Реферат: Исследования зависимости производства ликероводочных изделий от экономических показателей

Министерство Общего иПрофессионального Образования
Самарский Государственный Аэрокосмический Университет
Факультет экономики и управления
Кафедра менеджмента

Курсоваяработа по курсу
Исследования Систем Управления
на тему:

исследованиезависимости производства ликеро-водочных изделий с экономическими показателями

Студента 7факультета
3 курса
Станина А. В.
Научный руководитель
Газиев Н. У.

Самара 1996

TOC o «1-3» Постановка задачи.… GOTOBUTTON _Toc373973396 PAGEREF _Toc373973396 3

Первичныйанализ исходных данных.… GOTOBUTTON _Toc373973397 PAGEREF _Toc373973397 3

Корреляционно-регрессионныйанализ.… GOTOBUTTON _Toc373973398 PAGEREF _Toc373973398 4

Способ1.… GOTOBUTTON _Toc373973399 PAGEREF _Toc373973399 4

Способ2.… GOTOBUTTON _Toc373973400 PAGEREF _Toc373973400 5

методпресс… GOTOBUTTON _Toc373973401 PAGEREF _Toc373973401 5

методисключения… GOTOBUTTON _Toc373973402 PAGEREF _Toc373973402 6

методглавных компонент… GOTOBUTTON _Toc373973403 PAGEREF _Toc373973403 6

прогнозирование… GOTOBUTTON _Toc373973404 PAGEREF _Toc373973404 7

заключение… GOTOBUTTON _Toc373973405 PAGEREF _Toc373973405 Ошибка!Закладка не определена.

Постановка задачи.

Определить существует ли зависимость между производством ликеро-водочных изделей (Y) и:

            1- валовыйсбор зерна (X1);
            2 — валовыйсбор сахарной свеклы (X2);
            3- потребление пива (X3);
            4- население России (X4);
            5- потребление водки (X5).
            В случае обнаружениязависимости построить оптимальную модель, котороямогла бы быть пригодной для прогноза.

Первичный анализ исходных данных.

Анализ динамики производства ликеро-водочных изделий (Y) показывает, что за периоднаблюдения (N=21) минимальноепроизводство был равно 138.1, а максимальным 209.2, тем самым изменениевеличины Y было в пределах 71.1. Вариация равная 12.2126% свидетельствует ободнородности величины Y (<33%). Отклонение от среднего значения (176.5905) всреднем не превышало 17.5814 (среднее абсолютное отклонение), эксцесс (-1.1554)и асимметрия (-0.1873) утверждает, чтораспределение величины Y имеет незначительный сдвиг влево и достаточновыраженную плосковершинность.
Величина Y имеет тенденцию кувеличению, средний темп прироста составляет -0.981%.

Анализ динамики валового сбора зерна(X1) показывает, что за период наблюдения (N=21) минимальный сбор был равен 248.1, амаксимальным 356.3, тем самым изменение величины X1 было в пределах 108.2.Вариация равная 10.6046% свидетельствует об однородности величины X1 (<33%).Отклонение от среднего значения (313.5953) в среднем не превышало 33.2555(среднее абсолютное отклонение), эксцесс (-0.9713) и асимметрия (-0.5517) утверждает, что распределение величины X1имеет незначительный сдвиг влево и достаточно выраженную плосковершинность.
Величина X1 имеет тенденцию кувеличению, т.к. средний темп прироста составляет 1.0741% или на 0.0254 единицизмерения (% от номинала в миллионах тонн). Сбор до 16 наблюдения имееттенденцию к увеличению, в период от 16 до 21 наблюдается падение сбора.

Анализ динамики валового сборасахарной свеклы (X2) показывает, что за период наблюдения (N=21) минимальный сбор был равен 20812, амаксимальный 33177, тем самым изменение величины X2 было в пределах 12365.Вариация равная 13.9157% свидетельствует об однородности величины X2 (<33%). Отклонение от среднегозначения (26846.0952) в среднем не превышало 3735.8119 (среднее абсолютноеотклонение), эксцесс (-1.1144) и асимметрия (0.324) утверждает, что распределение величины X2имеет незначительный сдвиг вправо и плосковершинность.
Величина X2 имеет тенденцию кувеличению, т.к. средний темп прироста составляет 0.9409%.

Анализ динамики потребление пива(X3) показывает, что за период наблюдения (N=21) минимальное потребление пива было 92.4, а максимальная 106.1, тем самым изменение величины X3 было впределах 13.7. Вариация равная 3.8059% свидетельствует об однородности величиныX3 (<33%). Отклонение от среднего значения (99.5857) в среднем не превышало3.7902 (среднее абсолютное отклонение), эксцесс (5.6717) и асимметрия(1.4085) утверждает, что распределениевеличины X3 имеет незначительный сдвиг вправо и достаточно выраженную островершинность.
Величина X3 имеет тенденцию кросту, т.к. средний темп прироста составляет 0.0821%. Потребление пива во время 9 наблюдения имеет резкое падение.

Анализ динамики населения России(X4) показывает, что за период наблюдения (N=21) минимальное население было 130.1, а максимальное 147.4, тем самымизменение величины X4 было в пределах 17.3. Вариация равная 3.6811% свидетельствуетоб однородности величины X4 (<33%). Отклонение от среднего значения (138.7)в среднем не превышало 5.1057 (среднее абсолютное отклонение), эксцесс(-1.2575) и асимметрия (0.1499) утверждает, что распределение величины X4 имеет незначительный сдвигвправо и незначительную плосковершинность.
Величина X4 имеет тенденцию квозрастанию, т.к. средний темп прироста составляет 0.6262%.Криваяраспределения величины Х4 имеет небольшой подъем вверх.

Анализ динамики потребленияводки (X5) показывает, что за период наблюдения(N=21) минимальное потребление было 133.5, а максимальное 208.5, тем самымизменение величины X5 было в пределах 75. Вариация равная 11.4207%свидетельствует о однородности величины X5 (<33%). Отклонение от среднегозначения (175.9905) в среднем не превышало 20.0993 (среднее абсолютное отклонение),эксцесс (-0.7625) и асимметрия (-0.1934) утверждает, что распределение величины X5 имеет незначительный сдвиг влево и достаточновыраженную плосковершинность.
Величина X5 имеет тенденцию к уменьшению, т.к. средний темп прироста составляет -1.1457%. Потребление до 13наблюдения возрастает, затем последовалмедленный спад до 21 наблюдения.

Корреляционно-регрессионный анализ.

Анализ коэффициентов парнойкорреляции говорит о наличии интенсивной связи Y с Х5 (0.9834), средней с Х4(-0.5315) -знак минус указывает на обратную зависимость- и Х3 ( -0.4266),слабой с Х2 (-0.1890) и Х1 (0.1176).Значит в модель стоит включить факторы Х3, Х4,Х5.

Следующим этапом идет проверка на мультиколлениарность, существует несколько способов даннойпроверки.

Способ 1.

При проверке на мультиколлениарность(коэффициенты частной корреляции и t-статистика) видно, что существуетвзаимосвязь между:

следовательнов модель включается Х5 и Х4, т.к.коэффициент парной корреляции Y-X4 (-0.5315) больше, чем коэффициенты парнойкорреляции Y-X1 (0.1170) и Y-X3 (-0.4266) и Y-Х2(-0.1890).

Способ 2.

Этот метод основан на анализераспределения корреляционной матрицы. Идея метода заключается в том чтовводятся некоторые критерии на основекоторого можно проверить о значимости отклонения корреляционной матрицы отортогональной, для этого вводится величина:

Х^2=N-1-1/6(2*n+5)*ln|R|

порасчетам ХИ квадрат равно 80.469 больше табличного, значит между переменнымисуществует мультиколлениарность. Для определениястепени мультиколлениарности вводим величину:

W=(Cii-1)-(N-n)/(n-1)

гдеСii — диагональный элемент матрицы обратнойкорреляционной.

Wii

f-критерий

W11

3.622

0.0139

W22

1.93

0.12648

W33

6.18

0.00081

W44

2.181

0.08999

W55

6.225

0.00077

Данная таблица указывает, чтонаиболее коллениарна Х2, затем Х4 и можно сказать чтоХ3 и Х5 вовсе не коллениарны. Следовательно в модельлучше включить Х3 и Х5, но проведенный последующий регрессионный анализуказывает что лучше включать в модель Х2 и Х3, т.е. производство ликеро-водочных изделий (Y) зависит от валового сборасахарной свеклы (X2) и потребления пива (X3).

Анализ уравнения регрессии говорит,что при росте Х5 на 1 единицу в своих единицах измерения увеличит Y на 1.0552единицы в своих единицах измерения, Отклонения основного тренда носят случайный характер, а данная модельопределяет Y на 96.71% ( R-квадрат). Относительная ошибка апроксимацииуказывает об адекватности математической модели. Степень рассеянности Yмала (дисперсия=3.909). РаспределениеY является нормальным, в ряду нетавтокорреляции нельзя, а проверка на стационарность случайного компонента спомощью Х^2 (Х^2=10.04) указывает что коэффициенты корреляции неоднородны.

метод пресс.

Основан на выборе наилучшегоуравнения регрессии для этого рассчитывают значения сумм квадратов расхождения:

Хi

отклонение

Хi

отклонение

Хi

отклонение

Хi

отклонение

Хi

отклонение

9174.74

5598.67

123

5589.96

1234

538.735

12345

185.547

8969.93

7329.06

124

545.654

1235

217.694

7608.97

2226.17

125

217.86

1245

185.690

6674.29

256.857

134

1176.13

1345

236.652

305.611

7607.95

135

240.845

2345

224.784

256.856

145

256.53

227.26

234

3506.0

5628.28

235

224.949

275.868

245

226.924

266.522

345

236.662

Из таблицы видно лучше всего взять модель 25 или125.

модель

дисперсия

0.9756

3.3709

125

0.9766

3.3005

Последующая проверка говорит, что модель 25наиболее выгодна. Значит

производстволикеро-водочных изделий (Y) зависит от 2- валового сбора сахарнойсвеклы (X2), 5- потребления водки (X5) на 97.66%.

Метод исключения.

Метод исключения основан на анализе коэффициентоврегрессионного уравнения при условии, что переменная при этом коэффициенте вмодель была включена последней.

переменные в моделе

f-кри-

терий

переменные в моделе

f-кри-

терий

переменные в моделе

f-кри-

терий

переменные в моделе

f-кри-

терий

переменные в моделе

f-кри-

терий

Х1

3.1719

Х1

0.5331

Х1

0.7335

Х2

4.1314

Х2

1.7014

Х2

3.0429

Х2

1.8365

Х3

0.0115

Х3

0.0121

Х4

2.5988

Х4

8.6594

Х5

28.553

Х5

394.844

Х5

419.872

Х5

23.6498

Fкр

4.4100

Fкр

4.4100

Fкр

4.4100

Fкр

4.4100

Fкр

4.4100

Следовательно в модель включаетсятолько Х5. Данная модель определяет Y на 96.71%, значит потребление водки (X5)значительно влияет на производство ликеро-водочныхизделий (Y).

Метод главных компонент.

Метод главных компонент былпредложен К. Пирсоном в 1901 году, а в дальнейшем развит и доработан. Методоснован на стандартизации переменных для чего используют следующие формулы:

Zij=(Xij-Xiсред)Si ;

Si=[1/(n-1)*сумма(Xij-Xiсред)^2]^(1/2) ;

гдеZij стандартизованные переменные;

Siстандартизированное отклонение.

В модели участвуют главныекомпоненты Wj, которые представляют собой следующее:

Wj=V1Z1+V2Z2+...+VrZr

гдеVj собственный вектор, который удовлетворяет системеуравнений:

(Z’z-KI)*Vj=0

гдеZ’z корреляционная матрица;

КI характеристические корни уравнения | Z’z-KI|=0 .

Корреляция главных компонентпоказывает тесноту связи Хi с главнымикомпонентами. Переменные Х1, Х2, Х4 имеютинтенсивную связь с первой главной компонентой, а Х3 среднюю, вторая главнаякомпонента интенсивно связана с переменной Х5. Следовательно валовый сбор зерна (X1), валовыйсбор сахарной свеклы (X2), населениеРоссии (X4), потребление пива (X5) имеют некоторую гипотетическую величину,зависимую от них. Модель полученная по методу главных компонент определяетвеличину Y на 87.43% ( R квадрат).

Прогнозирование.

Проведемпрогнозы по полученным моделям и сделаем оценки прогнозов.

прогноз

Gt

Dср

Eпр-сред

K

KH

KH1

V

Vмю

Vs

Vl

регрессия от факторов

2

.5273

1.552086

0.843786

0.13734

0.015911

0.0164

0.1373

0.008

0.009699

169.4348

регрессия от главных компонент

6.633742

4.78329

2.587049

0.360434

0.041764

0.0432

0.3604

0.002

0.076127

124.1527

экспоненциальное сглаживание

11.42036

7.739524

3.974608

0.62061

0.071899

0.0744

0.6206

0.006

0.169182

168.1134

метод гармонических весов

8.637442

3.711905

2.035688

0.46938

0.054378

0.0563

0.4693

0.018

0.074788

157.9697

регрессия от времени

16.61707

11.85095

6.213912

0.903012

0.104615

0.1083

0.903

0.012

0.169182

263.5587

Из данной таблицы видно, чтонаиболее точной моделью прогноза считается регрессия от факторов, т.к. Gt=2.5273. Eпр-средуказывает оточности высокой точности прогноза, К — о том что данная модельдовольно сильно близка к эталонной(простая экстрополяция), КН — модель близка ксовершенной, а КН1 — что модель лучше чем модель на уровне средней, V — чтомодель близка к простой экстрополяции, Vмю — что центральная тенденция определена точно, Vs — что отклонения фактических и прогнозных достаточноточно совпадают, Vl — слабая связь между прогнознымии фактическими значениями.

Заключение.

Основными выводами по проведеннойработе можно считать следующее:

1-производство ликеро-водочных изделий (Y) имеет тенденцию к постоянному росту;

2 — наиболее сильно оно зависит от потребления водки (Х5) и от валовогосбора сахарной свеклы (X2) ;

3 — наиболее лучшей моделью для проведения прогноза служит модель полученная покорреляционно-регрессионному методу,которая на 97,66% описывает

производство ликеро-водочныхизделий (Y);

4 — прогноз следует проводить по модели регрессии от факторов, характеристикикоторой наиболее достоверные;

5 — для построения наиболее точной модели следует рассмотреть большее количествофакторов, влияние которых в большей мере бы определяло производство ликеро-водочных изделий (Y);

6 — влияние валового сбора зерна (X1), потребления пива (Х3) инаселения России (Х4)фактически не существенно сказывается на изменениепроизводства ликеро-водочных изделий (Y);

7 — полученная модель пригодна для прогноза лишь на краткосрочный период.

еще рефераты

Еще работы по менеджменту (теория управления и организации)

Реферат по менеджменту (теория управления и организации)

Перераспределение полномочий и ответственности в системе менеджмента

29 Августа 2013

Реферат по менеджменту (теория управления и организации)

Методы изучения затрат рабочего времени

29 Августа 2013

Реферат по менеджменту (теория управления и организации)

Лизинг, факторинг

29 Августа 2013

Реферат по менеджменту (теория управления и организации)

Составление внутрифирменного плана производственно-коммерческой деятельности

29 Августа 2013