коефіцієнта економічно активного населення на 1%, кількість працевлаштованих на 1000 працюючих зменшиться на 2,48%, при збільшенні коефіцієнта працевлаштованості на 1% збільшиться на 2,16%, а при збільшенні чисельності працюючих на 1000 середньорічних жителів кількість працевлаштованих на 1000 працюючих зменшиться на 0,12%.
Розрахуємо коефіцієнти окремого визначення, які показують внесок кожного фактора в варіацію досліджуваного ознаки.
1 =? 1 * r01, d2 =? 2 * r02, d3 =? 3 * r03,
де?- Бета-коефіцієнт;
r - коефіцієнти парної кореляції.
Отримаємо наступні результати:
d1=0,35, d2=0,15, d3=0,017.
Коефіцієнти окремого визначення показують, що внесок коефіцієнта економічно активного населення 0,35, коефіцієнта працевлаштованості 0,15, а чисельності працюючих на 1000 середньорічних жителів 0,017.
Кореляційний аналіз даних проведено за допомогою пакету Microsoft Excel (додаток В).
2.3 Оцінка кореляційно-регресійної моделі на адекватність
Для практичного використання кореляційно-регресійних моделей велике значення має їх адекватність, тобто відповідність фактичним статистичними даними.
Кореляційний і регресійний аналіз зазвичай проводиться для обмеженою за обсягом сукупності. Тому показники регресії і кореляції - параметри рівняння регресії, коефіцієнти кореляції і детермінації можуть бути перекручені дією випадкових факторів. Щоб перевірити, наскільки ці показники характерні для всієї генеральної сукупності, чи не є вони результатом збігу випадкових обставин, необхідно перевірити адекватність побудованих статистичних моделей.
Регресійний аналіз дозволяє перевірити гіпотези значущості рівняння в цілому на основі критерію F-Фішера і кожного з коефіцієнтів чистої регресії - за критерієм t-Стьюдента.
Таблиця 2.6 Дисперсійний аналіз
dfSSMSFЗначімость FРегрессия3268882,855289627,61848,6888398710,000684651Остаток20206305,144810315,25724Итого23475188
За даними таблиці 2.6 отримане рівняння в цілому значимо: F-критерій Фішера рівний 8,6 значущий вже при 0,00068, або 0,068%. Отже, вплив факторів, включених в модель, на середньодушові грошові доходи населення (на місяць) достовірно.
Аналогічно перевіримо значимість кожного з коефіцієнтів чистої регресії.
Таблиця 2.7 Коефіцієнти регресії
КоеффіціентиСтандартная ошібкаt-статістікаP-ЗначеніеНіжніе 95% Верхні 95%Y-пересечение299,313696248,1329781,2062632640,24179204-218,2826248816,9100168Переменная X 1-19,806043466,474533939-3,0590685990,006193076-33,31168456-6,300402367Переменная X 25,8601644982,4878632332,3555010660,028817630,67057274611,04975625Переменная X 3-0,1386376670,777512524-0,1783092390,860273882-1,7605003671,483225034
В отриманій моделі значущий кожен з коефіцієнтів чистої регресії: t1=- 3,059; P-значення=0,006193, або 0,6%; t2=2,36, P-значення=0,028817, або 2,8%; t3=0,1783, P-значення=0,86027, або 86,02%; Отже, отримані закономірності в результаті інтерпретації x1, x2, x3 можна поширювати на всю генеральну сукупність.
Виходячи з того, що значення значущості F і t набагато менше, ніж значення F-критерію і t-критерію, можна зробити висновок про те, що модель адекватна.
ГЛАВА 3. Аналіз рядів динаміки методами укрупнення інтервалів і ковзної середньої, аналітичне вирівнювання по рівнянню прямий і параболи на прикладі Малоярославецкого району
3.1 Аналіз рядів динаміки
Один з найпростіших прийомів виявлення загальної тенденції розвитку явища - укрупнення інтервалу динамічного ряду. Сенс прийому полягає в тому, що первинний ряд динаміки перетвориться і замінюється іншим, показники якого ставляться до великим за тривалістю періодам часу. Розрізняють динамічні ряди абсолютних і відносних показників. Вихідні показники, безпосередньо відбивають розміри досліджуваного явища, називаються рівнями ряду динаміки.
В даному випадку для вирівнювання ряду динаміки ми використовуємо метод укрупнення періодів і метод ковзної середньої. Перший метод дозволяє погасити випадкові коливання ознаки, завдяки чому новий динамічний ряд середніх за укрупненими періодам відображає тенденції вихідного динамічного ряду. Другий метод передбачає послідовний рас?? ет середніх за періоди, зрушувані на одну дату. При цьому досягається взаємне погашення випадкових коливань окремих рівнів динамічного ряду. Отриманий ряд середніх характеризує закономірні зміни рівня від однієї дати до іншої, проявляючи тим самим тенденцію розвитку явищ.
