Корреляционно-регрессионный анализ развития экономического роста

             Коэффициент эластичности показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1%. Коэффициент эластичности для линейной функции обычно рассчитываются средние показатели эластичности по формуле[3, c. 73]:

Эср=ai(xi ср/уi ср)                                                  (7)

Эх1=1,17507*(84,25/143,533)=0,689733.

             Увеличение отгруженных товаров собственного производства на 1% приведет к увеличению оборота организаций в среднем на 0,69%.

              Ошибка аппроксимации (сходимости), наряду с коэффициентом детерминации используется для оценки качества построения модели, если Ā ≤ 7%, модель считается хорошей.

                                                (8)

А=

Модель можно считать статистически значимой.

              Из полученной регрессионный модели можно сделать следующие вывода: за рассматриваемые 12 месяцев в Республике Башкортостан увеличение отгруженных товаров собственного производства на 1% приведет к увеличению оборота организаций в среднем на 0,69%, при увеличении отгруженных товаров собственного производства на единицу от своего среднего уровня оборот организаций увеличится на 1,17 единиц в среднем. Так же R2=0,868001, т.е. 86,8%    вариации результативного признака объясняется факторами, включенными в уравнение регрессии, а 13,1999% - прочими факторами, которые мы не включили в модель.

ГЛАВА 3. ПРОГНОЗИРОВАНИЕ ДИНАМИКИ РЕАЛЬНОГО ОБЪЕМА ВВП РЕСПУБЛИКИ БАШКОРТСОТАН

Основная цель статистического анализа временных рядов — изучение соотношения между закономерностью и случайностью в формировании значений уровней ряда, оценка количественной меры их влияния. Закономерности, объясняющие динамику показателя в прошлом, используются для прогнозирования его значений в будущем, а учет случайности позволяет определить вероятность отклонения от закономерного развития и его возможную величину. [5,c.125]

Аналитические методы выделения неслучайной составляющей временного ряда.

Формирование уровней ряда определяется закономерностями трех основных типов:

-   инерцией тенденции;

- инерцией взаимосвязи между последовательными уровнями ряда;

-инерцией взаимосвязи между исследуемыми показателями и показателями

- факторами, оказывающими на него причинное воздействие.

Исходные данные

Таблица 6.

Рис. 2. «График динамики ВВП»

Выявление аномальных наблюдений.

Так как наличие аномальных наблюдений приводит к искажению результатов моделирования, то необходимо убедиться в отсутствии аномалий в данных. Для диагностики аномальных наблюдений разработаны различные критерии, выбор вида модели и оценка ее параметров, например метод Ирвина. Для всех или только подозреваемых в аномальности наблюдений вычисляется величина λt.

Диагностика аномальных наблюдений.                      Таблица 7.

Если расчетная величина λt  превышает табличный уровень (для 12 наблюдений значение критерия Ирвина равно 1,45), то уровень Y(t) считается аномальным. Аномальные наблюдения необходимо исключить из временного ряда и заменить их расчетными значениями.

     Следующая процедура этапа предварительного анализа данных — выявление наличия тенденций в развитии исследуемого показателя.

    Делим исходный временной ряд на две примерно равные по числу уровней части. Для каждой из этих частей вычисляем средние значения.

«Выявление наличия тенденций в развитии исследуемого показателя»

Таблица 8

              Наличие тренда определим методом Фостера–Стьюарта. Для этого рассчитаем сравнительные характеристики:

              (11)
 

и вычислим             

,                                    (12)

s=6, d=6.

Найдем значения

σ1=1,35 σ2=1,98 μ=3,96 найдены по таблице при уровне значимости  α=0,05 и числе степеней свободы m=n-2=12-2=10

tтаб=2,20098

ts > tтаб, то имеется тренд в среднем ,

td > tтаб, то имеется тренд в дисперсии .

Информация о работе Корреляционно-регрессионный анализ развития экономического роста