Bedarbiai Lietuvoje


Ekonomikos referatas. Ekonominis etapas. Hipotezės. Duomenų statistinė analizė. Statistinis etapas. Matematinės regresijos lygties išraiškos parinkimas. Heteroskedastiškumo diagnostika. Multikolinearumo diagnostika. Autokoreliacijos diagnostika. Pakoreguotas modelis. Galutinės išvados. Priedai.


Bedarbių skaičius yra opi problema visame pasaulyje, todėl mes nusprendėme išsiaiškinti koks bedarbių skaičius Lietuvoje buvo 2005 – 2014 metais. Mūsų darbo tikslas ištirti nuo ko priklauso bedarbių skaičiaus kitimas bei kaip ir kiek mūsų pasirinkti nepriklausomi kintamieji daro įtaką bedarbių skaičiui. Tarkime, vienam veiksniui pakitus vienu vienetu, esant „ceteris paribus“, kiek pakinta bedarbių skaičius. Šiam tikslui pasiekti, naudojomės Statistikos departamento ir Eurostat tinklalapių skelbiamais duomenimis.

Priklausomasis kintamasis (Y) – bedarbių skaičius Lietuvoje tūkst., vyrai ir moterys, miestas ir kaimas, 20 – 64 m.

Bedarbių skaičiaus duomenų išskirtys – reikšmės, mažesnės už 26,86 arba didesnės už 293,77. Tarp turimų stebėjimų išskirčių nėra. Išskirčių nebuvo ir tarp priklausomų kintamųjų.

Grafinė bedarbių skaičiaus ir minimalaus darbo užmokesčio priklausomybės analizė/Iš grafiko galime matyti, kad minimaliam darbo užmokesčiui didėjant didėja ir bedarbių skaičius, tačiau koreliacijos koeficientas yra 0,4, o tai reiškia kad ryšys yra silpnas. Geriausiai paaiškina logaritminė regresijos funkcija, nes jos determinacijos koeficientas didžiausias R2 = 0,1797. Minimalus darbo užmokestis paaiškina 17,97 % bedarbių skaičiaus variacijos.

Grafinė bedarbių skaičiaus ir eksporto priklausomybės analizė/

Iš šio grafiko galime pastebėti, jog ryšys yra labai silpnas, o tai patvirtina ir koreliacijos koeficientas kuris yra 0,3. Geriausiai aproksimuoja eksponentinė regresijos funkcija, kadangi determinacijos koeficientas didžiausias R2 = 0.1305. Taigi eksportas paaiškina tik 13 % kintamojo reikšmės.

Grafinė bedarbių skaičiaus ir naftos kainos priklausomybės analizė/Bedarbių skaičiaus ir naftos kainos ryšys yra taip pat silpnas, koreliacijos koeficientas – 0,2. O geriausiai paaiškina logaritminė regresijos funkcija, jos determinacijos koeficientas R 2 = 0.0664. Taigi naftos kaina paaiškina vos 6 %, bedarbių skaičiaus.

Grafinė bedarbių skaičiaus ir darbo jėgos priklausomybės analizė/

Šis grafikas parodo, jog kuo didesnė darbo jėga tuo mažiau bedarbių, o koreliacijos koeficientas yra -0,18, taigi ryšys yra labai silpnas. Geriausiai tinka eksponentinė regresijos funkcija, jos determinacijos koeficientas R2 = 0,0404. Darbo jėga paaiškina 4 % , bedarbių skaičiaus variacijos.

Grafinė bedarbių skaičiaus ir maisto kainų indekso priklausomybės analizė/Ryšys yra taip pat silpnas, koreliacijos koeficientas yra 0,4. Geriausiai paaiškina eksponentinė regresijos funkcija, kurios determinacijos koeficientas R2 = 0,2237. Taigi maisto kainų indeksas paaiškina 22 %, bedarbių skaičiaus.

Y = -2197,32 – 0,13XminDu – 0,13Xek – 0,22Xnaf + 1,25Xdj + 5,87Xmi – 22,14D2 – 45,74D3 – 30,68D4 + ei

Modelio teorinė t reikšmė lygi 2,039. Dalis veiksnių nepatenka į intervalą (-∞; -2,039) ∪ (2,039; +∞), todėl jie nėra reikšmingi. Šie veiksniai buvo pašalinti naudojant backward procedūrą – kiekviename žingsnyje pats nereikšmingiausias modelio veiksnys buvo pašalinamas iš modelio tol, kol liko tik reikšmingi veiksniai.

  • Ekonomika Referatai
  • 2015 m.
  • Lietuvių
  • 21 puslapis (2592 žodžiai)
  • Universitetas
  • Ekonomikos referatai
  • Microsoft Word 4312 KB
  • Bedarbiai Lietuvoje
    10 - 2 balsai (-ų)
Bedarbiai Lietuvoje. (2015 m. Spalio 21 d.). http://www.mokslobaze.lt/bedarbiai-lietuvoje.html Peržiūrėta 2016 m. Gruodžio 06 d. 14:21