Заказ работы

Заказать
Каталог тем

Самые новые

Значок файла Пределы: Метод. указ./ Составители: С.Ф. Гаврикова, И.В. Касымова.–Новокузнецк: ГОУ ВПО «СибГИУ», 2003 (0)
(Методические материалы)

Значок файла Салихов В.А. Основы научных исследований в экономике минерального сырья: Учеб. пособие / СибГИУ. – Новокузнецк, 2004. – 124 с. (0)
(Методические материалы)

Значок файла Дмитрин В.П., Маринченко В.И. Механизированные комплексы для очистных работ. Учебное посо-бие/СибГИУ - Новокузнецк, 2003. – 112 с. (0)
(Методические материалы)

Значок файла Шпайхер Е. Д., Салихов В. А. Месторождения полезных ископаемых и их разведка: Учебное пособие. –2-е изд., перераб. и доп. / СибГИУ. - Новокузнецк, 2003. - 239 с. (0)
(Методические материалы)

Значок файла МЕТОДИЧЕСКИЕ УКАЗАНИЯ К ВЫПОЛНЕНИЮ ЭКОНОМИЧЕСКОЙ ЧАСТИ ДИПЛОМНЫХ ПРОЕКТОВ Для студентов специальности "Металлургия цветных металлов" (0)
(Методические материалы)

Значок файла Учебное пособие по выполнению курсовой работы по дисциплине «Управление производством» Специальность «Металлургия черных металлов» (110100), специализация «Электрометаллургия» (110103) (0)
(Методические материалы)

Значок файла Контрольные задания по математике для студентов заочного факультета. 1 семестр. Контрольные работы №1, №2, №3/Сост.: С.А.Лактионов, С.Ф.Гаврикова, М.С.Волошина, М.И.Журавлева, Н.Д.Калюкина : СибГИУ. –Новокузнецк, 2004.-31с. (0)
(Методические материалы)

Каталог бесплатных ресурсов

Исследование зависимости производства ликеро-водочных изделий с экономическими показателями

Постановка задачи....................................................................................................................................................

Первичный анализ исходных данных....................................................................................................

Корреляционно-регрессионный анализ................................................................................................

Способ 1....................................................................................................................................................................................

Способ 2....................................................................................................................................................................................

метод пресс......................................................................................................................................................................

метод исключения...................................................................................................................................................

метод главных компонент...............................................................................................................................

прогнозирование........................................................................................................................................................

заключение.......................................................................................................

 

Постановка задачи.

 

               Определить существует ли зависимость между производством ликеро-водочных изделей (Y) и :   

            1- валовый сбор зерна (X1);
            2 - валовый сбор сахарной свеклы (X2);
            3- потребление пива (X3);
            4- население России  (X4);
            5- потребление водки (X5).
            В случае обнаружения зависимости построить оптимальную модель, котороя могла бы быть пригодной для прогноза.

Первичный анализ исходных данных.

 

            Анализ динамики производства ликеро-водочных изделий (Y) показывает, что за период наблюдения (N=21)  минимальное производство был равно 138.1, а максимальным 209.2, тем самым изменение величины Y было в пределах 71.1. Вариация равная 12.2126% свидетельствует об однородности величины Y (<33%). Отклонение от среднего значения (176.5905) в среднем не превышало 17.5814 (среднее абсолютное отклонение), эксцесс (-1.1554) и асимметрия (-0.1873)  утверждает, что распределение величины Y имеет незначительный сдвиг влево и достаточно выраженную плосковершинность.
            Величина Y имеет тенденцию к увеличению, средний темп прироста составляет -0.981% .

            Анализ динамики валового сбора зерна (X1) показывает, что за период наблюдения (N=21)  минимальный сбор был равен 248.1, а максимальным 356.3, тем самым изменение величины X1 было в пределах 108.2. Вариация равная 10.6046% свидетельствует об однородности величины X1 (<33%). Отклонение от среднего значения (313.5953) в среднем не превышало 33.2555 (среднее абсолютное отклонение), эксцесс (-0.9713) и асимметрия (-0.5517)  утверждает, что распределение величины X1 имеет незначительный сдвиг влево и достаточно выраженную плосковершинность.
            Величина X1 имеет тенденцию к увеличению, т.к. средний темп прироста составляет 1.0741% или на 0.0254 единиц измерения (% от номинала в миллионах тонн). Сбор до 16 наблюдения имеет тенденцию к увеличению, в период от 16 до 21 наблюдается падение сбора.

            Анализ динамики валового сбора сахарной свеклы (X2) показывает, что за период наблюдения (N=21)  минимальный сбор был равен 20812, а максимальный 33177, тем самым изменение величины X2 было в пределах 12365. Вариация равная 13.9157% свидетельствует об однородности величины     X2 (<33%). Отклонение от среднего значения (26846.0952) в среднем не превышало 3735.8119 (среднее абсолютное отклонение), эксцесс (-1.1144) и асимметрия (0.324)  утверждает, что распределение величины X2 имеет незначительный сдвиг вправо и  плосковершинность.
            Величина X2 имеет тенденцию к увеличению, т.к. средний темп прироста составляет 0.9409%. 

            Анализ динамики потребление пива (X3) показывает, что за период наблюдения (N=21)  минимальное потребление пива  было 92.4, а максимальная  106.1, тем самым изменение величины X3 было в пределах 13.7. Вариация равная 3.8059% свидетельствует об однородности величины X3 (<33%). Отклонение от среднего значения (99.5857) в среднем не превышало 3.7902 (среднее абсолютное отклонение), эксцесс (5.6717) и асимметрия (1.4085)  утверждает, что распределение величины X3 имеет незначительный сдвиг вправо и достаточно выраженную островершинность.
            Величина X3 имеет тенденцию к росту, т.к. средний темп прироста составляет 0.0821% . Потребление пива  во время 9 наблюдения имеет резкое падение.

            Анализ динамики населения России (X4) показывает, что за период наблюдения (N=21)  минимальное население  было 130.1, а максимальное 147.4, тем самым изменение величины X4 было в пределах 17.3. Вариация равная 3.6811% свидетельствует об однородности величины X4 (<33%). Отклонение от среднего значения (138.7) в среднем не превышало 5.1057 (среднее абсолютное отклонение), эксцесс (-1.2575) и асимметрия (0.1499)  утверждает, что распределение величины X4 имеет незначительный сдвиг вправо и незначительную плосковершинность.
            Величина X4 имеет тенденцию к возрастанию, т.к. средний темп прироста составляет 0.6262% .Кривая распределения величины Х4 имеет небольшой подъем вверх.

            Анализ динамики потребления водки  (X5) показывает, что за период наблюдения (N=21)  минимальное потребление  было 133.5, а максимальное 208.5, тем самым изменение величины X5 было в пределах 75. Вариация равная 11.4207% свидетельствует о однородности величины X5 (<33%). Отклонение от среднего значения (175.9905) в среднем не превышало 20.0993 (среднее абсолютное отклонение), эксцесс (-0.7625) и асимметрия (-0.1934)  утверждает, что распределение величины X5 имеет  незначительный сдвиг влево и достаточно выраженную плосковершинность.
            Величина X5  имеет тенденцию  к уменьшению,  т.к. средний темп прироста составляет -1.1457% . Потребление до 13 наблюдения  возрастает, затем последовал медленный  спад до 21 наблюдения.

Корреляционно-регрессионный анализ.

            Анализ коэффициентов парной корреляции говорит о наличии интенсивной связи Y с Х5 (0.9834), средней с Х4 (-0.5315) -знак минус указывает на обратную зависимость- и Х3 ( -0.4266), слабой с Х2 (-0.1890) и  Х1 (0.1176). Значит в модель стоит включить факторы  Х3, Х4,Х5.

            Следующим этапом идет проверка на мультиколлениарность,существует несколько способов данной проверки.

Способ 1.

            При проверке на мультиколлениарность (коэффициенты частной корреляции и t-статистика) видно, что существует взаимосвязь между: