Следовательно, наибольшие возможности в изменении выручки от реализации У связаны с изменением факторов Х3 (денежные доходы в расчете на душу населения в среднем за месяц, тыс. руб.) и Х4 (удельный вес частного жилого фонда, %)
Для построения прогноза по множественной корреляционно-регрессионной модели построим отдельно для каждого фактора его регрессию на фактор времени, другими словами построим трендовые модели, а также прогноз для каждого фактора. Выбор формы тренда и построение прогноза проводим в соответствии с методикой, описанной ранее (раздел 3.5.)(таблица 4.2.2.).
Таблица 4.2.2. - Трендовые модели для факторов, включенных во множественную корреляционно-регрессионную модель
Факторы |
Трендовая модель |
Используя трендовые модели, представленные в таблице 4.2.2. построим точечные и интервальные прогнозы по исследуемым факторам (таблица 4.2.3.)
Таблица 4.2.3. Прогнозные значения факторов, включенных во множественную корреляционно-регрессионную модель.
Год прогноза |
Точечный прогноз |
Граница прогноза |
|
нижняя |
верхняя |
||
Х2 |
|||
2006 |
0,5153 |
0,3646 |
0,7282 |
2007 |
0,5570 |
0,3906 |
0,7945 |
2008 |
0,6022 |
0,4180 |
0,8675 |
2009 |
0,6510 |
0,4471 |
0,9480 |
Х3 |
|||
2006 |
63,7286 |
56,1238 |
71,334 |
2007 |
65,2712 |
56,5340 |
74,0084 |
2008 |
66,6051 |
56,4234 |
76,7867 |
2009 |
67,7301 |
55,8092 |
79,6510 |
Х4 |
|||
2006 |
7,7253 |
2,4427 |
13,0079 |
2007 |
6,3648 |
0,9432 |
11,7865 |
2008 |
5,044 |
-0,5695 |
10,5783 |
2009 |
3,6440 |
-2,3823 |
9,3823 |
Х10 |
|||
2006 |
1,9490 |
-1,8638 |
5,7618 |
2007 |
2,8607 |
-1,5199 |
7,2413 |
2008 |
3,9159 |
-1,1889 |
9,0207 |
2009 |
5,1146 |
-0,9622 |
11,0914 |
Полученные прогнозные значения подставим в уравнение множественной регрессии:
Y=9,99392 + 3,80885*X2 + 0,119721*X3 + 0,0685042*X4+ 0,155791*X10.
В результате подстановки получим прогнозные значения, которые приведены в таблице 4.2.4.
Таблица 4.2.4. – Прогнозные значения и доверительные интервалы средней обеспеченности жильем жителей Хабаровского края, полученные на основе множественной регрессии
Год прогноза |
Точечный прогноз |
Граница прогноза |
|
нижняя |
верхняя |
||
2006 |
20,41912428 |
17,97880 |
23,09643 |
2007 |
20,81146963 |
18,07779 |
23,81597 |
2008 |
21,21723581 |
18,11685 |
24,62108 |
2009 |
21,62863461 |
18,06529 |
25,51127 |
Результаты прогноза показывают, что население Хабаровского края в ближайшем будущем ожидает повышение средней обеспеченности жильем (в основном за счет роста денежных доходов). К 2009 году средняя обеспеченность жильем составит 21,63 кв.м на человека, т.е. возрастет по сравнению с 2005 годов на 8,7% (среднегодовой темп прироста составит 2,1%).
5.2. Периодизация на основе кластерного анализа, реализованного в пакете STATGRAFICS
В STATGRAFICS реализовано 6 видов иерархических агломеративных процедур и одна неиерархическая процедура кластерного анализа типа -средних. Последняя использует начальный набор зарождающихся точек, указанных исследователем. Зарождающие точки – это отдельные элементы данных, которые применяются для «запуска» процесса кластеризации.
В основном модуле Special(Специальный) выберем пункт MultivariateMethods(Многомерные методы). В открывшемся меню найдем пункт ClusterAnalysis (Кластерный анализ) появится окно Кластерного анализа (рисунок 5.2.1.).
Рисунок 5.2.1. – Окно модуля ClusterAnalysis (Кластерный анализ)
Заполним панель кластерного анализа. Система выдаст предварительную сводку (рисунок 5.2.2.).
Analysis Summary
----------------
Data variables:
X1
X10
X2
X3
X4
X5
X6
X7
X8
X9
Y
Number of complete cases: 14
Clustering Method: Nearest Neighbor (Single Linkage)
Distance Metric: Squared Euclidean
Cluster Members Percent
---------------------------
1 14 100,00
---------------------------
Centroids
Cluster X1 X10 X2 X3 X4 X5 X6 X7 X8
------------------------------------------------------------------------------------------
1 0,835945 0,850593 0,304 43,8071 17,9286 5,50714 1013,47 424,919 23750,7
------------------------------------------------------------------------------------------
Cluster X9 Y
-----------------------------------
1 228,407 17,7571
-----------------------------------
Рисунок 5.2.2. Окно предварительной сводка кластерного анализа.
Выберем пункт AnalysisOptions (Опции анализа) система покажет панель ClusterAnalysisOptions(Опции кластерного анализа) (рисунок 5.2.3.)
Method-Метод ; NearestNeighbor – Ближнего соседа; FurthestNeighbor – Дальнего соседа; Centroid - Центроид; Median - Медиана; GroupAverageГрупповые средние ; Ward's – Метод Уорда; k-Means - k-средних ; NumberofClusters – Количество кластеров; DistanceMetric – Метрическое расстояние; SquaredEuclidean – Взвешенное Евклидово; Euclidian - Евклидово; CityBlock – Сити блок; Cluster - Кластер; Observations - Наблюдения; Variables - Переменные; Standardize – Стандартизировать.
Рисунок 5.2.3. – Панель ClusterAnalysisOptions(Опции кластерного анализа)
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.