Статистический анализ и прогнозирование инвестиционного рынка Хабаровского края

Статистическое изучение инвестиционного климата Хабаровского края; влияние социально-экономических процессов на инвестиции. Моделирование и прогнозирование инвестирования в основной капитал на основе корреляционно-регрессионного и кластерного анализа.

Рубрика Экономика и экономическая теория
Вид курсовая работа
Язык русский
Дата добавления 24.06.2012
Размер файла 101,5 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

КУРСОВАЯ РАБОТА

по теме:

Статистический анализ и прогнозирование инвестиционного рынка Хабаровского края

Содержание

Введение

1. Статистическое изучение инвестиционного климата Хабаровского края

2. Выделение тренда притока инвестиций в основной капитал методом простых скользящих и экспоненциальных средних

3. Построение прогноза медианы ожидаемого потока инвестиций в основной капитал Хабаровского края при однофакторном прогнозировании

4. Моделирование и прогнозирование притока инвестиций в Хабаровский край на основе множественного корреляционно-регрессионного анализ

5. Периодизация социально-экономических процессов, влияющих на поступление инвестиций в основной капитал по Хабаровскому краю на основе кластерного анализа

Заключение

Список использованных источников

Приложения

Введение

Важнейшим индикатором инвестиционной привлекательности субъектов Российской Федерации для тех, кто хотел бы вложить свои капиталы в развитие отраслей экономики той или иной территории является состояние инвестиционного климата, сравнительные характеристики инвестиционных потенциалов и инвестиционных рисков. Хабаровский край постоянно качественно улучшает свои позиции (по данным рейтингового агентства «Эксперт РА»), что позволяет постоянно занимать одно из лидирующих мест по инвестиционному климату среди субъектов Дальневосточного региона.

Цель данной курсовой работы состоит в изучении инвестиционного климата, статистическом анализе и прогнозировании притока инвестиций в основной капитал Хабаровского края.

В соответствии с поставленной целью были решены следующие задачи:

1. Дана общая инвестиционная ситуация в Хабаровском крае.

2. Осуществлено моделирование и прогнозирование притока инвестиционных средств методом построения одномерных временных рядов и на основе множественного корреляционно-регрессионного анализа.

3. Проведена периодизация социально-экономических процессов, влияющих на среднее поступление инвестиций в основной капитал на основе кластерного и факторного анализа.

Объектом исследования данной работы является инвестиционный климат Хабаровского края, а предметом - статистическое изучение, анализ и прогнозирование притока инвестиционных средств.

В процессе работы использовалась учебная и научная литература социально-экономической статистике, статистические. Для решения поставленных задач использовался статистический пакет «STATGRAFICS», также применялись табличные методы и рисунки.

1 Статистическое изучение инвестиционного климата Хабаровского края

По данным рейтингового агентства по инвестиционному климату за 2006-2007 гг. Хабаровский край, среди регионов Дальневосточного федерального округа, вновь вошел в число лидеров как по возможностям инвестирования (инвестиционному потенциалу), так и по инвестиционному риску.

По инвестиционному потенциалу Хабаровский край занимает 25 место среди 85 субъектов Российской Федерации и 3 место среди 9 субъектов Российской Федерации, входящих в Дальневосточный федеральный округ (после Республики Саха (Якутия) и Приморского края). По инвестиционному риску Хабаровский край занимает 35 место среди 85 субъектов Российской Федерации и 1 место среди 9 субъектов Российской Федерации, входящих в Дальневосточный федеральный округ.

По мнению Рейтингового агентства «Эксперт РА», в соответствии с проведенным «Сравнительным анализом инвестиционной привлекательности Хабаровского края за 2006-2007 гг.» Хабаровский край является сегодня опорным регионом Дальнего Востока России.

В последние годы край приближается к регионам сумевшим создать наиболее благоприятные условия для инвесторов и является регионом, обладающим устойчивой, компетентной властью и хорошей финансовой репутацией.

По итогам рейтинга инвестиционной привлекательности регионов России 2006-2007 гг. Хабаровский край удостоен специальной номинации «За минимальный инвестиционный риск в своем федеральном округе».

Темп роста инвестиций в основной капитал по краю в 2007 году в% к предыдущему году составил 104,4%, к уровню 1990 года 88,5%, по Российской Федерации 121,1% и 57,6% соответственно.

В настоящее время в Хабаровском крае (как и по России в целом) производственная сфера в подавляющей части самофинансируется, т.е. развивается за счет собственных источников. Среди привлеченных источников наибольшую долю занимают бюджетные средства, полученные из федерального и краевого бюджетов.

В структуре инвестиций в основной капитал Хабаровского края по источникам финансирования за 2007 год собственные средства составили 39,5%, кредиты банков - 15,2%, из них кредиты иностранных банков 6,4%, из федерального бюджета- 9,7% - из бюджета края - 9,8%. В общем объеме инвестиций в основной капитал края в 2007 году увеличилась доля привлеченных средств, за счет средств полученных от долевого участия на строительство (организаций и населения) - 12,9% из них инвестиции населения составили 7%.

2. Выделение тренда притока инвестиций в основной капитал методом простых скользящих и экспоненциальных средних

Аналитическое выравнивание уровней динамического ряда не дает хороших результатов при прогнозировании, если уровни ряда имеют резкие периодические колебания. В этих случаях для определения тенденции развития явления используется сглаживание динамического ряда для удаления из него высокочастотных компонент (которые обычно являются несущественными, так как вызваны случайными факторами), одним из перечисленных ниже способов:

- сглаживание временных рядов методом скользящих простых средних

- сглаживание временных рядов методом скользящих взвешенных средних

- экспонециальное сглаживание

Метод скользящих средних основан на переходе от начальных значений временного ряда к их средним значениям на некотором заданном интервале времени (длина которого называется шириной окна). Этот интервал времени как бы скользит вдоль ряда, с чем и связано название метода.

Полученный в результате такого сглаживания новый временной ряд обычно ведет себя более регулярно (гладко), что связано с удалением в процессе сглаживания резких случайных отклонений, попадающих в окно. Скользящие средние позволяют сгладить как случайные, так и периодические колебания, выявить имеющуюся тенденцию в развитии процесса и поэтому служат важным инструментом при фильтрации компонент временного ряда. Рассмотрим применение скользящей средней по данным об инвестициях в основной капитал по Хабаровскому краю (таблица 2.1).

Таблица 2.1

Результаты сглаживания по методу скользящих средних

Годы

Инвестиции в осн. капитал, млн. руб.

Взвешенная скользящая средняя

(у-y)І

3-членная

5-членная

7-членная

3-членная

5-членная

7-членная

1990

1,80

-

-

-

-

-

-

1991

1,50

1,28667

-

-

0,045511

-

-

1992

0,56

0,856667

0,988

-

0,088011

0,183184

-

1993

0,51

0,546667

0,758

0,914286

0,001344

0,061504

0,163447

1994

0,57

0,576667

0,62

0,77

4,44E-05

0,0025

0,04

1995

0,65

0,676667

0,666

0,632857

0,000711

0,000256

0,000294

1996

0,81

0,75

0,672

0,654286

0,0036

0,019044

0,024247

1997

0,79

0,713333

0,7

0,687143

0,005878

0,0081

0,01058

1998

0,54

0,68

0,718

0,715714

0,0196

0,031684

0,030875

1999

0,71

0,663333

0,71

0,744286

0,002178

0

0,001176

2000

0,74

0,74

0,722

0,755714

0

0,000324

0,000247

2001

0,77

0,786667

0,792

0,78

0,000278

0,000484

0,0001

2002

0,85

0,836667

0,842

0,854286

0,000178

0,000064

1,84E-05

2003

0,89

0,9

0,906

0,925714

0,0001

0,000256

0,001276

2004

0,96

0,97

0,994

1,01429

0,0001

0,001156

0,002947

2005

1,06

1,07667

1,096

-

0,000278

0,001296

-

2006

1,21

1,21

-

-

0

-

-

2007

1,36

-

-

-

-

-

-

0,167811

0,309852

0,275206

Сглаживание по трехчленной скользящей средней дало более сглаженный ряд, так как для трехчленной скользящей средней оказалась меньше сумма квадратов отклонений фактических данных () от сглаженных () (=0.167811). Иными словами, трехчленная скользящая средняя лучше всего представляет закономерность движения уровней динамического ряда.

Для наглядности рассмотрим, как отклоняются значения тренда от фактических на графике.

Рисунок 2.1 - График изменения инвестиционного потока, млрд. руб

Рисунок 2.1 показывает как практически полное совпадение фактических и теоретических данных после 1999 года, так и существование достаточно заметных расхождений между трендовыми значениями и реальными данными в период с 1993 по 2000 годы, в целом же трендовая тенденция инвестиционного потока в основной капитал с1990 по 2008 годы совпадает с реальностью.

Изменим метод сглаживания и рассмотрим взвешенное экспоненциальное сглаживание.

Смысл экспоненциальных средних состоит в том, чтобы найти такие средние, в которых влияние прошлых наблюдений затухает по мере удаления от момента, для которого определяются средние. Веса в экспоненциальных средних устанавливаются в виде коэффициентов . Веса по времени убывают экспоненциально, а сумма весов стремится к 1.

Экспоненциальная средняя определяется по формуле Р. Брауна:

,

где ? экспоненциальная средняя (сглаженное значение уровня ряда) на момент ;

? вес текущего наблюдения при расчете экспоненциальной средней;

? фактический уровень динамического ряда в момент времени ;

? экспоненциальная средняя предыдущего периода.

Таблица 2.2

Экспоненциальное сглаживание при разных значениях параметра

Годы

инвестиции в осн. капитал, млн. руб.

Экспоненциальные средние

(у-y)І

б=0,1

б=0,3

б=0,5

б=0,1

б=0,3

б=0,5

1990

1,80

1,8

1,8

1,8

0

0

0

1991

1,50

1,8

1,8

1,8

0,09

0,09

0,09

1992

0,56

1,77

1,71

1,65

1,4641

1,3225

1,1881

1993

0,51

1,649

1,365

1,105

1,297321

0,731025

0,354025

1994

0,57

1,5351

1,1085

0,8075

0,931418

0,289982

0,056406

1995

0,65

1,43859

0,94695

0,68875

0,621874

0,088179

0,001502

1996

0,81

1,35973

0,857865

0,669375

0,302204

0,002291

0,019775

1997

0,79

1,30476

0,843506

0,739688

0,264976

0,002863

0,002531

1998

0,54

1,25328

0,827454

0,764844

0,508771

0,08263

0,050555

1999

0,71

1,18195

0,741218

0,652422

0,222741

0,000975

0,003315

2000

0,74

1,13476

0,731852

0,681211

0,155835

6,64E-05

0,003456

2001

0,77

1,09528

0,734297

0,710605

0,105809

0,001275

0,003528

2002

0,85

1,06275

0,745008

0,740303

0,045264

0,011023

0,012033

2003

0,89

1,04148

0,776505

0,795151

0,022946

0,012881

0,008996

2004

0,96

1,02633

0,810554

0,842576

0,0044

0,022334

0,013788

2005

1,06

1,0197

0,855388

0,901288

0,001624

0,041866

0,025189

2006

1,21

1,02373

0,916771

0,980644

0,034697

0,085983

0,052604

2007

1,36

1,04236

1,00474

1,09532

0,100898

0,12621

0,070054

итого

23,5388

18,575608

17,4247

6,174878

2,912083

1,95586

По данным таблицы 2.2 наименьшая сумма квадратов отклонений фактических данных от выравненных при , равная 1,95586. Следовательно, эта константа является наилучшей для сглаживания.

То есть именно эти данные будем использовать для последующего прогноза потока ожидаемого потока инвестиций в основной капитал с помощью однофакторного прогнозирования.

3. Построение прогноза ожидаемого потока инвестиций в основной капитал Хабаровского края при однофакторном прогнозировании

Определив общие закономерности изменения медианы ожидаемого потока инвестиций, приступим к подбору модели и расчету прогнозных значений моделируемого показателя на основе фактических данных.

Для выбора оптимальной модели необходимо сравнить все ошибки полученных моделей (среднюю ошибку, среднеквадратическую, среднюю абсолютную, среднюю относительную). Оптимальной считают модель с наименьшими ошибками.

По результатам листинга видим, что наименьшая ошибка остатков, а именно, RMSE = 0,237276. Основываясь на приведенных критериях, выберем оптимальную модель, которой является квадратический тренд (Приложение Г):

y = 45214,0 + -45,2512 t + 0,0113222 t^2

Построим прогноз на 6 лет (Приложения Ж). Полученный прогноз получается утешительным. Он показывает, что пусть и незначительная, но тенденция роста ожидаемого потока инвестиций присутствует.

кластерный корреляционный регрессионный инвестиция

Таблица 3.1

Прогноз квадратического тренда

Годы

Точечный прогноз

Нижняя граница 95% дов. интервала

Верхняя граница 95% дов. Интервала

2008

1,65799

2,30366

1,01232

2009

1,88827

2,59541

1,18114

2010

2,1412

2,92502

1,35739

2011

2,41678

3,29222

1,54133

2012

2,71499

3,69646

1,73352

2013

3,03585

4,13709

1,93462

Таким образом прогноз на 6 лет, представленный в таблице 3.1 показывает, что приток инвестиций в основной капитал Хабаровского края в период с 2008 по 2013 годы возрастут на 1,37786 млн. руб. или на 1.83% и к 2013 году составит 3,03585 млрд. руб.

Более четкое представление дает рисунок 3.1

Рисунок 3.1 - График прогнозных значений квадратического тренда для фактических данных инвестиционного потока в основной капитал

Наглядный прогноз подтверждает дальнейшее увеличение показателя ожидаемого потока инвестиций.

Из-за разницы в нижних и верхних границах прогноза наблюдается незначительное либо увеличение, либо снижение показателя ожидаемого потока инвестиций.

Далее приступим к подбору модели и расчету прогнозных значений моделируемого показателя на основе сглаженных данных по 3-членной скользящей средней, так как для нее сумма квадратов отклонений оказалась наименьшей.

Сравним все ошибки полученных моделей. Наименьшая ошибка остатков RMSE = 0,12596. Оптимальная модель для сглаженных данных является квадратический тренд (Приложение Л):

y = 45617,5 + -45,6353 t + 0,0114135 t^2

Построим прогноз на 6 лет (Приложение И). По приведенному прогнозу можно заметить рост показателя потока инвестиций в основной капитал Хабаровского края в период с 2008 по 2013 года

Таблица 3.2

Прогноз тренда по квадратической модели на основе сглаженных данных

Годы

Точечный прогноз

Нижняя граница 95% дов. интервала

Верхняя граница 95% дов. Интервала

2008

1,49294

1,96858

1,0173

2009

1,70544

2,23129

1,1796

2010

1,94077

2,52958

1,35196

2011

2,19893

2,86315

1,53471

2012

2,47991

3,23143

1,72839

2013

2,78372

3,63384

1,93359

Прогноз на 6 лет, представленный в таблице 3.2 показывает, что поток инвестиций в основной капитал в период с 2008 по 2013 годы возрастут на 1,29078 млрд. руб. или на 1.86% и к 2013 году составит 2,78372 млрд. руб.

Построим график прогноза по модели S-кривой.

На графике наглядно показан рост изучаемого показателя, что подтверждает сделанные ранее выводы.

Рисунок 3.2 - График прогнозных значений по квадратической модели для выровненных данных по 3-членной скользящей средней

Для того чтобы понять какой прогноз будет более точным по сглаженным или фактическим данным необходимо рассчитать ошибку прогноза, которая определятся по формуле:

Расчет ошибки по фактическим данным:

Расчет ошибки по сглаженным данным:

Из приведенных расчетов видно, что ошибка прогноза меньше по фактическим данным, следовательно, прогнозирование будет более точным по фактическим данным.

Рисунок 3.3 - График частной автокорреляции функции остатков

Из графика видно, остатки медианы ожидаемого потока инвестиций в основной капитал Хабаровского края коррелированны с предыдущим значением. Их можно описывать авторегрессией первого порядка.

Итоги авторегрессии показывают, что оценка авторегрессионого анализа значима по критерию t-критерию. Фактический критерий Стьюдента больше табличного, так как p-значение равно 0,000003 (Приложение Л).

Авторегрессия первого порядка имеет вид:

Итоги прогнозирования можно представить в виде таблицы 3.3.

Результаты прогнозирования свидетельствуют, что объединенный прогноз ожидаемого потока инвестиций в основной капитал Хабаровского края меньше прогноза по фактическим данным из-за положительного прогноза остатков. По объединенному прогнозу заметно, что медиана ожидаемого потока инвестиций в основной капитал Хабаровского края в 2013 году по сравнению с 2008 годом уменьшится на 0,12138 млрд. руб или на 0,4% и в 2013 году составит 1,05505 млрд. р.

Таблица 3.3

Итоги прогнозирования ожидаемого потока инвестиций в основной капитал Хабаровского края

Год прогноза

Прогноз по методу простых скользящих средних

Граница прогноза по методу простых скользящих средних

Прогноз остатков

Граница прогноза остатков

Объединенный прогноз

Граница объединенного прогноза

нижняя

верхняя

нижняя

верхняя

нижняя

верхняя

2008

1,65799

2,30366

1,01232

1,49294

1,96858

1,0173

1,17643

1,55767

0,795201

2009

1,88827

2,59541

1,18114

1,70544

2,23129

1,1796

1,14643

1,65777

0,635092

20010

2,1412

2,92502

1,35739

1,94077

2,52958

1,35196

1,11961

1,7148

0,524417

2011

2,41678

3,29222

1,54133

2,19893

2,86315

1,53471

1,09563

1,75015

0,441118

2012

2,71499

3,69646

1,73352

2,47991

3,23143

1,72839

1,0742

1,77251

0,3759

2013

3,03585

4,13709

1,93462

2,78372

3,63384

1,93359

1,05505

1,78646

0,323638

4. Моделирование и прогнозирование притока инвестиций в Хабаровский край на основе множественного корреляционно-регрессионного анализа

Одной из наиболее важных задач статистического исследования является изучение связи между наблюдаемыми переменными и на их основе прогнозирование социально-экономических явлений. Корреляционно-регрессионный анализ предназначен для установления и измерения связей между одной зависимой и несколькими независимыми переменными.

Изучим влияние различных факторов на медиану ожидаемого потока инвестиций в основной капитал Хабаровского края

Следует заметить, что при использовании множественной регрессии может возникнуть проблема мультиколлинеарности. Под мультиколлинеарностью понимают тесную зависимость между факторными признаками, включаемыми в модель. О наличии мультиколлинеарности можно судить, если коэффициент корреляции больше 0,8.

На основе ранее приведенных данных (Приложение А) построим множественную линейную модель, получили предварительные результаты построения модели (Приложения Н). Полученную модель нельзя использовать для анализа, так как все значения р-Value оказались больше установленного уровня значимости (больше 0,05). Следовательно, необходимо проверить факторы на мультиколлинеарность. Для этого построим корреляционную матрицу и будем последовательно удалять мультиколлинеарные факторы.

С целью исключения мультиколлинеарных факторов построим множественную линейную модель, используя пошаговую регрессию . После процедуры пошаговой регрессии получим результаты заключительной модели, представлены в Приложении О, из которой был удален фактор Х8- уровень безработицы, в процентах.

Полученная модель описывает 98,53% изучаемого явления (о чем свидетельствует коэффициент детерминации), ее можно считать достоверной, и, как следует из результата, на основе частных F-критериев из 11 независимых переменных в модель среднего притока инвестиций включены 3 фактора:

Х2 - Объем платных услуг на душу населения, руб.

Х4 - Среднедушевые денежные доходы населения, руб.

Х11- объем производства строительства, млн.руб.

Построена следующая модель:

Y = 0,208114 + 0,26373*X2 + 1,76048*X4 + 0,546193*X11

Все факторы оказывают положительное влияние на результативный признак, а точнее при увеличении, объема платных услуг на душу населения на 1 ед., приток инвестиций увеличивается на 0,26млрд.руб;если среднедушевые денежные доходы населения увеличиваются на 1 ед,то инвестиционный поток в основной капитал увеличится на 1,76 млрд.руб, и при увеличении объема производства строительства на 1 ед, инвестиции возрастают на 0,55 млрд.рублей соответственно. Все отобранные факторы статистически значимы, так как фактический t-критерий Стьюдента больше табличного, об этом свидетельствует графа P-Value (Приложение О),в которой отражены вероятности наиболее существенных факторов динамики притока инвестиций. Фактический критерий Фишера, равный 313,82 в 99,3 раза больше табличного значения.

Статистика Дарбина-Уотсона (Durbin-Watson statistic), составляющая 1,71417 говорит об отсутствии автокорреляции

1,71417

есть 0,93 ? 1,68 нет 2,32 ? 3,07 есть(+) (-)

Рисунок 4.1 ? Таблица определения наличия или отсутствия автокорреляции на основе критерия Дарбина?Уотсона

Таким образом, по всем проверенным критериям полученное уравнение регрессии имеет статистически значимые коэффициенты, сама модель является типичной, без автокорреляции в остатках, следовательно, данное уравнение можно использовать для получения достоверных и точных прогнозов.

Расчет коэффициентов эластичности , -коэффициентов (стандартизованные коэффициенты регрессии), -коэффициентов позволит определить степень влияния факторной переменной на результат . (=0,904; у=0,128,1; R2=0,9853) (приложение П).

Таблица 4.1

Расчет коэффициентов эластичности, -коэффициентов, -коэффициентов

Факторы

Ранг факторов

Х2

0,26373

0,407222

0,0460095

-0,3173

0,095

0,1188

-0,0306

2

3

2

Х4

1,76048

0,173889

0,00662516

-0,2931

0,091

0,3386

-0,027

3

1

3

Х11

0,54619

0,517778

0,161407

-0,0792

0,689

0,3128

-0,055

1

2

1

Если сопоставить значения коэффициентов эластичности, то можно видеть, что главным фактором изменения результативного показателя является фактор Х4 (Среднедушевые денежные доходы населения, руб). При его увеличении на 1% У (инвестиции в основной капитал) возрастает на 0,3386%. Вторым по силе влияния на результат является фактор Х11(объем производства строительства, млн. руб). С ростом этой переменной на 1% инвестиции в основной капитал увеличиваются на 0,3128%. Третьим - фактор Х2(Объем платных услуг на душу населения, руб), с увеличением этого фактора на 1% инвестиции возрастают на 0,1188%.

Сравнение позволяет сделать вывод, что с учетом уровня колеблемости факторов наибольшие резервы в изменении результативного показателя заложены в увеличении фактора Х11- объем производства строительства, млн. руб.

Сопоставление значений коэффициентов позволяет сделать вывод, что наибольшую долю влияния опять же имеет фактор Х11. Роль этого фактора в вариации среднего потока инвестиций в основной капитал Хабаровского края составляет 0,055% общего влияния двух факторов на результативный показатель. Для построения прогноза по множественной корреляционно-регрессионной модели построим отдельно для каждого фактора трендовые модели, а также прогноз для каждого фактора (Приложение Р,С,Т).

Таблица 4.1

Трендовые модели для факторов, включенных во множественную корреляционно-регрессионную модель

Факторы

Трендовая модель

Х2

Quadratic trend = 9758,8 + -9,80051 t + 0,00246066 t^2

Х4

Quadratic trend = 9471,27 + -9,48273 t + 0,00237358 t^2

Х11

Quadratic trend = 48033,9 + -48,0468 t + 0,012015 t^2

Используя трендовые модели, представленные в таблице 4.1 построим точечные и интервальные прогнозы по исследуемым факторам.

Таблица 4.2

Прогнозные значения факторов, включенных во множественную корреляционно-регрессионную модель

Год прогноза

Точечный прогноз

Граница прогноза

нижняя

верхняя

Х2

2008

0,892966

0,634521

1,15141

2009

0,976905

0,693859

1,25995

2010

1,06577

0,752026

1,37951

2011

1,15955

0,809131

1,50997

2012

1,25825

0,865395

1,65111

2013

1,36188

0,92108

1,80267

Х4

2008

0,366667

0,218084

0,51525

2009

0,418607

0,25588

0,581334

2010

0,475294

0,294921

0,655667

2011

0,536729

0,335269

0,738188

2012

0,60291

0,377052

0,828769

2013

0,673839

0,420419

0,927259

Х11

2008

1,06029

0,359211

1,76138

2009

1,2776

0,50978

2,04542

2010

1,51894

0,667855

2,37002

Х11

2011

1,7843

0,833726

2,73488

2012

2,0737

1,008

3,1394

2013

2,38713

1,19138

3,58288

Полученные прогнозные значения подставим в уравнение множественной регрессии:

Y = 0,208114 + 0,26373*X2 + 1,76048*X4 + 0,546193*X11

В результате подстановки получим прогнозные значения.

Таблица 4.3

Прогнозные значения и доверительные интервалы ожидаемого потока инвестиций в основной капитал Хабаровского края, полученные на основе множественной регрессии

Год прогноза

Точечный прогноз

Граница прогноза

нижняя

верхняя

2008

1,668249

0,955587

2,380916

2009

1,900519

1,120015

2,681022

2010

2,155569

1,290426

3,020709

2011

2,433395

1,467116

3,399676

2012

2,734004

1,6507

3,817311

2013

3,057396

1,841893

4,272897

Результаты показывают, что спрогнозированный приток инвестиций имеет тенденцию к резкому увеличению, и к 2013 году составит 3,057 млрд. руб., что составит 182,6% к 2008году.

5. Периодизация социально-экономических процессов, влияющих на поступление инвестиций в основной капитал по Хабаровскому краю на основе кластерного анализа

Кластерный анализ - это способ группировки многомерных объектов, основанный на представлении результатов отдельных наблюдений точками подходящего геометрического пространства с последующим выделением групп как «сгустков» этих точек (кластеров, таксонов).

Кластерный анализ предполагает выделение компактных, удаленных друг от друга групп объектов, отыскивает «естественное» разбиение совокупности на области скопления объектов. Он используется, когда исходные данные представлены в виде матриц близости или расстояний между объектами либо в виде точек в многомерном пространстве. Наиболее распространены данные второго вида, для которых кластерный анализ ориентирован на выделение некоторых геометрически удаленных групп, внутри которых объекты близки.

Выбор расстояния между объектами является узловым моментом исследования, от него во многом зависит окончательный вариант разбиения объектов на классы при данном алгоритме разбиения.

Analysis Summary

----------------

Data variables:

X1

X10

X11

X2

X3

X4

X5

X6

X7

X8

X9

Y

Number of complete cases: 18

Clustering Method: Furthest Neighbor (Complete Linkage)

Distance Metric: Squared Euclidean

Cluster Members Percent

---------------------------

1 2 11,11

2 10 55,56

3 6 33,33

---------------------------

Centroids

Cluster X1 X10 X11 X2 X3 X4 X5 X6

---------------------

1 0,12 0,98 1,495 0,315 0,065 0,305 0,36 1,6

2 0,042 0,246 0,319 0,287 0,027 0,114 0,144 5,4886

3 0,0566667 0,571667 0,523333 0,638333 0,0333333 0,23 0,266667

1,13133

---------------------

Cluster X7 X8 X9 Y

-------------------------------------------------------------

1 1,62218E6 2,18 0,55 1,65

2 1,53961E6 10,51 0,057 0,665

3 1,42423E6 6,2 0,0716667 1,055

-------------------------------------------------------------

Рисунок 5.1 ? Сводка кластерного анализа (приложение У)

Наиболее известный метод представления матрицы расстояний или сходства основан на идее дендограммы. Дендрограмма (dendrogram) - древовидная диаграмма, содержащая n уровней, каждый из которых соответствует одному из шагов процесса последовательного укрупнения кластеров, ее также называют древовидной схемой, деревом объединения кластеров, деревом иерархической структуры. Дендрограмма представляет собой вложенную группировку объектов, которая изменяется на различных уровнях иерархии.

На дендрограмме по вертикальной оси отложено расстояние для каждого шага выполнения агломеративного иерархического алгоритма классификации. По горизонтальной оси показаны номера лет в соответствии с проведеннымкластерным анализом.

Графически результаты кластеризации представлены на Рисунке 5.2.

Рисунок 5.2 ? Дендрограмма периодизации

Данные кластеризации (Рисунки 5.1 и 5.2) свидетельствуют, что вся совокупность разбивается на три кластера. В первый кластер попадает только два года (1990 и 1991) или 11,1% от анализируемого периода, второй кластер - самый объемный - содержит 10 лет 55,6% изучаемой совокупности или три наблюдения (1992 - 2002), третий кластер включает 6 лет (период с 2003 по 2007 годы), или 33,3% всех анализируемых лет. Также были рассчитаны центроидные значения переменных. В начале девяностых, в постсоветский период средние поток инвестиций в основной капитал составляли 1,65 млрд. руб., в период становления современной России они упали до 0,065 млрд. руб., что было вызвано неблагоприятной экономической обстановкой конца девяностых годов, но начиная с 2003 год наблюдается тенденция роста потока инвестиций- 1,055 млрд. руб.,

Заключение

В результате исследования были использованы различные типы статистического анализа. На начальном этапе анализа проведено сглаживание временного ряда поступлений инвестиций по методу скользящих средних и по методу экспоненциальных средних. Вследствие статистических проверок на значимость и моделирования тенденции временного ряда самый достоверный прогноз оказался по фактическим данным.

Полученный прогноз по фактическим данным позволил сделать вывод, что с 2008 года по 2013 год наблюдается тенденция роста потока инвестиций в основной капитал, такой же результат получен и при прогнозе на основе множественно корреляционно - регрессионной модели, что говорит о его достоверности и возможности применении на практике.

На основе кластерного анализа в ходе работы была проведена процедура периодизации поступлений инвестиций. Было выделено три периода, которые обозначили как периоды: высокого, среднего и низкого потока инвестиционных средств в основной капитал.

Улучшение инвестиционного климата является одной из ключевых задач, стоящих перед краем. В последнее время в стране произошли ряд изменений, направленных на улучшение инвестиционного и предпринимательского климата в России. Усилия Правительства Российской Федерации и всей системы власти сконцентрированы на обеспечении равных условий конкуренции, защите прав собственности, повышении финансовой прозрачности предприятий и организаций. Все это должно позволить уже в ближайшее время создать условия для значительного притока долгосрочных инвестиционных ресурсов в экономику края и, в первую очередь, в промышленный сектор экономики, в развитие новых отраслей, радикальное обновление старых предприятий, продукция которых неизменно пользовалась спросом и на внутреннем и на внешнем рынке.

Список использованных источников

1. Паспорт Хабаровского края 1990-2007гг: статистический сборник / Хабстат. - Хабаровск, 2008. - 50 с.

2. Берзон Н. Формирование инвестиционного климата в экономике.// Вопросы экономики.- 2005 .- № 7.-с. 104-107.

3. Глинский В.В., Ионин В.Г. Статистический анализ: учеб. пособ. изд. 2-е, переработанное и дополненное - М.: Информационно-издательский дом «Филинъ», 1998. - 264с.

4. Рейтинговые исследования инвестиционных возможностей субъектов Российской Федерации// Эксперт.- 2007.- №47.-с. 55-58

5. Шокина И. В. Анализ временных рядов и прогнозирование в системе STATGRAFICS : учеб. пособие. - Хабаровск : РИЦ ХГАЭП,2007. - 88 с.

Размещено на Allbest.ru


Подобные документы

  • Экономико-географическое положение Хабаровского края. Численность трудоспособного населения. Анализ экономических условий и ресурса Хабаровского края. Анализ промышленности, населения и трудовых ресурсов, электроэнергетики, металлургии и машиностроения.

    курсовая работа [64,4 K], добавлен 18.12.2011

  • Условия осуществления инвестиционного процесса в рыночной экономике. Понятие, конъюнктура и структура инвестиционного рынка. Оценка и прогнозирование макроэкономических показателей развития инвестиционного рынка. Распределение инвестиционного капитала.

    реферат [502,5 K], добавлен 26.01.2012

  • Роль корреляцонно-регрессионного анализа в обработке экономических данных. Корреляционно-регрессионный анализ и его возможности. Предпосылки корреляционного и регрессионного анализа. Пакет анализа Microsoft Excel.

    курсовая работа [68,4 K], добавлен 11.06.2002

  • Стратегическое планирование на муниципальном уровне. Рейтинг инвестиционной привлекательности Хабаровского края за 2008-2009 годы. Современное состояние экономического развития муниципального образования городского округа "Города Комсомольска-на-Амуре".

    дипломная работа [1,0 M], добавлен 21.10.2013

  • Принципы и подходы к оценке машин, оборудования и транспортных средств. Виды стоимости, оценка рыночной стоимости автотранспортного средства. Автомобильный рынок России. Анализ рынка спецтехники Хабаровского края и г. Советская Гавань Хабаровского края.

    курсовая работа [92,3 K], добавлен 26.02.2013

  • Понятие инвестиций, их источники. Инвестиционные решения и их типы. Формирование эффективного инвестиционного портфеля предприятия. Оценка и прогнозирование макроэкономических показателей развития инвестиционного рынка. Принятие инвестиционных решений.

    контрольная работа [21,1 K], добавлен 17.12.2015

  • Система статистических показателей состава персонала. Методы корреляционно-регрессионного анализа в обработке экономических данных. Моделирование методов по показателям финансовой отчетности ЗАО "Зеленстрой", прогнозирование по показателям отчетности.

    курсовая работа [1001,2 K], добавлен 09.07.2014

  • Основные понятия корреляционно-регрессионного анализа. Вычисление показателей силы и тесноты связи между явлениями и процессами, специфика их интерпретации. Оценка результатов линейного регрессионного анализа. Коэффициент множественной детерминации.

    контрольная работа [228,2 K], добавлен 02.04.2013

  • Влияние макроэкономических факторов на денежное обращение в стране. Анализ зависимости денежной массы страны от выручки от продаж и среднегодовой численности занятых в экономике людей Амурской области на основе корреляционно-регрессионного анализа.

    курсовая работа [418,9 K], добавлен 20.05.2011

  • Цели создания, виды деятельности, организационно-правовой статус, права и обязанности Фонда поддержки малого предпринимательства Хабаровского края. Прогноз развития инновационной деятельности в регионе. Обеспечение трансфера инновационных технологий.

    отчет по практике [74,8 K], добавлен 08.01.2015

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.