Анализируя данную таблицу, можно сделать вывод: в Варненском районе в 2008 году максимальная цена реализации за 1 центнер составила 812 рублей, а минимальная цена реализации за один центнер составила 400 рублей, из этих данных было найдена средняя цена реализации, которая составила 544,28 рублей. В 2009 максимальная цена реализации за 1 центнер составила 714 рублей, а минимальная цена реализации 302 рубля. Из данных было найдена средняя цена реализации за 1 центнер и она составила 469,60 рублей.
в Верхнеуральском районе в 2008 году максимальная цена реализации за 1 центнер составила 638 рублей, а минимальная цена реализации за один центнер составила 279рублей , из этих данных было найдена средняя цена реализации, которая составила 423,52 рублей. В 2009 максимальная цена реализации за 1 центнер составила 718 рублей, а минимальная цена реализации 274 рубля. Из данных было найдена средняя цена реализации за 1 центнер и она составила 396,62 рублей.
в Октябрьском районе в 2008 году максимальная цена реализации за 1 центнер составила 1044 рублей, а минимальная цена реализации за один центнер составила 244 рублей , из этих данных было найдена средняя цена реализации, которая составила 517,49 рублей. В 2009 максимальная цена реализации за 1 центнер составила 718 рублей, а минимальная цена реализации 165 рублей. Из данных было найдена средняя цена реализации за 1 центнер и она составила 471,19 рублей.
Б. Выручка от реализации тыс.руб.
Ведомство
Год
Количество
Эксцесс
Среднее гармоническое
Среднее геометрическое
Варненский район
-,917
2629,50
9251,00
-,175
516,13
5907,37
Всего
-,692
862,89
7392,50
Верхнеуральский район
4,895
2749,44
4632,48
1,288
708,74
2208,69
Всего
6,169
1150,38
3239,82
Октябрьский район
3,167
7562,67
10460,62
1,321
5761,89
9071,80
Всего
2,846
6540,60
9741,49
Всего
2,173
3530,93
7726,16
1,712
903,10
5115,04
Всего
2,068
1447,74
6300,72
Анализируя данную таблицу можно сделать вывод: по Варненскому району в 2008 году была найдена средняя гармоническая, которая составила 2629,60 и средняя геометрическая, которая составила 9251. Эксцесс составил -0,917, что указывает на островершинное распределение данных. В 2009 году средняя гармоническая составила 516,13, а средняя геометрическая 5907,37. Эксцесс составил -0,175, что указывает на островершинное распределение данных.
по Верхнеуральскому району в 2008 году была найдена средняя гармоническая, которая составила 2749,44 и средняя геометрическая, которая составила 4632,48. Эксцесс составил 4,895, что указывает на плосковершинное распределение данных. В 2009 году средняя гармоническая составила 708,74, а средняя геометрическая 2208,69. Эксцесс составил 1,288, что указывает на плосковершинное распределение данных.
по Октябрьскому району в 2008 году была найдена средняя гармоническая, которая составила 7562,67и средняя геометрическая, которая составила 10460,62. Эксцесс составил 2,173, что указывает на плосковершинное распределение данных. В 2009 году средняя гармоническая составила 903,10, а средняя геометрическая 5115,04. Эксцесс составил 2,068, что указывает на плосковершинное распределение данных.
Ведомство
количество
Средняя себестоимость
Варненский район
472,85
Верхнеуральский район
390,54
Октябрьский район
327,64
Total
392,37
В. Средняя себестоимость
Анализируя данную таблицу, можно сделать вывод: Средняя себестоимость в Варненском районе по 28 предприятиям составила 472,85 рублей. В Верхнеуральском районе по 29 предприятиям средняя себестоимость составила 390,54 рубля. В Октябрьском районе по 34 предприятиям, средняя себестоимость составила 327,64 рубля.
Премия
Производительность
Премия
Корреляция по Пирсону
,982**
Sig. (2-tailed)
,000
количество
Производительность
Корреляция по Пирсону
,982**
Sig. (2-tailed)
,000
количество
Корреляция.
Г)
Анализируя данную таблицу, можно сделать вывод: коэффициент корреляции составил 0,982, это указывает на сильную связь между премиальной выплатой и производительностью труда существует. Связь прямая. Следовательно, с увеличением премиальных выплат, возрастает и производительность труда.
Данную связь можно проследить и на графике. График линейный.
Рентабельность
Затратынарекламуруб
Рентабельность
Корреляция по Пирсону
,430**
Sig. (2-tailed)
,002
количество
Затраты на рекламу руб.
Корреляция по Пирсону
,430**
Sig. (2-tailed)
,002
количество
А)
Из данных, которые приведены в таблице видно, что коэффициент корреляции составил 0,43 это указывает на слабую связь между рентабельностью и затратами на рекламу. Связь прямая.
По графику видно, что данные рассеяны, это указывает на слабую связь между рентабельностью и затратами на рекламу.
Затраты
рентабельность
затраты
Корреляция по Пирсону
-,161
Sig. (2-tailed)
,204
количество
рентабельность
Корреляция по Пирсону
-,161
Sig. (2-tailed)
,204
количество
Б.
Из данных, приведенных в данной таблице, можно сделать вывод: связь отсутствует, так как коэффициент корреляции равен -0,16.
На графике видно, что связь между затратами на содержание основных средств и рентабельностью отсутствует.
Затраты
урожайность
затраты
Корреляция по Пирсону
-,113
Sig. (2-tailed)
,374
количество
урожайность
Корреляция по Пирсону
-,113
Sig. (2-tailed)
,374
количество
Из данных в таблице видно, что связь отсутствует. Коэффициент корреляции равен -0,1.
ГСМ
амортизация
ГСМ
Корреляция по Пирсону
-,181
Sig. (2-tailed)
,103
количество
амортизация
Корреляция по Пирсону
-,181
Sig. (2-tailed)
,103
количество
В.
Анализируя данную таблицу, можно сделать вывод: связь отсутствует, коэффициент корреляции равен -0,18.
На графике видно, что данные рассеяны, следовательно отсутствует связь между затратами на ГСМ и амортизационными отчислениями отсутствует.
Нелинейная регрессия.
Параметр
Оценка
Стд. ошибка
Доверительный интервал 95%
Нижняя граница
Верхняя граница
а0
-712,105
54,372
-837,486
-586,724
а1
2,391
,151
2,042
2,740
а2
-,002
,000
-,002
-,001
Получаем уравнение: Y=-712,105+2,391x1-0,002*x2^2
Графически отобразим фактическое значение прибыли в зависимости от премиальных выплат.
Анализируя данный график, можно сделать вывод: существует прямая зависимость. То есть с ростом премиальных выплат растет и прибыль от реализации. Точка максимума, которая составляет 700 для премиальных выплат и 155 для прибыли, является и точкой перелома графика. Достигнув точки максимума наблюдается обратная зависимость, с ростом премиальных выплат прибыль от реализации уменьшается.
Рассчитать прогнозное значение прибыли согласно полученной модели (полином второй степени).
Были рассчитаны значения расчетной прибыли и отклонения, данные приведены в таблице:
расчетная прибыль
отклонение
-1
-3
-2
-1
Представить графически уровень расчетной прибыли в зависимости от премиальных выплат.
Анализируя данный график можно сделать вывод: график имеет сглаженный характер. Существует прямая зависимость премиальных выплат и прибыли от реализации. Точка максимума, которая составила 730 для премиальных выплат и 155 для прибыли, является и точкой перелома графика. Достигнув точки максимума наблюдается обратная зависимость, с ростом премиальных выплат прибыль от реализации уменьшается.
Рассчитать прибыль при следующих значениях премиальных выплат: 890, 910, 745. При уровне премиальных выплат 890, 910, 745 были получены следующие значения расчетной прибыли (соответственно) 109, 97, 153.
Линейная регрессия.
численность промышленно-производственного персонала
среднегодовая стоимость основных фондов
износ основных фондов
электровооруженность
техническая вооруженность одного персонала
выработка товарной продукции на одного работающего
численность промышленно-производственного персонала
Корреляция по Пирсону
,949**
-,106
,031
,101
,077
Sig. (2-tailed)
,000
,613
,882
,632
,715
количество
среднегодовая стоимость основных фондов
Корреляция по Пирсону
,949**
-,153
,129
,214
,135
Sig. (2-tailed)
,000
,466
,539
,305
,520
количество
износ основных фондов
Корреляция по Пирсону
-,106
-,153
,203
,019
-,124
Sig. (2-tailed)
,613
,466
,331
,928
,555
количество
электровооруженность
Корреляция по Пирсону
,031
,129
,203
,754**
,481*
Sig. (2-tailed)
,882
,539
,331
,000
,015
количество
техническая вооруженность одного персонала
Корреляция по Пирсону
,101
,214
,019
,754**
,667**
Sig. (2-tailed)
,632
,305
,928
,000
,000
количество
выработка товарной продукции на одного работающего
Корреляция по Пирсону
,077
,135
-,124
,481*
,667**
Sig. (2-tailed)
,715
,520
,555
,015
,000
количество
Анализируя данную таблицу можно сделать вывод:между данными таблицы существует две тесные связи: между численностью промышленно-производственного персонала и среднегодовой стоимостью основных фондов (коэффициент корреляции составил 0,9) и между электровооруженностью и технической вооруженностью одного персонала (коэффициент корреляции составил 0,7), следовательно нужно исключить один фактор из двух.
Данное уравнение линейной регрессии использовать нельзя, так как факторы, включенные в модель коррелируют между собой . Необходимо исключить следующие факторы: среднегодовая стоимость фондов и электровооруженность.
Model Summary
модель
Коэф. корреляции
Коэф. детерминации
,998a
,996
Коэффициент корреляции равен 0,998 это указывает на сильную взаимосвязь всех факторов и результативность показателей.
Коэффициент детерминации равен 0,996 этот показатель показывает процент всех факторов, которые были учтены, влияющие на объем производства. Было использовано 90% информации.
Были получены показатели линейной регрессии, в соответствие с уравнением Y=-84588, 938+23,666*х1+741,612х2+323,181х3+2,047х4:
теоретические показатели объема выпуска продукции
отклонение
-7550
-19614
-18108
-4224
-41065
-7053
-10914
-15346
-9531
-5839
-28043
-14242
-12438
-15553
-7941
Самостоятельная работа. Вариант 1.
плотность
содержание полиамида
фирма-производитель
лайкры
плотность
Корреляция по Пирсону
-,422**
-,104
,436**
Sig. (2-tailed)
,004
,499
,003
N
содержание полиамида
Корреляция по Пирсону
-,422**
,061
-,667**
Sig. (2-tailed)
,004
,691
,000
N
фирма-производитель
Корреляция по Пирсону
-,104
,061
-,439**
Sig. (2-tailed)
,499
,691
,003
N
лайкры
Корреляция по Пирсону
,436**
-,667**
-,439**
Sig. (2-tailed)
,003
,000
,003
N
Анализируя данную таблицу, можно сделать вывод:между приведенными данными коффициент корреляции мал, поэтому все данные следует оставить.
Коэффициент корреляции равен 0,70 это указывает на слабую, прямую связь всех факторов и результативность показателей.
Коэффициент детерминации равен 0,49, это указывает на то, что было использовано 50% факторов, которые оказывают влияние на результатирующий признак, модель качественная и адекватная.
По приведенным данным, можно рассчитать прогноз и отклонение:
прогноз
отклонение
77,84299
52,9208
-30,4108
52,9208
-30,3008
81,89725
-22,00725
92,19202
-20,25202
92,19202
-20,25202
81,1902
8,7098
71,71055
2,59945
63,35833
14,33167
73,26664
-13,00664
78,70031
32,48969
75,10862
-1,54862
73,13217
11,47783
84,40293
-34,50293
70,34809
19,55191
65,20861
31,66139
29,57879
10,41121
85,12579
-35,13579
66,20041
-16,21041
47,93989
2,05011
79,98631
-29,99631
66,70397
-16,71397
129,8721
0,0279
78,70031
5,29969
77,84299
-16,84299
156,107
8,79303
84,40293
-34,50293
81,1902
8,7098
129,8721
0,0279
73,26664
16,63336
76,05071
29,44929
80,5472
-0,6472
77,97746
21,92254
110,2589
-10,35892
79,81944
40,08056
85,38759
24,51241
77,84299
-17,94299
78,70031
1,19969
77,84299
5,05701
78,70031
33,09969
78,70031
4,89969
77,84299
-17,84299
78,70031
1,29969
90,26527
-0,26527
85,55445
34,44555
Страница 2.
общая жилая площадь
жилая площадь квартиры
число комнат в квартире
площадь кухни
тип дома
расстояние относительно рублевского шоссе
расстояние от метро
общая жилая площадь
Корреляция по Пирсону
,901**
,692**
,788**
,548**
-,023
-,492**
Sig. (2-tailed)
,000
,000
,000
,000
,883
,001
N
жилая площадь квартиры
Корреляция по Пирсону
,901**
,784**
,721**
,464**
-,007
-,473**
Sig. (2-tailed)
,000
,000
,000
,001
,964
,001
N
число комнат в квартире
Корреляция по Пирсону
,692**
,784**
,480**
,173
,133
-,067
Sig. (2-tailed)
,000
,000
,001
,262
,390
,666
N
площадь кухни
Корреляция по Пирсону
,788**
,721**
,480**
,505**
-,042
-,584**
Sig. (2-tailed)
,000
,000
,001
,000
,784
,000
N
тип дома
Корреляция по Пирсону
,548**
,464**
,173
,505**
-,156
-,327*
Sig. (2-tailed)
,000
,001
,262
,000
,311
,030
N
расстояние относительно рублевского шоссе
Корреляция по Пирсону
-,023
-,007
,133
-,042
-,156
,091
Sig. (2-tailed)
,883
,964
,390
,784
,311
,555
N
расстояние от метро
Корреляция по Пирсону
-,492**
-,473**
-,067
-,584**
-,327*
,091
Sig. (2-tailed)
,001
,001
,666
,000
,030
,555
N
Анализируя данную таблицу, можно сделать вывод: среди приведенных данных существует три тесных зависимости, между общей жилой площадью и жилой площадью квартиры (коэффициент корреляции равен 0,9), между общей жилой площадью и площадью кухни (коэффициент корреляции равен 0,78), между жилой площадью квартиры и числом комнат в квартире (коэффициент корреляции равен 0,78). Следовательно, нужно исключить один из показателей.
Данное уравнение использовать нельзя так как факторы, включенные в модель коррелируют между собой. Необходимо исключить следующие факторы: жилую площадь квартиры и общую жилую площадь.
Рассчитаем коэффициент корреляции и детерминации:
Модель
корреляция
детерминация
,939a
,881
Из полученных данных видно: присутствует тесная , прямая взаимосвязь между факторами (коэффициент корреляции равен 0,93). Было учтено 88% факторов, которые оказывают влияние на результатирующий признак, модель является адекватной и качественной (коэффициент детерминации равен 0,88).
В соответствие с данными было получено новое уравнение: Y=87,644+6,71x1+51,49x2+77,59x3-10,606x4-7,459x5,которое может быть использовано.
По данным можно рассчитать прогноз и отклонение:
прогноз
отклонение
п
о
п
О
п
о
п
о
п
о
п
о
п
о
140,6794
-1,67936
223,8865
-3,88647
230,6059
9,39414
123,0934
46,90658
202,2496
-12,2496
272,0179
-2,01791
270,337
29,663
127,2118
-44,2118
111,5837
18,41626
341,3929
-1,39285
240,685
11,31505
377,6102
0,38983
209,9204
0,07956
227,4776
7,52242
372,9933
-22,9933
464,9356
-34,9356
112,9276
-2,92762
361,551
38,44897
145,3944
-39,3944
98,56657
96,43343
319,0537
-59,0537
408,9431
-8,94313
198,1025
-12,1025
121,6628
13,33717
183,2331
13,76693
141,2358
35,76421
283,2016
13,79839
288,8164
41,1836
406,7251
85,27491
278,4003
-18,4003
74,29004
-33,29
432,1047
-32,1047
219,0481
-9,04808
143,9235
-76,9235
292,7132
-42,7132
255,2293
4,77068
388,4479
-28,4479
182,6766
-42,6766
223,3592
-33,3592
329,7003
30,29975
245,5332
-25,5332
294,3941
5,60586
311,807
88,19296
202,2788
-2,27878
Дискриминантный анализ.
У нас имеется всего 12 предприятий, при этом 9 предприятий уже распределены, а 3 требуют дискриминации. Вся совокупность 75%.
группы
средняя
стоимость ОПФ
168,90525
персонал
14,04775
прибыль
18,33250
стоимость ОПФ
45,79060
персонал
4,77800
прибыль
10,75800
Total
стоимость ОПФ
100,50822
персонал
8,89789
прибыль
14,12444
Данная таблица показывает подмножества. Среднее значение у стоимости ОПФ в первом подмножестве (168,9) больше, чем во втором подмножестве(18,3). Среднее значение по персоналу в первом подмножестве(14,04) больше, чем во втором подмножестве(4,7). Средний показатель по прибыли(18,3) в первом подмножестве больше, чем во втором подмножестве(10,7).
Tests of Equality of Group Means
Wilks' Lambda
F
df1
df2
Sig.
стоимость ОПФ
,125
48,866
,000
персонал
,113
54,677
,000
прибыль
,498
7,053
,033
Анализируя данную таблицу, можно сделать вывод: для функции дискриминации используются все три фактора, так как показатели значимые (меньше 0,05).
стоимость ОПФ
персонал
прибыль
Correlation
стоимость ОПФ
1,000
,552
,570
персонал
,552
1,000
,733
прибыль
,570
,733
1,000
Данная таблица показывает взаимосвязь факторов между собой. Существует прямая связь.
Test of Function(s)
Wilks' Lambda
Chi-square
df
Sig.
,069
14,745
,002
Согласно коэффициенту данная связь является адекватной (меньше 0,005)
функция
персонал
,758
стоимость ОПФ
,716
прибыль
,272
Анализируя данную таблицу, можно сделать вывод: персонал оказывает наибольше воздействие на дискриминацию (0,75), чуть меньшее влияние оказывает стоимость ОПФ (0,71) и самую малую часть оказывает прибыль (0,27).
функция
стоимость ОПФ
,024
персонал
,549
прибыль
-,197
(Constant)
-4,507
По данным из таблицы составим уравнение:
D(x) = -4,5+0,024x1+0,549x2-0,197x3
Дело номер
Актуальная группа
Высшая группа
Predicted Group
P(G=g | D=d)
оригинал
1,000
1,000
1,000
1,000
1,000
,357
,710
,986
1,000
ungrouped
,995
ungrouped
,926
ungrouped
1,000
Анализируя данную таблицу, можно сделать вывод: 10 предприятие попадет во вторую группу с вероятностью 99%, 11 предприятие попадет в первую группу с вероятностью 92%, а 12 предприятие попадет в первую группу с вероятностью 100%.