Структура и тенденции водопотребления в РФ
Дипломная работа - Экология
Другие дипломы по предмету Экология
?руют в меньшей степени.
.3 Регрессионный анализ зависимости суммарного водопотребления от орошения и производственных нужд
В ходе корреляционного анализа были выделены показатели, обладающие значимыми связями. На основе этих связей можно провести регрессионный анализ, суть которого заключается в построении математической модели и определении ее статистической надежности.
Вид множественной линейной модели регрессионного анализа:
,
где - случайные ошибки наблюдения, независимые между собой, имеют нулевую среднюю и дисперсию .
На основе результатов, полученных в ходе регрессии, можно провести анализ связи между несколькими независимыми переменными и зависимой переменной.
По имеющейся в таблице данных выборке объемом n=16 необходимо найти оценки неизвестных коэффициентов регрессии b0, b1,..., bk. С их помощью мы сможем: получить наилучшие оценки неизвестных параметров b0, b1,..., bk; проверить статистические гипотезы о параметрах модели; проверить, достаточно ли хорошо модель согласуется со статистическими данными.
Таблица 3
Зависимость суммарного объема водопотребления от орошения и производственных нужд
BetaStd.Err.BStd.Err.t(13)p-levelIntercept16,645733,2264545,159140,000184Орошение и с/х0,6225380,0519251,551370,12939911,989060,000000Произв.нужды0,3938940,0519250,781560,1030307,585760,000004
коэффициент множественной корелляции фактических и расчетных значений равен R= 0,997, а его значимость очень высокая p<0,00000; коэффициент детерминации равен R2= 0,99; исправленный R2= 0,99; значимость множественной корреляции; стандартная ошибка оценки по регрессии 0,52366,
Из таблицы 3 видно, что все параметры, которые входят в уравнения регрессии имеют высокую значимость
Рор и с/х=0,000000
Рпроизв.=0,000004
На основании табл.3 уравнение зависимости суммарного водопотребления от орошения и производственных нужд имеет вид:
С=16,64573+1,55137*О-0,78156*П
Где О-орошение, П-производственные нужды
В данном уравнении регрессии, в котором зависимым показателем является вся вода, изменчивость значений составляет 0,99, что примерно составляет 99%, неизвестным остается 1%
.4 Анализ тенденций водопотребления в РФ
Рассмотрим вначале кратко теоретические основы анализа временных рядов, под которым подразумевается совокупность математико-статистических методов анализа, предназначенных для выявления структуры временных рядов и для их прогноза. Сюда относятся, в частности, методы регрессионного анализа. Выявление структуры временного ряда необходимо для того, чтобы построить математическую модель того явления, которое является источником анализируемого временного ряда. Прогноз будущих значений временного ряда используется для эффективного принятия решений.
Временные ряды состоят из двух элементов:
периода времени, за который или по состоянию на который приводятся числовые значения;
числовых значений того или иного показателя, называемых уровнями ряда.
Временные ряды классифицируются по следующим признакам:
по форме представления уровней:
ряды абсолютных показателей;
относительных показателей;
средних величин.
по характеру временного параметра: моментные и интервальные временные ряды.
В моментных временных рядах уровни характеризуют значения показателя по состоянию на определенные моменты времени. В интервальных рядах уровни характеризуют значение показателя за определенные периоды времени. Важная особенность интервальных временных рядов абсолютных величин заключается в возможности суммирования их уровней. Отдельные же уровни моментного ряда абсолютных величин содержат элементы повторного счета. Это делает бессмысленным суммирование уровней моментных рядов;
по расстоянию между датами и интервалами времени выделяют полные (равноотстоящие) - когда даты регистрации или окончания периодов следуют друг за другом с равными интервалами и неполные (неравноотстоящие) - когда принцип равных интервалов не соблюдается.
временные ряды бывают детерминированными и случайными: первые получают на основе значений некоторой неслучайной функции (ряд последовательных данных о количестве дней в месяцах); вторые есть результат реализации некоторой случайной величины.
в зависимости от наличия основной тенденции выделяют стационарные ряды - в которых среднее значение и дисперсия постоянны и нестационарные - содержащие основную тенденцию развития.
Тренд - общая тенденция при разнонаправленном движении, выраженная общая направленность изменений показателей любого временного ряда. Графики могут быть описаны различными уравнениями - линейными, логарифмическими, степенными и т. д. Фактический тип графика устанавливают на основе графического изображения данных временного ряда, путем осреднения показателей динамики ряда, на основе статистической проверки гипотезы о постоянстве параметров графика.
А теперь проведем трендовый анализ по всем показателям водопотребления (табл. 1) при помощи полиноминального уравнения второй степени. Этот тип уравнения наиболее подходит под тип данных таблицы и выведет легко описываемые и понятные графики.
Для осуществления анализа методологической базой послужила методология анализа данных Microsoft office Excel.
Рис. 1. Использование воды на орошение и сельскохозяйственное водоснабжение в РФ с 1993 по 2008 гг.
Из рис. 1 видно, что в 1993 году на орошение и сельскохозяйственное водоснабжение использовалось наибольшее кол?/p>