Реферати українською » Экономика » Залежність виробництва лікеро-горілчаних виробів


Реферат Залежність виробництва лікеро-горілчаних виробів

>онно-регрессионний аналіз.
Спосіб 1.
Спосіб 2.
метод прес
метод винятку
метод головних компонент
прогнозування
висновок

Постановка завдання.

Визначити може бути залежність між виробництвом лікеро-горілчанихизделей (Y) і :
1- валовий збір зерна (>X1);
2 - валовий збір цукрових буряків (>X2);
3- споживання пива (>X3);
4- населення Росії (>X4);
5- споживання горілки (X5).

У разі виявлення залежності побудувати оптимальну модель,котороя міг би бути придатної для прогнозу.

Первинний аналіз вихідних даних.

Аналіз динаміки виробництва лікеро-горілчаних виробів (Y) показує, що з період спостереження (>N=21) мінімальне виробництво був одно 138.1, а максимальним 209.2, цим зміна величини Y був у межах 71.1. Варіація рівна 12.2126% свідчить про однорідності величини Y (<33%). Відхилення від середнього значення (176.5905) загалом не перевищувало 17.5814 (середнє абсолютне відхилення), ексцес (-1.1554) і асиметрія (-0.1873) стверджує, що розподіл величини Y має незначний зрушення вліво і вираженуплосковершинность.

Розмір Y має тенденцію до підвищення, середній темп приросту становить -0.981% .

Аналіз динаміки цьогорічного валового збору зерна (>X1) показує, що з період спостереження (>N=21) мінімальний було дорівнює 248.1, а максимальним 356.3, цим зміна величиниX1 був у межах 108.2. Варіація рівна 10.6046% свідчить про однорідності величиниX1 (<33%). Відхилення від середнього значення (313.5953) загалом не перевищувало 33.2555 (середнє абсолютне відхилення), ексцес (-0.9713) і асиметрія (-0.5517) стверджує, що розподіл величиниX1 має незначний зрушення вліво і вираженуплосковершинность.

ВеличинаX1 має тенденцію до підвищення,т.к. середній темп приросту становить 1.0741% чи 0.0254 одиниць виміру (% від номіналу у мільйонах тонн). Збір до 16 спостереження має тенденцію до підвищення, у період з 16 до 21 простежується падіння збору.

Аналіз динаміки цьогорічного валового збору цукрових буряків (>X2) показує, що з період спостереження (>N=21) мінімальний було дорівнює 20812, а максимальний 33177, цим зміна величиниX2 був у межах 12365. Варіація рівна 13.9157% свідчить про однорідності величиниX2 (<33%). Відхилення від середнього значення (26846.0952) загалом не перевищувало 3735.8119 (середнє абсолютне відхилення), ексцес (-1.1144) і асиметрія (0.324) стверджує, що розподіл величиниX2 має незначний зрушення вправо іплосковершинность.

РозмірX2 має тенденцію до підвищення,т.к. середній темп приросту становить 0.9409%.

Аналіз динаміки споживання пива (>X3) показує, що з період спостереження (>N=21) мінімальне споживання пива було 92.4, а максимальна 106.1, цим зміна величиниX3 був у межах 13.7. Варіація рівна 3.8059% свідчить про однорідності величиниX3 (<33%). Відхилення від середнього значення (99.5857) загалом не перевищувало 3.7902 (середнє абсолютне відхилення), ексцес (5.6717) і асиметрія (1.4085) стверджує, що розподіл величиниX3 має незначний зрушення вправо і вираженуостровершинность.

ВеличинаX3 має тенденцію до зростання,т.к. середній темп приросту становить 0.0821% . Споживання пива під час 9 спостереження має різке зниження.

Аналіз динаміки населення Росії (>X4) показує, що з період спостереження (>N=21) мінімальне населення було 130.1, а максимальне 147.4, цим зміна величиниX4 був у межах 17.3. Варіація рівна 3.6811% свідчить про однорідності величиниX4 (<33%). Відхилення від середнього значення (138.7) загалом не перевищувало 5.1057 (середнє абсолютне відхилення), ексцес (-1.2575) і асиметрія (0.1499) стверджує, що розподіл величиниX4 має незначний зрушення вправо і незначнуплосковершинность.

РозмірX4 має тенденцію до зростання,т.к. середній темп приросту становить 0.6262% .Крива розподілу величиниХ4 має невеличкий підйом вгору.

Аналіз динаміки споживання горілки (X5) показує, що з період спостереження (>N=21) мінімальне споживання було 133.5, а максимальне 208.5, цим зміна величини X5 був у межах 75. Варіація рівна 11.4207% свідчить про однорідності величини X5 (<33%). Відхилення від середнього значення (175.9905) загалом не перевищувало 20.0993 (середнє абсолютне відхилення), ексцес (-0.7625) і асиметрія (-0.1934) стверджує, що розподіл величини X5 має незначний зрушення вліво і вираженуплосковершинность.

Величина X5 має тенденцію до зменшення,т.к. середній темп приросту становить -1.1457% . Споживання до 13 спостереження зростає, потім був повільний спад до 21 спостереження.

>Корреляционно-регрессионний аналіз.

Аналіз коефіцієнтів парної кореляції свідчить про наявність інтенсивної зв'язку Y з Х5 (0.9834), середньої зХ4 (-0.5315) -знак мінус свідчить про обернену залежність- і Х3 ( -0.4266), слабкої з Х2 (-0.1890) іХ1 (0.1176). Отже в модель стоїть включити чинники Х3,Х4,Х5.

Наступним етапом йде перевірка намультиколлениарность, є кілька способів даної перевірки.

Спосіб 1.

Під час перевірки намультиколлениарность (коефіцієнти приватної кореляції іt-статистика) видно, що є взаємозв'язок між:

>x1 >x2 >x3 >x4
>x2 >x1   >x1
>x4 >x4   >x2

отже в модель включається Х5 іХ4,т.к. коефіцієнт парній кореляціїY-X4 (-0.5315) більше, ніж коефіцієнти парній кореляціїY-X1 (0.1170) іY-X3 (-0.4266) іY-Х2(-0.1890).

Спосіб 2.

Цей метод грунтується на аналізі розподілу кореляційної матриці. Ідея методу у тому що вводяться деякі критерії з урахуванням якого перевірити про значимість відхилення кореляційної матриці від ортогональної, при цьому вводиться величина:

>Х^2=N-1-1/6(2*n+5)*lnR|

за розрахункамиХИ квадрат одно 80.469 більше табличного, отже між перемінними існуємультиколлениарность. Для визначення рівнямультиколлениарности вводимо величину:

>W=(Cii-1)-(N-n)/(n-1)

деСii - діагональний елемент матриці зворотної кореляційної.

>Wii >Wii >f-критерий
>W11 3.622 0.0139
>W22 1.93 0.12648
>W33 6.18 0.00081
>W44 2.181 0.08999
>W55 6.225 0.00077

Ця таблиця вказує, щоколлениарна Х2, потімХ4 і можна сказати що Х3 і Х5 зовсім не відколлениарни. Отже в модель краще включити Х3 і Х5, але проведений наступний регресійний аналіз вказує краще включати у модель Х2 і Х3, тобто. виробництво лікеро-горілчаних виробів (Y) залежить від цьогорічного валового збору цукрових буряків (>X2) та споживання пива (>X3).

Аналіз рівняння регресії каже, що з зростанні Х5 на 1 одиницю у одиницях виміру збільшить Y на 1.0552 одиниці у одиницях виміру, Відхилення основного тренду мають випадковий характер, а дана модель визначає Y на 96.71% (R-квадрат). Відносна помилкаапроксимации вказує про адекватність математичну модель. Ступінь неуважності Y мала (>дисперсия=3.909). Розподіл Y є нормальним, у низці немаєавтокорреляции не можна , а перевірка настационарность випадкового компонента з допомогоюХ^2 (>Х^2=10.04) вказує що коефіцієнти кореляції неоднорідні.

Метод прес.

Заснований на виборі найкращого рівняння регресії при цьому розраховують значення сум квадратів розбіжності:

>Хi відхилення >Хi відхилення >Хi відхилення >Хi відхилення >Хi відхилення
1 9174.74 12 5598.67 123 5589.96 1234 538.735 12345 185.547
2 8969.93 13 7329.06 124 545.654 1235 217.694    
3 7608.97 14 2226.17 125 217.86 1245 185.690    
4 6674.29 15 256.857 134 1176.13 1345 236.652    
5 305.611 23 7607.95 135 240.845 2345 224.784    
    24 256.856 145 256.53        
    25 227.26 234 3506.0        
    34 5628.28 235 224.949        
    35 275.868 245 226.924        
    45 266.522 345 236.662        

З таблиці видно найкраще взяти модель 25 чи 125.

модель >R2 дисперсія
25 0.9756 3.3709
125 0.9766 3.3005

Наступна перевірка каже, що модель 25 найвигідніша. Отже виробництво лікеро-горілчаних виробів (Y) залежить від 2- цьогорічного валового збору цукрових буряків (>X2), 5- споживання горілки (X5) на 97.66%.

Метод винятку.

Метод винятку грунтується на аналізі коефіцієнтів регресійного рівняння за умови, що змінна у своїй коефіцієнті в модель було включено останньої.

перемінні вмоделе >f-кри-терий перемінні вмоделе >f-кри-терий перемінні вмоделе >f-кри-терий перемінні вмоделе >f-кри-терий перемінні вмоделе >f-кри-терий
>Х1 3.1719 >Х1 0.5331 >Х1 0.7335        
Х2 4.1314 Х2 1.7014 Х2 3.0429 Х2 1.8365    
Х3 0.0115 Х3 0.0121            
>Х4 2.5988         >Х4 8.6594    
Х5 28.553 Х5 394.844 Х5 419.872     Х5 23.6498
>Fкр 4.4100 >Fкр 4.4100 >Fкр 4.4100 >Fкр 4.4100 >Fкр 4.4100

Отже в модель включається лише Х5. Ця модель визначає Y на 96.71%, отже споживання горілки (X5) значно впливає виробництво лікеро-горілчаних виробів (Y).

Метод головних компонент.

Метод головних компонент було запропоновано До.Пирсоном в 1901 року, кому надалі розвинений і доопрацювали. Метод грунтується на стандартизації змінних навіщо використовують такі формули:

>Zij=(Xij-Xiсред)Si ; >Si=[1/(n-1)*сумма(Xij-Xiсред)2](1/2) ;

деZijстандартизованние перемінні;

Si стандартизоване відхилення.

У моделі беруть участь головні компонентиWj, які представляють таке:

>Wj=V1Z1+V2Z2+...+VrZr

деVj власний вектор, який задовольняє системі рівнянь:

(>Z'z-KI)*Vj=0

деZ'z кореляційна матриця;

КI характеристичні коріння рівняння |Z'z-KI|=0 .

Кореляція головних компонент показує тісноту зв'язкуХi із головними компонентами. ЗмінніХ1,Х2,Х4 мають інтенсивну зв'язок із першою головною компонентом, а Х3 середню, друга головна компонента інтенсивно пов'язані з перемінної Х5. Отже валовий збір зерна (>X1), валовий збір цукрових буряків (>X2), населення Росії (>X4), споживання пива (X5) мають деяку гіпотетичну величину, яка від них. Модель отримана методом головних компонент визначає величину Y на 87.43% ( R квадрат).

Прогнозування.

Проведемо прогнози за отриманими моделям і зробимо оцінки прогнозів.

прогноз >Gt >Dср >Eпр-сред K >KH >KH1 V >Vмю >Vs >Vl
регресія від чинників 2.5273 1.552086 0.843786 0.13734 0.015911 0.0164 0.1373 0.008 0.009699 169.4348
регресія від головних компонент 6.633742 4.78329 2.587049 0.360434 0.041764 0.0432 0.3604 0.002 0.076127 124.1527
>експоненциальное згладжування 11.42036 7.739524 3.974608 0.62061 0.071899 0.0744 0.6206 0.006 0.169182 168.1134
метод гармонійних терезів 8.637442 3.711905 2.035688 0.46938 0.054378 0.0563 0.4693 0.018 0.074788 157.9697
регресія від часу 16.61707 11.85095 6.213912 0.903012 0.104615 0.1083 0.903 0.012 0.169182 263.5587

Із даної таблиці видно, що точної моделлю прогнозу вважається регресія від чинників,т.к.Gt=2.5273.Eпр-сред вказує про точності високої точності прогнозу, До - що дана модель дуже близька до еталонною (простаекстрополяция),КН - модель близька до досконалої, аКН1 - що модель краще ніж модель лише на рівні середньої, V - що модель близька до простийекстрополяции,Vмю - що центральна тенденція визначено точно,Vs - що відхилення фактичних і прогнозних досить точно збігаються,Vl - слабка зв'язок між прогнозними і фактичними значеннями.

Укладання.

Основними висновками по проведену роботу можна вважати таку:

1- виробництво лікеро-горілчаних виробів (Y) має тенденцію до постійному зростанню;

2 - найсильніше воно залежить споживання горілки (Х5) і південь від цьогорічного валового збору цукрових буряків (>X2) ;

3 - найбільш кращої моделлю щодо прогнозу служить модель отримана покорреляционно-регрессионному методу , а її 97,66% описує

виробництво лікеро-горілчаних виробів (Y);

4 - прогноз слід проводити за моделлю регресії від чинників, характеристики якої найбільш достовірні;

5 - для побудови найточнішої моделі слід подивитися на більше чинників, вплив що у більшою мірою б визначало виробництво лікеро-горілчаних виробів (Y);

6 - вплив цьогорічного валового збору зерна (>X1), споживання пива (Х3) та населення Росії (>Х4)фактически несуттєво б'є по зміна виробництва лікеро-горілчаних виробів (Y);

7 - отримана модель придатна для прогнозу тільки короткостроковий період.



Схожі реферати:

Навігація