Статистический анализ экономического развития Бразилии

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Тема

Статистический анализ экономического развития Бразилии

1. Теоретическая часть

Бразилия - самое крупное государство Южной Америки, расположено в ее центральной и восточной частях. Длина сухопутных границ - около 16 тыс. км, на востоке на протяжении 7,4 тыс. км страна омывается Атлантикой. Площадь - 8,5 млн. кв. км. По данным Бюро Переписи США численность населения составила в 1999 году 171 853 тыс. человек. В настоящее время Бразилия - федеративная республика, в административном отношении делится на 23 штата, 3 территории и федеральный округ. Столица - Бразилиа. Денежная единица - реал. Государственный язык - португальский.

Характеризуемая большим и хорошо развитым сельским хозяйством, горной промышленностью, производством и сектором услуг, экономика Бразилии превосходит экономики всех других южноамериканских стран, и расширяет свое присутствие на мировых рынках. С 2003 года Бразилия устойчиво улучшила свою макроэкономическую стабильность, создавая золотовалютные резервы и уменьшая долги. В 2008 году Бразилия стала чистым внешним кредитором, а два рейтинговых агентства присвоили бразильской экономике инвестиционный статус. После рекордного роста в 2007 году и 2008 году, начало глобального финансового кризиса сказалось на экономике страны в сентябре 2008 года. Бразилия испытала два квартала спада, поскольку мировой спрос на бразильские товары снизился и уменьшилось внешнее кредитование.

Однако, Бразилия была одной из первых развивающихся стран, которые начали восстановление. Потребление и доверие инвесторов восстановились, и темпы роста ВВП оказались положительными в 2010 году. Благоприятно на экономическом росте сказалось восстановление экспорта.

В настоящее время устойчивый рост и высокие процентные ставки сделали экономику данной страны привлекательной для зарубежных инвесторов. Большие притоки капитала за 2010 год способствовали быстрому росту курса местной валюты и вынудили правительство поднимать налоги на некоторые иностранные инвестиции. Президент Dilma Rousseff обязался сохранять приверженность предыдущей администрации планированию инфляции Центральным банком, плавающим обменным курсам и политике финансовых ограничений.

1.1 Промышленность Бразилии

Бразилия - одна из ключевых стран развивающегося мира. По объему ВВП она занимает первое место в Латинской Америке, а по объему промышленного производства входит в десятку крупнейших стран мира. Доля промышленности в ВВП - 26,4%, а сельского хозяйства - 6,1%. В промышленности занято 14% рабочей силы. Бразилия обладает крупными запасами полезных ископаемых: железной (свыше 100 млрд. тонн), марганцевой (100 млн. т.), урановой (256 тыс. т.) руд, угля (21 млрд. т.), нефти и др.

1.1.1 Горнодобывающая промышленность

Несмотря на быстрое развитие и богатую сырьевую базу Бразилия, доля этой отрасли в ВВП невелика. Там сильно развита добыча апатитов и железной руды, так же развита добыча золота, серебра, олова, алмазов и асбеста. Железнорудная промышленность работает в большой степени на экспорт.

В Бразилии добываются более 40 видов полезных ископаемых. Наиболее значимыми являются железная и марганцевая руды. Добывается более 200 млн. тонн железной руды в год, примерно 80 % экспортируется. Бразилия занимает одно из первых мест в мире по добыче бокситов. Добыча цинка, меди и никеля осуществляется для внутреннего рынка. Бразилия -- поставщик стратегического сырья: вольфрам, ниобий, цирконий, слюда и др. Потребности в нефти Бразилия обеспечивает только наполовину и вынуждена импортировать её. Годовая потребность в нефти составляет 75 млн. тонн. В 1970-х годах в Амазонии найдены значительные запасы золота, ныне её добыча составляет примерно 80 тонн в год. Найдены месторождения угля, однако уголь низкого качества и его добыча составляет около 5 млн. тонн в год. Наиболее развито производство алюминия на собственных бокситах, а также никеля и меди.

1.1.2 Энергетика

До 90% всей электроэнергии страны производят ГЭС, также используются альтернативные источники (большая часть автомобилей работает на спирте), дрова, каменный уголь, работает одна АЭС. Черная металлургия работает на собственной руде и импортном коксе. Страна входит в десятку мировых производителей стали (выплавка - 25 млн. тонн). Крупнейшие заводы находятся в штатах Минас-Жерай и Сан-Паулу.

Бразилия имеет огромный гидроэнергетический потенциал. Энергетика на 99 % основана на ГЭС. В Бразилии находится вторая по мощности ГЭС в мире -- Итайпу. В 2005 году выработано 546 млрд. кВт·ч. Бразилия экспортировала 7 млн. кВт электроэнергии, а импортировала 39 млрд. кВт -- в основном из Парагвая. В 2007 году выработано 438,8 млрд. кВт·ч, потреблено 404,3 млрд. кВт·ч, экспорт - 2,034 млрд. кВт·ч. Импорт электроэнергии в 2008 году - 42,06 млрд. кВт·ч (в основном из Парагвая).

1.1.3 Обрабатывающая промышленность

Обрабатывающая промышленность занимает свыше четверти в ВВП. Главными отраслями являются нефтепереработка и химическая промышленность. Развиты - транспортное машиностроение (прежде всего автомобилестроение), станкостроение. Страна занимает четвертое место в мире по строительству морских судов, заметны успехи авиастроения. Развито радио-аппаратное строение, большими темпами развивается производство электронно-вычислительной техники. Главные центры отрасли - Сан-Паулу и Рио-де-Жанейро.

Ежегодно Бразилия производит более 1,5 млн. автомобилей. Основными производителями автомобилей в стране являются фирмы «Скания», «Мерседес-Бенц» и «Фиат». Главным производителем автобусов является «Мерседес-Бенц».

1.2 Сельское хозяйство Бразилии

В сельском хозяйстве Бразилии занято 20 % рабочей силы. По экспорту сельскохозяйственной продукции Бразилия находится на третьем месте в мире, её доля в мировом экспорте этой продукции составляет 6,1 %. Доля сельскохозяйственной продукции в экспорте Бразилии достигает почти трети. В структуре отрасли лидирует растениеводство (60% стоимости всей продукции), причем в ходе эволюции систем землепользования и землевладения сложился институт крупный земельной собственности - латифундии (80% всех обрабатываемых земель). Кроме того, распространено мелкое землевладение - минифундии. Хотя удельный вес последних невелик, но именно они производят основную часть продовольственных (а не экспортных, как на плантациях латифундий) культур для внутреннего потребления: зерновых, бобовых, картофеля. Бразилия является традиционным производителем и экспортером ряда сельскохозяйственных продуктов: кофе, сахарного тростника, сои, кукурузы, какао, бананов, хлопчатника, а также значительным поголовьем крупного рогатого скота.

На севере Бразилии находятся огромные лесные пространства Амазонии, занимающие 60% всей территории страны. Но запасы ценных древесных пород используются нетрадиционно и слабо. Наибольшее значение имеет сбор каучука, заготовка орехов и лекарственных растений.

Кофе является одной из главных статей экспорта Бразилии. В 2008 году собрано 2790,8 млн тонн кофе, таким образом Бразилия находится на первом месте в мире по этому показателю. По его производству Бразилия стоит на 1 месте в мире. Бразилия занимает 1 место в мире по производству сахарного тростника, из которого делается этанол, используемый в основном, как топливо для автомобилей. В 2008 году собрано 648 млн тонн. Выращиваются также какао-бобы (208 тыс. тонн), хлопчатник (3,9 млн тонн) и соя (59,9 млн тонн).

Основными потребительскими культурами Бразилии являются пшеница, кукуруза и рис. В 2008 году собрано: кукуруза -- 59 млн тонн (собирается два урожая), рис -- 12 млн тонн, пшеница -- 5 млн тонн.

Животноводство Бразилии преимущественно мясное, дает около 40% стоимости сельхозпродукции. Преобладают пастбищное скотоводство, а так же мясное скотоводство в сочетании с овощеводством. Животноводство больше всего распространено в Центро-Западе страны. В 2002 году в стране насчитывалось 176 млн. голов крупного рогатого скота, 30 млн. свиней, 1050 млн. голов домашней птицы и 15 млн. овец.

1.3 Транспорт Бразилии

Транспорт в Бразилии развит крайне неравномерно, железные дороги в основном находятся на востоке страны. Транспортный магистрали (сначала железнодорожные) начали формироваться еще в XIX веке. И сейчас новые и модернизированные железнодорожные ветви в основном соединяют центры добычи полезных ископаемых и районы сельхозпроизводства с портами. Длина железных дорог составляет 29 252 км, в том числе с широкой колеёй -- 487 км, со стандартной колеёй -- 194 км, с узкой колеёй -- 23 785, остальные -- 396 км.

Длина автомобильных дорог составляет 1,98 млн. км. (из них с твердым покрытием - 184 140 км.).

Автомобильные дороги, хотя и являются самыми протяженными во всей Латинской Америке и перевозят большую часть пассажиров, не отвечают потребностям страны, к тому же они неравномерно распределены по территории страны. В развитии внешнеторговых связей исключительную роль играют морской (98% всех внешнеторговых грузов) и авиационный транспорт.

Аэропорты: всего -- 4276, с твёрдым покрытием -- 714, без твёрдого покрытия -- 3562.

Водный транспорт: всего -- 137 судов водоизмещением 2 038 923 грт/3 057 820 дедвейт, сухогрузы -- 21, нефтяные танкеры -- 47, химические танкеры -- 8, газовые танкеры -- 12, пассажирские -- 12, контейнерные -- 8, навалочные суда -- 21, ролкеры -- 8.

1.4 Роль Бразилии в мировом хозяйстве

Бразильская экономика, обладая высокоразвитым сельским хозяйством, добывающей промышленностью (она занимает первое место в мире по добыче железной руды, апатитов, второе - по добыче бериллия, третье - по добыче бокситов, четвертое - по добыче золота, асбеста, олова) и сектором услуг, является самой мощной в регионе и оказывает существенное влияние на мировые рынки. Бразилия - крупнейший в мире производитель кофе и сахарного тростника, один из крупнейших экспортеров сельскохозяйственной продукции.

Несмотря на невыразительные показатели экономического развития, Бразилия претендует на роль мирового лидера развивающихся стран. Новым подтверждением претензий правительства страны на лидерство среди стран третьего мира стало намерение сформировать на предстоящем форуме МВФ блок стран, чтобы блокировать проект реформы МВФ, который дал бы большие права Китаю, Южной Корее, Турции и Мексике в принятии решений международного финансового органа. Объем экспорта составил в 2010 году 199,7 млрд. долл. США, а импорта - 187,7 млрд. долл. США. Статьи экспорта - транспортное оборудование, железная руда, соя, обувь, кофе, автомобили. Партнёры по экспорту КНР 12,49%, США 10,5%, Аргентина 8,4%, Нидерланды 5,39%, Германия 4,05% (на 2009 год). Статьи импорта - машины, электрическое и транспортное оборудование, химическая продукция, нефть, автомобильные запасные части, электроника. Партнёры по импорту США 16,12%, КНР 12,61%, Аргентина 8,77%, Германия 7,65%, Япония 4,3% (на 2009 год).

2. Расчетная часть

В данном курсов проекте мы рассчитываем базовый анализ показателей страны Бразилии.

2.1 Исходные данные

Таблица 2.1

Исходные данные

	Международная торговля	Сельское хозяйство
	Импорт(млн.$ США)	Экспорт(млн.$ США)	Запасы нефти(млн.тонн)	Надой на 1 корову,л/год	Пр-во куринных яиц,млн.шт	Пого-вье Овец,тыс.гол.
1990	29748	22756	395	676	22927	23304
1991	30632	27543	542	674	24009	21943
1992	36891	27997	542	698	24958	19058
1993	39704	33823	542	702	25092	18890
1994	51300	48639	542	756	25223	18587
1995	55834	67522	542	825	25744	18489
1996	55163	70202	542	921	26205	18343
1997	59494	78693	1111	944	26205	17649
1998	58542	75434	1111	987	26982	16430
1999	55392	63545	1172	1113	27134	15270
2000	64873	75701	1172	1139	27438	14835
2001	67523	75434	1348	1154	27746	14596
2002	71368	63742	1348	1174	28112	14396
2003	82868	66789	1348	1147	28647	14667
2004	109031	83332	1348	1180	29432	15123
2005	133419	101681	1591	1235	30500	15601
2006	156542	124972	1591	1235	30672	15642
2007	182755	161922	1591	1277	31406	15709
2008	225981	222816	1832	1285	31554	16233
2009	177218	178106	1832	1310	31783	16102
2010	233051	253715	2034	1322	31812	16783
	Численность населения	Экспорт	Транспорт
	численность постоянного нас-ия,тыс	численность женщин	численность мужчин	сигареты,содержащие табак,кг	нефть сырая,тонн	бензин авто-ный,тонн	Пасажирооборот гр-ой авиации,чел
1990	154094	75233	78861	12435196	0	1636238	19150345
1991	151547	74340	77207	25773932	0	1143948	19153486
1992	153986	80469	73517	30375264	0	1491034	16388495
1993	156431	81744	74687	33842168	0	2855430	16536209
1994	158875	83024	75851	57818216	0	2197045	17899387
1995	161323	84311	77012	63416940	677210	743948	20196384
1996	163780	85614	78166	80262448	104002	436203	22011983
1997	166252	86929	79323	87312456	130227	464958	24196843
1998	168754	88252	80502	87168896	0	1270965	29136840
1999	171280	89588	81692	8057688	30276	1161859	28273321
2000	173822	90938	82884	842147	1646027	1590678	31819201
2001	176400	92290	84110	520598	5618209	2195400	34285603
2002	179000	93641	85359	1656944	11917230	2510387	35889523
2003	181665	94321	87344	2614455	12262409	1983542	32293223
2004	184221	95522	88699	2871005	12272659	1492438	35263820
2005	186843	96574	90269	2807968	13923453	1985373	34453213
2006	189335	98432	90903	3852219	18666127	1492346	36427854
2007	191972	99749	92223	5196795	18342834	1985723	35473823
2008	192261	100234	92027	3671054	19132937	1997349	36894324
2009	192532	100247	92285	3129233	20645956	2016574	37489304
2010	193108	100923	92185	2895546	19569354	2018493	37654755
	Связь	Производство
	Число интернет серверов на 100 чел.	Число персональных компьютеров на 1000 чел.	Число установленных телефонных аппаратов,шт	Сталь,т	Чугун,т	Цемент,т
1990	0	8	10238498	17137847	20192883	24878999
1991	0	10	10643783	19187383	21872387	25683783
1992	0	12	11834894	20546354	22387915	26048748
1993	0	14	12634675	23673673	23490455	26475687
1994	0,1	16	12948575	25178476	23758955	27857578
1995	0,1	17	13306234	25455805	25240595	28387555
1996	0,1	23	16458756	26387445	25438783	31873478
1997	0,3	29	18475655	26534748	25738347	33487574
1998	0,3	34	23985556	27195360	26038484	36487585
1999	0,4	41	27465566	27563462	26948374	39438788
2000	0,5	49	30932454	27900489	27709340	39600456
2001	0,9	73	35472098	28456435	28693844	38568758
2002	1,3	86	38844323	29687487	29745788	38139839
2003	1,8	131	38956433	31183834	32048754	34958945
2004	1,9	161	42489655	32947584	34694843	32294895
2005	1,9	213	39902382	31639484	33940589	36704905
2006	2,1	243	38830948	30949887	32500398	37593843
2007	2,4	267	39489283	30983234	32293894	38568755
2008	2,7	321	41141446	30192833	31034944	40326956
2009	3,1	388	44376237	29837474	30948598	41837499
2010	3,6	430	45837234	27187283	30183874	43945894

2.2 Базовый анализ данных

По статистическим показателям рассматриваемой страны производится базовый анализ данных

Рассчитываются следующие параметры:

· Среднее
· Стандартная ошибка
· Медиана
· Мода
· Стандартное отклонение
· Дисперсия выборки
· Эксцесс
· Асимметричность

Можно это рассчитать все по отдельности для каждого показателя в группе, для это в строке формул ставим знак (=) выделяем показатели с (В3:В23) и в функциях выбираем СРЗНАЧ, это пример для среднее.

И такую операцию следует проделать для каждого показателя в группе, также можно воспользоваться автокорреляцией, которая помогает рассчитать всю таблицу автоматически.

Например, для международной торговли:

Таблица 2.2

Базовый анализ данных

	Международная торговля
	Импорт(млн.$ США)	Экспорт(млн.$ США)	Запасы нефти(млн.тонн)
Cредние	94158,52381	91636,38095	1146,47619
Хмах	233051	253715	2034
Хмин	29748	22756	395
R	203303	230959	1639
Мода	#Н/Д	75434	542
медиана	64873	75434	1172
Ассиметрия	1,100176456	1,396923507	-0,045273286
Эксесс	-0,061886338	1,373912822	-1,243074648
Дисперсия	3929201409	3782924209	249701,0113
Ско	64231,3123	63024,36369	512,0410744

2.3 Корреляционный анализ

Корреляционный анализ -- метод обработки статистических данных, с помощью которого измеряется теснота связи между двумя или более переменными. Корреляционный анализ тесно связан с регрессионным анализом (также часто встречается термин «корреляционно-регрессионный анализ», который является более общим статистическим понятием), с его помощью определяют необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивают полученное уравнение регрессии на соответствие выявленным связям (используя коэффициент детерминации).

Ограничения корреляционного анализа.

Множество корреляционных полей. Распределения значений (x, y) с соответствующими коэффициентами корреляций для каждого из них. Коэффициент корреляции отражает «зашумлённость» линейной зависимости (верхняя строка), но не описывает наклон линейной зависимости (средняя строка), и совсем не подходит для описания сложных, нелинейных зависимостей (нижняя строка). Для распределения, показанного в центре рисунка, коэффициент корреляции не определен, так как дисперсия y равна нулю.

Применение возможно при наличии достаточного количества наблюдений для изучения. На практике считается, что число наблюдений должно быть не менее, чем в 5-6 раз превышать число факторов (также встречается рекомендация использовать пропорцию не менее, чем в 10 раз превышающую количество факторов). В случае, если число наблюдений превышает количество факторов в десятки раз, в действие вступает закон больших чисел, который обеспечивает взаимопогашение случайных колебаний.

Необходимо, чтобы совокупность значений всех факторных и результативных признаков подчинялась многомерному нормальному распределению. В случае, если объём совокупности недостаточен для проведения формального тестирования на нормальность распределения, то закон распределения определяется визуально на основе корреляционного поля.

Если в расположении точек на этом поле наблюдается линейная тенденция, то можно предположить, что совокупность исходных данных подчиняется нормальному закону распределения.

Исходная совокупность значений должна быть качественно однородной.

Сам по себе факт корреляционной зависимости не даёт основания утверждать, что одна из переменных предшествует или является причиной изменений, или то, что переменные вообще причинно связаны между собой, а не наблюдается действие третьего фактора.

Необходимо выявить главенствующие показатели в группе. Выбираем (сервис-анализ данных- корреляция), и выделяем одну группу.

В пустые ячейки записываются показатели которые получились в заполненный ячейках, поднимая их на 90 градусов в права. Затем выявляем главенствующий показатель в группе путем суммирования всех показателей в строке. Наивысший результат и будет главенствующим показателем в группе.

Для международной торговли получаем:

Таблица 2.3

Корреляционный анализ

	Столбец 1	Столбец 2	Столбец 3
Столбец 1	1	0,968304	0,872087	2,840391
Столбец 2	0,968304	1	0,844978	2,813282
Столбец 3	0,872087	0,844978	1	2,717065
	Международная торговля
	Импорт(млн.$ США)	Экспорт(млн.$ США)	Запасы нефти(млн.тонн)
1990	29748	22756	395
1991	30632	27543	542
1992	36891	27997	542
1993	39704	33823	542
1994	51300	48639	542
1995	55834	67522	542
1996	55163	70202	542
1997	59494	78693	1111
1998	58542	75434	1111
1999	55392	63545	1172
2000	64873	75701	1172
2001	67523	75434	1348
2002	71368	63742	1348
2003	82868	66789	1348
2004	109031	83332	1348
2005	133419	101681	1591
2006	156542	124972	1591
2007	182755	161922	1591
2008	225981	222816	1832
2009	177218	178106	1832
2010	233051	253715	2034

Таким образом, первый столбец является главенствующим.

Данный анализ проводим для каждой группы в таблице с исходными данными, при этом выделяем только числовые показатели без названия группы и под группы.

После выявления главенствующих показателей необходимо скопировать каждый столбец в отдельный лист, и уже среди них найти главенствующий показатель. В данной работе главенствующих показателей 7, среди них главенствующий 3.

Таблица 2.4.

Главенствующие показатели

Импорт(млн.$ США)	Пр-во куринных яиц,млн.шт	численность постоянного нас-ия,тыс	сигареты,содержащие табак,кг	Пасажирооборот гр-ой авиации,чел	Число установленных телефонных аппаратов,шт	Чугун,т
29748	22927	154094	12435196	19150345	10238498	20192883
30632	24009	151547	25773932	19153486	10643783	21872387
36891	24958	153986	30375264	16388495	11834894	22387915
39704	25092	156431	33842168	16536209	12634675	23490455
51300	25223	158875	57818216	17899387	12948575	23758955
55834	25744	161323	63416940	20196384	13306234	25240595
55163	26205	163780	80262448	22011983	16458756	25438783
59494	26205	166252	87312456	24196843	18475655	25738347
58542	26982	168754	87168896	29136840	23985556	26038484
55392	27134	171280	8057688	28273321	27465566	26948374
64873	27438	173822	842147	31819201	30932454	27709340
67523	27746	176400	520598	34285603	35472098	28693844
71368	28112	179000	1656944	35889523	38844323	29745788
82868	28647	181665	2614455	32293223	38956433	32048754
109031	29432	184221	2871005	35263820	42489655	34694843
133419	30500	186843	2807968	34453213	39902382	33940589
156542	30672	189335	3852219	36427854	38830948	32500398
182755	31406	191972	5196795	35473823	39489283	32293894
225981	31554	192261	3671054	36894324	41141446	31034944
177218	31783	192532	3129233	37489304	44376237	30948598
233051	31812	193108	2895546	37654755	45837234	30183874

2.4 Регрессионный анализ

Регрессиомнный (линейный) анализ -- статистический метод исследования влияния одной или нескольких независимых переменных на зависимую переменную. Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные -- критериальными. Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных (см. Ложная корреляция), а не причинно-следственные отношения.

Цели регрессионного анализа

· Определение степени детерминированности вариации критериальной (зависимой) переменной предикторами (независимыми переменными)

· Предсказание значения зависимой переменной с помощью независимой(-ых)

· Определение вклада отдельных независимых переменных в вариацию зависимой

Регрессионный анализ нельзя использовать для определения наличия связи между переменными, поскольку наличие такой связи и есть предпосылка для применения анализа.

Для нахождения линейной регрессии необходимо (сервис-регрессия) в ось Y выделить главенствующий столбец, а в ось X каждый столбец по очереди и только по одному чтобы в последствии получилось 6 коэффициентов с Y-пересечением и переменой Х (1,..6), для выявления формулы.

Регрессионный анализ.

Таблица 2.5

Регрессионный анализ

ВЫВОД ИТОГОВ
Регрессионная статистика
Множественный R	0,888424
R-квадрат	0,789296
Нормированный R-квадрат	0,778207
Стандартная ошибка	6788,526
Наблюдения	21
Дисперсионный анализ	1	3,28E+09	3,28E+09
Регрессия	19	8,76E+08	46084089
Остаток	20	4,16E+09
Итого	1	3,28E+09	3,28E+09
	Коэффициенты	Стандартная ошибка	t-статистика
Y-пересечение	154916,6	2673,218	57,95134
Переменная X 1	0,199377	0,023633	8,436471
Переменная X 2	154916,6	2673,218	57,95134

Необходимые коэффициенты выделены красным, в результате получаем 6 уравнений регрессии (таблица 2.6).

Таблица 2.6

Формулы линейной регрессии

Y-пересечение	154916,5512	х7 = 0,199*х1+154916
Переменная X 1	0,199376748
Y-пересечение	29227,65105	х7 = 5,198*х2+29227
Переменная X 1	5,198422032
Y-пересечение	180157,4253	х7 = -0,00026*х3 -180157
Переменная X 1	-0,000262961
Y-пересечение	123741,0273	х7 = 0,0017*х4+123741
Переменная X 1	0,001745616
Y-пересечение	143563,7445	х7 = 0,00106*х5 + 143564
Переменная X 1	0,00106458
Y-пересечение	85171,23159	х7 = 0,003*х6 + 85171
Переменная X 1	0,003178114

2.5 Кластерный анализ

Кластерный анализ -- задача разбиения заданной выборки объектов (ситуаций) на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Задача кластеризации относится к статистической обработке, а также к широкому классу задач обучения без учителя.

Кластерный анализ выполняет следующие основные задачи:

· Разработка типологии или классификации.

· Исследование полезных концептуальных схем группирования объектов.

· Порождение гипотез на основе исследования данных.

· Проверка гипотез или исследования для определения, действительно ли типы (группы), выделенные тем или иным способом, присутствуют в имеющихся данных.

Независимо от предмета изучения применение кластерного анализа предполагает следующие этапы:

· Отбор выборки для кластеризации. Подразумевается, что имеет смысл кластеризовать только количественные данные.

· Определение множества переменных, по которым будут оцениваться объекты в выборке, т.е. признакового пространства.

· Вычисление значений той или иной меры сходства (или различия) между объектами.

· Применение метода кластерного анализа для создания групп сходных объектов.

· Проверка достоверности результатов кластерного решения.

Кластерный анализ предъявляет следующие требования к данным:

· показатели не должны коррелировать между собой;

· показатели не должны противоречить теории измерений;

· распределение показателей должно быть близко к нормальному

· показатели должны отвечать требованию «устойчивости», под которой понимается отсутствие влияния на их значения случайных факторов

· выборка должна быть однородна, не содержать «выбросов».

Метод кластеризации, к-среднее, правка- спец вставка-транспортировать. Открыть в SPSS.

В SPSS нажать меню- анализ данных- классификация- кластер.- К среднее. Переменная с V2 в параметрах выбираем каждый кластер для каждого наблюдения, число кластеров 2, нажимаем Ок.

Появиться таблица принадлежности кластера, чем значение в этой таблице ближе к нулю тем достовернее полученная информация и точнее расчеты.

Таблица 2.7

Кластерный анализ

Принадлежность к кластерам
Номер наблюдения	Кластер	Расстояние
1	1	31412163,390
2	1	34136012,506
3	1	36460564,391
4	1	37454166,479
5	2	18982060,651
6	2	13042237,815
7	2	5193249,113
8	2	12464522,846
9	2	16086490,964
10	1	11696415,418
11	1	12203593,698
12	1	11136617,633
13	1	12224729,162
14	1	11175122,875
15	1	15961212,322
16	1	13520244,248
17	1	14935517,865
18	1	14458944,289
19	1	16825253,038
20	1	20345532,314
21	1	21416050,894
22	.	.
Число наблюдений в каждом кластере
Кластер	1	16,000
	2	5,000
Валидные	21,000
Пропущенные значения	1,000

2.6 Факторный анализ

Факторный анализ -- многомерный метод, применяемый для изучения взаимосвязей между значениями переменных. Предполагается, что известные переменные зависят от меньшего количества неизвестных переменных и случайной ошибки.

Факторный анализ позволяет решить две важные проблемы исследователя: описать объект измерения всесторонне и в то же время компактно. С помощью факторного анализа возможно выявление скрытых переменных факторов, отвечающих за наличие линейных статистических связей корреляций между наблюдаемыми переменными.

Таким образом можно выделить 2 цели Факторного анализа:

· определение взаимосвязей между переменными, (классификация переменных), т. е. «объективная R-классификация»

· сокращение числа переменных необходимых для описания данных.

При анализе в один фактор объединяются сильно коррелирующие между собой переменные, как следствие происходит перераспределение дисперсии между компонентами и получается максимально простая и наглядная структура факторов.

После объединения коррелированность компонент внутри каждого фактора между собой будет выше, чем их коррелированность с компонентами из других факторов. Эта процедура также позволяет выделить латентные переменные, что бывает особенно важно при анализе социальных представлений и ценностей. Например, анализируя оценки, полученные по нескольким шкалам, исследователь замечает, что они сходны между собой и имеют высокий коэффициент корреляции, он может предположить, что существует некоторая латентная переменная, с помощью которой можно объяснить наблюдаемое сходство полученных оценок. Такую латентную переменную называют фактором. Данный фактор влияет на многочисленные показатели других переменных, что приводит нас к возможности и необходимости выделить его как наиболее общий, более высокого порядка. Для выявления наиболее значимых факторов и, как следствие, факторной структуры, наиболее оправданно применять метод главных компонентов (МГК). Суть данного метода состоит в замене коррелированных компонентов некоррелированными факторами. Другой важной характеристикой метода является возможность ограничиться наиболее информативными главными компонентами и исключить остальные из анализа, что упрощает интерпретацию результатов. Достоинство МГК также в том, что он -- единственный математически обоснованный метод факторного анализа.

Практическое выполнение факторного анализа начинается с проверки его условий. В обязательные условия факторного анализа входят:

· Все признаки должны быть количественными.

· Число наблюдений должно быть в два раза больше числа переменных.

· Выборка должна быть однородна.

· Исходные переменные должны быть распределены симметрично.

· Факторный анализ осуществляется по коррелирующим переменным.

Нажимаем меню затем анализ данных- снижение размерности- факторный анализ

Появится таблица матрица компонент. Чем значение ближе к единице, тем более сильный вклад вложен в формирование фактора.

Таблица 2.8

Факторный анализ

Матрица компонентa
	Компонента
	1	2	3
V2	,894	,338	,247
V3	,841	,311	,374
V4	,975	-,002	,048
V5	,973	-,187	,018
V6	,985	,016	,101
V7	-,747	,593	,211
V8	,996	-,032	,033
V9	,982	-,127	,047
V10	,971	,088	,015
V11	-,600	-,289	,605
V12	,932	,267	-,011
V13	,355	,364	-,746
V14	,958	-,147	-,059
V15	,947	,275	,070
V16	,899	,381	,175
V17	,978	-,091	-,128
V18	,834	-,476	-,048
V19	,915	-,252	-,087
V20	,875	-,205	,092
Метод выделения: Анализ методом главных компонент.
a. Извлеченных компонент: 3

2.7 Дискриминантный анализ

Дискриминантный анализ, как раздел многомерного статистического анализа, включает в себя статистические методы классификации многомерных наблюдений в ситуации, когда исследователь обладает так называемыми обучающими выборками ("классификация с учителем"). Например, для оценки финансового состояния своих клиентов при выдаче им кредита банк классифицирует их по надежности на несколько категорий по ряду признаков. В случае, когда следует отнести клиента к той или иной категории используют процедуры дискриминантного анализа. Очень удобно использовать дискриминантный анализ при обработке результатов тестирования. Так при выборе кандидатов на определенную должность можно всех опрошенных претендентов разделить на две группы - удовлетворяющих и неудовлетворяющих предъявляемым требованиям.

Все процедуры дискриминантного анализа можно разбить на две группы и рассматривать их как совершенно самостоятельные методы. Первая группа процедур позволяет интерпретировать различия между существующими классами, вторая - производить классификацию новых объектов в тех случаях, когда неизвестно заранее, к какому из существующих классов они принадлежат.

Таблица 2.9

Дискриминантный анализ

Сводка результатов обработки наблюдений
Невзвешенные наблюдения	N	Процент
Валидные	0	,0
Исключенные	Пропущенные или лежащие вне диапазона коды группирующей переменной	21	95,5
	По крайней мере одна пропущенная дискриминантная переменная	0	,0
	Оба групповых кода пропущены или лежат вне диапазона, и отсутствует по крайней мере одна дискриминантная переменная.	1	4,5
	Итого искл.	22	100,0
Всего набл.	22	100,0

статистический анализ экономический бразилия

Заключение

По результатам исследования можно сделать вывод что уровень жизни в Бразилии заметно вырос за последние 20 лет. В первую очередь это связано со следующими факторами: сельское хозяйство стало более производительным, значительное развитие получила сырьевая база (запасы нефти), металлургическое производство, а так же производство табака. Все это привело к возрастанию экспорта товаров страной. Рост уровня жизни повлек за собой увеличение рождаемости, ввиду улучшения здоровья граждан и лучшем их материальном состоянии.

Размещено на Allbest.ru