Курсовая работа по Эконометрика на тему анализ влияния факторов на прибыль предприятия с использованием кореляционнгого регрисионных моделей

Статистическая обработка информации уже давно применяется в самых разных областях человеческой деятельности. Ни в одной области знаний и практики статистическая обработка информации не играет такой исключительно большой роли, как в экономической науке, обрабатывающей и анализирующей огромные массивы информации об общественно-экономических явлениях и процессах. Комплексный и глубокий анализ этой информации, так называемых статистических информации, предполагает использование разных специальных методов, важное место среди которых занимает корреляционно-регрессионный анализ статистической обработки информации.
Корреляционно-регрессионный анализ — область математической статистики, изучающая взаимосвязь между изменениями величин по данным статистических наблюдений. Экономико-математическая модель показывает собой математическое описание изучаемого экономического процесса.
Объект исследования – финансовые и экономические показатели предприятий. Предмет исследования – методы корреляционно-регрессионного анализа и исследования.
Целью работы является выявление корреляционных зависимостей факторов влияющих на прибыль предприятий с последующим построением уравнения регрессии.
Задачи работы:
Сбор и описание статистических данных о предприятиях сельскохозяйственной промышленности
Описание методов и моделей исследования;
Выполнение корреляционного-регрессионного анализа и обоснование результатов исследования.
Методы исследования: корреляционного, регрессионного анализа, анализ методов t-критерия Стьюдента, анализ автокорреляции остатков.
Глава 1 Теоретические положения статистического исследования

Исследование ряда распределения

Экономико-математическая модель демонстрирует собой математическое описание изучаемого экономического процесса. Математически эти взаимосвязи описываются уравнениями регрессии, которые представляют собой экономико-математические модели корреляционно-регрессионного анализа.
Самый простой способ показатели вариации состоит в определении разности между наибольшим x^макси наименьшим〖 x〗^мин значениями членов ряда, т.е. в установлении размаха вариации R [1, c. 64]:
R=x^макс-〖 x〗^мин. (1)
Наиболее употребительными показателями вариации являются: среднее квадратическое отклонение σ, дисперсия σ2 и показатели вариации. Дисперсия – это средний квадрат изменений членов ряда от их средней арифметической:
σ^2=(∑_(j=1)^n▒〖(x^j-x ̅)〗^2 )/(n-1) . (2)
Среднее квадратическое отклонение демонстрирует собой меру колеблемости и вычисляется как средняя квадратическая изменений членов ряда от их средней арифметической2:
σ=√(σ^2.) (3)
Указанные показатели относятся к абсолютным показателям вариации. Кроме них вычисляются и относительные – показатели вариации. Из них наиболее употребительным является показатель вариации по среднему квадратическому отклонению V_σ [5, c.113]:
V_σ=σ/x ̅ 100% . (4)
Для основных характеристик рядов распределения можно рассчитать и так называемые стандартные ошибки. Например, стандартная ошибка средней арифметической M_x ̅ показывается так [2, c.214]:
M_x ̅ =σ/√n. (5)
При достаточно большом числе наблюдений стандартная ошибка становится настолько малой, что разность между характеристиками выборки и параметрами генеральной группы может не приниматься во внимание. Процентное отношение M_x ̅ и x ̅ выражает точность проведения исследования ε:4