них у множинну кореляційно-регресійну модель
ФакториТрендовая модельХ2Quadratic trend = 9758,8 + -9,80051 t + 0,00246066 t ^ 2Х4Quadratic trend = 9471,27 + -9,48273 t + 0,00237358 t ^ 2Х11Quadratic trend = 48033, 9 + -48,0468 t + 0,012015 t ^ 2
Використовуючи трендові моделі, представлені в таблиці 4.1 побудуємо точкові та інтервальні прогнози по досліджуваним чинникам.
Таблиця 4.2
Прогнозні значення факторів, включених у множинну кореляційно-регресійну модель
Рік прогнозаТочечний прогнозГраніца
Отримані прогнозні значення підставимо в рівняння множинної регресії:
= 0,208114 + 0,26373 * X2 + 1,76048 * X4 + 0,546193 * X11
У результаті підстановки отримаємо прогнозні значення.
Таблиця 4.3
Прогнозні значення та довірчі інтервали очікуваного потоку інвестицій в основний капітал Хабаровського краю, отримані на основі множинної регресії
Рік прогнозаТочечний прогнозГраніца
Результати показують, що прогнозований приплив інвестицій має тенденцію до різкого збільшення, і до 2013 року складе 3,057 млрд. руб., що складе 182,6% до 2008году.
5. Періодизація соціально-економічних процесів, що впливають на надходження інвестицій в основний капітал по Хабаровському краю на основі кластерного аналізу
Кластерний аналіз - це спосіб угруповання багатовимірних об'єктів, заснований на представленні результатів окремих спостережень точками підходящого геометричного простору з подальшим виділенням груп як В«згустківВ» цих точок (кластерів, таксонів).
Кластерний аналіз передбачає виділення компактних, віддалених один від одного груп об'єктів, відшукує В«природнеВ» розбиття сукупності на області скупчення об'єктів. Він використовується, коли вихідні дані представлені у вигляді матриць близькості або відстаней між об'єктами або у вигляді точок у багатовимірному просторі. Найбільш поширені дані другого виду, для яких кластерний аналіз орієнтований на виділення деяких геометрично віддалених груп, всередині яких об'єкти близькі. p align="justify"> Вибір відстані між об'єктами є вузловим моментом дослідження, від нього багато в чому залежить остаточний варіант розбиття об'єктів на класи при даному алгоритмі розбиття.
Analysis Summary
--------------- variables:
of complete cases: 18Method: Furthest Neighbor (Complete Linkage) Metric: Squared Euclidean
Members Percent
--------------------------
2 11,11
10 55,56
6 33,33
--------------------------...
