Автор работы: Пользователь скрыл имя, 11 Мая 2015 в 14:07, контрольная работа
История развития человечества показала, что без статистических данных невозможно управление государством, развитие отдельных отраслей и секторов экономики, обеспечение оптимальных пропорций между ними. Необходимость сбора и обобщения множества данных о населении страны, предприятиях, банках, фермерских хозяйствах и т.д. приводит к существованию специальных статистических служб-учреждений государственной статистики.
ВВЕДЕНИЕ…………………………………………………………………………..3
1. Наука, предмет статистики…………………………………………………...4
Развитие статистической науки……………………………………………...4
Предмет статистики…………………………………………………………..7
2. Применение метода парной корреляции…………………………………....10
3. Решение задач………………………………………………………………..16
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ…………………………………...21
Парная корреляция подразумевает выявление наличия и формы корреляционной зависимости между результативным показателем (ценой) и одним из главных факторных признаков (значением главного ценообразующего параметра) на основе имеющейся статистической выборки машин-аналогов. При этом предполагается условное равенство значений всех прочих параметров в сравниваемых машинах, а результативный показатель (Y) является функцией от значения главного ценообразующего параметра (X) аналогичных объектов:
Y = f(x)
Выбор главного ценообразующего параметра того или иного вида рассматриваемых машин зависит от величин предварительно рассчитанных статистических показателей, таких как коэффициент корреляции, коэффициент детерминации и др. Например, при сравнении степени влияния каждого из анализируемых параметров на формирование стоимости главным ценообразующим параметром может считаться тот, у которого значение линейного коэффициента корреляции с ценой окажется по модулю ближе к 1,0.
Знак при этом указывает на направление корреляционной связи – прямой (+) или обратной (-). При прямой связи увеличение значения параметра приводит к повышению цены и наоборот, если при повышении значения параметра цена уменьшается, то это говорит о наличии обратной связи.
Линейный коэффициент корреляции рассчитывается следующим образом (или находится с помощью встроенной функции Excel – КОРРЕЛ):
где: Хi – значение главного ценообразующего параметра по каждому элементу статистической выборки;
Yi – соответствующая каждому Хi цена;
M – количество исходных значений Xi и Yi (количество аналогов в выборке).
Для определения стоимости АБМК серии «Тулица»-0,4 произведем выбор главного ценообразующего параметра (ГЦП).
Коэффициент корреляции между Y и каждым из Xi, рассчитанные по данным задачи, имеют вид:
Y=f(Xi) |
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
X7 |
r= |
0,99305 |
0,86721 |
0,99326 |
0,99720 |
0,88023 |
0,99335 |
0,99070 |
Максимальное значение коэффициента корреляции в 0,9972 говорит о более высокой ценообразующей роли параметра Х4 – производительность водогрейной установки. Влияние на формирование цены параметров Х3 и Х6 практически одинаково.
Следующим этапом метода парной корреляции является выбор регрессии, и при этом могут быть использованы следующие основные виды корреляционной зависимости (уравнений регрессии):
где А0 – свободный член;
А1, А2 – коэффициенты регрессии.
На основе данных таблицы П1.1 рассмотрим пример расчета стоимости оцениваемой АБМК серии «Тулица»-0,4 методом парной корреляции на основе линейной корреляционной зависимости (уравнения регрессии) вида: У=А0+А1*х4. Главным ценообразующим параметром является производительность водогрейной установки.
Свободный член А0 и коэффициент регрессии А1 могут быть рассчитаны с помощью функции «Excel-ЛИНЕЙН, РЕГРЕССИЯ» или по следующим формулам:
где: - математическое ожидание (среднеарифметическая величина) по Y и Х исходя из данных Таблицы П1.1.
Таким образом, уравнение регрессии с рассчитанными коэффициентами имеет следующий вид:
Y=926,32+369,48*Х4
Прежде чем производить расчет стоимости по вышеприведенному уравнению регрессии, необходимо оценить относительную погрешность этого уравнения (достоверность). Оценка меры достоверности (D) анализируемого уравнения регрессии производится с помощью процентного соотношения среднеквадратической ошибки уравнения Se (функция Excel-СТОШУХ) и среднеарифметического значения по результативному признаку
Где m – количество объектов в выборке;
I – количество параметров уравнения регрессии;
Yi – исходные значения цен в выборке;
Yip – расчетные значения Yi после подстановки в уравнение регрессии значений Xi.
В случае, если максимальное значение D не превышает 10%, анализируемое уравнение регрессии достаточно корректно отображает корреляционную связь и может быть использовано для расчета стоимости оцениваемой машины. Расчет достоверности произведен в таблице П1.2.
Таблица П1.2
Основные характеристики объектов-аналогов
Объект оценки |
АНАЛОГИ | ||||||||
А 1 |
А 2 |
А 3 |
А 4 |
А 5 |
А 6 | ||||
1 |
2 |
3 |
4 |
5 |
6 |
7 | |||
Тип котельной: Тулица |
Тулица – 0,2 |
Тулица - 0,3 |
Тулица - 0,5 |
Тулица – 1,26 |
Тулица – 1,89 |
Тулица – 2,52 | |||
Технические параметры: | |||||||||
Производительность водогрейной установки, м3/ч |
(Х4) |
3 |
0,5 |
1 |
3 |
5 |
9 |
12 | |
Стоимость, тыс. руб. (Yi) |
? |
1043 |
1248 |
2086 |
2970 |
4076 |
5404 | ||
Yi-расчетное, тыс. руб. |
1111,06 |
1295,8 |
2034,8 |
2773,72 |
4251,64 |
5360,1 | |||
Среднеквадратическая ошибка: |
Se= |
142,17 |
Продолжение табл. П1.2
1 |
2 |
3 |
4 |
5 |
6 |
7 | |
Математическое ожидание по Y: |
= |
2804,5 | |||||
Достоверность: |
D= |
5,06 |
Высокое значение достоверности в 5% («10%) свидетельствует о возможности использования линейной зависимости вида Y=А0+А1*Х4 для расчета стоимости оцениваемой АБМК. Стоимость оцениваемой АБМК серии «Тулица»-0,04:
926,32+369,48*3=2035 т. руб
Проводя подобные расчеты со вторым по своему значению параметром – потребление газа, а также с другими параметрами, получим следующие результаты:
Таблица П1.3
Показатели Параметры |
Уравнение регрессии |
Se |
D, % |
Стоимость АБМК «Тулица»-0,4, т.руб |
Потребление газа |
Y=14,8+819,26Х6 |
218,8 |
7,8 |
1530 |
Мощность |
Y=1784+821,3Х1 |
223,6 |
8 |
1535 |
Отапливаемый объем |
Y=59,57+822,89Х3 |
220,22 |
7,9 |
1538 |
Средняя |
1534 |
Явно завышенный результат в случае использования в качестве ГЦП производительности водогрейной установки (2035 т.руб) вызван особенностью данного параметрического ряда: оцениваемая котельная и третий аналог имеют одинаковые значения параметра А4, а величины их стоимостей должны быть разными по причине влияния других параметров. Учитывая высокую сходимость оцениваемой АБМК серии «Тулица»-0,4 может быть рассчитана как среднеарифметическая величина по данным Таблицы П1.3:
С0,4=(1534+2035)/2=1785 т.руб.
На рисунке П1.1 представлена графическая интерпретация различных видов корреляционной зависимости Y=f(X4).
Рис. П1.1. Зависимость цены от производительности водогрейной установки.
Рассмотренные выше методы расчета позволяют достаточно просто и быстро учесть разницу в значениях ГЦП аналогичных машин, чем объясняется их широкое распространение. Вместе с тем необходимо отметить, что расчет стоимости с учетом только одного ГЦП, высокой точностью не отличается.
Резюмируя все ранее сказанное, можно сделать вывод о том, что в проводимых расчетных процедурах для уменьшения погрешности, вызванной учетом только одного из главных ценообразующих параметров при условном равенстве всех прочих, необходимо использовать комплексные параметрические методы, предусматривающие отбор нескольких важнейших параметров с последующим анализом взаимосвязей между ними и ценами машин. Такой анализ производится путем последовательного учета в цене значения каждого параметра или всех параметров одновременно, а также использованием многофакторного анализа.
Задача № 1.
В таблице приведены данные по 25 предприятиям одной из отраслей ДВ:
№ предприятия |
Выпуск продукции, млн. р. |
Численность работающих, чел. |
№ предприятия |
Выпуск продукции, млн. р. |
Численность работающих, чел. |
1 |
52,5 |
230 |
13 |
58,9 |
270 |
2 |
62,3 |
350 |
14 |
62,3 |
360 |
3 |
45,4 |
150 |
15 |
68,9 |
390 |
4 |
72,1 |
420 |
16 |
54,1 |
250 |
5 |
85,6 |
520 |
17 |
58,2 |
265 |
6 |
87,1 |
570 |
18 |
47,5 |
185 |
7 |
98,2 |
690 |
19 |
49,8 |
200 |
8 |
50,0 |
200 |
20 |
72,1 |
425 |
9 |
56,3 |
245 |
21 |
80,2 |
510 |
10 |
102,2 |
800 |
22 |
86,9 |
555 |
11 |
87,3 |
505 |
23 |
93,5 |
650 |
12 |
47,4 |
170 |
24 |
58,1 |
260 |
25 |
97,1 |
685 |