Материал: Система показателей статистики денежного обращения и их анализ

Внимание! Если размещение файла нарушает Ваши авторские права, то обязательно сообщите нам

Таблица 7

Расчет внутригрупповой дисперсии

G2g

Fi

G2g*Fi

 

 

1

8

9

72

G2g=147/18=8 ед2

 

2

7

6

42


 

3

11

3

33


 

 

 

18

147

 

 


Sy2=0,07+8=7,58(приближенно равно)

На основе правила сложения дисперсий делаем вывод о том, что расчеты правильные.

Вывод: таким образом, примерно 30 % вариации результативного показателя объясняется прочими влияющими факторами

Глава 3. Статистическое изучение динамики денежного обращения

.1 Расчет основных характеристик рядов динамики в изучении показателей денежного обращения в России

Таблица 1

Динамика денежной массы в некоторых действующих кредитных организациях

Годы

Млрд. руб.; (в фактически действовавших ценах)



2008

15754,2

2009

25350,6

2010

34293,1

2011

46528,2

2012

38998,1

2013

44206,4


Рассмотрим динамику продаж мебели в кредит с 2008 по 2013 г.г. используя данные выше показатели.

Ряд динамики характеризуют следующие показатели:

1. Абсолютный прирост (с переменной базой и с постоянной базой);

2.      Темп роста (с переменной базой и с постоянной базой);

.        Темп прироста (с переменной базой и с постоянной базой);

.        Абсолютное значение одного процента прироста.

Расчет показателей рядов динамики приведен в таблице 2.

Денежная масса в кредитных организациях ежегодно возрастает. Отрицательное значение прироста (-12%) было отмечено только в 2012 году, это объясняется экономическим кризисом.

Таблица 2

Показатели рядов динамики

Показатели

Объем выполненных работ, млрд. руб.


2008г.

2009г.

2010г.

2011г.

2012г.

2013г.


15754

25350

34293

46528

38998

44206

Абсолютный прирост Δ, ед.

Переменная база yi-yi-1

-

596,4

942,5

1234,8

-529,8

207,8


Постоянная база yi-y1

-

596,4

1538,9

2773,7

2243,9

2451,7

Коэффициент роста, Кр

Переменная база, yi/yi-1

-

1,34

1,4

1,37

0,88

1,05


Постоянная база, yi/y1

-

1,34

1,88

2,58

2,28

2,4

Темп роста, Тр = Кр*100%

Переменная база

-

134

140

137

88

105


Постоянная база

-

134

188

258

228

240

Темп прироста, Тп=Тр-100%

Переменная база

-

34

40

37

-12

5


Постоянная база

-

34

88

158

128

140

Абсолютное значение 1% прироста А, ед.

Переменная база А=Δi/Ti

-

17,544

23,508

32,933

45,281

39,983


Задача сортировки является наряду с вопросами поиска фундаментальной в сфере разработки алгоритмов и программировании. Связано это с тем, что перегруппированные объекты - залог сокращения времени и ресурсов при работе программы, что, разумеется, носит исключительно положительный характер. Применение в программировании нашла сортировка вставками и с помощью ключа. Один из наиболее изящных методов сортировки - с применением специального ключа, т.е. раздела данных, который однозначно определяет порядок элементов, но при этом не хранит в себе полные значения элемента структуры. Проиллюстрировать метод можно с помощью почтового индекса. Индекс не предоставляет полных сведений, но при этом однозначно определяет месторасположение почтового отделения, а, следовательно, первичное перемещение письма. В случае массивов значения элемента и ключа совпадают.

Задача сортировки является наряду с вопросами поиска фундаментальной в сфере разработки алгоритмов и программировании. Связано это с тем, что перегруппированные объекты - залог сокращения времени и ресурсов при работе программы, что, разумеется, носит исключительно положительный характер. Применение в программировании нашла сортировка вставками и с помощью ключа. Один из наиболее изящных методов сортировки - с применением специального ключа, т.е. раздела данных, который однозначно определяет порядок элементов, но при этом не хранит в себе полные значения элемента структуры. Проиллюстрировать метод можно с помощью почтового индекса. Индекс не предоставляет полных сведений, но при этом однозначно определяет месторасположение почтового отделения, а, следовательно, первичное перемещение письма. В случае массивов значения элемента и ключа совпадают.

Проведем анализ рядов динамики с использованием метода аналитического выравнивания. Суть этого метода заключается в нахождении такого уровня плавного движения ряда, который, приближаясь к первоначальному (эмпирическому ряду), будет наиболее полно характеризовать основную тенденцию динамики. Для этого уровни ряд у условно рассматриваются как функция времени t, а фактические уровни ряда заменяются такими теоретическими, которые наименее отклоняются от эмпирических. Выравнивание происходит по методу наименьших квадратов.

В зависимости от года t объем выполненных работ по строительству изменяется по закону:Yтеор. = a0+a1t,где a0, a1 - параметры уравнения регрессии.

Найдем параметры уравнения регрессии, решив систему уравнений, составленную по методу наименьших квадратов:

Промежуточные значения расчетов приведены в таблице 3.

Таблица 3

Промежуточные значения расчетов

год

Объем работ, млрд. руб.

t2

t*y


2008

1

15754,2

1

15754,2

20038,32381

2009

2

25350,6

4

114701,6

20565,06095

2010

3

34293,1

9

901879,9

30091,7981

2011

4

46528,2

16

1518112,4

30618,53524

2012

5

38998,1

25

45619991,5

40145,27238

2013

6

44206,4

36

67825236,6

40672,00952

Итог

21

202135,4

91

78979676,4

200131


По проведенным расчетам мы получили следующее уравнение:

y= 1511,6 +526,7t

Рис. 1. График тренда объема продаж мебели в кредит с 2008 по 2013 год

По рисунку 1 видна тенденция к постоянному увеличению объема продаж.

3.2 Выявление тенденций показателей денежного обращения на основе метода аналитического выравнивания и прогнозирования

Для построения краткосрочных прогнозов на последующие периоды применяется метод аналитического выравнивания, который предполагает представление уровня данного ряда динамики в виде функции времени.

Как правило для построения прогнозов используются основные функции (линии, параболы, гиперболы).

Таблица 4

Финансовые результаты деятельности кредитных организаций за исследуемый 2013 год


2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

На начало года, млн.руб.

380,5

444,4

566,5

731,7

881,4

1244,4

1186,2

1214,3

1341,4

1463,9


Для построения функции введем условный фактор времени (t) с таким расчетом, чтобы сумма его значений сводилась к нулю. В статистической практике применяется упрощенный расчет параметров уравнений, который заключается в переносе начала координат в середину ряда динамики.

Если ряд четный, то шаг времени t = 2. Если нечетный, то t = 1.

Оценка параметров линейной модели производится на основе линейных уравнений:

; ;

Для нахождения неизвестных уравнений, нам необходимо провести вычисления.

Таблица 4.1

Вычислительная таблица

Год

Y, млн.руб.

t

t^2

t^4

Y*t

y*t^2

2005

380,5

-9

6561

-3424,5

30820,5

2006

444,4

-7

49

2401

-3110,8

21775,6

2007

566,5

-5

25

625

-2832,5

14162,5

2008

731,7

-3

9

81

-2195,1

6585,3

2009

881,4

-1

1

1

-881,4

881,4

2010

1244,4

1

1

1

1244,4

1244,4

2011

1186,2

3

9

81

3558,6

10675,8

2012

1214,3

5

25

625

6071,5

30357,5

2013

1341,4

7

49

2401

9389,8

65728,6

2014

1463,9

9

81

6561

13175,1

118575,9

Сумма

9454,7

0

330

19338

20995,1

3120051


Оценка параметров линейной модели производится на основе сисемы линейных уравнений.

Линейная:

; ;

Параболическая:


Решение линейной системы:

; ;

Решение параболы: ; ;

Таким образом линейное уравнение будет иметь вид: Ŷ = 945,47 + 63,62t

Уравнение параболы будет иметь вид: Ŷ = -10023,73 + 63,62t + 332,4t^2

Произведем расчет для нахождения наиболее адекватной модели.

Таблица 5

Расчет адекватной модели

у(л)

у(п)

(у-у(л))^2

(у-у(п))^2

372,89

16328,09

57,9121

254325626,8

500,13

5818,53

3105,8329

28881273,26

627,37

-2031,83

3705,1569

6751318,789

754,61

-7222,99

524,8681

63277093

881,85

-9754,95

0,2025

113131941,3

1009,09

-9627,71

55370,796

118202775,9

1136,33

-6841,27

2487,0169

64440274,6

1263,57

-1395,63

2427,5329

6811734,605

1390,81

6709,21

2441,3481

28813384,2

1518,05

17473,25

2932,2225

256299287,4


Рис. 2

По произведенным расчетам и по построенному графику видно, что наиболее адекватной моделью является линейная модель, дающая количественное описание динамики показателя ВВП за исследуемый год. Именно линию мы используем для построения краткосрочного прогноза на 2015 и 2016 год.

Получили прогнозные данные (1645,29 и 1772,53).

Таким образом, прогнозируется рост изучаемого показателя. Отразим прогнозные значения на графике.

Рис. 3

3.3 Построение динамических регрессионных моделей для исследования закономерностей денежного обращения в России

Таблица 6

Основные статистические показатели, имеющие значение в экономических приложениях

Название параметра

Обозначение

Что характеризует параметр и для чего применяется

Оптимальное значение параметра

1.Объем выборки

m

Объем данных по фактору (размер матрицы по вертикали). Применяется для установления тенденций изменения фактора

Не менее чем в 3-5 раз больше числа факторов (nxi). С увеличением числа факторов кратность должна увеличиваться

2.Коэффициент вариации

Vi

Уровень отклонения значений факторов то средней анализируемой совокупности

Меньше 33%

3.Коэффициент парной корреляции

rxy

Тесноту связи между i-м фактором и функцией. Применяется для отбора факторов

Больше 0,1

4.Коэффициент частной корреляции

rxx

Тесноту связи между факторами. Применяется для отбора факторов

Чем меньше, тем лучше модель

5.Коэффициент множественной корреляции

R

Тесноту связи одновременно между всеми факторами и функцией. Применяется для выбора модели

Больше 0,7

6. Коэффициент множественной детерминации

D

Долю влияния на функцию включенных в модель факторов. Равен квадрату коэффициента множественной корреляции

Больше 0,5

7.Коэффициент асимметрии

A

Степень отклонения фактического распределения случайных наблюдений от нормального (по центру) распределения. Применяется для проверки нормальности распределения

Метод наименьших квадратов может применяться при А<3

8.Коэффициент эксцесса

E

Плосковершинность распределения случайных наблюдений от нормального (по центру) распределения. Применяется для проверки нормальности распределения

Меньше трех

9.Критерий Фишера

F

Математический критерий, характеризующий значимость уравнения регрессии. Применяется для выбора модели

Больше табличного значения, установленного для различных размеров матрицы и вероятностей

10.Критерий Стьюдента

t

Существенность факторов, входящих в модель.

Больше двух (при вероятности равной 0,95)

11.Средне-квадратическая ошибка коэффициентов регрессии

Δai

Точность полученных коэффициентов регрессии. Применяется для оценки коэффициентов регрессии

В два и более раза меньше соответствующего коэффициента регрессии

12.Ошибка аппроксимации

E

Допуск прогноза или степень несоответствия эмпирической зависимости теоретической. Применяется для оценки адекватности (точности) модели

Меньше (точнее) ±15%

13.Коэффициент эластичности

Эi

Показывает, на сколько процентов изменяется функция при изменении соответствующего фактора на 1%. Применяется для ранжирования факторов по их значимости

Больше 0,01