АНАЛИЗ ВЛИЯНИЯ ПРОИЗВОДСТВЕННЫХ ФАКТОРОВ НА РЕЗУЛЬТАТЫ ХОЗЯЙСТВЕННОЙ ДЕЯТЕЛЬНОСТИ
Заказать уникальную курсовую работу- 20 20 страниц
- 13 + 13 источников
- Добавлена 22.06.2021
- Содержание
- Часть работы
- Список литературы
- Вопросы/Ответы
Введение 4
1. Корреляционный анализ 5
1.1. Построение корреляционной матрицы 5
1.2. Анализ матрицы межфакторных корреляций. Выявление зависимых объясняющих переменных 5
1.3. Анализ взаимосвязи зависимой и объясняющих переменных 6
1.4. Выбор объясняющих переменных, наиболее тесно связанных с зависимой переменной 6
2. Множественный регрессионный анализ 7
2.1. Найти МНК-оценки параметров уравнения регрессии 7
2.2. Расчет средней ошибки аппроксимации 8
2.3. Анализ характеристик регрессионной модели 8
2.4. Проверка критериев Фишера и Стъюдента 9
2.5. Экономическая интерпретация параметров уравнения регрессии 9
2.6. Сравнительная оценка силы влияния факторов на результат с помощью коэффициентов эластичности 10
2.7. Прогнозирование среднего значения результирующего показателя 10
3. Парная регрессия 11
3.1. Построение модели парной регрессии 11
3.2. Оценка качества уравнения парной регрессии 11
4. Нелинейные модели 13
4.1. Построение нелинейных моделей 13
4.2. Оценка влияния факторов на результат на основе параметров нелинейных моделей 17
Заключение 18
Список использованной литературы 19
Проверим статистическую значимость уравнения регрессии в целом с помощью F-критерия Фишера. Расчетное значение критерия, согласно рисунку 4, равно .Табличное значение найдено с помощью функции FРАСПОБР и равно .Вывод: в виду того, что , то уравнение регрессии является статистически значимым.Выполним проверку статистической значимости параметров уравнения регрессии с помощью критерия Стьюдента. Расчетные значения критерия равны:Табличное значение, найденное с помощью функции СТЬЮДРАСПОБР, равно .Вывод: в виду того, что , то оценки параметров модели являются статистически значимыми. Выполним расчет коэффициента эластичности:Согласно результатам расчета, влияние фактора оборачиваемостиненормируемых оборотных средств на результативный показатель не существенно.Результаты построения уравнения гиперболической регрессии представлены на рисунке 5.Рисунок 5 – Модель гиперболической регрессииУравнение гиперболической регрессии имеет вид:Средняя относительная ошибка аппроксимации равна 26%, что свидетельствует об удовлетворительной точности уравнения регрессии.Коэффициент детерминации показывает, что фактор «оборачиваемость ненормируемых оборотных средств» (Х16) лишь на 5,5% объясняют формирование значений показателя «производительность труда» (Y1).Между фактором и результирующим показателем существует умеренная связь, о чем свидетельствует показатель множественной корреляции, значение которого равно .Проверим статистическую значимость уравнения регрессии в целом с помощью F-критерия Фишера. Расчетное значение критерия, согласно рисунку 4, равно .Табличное значение найдено с помощью функции FРАСПОБР и равно .Вывод: в виду того, что , то уравнение регрессии не является статистически значимым.Выполним проверку статистической значимости параметров уравнения регрессии с помощью критерия Стьюдента. Расчетные значения критерия равны:Табличное значение, найденное с помощью функции СТЬЮДРАСПОБР, равно .Вывод: в виду того, что для коэффициента при , то оценка параметров модели не является статистически значимой. Оценка влияния факторов на результат на основе параметров нелинейных моделейСогласно результатам построения моделей нелинейной регрессии получено статистически значимое уравнение экспоненциальной регрессии, оценки параметров которой также являются статистически значимыми.ЗаключениеВ рамках настоящей работы выполнен статистический анализ влияния производственных факторов на показатель производительности труда по совокупности предприятий.Для достижения цели в работе использовался инструментарий корреляционно-регрессионного анализа.В частности, выполнено построение корреляционной матрицы и моделей множественной и парной линейной регрессии, а также нелинейных моделей (экспоненциальной и гиперболической).Как показала оценка, для исходных данных статистически значимой является только модель экспоненциальной регрессии. В то же время, все модели демонстрируют низкие значения коэффициентов детерминации, что свидетельствует о низком уровне вариации, объясняемой факторами.Список использованной литературы1. Эконометрика: Учебник / И.И. Елисеева, С.В. Курышева, Т.В. Костеева и др.; под ред. И.И. Елисеевой. - 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2005. - 576 с.2. АйвазянС.А. Методыэконометрики: учебник. - М.: Магистр: ИНФРА-М, 2010.3. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2 т. 2-е изд. - Т.2: Айвазян С.А. Основы эконометрики. - М.: ЮНИТИ-ДАНА, 2001.4. Айвазян С.А., Иванова С.С. Эконометрика. Краткий курс: учеб. пособие / С.А. Айвазян, С.С. Иванова. - М.: Маркет ДС, 2010. - 104 с. (Университетская серия).5. Балдин К.В., Быстров О.Ф., Соколов М.М. Эконометрика: Учеб. пособие для вузов - 2-е изд., перераб. и доп.- М.: ЮНИТИ-ДАНА, 2004. - 254 с.6. Гладилин А.В., Герасимов А.Н., Громов Е.И. Эконометрика: Учеб. пособие. - М.: КНОРУС, 2006. - 232 с.7. ОрловаИ.В., ПоловниковВ.А. Экономико-математическиеметодыимодели: компьютерноемоделирование: учебноепособие, Вузовскийучебник, 2007.10. Практикум по эконометрике: Учеб. пособие / И.И. Елисеева, С.В. Курышева, Н.М. Гордеенко и др.; Под ред. И.И. Елисеевой. - М.: Финансы и статистика, 2003. - 192 с.11. Новак Эдвард. Введение в методы эконометрики. Сборник задач: Пер. с польск. / Под ред. И.И. Елисеевой. - М.: Финансы и статистика, 2004. - 248 с.12. Карп Д.Б. Эконометрика: основные формулы с комментариями: учебно-методическое пособие. - Владивосток, 2004. - 50 с. - С. 40-44.13. http://eos.ibi.spb.ru/umk/4_5/index.html (электронное учебное пособие)
Список использованной литературы
1. Эконометрика: Учебник / И.И. Елисеева, С.В. Курышева, Т.В. Костеева и др.; под ред. И.И. Елисеевой. - 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2005. - 576 с.
2. Айвазян С.А. Методы эконометрики: учебник. - М.: Магистр: ИНФРА-М, 2010.
3. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2 т. 2-е изд. - Т.2: Айвазян С.А. Основы эконометрики. - М.: ЮНИТИ-ДАНА, 2001.
4. Айвазян С.А., Иванова С.С. Эконометрика. Краткий курс: учеб. пособие / С.А. Айвазян, С.С. Иванова. - М.: Маркет ДС, 2010. - 104 с. (Университетская серия).
5. Балдин К.В., Быстров О.Ф., Соколов М.М. Эконометрика: Учеб. пособие для вузов - 2-е изд., перераб. и доп.- М.: ЮНИТИ-ДАНА, 2004. - 254 с.
6. Гладилин А.В., Герасимов А.Н., Громов Е.И. Эконометрика: Учеб. пособие. - М.: КНОРУС, 2006. - 232 с.
7. Орлова И.В., Половников В.А. Экономико-математические методы и модели: компьютерное моделирование: учебное пособие, Вузовский учебник, 2007.
10. Практикум по эконометрике: Учеб. пособие / И.И. Елисеева, С.В. Курышева, Н.М. Гордеенко и др.; Под ред. И.И. Елисеевой. - М.: Финансы и статистика, 2003. - 192 с.
11. Новак Эдвард. Введение в методы эконометрики. Сборник задач: Пер. с польск. / Под ред. И.И. Елисеевой. - М.: Финансы и статистика, 2004. - 248 с.
12. Карп Д.Б. Эконометрика: основные формулы с комментариями: учебно-методическое пособие. - Владивосток, 2004. - 50 с. - С. 40-44.
13. http://eos.ibi.spb.ru/umk/4_5/index.html (электронное учебное пособие)
Вопрос-ответ:
Какие факторы влияют на результаты хозяйственной деятельности?
Факторы, влияющие на результаты хозяйственной деятельности, могут быть разнообразными и зависят от конкретной ситуации. Например, это могут быть производственные факторы, такие как количество произведенной продукции, использование ресурсов, эффективность процессов производства и др. Также влияние на результаты может оказывать финансовая политика компании, управленческие решения, конъюнктура рынка и другие внешние факторы.
Что такое корреляционный анализ?
Корреляционный анализ - это метод исследования статистической взаимосвязи между двумя или большим числом переменных. Он позволяет определить, насколько тесно связаны между собой различные факторы и какое влияние они оказывают на зависимую переменную, т.е. результаты хозяйственной деятельности. Корреляционный анализ позволяет выявить как положительные, так и отрицательные взаимосвязи между переменными и определить их статистическую значимость.
Как проводится построение корреляционной матрицы?
Для построения корреляционной матрицы необходимо определить все переменные, которые могут влиять на результаты хозяйственной деятельности. Затем вычисляются значения корреляционного коэффициента Пирсона для каждой пары переменных, который показывает степень линейной взаимосвязи между ними. Полученные значения записываются в виде матрицы, где каждый элемент - это коэффициент корреляции между соответствующими переменными.
Какой анализ можно провести на основе корреляционной матрицы?
На основе корреляционной матрицы можно провести анализ межфакторных корреляций и выявить зависимые объясняющие переменные. Для этого необходимо проанализировать значения коэффициентов корреляции и определить, какие переменные имеют наиболее тесную связь друг с другом. Также можно провести анализ взаимосвязи зависимой переменной с объясняющими переменными и выбрать те из них, которые наиболее сильно влияют на результаты хозяйственной деятельности.
Какой метод используется для анализа влияния производственных факторов на результаты хозяйственной деятельности?
Для анализа влияния производственных факторов на результаты хозяйственной деятельности применяется корреляционный анализ и множественный регрессионный анализ.
Как происходит построение корреляционной матрицы?
Построение корреляционной матрицы осуществляется на основе расчета коэффициентов корреляции между производственными факторами и результатами хозяйственной деятельности. Для этого используются статистические методы и инструменты.
Какие переменные можно выбрать для анализа взаимосвязи с зависимой переменной?
Для анализа взаимосвязи с зависимой переменной можно выбрать те объясняющие переменные, которые имеют наибольшую корреляцию с зависимой переменной в корреляционной матрице. Это позволяет выявить наиболее тесно связанные переменные.
Какие методы используются при множественном регрессионном анализе?
При множественном регрессионном анализе используются метод наименьших квадратов (МНК) для оценки параметров уравнения регрессии. Также проводится расчет среднеквадратической ошибки и других статистических показателей для оценки качества модели.