Реферат: Корреляционно-регрессионный анализ взаимосвязи производственных показателей предприятия организ

Всероссийский заочный финансово-экономический институт

Факультет «Менеджмент и маркетинг»

Кафедра «БУАС»

КУРСОВАЯ РАБОТА

по дисциплине «Статистика»

на тему

«Корреляционно-регрессионный анализ взаимосвязи производственных показателей предприятия (организации)»

Вариант №20

Выполнила: студентка 3 курса, МиМ2ВО № студ. билета 09ММД

Проверила: к.э.н. старший преподаватель

Архангельск

2009

Содержание:

I. Введение

Полная и достоверная статистическая информация является тем необходимым основанием, на котором базируется процесс управления экономикой. Принятие управленческих решений на всех уровнях – от общегосударственного или регионального и до уровня отдельной корпорации или частной фирмы – невозможно без должного статистического обеспечения.

Именно статистические данные позволяют определить объемы валового внутреннего продукта и национального дохода, выявить основные тенденции развития отраслей экономики, оценить уровень инфляции, проанализировать состояние финансовых и товарных рынков, исследовать уровень жизни населения и другие социально-экономические явления и процессы.

Статистика – это наука, изучающая количественную сторону массовых явлений и процессов в неразрывной связи с их качественной стороной, количественное выражение закономерностей общественного развития в конкретных условиях места и времени.

Для получения статистической информации органы государственной и ведомственной статистики, а также коммерческие структуры проводят различного рода статистические исследования. Процесс статистического исследования включает три основные стадии: сбор данных, их сводка и группировка, анализ и расчет обобщающих показателей.

От того, как собран первичный статистический материал, как он обработан и сгруппирован, в значительной степени зависят результаты и качество всей последующей работы. Недостаточная проработка программно-методологических и организационных аспектов статистического наблюдения, отсутствие логического и арифметического контроля собранных данных, несоблюдение принципов формирования групп в конечном счете могут привести к абсолютно ошибочным выводам.

Не менее сложной, трудоемкой и ответственной является и заключительная, аналитическая стадия исследования. На этой стадии рассчитываются средние показатели и показатели распределения, анализируется структура совокупности, исследуется динамика и взаимосвязи между изучаемыми явлениями и процессами.

Используемые на всех стадиях исследования приемы и методы сбора, обработки и анализа данных являются предметом изучения общей теории статистики , которая является базовой отраслью статистической науки. Разработанная ею методология применяется в макроэкономической статистике, отраслевых статистиках (промышленности, сельского хозяйства, торговли и прочих), статистике населения, социальной статистике и в других статистических отраслях.

I. Теоретическая часть

1. Основные производственные показатели

предприятия (организации)

Статистика промышленности – одна из отраслей экономической статистики. Она изучает промышленность, происходящие в ней явления, процессы, закономерности и взаимосвязи.

На основе статистического изучения производственно-хозяйственной деятельности промышленных предприятий вырабатываются стратегия и тактика развития предприятия, обосновываются производственная программа и управленческие решения, осуществляется контроль за их выполнением, выявляются резервы повышения эффективности производства, оцениваются результаты деятельности предприятий, его подразделений и работников.

В статистике промышленности применяют методологию системного статистического анализа основных экономических показателей результатов деятельности предприятия, характерных для рыночной экономики. Проводят анализ основных статистических показателей по различным направлениям производственно-хозяйственной деятельности предприятия: производство продукции, трудовые ресурсы и уровень их использования, основные фонды и производственное оборудование, оборотные средства и предметы труда, научно-технический прогресс, себестоимость промышленной продукции .

1. Статистика производства продукции

Продукция промышленности – прямой полезный результат промышленно-производственной деятельности предприятий, выраженный либо в форме продуктов, либо в форме производственных услуг (работ промышленного характера).

Для характеристики результатов деятельности отдельных предприятий, объединений, отраслей промышленности и всей промышленности в целом используется система стоимостных показателей продукции, включающая в себя валовой и внутризаводской обороты, товарную и реализованную продукцию.

2. Статистика рабочей силы и рабочего времени

Использование трудовых ресурсов в промышленности – одна из основных проблем, значение которой будет возрастать в связи с напряженным трудовым балансом. Вместе с тем, контроль за уровнем использования трудовых ресурсов – одна из важнейших задач статистического анализа результатов деятельности промышленных предприятий.

3. Статистика производительности труда

Производительность труда – качественная его характеристика, показывающая способность работников к производству материальных благ в единицу времени.

Уровень производительности труда характеризуется количеством продукции, создаваемой в единицу времени (выработка – прямой показатель), или затратами времени на производство единицы продукции (трудоемкость – обратный показатель). Прямые и обратные показатели используются для характеристики уровня производительности труда.

4. Статистика заработной платы

Заработная плата представляет собой часть общественного продукта, поступающего в индивидуальное распоряжение работников в соответствии с количеством затраченного ими труда. Статистика промышленности рассматривает номинальную заработную плату, выраженную суммой денег, начисленной работнику, без учета их покупательной способности.

5. Статистика основных фондов и производственного оборудования

Основные фонды представляют собой средства труда, которые целиком и в неизменной натуральной форме функционируют в производстве в течение длительного времени, постепенно перенося свою стоимость на произведенный продукт.

В статистике промышленности различают следующие характеристики стоимости основных фондов: полная первоначальная стоимость; первоначальная стоимость за вычетом износа (остаточная первоначальная стоимость); полная восстановительная стоимость; восстановительная стоимость за вычетом износа (остаточная восстановительная стоимость).

6. Статистика оборотных средств и предметов труда

6.1 Статистика оборотных средств

Оборотные средства – это выраженные в денежной форме оборотные фонды и фонды обращения, авансируемые в плановом порядке для обеспечения непрерывности производства и реализации продукции.

6.2 Статистика предметов труда

По своему происхождению предметы труда подразделяются на сырье и материалы. Сырьем называют продукты сельского хозяйства и добывающей промышленности; материалы – продукты обрабатывающей промышленности.

7. Статистика научно-технического прогресса

Основными направлениями научно-технического прогресса являются: электрификация, механизация, автоматизация и химизация производства; освоение и внедрение новых видов машин, аппаратов, приборов и новых технологических процессов; внедрение изобретений и рационализаторских предложений: углубление специализации и кооперирования.

8. Статистика себестоимости продукции

Под себестоимостью продукции понимают сумму выраженных в денежной форме затрат, связанных с выпуском определённого объема и состава продукции. Себестоимость – обобщающий качественный показатель работы предприятия. Ее уровень служит основой для определения цен на отдельные виды продукции.

2. Основные понятия корреляции и регрессии

Исследуя природу, общество, экономику, необходимо считаться со взаимосвязью наблюдаемых процессов и явлений. При этом полнота описания, так или иначе, определяется количественными характеристиками причинно-следственных связей между ними. Оценка наиболее существенных из них, а также воздействия одних факторов на другие является одной из основных задач статистики.

Формы проявления взаимосвязей весьма разнообразны. В качестве двух самых общих их видов выделяют функциональную (полную) и корреляционную (неполную) связи. В первом случае величине факторного признака строго соответствует одно или несколько значений функции. Достаточно часто функциональная связь проявляется в физике, химии. В экономике примером может служить прямо пропорциональная зависимость между производительностью труда и увеличением производства продукции.

Корреляционная связь (которую также называют неполной, или статистической) проявляется в среднем, для массовых наблюдений, когда заданным значениям зависимой переменной соответствует некоторый ряд вероятных значений независимой переменной. Объяснение тому – сложность взаимосвязей между анализируемыми факторами, на взаимодействие которых влияют неучтенные случайные величины. Поэтому связь между признаками проявляется лишь в среднем, в массе случаев. При корреляционной связи каждому значению аргумента соответствуют случайно распределенные в некотором интервале значения функции.

Например, некоторое увеличение аргумента повлечет за собой лишь среднее увеличение или уменьшение (в зависимости от направленности) функции, тогда как конкретные значения у отдельных единиц наблюдения будут отличаться от среднего. Такие зависимости встречаются повсеместно. Например, в сельском хозяйстве это может быть связь между урожайностью и количеством внесенных удобрений. Очевидно, что последние участвуют в формировании урожая. Но для каждого конкретного поля, участка одно и то же количество внесенных удобрений вызовет разный прирост урожайности, так как во взаимодействии находится еще целый ряд факторов (погода, состояние почвы и др.), которые и формируют конечный результат. Однако в среднем такая связь наблюдается – увеличение массы внесенных удобрений ведет к росту урожайности.

По направлению связи бывают прямыми, когда зависимая переменная растет с увеличением факторного признака, и обратными, при которых рост последнего сопровождается уменьшением функции. Такие связи также можно назвать соответственно положительными и отрицательными.

Относительно своей аналитической формы связи бывают линейными и нелинейными. В первом случае между признаками в среднем проявляются линейные соотношения. Нелинейная взаимосвязь выражается нелинейной функцией, а переменные связаны между собой в среднем нелинейно.

Существует еще одна достаточно важная характеристика связей с точки зрения взаимодействующих факторов. Если характеризуется связь двух признаков, то ее принято называть парной. Если изучаются более чем две переменные – множественной.

Указанные выше классификационные признаки наиболее часто встречаются в статистическом анализе. Но, кроме перечисленных различают также непосредственные, косвенные и ложные связи. Собственно, суть каждой из них очевидна из названия. В первом случае факторы взаимодействуют между собой непосредственно. Для косвенной связи характерно участие какой-то третьей переменной, которая опосредует связь между изучаемыми признаками. Ложная связь – это связь, установленная формально и, как правило, подтвержденная только количественными оценками. Она не имеет под собой качественной основы или же бессмысленна.

По силе различаются слабые и сильные связи. Эта формальная характеристика выражается конкретными величинами и интерпретируется в соответствии с общепринятыми критериями силы связи для конкретных показателей.

В наиболее общем виде задача статистики в области изучения взаимосвязей состоит в количественной оценке их наличия и направления, а также характеристике силы и формы влияния одних факторов на другие. Для ее решения применяются две группы методов, одна из которых включает в себя методы корреляционного анализа, а другая – регрессионный анализ. В то же время ряд исследователей объединяет эти методы в корреляционно-регрессионный анализ, что имеет под собой некоторые основания: наличие целого ряда общих вычислительных процедур, взаимодополнения при интерпретации результатов и др.

Поэтому в данном контексте можно говорить о корреляционном анализе в широком смысле – когда всесторонне характеризуется взаимосвязь. В то же время выделяют корреляционный анализ в узком смысле – когда исследуется сила связи – и регрессионный анализ, в ходе которого оцениваются ее форма и воздействие одних факторов на другие.

Задачи собственно корреляционного анализа сводятся к измерению тесноты связи между варьирующими признаками, определению неизвестных причинных связей и оценке факторов оказывающих наибольшее влияние на результативный признак.

Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значении зависимой переменной.

Решение названных задач опирается на соответствующие приемы, алгоритмы, показатели, применение которых дает основание говорить о статистическом изучении взаимосвязей.

3. Корреляционно-регрессионный анализ

Для выявления наличия связи, ее характера и направления в статистике используют методы: приведения параллельных данных; аналитических группировок; графический, корреляции.

Корреляционно-регрессионный анализ включает в себя измерение тесноты, направления связи и установление аналитического выражения (формы) связи (регрессионный анализ).

Одним из методов корреляционно-регрессионного анализа является метод парной корреляции, рассматривающий влияние вариации факторного признака x на результативный y . Аналитическая связь между ними описывается уравнениями:

прямой

параболы

гиперболы и т.д.

Оценка параметров уравнения регрессии осуществляется методом наименьших квадратов, в основе которого лежит требование минимальности сумм квадратов отклонений эмпирических данных y_i от выровненных (теоретических) y_xi

(1)

Система нормальных уравнений для нахождения параметров линейной парной регрессии имеет вид:

(2)

Для оценки типичности параметров уравнения регрессии используется t -критерий Стьюдента. При этом вычисляются фактические значения t -критерия для параметров. Полученные фактические значения сравниваются с критическим, которые получают по таблице Стьюдента с учетом принятого уровня значимости и числа степеней свободы.

Полученные при анализе корреляционной связи параметры уравнения регрессии признаются типичными, если t фактическое больше t критического.

По приведенным на типичность параметрам уравнения регрессии производится синтезирование (построение) математической модели связи. При этом параметры примененной в анализе математической функции получают соответствующие количественные значения: один параметр показывает усредненное влияние на результативный признак неучтенных (не выделенных для исследования) факторов, а другой параметр – на сколько изменяется в среднем значение результативного признака при изменении факторного на единицу его собственного измерения.

Проверка практической значимости синтезированных в корреляционно-регрессионном анализе математических моделей осуществляется посредством показателей тесноты связи между признаками x и y .

Для статистической оценки тесноты связи применяются следующие показатели вариации:

1. общая дисперсия результативного признака, отображающая общее влияние всех факторов;

2. факторная дисперсия результативного признака, отображающая вариацию y только от воздействия изучаемого фактора, которая характеризует отклонение выровненных значений y_x от их общей средней величины y ;

3. остаточная дисперсия, отображающая вариацию результативного признака y от всех прочих, кроме x факторов, которая характеризует отклонение эмпирических (фактических) значений результативного признака y_i от их выровненных значений y_xi .

Соотношение между факторной и общей дисперсиями характеризует меру тесноты связи между признаками x и y

(3)

Этот показатель называется индексом детерминации (причинности). Он выражает долю факторной дисперсии, т.е. характеризует, какая часть общей вариации результативного признака y объясняется изменением факторного признака x . На основе предыдущей формулы определяется индекс корреляции R :

(4)

Используя правило сложения дисперсий, можно вычислить индекс корреляции.

(5)

При прямолинейной форме связи показатель тесноты связи определяется по формуле линейного коэффициента корреляции r:

(6)

Для оценки значимости коэффициента корреляции r применяется t -критерий Стьюдента с учетом заданного уровня значимости и числа степеней свободы k.

Если , то величина коэффициента корреляции признается существенной.

Для оценки значимости индекса корреляции R применяется F -критерий Фишера. Фактическое значение критерия F_R определяется по формуле:

, (7)

где m – число параметров уравнения регрессии.

Величина F_R сравнивается с критическим значением F_K , которое определяется по таблице F – критерия с учетом принятого уровня значимости и числа степеней свободы k ₁ = m -1 и k ₂ = n - m .

Если F_R > F_K , то величина индекса корреляции признается существенной.

По степени тесноты связи различают количественные критерии оценки тесноты связи.

Таблица Чэддока

С целью расширения возможностей экономического анализа используются частные коэффициенты эластичности:

(8)

Он показывает, насколько процентов в среднем изменится значение результативного признака при изменении факторного на 1%.

4. Пример для теоретической части

Имеются следующие данные о производстве молочной продукции и стоимости основных производственных фондов по 15 предприятиям Московской области. Произведем синтез адекватной экономико-математической модели между изучаемыми признаками на базе метода наименьших квадратов. С экономической точки зрения сформулируем выводы относительно исследуемой связи.

Зависимость y от x найдем с помощью корреляционно-регрессионного анализа. Рассмотрим прямолинейную форму зависимости y от x :

Параметры этого уравнения найдем с помощью метода наименьших квадратов и, произведя предварительные расчеты, получим:

Получаем следующее уравнение регрессии:

Далее определим адекватность полученной модели. Определим фактические значения t -критерия для a ₀ и a ₁ .

для параметра a₀ :

для параметра a₁ :

где σ_τ – среднее квадратическое отклонение результативного признака от выровненных значений ŷ ;

σ_х – среднее квадратическое отклонение факторного признака x от

общей средней .

Данные подставляем в формулы и получаем:

По таблице распределения Стьюдента я нахожу критическое значение t-критерия для ν = 15-2 = 13 . Вероятность α я принимаю 0,05. t_табл равно 2,1604. Так как, оба значения t_{a 0} и t_{a 1} больше t_табл , то оба параметра а₀ и а₁ признаются значимыми и отклоняется гипотеза о том, что каждый из этих параметров в действительности равен 0 , и лишь в силу случайных обстоятельств оказался равным проверяемой величине.

Из полученного уравнения следует, что с увеличением основных производственных фондов на 1 млн. руб., стоимость молочной продукции возрастает в среднем на 1,311 млн. руб.

II. Расчетная часть

Имеются исходные выборочные данные по организациям одной из отраслей хозяйствования в отчетном году (выборка 20%-ная, бесповторная) о результатах производственной деятельности организаций:

Задание 1.

По исходным данным табл. Исходные данные:

1. Построить статистический ряд распределения организаций по уровню производительности труда, образовав, пять групп с равными интервалами.

2. Постройте графики полученного ряда распределения.

3. Рассчитайте характеристики ряда распределения: среднюю арифметическую, среднее квадратическое отклонение, коэффициент вариации.

4. Вычислите среднюю арифметическую по исходным данным (табл. Х), сравните её с аналогичным показателем, рассчитанным в п. 3 настоящего задания. Объясните причину их расхождения.

Сделайте выводы по результатам выполнения Задания.

Выполнение Задания 1.

1. Решение:

Для построения интервального ряда распределения определяем величину интервала h по формуле:

, ( 1)

где – наибольшее и наименьшее значения признака в исследуемой совокупности, k – число групп интервального ряда.

При заданных k = 5, x_max = 360 тыс.руб./чел и x_min = 120 тыс.руб./чел

При h = 48 тыс. руб./чел границы интервалов ряда распределения имеют следующий вид (табл. 1):

Определяем количество организаций, входящих в каждую группу, используя принцип полуоткрытого интервала [ ) , согласно которому организации со значениями признаков, служащие одновременно верхними и нижними границами смежных интервалов (168, 216, 264, 312 и 360), будем относить ко второму из смежных интервалов.

Для определения числа организаций в каждой группе строим таблицу 2.

На основе групповых итоговых строк «Всего» табл. 2 формируем итоговую таблицу 3, представляющую интервальный ряд распределения организаций по уровню производительности труда.

Приведем еще три характеристики полученного ряда распределения - частоты групп в относительном выражении, накопленные (кумулятивные) частоты S_j , получаемые путем последовательного суммирования частот всех предшествующих ( j -1) интервалов, и накопленные частости , рассчитываемые по формуле

. (2)

Вывод. Анализ интервального ряда распределения изучаемой совокупности организаций показывает, что распределение организаций по уровню производительности труда не является равномерным: преобладают организации с уровнем производительности труда от 216 до 264 тыс.руб./чел (это 12 организаций, доля которых составляет 40%); самая малочисленная группа организаций имеет уровень производительности труда от 120 до 168 тыс. руб./чел, которая включает 3 организации, что составляет 10% от общего числа организаций.

2. Решение:

По данным таблицы 3 (графы 2 и 3) строим график распределения организаций по уровню производительности труда.

Рис. 1. График полученного ряда распределения

Мода (Мо) – значение случайной величины, встречающееся с наибольшей вероятностью в дискретном вариационном ряду – вариант, имеющий наибольшую частоту. Наибольшей частотой является число 12. Этой частоте соответствует модальное значение признака, т.е. количество предприятий. Мода свидетельствует, что в данном примере чаще всего встречаются группы предприятий, входящие в интервал от 216 до 264.

В интервальных рядах распределения с равными интервалами мода вычисляется по формуле:

(3)

где х_Мo – нижняя граница модального интервала,

h – величина модального интервала,

f_Mo – частота модального интервала,

f_Mo-1 – частота интервала, предшествующего модальному,

f_Mo+1 – частота интервала, следующего за модальным.

Вывод. В данном случае наибольший процент предприятий по уровню производительности труда приходится на интервал от 216 до 264, а само значение средней характеризуется 246 (тыс.руб./чел)

Медиана (Ме) – это вариант, который находится в середине вариационного ряда. Медиана делит ряд на две равные (по числу единиц) части – со значениями признака меньше медианы и со значениями признака больше медианы. Чтобы найти медианы, необходимо отыскать значение признака, которое находится в середине упорядоченного ряда.

Определяем медианный интервал, используя графу 5 табл. 4. Медианным интервалом является интервал 216-264 тыс.руб./чел, т.к. именно в этом интервале накопленная частота S _j =19 впервые превышает полу-сумму всех частот .

В интервальных рядах распределения медианное значение (поскольку оно делит всю совокупность на две равные по численности ряды) оказывается в каком-то из интервалов признака х . Этот интервал характерен тем, что его кумулятивная частота (накопленная сумма частот) равна или превышает полу-сумму всех частот ряда. Значение медианы вычисляется линейной интерполяцией по формуле:

(4)

Вывод: Полученный результат говорит о том, что из 30 организаций половина организаций имеют уровень производительности труда менее 248 тыс. руб./чел, а вторая свыше.

3. Решение:

Для расчета характеристик ряда распределения , σ , σ 2 , V_σ на основе табл. 4 строим вспомогательную таблицу 5 (x ’ _j – середина интервала).

Средняя арифметическая взвешенная – средняя сгруппированных величин x ₁ , x ₂ , …, x_n – вычисляется по формуле:

(5)

Среднее квадратическое отклонение – это обобщающая характеристика размеров вариации признака в совокупности; оно показывает, на сколько в среднем отклоняются конкретные варианты от среднего значения; является абсолютной мерой колеблемости признака и выражается в тех же единицах, что и варианты, поэтому экономически хорошо интерпретируется.

Рассчитаем среднее квадратическое отклонение, которое равно корню квадратному из дисперсии:

(6)

Рассчитаем дисперсию:

σ2 = 54,1405² =2931,2

Коэффициент вариации представляет собой выраженное в процентах отношение средне квадратического отклонения к средней арифметической.

Рассчитаем коэффициент вариации:

(7)

Вывод . Анализ полученных значений показателей и σ говорит о том, что средняя величина уровня производительности труда составляет 248 тыс.руб./чел отклонение от этой величины в ту или иную сторону составляет 54,1405 (или 21,83%), наиболее характерный уровень производительности труда находится в пределах от 194 до 302 тыс.руб./чел (диапазон ).

Значение V_σ = 21,83% не превышает 33%, следовательно, вариация уровня производительности труда в исследуемой совокупности организаций незначительна и совокупность по данному признаку однородна. Расхождение между значениями незначительно (=248 тыс.руб./чел, Мо =246 тыс.руб./чел, Ме =248 тыс. руб./чел), что подтверждает вывод об однородности совокупности организаций. Таким образом, найденное среднее значение уровня типичной производительности является типичной, надежной характеристикой исследуемой совокупности организаций.

4. Решение:

Для расчета средней арифметической по исходным данным по уровню производительности труда применяется формула средней арифметической простой:

, (8)

Причина расхождения средних величин, рассчитанных по исходным данным (247 тыс.руб./чел) и по интервальному ряду распределения (248 тыс.руб./чел), заключается в том, что в первом случае средняя определяется по фактическим значениям исследуемого признака для всех 30-ти организаций, а во втором случае в качестве значений признака берутся середины интервалов х _j ’ и, следовательно, значение средней будет менее точным. Вместе с тем, при округлении обеих рассматриваемых величин их значения совпадают, что говорит о достаточно равномерном распределении уровня производительности труда внутри каждой группы интервального ряда.

Задание 2.

По исходным данным табл. Исходные данные с использованием результатов выполнения Задания 1 необходимо выполнить следующее:

1. Установить наличие и характер корреляционной связи между признаками фондоотдача и уровень производительности труда , образовав пять групп с равными интервалами по каждому из признаков, используя метод аналитической группировки;

2. Измерить тесноту корреляционной связи, между фондоотдачей и уровнем производительности труда с использованием коэффициента детерминации и эмпирического корреляционного отношения .

3. Оценка значимости (неслучайности) полученных характеристик

связи признаков и

Сделать выводы.

Выполнение Задания 2:

По условию Задания 2 факторным является признак Фондоотдача , результативным – признак Уровень производительности труда .

1. Решение:

Аналитическая группировка строится по факторному признаку Х и для каждой j -ой группы ряда определяется средне групповое значение результативного признака Y . Если с ростом значений фактора Х от группы к группе средние значения систематически возрастают (или убывают), между признаками X и Y имеет место корреляционная связь.

Используя разработочную таблицу 2, строим вспомогательную таблицу 6 для проведения в дальнейшем аналитической группировки.

Используя таблицу 6, строим аналитическую группировку, характеризующую зависимость между факторным признаком Х – Фондоотдача и результативным признаком Y – Уровень производительности труда .

Групповые средние значения y_j получаем из таблицы 6 (графа 5), основываясь на итоговых строках «Всего». Построенную аналитическую группировку представляет табл. 7.:

Вывод. Анализ данных табл. 7 показывает, что с увеличением фондоотдачи от группы к группе систематически возрастает и средний уровень производительности труда по каждой группе организаций, что свидетельствует о наличии прямой корреляционной связи между исследуемыми признаками.

2. Решение:

Коэффициент детерминации характеризует силу влияния факторного (группировочного) признака Х на результативный признак Y и рассчитывается как доля межгрупповой дисперсии признака Y в его общей дисперсии:

, (9)

где – общая дисперсия признака Y , – межгрупповая (факторная) дисперсия признака Y .

Общая дисперсия характеризует вариацию результативного признака, сложившуюся под влиянием всех действующих на Y факторов (систематических и случайных ) и вычисляется по формуле

, (10)

где y_i – индивидуальные значения результативного признака;

– общая средняя значений результативного признака;

n – число единиц совокупности.

Межгрупповая дисперсия измеряет систематическую вариацию результативного признака, обусловленную влиянием признака-фактора Х (по которому произведена группировка) и вычисляется по формуле:

, (11)

где –групповые средние,

– общая средняя,

–число единиц в j-ой группе,

k – число групп.

Для расчета показателей и необходимо знать величину общей средней , которая вычисляется как средняя арифметическая простая по всем единицам совокупности:

, (12)

Значения числителя и знаменателя формулы имеются в табл. 7 (графы 3 и 4 итоговой строки). Используя эти данные, получаем общую среднюю :

Для расчета общей дисперсии применяется вспомогательная табл. 8.

Рассчитаем общую дисперсию по формуле (10):

Для расчета межгрупповой дисперсии строим вспомогательную таблицу 9. При этом используются групповые средние значения из табл. 7 (графа 5).

Рассчитаем межгрупповую дисперсию по формуле (11):

Определяем коэффициент детерминации по формуле (9):

Вывод. 93,53% вариации уровня производительности труда обусловлено вариацией уровня фондоотдачи, а 6,47% – влиянием прочих неучтенных факторов.

Эмпирическое корреляционное отношение оценивает тесноту связи между факторным и результативным признаками и вычисляется по формуле:

(13)

Рассчитаем показатель :

Для оценки тесноты связи с помощью корреляционного отношения используется шкала Чэддока (см. теоретическую часть стр. 14):

Вывод : согласно шкале Чэддока связь между средним уровнем производительности труда и фондоотдачей по организациям является весьма тесной.

3. Решение:

Показатели и рассчитаны для выборочной совокупности, т.е. на основе ограниченной информации об изучаемом явлении. Поскольку при формировании выборки на первичные данные могли иметь воздействии какие-либо случайные факторы, то есть основание полагать, что и полученные характеристики связи , несут в себе элемент случайности. Ввиду этого, необходимо проверить, насколько заключение о тесноте связи, сделанное по выборке, будет правомерными и для генеральной совокупности, из которой была произведена выборка.

Проверка выборочных показателей на их неслучайность осуществляется в статистике с помощью тестов на статистическую значимость (существенность) показателя. Для проверки значимости коэффициента детерминации служит дисперсионный F -критерий Фишера , который рассчитывается по формуле

, (14)

где n – число единиц выборочной совокупности,

m – количество групп,

– межгрупповая дисперсия,

– дисперсия j-ой группы (j=1,2,…,m),

– средняя арифметическая групповых дисперсий.

Величина рассчитывается, исходя из правила сложения дисперсий:

,

где – общая дисперсия.

Для проверки значимости показателя рассчитанное значение F-критерия F _расч сравнивается с табличным F _тал для принятого уровня значимости и параметров k 1, k 2, зависящих от величин n и m : k ₁ = m -1, k ₂ = n - m . Величина F _табл для значений , k _1, k ₂ определяется по таблице распределения Фишера, где приведены критические (предельно допустимые) величины F-критерия для различных комбинаций значений , k _1, k ₂ . Уровень значимости в социально-экономических исследованиях обычно принимается равным 0,05 (что соответствует доверительной вероятности Р=0,95).

Если F _расч > F _табл , коэффициент детерминации признается статистически значимым , т.е. практически невероятно, что найденная оценка обусловлена только стечением случайных обстоятельств. В силу этого, выводы о тесноте связи изучаемых признаков, сделанные на основе выборки, можно распространить на всю генеральную совокупность.

Если F _расч < F _табл , то показатель считается статистически незначимым и, следовательно, полученные оценки силы связи признаков относятся только к выборке, их нельзя распространить на генеральную совокупность.

Фрагмент таблицы Фишера критических величин F-критерия для значений =0,05; k₁ =3,4,5; k₂ =24-35 представлен ниже:

Таблица 10

Рассчитаем дисперсионный F-критерия Фишера для оценки =93,53%, полученной при =3386,83; =3167,73 по формуле (14):

F_расч

Табличное значение F-критерия при = 0,05:

ВЫВОД: поскольку F _расч > F _табл , то величина коэффициента детерминации =93,53% признается значимой (неслучайной) с уровнем надежности 95% и, следовательно, найденные характеристики связи между признаками фондоотдача и уровнем производительности труда правомерны не только для выборки, но и для всей генеральной совокупности фирм.

Задание 3:

По результатам выполнения Задания 1 с вероятностью 0,683 определите:

1. ошибку выборки среднего уровня производительности труда и границы, в которых будет находиться средний уровень производительности труда в генеральной совокупности.

2. ошибку выборки доли организаций с уровнем производительности труда 264 тыс. руб. и более и границы, в которых будет находиться генеральная доля.

Выполнение Задания 3.

1. Решение:

Применяя выборочный метод наблюдения, необходимо рассчитать ошибки выборки (ошибки репрезентативности), т.к. генеральные и выборочные характеристики, как правило, не совпадают, а отклоняются на некоторую величину ε .

Принято вычислять два вида ошибок выборки - среднюю и предельную .

Для расчета средней ошибки выборки применяются различные формулы в зависимости от вида и способа отбора единиц из генеральной совокупности в выборочную.

Для собственно-случайной и механической выборки с бесповторным способом отбора средняя ошибка для выборочной средней определяется по формуле

, (15)

где – общая дисперсия изучаемого признака,

N – число единиц в генеральной совокупности,

n – число единиц в выборочной совокупности.

Предельная ошибка выборки определяет границы, в пределах которых будет находиться генеральная средняя:

,

, (16)

где – выборочная средняя,

– генеральная средняя.

Предельная ошибка выборки кратна средней ошибке с коэффициентом кратности t ( называемым также коэффициентом доверия):

(17)

Коэффициент кратности t зависит от значения доверительной вероятности Р , гарантирующей вхождение генеральной средней в интервал , называемый доверительным интервалом .

Наиболее часто используемые доверительные вероятности Р и соответствующие им значения t задаются следующим образом (табл. 11):

Таблица 11

По условию Задания 2 выборочная совокупность насчитывает 30 организаций, выборка 20% бесповторная, следовательно, генеральная совокупность включает 150 организаций . Выборочная средняя , дисперсия определены в Задании 1 (п. 3). Значения параметров, необходимых для решения задачи, представлены в табл. 12:

Таблица 12

Рассчитаем среднюю ошибку выборки по формуле (15):

Рассчитаем предельную ошибку выборки по формуле (17):

тыс.руб./чел

Определим доверительный интервал для генеральной средней по формуле (16):

248- 8,8411248+8,8411

239тыс.руб/чел 257 тыс.руб./чел

Вывод. На основании проведенного выборочного обследования с вероятностью 0,683 можно утверждать, что для генеральной совокупности организаций средняя величина среднего уровня производительности труда находится в пределах от 239 до 257 тыс.руб./чел.

2. Решение:

Доля единиц выборочной совокупности, обладающих тем или иным заданным свойством, выражается формулой

, (18)

где m – число единиц совокупности, обладающих заданным свойством;

n – общее число единиц в совокупности.

Для собственно-случайной и механической выборки с бесповторным способом отбора предельная ошибка выборки доли единиц, обладающих заданным свойством, рассчитывается по формуле

, (19)

где w – доля единиц совокупности, обладающих заданным свойством;

(1- w ) – доля единиц совокупности, не обладающих заданным свойством,

N – число единиц в генеральной совокупности,

n – число единиц в выборочной совокупности.

Предельная ошибка выборки определяет границы, в пределах которых будет находиться генеральная доля р единиц, обладающих исследуемым признаком:

(20)

По условию Задания 3 исследуемым свойством организаций является равенство или превышение среднего уровня производительности труда 264 тыс. руб/чел.

Число организаций с данным свойством определяется из табл. 2 (графа 2):

m=11

Рассчитаем выборочную долю по формуле (18):

Рассчитаем предельную ошибку выборки для доли по формуле (19):

Определим доверительный интервал генеральной доли по формуле (20):

0,32 0,48

или

32% 48%

Вывод. С вероятностью 0,683 можно утверждать, что в генеральной совокупности организаций региона доля организаций с средним уровнем производительности труда 264 тыс.руб./чел и более будет находиться в пределах от 32% до 48%.

Задание 4.

По результатам расчетов заданий 1 и 2 найдите уравнение корреляционной связи между фондоотдачей и производительностью труда, изобразите корреляционную связь графически.

Для определения тесноты корреляционной связи рассчитайте коэффициент корреляции. Сделайте выводы.

Выполнение задания 4.

1. Решение:

Имеются данные по 30 предприятиям по уровню производительности труда и фондоотдачи.

Уравнение корреляционной связи (уравнение регрессии, модели) выражает количественное соотношение между факторным (x – фондоотдача) и результативным (y – уровень производительности труда) признаками. Рассмотрим прямолинейную форму зависимости y от x :

Поскольку для установления наличия корреляционной связи между признаками применялся метод аналитической группировки, то параметры для уравнения регрессии рационально определить по сгруппированным данным (табл. 7). В таком случае система нормальных уравнений для уравнения прямой будет иметь вид:

(21)

где – групповые средние результативного признака, x – середина интервалов факторного признака. Используя данные табл. 7 строим расчетную таблицу 13, чтобы получить численные значения параметров уравнения регрессии а₀ и а₁ :

Данные подставим в систему уравнений (21) и решим:

Итак, получилось, что а₀ = -388,45 , а а₁ =580,92 . Нас интересует именно параметр а₁ , показывающий изменение результативного признака при изменении факторного признака на единицу. Коэффициент регрессии показывает, что при увеличении фондоотдачи на единицу значение уровня производительности труда увеличивается в среднем на 580,92 тыс.руб./чел

Итак, уравнение корреляционной связи между фондоотдачей и производительностью труда выглядит так:

В моей работе графически корреляционная связь выглядит так

График 2. Графическое изображение корреляционной связи

2. Решение:

Теперь вычислим линейный коэффициент корреляции, который называется линейным коэффициентом детерминации. Из определения коэффициента детерминации очевидно, что его числовое значение всегда заключено в пределах от 0 до 1, т.е. . Степень тесноты связи полностью соответствует теоретическому корреляционному отношению, которое является более универсальным показателем тесноты связи по сравнению с линейным коэффициентом корреляции.

Составим расчетную таблицу 14, которая будет иметь вид:

Для практических вычислений линейный коэффициент корреляции удобнее исчислять по формуле:

(22)

Вывод: Факт совпадения и несовпадения значений теоретического корреляционного отношения и линейного коэффициента корреляции используется для оценки формы связи. В нашем случае несовпадение этих величин говорит о том, что связь между изучаемыми признаками не прямолинейна, а криволинейна. Итак, можно сделать вывод, что связь между уровнем производительности труда и фондоотдачей по организациям является весьма тесной криволинейной.

III. Заключение

Итак, в заключение хочется отметить, что понятия «корреляция» и «регрессии» тесно связаны между собой. В экономических исследованиях корреляционный и регрессионный анализ нередко объединяют в один – корреляционно-регрессионный анализ. Подразумевается, что в результате такого анализа будет построена регрессионная зависимость и рассчитаны коэффициенты ее тесноты и значимости (т.е. проведен корреляционный анализ).

Практическая реализация корреляционно-регрессионного анализа включает следующие этапы:

1. Постановка задачи – определяются показатели, зависимость между которыми подлежит оценке, формулируется экономически осмысленная и приемлемая гипотеза о зависимос­ти между ними;

2. Формирование перечня факторов, их логический анализ – выбирается оптимальное число наиболее существенных переменных факторов, влияющих на зависимый показатель;

3. Спецификация функции регрессии – дается конкретная формулировка гипотезы о форме зависимости;

4. Оценка функции регрессии и проверка адекватности модели – определяются числовые значения параметров регрессии, вычисляется ряд показателей, характеризующих точность проведенного анализа;

5. Экономическая интерпретация – результаты анализа сравниваются с гипотезами, сформулированными на первом этапе исследования, оценивается их правдоподобие с экономической точки зрения, делаются аналитические выводы.

Следует заметить, что традиционные методы корреляции и регрессии широко представлены в виде разного рода статистических пакетах программ для ЭВМ. Исследователю остается только правильно подготовить информацию, выбрать удовлетворяющий требованиям анализа пакет программ и быть готовым к интерпретации полученных результатов. Алгоритмов вычисления параметров связи существует множество, и в настоящее время вряд ли целесообразно проводить такой сложный вид анализа вручную. Вычислительные процедуры представляют самостоятельный интерес, но знание принципов изучения взаимосвязей, возможностей и ограничений тех или иных методов интерпретации результатов является обязательным условием исследования.

Анализ отчетности не замыкается на специфических, разработанных в его рамках приемах, но активно использует самые разнообразные методики, творчески переработав их применительно к собственным требованиям. В частности, использование корреляционно-регрессионного анализа позволяет более эффективно решать задачи прогнозирования доходов организации и планирования ее будущего финансового состояния, в связи с чем, данный математический метод рекомендуется использовать более активно.

IV. Список использованной литературы

1. Бараз В.Р. Корреляционно-регрессионный анализ связи показателей коммерческой деятельности с использованием программы Exel: Учебное пособие – Екатеринбург: ГОУ ВПО «УГТУ-УПИ», 2005;

2. Курс социально-экономической статистики: Учебник для вузов/Под ред. проф. М.Г. Назарова. — М.: Финстатинформ, ЮНИТИ-ДАНА, 2000;

3. Сергеева С.А. «Применение корреляционно-регрессионного метода в анализе финансового состояния организации» Белгородский университет потребительской кооперации. http://www.rusnauka.com/ONG/Economics/ 8_sergeeva%20s.a..doc.htm

4. Минашкин В.Г., Шмойлова Р.А. и др. Теория статистики/Московская финансово-промышленная академия, М., – 2004

5. Микроэкономическая статистика: Учебник/Под ред. С.Д. Ильенковой. – М.: Финансы и статистика, 2004

6. Герасимов Б.И. В.В.Дробышева, О.В. Воронкова Статистическое исследование в маркетинге: введение в экономический анализ: учебное пособие – Тамбов: Изд-во ТГТУ, 2006

7. Л.С.Хромцова. Корреляционно-регрессионный анализ основных показателей нефтедобывающей промышленности – Журнал "Экономический анализ: теория и практика", 2007, N 7.

8. Мартьянова М.Н., Сафронова Т.П. Основы статистики промышленности: Учебное пособие. – М.: Финансы и статистика, 1983

9. Гусаров В.М. Теория статистики: Учебное пособие для вузов. – М.: Аудит, ЮНИТИ, 1998