Приём заказов:
Круглосуточно
Москва
ул. Никольская, д. 10.
Ежедневно 8:00–20:00
Звонок бесплатный

Статистическо-экономический анализ наличия, движения и использования трудовых ресурсов в РФ (Калужская область)

Диплом777
Email: info@diplom777.ru
Phone: +7 (800) 707-84-52
Url:
Логотип сайта компании Диплом777
Никольская 10
Москва, RU 109012
Содержание

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ

УЧРЕЖДЕНИЕ ВСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

«РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ –

МСХА им. К.А. ТИМИРЯЗЕВА»

КАЛУЖСКИЙ ФИЛИАЛ

Кафедра экономики и статистки

КУРСОВАЯ РАБОТА

по дисциплине «Статистика»

на тему: «СЭА наличия, движения и использования трудовых ресурсов в РФ (Калужская область)»

Выполнил: студентка 33 группы 3 курса

экономического факультета

Сергеенкова Алина Сергеевна

Проверил: Гореева Надежда Михайловна

Калуга – 2012

ОГЛАВЛЕНИЕ

ВВЕДЕнИЕ

ГЛАВА 1. ИСПОЛЬЗОВАНИЕ МЕТОДОВ ГРУППИРОВОК В ИССЛЕДОВАНИИ ТРУДОВЫХ РЕСУРСОВ ПО СОВОКУПНОСТИ РАЙОНОВ КАЛУЖСКОЙ ОБЛАСТИ

1.1 Оценка совокупности на предмет её однородности

1.2 Построение ранжированного и интервального рядов распределения по одному группировочному факторному признаку

1.3 Анализ промежуточной аналитической группировки районов Калужской области

1.4 Анализ типических групп по показателям рынка труда по совокупности районов Калужской области

ГЛАВА 2. СТАТИСТИКО-ЭКОНОМИЧЕСКИЙ АНАЛИЗ ЕДИНИЦ СОВОКУПНОСТИ ПО ОСНОВНЫМ ПОКАЗАТЕЛЯМ

2.1 Индексный анализ

2.2 Корреляционно-регрессионный анализ

2.3 Оценка корреляционно-регрессионной модели на адекватность

ГЛАВА 3. Анализ рядов динамики методами укрупнения интервалов и скользящей средней, аналитическое выравнивание по уравнению прямой и параболы на примере Малоярославецкого района

3.1 Анализ рядов динамики

3.2 Анализ рядов динамики по уравнениям прямой и параболы

3.3 Построение прогноза и его оценка

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

Введение

Статистика труда является важной составной частью как экономической, так и социальной статистики. Её показатели, характеризующие численность и состав трудовых ресурсов, производительность труда, использование рабочего времени, уровень занятости и безработицы, условия и оплату труда, неизменно занимают одно из ведущих мест в системе статистических показателей развития экономики, народонаселения и социальных процессов, поскольку труд есть необходимое условие существования общества.

Исходя из особенностей предмета исследования, статистика труда, в отличие от статистики промышленности, статистики сельского хозяйства, статистики капитального строительства, статистики транспорта и т.д. не относится к отраслевым статистикам, она является наукой, которая исследует вопросы труда, как в отрасли, так и в целом по народному хозяйству. Статистика труда органически входит в состав социально-экономической статистики как один из важнейших её разделов.

Изучение статистики трудовых ресурсов является на сегодняшний день актуальной темой, так как функционирование трудовых ресурсов является неотъемлемой частью формирования рыночной экономики.

Движение трудовых ресурсов- неотъемлемая часть любого национального рынка труда. Все основные перемещения трудовых ресурсов, за счет исключением миграционных и естественных, происходят между тремя категориями: занятые, безработные и экономически неактивное население. В национальном статистическом учёте из всего населения выделяют, в соответствии с международными стандартами, население трудоспособного возраста ( 15-72 лет); его делят, в свою очередь, на категории экономически активного и неактивного населения; в составе активного выделяют занятых и безработных. Занятые – это наемные работники, предприниматели, самозанятые. К безработным относятся лица, активно ищущие работу в течение последних четырёх недель. Экономически неактивное население – это неработающие учащиеся и пенсионеры ( по возрасту и инвалидности), неработающие лица, получающие доходы от собственности, домохозяйки, лица, отчаявшиеся найти работу.

К трудовым ресурсам или трудоспособному населению относят всех лиц трудоспособного возраста, способных трудиться.

На практике не всегда легко отделить занятых от безработных, а также безработных от экономически неактивного населения. Согласно стандартам Международной организации труда, к безработным относятся лица от 16 лет и старше, которые в рассматриваемый период: не имеют работы в течение четырёх недель и более; занимаются поиском работы; готовы приступить к работе.

Цель курсовой работы является статистико-экономический анализ движения, наличия и использования трудовых ресурсов по районам Калужской области. При написании данной работы были поставлены следующие задачи:

– изучена сущность, система показателей и методов трудовых ресурсов;

– приведена оценка совокупности на предмет её однородности;

– построен ранжированный и интегральный ряд распределения по одному группировочному факторному признаку;

– проведён анализ промежуточной аналитической группировки типических групп;

– проведены индексный анализ и корреляционно-регрессионный анализ влияния различных факторов на трудовые ресурсы;

– проведён анализ динамики показателей методами укрупнения интервалов, скользящей средней и аналитического выравнивания по уравнению прямой и параболы.

Объектом исследования данной курсовой является совокупность районов Калужской области. Предметом статистического наблюдения при изучении трудовых ресурсов могут приниматься такие единицы как население в целом или его отдельные группы.

Для решения этих задач в работе использовались различные методы: статистические методы анализа динамических процессов, методы простой и комбинированной группировки, графический, корреляционно-регрессионный метод, индексный метод, метод экспертной оценки и другие.

При написании данной курсовой работы были использованы данные статистических сводов по районам Калужской области, учебные пособия, методические и периодические издания. Тема данного исследования является одной из наиболее обсуждаемых и популярных в периодической печати.

ГЛАВА 1. ИСПОЛЬЗОВАНИЕ МЕТОДОВ ГРУППИРОВОК В ИССЛЕДОВАНИИ ТРУДОВЫХ РЕСУРСОВ ПО СОВОКУПНОСТИ РАЙОНОВ КАЛУЖСКОЙ ОБЛАСТИ

1.1 Оценка совокупности на предмет её однородности

Существует понятие однородности статистической совокупности. Оно относительно и вовсе не означает полного соответствия всех единиц совокупности, а лишь подразумевает наличие для всех единиц совокупности основного свойства, качества, типичности. Одна и та же совокупность единиц, к примеру, может быть однородна по одному признаку и неоднородна по-другому. Однородность единиц статистической совокупности формируется под воздействием определенных внутренних причин и условий. Одинаковые для всех единиц данной совокупности причины и условия существования создают то общее, что объединяет единицы совокупности, но эти же причины и условия формируют то, что отличает одну единицу совокупности от другой. В статистической совокупности эти отличия чаще имеют количественную природу. Количественные изменения значений признака при переходе от одной единицы совокупности к другой называются вариацией. Вариация возникает под воздействием случайных, прежде всего внешних, причин.

Проверка однородности осуществляется по коэффициенту вариации:

(1.1.)

Одним из показателей, характеризующим трудовые ресурсы, является численность работающих на 1000 среднегодовых жителей. Предварительный анализ позволил установить, что на трудовые ресурсы оказывает влияние показатель численность работающих на 1000 среднегодовых жителей. Проведем анализ данного факторного показателя на однородность.

Для этого определим среднее значение признака, среднее квадратическое отклонение и показатель вариации.

Среднее значение показателя 180,5 , среднее квадратическое отклонение 36,51

, поскольку коэффициент вариации меньше 33%, то совокупность однородная.

1.2 Построение ранжированного и интервального рядов распределения по одному группировочному факторному признаку

Статистическая группировка – это расчленение изучаемой совокупности на группу и подгруппы по определённым характерным достаточным признакам для глубокого и всестороннего изучения явлений.

Чтобы дать правильное статистическое освещение собранных материалов, необходимо заранее установить перечень показателей, по которым надо получить сводные данные для характеристики исследуемых явлений.

Метод аналитических группировок считается одним из основных методов изучения связей между экономическими явлениями. Процесс установления связей начинается с группировки единиц совокупности по факторному признаку. Затем приступают к вычислению синтетических показателей (относительных и средних величин) для результативного признака по группам, на которые была разбита совокупность.

Наиболее ответственный этап группировки состоит в том, чтобы отобрать такие признаки, которые позволили бы отделить друг от друга действительно существенно отличные группы единиц. Каждая единица, каждый объект массового явления имеют много признаков. Одни из этих признаков выражают наиболее характерное в данном явлении, другие -второстепенное, поверхностное, нетипичное.

Проведем аналитическую группировку выборочной однородной совокупности, состоящей из 24 районов Калужской области.

В качестве группировочного признака возьмем коэффициент безработицы, который отражает степень неудовлетворенности спроса на оплачиваемый труд или избытка предложения рабочей силы над спросом. Это будет результативный показатель (У). На него влияют такие факторы (Х) как среднегодовая численность работающих, общая численность населения, Число людей обратившиеся по вопросу трудоустройства, число трудоустроенных, число экономически активного населения. Составим ранжированный ряд, т.е. расположим районы по коэффициенту безработицы, в возрастающем порядке. Полученные данные оформим в виде таблицы 1.1.

Таблица 1.1 Ранжированный ряд распределения районов Калужской области

№ п/п

Наименование района

Коэффициент безработицы, %

№ п/п

Наименование района

Коэффициент безработицы, %

1

Перемышльский

1

13

Ульяновский

3,1

2

Жиздринский

1,6

14

Кировский

3,3

3

Боровский

1,7

15

Козельский

3,3

4

Юхновский

1,9

16

Малоярославецкий

3,4

5

Сухиничский

2

17

Ферзиковский

3,5

6

Медынский

2,4

18

Хвастовичский

5,7

7

Жуковский

2,4

19

Барятинский

6

8

Дзержинский

2,6

20

Думиничский

6,1

9

Бабынинский

2,7

21

Людиновский

6,2

10

Куйбышевский

2,7

22

Мещовский

6,3

11

Тарусский

2,7

23

Спас-Деменский

7

12

Мосальский

2,9

24

Износовский

8,8

Для большей наглядности изобразим ранжированный ряд графически, для чего построим огиву Гальтона, в которой на оси абсцисс запишем номера районов в ранжированном ряду, а на ординате – величину группировочного признака (рисунок 1.1)

Рисунок 1.1 – Огива Гальтона распределения районов по коэффициенту безработицы

Проанализируем данные ранжированного ряда и его графика. Размах колебаний в величине группировочного признака составляет 8,8-1=7,8, а коэффициент безработицы в Износовском районе (№24) выше, чем в Перемыщльском районе (№1), в 8,8/1=8,8 раза.

Построим интервальный вариационный ряд распределения районов и запишем полученные данные в таблицу 1.1. Число групп, на которые следует разделить совокупность, определим по формуле американского ученого Стерджсса:

n=l+3,32*lgN, (1.2)

где N =24 – общая численность единиц совокупности.

Поэтому число групп составит n=l+3,32*lg 24=1+3,32*1,38=5 групп.

Для определения границ интервалов, найдем шаг интервала по формуле:

(1.3)

где Xmax – максимальное значение признака в ранжированном ряду;

Xmin -минимальное значение признака в ранжированном ряду;

n-число групп.

Хmax=8,8, а Хmin=1, значит величина интервала составит:

h= (8,8-1 ) / 5 =1,6%

Установим границы групп: для I группы верхняя граница составит – 1+1.6=2.6% , для II группы – 2.6+1.6=4.2% , для III группы-4,2+1,6=5,8%, для IV группы- 5,8+1,6=7,4%, для V группы- 7,4+1,6=9%

Таблица 1.2 – Интервальный ряд распределения районов по коэффициенту безработицы

№ группы

Границы по коэффициенту безработицы, %

Число районов

1

1 – 2,6

8

2

2,6 – 4,2

9

3

4,2 – 5,8

1

4

5,8 – 7,4

5

5

7,4 – 9

1

Итого:

24

Интервальный ряд распределения областей (таблица 1.2 и рисунок 1.2) показывает, что в совокупности преобладают районы где коэффициент безработицы от 2,6 – 4,2-9 районов.

Для наглядности изобразим интервальный ряд графически в виде гистограммы (рис. 1.2).

Интервальный ряд распределения показывает, что наибольший удельный вес в совокупности районов Калужской области занимают районы с показателем коэффициент безработицы % в пределах 2,6 – 4,2, они составляют 37,5% (Бабынинский, Куйбышевский,Тарусский, Мосальский, Ульяновский, , Кировский, Козельский, Малоярославецкий, Ферзиковский).

Как видно из таблицы 1.1 и рисунка 1.2 распределение районов не равномерно, поэтому для определения типических групп необходимо провести промежуточную аналитическую группировку. Она позволяет оценить качественные особенности каждой группы интервального ряда, объединить однородные и малочисленные группы и таким образом обеспечить переход к типологической группировке.

Рисунок 1.2 – Гистограмма распределения районов

1.3 Анализ промежуточной аналитической группировки районов Калужской области

Анализ интервального ряда позволяет сделать вывод о характере распределения единиц совокупности. Так, преобладают районы с коэффициентом безработицы 2,6-4,2%.

Необходимо применить промежуточную аналитическую группировку и обеспечить переход от нее к типологической группировке.

Проанализируем показатели, сопоставив их между собой и по группам, и решим вопрос об укрупнении групп. Все полученные итоги запишем в табл.1.3

Таблица 1.3 Сводная таблица показателей, влияющих на коэффициент безработицы

№ группы

Группы по коэффициенту безработицы

Число районов

Среднегодовая численность работающих, тыс. чел

Общая численность населения, тыс. чел

Число людей обратившихся по вопросу трудоустройства, чел

Численность трудоустроенных, чел

Численность экономически активного населения, чел

1

1 – 2,6

8

47,8

234,3

11693

8419

60908

2

2,6 – 4,2

9

44

216,3

13115

9226

57284

3

4,2 – 5,8

1

2

11

904

642

3066

4

5,8 – 7,4

5

17

87,4

13069

11027

25541

5

7,4 – 9

1

0,8

7

658

545

1131

Всего

24

111,6

556

39439

29859

147930

Величина признака каждого объекта определяется как общими для всей совокупности причинами, так и индивидуальными, часто случайными, его особенностями. При осреднении влияния индивидуальных причин взаимно погашается и в величине средней проявляется размер признака, обусловленный общими для данной совокупности условиями.

Поэтому определим показатели в среднем по группам. Мы используем среднюю арифметическую простую. То есть, суммарный показатель делим на количество районов в группе.

Таблица 1.4 Промежуточная аналитическая группировка

№ группы

Группы по коэффициенту безработицы

Число районов

Коэффициент занятости, %

Коэффициент трудоустроенности, %

Коэффициент экономически активного населения, %

1

1 – 2,6

8

98,9

76,6

25,9

2

2,6 – 4,2

9

98,1

63,4

27,0

3

4,2 – 5,8

1

97,8

71,1

27,9

4

5,8 – 7,4

5

96,8

78,8

25,8

5

7,4 – 9

1

97,3

83,3

16,6

В среднем

24

97,8

74,6

24,6

Проанализируем показатели, сопоставив их между собой по группам, и решим вопрос об укрупнении групп.

Судя по приведенным в таблице показателям видно, что группы имеют различные показатели, и поэтому мы можем обозначить их как группы: 1 группа имеет самые высокие показатели по коэффициенту занятости населения выше других, поэтому мы выделим и назовем её высшей типической группой. 2 и 3 группы имеет средние показатели по коэффициенту занятости и коэффициенту экономически активного населения , следовательно, назовем её средней типической группой. 4 и 5 группа самая малочисленная и по показателям ниже остальных, определим её в низшую типическую группу. Таким образом, в данной совокупности на основании анализа промежуточной аналитической группировки следует выделить три типические группы:

1. Высшую – 8 районов

2. Среднюю – 10 районов

3. Низшую – 6 районов

1.4 Анализ типических групп по показателям рынка труда по совокупности районов Калужской области

Проведем анализ по типическим группам. Разработаем макет групповой таблицы, в котором по типическим группам и всей совокупности областей будут представлены намеченные показатели (таблица 1.4).

Таблица 1.5 Показатели демографической ситуации в типических группах в среднем по совокупности

Показатели

Типические группы

В среднем по совокупности

высшая I

средняя II

низшая III

Число районов

8

10

6

24

Коэффициент занятости, %

12.4

19.6

32.6

21.5

Коэффициент трудоустроенности, %

9.6

13.5

27

16.7

Коэффициент экономически активного населения, %

3.2

5.5

7.1

5.3

Проанализируем показатели групповой таблицы. Оценим распределение районов по типическим группам. Как видно, с совокупности преобладают районы среднего уровня (10) , низшего и высшего – малочисленны.

Сопоставим одноименные показатели между группами. Сравним крайние группы. Коэффициент занятости районов I группы меньше, чем в III группе на 32,6 – 12,4= 20,2% или в 2,6 раза; коэффициент трудоустроенности районов I группы меньше, чем в III группе на 27 – 9,6 = 17,4 %. или в 2,8 раза; коэффициент экономически активного населения районов I группы меньше, чем в III группе на 7,1- 3.2 = 3,9% или в 2,2 раза;

Сопоставим далее показатели II и III групп. Коэффициент занятости в районах II группы меньше, чем в III группе на 32,6 – 19,6 = 13% или в 1,6 раза; коэффициент трудоустроенности II группы меньше, чем в III группе на 27 – 13,5 = 13,5 или в 2 раза; коэффициент экономически активного населения в районах II группы меньше, чем в III группе на 7,1 – 5,5 = 1,6 руб. или в 1,3 раза.

ГЛАВА 2. СТАТИСТИКО-ЭКОНОМИЧЕСКИЙ АНАЛИЗ ЕДИНИЦ СОВОКУПНОСТИ ПО ОСНОВНЫМ ПОКАЗАТЕЛЯМ

2.1 Индексный анализ

Индексы-показатели особого рода. Прежде всего, это относительные величины, характеризующие динамику явлений.

Индексом называется относительная величина, характеризующая изменение сложных экономических явлений по времени и в пространстве и в то же время уровень планового задания и степень выполнения плана.

Индексы используются для сравнения, как сложных совокупностей, так и отдельных их единиц.

Построение индексов заключается в сведении разнородных элементов сложных явлений к сопоставимому виду и сравнении уровней явлений, относящихся либо к различным периодам времени, либо к плановому заданию и фактическому его выполнению, либо к разным территориям.

Главная задача индексного анализа состоит в определении степени влияния факторных изменений значения осредненного показателя и изменений структуры явления. Решается эта задача путем построения системы взаимосвязанных индексов. В разработке системы интегральных показателей большая роль принадлежит работам ученых-статистиков: К. Гатева, Л.С. Казинца, В.М. Рябцева, А. Салаи и др. К наиболее распространенным сводным показателям относятся следующие:

Индекс структурных сдвигов А. Салаи

Интегральный коэффициент К. Гатева:

Критерий В.М.Рябцева:

,

где d0 и d1 – относительные величины низшей и высшей типических групп;

n – число областей в группах

Таблица 2.1 Расчет обобщающих структурных сдвигов

Показатели

низшая

высшая

((d1-d0)/ (d1+d0))2

(d1-d0)2

(d1+d0)2

?d12 + ?d02

d0

d1

Коэффициент занятости,%

32,6

12,4

0,201601

408.04

2025

1216.52

Коэффициент трудоустроенности,%

27

9,6

0,225625

302.76

1339.56

821.16

Коэффициент экономически активного населения, %

7,1

3,2

0,143641

15.21

106.09

60.65

Итого

66.7

25.2

0,570867

726.01

3470.65

2098.33

В результате расчетов получим систему обобщающих показателей структурных сдвигов (таблица 2.2).

Таблица 2.2. Вывод итогов расчета обобщающих показателей

Индексы

Значения

Салаи

0,436221

Гатеев

0,588213

Рябцев

0,457362

Результаты расчетов можно проверить на правильность, используя соотношение, предложенное В.М.Рябцевым: при числе наблюдений больше двух всегда I Рябцева< K Гатеева < I Салаи

Индекс Салаи и интегральный коэффициент структурных различий (Гатеева) варьируются в пределах 0 и 1. Чем ближе к 0, тем меньше различия между признаками, чем ближе к 1, тем ощутимее различия между признаками в структуре. Исходя из полученных данных можно сделать вывод, что различия в структуре высшей и низшей группах не значительны.

Достоинством критерия Рябцева является то, что он не зависит от числа градаций статистической совокупности. Для интерпретации результатов можно воспользоваться интервалами «шкалы» оценки мер существенности различий структур (таблица 2.3).

Таблица 2.3 Шкала оценки меры существенности различий структур по критерию В.М.Рябцева.

Интервалы значений критерия

Характеристика меры структурных различий

0,000-0,030

Тождественность структур

0,031-0,070

Весьма низкий уровень различий

0,071-0,150

Низкий уровень различий

0,151-0,300

Существенный уровень различий

0,301-0,500

Значительный уровень различий

0,501-0,700

Весьма значительный уровень различий

0,701-0,900

Противоположный тип структур

0,901 и выше

Полная противоположность

Исходя из полученных данных можно сделать вывод, что структура доходов населения в высшей и низшей группах имеют значительный уровень различий.

2.2 Корреляционно-регрессионный анализ

Изучение связи между экономическими явлениями, раскрытие причинно-следственного механизма – важнейшая задача статистики. Для исследования интенсивности, вида и формы причинных влияний широко применяется корреляционный и регрессионный анализ. Понятия «корреляции» и «регрессии» непосредственно связаны между собой. Однако в корреляционном анализе оценивается сила (теснота) связи между явлениями, в регрессионном исследуется ее форма.

Сначала установим результативный (у) и факторные признаки (х1..хn):

У – количеством трудоустроенных на 1000 работающих (чел) (гр.14 фишки);

Х1 – коэффициентом экономически активного населения (%) (гр.11);

Х2 – , коэффициентом трудоустроенности (%) (гр.15);

Х3 – численностью работающих на 1000 среднегодовых жителей (чел) (гр.13).

Связь между результативным признаком и факторными выражают через уравнение множественной корреляции, которое может быть представлено в следующем виде:

где – результативный признак,

x1-x3 – факторные признаки,

а1-а3 – коэффициенты линейной регрессии

a0 – коэффициент, определяющий начало отсчёта при x1= x2=х3= 0.

Вычислим коэффициенты парной корреляции (таблица 3.1), которые могут принимать любые значения в пределах от -1 до +1 , чем ближе коэффициент корреляции по абсолютной величине к 1 , тем теснее связь между ними. Если с увеличением значений факторного признака x, результативный признак y имеет тенденцию к увеличению, то величина коэффициента корреляции будет находиться между 0 и 1.

Связь средней силы между определённой долей пожилого населения наблюдается с каждым факторным признаком, так как .

Таблица 2.4 Матрица коэффициентов парной корреляции

Столбец 1

Столбец 2

Столбец 3

Столбец 4

Столбец 1

1

Столбец 2

-0,652778667

1

Столбец 3

0,43776214

-0,102405951

1

Столбец 4

-0,525460985

0,641835712

-0,29863

1

Полученные линейные коэффициенты корреляции свидетельствуют о том, что количеством трудоустроенных на 1000 работающих (чел), имеет более сильную связь с показателем коэффициент экономически активного населения (%) (r=0, 652778667), среднюю связь с численностью работающих на 1000 среднегодовых жителей (чел) (r=0, 525460985), и малую связь с показателем коэффициент трудоустроенности (%) (r=0, 43776214).

Далее необходимо найти коэффициенты множественной корреляции и детерминации (таблица 2.4).

Таблица 2.5-Коэффициенты множественной корреляции и детерменации

Регрессионная статистика

Множественный R

0,752226836

R-квадрат

0,565845213

Нормированный R-квадрат

0,500721995

Стандартная ошибка

101,5640549

Наблюдения

24

Коэффициент множественной корреляции (множественный R) измеряет одновременное влияние факторных признаков на результативный, а так как он равен 0,75 то между признаками наблюдается сильная связь. Коэффициент множественной детерминации (R-квадрат) показывает, на сколько процентов изменение результата обусловлено изменением фактора. R-квадрат равен 0,565845213, что означает, что вариация количества трудоустроенных на 1000 работающих 56,6% характеризуется влиянием отобранных факторов, а 43,4% – другими неучтёнными и случайными причинами.

Уравнение регрессионной зависимости определённого количества трудоустроенных на 1000 работающих от факторных признаков х1-х3 имеет вид:

Y = 299,313696+(-19,80604346)X1 + 5,860164498X2+(-0,138637667)Х3

Свободный член уравнения а0=299,313 интерпретации не подлежит. Коэффициент чистой регрессии а1=-19,8060 показывает, что в данной совокупности при увеличении коэффициента экономически активного населения на 1%, количество трудоустроенных на 1000 работающих уменьшится на 19 человек, при условии, что другие факторы постоянны. Коэффициент а2=5,860 показывает, что в данной совокупности при увеличении коэффициента трудоустроенности на 1%, количество трудоустроенных на 1000 работающих увеличится на 6 человек, при условии, что другие факторы постоянны. Коэффициент а3=-0,1386 показывает, что в данной совокупности при увеличении численности работающих на 1000 среднегодовых жителей на одного человека, количество трудоустроенных на 1000 работающих уменьшится на 0,14 человек, при условии, что другие факторы постоянны.

Для того, чтобы оценить тесноту связи между количеством трудоустроенных на 1000 работающих, коэффициентом экономически активного населения, коэффициентом трудоустроенности, численностью работающих на 1000 среднегодовых жителей, необходимо рассчитать парные линейные коэффициенты корреляции (R01, R02, R03).

Нам видно, что R01 = -0,65, R02 = 0,4, R03 = -0,53. Анализируя приведенные данные можно сделать вывод о том, что связь между количеством трудоустроенных на 1000 работающих, коэффициентом экономически активного населения, коэффициентом трудоустроенности, численностью работающих на 1000 среднегодовых жителей средняя, т.к 0,4<R0i<0,7.

Прямое сравнение коэффициентов регрессии в уравнении множественной регрессии дает представление о степени влияния факторных признаков на результативный признак только тогда, когда они выражаются в одинаковых единицах и имеют примерно одинаковую колеблемость. Чтобы сделать коэффициенты регрессии сопоставимыми, применяются коэффициенты Вi.

Коэффициент Bi показывает величину изменения результативного признака в значениях средней квадратической ошибки при изменении факторного признака Xi на одну среднеквадратическую ошибку:

вi =аi * (уi1 / у0)

где аi – коэффициент чистой регрессии по I – ому фактору;

уxi – среднеквадратическое отклонение факторного признака xi;

уx0 – среднеквадратическое отклонение результативного признака y.

Так как коэффициенты линейной регрессии нам известны, то можем рассчитать В – коэффициенты.

В результате получим:

в1 = -0,54, в2= 0,34, в3= -0,03.

Таким образом в-коэффициенты показывают, что, если каждый из факторов изменится на своё среднее квадратическое отклонение, то количество трудоустроенных на 1000 работающих под воздействием коэффициента экономически активного населения уменьшится на 0,54 своего среднеквадратического отклонения, коэффициента трудоустроенности увеличится на 0,34 и под воздействием численности работающих на 1000 среднегодовых жителей уменьшится на 0,03.

Помимо в-коэффициентов, рассчитывают еще коэффициенты эластичности Эi, которые показывают, на сколько процентов изменится результативный показатель при изменении факторного на 1%.

где – коэффициенты чистой регрессии;

– среднее значение факторного признака;

– среднее значение результативного признака.

Получим следующие результаты:

Э1=-2,48, Э2=2,16, Э3= -0,12.

Коэффициенты эластичности показывают, что при увеличении коэффициента экономически активного населения на 1%, количество трудоустроенных на 1000 работающих уменьшится на 2,48%, при увеличении коэффициента трудоустроенности на 1% увеличится на 2,16%, а при увеличении численности работающих на 1000 среднегодовых жителей количество трудоустроенных на 1000 работающих уменьшится на 0,12%.

Рассчитаем коэффициенты отдельного определения, которые показывают вклад каждого фактора в вариацию изучаемого признака.

d1=в1*r01, d2= в2*r02, d3=в3*r03 ,

где в – бета-коэффициент;

r – коэффициенты парной корреляции.

Получим следующие результаты:

d1=0,35, d2=0,15, d3=0,017.

Коэффициенты отдельного определения показывают, что вклад коэффициента экономически активного населения 0,35, коэффициента трудоустроенности 0,15, а численности работающих на 1000 среднегодовых жителей 0,017.

Корреляционный анализ данных проведен при помощи пакета Microsoft Excel (приложение В).

2.3 Оценка корреляционно-регрессионной модели на адекватность

Для практического использования корреляционно-регрессионных моделей большое значение имеет их адекватность, т.е. соответствие фактическим статистическим данным.

Корреляционный и регрессионный анализ обычно проводится для ограниченной по объёму совокупности. Поэтому показатели регрессии и корреляции – параметры уравнения регрессии, коэффициенты корреляции и детерминации могут быть искажены действием случайных факторов. Чтобы проверить, насколько эти показатели характерны для всей генеральной совокупности, не являются ли они результатом стечения случайных обстоятельств, необходимо проверить адекватность построенных статистических моделей.

Регрессионный анализ позволяет проверить гипотезы значимости уравнения в целом на основе критерия F-Фишера и каждого из коэффициентов чистой регрессии – по критерию t-Стьюдента.

Таблица 2.6 Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

3

268882,8552

89627,6184

8,688839871

0,000684651

Остаток

20

206305,1448

10315,25724

Итого

23

475188

По данным таблицы 2.6 полученное уравнение в целом значимо: F-критерий Фишера равный 8,6 значим уже при 0,00068, или 0,068%. Следовательно, влияние факторов, включенных в модель, на среднедушевые денежные доходы населения (в месяц) достоверно.

Аналогично проверим значимость каждого из коэффициентов чистой регрессии.

Таблица 2.7 Коэффициенты регрессии

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Y-пересечение

299,313696

248,132978

1,206263264

0,24179204

-218,2826248

816,9100168

Переменная X 1

-19,80604346

6,474533939

-3,059068599

0,006193076

-33,31168456

-6,300402367

Переменная X 2

5,860164498

2,487863233

2,355501066

0,02881763

0,670572746

11,04975625

Переменная X 3

-0,138637667

0,777512524

-0,178309239

0,860273882

-1,760500367

1,483225034

В полученной модели значим каждый из коэффициентов чистой регрессии: t1= – 3,059; P-значение = 0,006193, или 0,6%; t2=2,36, P-значение = 0,028817, или 2,8%; t3= 0,1783, P-значение = 0,86027, или 86,02%; Следовательно, полученные закономерности в результате интерпретации x1, x2, x3 можно распространять на всю генеральную совокупность.

Исходя из того, что значения значимости F и t намного меньше, чем значения F-критерия и t-критерия, можно сделать вывод о том, что модель адекватна.

ГЛАВА 3. Анализ рядов динамики методами укрупнения интервалов и скользящей средней, аналитическое выравнивание по уравнению прямой и параболы на примере Малоярославецкого района

3.1 Анализ рядов динамики

Один из наиболее простых приемов обнаружения общей тенденции развития явления – укрупнение интервала динамического ряда. Смысл приема заключается в том, что первоначальный ряд динамики преобразуется и заменяется другим, показатели которого относятся к большим по продолжительности периодам времени. Различают динамические ряды абсолютных и относительных показателей. Исходные показатели, непосредственно отражающие размеры изучаемого явления, называются уровнями ряда динамики.

В данном случае для выравнивания ряда динамики мы используем метод укрупнения периодов и метод скользящий средней. Первый метод позволяет погасить случайные колебания признака, благодаря чему новый динамический ряд средних по укрупнённым периодам отражает тенденции исходного динамического ряда. Второй метод предполагает последовательный расчет средних за периоды, сдвигаемые на одну дату. При этом достигается взаимное погашение случайных колебаний отдельных уровней динамического ряда. Полученный ряд средних характеризует закономерные изменения уровня от одной даты к другой, проявляя тем самым тенденцию развития явлений.

Выявление основной тенденции может быть осуществлено также методом скользящей средней. Для определения скользящей средней формируются укрупненные интервалы, состоящие из одинакового числа уровней. Каждый последующий интервал получается постепенным продвижением от начального уровня динамического ряда на один уровень. Таким образом, интервал сглаживания как бы скользит по динамическому ряду с шагом, равным единице.

Выявим общую тенденцию развития рассмотренных ранее признаков методом укрупнения интервалов и скользящих средних. Рассчитаем средние по трёхлетним периодам. Для этого используем программу «Динамика».

Весь период исследования составляет 10 лет. Полученные средние по скользящим и средние скользящие занесём в таблицу 3.1 и 3.2.

Данный метод заключается в отыскании уравнения кривой, которая наиболее точно отражала бы основную тенденцию изменения уравнений в зависимости от времени (t). Уравнение, выражающее уровни динамического ряда в виде некоторой функции времени (t) называют трендом. Параметры уравнения находят способом наименьших квадратов. Этот приём выравнивания, как и другие приёмы, следует применять в сочетании с методом укрупнения периодов.

Для данной курсовой работы были взяты: численность безработных на 1000 работающих и численность работающих на 1000 среднегодовых жителей.

Таблица 3.1 Динамика численности безработных на 1000 работающих

Годы

Факт

Укрупнение

Скользящая

МНК по прямой

МНК по параболе

Откл. по прямой

Откл. по параболе

2000

17,00

16,72

16,47

0,28

0,53

2001

14,00

33,00

15,67

16,25

16,17

-2,25

-2,17

2002

16,00

14,67

15,79

15,83

0,21

0,17

2003

14,00

17,00

15,33

15,45

-1,33

-1,45

2004

21,00

47,00

16,33

14,86

15,04

6,14

5,96

2005

14,00

15,33

13,94

14,11

0,06

-0,11

2006

11,00

12,33

13,47

13,59

-2,47

-2,59

2007

12,00

49,00

11,00

13,01

13,04

-1,01

-1,04

2008

10,00

12,33

12,55

12,46

-2,55

-2,46

2009

15,00

12,08

11,84

2,92

3,16

Полученные результаты показывают, что от первого периода к третьему периоду происходит также увеличение. Так в 2003-2005гг. изменение среднедушевых денежных доходов по сравнению с 2000 – 2002 гг. составляет: 47,00 – 33,00 = 14,00, а по сравнению с 2006 – 2009 гг. 49,00 – 47,00 = 2,00.

Аналогично проведем анализ по следующиму показателю: численность работающих на 1000 среднегодовых жителей.

Таблица 3.2 Динамика численности работающих на 1000 среднегодовых жителей.

Годы

Факт

Укрупнение

Скользящая

МНК по прямой

МНК по параболе

Откл. по прямой

Откл. по параболе

2000

311,00

304,50

309,80

6,50

1,20

2001

306,00

881.00

305,67

303,20

305,09

2,80

0,91

2002

300,00

301,33

301,90

301,14

-1,90

-1,14

2003

298,00

295,67

300,60

297,95

-2,60

0,05

2004

289,00

886.00

295,33

299,30

295,52

-10,30

-6,52

2005

299,00

294,33

296,70

292,92

2,30

6,08

2006

295,00

295,33

295,40

292,75

-0,40

2,25

2007

292,00

917.00

293,67

294,10

293,34

-2,10

-1,34

2008

294,00

294,00

292,80

294,69

1,20

-0,69

2009

296,00

291,50

296,80

4,50

-0,80

Полученные результаты показывают, что от первого периода к третьему периоду происходит также увеличение. Так в 2003-2005гг. изменение среднедушевых денежных доходов по сравнению с 2000 – 2002 гг. составляет: 886,00 – 881,00 = 5,00, а по сравнению с 2006 – 2009 гг. 917,00 – 886,00 =31,00.

3.2 Анализ рядов динамики по уравнениям прямой и параболы

Анализ рядов динамики по уравнениям прямой и параболы заключается в отыскании уравнения кривой, которая наиболее точно отражала бы основную тенденцию изменения уровней в зависимости от времени. Выравнивание ряда по уравнению прямой линии. Для этого проанализируем таблицы 3.3 и 3.4.

Таблица 3.3 Расчетные данные по численности безработных на 1000 работающих

Остаточное СКО по прямой 2,58

Остаточное СКО по параболе 2,58

F критерий 1,00

Уравнение прямой y = 14,40 – 0,46t

Уравнение параболы y = 14,59 – 0,46t -0,02t^2

Таблица 3.4 Расчетные данные по численности работающих на 1000 среднегодовых жителей

Остаточное СКО по прямой 4,45

Остаточное СКО по параболе 3,02

F критерий 1,48

Уравнение прямой y = 298,00 – 1,30t

Уравнение параболы y = 293,84 – 1,30t + 0,38t^2

На основе расчетов полученных на ЭВМ можно составить уравнение прямой по численности безработных на 1000 работающих:

yt=a+b*t,

где a и b -параметры уравнения;

t – значение дат.

Уравнение линейного тренда для численности безработных на 1000 работающих y = 14,40 – 0,46t, где

a=14,40 – это среднее значение численности безработных на 1000 работающих за динамику лет;

b=-0.46 – это среднее увеличение численности безработных на 1000 работающих в год.

Уравнение линейного тренда для численности работающих на 1000 среднегодовых жителей:

y = 298,00 – 1,30t,

где a = 298,00 – это средняя численность работающих на 1000 среднегодовых жителей за динамику лет;

b = 1,30 -это среднее снижение численности работающих на 1000 среднегодовых жителей в год.

Подставим в полученные уравнения соответствующие значения ti и рассчитаем сглаженные уровни.

Колебания фактических значений вышеуказанных показателей около прямой составляют соответственно:

a) 2,58 или 2,58 *100/14,40=17,9% по отношению к средней;

b) 4,45 или 4,45*100/298,00=1,49% по отношению к средней;

Проведем далее выравнивание ряда по уравнению параболы второго порядка:

=a+b*t+c*,

Выравнивание ряда по уравнению параболы второго порядка.

Уравнения параболы для численности безработных на 1000 работающих:

y = 14,59 – 0,46t – 0,02t^2,

a=14.59- это выровненный уровень численности безработных на 1000 работающих для центрального года динамического ряда;

b=0.46 – среднее увеличение численности безработных на 1000 работающих за год;

c=0,02 – показывает ускорение увеличения численности безработных на 1000 работающих.

Уравнения параболы для численности работающих на 1000 среднегодовых жителей

y =293,84 – 1,30t + 0,38t^2, где

a=298,84 – это выровненный уровень численности работающих на 1000 среднегодовых жителей для центрального года динамического ряда;

b=-1,30 – среднее снижение численности работающих на 1000 среднегодовых жителей за год;

c=0,38 – показывает ускорение увеличения численности работающих на 1000 среднегодовых жителей.

Случайные колебания фактических значений для численности безработных на 1000 работающих: 2,58*100/14,59 =17,9% против 17,5% при выравнивании по прямой. Следовательно, парабола точнее воспроизводит характер изменения среднедушевых денежных доходов за исследуемый период.

Случайные колебания фактических значений для численности работающих на 1000 среднегодовых жителей составляют: 3,02*100/293,84 =1,02% против 1,49% при выравнивании по прямой. Следовательно, парабола точнее воспроизводит характер изменения числа браков за исследуемый период.

3.3 Построение прогноза и его оценка

Под прогнозом понимается научно обоснованное описание возможных состояний объектов в будущем, а также альтернативных путей и сроков достижения этого состояния. Сам процесс разработки прогнозов называется прогнозированием. Прогнозирование (от греч. prognosis – знание наперед) – это вид познавательной деятельности человека, направленной на формирование прогнозов развития объекта на основе анализа тенденций его развития.

Задачи экономико-статистического прогнозирования: выявление перспектив ближайшего или более отдаленного будущего в исследуемой области на основе реальных процессов действительности: выработка оптимальных тенденций и перспективных планов с учетом составленного прогноза и оценки принятого решения с позиций его последствий в прогнозируемом периоде.

Большая часть статистических методов прогнозирования основана на построении тренда, то есть математического уравнения, описывающего поведение прогнозируемого показателя.

На основе рассчитанного в программе «Динамика» уравнения прямой рассчитаем прогнозное значение показателя на 2011 год .

Рассчитаем прогноз на 2011: ?10=14,40-0,46*12 = 8.88

Рассчитаем прогноз на 2011 год по валовому региональному продукту на душу населения, руб. В ходе выравнивания исходного ряда динамики мы получили следующее уравнение тренда: y = 298,00 – 1,30t.

Рассчитаем прогноз на 2011: ?10=298,00-1,30*12 =282.4.

ВЫВОДЫ И ПРЕДЛОЖЕНИЯ

Изучив данную тему, целью которой является статистико-экономический анализ рынка труда по совокупности районов Калужской области и, рассчитав необходимые показатели, можно сделать следующие выводы:

При построении ранжированного ряда по признаку — коэффициент безработицы, видно, что в совокупности районов Калужской области имеются большие различия в значениях группировочного признака – от 1 до 8.8%, то есть 7.8%, а при построении интервального вариационного ряда по данному признаку было получено 5 интервалов (по 8, 9, 1, 5, 1 района в каждом интервале соответственно).

По результатам аналитической группировки 24 района Калужской области были выделены 3 типические группы: выше среднего уровня (10), среднего уровня (8 районов), ниже среднего уровня (6 районов). Коэффициент трудоустроенности в районах 1 группы по сравнению с другими группами выше.

Корреляционно-регрессионный анализ зависимости количества трудоустроенных на 1000 работающих, коэффициента экономически активного населения, коэффициента трудоустроенности, численности работающих на 1000 среднегодовых жителей по всей совокупности районов показал, что между результативным и факторными признаками существует достаточно тесная связь, а на изменение количества трудоустроенных на 1000 работающих наибольшее влияние оказывает численность работающих на 1000 среднегодовых жителей.

Индексный метод анализа показал, что интенсивность структурных сдвигов в структуре показателей трудоустроенности по индексу Салаи средняя, а по индексу Гатева – слабая.

При выявлении тенденций в рядах динамики, метод укрупнения интервалов показал, что за выделенные нами периоды (пятилетия) произошло снижение численности безработных на 1000 работающих и также уменьшение численности работающих на 1000 среднегодовых жителей по Малоярославецкому району.

При выравнивании динамического ряда по методу наименьших квадратов по численности безработных на 1000 работающих остаточное среднее квадратическое отклонение, полученное при выравнивании по параболе, несколько меньше, чем, остаточное среднее квадратическое отклонение при выравнивании по уравнению прямой. Следовательно, парабола точнее воспроизводит характер изменения численности безработных на 1000 работающих за исследуемый период. Аналогичный вывод можно сделать и при выравнивании динамического ряда по методу наименьших квадратов по численности работающих на 1000 среднегодовых жителей.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Зинченко А.П. Практикум по общей теории статистики и с/х статистике. М.: Финансы и статистика, 1988. – 327 стр.;

2. А.М. Годин Статистика учебник. Москва 2003-54стр,118 стр, 250 стр;

3. Громыко Г.Л. Теория статистики. Учебник, 2-ое издание. М.:Инфра-М, 2005. – 474 стр.;

4. Давыдова Л. А. Теория статистики. Учебное пособие. М.: Проспект, 2005. – 155 стр.;

5. Ефимова Е. П. Общая теория статистики. Учебник, 2-ое издание. М.: Инфра-М, 2005. – 415 стр.;

6. Сайт федеральной службы статистики www.gks.ru

7. Статистический сборник Калужской области

8. Сайт Территориальный орган федеральной службы государственной статистики по Калужской области

ФИШКИ (часть 1)

№пп

Районы

№ показателя

1

2

3

4

5

6

1

Бабынинский

5

0,2

43,7

22,7

159

117

2

Барятинский

0,8

10,9

1,4

5,3

81

78

3

Боровский

11,7

2,1

51,6

55,8

228

204

4

Дзержинский

13,8

7,8

33,8

59,8

440

435

5

Думиничский

2,2

3,9

22,8

15,1

230

216

6

Жиздринский

1,6

2,4

0,7

10,8

49

45

7

Жуковский

8,3

10,8

16,2

45,4

252

239

8

Износовский

0,8

0

1,2

7

99

95

9

Кировский

10

1,2

29,8

43,3

468

411

10

Козельский

9,1

4,8

30,9

41

372

336

11

Куйбышевский

1,3

13,7

2,1

8,2

55

50

12

Людиновский

10,9

0,5

51

45,9

976

872

13

Малоярославецкий

11,2

9

38,6

53,3

570

545

14

Медынский

3,2

15,7

33,2

13,1

82

76

15

Мещовский

1,7

7

11,7

12,2

162

152

16

Мосальский

1,3

0,5

0,9

8,9

84

73

17

Перемышльский

2

21,6

8,4

11,9

26

20

18

Спас-Деменский

1,4

8,7

0,8

8,9

145

140

19

Сухиничский

5,1

3,2

18,6

24,7

154

93

20

Тарусский

2,4

1,1

14,4

15

95

93

21

Ульяновский

1,1

3,8

0,7

7,6

51

43

22

Ферзиковский

2,6

17,1

11,8

16,3

123

103

23

Хвастовичский

2

15,7

8,2

11

175

171

24

Юхновский

2,1

6,9

0,8

12,8

56

49

Фишки (часть2)

№ п/п

Районы

№ показателя

7

8

9

10

11

12

1

Бабынинский

796

572

14985,2

5988

26,4

32

2

Барятинский

453

394

12119,2

1357

25,6

101

3

Боровский

2810

1655

19705,3

13795

24,7

19

4

Дзержинский

2914

1838

14581,1

16850

28,2

32

5

Думиничский

684

512

10653,7

3731

24,7

105

6

Жиздринский

408

310

10873,9

3057

28,3

31

7

Жуковский

1932

1594

18112,6

10641

23,4

30

8

Износовский

658

545

13079,4

1131

16,6

124

9

Кировский

3403

2398

13888,6

14109

32,6

47

10

Козельский

1938

1502

12381,7

11395

27,8

41

11

Куйбышевский

346

240

10404,9

2043

25,1

42

12

Людиновский

10371

8993

11378,1

15824

34,5

90

13

Малоярославецкий

3355

2086

16160,8

16876

31,7

51

14

Медынский

734

536

14114,5

3463

26,4

26

15

Мещовский

818

644

10846,7

2572

21,1

95

16

Мосальский

810

683

11734,1

2853

32,1

67

17

Перемышльский

792

727

12002,1

2617

22,1

13

18

Спас-Деменский

743

484

10132,5

2057

23,1

104

19

Сухиничский

928

707

12562

7551

30,6

30

20

Тарусский

906

655

13359,1

3468

23,1

40

21

Ульяновский

591

410

10888,9

1650

21,7

46

22

Ферзиковский

970

680

12103,3

3533

21,7

47

23

Хвастовичский

904

642

10246,1

3066

27,9

88

24

Юхновский

1175

1052

10967,5

2934

23,1

27

Фишка ( часть 3)

№ п/п

Районы

№ показателя

13

14

15

16

17

1

Бабынинский

220

119,00

72,2

2,7

98,6

2

Барятинский

151

302,00

87

6

95,9

3

Боровский

210

115,00

59

1,7

99,3

4

Дзержинский

231

158,00

63,1

2,6

99,1

5

Думиничский

146

227,00

75,6

6,1

96,5

6

Жиздринский

148

130,00

76,8

1,6

98,2

7

Жуковский

183

136,00

82,6

2,4

98,7

8

Износовский

114

714,00

83,3

8,8

97,3

9

Кировский

231

136,00

70,4

3,3

97,1

10

Козельский

222

96,00

78,1

3,3

98,3

11

Куйбышевский

159

197,00

69,4

2,7

97,9

12

Людиновский

237

137,00

87,1

6,2

97,3

13

Малоярославецкий

210

117,00

62,2

3,4

99

14

Медынский

244

162,00

73

2,4

98,2

15

Мещовский

139

136,00

79,3

6,3

97,2

16

Мосальский

146

105,00

84,3

2,9

98,1

17

Перемышльский

168

342,00

92

1

99,4

18

Спас-Деменский

157

144,00

65,1

7

97,2

19

Сухиничский

206

71,00

76,2

2

99,3

20

Тарусский

160

260,00

72,3

2,7

98

21

Ульяновский

145

191,00

69,4

3,1

97

22

Ферзиковский

160

286,00

70,1

3,5

99

23

Хвастовичский

181

105,00

71,1

5,7

97,8

24

Юхновский

164

474,00

90,3

1,9

98,9

Ключи к фишкам

1. Среднегодовая численность работающих, тыс. чел 2010 год

2. Среднегодовая численность работающих в сельском хозяйстве, охота и лесное хозяйство (в процентах от общей численности) 2010 год

3.Среднегодовая численность работающих в обрабатывающих производствах (в процентах от общей численности) 2010 год

4.Численность населения, на начало года, тыс. человек 2010 год.

5. Общая численность безработных (на конец года, чел) 2010 год

6. Численность граждан, которым назначено пособие по безработице, чел 2010 год

7. Численность граждан, обратившихся по вопросу трудоустройства, чел

8. Общая численность трудоустроенных, чел

9. Среднемесячная номинальная заработная плата работников организаций, рублей 2010 год.

10. Численность экономически активного населения, чел

11. Коэффициент экономически активного населения, %

12. Численность безработных на 1000 работающих, чел

13. Численность работающих на 1000 среднегодовых жителей, чел

14. Количество трудоустроенных на 1000 среднегодовых жителей, чел

15. Коэффициент трудоустроенности, %

16. Коэффициент безработицы, %

17. Коэффициент занятости,%

ПРИЛОЖЕНИЕ А

Количество трудоустроенных на 1000 работающих, чел

Коэффициент экономически активного населения, %

Коэффициент трудоустроенности, %

Численность работающих на 1000 среднегодовых жителей, чел

Количество трудоустроенных на 1000 работающих, чел

1

Коэффициент экономически активного населения, %

-0,652778667

1

Коэффициент трудоустроенности, %

0,43776214

-0,102405951

1

Численность работающих на 1000 среднегодовых жителей, чел

-0,525460985

0,641835712

-0,29863

1

ПРИЛОЖЕНИЕ Б

Регрессионная статистика

Множественный R

0,752226836

R-квадрат

0,565845213

Нормированный R-квадрат

0,500721995

Стандартная ошибка

101,5640549

Наблюдения

24

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

3

268882,8552

89627,6184

8,688839871

0,000684651

Остаток

20

206305,1448

10315,25724

Итого

23

475188

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Y-пересечение

299,314

248,132978

1,20626326

0,241792

-218,2826

816,91002

Коэффициент экономически активного населения, %

-19,806

6,474533939

-3,0590686

0,006193

-33,31168

-6,300402

Коэффициент трудоустроенности, %

5,86016

2,487863233

2,35550107

0,028818

0,6705727

11,049756

Численность работающих на 1000 среднегодовых жителей, чел

-0,13864

0,777512524

-0,1783092

0,860274

-1,7605

1,483225

ПРИЛОЖЕНИЕ В

Количество трудоустроенных на 1000 работающих, чел

Коэффициент экономически активного населения, %

Коэффициент трудоустроенности, %

Численность работающих на 1000 среднегодовых жителей, чел

119,00

26,4

72,2

220

302,00

25,6

87

151

115,00

24,7

59

210

158,00

28,2

63,1

231

227,00

24,7

75,6

146

130,00

28,3

76,8

148

136,00

23,4

82,6

183

714,00

16,6

83,3

114

136,00

32,6

70,4

231

96,00

27,8

78,1

222

197,00

25,1

69,4

159

137,00

34,5

87,1

237

117,00

31,7

62,2

210

162,00

26,4

73

244

136,00

21,1

79,3

139

105,00

32,1

84,3

146

342,00

22,1

92

168

144,00

23,1

65,1

157

71,00

30,6

76,2

206

260,00

23,1

72,3

160

191,00

21,7

69,4

145

286,00

21,7

70,1

160

105,00

27,9

71,1

181

474,00

23,1

90,3

164

207,3157895

25,94210526

76,47368421

180,5

153,492346

4,207019184

8,797220797

36,51483717

299,313696

-19,80604346

5,860164498

-0,138637667

-0,652778667

0,43776214

-0,525460985

-2,478395233

2,161670225

-0,120705224

-0,542857067

0,335867959

-0,032981005

0,354365513

0,147030277

0,017330231

20,44782355

Валерий Некрасов
Валерий Некрасов
Более 15 лет назад окончил РУДН, факультет физико-математических и естественных наук. По специальности работаю 10 лет – я преподаватель, моя научная степень кандидат наук. Написал 8 научных статей и в данный момент работаю над диссертацией. В свободное время работаю на этом сайте, помогаю студентам с курсовыми и дипломными. Люблю свою работу за то, что учащиеся благодарны за подаренные знания.
Поделиться курсовой работой:
Поделиться в telegram
Поделиться в whatsapp
Поделиться в skype
Поделиться в vk
Поделиться в odnoklassniki
Поделиться в facebook
Поделиться в twitter
Похожие статьи
Раздаточный материал для дипломной работы образец

Когда студент выходит на защиту перед экзаменационной комиссией, ему требуется подготовить все необходимые материалы, которые могут повысить шансы на получение высокого балла. Один из таких

Читать полностью ➜
Задание на дипломную работу образец заполнения

Дипломная — это своеобразная заключительная работа, которая демонстрирует все приобретенные студентом знания во время обучения в определенном вузе. В зависимости от специализации к исследовательским работам

Читать полностью ➜