Корреляционно-регрессионный анализ

Автор работы: Пользователь скрыл имя, 09 Декабря 2011 в 21:17, курсовая работа

Краткое описание

Цель курсовой работы – изучить некоторые статистические методы: группировка и корреляционный анализ.
Необходимость осуществлять разнообразные группировки обуславливается существованием множества форм развития социально-экономических явлений, а также конкретных целей исследования и неоднородных по содержанию исходных данных. В курсовой работе рассматриваются различные виды группировок и показывается их применение в изучении состава кадров на промышленном предприятии.

Содержание работы

Введение 3
1. Статистический метод группировки 5
1.1. Понятие группировки 5
1.2. Виды статистических группировок 5
1.3. Принципы построения группировки 7
1.4. Применение метода группировки при изучении состава кадров на промышленном предприятии 10
2. Корреляционный анализ 14
2.1. Понятие корреляционной связи 14
2.2. Статистические методы выявления наличия корреляционной связи
между двумя признаками 15
2.3. Множественная корреляция 19
2.4. Применение множественной корреляции к изучению состава кадров на промышленном предприятии 22
2.5. Анализ коэффициентов регрессии 24
Заключение 24
Список литературы 27
Приложение 28

Содержимое работы - 1 файл

Корреляционно-регрессионный анализ.doc

— 206.50 Кб (Скачать файл)
>X =  :   :       :       ,       Y =       :         ,     XT =     5     … 5 

          1  5  103,2                     860,5                     117,4  …  103,2  

              30         152      3386,9        27662,9

XTX =  152        824      17466       ,     XTy =    150068,4    ,   

            3386,9  17466    38632,4        3215384  

            0,004570565  -0,000891327  2,27457Е-06

(XTX)-1 =   -0,000891327    0,000172501  1,53416Е-07    .

                2,27457Е-06    1,53416Е-07 –3,37237Е-07 

      Вектор  оценок параметров уравнения линейной регрессии равен (см.формулу 2.6.) :

              -0,01133

              а =   42,08981   .

              7,313614 

      Уравнение линейной регрессии с данными  оценками параметров имеет следующий вид: 

      у = -0,01133 + 42,08981*х1 + 7,313614*х2. 

      Далее следует проводить анализ коэффициентов  регрессии. 

      2.5.Анализ  коэффициентов регрессии 

      В общем случае, чтобы сделать коэффициенты регрессии сопоставимыми, применяют  нормированные коэффициенты регрессии.

      Коэффициент   показывает величину изменения результативного  признака в значениях средней  квадратичной ошибки при изменении  факторного признака хj на одну среднеквадратическую ошибку: 

                                                                       (2.7) 

где    аj – коэффициент регрессии при факторе хj;

         j – 1,2,…,m; m – число факторных  признаков;

    • среднеквадратическое отклонение факторного признака хj;
    • среднеквадратическое отклонение результативного признака.    

      Для множественной регрессии также  определяются частные коэффициенты эластичности Эj относительно хj:  
 

(2.8) 

где       - частная производная от регрессии  по переменной хj;

        хj – значение фактора хj на заданном уровне;

        у – расчетное  значение  результативного признака при  заданных уровнях          факторных признаков.

      Коэффициент Эj показывает, на сколько процентов изменится результативный признак при изменении факторного признака на 1 процент при фиксировании значений остальных факторов на каком-либо уровне. Если в качестве такого уровня принять их средние значения, то получаем средний коэффициент эластичности.

      По  данным рассматриваемого примера имеются  следующие оценки:

Среднее квадратическое

отклонение:              х1=1,3;      х2=11,5;         у=30,4.

Среднее:                  х1=5;         х2=112,9;      у=922,1.

  - коэффициент:     1=1,8;          2=2,8.

Эластичность:       Э1=0,241;     Э2=0,96.

      Из  анализа полученных результатов  по коэффициенту эластичности вытекает, что в среднем второй фактор  (степень выполнения норм) в 3,9 раз  сильнее влияет на результат (заработную плату), чем первый (разряд):

 

               Э21=0,96/0,24=3,9 , 

      Анализ  же уравнений регрессии по нормированным  коэффициентам   j показывает, что второй фактор влияет сильнее всего лишь в 1,5 раза ( 12=1,5), т.е. нормированный коэффициент определяет факторных признаков на результат более точно, т.к. он учитывает вариации факторов.

 

ЗАКЛЮЧЕНИЕ

 

      Изучив  методы статистического анализа, а  именно: метод группировки и корреляционный анализ ( парный и множественный ) и  применив полученные знания к изучению состава кадров на промышленном предприятии, можно сделать следующие выводы.

      С помощью типологической группировки  по профессии выявляется следующая  тенденция: большинство рабочих  на данном промышленном предприятии  являются помощниками бурильщиков ( 37% ), что составляет огромный  потенциал для дальнейшего профессионального роста и  расширения деятельности данной организации. 

       Структурная группировка по разряду работников характеризует персонал как среднеквалифицированный, т.к. наблюдается наличие большого количества работников 4 и 5 разрядов ( 54%), в то время как работники 6 и 7 разрядов составляют лишь 37% , а низкоквалифицированные (2 и 3 разряды) – 9%.

      Группировка работников по стажу показывает, что  большинство работников имеет стаж от 2 до 5 лет ( 33%) и  стаж от 5 до 8 и от 8 до 11  лет по 20%. Также наблюдается тенденция к снижению работников с высоким стажем, что подтверждает гистограмма распределения работников по стажу (см. рис.1.1).

      Парный  корреляционный анализ позволил обнаружить зависимость заработной платы от стажа: с увеличением стажа работников увеличивается их заработная плата, хотя работники со стажем 5-8 лет и 8-11 лет получают в среднем одинаковую заработную плату (915 т.р.), также как и работники со стажем в интервале 14-17 лет и свыше 17 лет ( их заработная плата 1515 т.р.).

Это подтверждает таблица, составленная из группировки  работников по стажу и соответствующих  каждому интервалу средних значений заработной платы (см.табл.2.2).    

      Многофакторный  анализ зависимости зарплаты от степени выполнения норм и разряда работников показывает, что степень выполнения норм  влияет на заработную плату в 1,5 раза сильнее, чем разряд работников (при использовании нормированного коэффициента анализа уравнений регрессии).

      Таким образом, использование методов  группировки и корреляционного  анализа позволило провести исследование состава кадров на промышленном предприятии. Основываясь на полученных выводах, можно повысить уровень работы с  персоналом, а следовательно косвенно увеличить производительность труда и степень выполнения норм работниками, что особенно важно в условиях постоянно меняющейся экономической ситуации.

 

СПИСОК  ЛИТЕРАТУРЫ 
 

  1. Герчук  Я.П. Графики в математическо-статистическом анализе. – М.:    Статистика, 1972.
  2. Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики. – М.:ИНФРА-М, 1996.
  3. Кильдишев Г.C., Аболенцев Ю.И. Многомерные группировки. – М.: Статистика, 1978.
  4. Общая теория статистики : учебник / Под.ред. А.А.Спирина. – М.: Финансы и статистика, 1996.
  5. Сиськов В.И. Корреляционный анализ в экономических исследованиях. – М.: Статистика, 1975.
  6. Теория статистикки : учебник /Под.ред. Р.А.Шмойловой. – М.: Финансы и статистика, 1996.             
 

 

Приложение  1

Состав  рабочих на промышленном предприятии

 
ФИО Профессия Разряд Степень выполнения норм, % Стаж, лет Зарплата,т.р.
1 Алексеев Бурильщик 5 117,4 8 1100,1
2 Антонов Бурильщик 5 118,3 8 1121,3
3 Бердяев Проходчик 3 102,4 5 700,5
4 Воронин Взрывник 5 113,7 4 801,5
5 Державин Пом.бурильщика 4 101,5 4 714,5
6 Дронин Бурильщик 7 127,5 17 1500,5
7 Дьячнов Проходчик 6 118,4 9 1100,9
8 Жилин Проходчик 4 97,4 0,8 575,8
9 Княжев Взрывник 7 134,5 19 1598,5
10 Корлев Пом.бурильщика 4 98,5 2 704,5
11 Косин Пом.бурильщика 4 101,5 7 714,5
12 Ламин Пом.бурильщика 4 109,4 7 763,1
13 Марков Горнорабочий 2 121,3 5 670,4
14 Москвин Проходчик 4 117,4 4 764,3
15 Носов Взрывник 7 129,7 6 1307,4
16 Осипов Пом.бурильщика 5 118,6 4 800,4
17 Пахомов Пом.бурильщика 4 103,3 3 619,4
18 Петров Бурильщик 7 136,7 16 1607,4
19 Порохов Взрывник 6 114,9 4 614,1
20 Родге Пом.бурильщика 4 100,3 2 691,8
21 Рылин Пом.бурильщика 3 100,9 2 576,4
22 Светлов Бурильщик 5 99,6 4 900,7
23 Тихинов Взрывник 6 105,4 7 587,3
24 Торопов Проходчик 6 103,7 10 814,4
25 Уфимов Проходчик 5 111,1 11 767,5
26 Френкель Бурильщик 7 127,3 12 1409,5
27 Фролов Бурильщик 7 129,9 15 1499,5
28 Хвостов Пом.бурильщика 6 117,7 11 904,4
29 Цветов Пом.бурильщика 5 105,4 10 871,3
30 Яров Пом.бурильщика 5 103,2 10 860,5

Информация о работе Корреляционно-регрессионный анализ