Здесь можно найти учебные материалы, которые помогут вам в написании курсовых работ, дипломов, контрольных работ и рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


курсовая работа Многофакторный анализ и прогнозирование показателей

Информация:

Тип работы: курсовая работа. Добавлен: 31.05.13. Сдан: 2012. Страниц: 25. Уникальность по antiplagiat.ru: < 30%

Описание (план):



Содержание.
 
Введение              2
I Прогнозирование социально-экономических показателей на основе однофакторных моделей              4
1.1 Прогнозирование среднемесячной трудовой пенсии на основе однофакторной модели. Сравнение с прогнозами правительства. (Задание 1)              4
1.2 Прогнозирование численности сельского населения на основе линейной модели и модели с учётом фиктивной переменной (Задание 2).              7
1.3 Прогнозирование  средней заработной платы населения (Задание 3)              10
1.4 Прогнозирование душевых денежных доходов населения Российской Федерации (Задание 4)…………………………………………………………14
II  Многофакторный анализ и прогнозирование показателей.              16
2.1 Прогнозирование индикаторов уровня жизни населения(Задание 5)              16
2.2 Кластеризация регионов Центрального федерального округа(Задание 6)              19
2.3 Расчет объема товарооборота предприятий(Задание 7)
Заключение              27
Список используемой литературы              30

 
 
 
 
 
 
 
 
 
 
 
 
 
 
                                         Введение.
Главной особенностью современной экономической системы стало активное воздействие государства на развитие национальной экономики.
В настоящее время практически во всех странах рынок является регулируемым государством. Важным звеном государственного регулирования являются прогнозирование и  планирование  социально-экономического развития.
Социально-экономические прогнозы разрабатываются по федеральным округам, регионам, областям и т.д. Результаты прогнозов используются при принятии управленческих решений как рекомендации при разработке программ и планов  и планов развития государства и регионов. Предприятиям прогноз позволяет заблаговременно принять меры  по предотвращению нежелательных результатов.
В  рамках данной курсовой работы рассматриваются  методы социально-экономического прогнозирования, в частности,  основанные на использовании математического аппарата регрессионного анализа и экспоненциального сглаживания.
Структурно работа состоит из двух разделов.
Первый раздел посвящен  решению задач по построению временных трендовых моделей и прогнозированию на их основе социально-экономических показателей, таких, как  среднемесячная заработная плата, среднемесячная трудовая пенсия населения РФ. Основное внимание в каждом задании  уделено выбору наиболее подходящей для целей прогнозирования модели из двух альтернативных вариантов, а также оценке адекватности и точности построенных экономико-математических моделей. 
Второй раздел охватывает широкий спектр вопросов, касающихся прогнозирования показателей на основе экспоненциального сглаживания,  прогнозирования с использованием многофакторной статистической модели, методики выбора моделей и их интервальной оценки. В этом же разделе рассматривается состав показателей, характеризующих  уровень жизни,  методика расчета частных и интегральных индикаторов уровня  жизни населения и проводится  сравнение данных показателей. Также затрагиваются основы многомерных статистических методов. Методы многомерного анализа нашли применение в социально-экономических исследованиях.  В многомерном анализе образовались разделы, которые не изолированы, а проникают и переходят один в другой. И одним из таких разделов является кластерный анализ, сущность и применение которого  рассмотрены  в ходе исследования на однородность регионов Уральского Федерального округа по ряду показателей.
Актуальность данной работы состоит в том, что эффективность планирования и управления экономикой непосредственно зависит и обуславливается уровнем прогнозирования процессов.
Информационной базой при подготовке работы явились реальные статистические данные, полученные из Российского статистического ежегодника (2009 г.), а также ряд учебников и учебных пособий по дисциплинам «Статистика», «Эконометрика» и другие.
 
 
 
 
 
 
 
 
 
 
 
 

1. Прогнозирование социально-экономических показателей на основе однофакторных моделей.

Задание 1.
По реальным статистическим данным о среднемесячной трудовой пенсии по старости населения России с 2001 по 2009 построить линейную модель и спрогнозировать пенсию на 2010,2011 год. Сравнить прогнозное значение, полученное по модели, с прогнозным значением Правительства РФ на 2010 год (7946 рублей). Если прогнозное значение по линейной модели значительно отличается от прогноза Правительства (ошибка аппроксимации превышает 5%), то построить модель вида . Спрогнозировать пенсию по этой модели и сравнить с прогнозом Правительства по ошибке аппроксимации на этот год. Оценить значимость модели и определить стандартную ошибку. Исходные данные представлены в таблице 1.
 
 
Таблица 1 - Исходные данные для задания 1.
год
2001
2002
2003
2004
2005
2006
2007
2008
2009
пенсия
1246
1589
1892
2090
2569
3100
3979
3971
4950
 
1.Используя программу Stadia 6.2, получим линейную модель , следующего вида:
                                                       (1)
        2.  Спрогнозируем по модели (1) трудовую пенсию по старости на 2010,2011 год:
а)(рублей).
          б)(рублей).         
 
        3. Сравним прогнозное значение, полученное по модели, с прогнозным значением Правительства РФ на 2010,2011 год:
а)
б)
Так как  прогнозное значение, полученное по модели, значительно отличается от прогноза Правительства, то построим модель вида  .
      4.Модель строим аналогично. В результате получим, что экспоненциальная модель имеет вид:
                                                                   (2)
      5. Получим прогнозное значение пенсии на 2010,2011  год по модели (2)  и так же сравним это значение с прогнозом Правительства с помощью ошибки аппроксимации:
а)(рублей).
б)(рублей).
а)
б)
 
Таким образом, прогнозное значение пенсии на 2010 год, полученное по модели  (2), незначительно отличается от прогноза Правительства РФ.
    6. Оценим значимость модели (2) по критерию Фишера. Для этого с помощью программы Stadia 6.2 найдем значение индекса детерминации: = 0,988.   Тогда, на основании зависимости , получим расчетное значение:

Поскольку > Fкр(? = 0,05; f1 = 1; f2 = 7) = 5,59, то  модель является значимой.
      7. Определим стандартную ошибку прогноза:
                      ,.
      8. Средняя ошибка аппроксимации составляет
Вывод: Модель может быть признана некачественной, так как полученные на ее основе расчетные значения результативного показателя не согласуются с наблюдаемыми (величина ошибки аппроксимации более 5%), прогнозное значение пенсии на 2010 год по модели значительно отличается от прогноза Правительства РФ, и несмотря на то, что проверка значимости модели  по критерию Фишера также дает положительный результат.
 
 
 
 
 
 
 
 
 
 
Задание 2.
По реальным статистическим данным о динамике численности сельского населения с 1992 по 2007 построить линейную модель  и модель с учётом фиктивной переменной (F) (1992-1995 F=1, 1996-2007 F=0). Определить ошибку аппроксимации для этих моделей. Спрогнозировать численность населения на 2010 года.
Модель с фиктивной переменной имеет вид .
Исходные данные представлены в таблице 7.
 
Таблица 2 – Исходные данные для задания 2
Год
1992
1993
1994
1995
1996
1997
1998
1999
Численность,
млн.чел.
39,1
39,9
40,1
40,2
40,0
39,8
39,7
39,4
Год
2000
2001
2002
2003
2004
2005
2006
2007
Численность,
млн.чел.
39,5
39,2
38,9
38,7
38,4
38,8
38,7
38,4
 
1.Построим линейную модель динамики численности сельского населения с помощью программы Stadia 6.2. Модель имеет вид:
     .                                                (3)
2.Построим модель с учётом фиктивной переменной. В результате получим модель следующего вида:
               (4)
3.Определим ошибку аппроксимации для каждой из построенных моделей:
а) для линейной модели ошибка аппроксимации равна:

б) для  модели с фиктивной переменной ошибка аппроксимации составила:

4 Спрогнозируем численность населения на 2010 г. Для прогноза используем более точную модель, то есть модель с фиктивной переменной.

Оценим качество модели с помощью F-критерия Фишера. Расчётное значение критерия найдем с помощью программы Stadia 6.2: По таблице критических точек распределения Фишера при = 0,05 по числу степеней свободы f1 = 3; f2 = 12 определяем Fкр(0,05; 3; 12) = 3,5.
Так как > Fкр, то уравнение регрессии значимо.
Оценим также значимость всех параметров модели с помощью t-критерия Стьюдента. Воспользуемся t-статистикой из программы MS Excel (таблица 3)
Таблица 3 – t-статистика в программе MS Excel
 
Коэффициенты
Стандартная ошибка
t-статистика
Y-пересечение
40,6486014
0,182254274
223,0323636
Переменная X 1
-0,145104895
0,016489267
-8,799960145
Переменная X 2
-1,698601399
0,302552968
-5,614228176
Переменная X 3
0,495104895
0,089711313
5,518867995
 
 
 
 

 
Сравнивая значения t-статистики для каждого параметра с критическим значением, определённым по таблице критических точек распределения Стьюдента tкр (=0,05, f = n-k-1 = 16-3-1=12) = 2,17, получаем, что все параметры  модели (4) значимы.
Вывод:  По величине ошибок аппроксимации двух моделей было сделано заключение о том, что модель с фиктивной переменной по сравнению с линейной  является более точной для прогноза численности сельского населения.  Кроме того, ошибка аппроксимации свидетельствует о хорошем качестве построенной модели.
При 5%-ном уровне значимости можно сделать вывод о значимости построенного уравнения регрессии
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Задание  3.
По данным  о среднемесячной заработной плате населения России в долларах с 1997 по 2009 г. Выполнить сглаживание исходных данных при 0,5;0,1 и 0,9. Построить модель для 0,5 и спрогнозировать заработную плату на 2010,2011гг. Исходные данные представлены в Таблице 4.
Таблица 4  - Исходные данные для задания 3
год
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
з/п
200
70
90
110
120
150
174
237
300
411
552
768
592
 
Решение
1.Рассчет скользящей средней приведем по формуле:
                         (5)
а) при 0,1:

 
 
 

б) при =0,5:
 

 

 
 
 
 
в) при 0,9:

 

 
2.Построим модель для ,используя программу Stadia 6.2:
                                 (6)
3. Спрогнозируем среднюю заработную плату на 2010,2011 года:
            (долл).
            (долл).
4. Оценим значимость модели (6) по критерию Фишера. Для этого с помощью программы Stadia 6.2 найдем значение индекса детерминации: = 0,703.   Тогда, на основании зависимости , получим расчетное значение:

Поскольку > Fкр, то  модель является значимой.
      7. Определим стандартную ошибку прогноза:
                      ,.
      8. Средняя ошибка аппроксимации составляет
Вывод: Модель может быть признана качественной, так как полученные на ее основе расчетные значения результативного показателя согласуются с наблюдаемыми (величина ошибки аппроксимации менее 10%), проверка значимости модели  по критерию Фишера также дает положительный результат.
 
 
 
 
 
 
 
 
 
 
 
 
Задание 4.
Построить линейную модель по данным с 2000 по 2008года. Оценить значимость модели и определить ошибку аппроксимации. Если ошибка более 5%, то построить нелинейную модель. Спрогнозировать на 2010,2011гг. среднедушевые доходы в месяц.
Среднедушевые денежные доходы (до 1998г. - в тыс. руб.), рубль,
значение показателя за год
 
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
Пензенская область
1259,9
1708,3
2221,4
2764,9
3421
4385,9
5658,9
8002,4
10172,9
11556,5
 
1.Используя программу Stadia 6.2, получим линейную модель , следующего вида:
                                                       (7)
         2.  Спрогнозируем по модели (7) среднедушевые денежные доходы населения по РФ на 2010,2011 год:
а)(рублей).
          б)(рублей).         
 
        3. Оценим значимость модели (7) по критерию Фишера. Для этого с помощью программы Stadia 6.2 найдем значение индекса детерминации: = 0,963.   Тогда, на основании зависимости , получим расчетное значение:

Поскольку > Fкр(? = 0,05; f1 = 1; f2 = 7) = 5,59, то  модель является значимой.
      4. Определим стандартную ошибку прогноза:
                      ,.
     5.Средняя ошибка аппроксимации составляет
             Так как средняя ошибка аппроксимации больше 5%,то строить нелинейную модель мы строить не будем.
Вывод: Модель может быть признана качественной, так как полученные на ее основе расчетные значения результативного показателя согласуются с наблюдаемыми (величина ошибки аппроксимации менее 5%), проверка значимости модели  по критерию Фишера также дает положительный результат.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

2. Многофакторный анализ и прогнозирование показателей.

Задание 5.
В Российском статистическом ежегоднике (2009г.) в таблице 6.1 указаны индикаторы уровня жизни населения России с 2000 по 2008 год. На основе логического анализа дополнить число индикаторов  и с учётом общего их количества определить интегральный показатель уровня жизни населения в 2000 и 2008 годах. Сравнить эти показатели и сделать выводы.
                       6.1. ОСНОВНЫЕ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИЕ ПОКАЗАТЕЛИ УРОВНЯ ЖИЗНИ НАСЕЛЕНИЯ
 
1995
2000
2001
2002
2003
2004
2005
2006
2007
2008
Фактическое конечное потребление домашних хозяйств (в текущих ценах), млрд. руб. (1995 г. - трлн. руб.)
872
3813
5014
6390
7710
9814
12391
15161
18742
23447
   на душу населения, руб.
   (1995 г. - тыс. руб.)
5874
26014
34347
43976
53330
68240
86582
106401
131882
165170
   в процентах к предыдущему году
   (в сопоставимых ценах)
 
105,9
108,2
107,7
106,7
110,2
110,5
109,9
112,0
109,6
Среднедушевые денежные доходы населения (в месяц), руб. (1995 г. - тыс. руб.)
515,9
2281,1
3062,0
3947,2
5170,4
6410,3
8111,9
10196,0
12602,7
14939,2
Реальные располагаемые денежные доходы населения, в процентах к предыдущему году
85,0
112,0
108,7
111,1
115,0
110,4
112,4
113,5
112,1
101,9
Среднемесячная номинальная начисленная заработная плата работающих в экономике, руб. (1995 г. - тыс. руб.)
472,4
2223,4
3240,4
4360,3
5498,5
6739,5
8554,9
10633,9
13593,4
17290,1
Реальная начисленная заработная плата, в процентах к предыдущему году
72,0
120,9
119,9
116,2
110,9
110,6
112,6
113,3
117,2
111,5
Средний размер назначенных пенсий1), руб. (1995 г. - тыс. руб.)
188,1
694,3
1023,5
1378,5
1637,0
1914,5
2364,0
2726,1
3115,5
4198,6
Реальный размер назначенных пенсий1), в процентах к предыдущему году
80,5
128,0
121,4
116,3
104,5
105,5
109,6
105,1
104,8
118,1
Величина прожиточного минимума2) (в среднем на душу населения):
 
 
 
 
 
 
 
 
 
 
   руб. в месяц (1995 г. - тыс. руб.)
264,1
1210
1500
1808
2112
2376
3018
3422
3847
4593
   в процентах к предыдущему году
в 3,1 р.
120,03)
124,0
120,5
116,8
112,5
118,63)
113,4
112,4
119,4
Численность населения с денежными доходами ниже величины прожиточного минимума:
 
 
 
 
 
 
 
 
 
 
   млн. человек
36,5
42,3
40,0
35,6
29,3
25,2
25,2
21,5
18,7
18,5
   в процентах от общей численности
   населения
24,8
29,0
27,5
24,6
20,3
17,6
17,7
15,2
13,3
13,1
   в процентах к предыдущему году
110,9
84,93)
94,6
89,0
82,3
86,0
87,73)
85,3
87,0
98,9
Соотношение с величиной прожиточного минимума4), процентов:
 
 
 
 
 
 
 
 
 
 
   среднедушевых денежных доходов
195
189
204
218
245
270
269
298
328
325
   среднемесячной номинальной
   начисленной заработной платы
159
168
199
222
239
259
263
288
327
348
   среднего размера назначенных пенсий
101
76
90
100
102
106
98
100
102
115
Коэффициент фондов (коэффициент дифференциации доходов), в разах
13,5
13,9
13,9
14,0
14,5
15,2
15,2
16,0
16,8
16,9
Коэффициент Джини (индекс концентрации доходов)
0,387
0,395
0,397
0,397
0,403
0,409
0,409
0,416
0,423
0,423
 
 
 
 
 
 
Решение
1. Для вычисления частных индикаторов уровня жизни населения в 2000 и 2008 годах воспользуемся двумя формулами:
                                                                          (8)
                                                                                      (9)
где - наименьшее возможное значение j-го показателя;
          - наибольшее возможное значение j-го показателя;
          - значение j-го показателя в рассматриваемом году.
При этом, если большие значения соответствуют более высокому уровню жизни, то при переходе к частным индикаторам (нормативным показателям) следует воспользоваться соотношением (8). Если же, напротив, относительно большие значения свидетельствуют о плохом качестве (как, например, в случае с уровнем безработицы), то при вычислении частных индикаторов уровня жизни следует воспользоваться формулой (9).
2. Вычислим  интегральный показатель  уровня жизни населения в 2000 и в 2008 годах:
          
         
 

 
 
Таблица  – Частные показатели на промежуточные года
 
2001
2002
2003
2004
2005
2006
2007
1
0,817
0,756
0,697
0,604
0,56
0,84
0,67
2
0,874
0,761
0,702
0,608
0,37
0,92
0,53
3
0,623
0,705
0,869
0,295
0,44
0,96
0,42
4
0,823
0,762
0,677
0,591
0,58
0,87
0,71
5
0,168
0,084
1
0,153
0,43
0,85
0,90
6
0,835
   0,769
0,701
0,627
0,41
0,89
0,88
7
0,02
0,096
0,204
0,211
0,38
0,84
0,62
8
0,792
0,703
0,639
0,57
0,45
0,82
0,71
9
0,139
0,246
0,495
0,474
0,65
0,91
0,66
10
0,715
0,643
0,573
0,512
0,38
0,98
0,82
11
1
0,029
0,06
0,09
0,41
0,81
0,64
12
0,097
0,282
0,546
0,718
0,43
0,95
0,64
13
0,094
0,277
0,547
0,717
0,45
0,81
0,76
14
0,57
0,766
1
0,871
0,51
0,78
0,47
15
0,892
0,827
0,624
0,436
0,49
0,95
0,71
16
0,788
0,667
0,577
0,471
0,52
0,89
0,75
17
1
0,6
0,52
0,36
0,38
0,96
0,59
18
0,882
0,853
0,706
0,5
0,45
0,86
0,48
19
0,722
0,722
0,556
0,389
0,51
0,88
0,59
 
 
              Замечание: при суммировании частных индикаторов при расчете интегральных показателей уровня жизни, индикаторы, вычисленные по формуле, берутся со знаком «минус».
Построим линейную модель динамики численности сельского населения с помощью программы Stadia 6.2. Модель имеет вид:
     .   
     Спрогнозируем по модели показатели на 2010,2011 год:
а)(рублей).
          б)(рублей).         
       
   Вывод: На основе рассмотренных показателей можно сделать вывод о том,  что уровень жизни населения  в 2000 году в 0,864 раз выше, чем соответствующий показатель в 2008 году.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Задание 6.
С использованием кластерного анализа выделить однородные регионы центрального федерального округа по средней начисленной заработной плате в 2007 и 2008 годах. Построить модели для прогнозирования, используя показатель в каждом кластере.
              6.9. НАЧИСЛЕННАЯ ЗАРАБОТНАЯ ПЛАТА ПО СУБЪЕКТАМ РОССИЙСКОЙ ФЕДЕРАЦИИ
  
Среднемесячная номинальная начисленная заработная плата,
руб. (1995 г. - тыс. руб.)
Реальная начисленная заработная плата,
в процентах к предыдущему году
1995
2000
2004
2005
2006
2007
2008
1995
2000
2004
2005
2006
2007
2008
Российская Федерация
472,4
2223,4
6739,5
8554,91)
10633,91)
13593,4
17290,1
72
121
111
1131)
1131)
117
111
Приволжский
федеральный округ
388,9
1783,0
5149,9
6473,3
8118,0
10347,4
13209,9
 
 
109
112
115
117
111
Республика Башкортостан
415,9
1932,9
5389,4
6612,0
8632,3
11027,1
14084,1
84
126
107
108
119
118
111
Республика Марий Эл
254,4
1164,8
3783,7
4938,2
6343,5
8404,3
10534,6
64
109
109
118
118
122
108
Республика Мордовия
276,6
1107,6
4013,6
5060,7
6358,4
8103,0
10530,5
75
113
109
111
116
117
114
Республика Татарстан
428,4
2010,2
5452,8
7067,8
8849,9
11468,6
14904,0
81
125
108
116
116
120
115
Удмуртская Республика
352,4
1741,5
5130,5
6373,3
7798,4
9838,6
12153,8
75
121
106
111
112
115
107
Чувашская Республика
253,0
1196,2
4048,2
5073,1
6436,7
8703,2
11146,6
65
112
113
114
117
123
111
Пермский край
470,4
2433,7
6211,8
7748,9
9516,2
11856,0
14774,1
80
118
103
112
111
112
105
Кировская область
334,4
1521,7
4540,6
5695,8
6960,3
8861,5
10971,0
76
118
111
111
111
116
108
Нижегородская область
397,9
1697,6
5255,7
6533,4
8111,7
10302,0
13467,7
76
108
111
109
111
114
111
Оренбургская область
418,0
1848,8
4734,8
6163,5
7685,1
9619,6
12087,2
73
122
111
116
114
116
110
Пензенская область
261,2
1258,0
3911,1
5206,8
6344,0
8566,4
11723,1
71
111
99,4
117
110
122
117
Самарская область
531,4
2214,0
6275,9
7764,9
9614,2
11920,7
14674,9
76
112
108
110
113
113
108
Саратовская область
284,7
1391,5
4301,4
5439,3
7009,7
9108,3
12008,3
71
120
112
114
119
120
116
Ульяновская область
325,4
1429,0
4372,3
5343,8
6708,0
8412,7
10895,0
68
115
105
107
114
115
111
1) Без учета данных по Чеченской Республике.
Российский статистический ежегодник - 2009г.
 
 
 
 
Для выделения однородных регионов использовать кластерный анализ.
Решение
Для проведения классификаций методами кластерного анализа будем использовать программу статистической обработки данных Stadia 6.2. Из инструментов, предложенных данной программой, выберем кластерный анализ. Расчет матрицы (таблицы) расстояний проводится по функции евклидова расстояния.
   (1)      (2)      (3)      (4)      (5)      (6)      (7)      (8)      (9)     (10)
(  2)     3481
(  3)     3704    301,7
(  4)    492,2     3959     4187
(  5)     1452     2043     2255     1940
(  6)     3197    313,1    605,3     3670     1773
(  7)     1212     4688     4905    770,7     2650     4407
(  8)     2736    767,8    968,3     3220     1287      547     3937
(  9)    892,7     2594     2812     1381    559,4     2316     2095     1844
( 10)     1697     1810     2015     2185    246,6     1549     2890     1049    804,8
    
( 11)     3360    162,4    463,7     3834     1932    165,3     4570    683,3     2477
          1705
( 12)     1328     4802     5017      888     2763     4522    117,5     4050     2209
          3003     4685
( 13)     2513    969,3     1198     2993     1075    701,8     3719    251,7     1625
         847,1    858,4     3833
( 14)     3246    364,8    467,2     3732     1795    397,6     4443    514,9     2354
          1553    395,1     4555    758,2
 
                          К л а с т е р ы:
                 (список объектов) -> расстояние
(12,7) --> 117,5
(11,2) --> 162,4
(11,6,2) --> 165,3
(10,5) --> 246,6
(13,8) --> 251,7
(11,3,6,2) --> 301,7
(14,11,3,6,2) --> 364,8
(4,1) --> 492,2
(14,13,8,11,3,6,2) --> 514,9
(10,9,5) --> 559,4
(12,4,1,7) --> 770,7
(14,10,9,5,13,8,11,3,6,2) --> 847,1
(14,12,4,1,7,10,9,5,13,8,11,3,6,2) --> 892,7

Mожно провести следующий анализ.
В ходе классификации было получено пять объединений, то есть административно-территориальные единицы федерального округа были объединены  в пять групп. Выделение кластеров проводилось по значительным скачкам расстояний.
1)12,7-Самарская область и Пермский край;
2)11,6,2-Пензенская область и Республики Чувашская и Марий Эл.
3)13,8-Кировская и Саратовская области;
4)1,4-Республики Башкортостан и Татарстан;
5)10,9-Нижегородская и Оренбургская области;
На первых итерациях идет объединение областей и автономных округов с плавным изменением расстояния между ними.
На первом шаге кластеризации Самарская область объединилась со Чувашской республикой с расстоянием 117,5 условных единиц. Это означает, что выбранные показатели данных субъектов схожи. Затем объединяются  Пензенская область, республики Марий Эл и Чувашская.
Скачок наблюдается при объединении Кировской и Саратовской области . Расстояние между этими субъектами изменилось от 117,5 до 251,7 условных единиц. Поэтому можно выделить два отличных друг от друга кластера.
Следующий резкий скачок – при объединении Республики Башкортостан и Татарстан. Расстояния между этими кластерами изменилось до 492,2, что позволяет рассматривать их как ещё два отличных друг от друга кластера.
Затем мы можем объединить Нижегородскую и Оренбургскую области, расстояние между этими кластерами изменилось до 559,4 условных единиц.
Так, например, Чувашская республика и Самарская область отличаются высоким показателем начисления реальной зарплаты. В то же время в этих областях наблюдается низкий показатель начисления среднемесячной зарплаты.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Задание 7.
  По объёму товарооборота с 2000-2009 гг. Построить статистическую модель на основе метода колебательных процессов, определить ошибку аппроксимации. Спрогнозировать значение показателей на 2010 год. Данные приведены в таблице
 

и т.д.................









1
16,0
П/5
0,588
0,809
9,408
12,9
2
16,4
2П/5
0,951
0,309
15,6
5,07
3
15,6
3П/5
0,951
-0,309
14,84
-4,82
4
15,0
4П/5
0,588
-0,809
8,82
-12,14
5
15,3
П
0
-1
0
-15,3
6
14,6
6П/5
-0,588
-0,809
-8,59
-11,81
7
13,9

Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.