Уровень жизни. КР 17.12.22. Титул Содержание
 Скачать 0.7 Mb.
|
3.2. Текущие и перспективные проблемы уровня жизни населенияВ течение 25 лет российская экономика не демонстрирует никаких признаков роста в своем развитии. В последние годы эксперты наблюдают не рост или спад экономики, а скорость рецессии, то есть ускорение или замедление рецессии. Согласно докладу Правительства РФ за 2022 год, рецессия остановилась и достигла дна. Приземляться уже негде. Снижение уровня жизни населения можно рассматривать как реализацию абсолютной бедности. В 2021 году количество населения с доходом ниже прожиточного минимума достигнет 16,1 млн человек, то есть увеличится на 300 000 человек. Рост реальных доходов населения - 10,5%. По данным национальной статистики, 42% населения являются бедными, а 39% - малообеспеченными. Другими словами, около 90% населения находится на грани бедности. Для точности исследования необходимо выделить причины бедности (таблица 2). Таблица 2– Причины бедности
Бедность измеряется путем сравнения границы бедности со статистическими показателями, выбранными для измерения материального благосостояния населения. Материальное благосостояние населения, в отличие от уровня жизни, измеряется с точки зрения совокупных ресурсов, имеющихся в распоряжении домохозяйства, как показатель величины полученных населением доходов, включающий оценку доходов в натуральной форме и денежных доходов. Доля населения с доходами ниже прожиточного минимума показывает динамику бедности и численность населения, отнесенного к категории бедных. Таблица 3 – Данные для расчета параметров регрессии
Для наших данных система уравнений имеет вид 10a + 95625·b = 175.3 95625·a + 941195187·b = 1689314.5 Домножим уравнение (1) системы на (-9562.5), получим систему, которую решим методом алгебраического сложения. -95625a -914414062.5 b = -1676306.25 95625*a + 941195187*b = 1689314.5 Получаем: 26781124.5*b = 13008.25 Откуда b = 0.000486 Теперь найдем коэффициент «a» из уравнения (1): 10a + 95625*b = 175.3 10a + 95625*0.000486 = 175.3 10a = 128.853 a = 12.8853 Получаем эмпирические коэффициенты регрессии: b = 0.000486, a = 12.8853 Уравнение регрессии (эмпирическое уравнение регрессии): y = 0.000486 x + 12.8853 Эмпирические коэффициенты регрессии a и b являются лишь оценками теоретических коэффициентов βi, а само уравнение отражает лишь общую тенденцию в поведении рассматриваемых переменных. Параметры уравнения регрессии. Выборочные средние. Выборочные дисперсии: = = Среднеквадратическое отклонение Коэффициент корреляции b можно находить по формуле, не решая систему непосредственно: Коэффициент корреляции. Ковариация. Рассчитываем показатель тесноты связи. Этот показатель является линейным коэффициентом корреляции выборки, который рассчитывается по формуле. = Коэффициент линейной корреляции имеет значение от -1 до +1. Корреляция между признаками может быть слабой или сильной (тесной). Критерий оценивается по шкале Чеддока: 0.1 < rxy < 0.3: слабая; 0.3 < rxy < 0.5: умеренная; 0.5 < rxy < 0.7: заметная; 0.7 < rxy < 0.9: высокая; 0.9 < rxy < 1: весьма высокая; В этом примере связь между признаком Y и фактором X является очевидной и прямой. Коэффициент регрессии b определяет линейный коэффициент парной корреляции. При анализе качества регрессионной модели используется теорема о разложении дисперсий. Согласно этому методу общую дисперсию результативного признака можно разделить на две составляющие: дисперсию, которая объясняется уравнением регрессии, и необъясненную дисперсию. Задача дисперсионного анализа предназначен для анализа дисперсии зависимой переменной. ∑(yi - ycp)2 = ∑(y(x) - ycp)2 + ∑(y - y(x))2 где ∑(yi - ycp)2 - общая сумма квадратов отклонений; ∑(y(x) - ycp)2 - сумма квадратов отклонений, обусловленная регрессией («объясненная» или «факторная»); ∑(y - y(x))2 - остаточная сумма квадратов отклонений. Таблица 4 – Дисперсионный анализ
Таблица 5 – Показатели качества уравнения регрессии
Для исследования зависимости Y от X на этапе спецификации была выбрана парная линейная регрессия. Ее параметры оценивались с помощью метода наименьших квадратов. Статистическую значимость уравнений проверяли с помощью коэффициента детерминации и критерия Фишера. Было выявлено, что 27,61% общего изменения Y объясняется изменением X в исследуемом случае. Также было установлено, что параметры модели не являются статистически значимыми: возможна экономическая интерпретация параметров модели: увеличение на одну единицу X связано со средним увеличением Y на 0,000486 единицы. Подводя итог, отметим, что данный анализ корреляции так же указывает на увеличение Величины прожиточного минимума руб. в месяц, как было представлено у нас в сценарном прогнозе. |