Анализ развития мясной отрасли в странах мира

    1 модель: У = 36,417+7,786*Х,

    Где Х – численность работников, У  – производство мяса

    При этом стандартная ошибка коэффициентов  достаточно большая, но уровень значимости позволяет принимать данную модель. Т.е. данное уравнение говорит о  том что если Х увеличится на 1 тысячу человек , то У вырастет на 7,768 тысяч тонн на душу населения.

    2 модель: У = 35,355+7,048Х1+0,004Х2, где

    У- производство мяса, Х1 – численность  работающих, Х2 – площадь под фермы. При этом надо учесть, что уровень  значимости коэффициента по Х2 чуть больше 0,01.

3.2. Методика классификации  стран по показателям  развития отрасли

1. Постановка  цели
2. Собрать информацию и провести ее первичную обработку, т.е. табулирование, группировка

    Таблица будет иметь следующий вид:

    Таблица 15

    Исходные  данные

 

3. Определить количество групп с помощью иерархического кластерного анализа

Данный анализ проводим с помощью программного продукта SPSS 17. В результате иерархического кластерного анализа появится диаграмма, которая показывает возможные объединения показателей, на основе нее выберем наиболее удачное число групп.

4. Охарактеризовать каждую полученную группу с помощью анализа k-среднего.

Воспользоваться программным продуктом SPSS 17, только на этот раз выберем «анализ k-среднего», введем нужное количество классов (исходя из пункта 3) и получим таблицу вида:

Таблица 16

Final Cluster Centers 

Где соответственно n – число кластеров и по столбцам в таблице будет характеризоваться каждый кластер по каждому показателю (строки).

5. Сделаем выводы и охарактеризуем полученные группы

Проведение  анализа

1. Постановка  цели: классифицировать страны по группам исходя из выбранных показателей (экспорт и импорт свинины, экспорт и импорт говядины), выявить специализацию стран  с точки зрения мясных продуктов
2. Исходная информация

Собираем статистическую информацию по параметрам: экспорт и импорт свинины (тонн в год), экспорт и импорт говядины (тонн в год)

Таблица 17

Исходные  данные [1]

 

3. Проведем  иерархический анализ для определения  количества кластеров

На основе дендограммы, которая приведена в Приложении можно посмотреть как будет происходить формирование кластеров. Очень сложно верно выбрать количество кластеров,  т.к. на дендограмме видно наличие резко выделяющихся объектов. Но возьмем в данном случае три кластера.

4. Проведем кластерный анализ k-среднего для характеристик кластеров

Таблица 18 показывает сколько объектов вошло  в каждый кластер. Получилось три кластера, в первый вошло большинство 32, во второй 5 и в третий кластер только 2 объекта. В данном случае неудачная классификация.

Таблица 18

 

Теперь рассмотрим следующую таблицу 19, показывающую структуру каждого кластера, чтобы  узнать какая из стран в которым  из кластеров оказалась.

Таблица 19 

 

 Получается  следующая картина: 2 кластер формируется  из таких стран, как  Бельгия, Мексика, Нидерланды, Испания и США; в 3 кластер  вошли Германия и Италия и 1 кластер составляют все остальные страны.

 Таблица 19 показывает конечные центры кластеров, вокруг которых произошло формирование, а таблица 20 показывает расстояние между сформированными кластерами, из чего видно, что расстояние большое. 
 
 
 
 

Таблица 19 

 

Таблица 20 

5. На основе проведенного анализа можно сделать  вывод: в третий кластер вошли страны с самыми высокими показателями экспорта и импорта, страны-лидеры в торговле мясом, а во 2 кластер вошли страны, которые имеют показатели меньше лидеров, но являются активными участниками в торговле, 3 кластер составили оставшиеся.  Данная классификация четко выделила лидирующие страны, но в тоже время она не удобна тем, что один из кластеров составляет большинство объектов.

3.3. Методика и анализ  принадлежности РФ  к одной из групп

1. Постановка  цели

2. Собрать информацию и провести ее первичную обработку, т.е. табулирование, группировка

Использовать  исходные данные кластерного анализа (пункт 3.2.) с добавлением нового столбца, обозначающего принадлежность к кластеру (табл. 21).

Таблица 21

    Исходные  данные

3. Построение  дискриминантной функции для характеристики связи параметра принадлежности кластера с влияющими переменными (по которым строился кластерный анализ)

     Воспользоваться дискриминантным анализом в программном  продукте SPSS 17. Получить коэффициенты на основе таблицы 22 и составить дискриминантную функцию (их может быть несколько).

Таблица 22

 

4. Определить  значимость дискриминантной функции.

На основе таблиц 23, 24.

Таблица 23