- •Расчетно-графическая работа по дисциплине «Статистика»
- •Основной документ: Приказ № 39/1070/1021 /253/780/353/399, «о едином учёте преступлений"
- •Статистические показатели
- •1)Анализ интенсивности преступности
- •2)Расчет динамики преступности
- •3)Расчет удельного веса отдельного вида преступления
- •4)Расчет характера преступности
- •5)Дополнительный показатели
- •6. Расчет Территориального Распределения Преступности
- •Анализ ряда динамики
- •Анализ ряда распределения
- •Интервальный ряд распределения
- •Аналитическая таблица
- •Комбинированная таблица
- •Факторный признак
- •Результативный признак
- •Корреляционно-регрессионный анализ
- •1. Параметры уравнения регрессии.
- •1.1. Коэффициент корреляции
- •1.5. Эмпирическое корреляционное отношение.
Корреляционно-регрессионный анализ
На основании произведенных расчетов проведем корреляционно-регрессионный анализ
Форма уравнения регрессии – линейная.
График зависимости результативного признака от факторного, составленный по исходным данным
Для наших данных система уравнений имеет вид
14a + 29772235 b = 449894
29772235 a + 79752791962413 b = 1363745023867
Из первого уравнения выражаем а и подставим во второе уравнение:
Получаем эмпирические коэффициенты регрессии: b = 0.02476, a = -20514.3174
Уравнение регрессии (эмпирическое уравнение регрессии):
y = 0.02476 x - 20514.3174
Для расчета параметров регрессии построим расчетную таблицу
Численность населения за 2010 год |
Кол-во лиц совершивших преступление Поволжском регионе за 2010 год |
x2 |
y2 |
x • y |
4060957 |
229121 |
16491371755849 |
52496432641 |
930450528797 |
690349 |
34341 |
476581741801 |
1179304281 |
23707275009 |
818566 |
5339 |
670050296356 |
28504921 |
4370323874 |
3822038 |
5335 |
14607974473444 |
28462225 |
20390572730 |
1517692 |
26478 |
2303389006864 |
701084484 |
40185448776 |
1243431 |
13197 |
1546120651761 |
174160809 |
16409558907 |
2634461 |
8921 |
6940384760521 |
79584241 |
23502026581 |
1319076 |
10886 |
1739961493776 |
118504996 |
14359461336 |
3289841 |
19825 |
10823053805281 |
393030625 |
65221097825 |
2016086 |
18077 |
4064602759396 |
326777929 |
36444786622 |
1368657 |
8491 |
1873221983649 |
72097081 |
11621266587 |
3213289 |
30072 |
10325226197521 |
904325184 |
96630026808 |
2503305 |
24181 |
6266535923025 |
584720761 |
60532418205 |
1274487 |
15630 |
1624317113169 |
244296900 |
19920231810 |
29772235 |
449894 |
79752791962413 |
57331287078 |
1363745023867 |
1. Параметры уравнения регрессии.
Выборочные средние.
Выборочные дисперсии:
Среднеквадратическое отклонение
1.1. Коэффициент корреляции
Ковариация.
Рассчитываем показатель тесноты связи. Таким показателем является выборочный линейный коэффициент корреляции, который рассчитывается по формуле:
Линейный коэффициент корреляции принимает значения от –1 до +1.
Связи между признаками могут быть слабыми и сильными (тесными). Их критерии оцениваются по шкале Чеддока:
0.1 < rxy < 0.3: слабая;
0.3 < rxy < 0.5: умеренная;
0.5 < rxy < 0.7: заметная;
0.7 < rxy < 0.9: высокая;
0.9 < rxy < 1: весьма высокая;
В нашем примере связь между признаком Y фактором X умеренная и прямая.
Кроме того, коэффициент линейной парной корреляции может быть определен через коэффициент регрессии b:
1.2. Уравнение регрессии (оценка уравнения регрессии).
Линейное уравнение регрессии имеет вид y = 0.0248 x -20514.32
Коэффициентам уравнения линейной регрессии можно придать экономический смысл.
Коэффициент регрессии b = 0.0248 показывает среднее изменение результативного показателя (в единицах измерения у) с повышением или понижением величины фактора х на единицу его измерения. В данном примере с увеличением на 1 единицу y повышается в среднем на 0.0248.
Коэффициент a = -20514.32 формально показывает прогнозируемый уровень у, но только в том случае, если х=0 находится близко с выборочными значениями.
Но если х=0 находится далеко от выборочных значений х, то буквальная интерпретация может привести к неверным результатам, и даже если линия регрессии довольно точно описывает значения наблюдаемой выборки, нет гарантий, что также будет при экстраполяции влево или вправо.
Подставив в уравнение регрессии соответствующие значения х, можно определить выровненные (предсказанные) значения результативного показателя y(x) для каждого наблюдения.
Связь между у и х определяет знак коэффициента регрессии b (если > 0 – прямая связь, иначе - обратная). В нашем примере связь прямая.
Коэффициент эластичности находится по формуле:
В нашем примере коэффициент эластичности больше 1. Следовательно, при изменении Х на 1%, Y изменится более чем на 1%. Другими словами - Х существенно влияет на Y.
Бета – коэффициент
Т.е. увеличение x на величину среднеквадратического отклонения Sx приведет к увеличению среднего значения Y на 0.48 среднеквадратичного отклонения Sy.