у1);(х2;у2);…;(хп;уп). Эти результаты можно предста­вить графически (рис. 2).
Рис. 2. Графическое представление результатов наблюдения
Значения величины Y, вычисленные по выражению
, назы­вают модельными и обозначают . Разности
Называют отклонениями случайной величины У.
В регрессионном анализе расчет коэффициентов регрессии с0, с1 осуществляется методом наименьших квадратов (МНК). В соответст­вии с этим методом коэффициенты с0 и с1, выбираются так, чтобы сум­ма квадратов отклонений была минимальной. Так как эта сумма зависит от коэффициентов с0 и с1 то можно записать
Для минимизации этой функции приравняем к нулю ее первые производные:
После преобразования получаем следующую систему уравнений:
Полученная система нормальных алгебраических уравнений в регрессионном анализе обычно решается по правилу Крамера:3
- главный определитель системы
- определители: