Обработка статистических данных предприятия
Дипломная работа - Социология
Другие дипломы по предмету Социология
о явления от другого. Следует различать, прежде всего, связи функциональные и корреляционные.
Функциональные - это такие связи, когда изменению одного признака (х) на единицу соответствует изменение другого признака (у) на строго определенную величину.
Корреляционные - это такие связи, когда при одном и том же значении признака (х) встречаются разные значения признака (у); при этом однако между ними имеется такое соотношение, что определенному изменению признака (х) соответствуют средние изменения признака (у).
Связи по общему направлению могут быть прямые и обратные, а по их аналитическому выражению - прямолинейные, криволинейные.
Для успешного решения поставленной в задаче проблемы необходимо придерживаться следующего алгоритма расчетов:
- оценка и анализ полученных результатов и определение тесноты связи между изучаемыми величинами;
- отбор взаимодействующих факторов, оказывающих наибольшее влияние на результативный признак, выявление характера этого явления;
- установление формы связи;
- решение принятой модели путем нахождения параметров корреляционного уравнения.
- Методы изучения взаимосвязи
- Корреляционный анализ - метод установления связи и измерения ее тесноты между наблюдениями. Корреляционная связь проявляется в среднем для массовых наблюдений, когда заданным значением зависимой переменной соответствует некоторый ряд вероятных значений независимой переменной.
- В статистике теснота связи может определяться с помощью различных коэффициентов (Фехнера, Пирсона, коэффициентные ассоциации и т. д.).
- При линейной зависимости коэффициент корреляции между факторами х и у определяется следующим образом:
(1.20),
где r - линейный коэффициент корреляции;
n - количество единиц в совокупности;
x - индивидуальное значение факторного признака в совокупности;
y - индивидуальные значения результативного признака в совокупности.
Значения коэффициента корреляции изменяются в интервале [- 1; + 1].
Значение r = - 1 свидетельствует о наличии жестко детерминированной обратно пропорциональной связи между факторами; r = + 1 - соответствует жестко детерминированной связи с прямо пропорциональной зависимостью факторов. Если линейной связи между факторами не наблюдается, r = 0.
Другие значения коэффициента корреляции свидетельствуют о наличии стохастической связи, причем чем ближе (r) к единице, тем связь теснее. При r 0,7 - тесная.
Наиболее простым вариантом корреляционной зависимости является парная корреляция, т.е. зависимость между двумя признаками (результативным и факторным или между двумя факторными). Математически эту зависимость можно выразить как зависимость результативного показателя у от факторного показателя х. Связи могут быть прямые и обратные. В первом случае с увеличением признака х увеличивается и признак у, при обратной связи с увеличением признака х уменьшается признак у.
Регрессионный анализ - это метод установления аналитического выражения стохастической зависимости между исследуемыми признаками.
Уравнение регрессии показывает, как в среднем изменяется у при изменении любого из x и имеет вид:
- y = f (x1 x2…xn) (1.21),
- где у - зависимая переменная;
- x - независимая переменная.
- Если х одна, то это простой регрессионный анализ, если их несколько, то анализ называется многофакторный.
- В ходе регрессионного анализа решаются две основные задачи:
- построение уравнения регрессии, т. е. нахождение вида зависимости между результативным показателем и независимыми факторами х1 , х2 …хn ;
- оценка значимости полученного уравнения, т.е. определение того, насколько выбранные факторные признаки объясняют вариацию признака у.
Регрессионный анализ - один из наиболее разработанных методов математической статистики.
Применяется регрессионный анализ для планирования показателей и формирования нормативной базы.
По форме зависимости различают линейную и нелинейную регрессию.
При линейной зависимости уравнение регрессии имеет вид:
,
где a0, a1 - параметр уравнения, из которых a1 - коэффициент регрессии.
Построение уравнения регрессии осуществляется методом наименьших квадратов, суть которого состоит в минимизации суммы квадратов отклонений фактических значений результативного признака от его расчетных значений:
а0n + a1?x = ?y?x + a1?x2 = ?xy (1.22),
где n - число наблюдений;
а0 - характеризует значение неучтенных факторов, влияющих на формирование результативного признака;
а1 - показывает изменение факторного признака на единицу собственного измерения.
2. Аналитическая часть
.1 Аналитическая группировка. Структурные средние
Аналитическая группировка.
Объём производства является группировочным признаком, т.к. необходимо оценить его эффективность на результативный показатель, а именно на затраты на производство.
Величина интервала:
Xmax=47,90 (кг)
Xmin=34,13 (кг)
N=12
R=47,90-34,13=13,77 (кг)
n=1+3,32*1,08=4,59 (1.1)
Рассчитаем интервалы:
[34,13 - 37,13] 1, 2, 7, 9, 10) 5
[37,13 - 40,13] 3, 5, 6, 11 ) 4
[40,13 - 43,13] 8 ) 1
[43,13 - 46,13] 4 ) 1
[46,13 - 49,13] 12 ) 1
Таблица. Группировочная таблица
номер по порядкугруппы по объему производства, кгколичествосреднее значение затрат на производство, тыс. ру?/p>