Xreferat.com » Рефераты по социологии » Статистический анализ и прогнозирование безработицы

Статистический анализ и прогнозирование безработицы

Статистический анализ и прогнозирование безработицы – дисперсии факторного и результативного признака соответственно; xy – среднее значение суммы произведений значений факторного и результативного признака; x и y – средние значения факторного и результативного признака соответственно.

Для фактора x1 получаем коэффициент корреляции r1: r1= 0,627

Для фактора x2 получаем коэффициент корреляции r2: r2 =0,295

Для фактора x3 получаем коэффициент корреляции r3: r3=0,717

По полученным данным можно сделать вывод о том, что:

1)Связь между x1 и y прямая (так как коэффициент корреляции положительный) и умеренно сильная. Поэтому, будем использовать фактор в дальнейших расчётах.

2)Связь между x2 и y прямая (так как коэффициент корреляции положительный) и умеренная, так как она находится между 0,21 и 0,30. Таким образом, возникает необходимость исключить данный фактор из дальнейших исследований.

3)Связь между x3 и y прямая (так как коэффициент корреляции положительный) и сильная. Также будем использовать данный фактор в дальнейших расчетах.

Таким образом, два наиболее влиятельных фактора - индекс ВРП и доля пенсионеров. Для имеющихся факторов x1 и x3 составим уравнение множественной регрессии. Для анализа воспользуемся линейной формой связи, т.е. составим линейное уравнение, т.к. линейное уравнение легче подвергать анализу, интерпретации.

Проверим факторы на мультиколлинеарность, для чего рассчитаем коэффициент корреляции rx1x3:

Статистический анализ и прогнозирование безработицы

где: Статистический анализ и прогнозирование безработицы и Статистический анализ и прогнозирование безработицы – дисперсии факторного и результативного признака соответственно; x,y – среднее значение суммы произведений значений факторного и результативного признака; x и y – средние значения факторного и результативного признака соответственно.

Подставив имеющиеся данные (из таблицы 10) в формулу, имеем следующее значение: rx1x3=0,8998. Полученный коэффициент говорит об очень высокой связи, поэтому дальнейший анализ по обоим факторам вестись не может. Однако в учебных целях продолжим анализ.

Проводим оценку существенности связи с помощью коэффициента множественной корреляции:

Статистический анализ и прогнозирование безработицы

где: ryx1 – коэффициент корреляции между y и x1; ryx3 – коэффициент корреляции между y и x3; rx1x3 – коэффициент корреляции между x1 и x3.

Подставив имеющиеся данные в формулу и получим: R=0,717

Так как R < 0,8, то связь признаем не существенной, но, тем не менее, в учебных целях, проводим дальнейшее исследование.

Статистический анализ и прогнозирование безработицыУравнение прямой имеет следующий вид: ŷ = a + bx1 + cx3

Для определения параметров уравнения необходимо решить систему:

Решив систему, получим уравнение: Ŷ=14,72+0,00023 x1+0,00086x3

Для данного уравнения найдем ошибку аппроксимации:

Статистический анализ и прогнозирование безработицы

А> 5%, то данную модель нельзя использовать на практике.

Проведем оценку параметров на типичность. Рассчитаем значения величин:

S2=28,039

ma=1,415; mb=0,023; mс=0,8404;

ta=10,403; tb=0,01; tc=0,001.

Сравним полученные выше значения t для α = 0,05 и числа степеней свободы (n-2) с теоретическим значением t-критерия Стьюдента, который tтеор = 2,1788. Расчетные значения tb и tс < tтеор, значит данные параметры не значимы и данное уравнение не используется для прогнозирования.

Далее оценим существенность совокупного коэффициента множественной корреляции на основе F-критерия Фишера по формуле:

Статистический анализ и прогнозирование безработицы


где: n – число уровней ряда; к – число параметров; R – коэффициент множественной корреляции.

После расчета получаем: F=5,819

Сравним Fрасч с Fтеор для числа степеней свободы U1 = 9 и U2 = 2, видим, что 0,045 < 19,40, то есть Fрасч < Fтеор - связь признаётся не существенной, то есть корреляция между факторами x1, x3 и у не существенна.


3.4. Прогнозирование безработицы


Определив наличие тенденции, можно начать прогнозирование. Прогнозирование проводится следующими методами:

1)на основе средних показателей динамики;

2)на основе экстраполяции тренда;

3)на основе скользящих и экспоненциальных средних.

I. Сначала проведем прогнозирование методом среднего абсолютного прироста. Для этого надо проверить выполняются ли предпосылки. Вычисляем данные для подстановки в формулы предпосылок:

ρ2= 310,14

σ2ост = 250,11

т.к. σ2ост< ρ2 , условие выполняется, значит можно строить прогноз на основе среднего абсолютного прироста. Вычислим средний абсолютный прирост:

Статистический анализ и прогнозирование безработицы , где yp- прогнозируемый уровень; yb- конечный уровень ряда как наиболее близкий к прогнозируемому; L-период упреждения; ∆- средний абс.прирост.

Подставляем значения yb=54,13 L=1 ∆=1,91 в функцию прогноза:

yp =54,13+1,91*1=56,04 – прогноз на 2006г.

yp =54,13+1,91*2=57,95 – прогноз на 2007г.

Фактически численность безработных в 2006г. составила 60,6 тыс.чел.

Вычислим ошибку прогноза для сравнения методов прогнозирования на точность: 60,6-56,04=4,56 тыс.чел.

Теперь составим прогноз методом среднего темпа роста. Вычислим средний темп роста: yp= yb*КL

Статистический анализ и прогнозирование безработицы=1,0096

Подставим это значение в формулу и составим прогноз на 2006г.:

yp=54,13*1,00961=54,65

Вычислим ошибку: 60,6-54,65=5,95тыс.чел.

Так как ошибка при прогнозировании методом среднего абсолютного прироста меньше ошибки при прогнозировании методом среднего темпа роста, то можно сделать вывод, что прогнозирование первым методом дает более точные результаты. Поэтому мы оставляем для анализа результатов данные прогноза полученные методом среднего абсолютного прироста. Составим диаграмму при прогнозировании методом абсолютного прироста.


Статистический анализ и прогнозирование безработицы

Рис. 4.Численность безработных при прогнозировании «методом абсолютного прироста»


II. Следующий способ прогнозирования - методом экстраполяции тренда.

Ранее по аналитическому выравниванию нашли уравнение параболы второй степени: у =13,37+13,94t-1,0017t2

Сделаем прогноз на 2006г., примем t=7, т.к. нумерация дат определена с середины ряда, т.е. ∑t=0.

уp=13,37+13,94*7-1,0017*49=60,87 – прогноз на 2006г.

Определим доверительный интервал прогноза, в основе которого лежит показатель колеблемости уровней ряда. Колеблемость уровней ряда определяется по формуле: Sy =

Sy=91,44

Интервал определяется с помощью ошибки прогноза Sp= Sy*Q, где Q- поправочный коэффициент, учитывающий период упреждения.

Q= = 1,2127

Тогда ошибка прогноза: Sp=91,44*1,2127=110,886

Соответственно доверительный интервал прогноза составит: уp+t*Sp, где t-табличное значение t-критерия Стьюдента. При ά=0,05 и числе степеней свободы n-3= 11 t=2,2010.

уp+2,2010*110,886 или 61,87 +244,061, т.е. -182,2< уp <305,93

Значит, прогнозная величина находится в данном интервале.


Статистический анализ и прогнозирование безработицы

Рис.5. Численность безработных при прогнозировании «методом экстраполяции тренда»


III. Метод скользящих и экспоненциальных средних.

Ранее в своих расчетах я определила, что ряд не содержит периодических колебаний и отсутствуют трендовая компонента Т и циклическая (сезонная) компонента S. Поэтому нет необходимости использовать метод скользящих средних.

Метод экспоненциальных средних.

Экспоненциальное сглаживание является простым методом, который в ряде наблюдений позволяет строить приемлемые прогнозы наблюдаемых временных рядов. Суть метода в том, что исходный ряд x(t) сглаживается с некоторыми экспоненциальными весами, образуется новый временной ряд S(t) (с меньшим уровнем шума), поведение которого можно прогнозировать.

Веса в экспоненциальных средних устанавливаются в виде коэффициентов ά(|ά|<1). В качестве весов используется ряд:

ά; ά(1- ά); ά(1- ά)2; ά(1- ά)3 и т.д.

Экспоненциальная средняя определяется по формуле: Статистический анализ и прогнозирование безработицы

где Qt – экспоненциальная средняя (сглаженное значение уровня ряда) на момент t; ά- вес текущего наблюдения при расчете экспонен. средней; yt –фактический уровень ряда; Qt-1-экспонен. средняя предыдущего периода.

Каждый новый прогноз основывается на предыдущем прогнозе:

St= St-1+ά(yt -1- St-1),

где St- прогноз для периода t; St-1-прогноз предыдущего периода; ά- сглаживающая константа; yt -1- предыдущий уровень.

Например, St=29,3+0,5*(29,25-29,3)=29,275.

При прогнозе учитывается ошибка предыдущего прогноза, т.е. каждый новый прогноз St получается в результате корректировки предыдущего прогноза с учетом ошибки.

Таблица 12. Расчет прогноза и ошибки.


1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
yt 29,3 29,25 48,03 60,06 66,39 96,26 93,59 84,74 92,91 81,26 69,73 76,85 67,9 54,13 -
прогноз - 29,3 29,28 38,65 49,36 57,87 77,07 85,33 85,03 88,97 85,12 77,42 77,14 72,52 60,32
ошибка - -0,05 18,76 21,41 17,03 38,39 16,52 -0,59 7,876 -7,71 -15,4 -0,57 -9,24 -18,4 -

Статистический анализ и прогнозирование безработицы

Рис. 6. Экспоненциальное сглаживание.


При прогнозировании могут использоваться экспоненциальные средние более высоких порядков, полученные путем многократного сглаживания. Экспоненциальная средняя К-го порядка:

Qt(к) = ά Qt(к-1) +(1- ά) Qt-1(к)

Экспоненциальные средние 2-го, 3-го порядка применяются в адаптивном прогнозировании по полиномиальным моделям. Для прогноза использован линейный тренд: y=a+bt. Его параметры связаны с экспоненциальными средними 1-го (Qt(1)) и 2-го (Qt(2)) порядков:

Статистический анализ и прогнозирование безработицы Статистический анализ и прогнозирование безработицы

соответственно: Статистический анализ и прогнозирование безработицы Статистический анализ и прогнозирование безработицы

Необходимо задать начальные условия Qt-1к:

Статистический анализ и прогнозирование безработицы Статистический анализ и прогнозирование безработицы

Линейный тренд: уt=49,25+2,49t

Параметр сглаживания ά определим: ά=2/(n+1).

Так как n=14, то ά=2/(14+1)=0,13.

Соответственно (1- ά)/ά=(1-0,13)/0,13=6,69, ά/(1- ά)=0,13/(1-0,13)=0,15.

Начальные условия для экспоненциального сглаживания:

Qо(1)=а-6,69*b=49,25-6,69*2,49=32,59

Qo(2)=а-2*6,69*b=49,25-2*6,69*2,49=15,93

Экспоненциальные средние Qt(1) и Qt(2) составят:

Qt(1)= άyt+(1- ά) Qt-1(1)=0,13*84,11+(1-0,13)*32,59=39,28, где yt=yt=n ;Qt-1(1)= Qо(1)

Qt(2)= άQt(1)+(1- ά) Qt-1(2)=0,13*39,28+(1-0,13)*15,93=18,97, где Qt-1(2)= Qo(2)

Тогда скорректированные параметры линейного тренда составят:

Статистический анализ и прогнозирование безработицы2*39,28-18,97=59,59

Статистический анализ и прогнозирование безработицы=0,15*(39,28-18,97)=3,0465

Прогноз производим по модели: Статистический анализ и прогнозирование безработицы, где l-период упреждения.

Тогда при l=1 прогноз на 2006г. составит: уp=59,59+3,0465*1 =60,6т.ч.

Соответственно при прогнозе на 2007г. берем l=2: уp=59,59+3,0465*2=65,683.

Таким образом, по результатам проведенного анализа следует, что численность безработных в 2006 году возрастет по сравнению с 2005г. на 6,5 тыс.чел. или 12% и составит 60,6 тыс.чел., а в 2007г. возрастет на 11,55 тыс.чел. и составит 65,68 тыс.человек.

3.5. Анализ динамики уровня безработицы


1. Расчет аналитических (∆у, Тр, Тпр, |%|) и средних показателей рядов динамики.


Таблица 1. Расчетная таблица для ∆у, Тр, Тпр,|%|.

год

уровень
безр-цы %

абс прирост коэф-ты роста % коэф-ты прироста %

абс знач-е
1% прироста



базис цепн базис цепн базис цепн
1992 5,8






1993 5,9 0,10 0,1 1,017 1,017 0,017 0,017 580
1994 9,8 4,00 3,9 1,6897 1,661 0,6897 0,661 590
1995 12,7 6,90 2,9 2,1897 1,296 1,1897 0,296 980
1996 14,9 9,10 2,2 2,569 1,173 1,569 0,173 1270
1997 22 16,20 7,1 3,793 1,477 2,793 0,477 1490
1998 22,2 16,40 0,2 3,828 1,009 2,828 0,009 2200
1999 17,7 11,90 -4,5 3,052 0,797 2,052 -0,203 2220
2000 19,1 13,30 1,4 3,293 1,079 2,293 0,079 1770
2001 18,4 12,60 -0,7 3,172 0,963 2,172 -0,0367 1910
2002 15,4 9,60 -3,0 2,655 0,837 1,655 -0,163 1840
2003 16,9 11,10 1,5 2,914 1,097 1,914 0,097 1540
2004 15,3 9,50 -1,6 2,638 0,9053 1,6379 -0,095 1690
2005 12 6,20 -3,3 2,069 0,784 1,069 -0,216 1530
итого 208,1
6,2





Максимальное значение абсолютного прироста (по цепной системе) зафиксировано в 1997 году (7,1%), минимальное значение - в 1999 году(-4,5%). Максимальное значение абсолютного прироста по базисной системе составило 16,4% в 1998 году, минимальное – 0,1 в 1993 году. В общем абсолютный прирост уровня безработицы по цепной, так и по базисной системам с 1992 по 1998г увеличивается, а с 1998г уменьшается. Это объясняется, прежде всего, неравномерностью освоения инвестиций по отношения к периоду финансового года, что характеризует большой поток инвестиций на завершение начатых проектов в конце года, и относительно небольшой поток их в течение остального времени.

Коэффициенты роста и прироста, как по базисной, так и по цепным системам также сначала увеличиваются, а потом уменьшаются. Максимальный коэффициент роста как по цепной зафиксирован в 1994г., по базисной в 1998г.- 3,828. Минимальное значение коэффициента роста по цепной системе принимает в 2005 году и составляет 0,784, а по базисной системе – в 1993 году и составляет 1,017.

Коэффициент прироста достигает своего максимального значения по базисным системам в 1993г., и составляет - 0,017, по цепной системе в 1998г. (2,828). Коэффициент прироста достигает своего минимального значения: по цепной системе в 1998г., и составляет - -0,216; по базисной системе -2,828 в 1998 года.

Так как темпы роста и прироста зависят от коэффициентов роста и прироста, то их максимальные значения будут также находиться по цепной системе в 1994 г., по базисной в 1998г. Максимальное значение темпа роста по цепной системе составляет 166,1%, по базовой - 382,76 %, минимальное - 78,43 % и 101,72 % соответственно. Максимальное значение темпа прироста по цепной системе составляет 66,102%, по базовой - 282,76%, минимальное соответственно - -21,57% и 1,724%.

Рассчитаем среднегодовой уровень численности безработных:

У=280,1/14=20,01%, т.е. за период 1992-2005гг. ежегодно уровень численности безработных составила 20,01%.

Средний абсолютный прирост:

Равен ∆=6,2/13=0,48%, т.е. за период с 1992-2005гг. в среднем ежегодно абсолют. прирост уровня численности безработных составил 0,48%.

Средний коэффициент роста:

Тр=1,042 или 104,2% - это говорит о том, что с 1992-2005гг. в среднем ежегодно темп роста безработных составил 104,2%.

Средний темп прироста:

Тпр = 104,2%-100%= 4,2% - с 1992-2005гг. в среднем темп прироста достигал 4,2%.

2. Определение наличия тенденции.

Выдвигаем гипотезу Н0 об отсутствии тенденции, проверка осуществляется на основе кумулятивного t-критерия Стьюдента. Расчетное значение определяется по формуле:

Статистический анализ и прогнозирование безработицы, где Статистический анализ и прогнозирование безработицы


Таблица 2. Для расчёта характеристик S2 и Z2.

год

уровень
безр-цы %

S2 Z2




1992 5,8 82,16128 82,16
1993 5,9 80,35842 162,5197
1994 9,8 25,64699 188,1667
1995 12,7 4,684133 192,8508
1996 14,9 0,001276 192,8521
1997 22 50,91842 243,7705
1998 22,2 53,8127 297,5832
1999 17,7 8,041276 305,6245
2000 19,1 17,94128 323,5658
2001 18,4 12,50128 336,067
2002 15,4 0,28699 336,354
2003 16,9 4,144133 340,4982
2004 15,3 0,189847 340,688
2005 12 8,204133 348,8921
итого 208,1 348,8921 3691,593


Tp= 10,581; tp=4,26

Табличное значение t-критерия Стьюдента для числа степеней свободы df=(n-2)=12 и вероятности 95% составляет 2,1788. tp >tтабл → гипотеза Н0 о равенстве средних отвергается, расхождение между средними существенно значимо и не случайно, то в ряде динамики существует тенденция средней и, следовательно в исходном временном ряду тенденция имеется.

3. Метод аналитического выравнивания и определение параметров.


Статистический анализ и прогнозирование безработицы

Рис.7. График общего уровня безработицы.


По графику видно, что временной ряд характеризуется сначала тенденцией возрастания до 1998г., а затем убывания. Можно предположить, что данный ряд, вероятно, развивается согласно полиномиальной функции, которая описывается параболой второго порядка: Статистический анализ и прогнозирование безработицы


Таблица 3. Расчет параметров тренда.

год тыс.чел. t t2 t3 t4 yt yt2
1992 5,8 1 1 1 1 5,8 5,8
1993 5,9 2 4 8 16 11,8 23,6
1994 9,8 3 9 27 81 29,4 88,2
1995 12,7 4 16 64 256 50,8 203,2
1996 14,9 5 25 125 625 74,5 372,5
1997 22 6 36 216 1296 132 792
1998 22,2 7 49 343 2401 155,4 1087,8
1999 17,7 8 64 512 4096 141,6 1132,8
2000 19,1 9 81 729 6561 171,9 1547,1
2001 18,4 10 100 1000 10000 184 1840
2002 15,4 11 121 1331 14641 169,4 1863,4
2003 16,9 12 144 1728 20736 202,8 2433,6
2004 15,3 13 169 2197 28561 198,9 2585,7
2005 12 14 196 2744 38416 168 2352
итого 208,1 105 1015 11025 127687 1696,3 16327,7

Подставим значения из таблицы 3 и решим систему. Получим параметры уравнения тренда:

а=2,46; b=3,545; c=-0,205.

Соответственно уравнение тренда составит: Статистический анализ и прогнозирование безработицы=2,46+3,545t-0,205Статистический анализ и прогнозирование безработицы

Оценим параметры уравнения на типичность. Найдем S2- остаточная уточнённая дисперсия; mа, mв, mr - ошибки по параметрам. Получим следующие данные:

S2=6,29; mа=0,671; mв=0,028; mr=0,173

Статистический анализ и прогнозирование безработицыОценим значимость параметров модели по критерию Стьюдента. Предположим, что параметры и коэффициент корреляции стат. значимы. Найдем расчётные значения t-критерия Стьюдента для параметров:

ta=3,669; tb=126,61; tс=-7,32; tr=4,636.

Сравним полученное значение с табличным t-критерием Стьюдента. tтабличное при Р=0,05 и (n-2)= 2,1788. Так как tрасчётное > tтабличное , то параметры а, b и r уравнения типичны (значимы). Так как tрасчётное < tтабличное , то параметр с незначим.

Оценим уравнение в целом по критерию Фишера, выдвигаем гипотезу Н0:о том, что коэффициент регрессии равен нулю.

Fф=Dфакт/Dост=348,89/6,29=55,47.

FT(v1=1;v2=12)=4,75.

Т.к. Fф > FT при 5%-ном уровне значимости гипотеза Н0 отвергается, уравнение в целом стат. значимо. Индекс детерминации здесь составляет 0,642. Следовательно, уравнением регрессии объясняется 64,2% дисперсии результативного признака, а на долю прочих факторов приходится 35,8% её дисперсии (т.е. остаточная дисперсия).

3.6. Многофакторный корреляционно - регрессионный анализ


Таблица 4. Исходные данные.

год

уровень
безраб-цы

доход
на душу
насел-я

индекс
потребит
цен

индекс
ВРП

1995 12,7 83,7 278,2 86,2
1996 14,9 89,6 235,2 93,5
1997 21,3 130,5 124 102,2
1998 22,2 72,2 107,9 94,2
1999 17,3 99,9 163,7 108
2000 19,1 111,2 144,6 104,9
2001 18,4 110,2 120,3 106,4
2002 15,4 121,5 110,6 106,4
2003 16,8 104,5 114,2 106,7
2004 15,3 104,4 114,7 103,7
2005 12 111,3 115,1 104,8
итого 185,4 1139 1628,5 1117
средн 16,86 103,55 148,046 101,55

Для анализа необходимо из нескольких факторов произвести предварительный отбор факторов для регрессионной модели. Сделаем это по итогам расчета коэффициента корреляции, т.е. возьмем те факторы, связь которых с результативным признаком будет выражена в большей степени. Рассмотрим следующие факторы:

- Доход на душу населения – x1 (%)

- Индекс потребительских цен – x2 (%)

- Индекс ВРП - x3 (%)

Рассчитаем коэффициент корреляции для линейной связи и для имеющихся факторов - x1, x2 и x3:

Для фактора x1 получаем коэффициент корреляции: r1= 0,042

Для фактора x2 получаем коэффициент корреляции: r2 =0,437

Для фактора x3 получаем коэффициент корреляции: r3=0,151

По полученным данным можно сделать вывод о том, что:

1)Связь между x1 и y отсутствует, так как коэффициент корреляции меньше 0,15. Таким образом, возникает необходимость исключить данный фактор из дальнейших исследований.

2)Связь между x2 и y прямая (так как коэффициент корреляции положительный) и умеренная, так как она находится между 0,41 и 0,50. Поэтому, будем использовать фактор в дальнейших расчётах.

3)Связь между x3 и y прямая (так как коэффициент корреляции положительный) и слабая. Тем не менее, будем использовать фактор в дальнейших расчетах.

Таким образом, два наиболее влиятельных фактора – Индекс потребительских цен – x2 и индекс ВРП - x3. Для имеющихся факторов x2 и x3 составим уравнение множественной регрессии.

Проверим факторы на мультиколлинеарность, для чего рассчитаем коэффициент корреляции rx2x3. Подставив имеющиеся данные (из таблицы 10) в формулу, имеем следующее значение: rx2x3=0,747. Полученный коэффициент говорит об очень высокой связи, поэтому дальнейший анализ по обоим факторам вестись не может. Однако в учебных целях продолжим анализ.

Проводим оценку существенности связи с помощью коэффициента множественной корреляции: R=0,512

Так как R < 0,8, то связь признаем не существенной, но, тем не менее, в учебных целях, проводим дальнейшее исследование.

Статистический анализ и прогнозирование безработицыУравнение прямой имеет следующий вид: ŷ = a + bx1 + cx3

Для определения параметров уравнения необходимо решить систему:

Решив систему, получим уравнение: Ŷ=41,57-0,042 x1-0,183x3

Для данного уравнения найдем ошибку аппроксимации:

A=15,12

А> 5%, то данную модель нельзя использовать на практике.

Проведем оценку параметров на типичность. Рассчитаем значения величин:

S2=28,039

ma=0,886; mb=0,0003; mс=0,017;

ta=41,57/0,886=46,919; tb=-0,042/0,0003=-140; tc=-0,183/0,017=-10,77.

Сравним полученные выше значения t для α = 0,05 и числа степеней свободы (n-2) с теоретическим значением t-критерия Стьюдента, который tтеор = 2,1788. Расчетные значения tb и tс < tтеор, значит данные параметры не значимы и данное уравнение не используется для прогнозирования.

Далее оценим существенность совокупного коэффициента множественной корреляции на основе F-критерия Фишера по формуле:

Статистический анализ и прогнозирование безработицы


где: n – число уровней ряда; к – число параметров; R – коэффициент множественной корреляции.

После расчета получаем: F=1,41

Сравним Fрасч с Fтеор для числа степеней свободы U1 = 9 и U2 = 2, видим, что 1,41 < 19,40, то есть Fрасч < Fтеор - связь признаётся не существенной, то есть корреляция между факторами x2, x3 и у не существенна.


3.7. Прогнозирование уровня безработицы


Определив наличие тенденции, можно начать прогнозирование.

I. Сначала проведем прогнозирование методом среднего абсолютного прироста. Для этого надо проверить выполняются ли предпосылки. Вычисляем данные для подстановки в формулы предпосылок:

ρ2=5,88

σ2ост = 4,65

т.к. σ2ост< ρ2 , условие выполняется, значит можно строить прогноз на основе среднего абсолютного прироста. Вычислим средний абсолютный прирост:

Статистический анализ и прогнозирование безработицы , где yp- прогнозируемый уровень; yb- конечный уровень ряда как наиболее близкий к прогнозируемому; L-период упреждения; ∆- средний абс.прирост.

Подставляем значения yb=12 L=1 ∆=0,48 в функцию прогноза:

yp =12+0,48*1=12,48 – прогноз на 2006г.

yp =12+0,48*2=12,23 – прогноз на 2007г.

Фактически уровень безработицы в 2006г. составил 14,1%.

Вычислим ошибку прогноза для сравнения методов прогнозирования на точность: 14,1-12,48=1,62.

Теперь составим прогноз методом среднего темпа роста. Вычислим средний темп роста: yp= yb*КL

Статистический анализ и прогнозирование безработицы=1,042

Подставим это значение в формулу и составим прогноз на 2006г.:

yp=12*1,0421=12,304

Вычислим ошибку: 14,1-12,304=1,796.

Так как ошибка при прогнозировании методом среднего абсолютного прироста меньше ошибки при прогнозировании методом среднего темпа роста, то можно сделать вывод, что прогнозирование первым методом дает более точные результаты. Поэтому мы оставляем для анализа результатов данные прогноза, полученные методом среднего абсолютного прироста. Составим диаграмму при прогнозировании методом абсолютного прироста.

Статистический анализ и прогнозирование безработицы

Рис. 8.Уровень общей безработицы при прогнозировании «методом абсолютного прироста»


II. Следующий способ прогнозирования - методом экстраполяции тренда.

Ранее по аналитическому выравниванию нашли уравнение параболы

второй степени: Статистический анализ и прогнозирование безработицы=2,46+3,545t-0,205Статистический анализ и прогнозирование безработицы

Сделаем прогноз на 2006г., примем t=7, т.к. нумерация дат определена с середины ряда, т.е. ∑t=0.

уp=2,46+3,545*7-0,205*49=17,23 – прогноз на 2006г.

Определим доверительный интервал прогноза, в основе которого лежит показатель колеблемости уровней ряда. Колеблемость уровней ряда определяется по формуле: Sy =

Sy=2,62

Интервал определяется с помощью ошибки прогноза Sp= Sy*Q, где Q- поправочный коэффициент, учитывающий период упреждения.

Q=1,064

Тогда ошибка прогноза: Sp=2,62*1,064=2,79

Соответственно доверительный интервал прогноза составит: уp+t*Sp, где t-табличное значение t-критерия Стьюдента. При ά=0,05 и числе степеней свободы n-3= 11 t=2,2010.

уp+2,2010*2,79 или 17,23 +6,14, т.е. 11,09< уp <23,37

Значит, прогнозная величина находится в данном интервале.

Статистический анализ и прогнозирование безработицы

Рис.9. Уровень безработицы при прогнозировании «методом экстраполяции тренда»


III. Метод экспоненциальных средних.

Теперь проведем экспоненциальное сглаживание и прогноз (Exsponential Smoothing and Forecasting) временного ряда в ППП «Statistira 5.5».

Таблица 5. Экспоненциальное сглаживание и прогноз.

Exp. smoothing: S0=19,76 T0=19,08 (new1.sta)

Damped trend, no season ; Alpha=,100 Gamma=,100 Phi=,100


Уровень безработицы

годы

уровень
безраб-цы

Qt остатки




1992 5,8 5,8498 -0,0498
1993 5,9 5,9 0
1994 9,8 6,0017 3,798
1995 12,7 9,969 2,731
1996 14,9 12,919 1,981
1997 22 15,157 6,843
1998 22,2 22,379 -0,179
1999 17,7 22,583 -4,883
2000 19,1 18,005 1,095
2001 18,4 19,429 -1,029
2002 15,4 18,717 -3,317
2003 16,9 15,666 1,234
2004 15,3 17,1914 -1,8914
2005 12 15,564 -3,564
2006
12,2069


Статистический анализ и прогнозирование безработицы

Рис. 10. Экспоненциальное сглаживание.


Таким образом, по результатам проведенного анализа следует, что уровень безработицы в 2006 году возрастет по сравнению с 2005г. на 0,2% и составит 60,6 тыс.человек.

Заключение


В настоящей работе было рассмотрено такое понятие как безработица, ее сущность. Было выяснено, что безработица бывает фрикционная, структурная, добровольная, институциональная и циклическая, а также технологическая, конверсионная, молодежная, вынужденная, скрытая, застойная и другие. Основными показателями безработицы являются: уровень безработицы, частота, длительность безработицы. Еще в работе была рассмотрена методика расчета этих показателей, основные источники получения информации о безработице, а также методы исследования безработицы: метод статистического учета и методы социологического опроса. В данной работе для прогнозирования использовались методы:

1)на основе средних показателей динамики;

2)на основе экстраполяции тренда;

3)на основе скользящих и экспоненциальных средних.

Два первых метода прогнозирования дают почти идентичные результаты. Это

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: