Xreferat.com » Рефераты по экономике » Статистико-экономические оценки и прогнозы цен

Статистико-экономические оценки и прогнозы цен

Таблица №2



1998 1999 2000
Номер группы Интервалы Число подотраслей

1 0-10% 5 5 5
2 11-20% 1 1 1
3 21-30% 1 0 0
4 31-40% 1 1 2
5 свыше 40% 0 1 0

По данным таблицы видно , что в отрасли преобладают подотрасли в основном с небольшим удельным весом. Число подотраслей в других интервальных категориях незначительно.


На данном графике наглядно изображена графическая интерпретация.


Статистико-экономические оценки и прогнозы цен


Произведем другую группировку , в которой в качестве группировочного признака возьмем относительные цепные приросты .

Таблица № 3


1998
1999
2000
Электроэнергия 239
282 17,99% 416 47,52%
Нефть 339
1000 194,99% 1548 54,80%
Бензин автомобильный 1309
4640 254,47% 5612 20,95%
Топливо дизельное 1092
3375 209,07% 5209 54,34%
мазут топочный 455
1245 173,63% 2244 80,24%
газ естественный 44,1
57,8 31,07% 88,2 52,60%
Уголь для коксования 114
191 67,54% 290 51,83%
Уголь энергетический 141
171 21,28% 253 47,95%
Итого по отрасли 3733,1
10961,8
15660,2

Таблица №4

Номер группы Интервалы Число подотраслей
1 0-10% 0
2 11-20% 0
3 21-30% 1
4 31-40% 0
5 41-50% 2
6 51-60% 4
7 61-70% 0
8 71-80% 1
9 свыше 81% 0

По данным группировки видно , что за анализируемый период изменение цен подотраслей в границах интервала 51-60% затронуло большее число подотраслей.


На данном графике наглядно продемонстрирован разброс подотраслей по значениям группировки.

Статистико-экономические оценки и прогнозы цен

Метод средних.

С помощью данного метода проведем вертикальный и горизонтальный анализ.

Метод средних используется для определения среднего уровня показателя. Мы произвели расчет средних за период по подотраслям и в целом по отрасли .


Таблица . Вертикальный анализ.


1998
1999
2000
Электроэнергия 239 6,40% 282 2,57% 416 2,66%
Нефть 339 9,08% 1000 9,12% 1548 9,88%
Бензин автомобильный 1309 35,06% 4640 42,33% 5612 35,84%
Топливо дизельное 1092 29,25% 3375 30,79% 5209 33,26%
мазут топочный 455 12,19% 1245 11,36% 2244 14,33%
газ естественный 44,1 1,18% 57,8 0,53% 88,2 0,56%
Уголь для коксования 114 3,05% 191 1,74% 290 1,85%
Уголь энергетический 141 3,78% 171 1,56% 253 1,62%
Итого по отрасли 3733,1 100,00% 10961,8 100,00% 15660,2 100,00%
Ср.арифм. 466,64 1370,23 1957,53
Ср.геом. 279,60 564,96 850,34
Медиана 289,00 641,00 982,00
Средняя взвешенная 889,30 3249,36 4239,35

Таблица горизонтальный анализ


1998,00 1999,00 2000,00 Ср.арифм. Ср.геом. Медиана
Электроэнергия 239,00 282,00 416,00 312,33 303,79 282,00
Нефть 339,00 1000,00 1548,00 962,33 806,60 1000,00
Бензин автомобильный 1309,00 4640,00 5612,00 3853,67 3242,34 4640,00
Топливо дизельное 1092,00 3375,00 5209,00 3225,33 2677,63 3375,00
мазут топочный 455,00 1245,00 2244,00 1314,67 1083,26 1245,00
газ естественный 44,10 57,80 88,20 63,37 60,81 57,80
Уголь для коксования 114,00 191,00 290,00 198,33 184,83 191,00
Уголь энергетический 141,00 171,00 253,00 188,33 182,72 171,00

Индексный анализ используется для сопоставления количественных показателей за разные периоды времени. Используется два вида индексов:

- цепные - сопоставляется два периода с постоянно меняющейся базой;

- базисные - сопоставляются два периода, причём за базу выбирается какой-то из периодов.

Рассчитываем цепные и базисные индексы.


Таблица 1 - "Индексный анализ цен по химической промышленности"

Период

времени

.

Цепные

индексы

Базисные

Индексы

Год 1999 1 квартал 1059,1


2 квартал 1025,3 0,968086111 0,96808611

3 квартал 1087,3 1,060470106 1,02662638

4 квартал 1115,3 1,025751862 1,05306392
Год 2000 1 квартал 1255,5 1,125706088 1,18544047

2 квартал 1276,7 1,016885703 1,20545746

3 квартал 1120,3 0,877496671 1,05778491

4 квартал 1118,5 0,998393288 1,05608536
Год 2001 1 квартал 1208,9 1,08082253 1,14144085

2 квартал 1223,5 1,012077095 1,15522614

3 квартал 1256,9 1,027298733 1,18676235

4 квартал 1309,6 1,041928554 1,23652157

На основе анализа цепных индексов можно сделать вывод, что изменение цен происходит линейно. При этом максимальное значение цепного индекса за все три года достигается в четвёртом квартале 2000 года.

Анализ базисных индексов показывает , что цены изменяются более-менее стабильно.

Самое минимальное значение было зафиксировано во втором квартале 1999 года. Максимальное значение было зарегистрировано в 4 квартале 2001 года.


Для выявления роли факторов в динамике явлений рассчитываются индексы структуры. К ним относятся:

- Индекс переменного состава;

- Индекс фиксированного состава;

- Индекс структурных сдвигов.

Для расчёта этих индексов построим таблицу 2.

Таблица 2. - "Расчёт структурных сдвигов"


Порядковый

№


Название отрасли

Цены, в млн. руб. Цена на электроэнергию руб.


1998 1999 1998 1999
1 Электроэнергияэы 563 455 885 875
2 Нефть 233 241 544 563
3 Бензин автомобильный 222 145 574 736
4 Топливо дизельное 455 541 567 536
5 мазут топочный 478 455 478 366

Статистико-экономические оценки и прогнозы цен

где: х0, x1 – цены базового и отчетного периода;

f0, f1 – цены в базовом и текущих периодов.

Индекс переменного состава показывает изменение цен в 1999 году в 0,94044 раза (уменьшение) по сравнению 1998 годом только за счёт изменения цен на электроэнергию.


Индекс фиксированного состава. Он показывает изменение цены на продукцию отрасли только за счёт изменения цены на электроэнергию. Индекс фиксированного состава равен:

Статистико-экономические оценки и прогнозы цен

В 1999 году цена отрасли по исследуемым отраслям изменился в 0,961 раз только за счёт цены на электроэнергию.

Индекс структурных сдвигов. Он показывает изменение цены за счёт изменения цен на электроэнергию. Индекс структурных сдвигов равен:

Статистико-экономические оценки и прогнозы цен


Анализ динамики цен с использованием временных рядов

Ряд динамики - это ряд последовательно расположенных в хронологическом порядке показателей, которые характеризуют развитие явления во времени. Такие ряды также ещё называют временными или хронологическими.

Ряды динамики в зависимости от вида приводимых в них обобщающих показателей можно разделить на ряды динамики абсолютных, относительных и средних величин. Исходными (первоначальными) являются ряды динамики абсолютных величин, а абсолютных и средних величин - производными.

Анализ динамики инвестиций начнем с поиска коэффициента вариации, расчёта среднеквадратичного отклонения, а также проверки ряда на аномальные наблюдения. Для этого с исходными данными проведём следующие преобразования, представленные в таблице 3.

t год/квартал y (у-уср) (у-уср)2

1998


1 1 645 -116 13340
2 2 568 -193 37056
3 3 689 -72 5112
4 4 699 -62 3782

1999


5 1 720 -41 1640
6 2 748 -13 156
7 3 758 -3 6
8 4 838 78 6006

2000


9 1 856 96 9120
10 2 869 109 11772
11 3 847 87 7482
12 4 889 129 16512
Сумма 9126
111987

Рассчитаем среднеквадратичное отклонение, коэффициент вариации, а также проверим ряд на "засорение информации" или на аномальные наблюдения.

Статистико-экономические оценки и прогнозы цен Среднеквадратичное отклонение =

Коэффициент вариации =

Статистико-экономические оценки и прогнозы цен


По вариации можно сделать вывод, что, так как коэффициент вариации меньше 15% , вариация большая и совокупность в целом можно признать однородной.

Проверим ряд на аномальные наблюдения с помощью tn-критерия Граббса. В данной совокупности выделим максимальное и минимальное значение - 568 и 889, допустим их взяли неверно. Формула для расчёта tn-критерия Граббса:

Статистико-экономические оценки и прогнозы цен

где: y- аномальное наблюдение;

Статистико-экономические оценки и прогнозы цен- средний абсолютный прирост.

Статистико-экономические оценки и прогнозы цен Tn-критерия Граббса=

Статистико-экономические оценки и прогнозы цен


Далее сравню полученные значения с критическими данными по таблице tn-критерия Смирнова-Граббса. При n=12 и доверительной вероятности 0,95 Ткр=2,519. Так как полученные значения Т1 и Т2 < Ткр, то следовательно нет необходимости исключать эти данные из исследования.


Для корреляционно-регрессионного анализа необходимо из нескольких факторов произвести предварительный отбор факторов для регрессионной модели. Сделаем это по итогам расчета коэффициента корреляции. А именно возьмем те факторы, связь которых с результативным признаком будет выражена в большей степени.

Начнем наш анализ с рассмотрения следующих факторов:

электроэнергия

бензин

экспортная цена на нефть

Первые два фактора традиционно являются составляющими себестоимости продукции и поэтому связь здесь быть достаточно сильной и устойчивой. Третий показатель является величиной влияющей на совокупный спрос , поскольку большую долю национального продукта составляют нефтедоллары.

Расчетная таблица приведена ниже. На основании её мы высчитаем показатели связи.



Год Потреб. Цены Электроэнергия Бензин Нефть



у х1 х2 х3 (х1-хср.) (х1-хср.)^2

1992 26,30 1,60 18,30 5,30 -114,76 13169,202

1994 81,53 58,40 266,00 101,00 -57,96 3359,0304

1995 179,37 163,00 756,00 282,00 46,64 2175,5561

1996 211,11 215,00 912,00 355,00 98,64 9730,4133

1997 230,33 254,00 1011,00 376,00 137,64 18945,556

1998 451,44 239,00 1309,00 339,00 122,64 15041,27

1999 613,50 282,00 4640,00 1000,00 165,64 27437,556

2000 723,32 416,00 5612,00 1546,00 299,64 89785,842
Сумма
2516,90 1629,00 14524,30 4004,30
179644,43
Ср.знач-е
179,78 116,36 1037,45 286,02
12831,74

продолжение расчетной таблицы



(yi-уср.) (х1-хср.)*(уi-уср.)
-153,48 17612,72757
-98,25 5694,188927
-0,41 -19,22937575
31,34 3091,024592
50,55 6957,415305
271,66 33317,03575
433,72 71843,44446
543,54 162868,4953

301365,1025

21526,08

На основе расчетной таблицы мы выявили коэффициенты корреляции между зависимым и влияющим факторами , что бы выявить один основной для построения однофакторной модели.

Рассчитаем коэффициент корреляции для линейной связи и для имеющихся факторов - x1, x2 и x3. Коэффициент корреляции определяется по следующей формуле:

Статистико-экономические оценки и прогнозы цен

где: Статистико-экономические оценки и прогнозы цен и Статистико-экономические оценки и прогнозы цен – дисперсии факторного и результативного признака

соответственно;

Статистико-экономические оценки и прогнозы ценxy – среднее значение суммы произведений значений факторного и

результативного признака;

Статистико-экономические оценки и прогнозы ценСтатистико-экономические оценки и прогнозы ценx и y – средние значения факторного и результативного признака соответственно.


Для фактора x1 после подстановки данных в формулу, получаем следующий коэффициент корреляции r1:

Статистико-экономические оценки и прогнозы цен

Для фактора x2 после подстановки данных в формулу, получаем следующий коэффициент корреляции r2:


Статистико-экономические оценки и прогнозы цен

Для фактора x3 после подстановки данных в формулу, получаем следующий коэффициент корреляции r3:


Статистико-экономические оценки и прогнозы цен


По полученным данным можно сделать вывод о том, что:

Связь между x1 и y прямая (так как коэффициент корреляции положительный) и сильная, так как она находится между 0,9 и 1,0. Тем не менее, будем использовать фактор в дальнейших расчётах.


Далее для y рассчитываем показатели вариации для анализа исходных данных:

- размах колебаний - R;

- дисперсию - Статистико-экономические оценки и прогнозы цен;

- среднее квадратичное отклонение - Статистико-экономические оценки и прогнозы цен;

- коэффициент вариации - V.

Данные показатели рассчитываются по следующим формулам:

Статистико-экономические оценки и прогнозы цен

Статистико-экономические оценки и прогнозы цен Статистико-экономические оценки и прогнозы цен Статистико-экономические оценки и прогнозы цен

где:

хмах и хmin - соответственно максимальное и минимальное значения

фактора.

Рассчитаем данные показатели для факторов x1 и x2 . Данные для расчётов можно взять из приложения G. Для x1 :

R = 697,02 ;

Статистико-экономические оценки и прогнозы цен

Коэффициент вариации V > 15%. Из этого можно сделать вывод, что совокупность нельзя признать однородной. Данная модель не может применяться на практике, однако в учебных целях продолжим наш анализ, используя данный фактор.

Построим линейное уравнение регрессии.

Уравнение прямой имеет следующий вид: ŷ = a + bx1


Статистико-экономические оценки и прогнозы ценДля вывода данного уравнения необходимо решить следующую систему уравнений:


После расчетов получаем параметризованное уравнение

Статистико-экономические оценки и прогнозы цен


Статистико-экономические оценки и прогнозы цен


Y=1,7Х-27,69

Статистико-экономические оценки и прогнозы ценРассчитаем ошибку аппроксимации по ниже заданной формуле.


Eотн = 28,57


Однако эта ошибка больше 5%, то есть данную модель нельзя использовать на практике, но в учебных целях продолжим наш анализ.


На основе модели регрессии получим следующие расчетные данные.

Статистико-экономические оценки и прогнозы цен

t

1 2 3 4
yp (t) 84,40 133,22 182,03 230,84
5 6 7 8 9
279,66 328,47 377,28 426,09 474,91

На основе данной модели построим прогноз на период 10 и 11.

Статистико-экономические оценки и прогнозы цен

t

10 11
yp (t) 271,93 251,66

(Методику расчета см.. в приложении.)

На примере анализа потребительских цен мы подробно рассмотрели методологию экономико-статистического анализа цен , поэтому дальше в анализе цен производителей и цен внешней торговли будут представлены только лишь расчетные таблица и аналитика.


3.2Анализ цен производителей.

Группировка .

В качестве исходной таблицы возьмем данные о потребительских ценах на продукцию растениеводства.. В качестве группировочного признака используем относительные цепные приросты цен отрасли.

Таблица: зерновые культуры

Зерновая культура 1998
1999
2000
пшеница 546 - 1488 172,53% 2179 46,44%
рожь 449 - 1091 142,98% 1992 82,58%
просо 427 - 909 112,88% 1523 67,55%
гречиха 1121 - 4757 324,35% 4509 -5,21%
кукуруза 747 - 2124 184,34% 2616 23,16%
ячмень 440 - 1086 146,82% 1822 67,77%
зернобобовые 922 - 2297 149,13% 3365 46,50%
овес 499 - 1011 102,61% 1637 61,92%
Итого по отрасли 5151 - 14763
19643

.На основании приростов произведем соответствующую группировку по интервалам.

Таблица: группировка подотраслей

Номер группы Интервалы Число подотраслей 1999г. Число подотраслей 2000г.
0 меньше 0% 0 1
1 0-10% 0 0
2 11-20% 0 0
3 21-30% 0 1
4 31-40% 0 0
5 41-50% 0 2
6 51-60% 0 0
7 61-70% 0 3
8 71-80% 0 0
9 81-90% 0 1
10 91-100% 0 0
11 101-150% 5 0
12 151-200% 2 0
13 свыше 201% 1 0

По данным группировки видно , что цены на сельско- хозяйственную продукцию имеют неустойчивую тенденцию.

В 1999 г. больше всего подотраслей (пять единиц ) имели прирост в пределах 101-150%. А уже в 2000 году большинство подотраслей , а именно три , сконцентрировалось в границах прироста 61- 70%.

Можно сделать предварительный вывод ,что на определенную часть подотраслей оказывают влияние одни и те же факторы , с одной и той же силой.


Следующий график наглядно проиллюстрирует положение дел в отрасли в плане колебаний цен.

График: графическая интерпретация группировки

Статистико-экономические оценки и прогнозы цен

Горизонтальный анализ и вертикальный анализ с помощью метода средних.

Таблица : вертикальный анализ

продукция отрасли 1998 уд. вес 1999 уд. вес 2000 уд .вес
пшеница 546 10,60% 1488 13,57% 2179 13,91%
Рожь 449 8,72% 1091 9,95% 1992 12,72%
просо 427 8,29% 909 8,29% 1523 9,73%
гречиха 1121 21,76% 4757 43,40% 4509 28,79%
кукуруза 747 14,50% 2124 19,38% 2616 16,70%
ячмень 440 8,54% 1086 9,91% 1822 11,63%
зернобобовые 922 17,90% 2297 20,95% 3365 21,49%
овес 499 9,69% 1011 9,22% 1637 10,45%
Итого по отрасли 5151 100,00% 14763 134,68% 19643 125,43%
Ср. .арифм. 643,875 1845,375 2455,375
Ср.геом. 604,1359113 1573,630087 2299,817214
Медиана 522,5 1289,5 2085,5
Средняя взвешенная 889,2967802 3249,360218 4239,346192

Таблица: горизонтальный анализ


1998 1999 2000 Ср.арифм. Ср.геом. Медиана
пшеница 546,00 1488,00 2179,00 1404,33 1209,72 1488,00
Рожь 449,00 1091,00 1992,00 1177,33 991,87 1091,00
просо 427,00 909,00 1523,00 953,00 839,26 909,00
гречиха 1121,00 4757,00 4509,00 3462,33 2886,29 4509,00
кукуруза 747,00 2124,00 2616,00 1829,00 1607,08 2124,00
ячмень 440,00 1086,00 1822,00 1116,00 954,87 1086,00
зернобобовые 922,00 2297,00 3365,00 2194,67 1924,39 2297,00
овес 499,00 1011,00 1637,00 1049,00 938,21 1011,00

Индексный анализ

Индексы

Базисные Цепные
Год 1999 1 квартал 2458,32


2 квартал 2569,36 1,045169059 1,04516906

3 квартал 2689,56 1,046782078 1,09406424

4 квартал 2785,68 1,035738188 1,13316411
Год 2000 1 квартал 2795,34 1,003467735 1,13709362

2 квартал 2896,33 1,036127984 1,17817453

3 квартал 2963,98 1,023357145 1,20569332

4 квартал 2976,38 1,004183564 1,21073741
Год 2001 1 квартал 3012,97 1,012293457 1,22562156

2 квартал 3158,94 1,048447213 1,28499951

3 квартал 3167,49 1,002706604 1,2884775

4 квартал 3258,78 1,028820928 1,32561261

На основе анализа цепных индексов можно сделать вывод, что изменение цен происходит линейно.

Статистико-экономические оценки и прогнозы цен


ряд 1 - базисный индекс


ряд 2 - цепной индекс


Исследуя изменения базисных индексов наименьшей значение данный показатель имел во 2 квартале 1999 г. А наибольшее значение - в 4 квартале 2001 г.

Как видно на графике изменения имеют плавный тенденциозный характер.

Таблица 2. - "Расчёт структурных сдвигов"


Порядковый

№


Название отрасли

Цены, в млн. руб. Цена на электроэнергию руб.


1998 1999 1998 1999
1 пшеница 563 455 885 875
2 Рожь 233 241 544 563
3 просо 222 145 574 736
4 гречиха 455 541 567 536
5 кукуруза 478 455 478 366

Статистико-экономические оценки и прогнозы цен

где: х0, x1 – цены на электроэнергию базового и отчетного периода;

f0, f1 – цены на продукцию отрасли в базовом и текущих периодов.

Индекс переменного состава показывает изменение цен в 1999 году в 0,96339 раза (уменьшение) по сравнению 1998 годом только за счёт изменения цен

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: