Kiekybiniai modeliavimo metodai


Pav 1 Statistinių funkcijų LINEST ir LOGEST rezultatai. Grafikas 1 Registruoto nedarbo priklausomybė nuo Y. Grafikas 2 Spartaus gyventojų skaičiaus augimo priklausomybė nuo Y. Grafikas 3 Išvykusiųjų priklausomybė nuo Y. Grafikas 4 Darbuotojų, finansuojamų iš biudžetų,skaičiaus priklausomybė nuo Y. Grafikas 5 Gyventojų skaičiaus Vilniaus apskrityje prognozė slenkančio vidurkio metodu. Grafikas 6 Gyventojų skaičiaus Vilniaus apskrityje prognozė eksponentinio išlyginimo metodu. Sąvokos. Lentelių sąrašas. Paveikslėlių sąrašas. Grafikų sąrašas. Įvadas. Teorinė dalis. Nedarbas bei užimtumas. Nedarbo rūšys. Nedarbo priežastys. Praktinė dalis. Koreliacinė regresinė analizė. Duomenų skaičiavimai. Koreliacinė analizė Y su kiekvienu x1,. ,x. Atrinkti x1,. , x5 regresinei analizei atlikti. Atlikimas porinės regresinės analizės Y su kiekvienu X1, X2, X3 ir X. Daugianarė regresinė analizė. Gautų rezultatų aprašymas. Praktinis tyrimo taikymas. Prognozavimas. Išvados. Literatūros sąrašas.


4.Atlikimas porinės regresinės analizės Y su kiekvienu X1, X2, X3 ir X417

Savo kursiniame darbe dirbau su duomenų lentele, duomenis surinkau iš Lietuvos statistikos departamento. Duomenys buvo parinkti 2017 metų. Nagrinėjau skirtingose Lietuvos apskrityse žmonių nedarbo priežastis. Apskričių buvo parinkta dešimt. Y buvo bendras gyventojų skaičius tam tikroje apskrityje. X buvo parinkti penki. Jie yra tokie: X1 – registruotas nedarbas, X2 – spartus gyventojų skaičiaus augimas, X3 – streikuose dalyvavusių darbuotojų skaičius, X4 – išvykusieji, X5 – darbuotojų, finansuojamų iš biudžetų skaičius.

Pirmieji skaičiavimai buvo atlikti su pradine duomenų lentele. Buvo paskaičiuota kiekvieno stulpelio Y ir X suma. Suma buvo apskaičiuota naudojant ,,Excel‘io‘‘ funkciją SUM.

Apskaičiuotas kiekvieno stulpelio X ir Y vidurkis. Vidurkis buvo apskaičiuotas naudojant ,,Excel‘io‘‘ funkciją AVERAGE.

Darbe koreliacijos koficientas yra paskaičiuotas naudojant ,,Excel‘io“ funkciją – CORREL.

Savo koreliacijos reikšmes gavau netoli vieneto, jos visos buvo teigiamos, tai reiškia, kad didėjant veiksnio X reikšmėms, didėja ir Y reikšmės. Vadinasi, didėjant gyventojų skaičiui tam tikroje apskrityje, didėja ir X tai yra mūsų nedarbo priežasčių statistika. Tikrinti koreliacijos koeficientus būtina, nes dirbame su atsitiktiniais dydžiais. Kaip matome stipriausias ryšys tarp tarp X2 (Spartus gyventojų skaičiaus augimas) ir Y (Gyventojų skaičius), nes koeficientas (pagal modulį) yra 0,995339048

Norint įvertinti koreliacijos koeficientų reikšmingumą ir atrinkti X veiksnius porinei regresinei analizei atlikti, reikia apskaičiuoti Tlent reikšmes pagal formulę:

Apskaičiuota t lentelinis reikšmė buvo lyginama su t kritinio reikšme. Reikšmės turi atitikti tokią sąlygą: t lentelinis>t kritinis. Jei t lentelinis yra didesnis už t kritinį, vadinasi t lentelinis yra reikšmingas. Jei t lentelinis yra mažesnis už t kritinį, vadinasi t lentelinis yra nereikšmingas. Mano atveju gavosi 1 nereikšminga ir 4 reikšmingos reikšmės. Nereikšminga reikšmė – X3 (streikuose dalyvavusių darbuotojų skaičius). Kituose skaičiavimuose mes šio X nenaudosime. Reikšmingos reikšmės – X1 (registruotas nedarbas), X2 (spartus gyventojų skaičiaus augimas), X4 (išvykusieji), X5 (darbuotojų, finansuojamų iš biudžetų, skaičius). Galima daryti išvadą apie koreliacinio ryšio egzistavimą tarp nagrinėjamų kintamųjų išskyrus vieną. Tolimesni skaičiavimai buvo atlikti tik su šiais reikšmingais duomenimis. Tai yra X1, X2, X4 ir X5. Taigi, galima pastebėti, kad ryšio egzistavimas tarp nagrinėjamų veiksnių priklauso nuo gauto koreliacijos koeficiento dydžio (r) ir imties dydžio (n). Nustačius, kad yra priklausomybė tarp gyventojų skaičiaus ir registruoto nedarbo, spartaus gyventojų skaičiaus augimo, išvykusiųjų ir darbuotojų, finansuojamų iš biudžetų, skaičiaus galima atlikti porinę regresinę analizę.

Porinės regresinės analizės tikslas – nustatyti priklausomybės tarp atsitiktinių dydžių X ir Y analitinę išraišką ir formą. Nustatyti priklausomybę tarp gyventojų skaičiaus ir nedarbo priežasčių. Tai daroma, parenkant kreivę, geriausiai aprašančią statistinių taškų visumą, ir įvertinant šios kreivės adekvatumą realiai padėčiai. Ieškome tiesinio ryšio tarp gyventojų skaičiaus ir nedarbo priežasčių. Tam reikalingi tiesės koeficientai. Ieškoma regresijos lygtis.

  • Microsoft Word 221 KB
  • 2018 m.
  • Lietuvių
  • 37 puslapiai (5163 žodžiai)
  • Universitetas
  • Ema
  • Kiekybiniai modeliavimo metodai
    10 - 2 balsai (-ų)
Kiekybiniai modeliavimo metodai. (2018 m. Birželio 04 d.). https://www.mokslobaze.lt/kiekybiniai-modeliavimo-metodai.html Peržiūrėta 2020 m. Sausio 22 d. 01:05
×