|
смотреть. 1 Задача Оценка согласованности мнений экспертов
Вывод: С увеличением среднедушевых денежных доходов населения на 1 руб. потребление, молока и молочных продуктов на душу населения увеличится на 0.001 кг. Связь прямая.
|
|
|
| 2 Для оценки степени тесноты связи вычисляются следующие коэффициенты:
а) коэффициент корреляции:
= (5237380 - 22792,7 * 228,7) / 4256,6 * 31,3 = 0,185 где средние квадратические отклонения:
= √ 537625897,9 – (22792,7)2 = 4256,609
= √ 53286,4 – (228,7) 2 = 31,348
Коэффициент корреляции показывает тесноту линейной связи между результативным (у) и факторным (х) признаками.
Коэффициент корреляции может принимать значения . Если , то связь между признаками прямая, если - связь обратная.
Для оценки тесноты связи используют шкалу:
до 0,3 – связь отсутствует или очень слабая;
от 0,3 до 0,5 – связь слабая;
от 0,5 до 0,7 – связь умеренная;
от 0,7 до 1,0 – связь сильная.
Вывод: Коэффициент корреляции r= 0,185 говорит о том, что связь между признаками прямая. Теснота связи между фактором и результативным признаком очень слабая.
б) коэффициент детерминации:
D = = (0,185)2 = 0,034
Значение коэффициента детерминации изменяется от 0 до 1 и показывает, на сколько процентов вариация результативного признака определяется вариацией фактора, включенного в уравнение.
Чем ближе значение коэффициента детерминации к 1, тем функция является более адекватной по данному показателю.
Вывод: D=0,034 значит, вариация результата Y - потребление, молока и молочных продуктов на душу населения на 3,4 % определяется вариацией фактора, включенного в уравнение, т.е. среднедушевых денежных доходов населения.
3) Для оценки значимости уравнения регрессии рассчитывается F – критерий Фишера:
= = = 0, 175
Для оценки значимости уравнения регрессии . сравнивается с Fтабл. при , ,
Fтабл = 6,61
Если Fфакт. >Fтабл. уравнение регрессии значимо, статистически надежно и может быть использовано для прогнозирования.
Вывод: Fфакт. < Fтабл (0,258 < 6,61) уравнение регрессии незначимо, статистически ненадежно и не может быть использовано для прогнозирования.
Задача 3. Прогнозирование по методу экстраполяции Задание.Используя метод экстраполяции и предполагая линейную зависимость потребления электроэнергии по субъектам Российской Федерации от времени:построить уравнение линейного тренда и получить прогноз на 2 года вперед (2020, 2021 гг.).
Отразить фактические и расчетные значения показателей потребления (включая прогноз) на графике.
Исходные данные представлены в таблице 5.
Потребление электроэнергии по субъектам Российской Федерации, (млн.кВт.час) Таблица 5 – Исходные данные для прогнозирования по варианту № 68
Вариант
| Показатели
| 2011
| 2012
| 2013
| 2014
| 2015
| 2016
| 2017
| 2018
| 2019
| 68.
| Челябинская область
| 36402,0
| 36310,2
| 35906,4
| 36508,8
| 35992,3
| 36267,9
| 36024,5
| 37731,2
| 37765,2
|
ВЫБРАТЬ ДАННЫЕ ТОЛЬКО СВОЕГО ВАРИАНТА И ПРЕДСТАВИТЬ В ТАБЛИЦЕ!!!
Годы
| Потребление электроэнергии по субъекту Российской Федерации, (млн.кВт.час)
| 2011
| 36402,0
| 2012
| 36310,2
| 2013
| 35906,4
| 2014
| 36508,8
| 2015
| 35992,3
| 2016
| 36267,9
| 2017
| 36024,5
| 2018
| 37731,2
| 2019
| 37765,2
|
РЕШЕНИЕ:
Для определения параметров уравнения тренда построим вспомогательную таблицу 6.
Таблица 6 – Вспомогательная таблица для прогнозирования
Потребление электроэнергии по субъектам Российской Федерации, (млн.кВт.час) Годы
| У фактическое
| Отклонение от года t
| t2
|
| Y расчетное
*
| 2011
| 36402,0
| -4
| 16
| -145608
| 35897,981
| 2012
| 36310,2
| -3
| 9
| -108930,6
| 36059,833
| 2013
| 35906,4
| -2
| 4
| -71812,8
| 36221,685
| 2014
| 36508,8
| -1
| 1
| -36508,8
| 36383,537
| 2015
| 35992,3
| 0
| 0
| 0
| 36545, 389
| 2016
| 36267,9
| 1
| 1
| 36267,9
| 36707,241
| 2017
| 36024,5
| 2
| 4
| 72049
| 36869,093
| 2018
| 37731,2
| 3
| 9
| 113193,6
| 37030,945
| 2019
| 37765,2
| 4
| 16
| 151060,8
| 37192,797
| Итого ()
| 328908,5
| ∑t =0
| 60
| 9711,1
| 328908,5
|
|
|