Автор работы: Пользователь скрыл имя, 23 Ноября 2013 в 09:44, курсовая работа
Целью исследования является теоретическое обоснование концепции информационного обеспечения управления экономикой и социальной сферой субъекта РФ на основе формирования региональной статистической информационно-аналитической системы.
Предметом исследования является информационные и коммуникационные технологии.
Объект исследования – регионы РФ.
Основными задачами курсовой работы является:
- изучить теоретические основы;
- провести статистическую группировку;
Введение………………………………………………………………………3
Глава 1. Теоретические основы статистического изучения информационных и коммуникационных технологий…..5
1.1.Понятие информационных и коммуникационных технологий………...5
1.2.Классификация видов информационных и коммуникационных технологий………………………………………………………………………8
1.3. Методы статистического изучения социально экономического явления.10
ГЛАВА 2. «РАСЧЁТНАЯ ЧАСТЬ»……………………………………………12
- Задание 1……………………………………………………………………….12
- Задание 2……………………………………………………………………….22
- Задание 3……………………………………………………………………….25
- Задание 4……………………………………………………………………….31
ГЛАВА 3. «АНАЛИЗ ЯВЛЕНИЯ С ИСПОЛЬЗОВАНИЕМ ИНФОРМАЦИОННЫХ И КОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ»…34
3.1. Метод статистических группировок…………………………………….34
3.2. Индексный метод………………………………………………………….38
3.3. Метод динамики……………………………………………………………40
ЗАКЛЮЧЕНИЕ………………………………………………………………….44
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ………………………………..45
Уровень затрат на информационные технологии В (баз.) = q0 × S0 = 845,6×1689=1428218
Уровень затрат на информационные технологии В (отч.) = q1 × S1=1837,7×1701=3125927
Динамика затрат на информационные технологии В = q1S1 – q0S0=3125927-1428218=1697709
Iперем.сост. = :
x1f1 |
x0f0 |
x0f1 |
4137137 5981693 3125927 |
4437700 2831472 1428218 |
4446148 2722398 1438365 |
Σ 13244757 |
8697390 |
8606911 |
Iперем.сост. = : = 1,54
Iпост.сост. = : = : = 1,54
Iструк.сдв. = : = : = 1,003
Iпост.сост. × Iструк.сдв. = Iперем.сост.
1,54 × 1,003 = 1,54
Вывод: Данные индексы показывают, что затраты на информационные технологии не изменились.
А: 4137137 – 4437700 = - 300563
Б: 5981693 – 2831472 = 3150221
В: 3125927 – 1428218 = 1697709
Таблица 2.2 – Расчёты
Показатели |
Базисный период |
Отчётный период |
Абсолютное изменение |
Затраты на информационные технологии, млн.руб. |
8697390 |
13244757 |
4547367 |
Число организаций |
5809 |
5726 |
- 83 |
Вывод: В результате уменьшения числа организаций во всех регионах вместе на 83, затраты на информационные технологии в 3-х регионах вместе увеличилась на 4547367.
Задание 3
Решение:
Корреляционно – регрессионный анализ производится для определения тесноты связи между различными факторами. В качестве анализируемых факторов, влияющих на количество компьютеров на 100 сотрудников, шт.
Результативный признак Y – количество компьютеров на 100 сотрудников;
Факторные признаки:
X1 – доля организаций, использующих специальные программные средства для решения организационно – экономических задач;
Х2 – затраты на информационные технологии на 1 организацию;
Х3 - доля организаций, использующих специальные программные средства, в общей численности;
Исходные данные для корреляционно-
Связь между результативным признаком и факторными выражается через уравнение множественной регрессии:
Y = 25,2 + 0,3Х1 + 0,1Х2 – 0,1Х3
Свободный член уравнения (а0) – условное начало уравнения, интерпретации не подлежит. Параметры при переменных (х1,х2,х3) называются коэффициентами чистой регрессии. Коэффициент чистой регрессии показывает, на сколько единиц изменится результативный признак при изменении фактора на единицу при условии, что все остальные факторы останутся неизменными.
а0 – значение коэффициента числа компьютеров на 100 сотрудников, шт. при нулевом значении факторов;
а1 = 0,3 – коэффициент чистой регрессии при первом факторе, свидетельствует о том, что при увеличении доли организаций, использующих специальные программные средства для решения организационно – экономических задач в %, число компьютеров на 100 сотрудников увеличится в 0,3%;
а2 = 0,1 – коэффициент чистой регрессии при втором факторе, свидетельствует о том, что при увеличении затрат на информационные технологии на 1 организацию в млн.руб, число компьютеров на 100 сотрудников увеличится на 0,1 млн.руб.;
а3 = -0,1 – коэффициент чистой регрессии при третьем факторе, свидетельствует о том, что при увеличении доли организаций, использующих специальные программные средства в общей численности в %, число компьютеров на 100 сотрудников уменьшится в 0,1%;
Одновременно с построением
линии регрессии реализуют
Коэффициент детерминации показывает на сколько %, включённые в модель факторы объясняют вариации результативного признака. В нашем случаи коэффициент детерминации (R2 = 0,3463), включённые в модель факторы объясняют 35% вариации результативного признака.
Вычислим коэффициенты парной корреляции (таблица 3.1), которые могут принимать любые значения в пределах от -1 до 1, чем ближе коэффициент корреляции по абсолютной величине к 1, тем теснее связь между ними. Если с увеличением значений факторного признака х, результативный признак у имеет тенденцию к увеличению, то величина коэффициента корреляции будет находиться между 0 и 1. [10]
Таблица 3.1 – Корреляционная матрица
Достаточно сильная связь между результативным и факторными признаками, так как R = 0,5885.
Чтобы продолжить корреляционный анализ и сравнить факторы, рассчитаем стандартизованные коэффициенты (коэффициенты эластичности (Э), и бетта – коэффициенты (β)) по каждому фактору.
Коэффициент эластичности показывает на сколько % изменится результативный признак при увеличении факторных признаков на 1%.
Эi = аi
аi – коэффициенты при переменной Х из уравнения множественной регрессии;
=∑y/n
где, - среднее значение результативного признака;
∑y - сумма результативного признака по всем районам;
n - число регионов (24)
=30,9
Х1=∑X1/n
где, X1 - среднее значение первого факторного признака
∑ X1 - сумма первого факторного признака по всем районам;
n - число регионов (24).
X1=61,5
Э1 = 0,3 = 0,6 %
Первый коэффициент
X2=∑ X2/n
где,X2 - среднее значение второго факторного признака;
∑ X2 - сумма второго факторного признака по всем районам;
n- число регионов (24)
Х2= 1
Э2 = 0,10,003 %
Второй коэффициент
Х3=∑ X3/n
где,Х3 – среднее значение третьего факторного признака;
∑ Х3 – сумма третьего факторного признака по всем районам;
n – число регионов (24)
Х3= 88,4
Э3 = - 0,1 = - 0,3%
Третий коэффициент
β-коэффициент показывает на сколько средних квадратических отклонений изменится результативный признак, при увеличении факторных признаков на своё среднее квадратическое отклонение.
β = аi ;
где, аi – коэффициенты при переменной Х из уравнения множественной регрессии;
Gxi – среднее квадратическое отклонение i-го факторного признака;
Gy – среднее квадратическое отклонение результативного признака.
β1 = 0,3 = 29,7
Первый β-коэффициент показывает, что при увеличении доли организаций, использующих специальные программные средства для решения организационно-экономических задач на 3058, число компьютеров на 100 сотрудников увеличится на 29,7.
β2 = 0,1 = 0,001
Второй β-коэффициент показывает, что при увеличении затрат на информационные технологии на 1 организацию на 0,36, число компьютеров на 100 сотрудников увеличится на 0,001.
β3 = - 0,1 = - 0,84
Третий β-коэффициент показывает, что при увеличении доли организаций, использующих специальные программные средства в общей численности на 259,2, число компьютеров на 100 сотрудников уменьшится на – 0,84. [11]
Задание 4
Решение:
В программе расчёта показателей динамики, устанавливаем начало и конец периода (2003 – 2011г.г.) и вводим значения.
Рис. 1- Укрупнение, скользящая
Укрупнение групп на 3 типические группы показывает, что с 2003 – 2005 г.г. число компьютеров на 100 сотрудников равна 42,00%, с 2006 – 2008 г.г. число компьютеров на 100 сотрудников составляет 65,00%,а с 2009 – 2011 г.г.число компьютеров на 100 сотрудников равна 89,00%.
Скользящая средняя показывает, что с 2003 – 2011 г.г. идёт увеличение числа компьютеров на 100 сотрудников.
Проведём анализ трендовой модели методом аналитического выравнивания по уравнениям прямой и параболы. [12]
Рис.2 – Выравнивание
Для проведения анализа тенденции будем использовать уравнение прямой: y = a + bt и уравнение параболы «второго порядка» y = a + bt + ct2. Сделав вычисления с помощью программы «Динамики» получаем следующее уравнение для сглаживания динамического ряда по прямой y = 21,78 + 2,70t
где коэффициенты а0 = 21,78 – характеризует значение числа компьютеров на 100 сотрудников, при t = 0;
b = 2,70 – среднее увеличение числа компьютеров на 100 сотрудников;
Теперь проведём анализ тенденции изменения с помощью уравнения параболы «второго порядка». Программа «Динамика» выдала результат: y = 22,10 + 2,70t – 0,05t2
где а0 = 22,10 – характеризует значение числа компьютеров на 100 сотрудников, при t = 0;
b = 2,70 – среднее увеличение числа компьютеров на 100 сотрудников;
с = 0,05 – ускорение и изменение признака;
Остаточное
Рис.3 – Уравнения по прямой и параболе
Устанавливаем наиболее приемлемую линию для выравнивания ряда динамики.
Рис.4 – График динамики
Вывод: Парабола точнее воспроизводит характер изменения числа компьютеров на 100 сотрудников.
ГЛАВА 3. «АНАЛИЗ ЯВЛЕНИЯ С ИСПОЛЬЗОВАНИЕМ ИНФОРМАЦИОННЫХ И КОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ»
3.1.Метод статистической группировки
Имеются данные статистического наблюдения удельного веса организаций, имеющие веб-сайты,% в Центральном федеральном округе за 2011 г. (табл.3.1).
Таблица 3.1 – Удельный вес организаций, имеющих веб-сайты,%
№ п/п |
Области |
Удельный вес орг.-й, имеющие веб-сайты,% |
№ п/п |
Области |
Удельный вес орг.-й, имеющие веб-сайты,% |
1 2 3 4 5 6 7 8 9 |
Белгородская Брянская Владимирская Воронежская Ивановская Калужская Костромская Курская Липецкая |
31,9 21,6 40,0 30,8 31,2 30,4 25,2 21,4 28,2 |
10 11 12 13 14 15 16 17 18 |
Московская Орловская Рязанская Смоленская Тамбовская Тверская Тульская Ярославская г.Москва |
37,6 22,0 37,4 27,5 27,0 28,9 30,1 37,6 74,3 |
Информация о работе Статистико-экономический анализ информационых и коммуникационных технологий