Курсовая работа: Статистический анализ и прогнозирование безработицы
а=13,37; b=13,94; c=-1,0017.
Соответственно уравнение
тренда составит: у =13,37+13,94t-1,0017t2
Оценим параметры уравнения на
типичность.
где: S2- остаточная уточнённая дисперсия; mа, mв,
mr - ошибки по параметрам.
После подстановки
значений получились следующие данные:
 
 
Оценим значимость параметров
модели по критерию Стьюдента.
Предположим, что
параметры и коэффициент корреляции стат.
значимы. Для расчёта
использую следующие формулы:
где: ta , tb , tr - расчётное значение t-критерия Стьюдента для параметров.
После подстановки данных
в формулы получил следующие значения:
   
Сравним полученное
значение с табличным t-критерием
Стьюдента. tтабличное при Р=0,05 и (n-2)= 2,1788. Так как tрасчётное > tтабличное , то параметры b и r уравнения типичны (значимы). Так как
tрасчётное < tтабличное , то параметры с и а незначимы.
Оценим уравнение в целом по критерию
Фишера, выдвигаем гипотезу Н0:о том, что коэффициент регрессии равен
нулю.
Fф=Dфакт/Dост=10333,6/906,597=11,398.
FT(v1=1;v2=12)=4,75.
Т.к. Fф > FT при 5%-ном уровне значимости гипотеза Н0 отвергается,
уравнение в целом стат. значимо.
5. Автокорреляция уровней временного
ряда.
Для выбора прогностической модели необходимо
исследовать автокорреляцию уровней динамического ряда, т.е. изучить
корреляционную связь между последовательными значениями уровней временного
ряда.
Таблица 9. Расчет коэффициента автокорреляции.
| год |
тыс.чел. |
yt-1
|
yt-2
|
yt-3
|
| 1992 |
29,3 |
- |
- |
- |
| 1993 |
29,25 |
29,3 |
- |
- |
| 1994 |
48,03 |
29,25 |
29,3 |
- |
| 1995 |
60,06 |
48,03 |
29,25 |
29,3 |
| 1996 |
66,39 |
60,06 |
48,03 |
29,25 |
| 1997 |
96,26 |
66,39 |
60,06 |
48,03 |
| 1998 |
93,59 |
96,26 |
66,39 |
60,06 |
| 1999 |
84,74 |
93,59 |
96,26 |
66,39 |
| 2000 |
92,91 |
84,74 |
93,59 |
96,26 |
| 2001 |
81,26 |
92,91 |
84,74 |
93,59 |
| 2002 |
69,73 |
81,26 |
92,91 |
84,74 |
| 2003 |
76,85 |
69,73 |
81,26 |
92,91 |
| 2004 |
67,9 |
76,85 |
69,73 |
81,26 |
| 2005 |
54,13 |
67,9 |
76,85 |
69,73 |
| итого |
950,4 |
896,27 |
828,37 |
751,52 |
По данному ряду определяю серию
коэффициентов автокорреляции (автокорреляционную функцию):
ra1=0,809, ra2=0,52,
ra3=0,233, ra4=-0,421, ra5=-0,854, ra6=-0,746,
ra7=-0,894, ra8=-0,907, ra9=-0,735, ra10=-0,898,
ra11=-0,919.
Построим график автокорреляционной
функции.
Рис. 3. Коррелограмма для ряда
численности безработных в РБ за 1992-2005гг.
Коррелограмма представляет собой
затухающую функцию. По графику видно, что наиболее высоким оказался ra1=0,809, т.е. уровни текущего года на 80,9% обусловлены
уровнями предыдущего года. Поэтому ряд содержит только тенденцию и не содержит
периодических колебаний. В данном ряду отсутствует трендовая компонента Т и
циклическая (сезонная) компонента S.
3.3. Многофакторный корреляционно –
регрессионный анализ безработицы
Таблица 10. Исходные
данные.
| год |
Уровень безраб-цы |
Индекс ВРП |
Доход на душу насел-я |
Доля пенсионеров |
| 1992 |
5,8 |
77,3 |
51,7 |
18,7 |
| 1993 |
5,9 |
93,3 |
137,4 |
19,6 |
| 1994 |
9,8 |
85,5 |
11,2 |
20,2 |
| 1995 |
12,7 |
86,2 |
83,7 |
20,9 |
| 1996 |
14,9 |
93,5 |
89,6 |
21,5 |
| 1997 |
21,3 |
102,2 |
130,5 |
22,1 |
| 1998 |
22,2 |
94,2 |
72,2 |
22,5 |
| 1999 |
17,3 |
108 |
99,9 |
22,8 |
| 2000 |
19,1 |
104,9 |
111,2 |
22,9 |
| 2001 |
18,4 |
106,4 |
110,2 |
23,2 |
| 2002 |
15,4 |
106,4 |
121,5 |
23,3 |
| 2003 |
16,8 |
106,7 |
104,5 |
23,3 |
| 2004 |
15,3 |
103,7 |
104,4 |
23,5 |
| 2005 |
12 |
104,8 |
111,3 |
23,8 |
| итого |
206,9 |
1373,1 |
1339,3 |
308,3 |
| средн |
14,779 |
98,079 |
95,664 |
22,0214 |
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:
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19 |
