|
Рассчитаем среднеквадратичное отклонение, коэффициент вариации, а также проверим ряд на "засорение информации" или на аномальные наблюдения.
Среднеквадратичное отклонение = Коэффициент вариации =
По вариации можно сделать вывод, что, так как коэффициент вариации меньше 15% , вариация большая и совокупность в целом можно признать однородной. Проверим ряд на аномальные наблюдения с помощью tn-критерия Граббса. В данной совокупности выделим максимальное и минимальное значение - 568 и 889, допустим их взяли неверно. Формула для расчёта tn-критерия Граббса:
где: y- аномальное наблюдение; - средний абсолютный прирост.
Tn-критерия Граббса=
Далее сравню полученные значения с критическими данными по таблице tn-критерия Смирнова-Граббса. При n=12 и доверительной вероятности 0,95 Ткр=2,519. Так как полученные значения Т1 и Т2 < Ткр, то следовательно нет необходимости исключать эти данные из исследования. Для корреляционно-регрессионного анализа необходимо из нескольких факторов произвести предварительный отбор факторов для регрессионной модели. Сделаем это по итогам расчета коэффициента корреляции. А именно возьмем те факторы, связь которых с результативным признаком будет выражена в большей степени. Начнем наш анализ с рассмотрения следующих факторов: - электроэнергия - бензин - экспортная цена на нефть Первые два фактора традиционно являются составляющими себестоимости продукции и поэтому связь здесь быть достаточно сильной и устойчивой. Третий показатель является величиной влияющей на совокупный спрос , поскольку большую долю национального продукта составляют нефтедоллары. Расчетная таблица приведена ниже. На основании её мы высчитаем показатели связи. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Год |
Потреб. Цены |
Электроэнергия |
Бензин |
Нефть |
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
у |
х1 |
х2 |
х3 |
(х1-хср.) |
(х1-хср.)^2 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
1992 |
26,30 |
1,60 |
18,30 |
5,30 |
-114,76 |
13169,202 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
1994 |
81,53 |
58,40 |
266,00 |
101,00 |
-57,96 |
3359,0304 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
1995 |
179,37 |
163,00 |
756,00 |
282,00 |
46,64 |
2175,5561 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
1996 |
211,11 |
215,00 |
912,00 |
355,00 |
98,64 |
9730,4133 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
1997 |
230,33 |
254,00 |
1011,00 |
376,00 |
137,64 |
18945,556 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
1998 |
451,44 |
239,00 |
1309,00 |
339,00 |
122,64 |
15041,27 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
1999 |
613,50 |
282,00 |
4640,00 |
1000,00 |
165,64 |
27437,556 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
2000 |
723,32 |
416,00 |
5612,00 |
1546,00 |
299,64 |
89785,842 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Сумма |
|
2516,90 |
1629,00 |
14524,30 |
4004,30 |
|
179644,43 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ср.знач-е |
|
179,78 |
116,36 |
1037,45 |
286,02 |
|
12831,74 |
продолжение расчетной таблицы
(yi-уср.)
(х1-хср.)*(уi-уср.)
-153,48
17612,72757
-98,25
5694,188927
-0,41
-19,22937575
31,34
3091,024592
50,55
6957,415305
271,66
33317,03575
433,72
71843,44446
543,54
162868,4953
301365,1025
21526,08
На основе расчетной таблицы мы выявили коэффициенты корреляции между зависимым и влияющим факторами , что бы выявить один основной для построения однофакторной модели.
Рассчитаем коэффициент корреляции для линейной связи и для имеющихся факторов - x1, x2 и x3. Коэффициент корреляции определяется по следующей формуле:
где: и – дисперсии факторного и результативного признака
соответственно;
xy – среднее значение суммы
произведений значений факторного и
результативного признака;
Для фактора x1 после подстановки данных в формулу, получаем следующий коэффициент корреляции r1:
Для фактора x2 после подстановки данных в формулу, получаем следующий коэффициент корреляции r2:
Для фактора x3 после подстановки данных в формулу, получаем следующий коэффициент корреляции r3:
По полученным данным можно сделать вывод о том, что:
Связь между x1 и y прямая (так как коэффициент корреляции положительный) и сильная, так как она находится между 0,9 и 1,0. Тем не менее, будем использовать фактор в дальнейших расчётах.
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11
Новости |
Мои настройки |
|
© 2009 Все права защищены.