По выполнению курсовой работы. Факультет экономики и менеджмента

(по отраслям)»

Составитель: кандидат экономических наук, доцент

ШнитинЮрий Васильевич

Цель работы: Предложить слушателям построить регрессионные зависимости нескольких результативных признаков от одного факторного признака.

Результативные признаки:

1. Размер партии деталей (SRP), шт.

2. Коэффициент загрузки оборудования (KZS)

3. Себестоимость товарного выпуска (STP), руб.

4. Себестоимость незавершенного производства (SNZ), руб.

5. Рентабельность среднегодового капитала (RP), %

6. Чистая текущая стоимость проекта (NPV), руб.

Факторный признак – коэффициент массовости производства (KT).

Исходные данные к курсовой работе задаются в табличной форме для десяти различных численных значений признаков.

Слушателям предлагается определить тесноту связи между признаками и построить шесть регрессионных зависимостей. Форма зависимостей должна быть адекватна характеру существующей корреляционной связи между результативными признаками и факторным признаком.

Существующие между явлениями формы и виды связей весьма разнообразны по своей классификации. Предметом статистики являются только такие из них, которые имеют количественный характер и изучаются с помощью количественных методов. Рассмотрим метод корреляционно-регрессионного анализа, который является основным в изучении взаимосвязей явлений.

Данный метод содержит две свои составляющие части — корреляционный анализ и регрессионный анализ. Корреляционный анализ — это количественный метод определения тесноты и направления взаимосвязи между выборочными переменными величинами. Регрессионный анализ — это количественный метод определения вида математической функции в причинно-следственной зависимости между переменными величинами.

Теснота связи определяется с помощью коэффициента корреляции, который рассчитывается специальным образом и лежит в интервале -1 – +1. Если значение коэффициента корреляции лежит в интервале от 1 до 0,9 по модулю, то отмечается очень сильная корреляционная зависимость. В случае если значение коэффициента корреляции лежит в интервале от 0,9 до 0,6, то говорят, что имеет место слабая корреляционная зависимость. Наконец, если значение коэффициента корреляции находится в интервале от – 0,6 до 0,6, то говорят об очень слабой корреляционной зависимости или полной её отсутствии.

Таким образом, корреляционный анализ применяется для нахождения характера и тесноты связи между случайными величинами.

Регрессионный анализ своей целью имеет вывод, определение (идентификацию) уравнения регрессии, включая статистическую оценку его параметров. Уравнение регрессии позволяет найти значение зависимой переменной, если величина независимой переменной или независимых переменных известна.

По характеру связи однофакторные уравнения регрессии подразделяются на:

а) линейные

y = a + bx,

где x – экзогенная (независимая) переменная или факторный признак; y – эндогенная (зависимая) переменная или результативный признак; a, b – параметры модели;

б) степенные

y = a + x^b;

в) показательные

y = a + b^x;

г) прочие.