Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Министерство образования Республики Беларусь

Белорусский государственный университет

Экономический факультет

Курсовая работа

По предмету «Эконометрика»

На тему:

«Регрессионный анализ зависимости между уровнем ИПЦ непродовольственных товаров и количеством безработных»

Выполнил: студент 3-го курса

заочного отделения, специальность «Менеджмент» Мирош В. Н.

Проверил : Преподаватель Абакумова Ю.Г.

Минск, 2012

Введение

Проблема рынка труда, занятости и безработицы являются одной из важнейших социально-экономических проблем нашего времени. В условиях становления и закрепления рыночных отношений в нашей стране эти проблемы проявляются особенно остро, т.к. государственная политика в области занятости пока пассивна и ориентирована на достижение краткосрочных целей.

В нашей стране рынок труда еще формируется. Поэтому ряд проблем - особенности формирования рынка труда, занятости и безработицы, проблемы регулирования занятости в условиях перехода к рынку труда, в условиях становления и закрепления рыночной экономики, региональные аспекты безработицы, неравномерной занятости и, соответственно, дифференцированной заработной платы - становятся, в настоящее время, наиболее актуальными.

Целью данной работы является исследование занятости в Республике Беларусь, в частности динамики количества безработных за 2009-2012 г.г., а также степень влияния объема инвестиций на данный показатель. В соответствие с этим можно определить следующие задачи:

- изучить теоретические аспекты взаимосвязи между уровнем инфляции в экономике и количеством безработных;

- провести статистический анализ уровня ИПЦ непродовольственных товаров за рассматриваемый промежуток времени апрель 2009 - март 2012 г., в частности рассчитать числовые характеристики и проинтерпретировать результаты, провести графический анализ, построить тренды и выявить наличие сезонности;

- построить поле корреляции, определить основные возможные варианты зависимостей между ИПЦ и количеством безработных, рассчитать коэффициенты корреляции наиболее вероятных видов зависимостей;

- построить уравнения парной регрессии для двух вариантов зависимости, рассчитать коэффициенты регрессии, провести тесты на общее качество построенных моделей;

- построить наиболее адекватную и эффективную эконометрическую модель зависимости количества безработных от объема ИПЦ, проинтерпретировать результаты.

Источником статистических данных является Бюллетень банковской статистики, Министерство статистики Республики Беларусь.

Теоретическое обоснование модели

Безработица - неотъемлемый элемент рынка труда. Она представляет собой сложное, многоаспектное явление. Взрослое население, обладающее рабочей силой, делится на несколько основных категорий в зависимости от того положения, которое оно занимает относительно рынка труда.

Безработица ведет к усилению социально-негативных процессов, росту напряженности, «социальной патологии» общества. Безработный человек не только не может использовать свои знания и умения, лишается доходов и средств к существованию, но и теряет свой статус и значимость в обществе, становится психологически неустойчивым, неуверенным в будущем.

Инфляция - повышение общего уровня цен, наиболее общее - переполнение каналов обращения денежной массы сверх потребностей товарооборота, что вызывает обесценение денежной единицы и соответственно рост товарных цен.

Инфляция - есть тонкое социально-экономическое явление, порождаемое диспропорциями воспроизводства в различных сферах рыночного хозяйства. Одновременно, инфляция - одна из наиболее острых проблем современного развития экономики практически во всех странах мира.

Суть инфляции заключается в том, что национальная валюта обесценивается по отношению к товарам, услугам и иностранным валютам, сохраняющим стабильность своей покупательной способности. Некоторые российские ученые добавляют к этому перечню еще и золото, придавая ему по-прежнему роль всеобщего эквивалента.

Инфляция оказывает сильное воздействие на занятость. В 1958 году английский экономист А. Филлипс предложил графическую модель инфляции спроса, выражающую такое воздействие.



Р

U

Рисунок 1.1 - Кривая Филлипса

Где P - темп роста товарных цен;

U - уровень безработицы

На оси абсцисс (рисунок 1.1) показан уровень безработицы, на оси ординат - темпы роста товарных цен. Кривая отражает сочетание этих параметров.

Если правительство рассматривает уровень безработицы в стране как чрезвычайно высокий, то для его понижения проводятся бюджетные и денежно-кредитные мероприятия стимулирующие спрос. Это приводит к расширению производства и созданию новых рабочих мест. Норма безработицы снижается, но одновременно темпы инфляции возрастают. Такие манипуляции могут вызвать “перегрев” экономики и как следствие кризисные явления. Такая ситуация вынуждает правительство ввести кредитные ограничения, сократить расходы из государственного бюджета и т.д. В результате этих возвратных действий правительства уровень цен снизится, а безработица возрастет.

Неоднократная практика экономического регулирования показала, что этот метод может быть применен только на короткие периоды, поскольку в долгосрочном плане (5-10 лет), несмотря на высокий уровень безработицы, инфляция продолжает нарастать, что объясняется целым рядом обстоятельств. Среди этих обстоятельств необходимо выделить политику совокупного спроса. Стремление правительства ценой инфляции “купить” более низкий уровень безработицы успешны только тогда, когда у хозяйствующих агентов удается создать так называемые “ложные ожидания”, а попросту - обмануть. Так, работающие по найму, наблюдая рост ставок номинальной заработной платы, увеличивают предложение труда. И тогда, как и предполагалось в концепции Филлипса, рост инфляции может уменьшить безработицу. Однако со временем работники распознают, что на все возрастающую заработную плату можно приобрести все меньше товаров и услуг. Иллюзиям приходит конец: работающие по найму не намереваются более увеличивать предложение вслед за увеличением заработной платы. Особое внимание на эти взаимосвязи обратил еще в 60е гг. американский экономист М. Фридмен, который подчеркивал неэффективность борьбы с безработицей путем “накачивания" совокупного спроса инфляционными мероприятиями. Ведь в момент, когда население преодолевает свои ложные ожидания, трезво оценивает, что повышение номинальных ставок не адекватно повышению покупательной способности их заработной платы, тогда инфляция будет сопровождаться не ростом предложения труда, а, наоборот, его сокращением, т.е. растущей безработицей.

Установлено, что кривая Филлипса может быть использована для борьбы с безработицей лишь в условиях умеренной инфляции с постоянным темпом. При неожиданных экономических потрясениях темп инфляции возрастает также неожиданно и может сопровождаться резким ростом безработицы. Иными словами, соотношение, установленное кривой Филлипса не действительно для длительных периодов времени. Переливание безработицы в инфляцию по этому методу опасно для экономики из-за непредсказуемых последствий. Вследствие этой негативной черты правительства большинства западных стран, в том числе США и Англии, перешли к теории естественного уровня безработицы, которая используется по сей день.

Суть этой теории состоит в том, что в долгосрочном плане приемлемый уровень инфляции возможен только при естественном уровне безработицы. Естественный уровень безработицы должен определяться структурой рынка рабочей силы с учетом информации о потребностях в различных отраслях. Необходимо заметить, что и эта политика обеспечения естественного уровня безработицы и снижение уровня инфляции до умеренных и стабильных не всегда достигает своих целей. При всех положительных факторах этого метода у него существует довольно важный недостаток: при достижении естественного уровня безработицы инфляция продолжает некоторое время как бы по инерции усиливаться: ее темпы не могут быстро сократиться. Также необходимо заметить, что естественный уровень безработицы не всегда является социально приемлемым.

Таким образом, можно сделать вывод о достаточно сильной взаимозависимости инфляции и сферы занятости населения.

Статистический анализ

В рамках курсовой работы исследуем динамику двух временных рядов: ИПЦ (обозначим IPC), и количество безработных (Brb).

Найдем основные характеристики для данных рядов: выборочное среднее, выборочную дисперсию, выборочное среднеквадратическое отклонение.

1). Выборочное среднее - это среднее арифметическое наблюдаемых значений выборки

2). Выборочная дисперсия

3). Выборочное среднеквадратическое отклонение

Рассчитаем данные показатели для ряда IPC и Brb (расчеты приведены в Приложении Б).

Ряд IPC:

Ряд Bbr:

= 5,28

Данные ряды можно охарактеризовать следующим образом.

На временном интервале апрель 2009г. - март 2012г. в Республике Беларусь уровень инфляции непродовольственных товаров ежемесячно равен 102,62%, в то время как среднее количество безработных за месяц составило 36,61 тыс. чел. Дисперсия является величиной безразмерной и ее трактовка сводится в основном как к промежуточной величине, позволяющей рассчитать значение среднеквадратического отклонения.

Среднее квадратичное отклонение показывает, на сколько, отклоняются конкретные показатели от их среднего значения. Значение СКО для ряда IPC говорит о том, что отклонение уровня ИПЦ от своего среднего на данном временном интервале составляет 4,24%. Аналогично для ряда Brb данный показатель равен 5,28 тыс. чел. Однако данный вывод весьма условный, с помощью СКО нельзя оценить размах вариации. Поэтому рассчитаем коэффициент вариации по формуле

Для ряда IPC получаем

Для ряда Brb получаем

Рассчитанные значения данного показателя говорят, что степень рассеивания переменной Brb более высокая, так как коэффициент вариации равен 14,44%; для переменной IPC он составляет 4,13%.

Следующий этап анализа временных рядов -- построение графика данных.

Для того чтобы составить прогноз, необходимо сначала рассчитать тренд, а затем -- сезонные компоненты.

Тренд -- это общая долгосрочная тенденция изменения временного ряда, лежащего в основе его динамики.

Если посмотреть на рис. 2.1 (гистограмма значений ряда IPC), то через точки гистограммы можно от руки начертить линию повышательного тренда (рис. 2.2).

Рисунок 2.1 - Гистограмма значений уровня ИПЦ

Рисунок 2.2 - Диаграмма уровня ИПЦ

Если посмотреть на рис. 2.3 (гистограмма значений ряда Brb), то через точки гистограммы можно от руки начертить линию пониженного тренда (рис. 2.4).

Рисунок 2.3 - Гистограмма значений количества безработных

Рисунок 2.4 - Диаграмма количества безработных

Данные графического представления данных, их трендов позволяют заключить, что между исследуемыми переменными существует отрицательная связь (так как в течение данного времени для показателя уровень ИПЦ наблюдается возрастающий тренд, а для количества безработных тенденция на снижение).

Для данных, приведенных на рис. 2.1-2.4, отметим основные моменты:

- уровень ИПЦ в соответствующих кварталах каждого года стабильно растет год от года;

- сезонная вариация: на протяжении очередного квартала уровень ИПЦ постепенно увеличивается, однако в первый месяц следующего квартала его значение снижается.

- резкое увеличение ИПЦ происходит в марте-июне 2011 года, снижение происходит в июле 2011 года.

- количество безработных в первой половине года имеет тенденцию к увеличению. Наименьшее значение данного показателя характерно для декабря каждого года.

Рассчитаем относительные показатели для ряда IPC и Brb: абсолютный прирост, темп роста и темп прироста.

Абсолютный прирост (Ап) характеризует, на сколько единиц увеличивается (уменьшается) изучаемый уровень по сравнению с базисным или текущим и представляет собой разность между последующим уровнем ряда и предыдущим (или базисным).

Темп роста (Тр) показывает, во сколько раз изменяется изучаемый уровень по сравнению с базисным или текущим, и представляет собой отношение уровней ряда динамики, которое выражается в коэффициентах и процентах. Цепной темп роста исчисляют отношением последующего уровня к предыдущему

Темп прироста характеризует относительную величину прироста. Расчеты относительных показателей приведены в Приложении В. Исходя из рассчитанных значений, можно отметить следующие особенности ряда Brb:

- базисный абсолютный прирост за 2009 год составил (-0,2) тыс. чел., за 2010 год (-10,4) тыс. чел., за 2011 год - (-13 тыс. чел.)

- положительные темпы роста характерны для июля-августа 2009 года, января-марта 2010 года, августа 2010 года, января 2011 года, августа 2011 года, января 2012 года, февраля 2012 года.

Т.е. можно сделать вывод, что из года в год происходит снижение количества безработных (если сравнивать 2009г. и 2012г.). А также существуют закономерности, о которых упоминалось выше - положительная тенденция в начале года и отрицательная (направлена на снижение количества безработных) в конце года. Также появилась закономерность незначительного увеличения количества безработных в середине каждого года (июль-август).

Особенности ряда IPC:

- отрицательные значения цепного темпа роста (менее 100%) характерны для января, апреля, июля, октября каждого года. Т.е. это подтверждает данные графического анализа о выявлении поквартальной сезонности;

- базисные темпы прироста составляют в декабре каждого года соответственно (-0,03%), (-0,02%), 2,15% соответственно.

Корреляционный анализ

Изобразим зависимость количества безработных от объема инвестиций (поле корреляции)



Из графического представления зависимости можно предположить следующие варианты уравнений:

1). Линейная (синий цвет на графике)

Y= a + bX

2). Гиперболическая (красный цвет)

Y = a + b/X

3). Полулогарифмическая (красный цвет)

Y = a + bLnX

Для каждого из указанных видов зависимости рассчитаем коэффициент корреляции rxy по формуле:

Данные для расчета см. Приложение Г

1). Линейная зависимость

= -0,526

2). Гиперболическая зависимость

= 0,546

3). Полулогарифмическая зависимость

= -0,5366

Для определения статистической значимости рассчитанных коэффициентов корреляции воспользуемся критерием Стьюдента. Для этого найдем значение t-статистики по формуле

и сравним с критическим значением, полученным из соответствующей таблицы критических точек.

1). tлин =

2). tгип =

3). tлог =

Для проверки статистической значимости коэффициента корреляции воспользуемся критерием Стьюдента. По таблице критических точек распределения Стьюдента определим:

t=2,031 (б=0,05; n-2=34).

Так как каждое расчетное значение t-статистики коэффициентов корреляции по модулю больше критического, то все коэффициенты корреляции статистически значимы. Т.е. между показателями объем уровень ИПЦ и количество безработных существует достаточно сильная обратная зависимость. Однако значения коэффициентов для случаев гиперболической и полулогарифмической моделей оказались немного выше линейного, поэтому построение регрессии будет осуществляться для зависимости двух видов: гиперболической и полулогарифмической.

Регрессионный анализ

1. Гиперболическую (обратную) зависимость между величинами уровнем ИПЦ (IPC) и количеством безработных (Brb) можно записать:

Brb = a + b/(IPC).

Найдем коэффициенты a и b данного уравнения с помощью метода наименьших квадратов (МНК).

Используем следующие формулы:

Используя данные таблицы Г.1 (см. Приложение Г), а также вышеизложенные формулы, рассчитаем соответствующие коэффициенты для парной линейной регрессии:

= = 7879,97

= 36,61- (7879,97) * 0,00976 = -40,2943

Таким образом, уравнение парной гиперболической регрессии имеет вид

Brb = -40,2943 +

Экономическая интерпретация данного уравнения сводится к следующему: при увеличении объема ИПЦ происходит снижение количества безработных. Т.е. можно говорить, что изменение объема ИПЦ порождает изменение количества безработных в противоположном направлении, что подтверждает предварительные выводы, заключенные в первом разделе.

С помощью данного уравнения (если подставить вместо X наши наблюдаемые значения независимой переменной) найдем Y эмпирическое (модельное) и вычислим остатки e (отклонение реальных значений Y от модельных), см. Приложение Д.

Проверим статистическую значимость коэффициента регрессии.

Дисперсия регрессии равна

= 20,763,

где n =36 (количество наблюдений), m =1 (количество переменных).

Тогда стандартная ошибка регрессии S = = 4,556.

Дисперсии коэффициентов вычислим по следующим формулам:

;

Используя данные таблицы Е.1 (см. Приложение Е), получим:

= 4287075,883

= 408,949.

Следовательно, стандартные ошибки коэффициентов равны:

Sbo = = 20,2225;

Sb1 = = 2070,52.

Для проверки статистической значимости коэффициентов регрессии рассчитаем по формуле

tbi =

соответствующие t-статистики:

tb0 = = -1,992;

tb1 = = 3,805.

Найдем - критическую точку распределения Стьюдента (значение этой функции мы возьмем из статистической таблицы),

- уровень значимости (в нашем случае он равен 0,05),

n-m-1 - количество степеней свободы (n = 36 - размер выборки, m = 1 - количество переменных в уравнении регрессии).

В нашем случае .

Сравниваем значения t-статистик со значением критической точки Стьюдента:

3,805 > 2,031, значит условие статистической значимости выполняется для параметра b1 и переменная IPC имеет существенное влияние на Brb;

|-1,992| < 2,031, значит коэффициент b0 статистически не значим. Это означает, что в модели нет неучтенных факторов.

Рассчитаем коэффициент детерминации, характеризующий общее качество построенной регрессии по следующей формуле:

R2 = r2XY

Коэффициент детерминации R2 = r2xy = 0,2987. Для проверки адекватности нашей модели воспользуемся критерием Фишера.

Найдем значение F - статистики по формуле:

В нашем случае:

Модель регрессии является адекватной, если выполнено условие: , где - критическое значение распределение Фишера, которое находится в зависимости от уровня значимости (в нашем случае ), количества переменных m (в нашем случае m = 1) и количества степеней свободы (в нашем случае ). Это значение мы берем из статистических таблиц.

В нашем случае условие выполнено, значит, модель адекватна. Это означает, что совокупное влияние переменной X на переменную Y существенно. Построенная модель качественна.

2. Полулогарифмическую зависимость между величинами IPC (X) и Brb (Y) можно записать:

Y = a + b LnX.

Найдем коэффициенты a и b уравнения с помощью метода наименьших квадратов (МНК) и данных таблицы Г.3 (Приложение Г).

= = -72,057

= 36,61 - (-72,057) * 4,63 = 370,255

Таким образом, уравнение регрессии имеет вид:

Brb = 370,255 - 72,057 Ln(IPC)

Экономическая интерпретация данного уравнения сводится к следующему: при увеличении уровня ИПЦ на 1% происходит снижение количества безработных на 72 тыс. чел. (по логарифму). Т.е. можно говорить, что изменение уровня ИПЦ порождает изменение количества безработных в противоположном направлении, что подтверждает предварительные выводы, заключенные в первом разделе.

С помощью данного уравнения (если подставить вместо X наши наблюдаемые значения независимой переменной) найдем Y эмпирическое (модельное) и вычислим остатки e (отклонение реальных значений Y от модельных), см. Приложение Ж.

Проверим статистическую значимость коэффициента регрессии. Дисперсия регрессии равна

= 4,59,

где n =36 (количество наблюдений), m =1 (количество переменных).

Тогда стандартная ошибка регрессии S = = 4,59.

Дисперсии коэффициентов (см. Приложение Ж):

= 377,63;

= 8096,5962

Следовательно, стандартные ошибки коэффициентов равны:

Sbo = = 89,98;

Sb1 = = 19,432.

Для проверки статистической значимости коэффициентов регрессии рассчитаем соответствующие t-статистики:

tb0 = = 4,114;

tb1 = = -3,708.

Найдем - критическую точку распределения Стьюдента (значение этой функции мы возьмем из статистической таблицы), - уровень значимости (в нашем случае он равен 0,05), n-m-1 - количество степеней свободы (n = 36 - размер выборки, m = 1 - количество переменных в уравнении регрессии).

В нашем случае .

Сравниваем значения t-статистик со значением критической точки Стьюдента:

4,114 > 2,031, значит условие статистической значимости выполняется для параметра b0;

|-3,708| > 2,031, значит коэффициент b1 статистически значим, а значит переменная IPC имеет существенное линейное влияние на Brb.

Рассчитаем коэффициент детерминации, характеризующий общее качество построенной регрессии.

Коэффициент детерминации R2 = r2xy = 0,2879. Для проверки адекватности нашей модели воспользуемся критерием Фишера.

Найдем значение F - статистики:

Модель регрессии является адекватной, если выполнено условие:

,

где - критическое значение распределение Фишера, которое находится в зависимости от уровня значимости (в нашем случае ) , количества переменных m (в нашем случае m = 1) и количества степеней свободы (в нашем случае ). Это значение мы берем из статистических таблиц.

В нашем случае условие выполнено, значит, модель адекватна.

Это означает, что совокупное влияние переменной X на переменную Y существенно. Построенная модель качественна.

По результатам регрессионного анализа выявилось, что обе построенные регрессии характеризуются весьма хорошим качеством. Представим графически значения параметра Y, рассчитанные по модели парной гиперболической и полулогарифмической регрессии, а также фактические для сравнения приближения.

Изобразим на графике фактические значения показателя количества безработных, а также полученные расчетным путем с помощью уравнения гиперболической и полулогарифмической регрессии. Как видно из графического представления указанных параметров наиболее приближенными являются значения первой модели.

По результатам проведенного регрессионного и графического анализа можно заключить, что построенная модель парной гиперболической регрессии обладает наилучшими параметрами.

Исходя из проведенного регрессионного анализа можно сделать следующие выводы:

- в рамках данного пункта строились два уравнения парной регрессии: в форме гиперболической зависимости (модель 1) и в форме полулогарифмической (модель 2);

- параметры гиперболической регрессии оказались высокими: коэффициент b является статистически значимым, так как расчетное значение t-статистики, которое равно 3,805 по абсолютной величине превышает критическое; коэффициент детерминации равен 0,2987. Это говорит о том, что данная модель объясняет 29,87% разброса значений эндогенной переменной. Значение F-статистики, равное 14,483 превосходит критическое. Модель показывает, что при увеличении уровня ИПЦ непродовольственных товаров происходит снижение количества безработных, что соответствует выводам из экономической теории;

- модель 2 (полулогарифмическая) обладает высокими параметрами: статистически значимым является коэффициент b, так как расчетное значение t-статистики равно (-3,708), что по модулю больше 3. Коэффициент детерминации равен 0,2879 , т.е. полулогарифмическая зависимость объясняет 28,79% разброса значений объясняемой переменной. Экономическая трактовка сводится к тому, что при увеличении уровня ИПЦ происходит снижение количества безработных, что также соответствует теоретическим выкладкам.

Таким образом, модель 1, описываемая уравнением

Brb = -40,2943 +

признается более эффективной.

Заключение

Основной задачей данной работы являлось исследование динамики количества безработных за период апрель 2009г. - март 2012г., выявление зависимости между данным показателем и уровнем ИПЦ непродовольственных товаров; построение наиболее эффективной парной регрессии, исследование основных ее параметров.

В ходе теоретического исследования был сделан вывод о том, что существует взаимосвязь инфляции и безработицы, которую отразила кривая Филлипса.

Филлипс представил эту зависимость в виде кривой, характеризующей функциональную связь этих двух величин: чем выше безработица, тем больше прирост денежной зарплаты, тем ниже рост цен; и наоборот, чем ниже безработица и выше занятость, тем больше прирост денежной зарплаты, тем выше темп роста цен. До Филлипса предлагался как бы «выбор»: хотите высокий уровень занятости - миритесь с высокими темпами роста цен; предпочитаете стабильные цены - соглашайтесь с высоким уровнем безработицы. Полученная Филлипсом кривая имела отрицательный наклон, показывая тем самым обратную связь между этими двумя переменными. Едва ли это было неожиданным открытием: когда уровень безработицы низок и рынок труда динамичен, денежная зарплата должна расти; когда же уровень безработицы высок, а рынок труда вял, денежная зарплата перестанет расти и даже будет падать. Главное же новшество, содержавшееся в кривой Филлипса, заключалось в том, чтобы показать, что рост денежной зарплаты может сосуществовать с заметной величиной безработицы.

В рамках статистического анализа были рассчитаны основные характеристики временных рядов: выборочная средняя, дисперсия, среднеквадратическое отклонение, коэффициент вариации; а также система относительных показателей: темпы роста, прироста, абсолютный прирост. На графике были представлены динамика показателя уровень ИПЦ и количество безработных как в форме гистограммы (позволила выявить сезонность), так и в форме линии (позволила описать тренд). Исходя из выводов данного раздела, были выявлены основные закономерности развития показателей во времени, в частности, снижение количества безработных во второй половине года и резкое увеличение ИПЦ в декабре. Проведенный статистический анализ позволил заключить, что обе рассматриваемые переменные находятся между собой в обратной зависимости.

Силу данной связи позволил определить рассчитанный коэффициент корреляции для линейной, гиперболической, полулогарифмической видов зависимости. Исходя их корреляционного анализа, удалось установить, что рассматриваемые переменные находятся между собой в достаточно сильной отрицательной связи, так как коэффициент корреляции составляет не менее 52%.

По результатам построения уравнения парной регрессии выяснилось, что наиболее эффективной является модель, описываемая гиперболическим уравнением вида Brb = -40,2943 + . Она объясняет 29% разброса значений эндогенной переменной, и указывает на то, что увеличение уровня ИПЦ порождает снижение количества безработных.

Список использованных источников

1. Базылев Н.И. Макроэкономика. - Мн.: БГЭУ, 2004-216с.

2. Бородич С.А. Вводный курс эконометрики: Учеб.пособие. - Мн.: БГУ, 2000. - 354 с.

3. Государственное регулирование рыночной экономики: Учебник - М.: РАГС, 2005. - 598с./с. 346-358.

4. Денежно-кредитная политика РБ: проблемы и перспективы./А.О.Тихонов//Белорусский экономический журнал. - 2000 - №3. - с. 86-93.

5. Программа социально-экономического развития Республики Беларусь на 2006-2010 годы - Мн.: «Беларусь», 2006. - с.32-34.

6. http://www.nbrb.by Официальный сайт Национального банка Республики Беларусь по состоянию на 09.05.2012. Электронный ресурс

7. http://belstat.gov.by/ Официальный сайт Национального статистического комитета Республики Беларусь по состоянию на 08.05.2012. Электронный ресурс

Приложение А

Таблица А.1 Исходные данные

Период	Безработные, тыс. чел. (Y)	ИПЦ, %.(X)
апр.09	44	100,38
май.09	43,2	100,11
июн.09	41,7	100,77
июл.09	42,6	100,52
авг.09	44,6	100,53
сен.09	42,2	100,91
окт.09	41,4	100,23
ноя.09	41,4	100,18
дек.09	40,3	100,35
янв.10	42,5	101,39
фев.10	43,5	100,15
мар.10	43,8	101,58
апр.10	43,1	100,38
май.10	40,8	101,14
июн.10	38,9	100,27
июл.10	37,8	100,06
авг.10	38,6	100,33
сен.10	35,9	100,75
окт.10	35,2	100,37
ноя.10	34,1	100,37
дек.10	33,1	100,36
янв.11	34,40	100,28
фев.11	34,1	100,31
мар.11	33,60	102,97
апр.11	32,70	105,64
май.11	31,30	120,36
июн.11	30,60	110,66
июл.11	30,50	104,47
авг.11	31,50	110,75
сен.11	30,10	110,53
окт.11	29,6	105,97
ноя.11	29,70	104,66
дек.11	28,20	102,54
янв.12	30,60	101,61
фев.12	31,50	100,76
мар.12	31,00	101,63

Приложение Б

потребительский индекс цена безработица

Таблица Б.1 Данные для расчета характеристик рядов

	Инвестиции (X)	Безработные (Y)	Y-Yср	X-Xср	(Y-Yср)2	(X-Xср)2
	100,38	44	7,39	-2,24	54,55463735	5,011379707
	100,11	43,2	6,59	-2,51	43,37685957	6,293129707
	100,77	41,7	5,09	-1,85	25,86852623	3,41736304
	100,52	42,6	5,99	-2,10	35,83352623	4,404168596
	100,53	44,6	7,99	-2,09	63,77797068	4,362296373
	100,91	42,2	5,59	-1,71	31,20463735	2,919351929
	100,23	41,4	4,79	-2,39	22,90685957	5,70546304
	100,18	41,4	4,79	-2,44	22,90685957	5,946824151
	100,35	40,3	3,69	-2,27	13,58741512	5,146596373
	101,39	42,5	5,89	-1,23	34,64630401	1,509485262
	100,15	43,5	6,89	-2,47	47,41852623	6,094040818
	101,58	43,8	7,19	-1,04	51,6401929	1,07871304
	100,38	43,1	6,49	-2,24	42,06963735	5,011379707
	101,14	40,8	4,19	-1,48	17,52352623	2,186290818
	100,27	38,9	2,29	-2,35	5,226304012	5,515974151
	100,06	37,8	1,19	-2,56	1,406859568	6,546490818
	100,33	38,6	1,99	-2,29	3,944637346	5,237740818
	100,75	35,9	-0,71	-1,87	0,509637346	3,491707485
	100,37	35,2	-1,41	-2,25	1,99908179	5,056251929
	100,37	34,1	-2,51	-2,25	6,319637346	5,056251929
	100,36	33,1	-3,51	-2,26	12,34741512	5,101324151
	100,28	34,40	-2,21	-2,34	4,901304012	5,469101929
	100,31	34,1	-2,51	-2,31	6,319637346	5,329685262
	102,97	33,60	-3,01	0,35	9,083526235	0,123474151
	105,64	32,70	-3,91	3,02	15,31852623	9,128790818
	120,36	31,30	-5,31	17,74	28,23741512	314,7568797
	110,66	30,60	-6,01	8,04	36,16685957	64,66393526
	104,47	30,50	-6,11	1,85	37,37963735	3,427640818
	110,75	31,50	-5,11	8,13	26,15185957	66,11948526
	110,53	30,10	-6,51	7,91	42,43074846	62,59007415
	105,97	29,6	-7,01	3,35	49,19463735	11,23180748
	104,66	29,70	-6,91	2,04	47,80185957	4,167268596
	102,54	28,20	-8,41	-0,08	70,79352623	0,006179707
	101,61	30,60	-6,01	-1,01	36,16685957	1,017296373
	100,76	31,50	-5,11	-1,86	26,15185957	3,454435262
	101,63	31,00	-5,61	-0,99	31,51574846	0,977351929
сумма	3 694,27	1 318,10			1006,683056	647,5556306
среднее	102,618611	36,61			27,96341821	17,9876564

Приложение В

Таблица В.1 Расчет относительных показателей для переменной Безработные

		Абсолютный прирост	Темп роста	Темп прироста
	Безработные	цепной	базисный	цепной	базисный	цепной	базисный
апр.09	44
май.09	43,2	-0,80	-0,80	98,18%	98,18%	-1,82%	-1,82%
июн.09	41,7	-1,50	-2,30	96,53%	94,77%	-3,47%	-5,23%
июл.09	42,6	0,90	-1,40	102,16%	96,82%	2,16%	-3,18%
авг.09	44,6	2,00	0,60	104,69%	101,36%	4,69%	1,36%
сен.09	42,2	-2,40	-1,80	94,62%	95,91%	-5,38%	-4,09%
окт.09	41,4	-0,80	-2,60	98,10%	94,09%	-1,90%	-5,91%
ноя.09	41,4	0,00	-2,60	100,00%	94,09%	0,00%	-5,91%
дек.09	40,3	-1,10	-3,70	97,34%	91,59%	-2,66%	-8,41%
янв.10	42,5	2,20	-1,50	105,46%	96,59%	5,46%	-3,41%
фев.10	43,5	1,00	-0,50	102,35%	98,86%	2,35%	-1,14%
мар.10	43,8	0,30	-0,20	100,69%	99,55%	0,69%	-0,45%
апр.10	43,1	-0,70	-0,90	98,40%	97,95%	-1,60%	-2,05%
май.10	40,8	-2,30	-3,20	94,66%	92,73%	-5,34%	-7,27%
июн.10	38,9	-1,90	-5,10	95,34%	88,41%	-4,66%	-11,59%
июл.10	37,8	-1,10	-6,20	97,17%	85,91%	-2,83%	-14,09%
авг.10	38,6	0,80	-5,40	102,12%	87,73%	2,12%	-12,27%
сен.10	35,9	-2,70	-8,10	93,01%	81,59%	-6,99%	-18,41%
окт.10	35,2	-0,70	-8,80	98,05%	80,00%	-1,95%	-20,00%
ноя.10	34,1	-1,10	-9,90	96,88%	77,50%	-3,13%	-22,50%
дек.10	33,1	-1,00	-10,90	97,07%	75,23%	-2,93%	-24,77%
янв.11	34,40	1,30	-9,60	103,93%	78,18%	3,93%	-21,82%
фев.11	34,1	-0,30	-9,90	99,13%	77,50%	-0,87%	-22,50%
мар.11	33,60	-0,50	-10,40	98,53%	76,36%	-1,47%	-23,64%
апр.11	32,70	-0,90	-11,30	97,32%	74,32%	-2,68%	-25,68%
май.11	31,30	-1,40	-12,70	95,72%	71,14%	-4,28%	-28,86%
июн.11	30,60	-0,70	-13,40	97,76%	69,55%	-2,24%	-30,45%
июл.11	30,50	-0,10	-13,50	99,67%	69,32%	-0,33%	-30,68%
авг.11	31,50	1,00	-12,50	103,28%	71,59%	3,28%	-28,41%
сен.11	30,10	-1,40	-13,90	95,56%	68,41%	-4,44%	-31,59%
окт.11	29,6	-0,50	-14,40	98,34%	67,27%	-1,66%	-32,73%
ноя.11	29,70	0,10	-14,30	100,34%	67,50%	0,34%	-32,50%
дек.11	28,20	-1,50	-15,80	94,95%	64,09%	-5,05%	-35,91%
янв.12	30,60	2,40	-13,40	108,51%	69,55%	8,51%	-30,45%
фев.12	31,50	0,90	-12,50	102,94%	71,59%	2,94%	-28,41%
мар.12	31,00	-0,50	-13,00	98,41%	70,45%	-1,59%	-29,55%

Таблица В.2 Расчет относительных показателей для переменной ИПЦ

		Абсолютный прирост	Темп роста	Темп прироста
	ИПЦ (X)	цепной	базисный	цепной	базисный	цепной	базисный
апр.09	100,38
май.09	100,11	-0,27	-0,27	99,73%	99,73%	-0,27%	-0,27%
июн.09	100,77	0,66	0,39	100,66%	100,39%	0,66%	0,39%
июл.09	100,52	-0,25	0,14	99,75%	100,14%	-0,25%	0,14%
авг.09	100,53	0,01	0,15	100,01%	100,15%	0,01%	0,15%
сен.09	100,91	0,38	0,53	100,38%	100,53%	0,38%	0,53%
окт.09	100,23	-0,68	-0,15	99,33%	99,85%	-0,67%	-0,15%
ноя.09	100,18	-0,05	-0,20	99,95%	99,80%	-0,05%	-0,20%
дек.09	100,35	0,17	-0,03	100,17%	99,97%	0,17%	-0,03%
янв.10	101,39	1,04	1,01	101,04%	101,01%	1,04%	1,01%
фев.10	100,15	-1,24	-0,23	98,78%	99,77%	-1,22%	-0,23%
мар.10	101,58	1,43	1,20	101,43%	101,20%	1,43%	1,20%
апр.10	100,38	-1,20	0,00	98,82%	100,00%	-1,18%	0,00%
май.10	101,14	0,76	0,76	100,76%	100,76%	0,76%	0,76%
июн.10	100,27	-0,87	-0,11	99,14%	99,89%	-0,86%	-0,11%
июл.10	100,06	-0,21	-0,32	99,79%	99,68%	-0,21%	-0,32%
авг.10	100,33	0,27	-0,05	100,27%	99,95%	0,27%	-0,05%
сен.10	100,75	0,42	0,37	100,42%	100,37%	0,42%	0,37%
окт.10	100,37	-0,38	-0,01	99,62%	99,99%	-0,38%	-0,01%
ноя.10	100,37	0,00	-0,01	100,00%	99,99%	0,00%	-0,01%
дек.10	100,36	-0,01	-0,02	99,99%	99,98%	-0,01%	-0,02%
янв.11	100,28	-0,08	-0,10	99,92%	99,90%	-0,08%	-0,10%
фев.11	100,31	0,03	-0,07	100,03%	99,93%	0,03%	-0,07%
мар.11	102,97	2,66	2,59	102,65%	102,58%	2,65%	2,58%
апр.11	105,64	2,67	5,26	102,59%	105,24%	2,59%	5,24%
май.11	120,36	14,72	19,98	113,93%	119,90%	13,93%	19,90%
июн.11	110,66	-9,70	10,28	91,94%	110,24%	-8,06%	10,24%
июл.11	104,47	-6,19	4,09	94,41%	104,07%	-5,59%	4,07%
авг.11	110,75	6,28	10,37	106,01%	110,33%	6,01%	10,33%
сен.11	110,53	-0,22	10,15	99,80%	110,11%	-0,20%	10,11%
окт.11	105,97	-4,56	5,59	95,87%	105,57%	-4,13%	5,57%
ноя.11	104,66	-1,31	4,28	98,76%	104,26%	-1,24%	4,26%
дек.11	102,54	-2,12	2,16	97,97%	102,15%	-2,03%	2,15%
янв.12	101,61	-0,93	1,23	99,09%	101,23%	-0,91%	1,23%
фев.12	100,76	-0,85	0,38	99,16%	100,38%	-0,84%	0,38%
мар.12	101,63	0,87	1,25	100,86%	101,25%	0,86%	1,25%

Приложение Г

Таблица Г.1 Параметры для расчета коэффициента корреляции линейной зависимости

	ИПЦ (X)	Безработные (Y)	XY	x2	y2
	100,38	44	4416,72	10076,1444	1 936,00
	100,11	43,2	4324,752	10022,0121	1 866,24
	100,77	41,7	4202,109	10154,5929	1 738,89
	100,52	42,6	4282,152	10104,2704	1 814,76
	100,53	44,6	4483,638	10106,2809	1 989,16
	100,91	42,2	4258,402	10182,8281	1 780,84
	100,23	41,4	4149,522	10046,0529	1 713,96
	100,18	41,4	4147,452	10036,0324	1 713,96
	100,35	40,3	4044,105	10070,1225	1 624,09
	101,39	42,5	4309,075	10279,9321	1 806,25
	100,15	43,5	4356,525	10030,0225	1 892,25
	101,58	43,8	4449,204	10318,4964	1 918,44
	100,38	43,1	4326,378	10076,1444	1 857,61
	101,14	40,8	4126,512	10229,2996	1 664,64
	100,27	38,9	3900,503	10054,0729	1 513,21
	100,06	37,8	3782,268	10012,0036	1 428,84
	100,33	38,6	3872,738	10066,1089	1 489,96
	100,75	35,9	3616,925	10150,5625	1 288,81
	100,37	35,2	3533,024	10074,1369	1 239,04
	100,37	34,1	3422,617	10074,1369	1 162,81
	100,36	33,1	3321,916	10072,1296	1 095,61
	100,28	34,40	3449,632	10056,0784	1 183,36
	100,31	34,1	3420,571	10062,0961	1 162,81
	102,97	33,60	3459,792	10602,8209	1 128,96
	105,64	32,70	3454,428	11159,8096	1 069,29
	120,36	31,30	3767,268	14486,5296	979,69
	110,66	30,60	3386,196	12245,6356	936,36
	104,47	30,50	3186,335	10913,9809	930,25
	110,75	31,50	3488,625	12265,5625	992,25
	110,53	30,10	3326,953	12216,8809	906,01
	105,97	29,6	3136,712	11229,6409	876,16
	104,66	29,70	3108,402	10953,7156	882,09
	102,54	28,20	2891,628	10514,4516	795,24
	101,61	30,60	3109,266	10324,5921	936,36
	100,76	31,50	3173,94	10152,5776	992,25
	101,63	31,00	3150,53	10328,6569	961,00
сумма	3 694,27	1 318,10	134836,815	379748,4121	49 267,45
среднее	102,618611	36,61	3745,467083	10548,56700278	1368,540278

Таблица Г.2 Параметры для расчета коэффициента корреляции гиперболической зависимости

	1/X	Безработные (Y)	(1/X)Y	(1/x)2	y2
	0,009962144	44	0,43833433	0,000099	1936,000000
	0,009989012	43,2	0,431525322	0,000100	1866,240000
	0,009923588	41,7	0,413813635	0,000098	1738,890000
	0,009948269	42,6	0,423796259	0,000099	1814,760000
	0,009947279	44,6	0,443648662	0,000099	1989,160000
	0,009909821	42,2	0,418194431	0,000098	1780,840000
	0,009977053	41,4	0,413049985	0,000100	1713,960000
	0,009982032	41,4	0,413256139	0,000100	1713,960000
	0,009965122	40,3	0,40159442	0,000099	1624,090000
	0,009862906	42,5	0,419173489	0,000097	1806,250000
	0,009985022	43,5	0,434348477	0,000100	1892,250000
	0,009844458	43,8	0,431187242	0,000097	1918,440000
	0,009962144	43,1	0,4293684	0,000099	1857,610000
	0,009887285	40,8	0,403401226	0,000098	1664,640000
	0,009973073	38,9	0,387952528	0,000099	1513,210000
	0,009994004	37,8	0,377773336	0,000100	1428,840000
	0,009967109	38,6	0,38473039	0,000099	1489,960000
	0,009925558	35,9	0,356327543	0,000099	1288,810000
	0,009963136	35,2	0,350702401	0,000099	1239,040000
	0,009963136	34,1	0,339742951	0,000099	1162,810000
	0,009964129	33,1	0,329812674	0,000099	1095,610000
	0,009972078	34,40	0,343039489	0,000099	1183,360000
	0,009969096	34,1	0,339946167	0,000099	1162,810000
	0,009711566	33,60	0,326308634	0,000094	1128,960000
	0,009466111	32,70	0,30954184	0,000090	1069,290000
	0,008308408	31,30	0,260053174	0,000069	979,690000
	0,009036689	30,60	0,276522682	0,000082	936,360000
	0,009572126	30,50	0,291949842	0,000092	930,250000
	0,009029345	31,50	0,284424379	0,000082	992,250000
	0,009047317	30,10	0,272324256	0,000082	906,010000
	0,009436633	29,6	0,279324337	0,000089	876,160000
	0,009554749	29,70	0,283776037	0,000091	882,090000
	0,009752292	28,20	0,275014628	0,000095	795,240000
	0,009841551	30,60	0,301151461	0,000097	936,360000
	0,009924573	31,50	0,312624057	0,000098	992,250000
	0,009839614	31,00	0,305028043	0,000097	961,000000
сумма	0,35	1 318,10	12,90276287	0,003434	49267,450000
среднее	0,009760	36,61	0,35841008	0,000095	1368,540278

Таблица Г.3 Параметры для расчета коэффициента корреляции полулогарифмической зависимости

	Ln(X)	Безработные (Y)	(LnX)Y	(LnX)2	y2
	4,608962984	44	202,7943713	21,242540	1936,000000
	4,606269581	43,2	198,9908459	21,217719	1866,240000
	4,612840692	41,7	192,3554569	21,278299	1738,890000
	4,610356713	42,6	196,401196	21,255389	1814,760000
	4,61045619	44,6	205,6263461	21,256306	1989,160000
	4,61422903	42,2	194,7204651	21,291110	1780,840000
	4,607467545	41,4	190,7491564	21,228757	1713,960000
	4,606968568	41,4	190,7284987	21,224159	1713,960000
	4,608664075	40,3	185,7291622	21,239785	1624,090000
	4,618974467	42,5	196,3064148	21,334925	1806,250000
	4,606669062	43,5	200,3901042	21,221400	1892,250000
	4,620846665	43,8	202,3930839	21,352224	1918,440000
	4,608962984	43,1	198,6463046	21,242540	1857,610000
	4,616505696	40,8	188,3534324	21,312125	1664,640000
	4,607866548	38,9	179,2460087	21,232434	1513,210000
	4,605770006	37,8	174,0981062	21,213117	1428,840000
	4,608464753	38,6	177,8867395	21,237947	1489,960000
	4,612642201	35,9	165,593855	21,276468	1288,810000
	4,608863358	35,2	162,2319902	21,241621	1239,040000
	4,608863358	34,1	157,1622405	21,241621	1162,810000
	4,608763721	33,1	152,5500792	21,240703	1095,610000
	4,607966273	34,40	158,5140398	21,233353	1183,360000
	4,608265391	34,1	157,1418498	21,236110	1162,810000
	4,634437684	33,60	155,7171062	21,478013	1128,960000
	4,660037087	32,70	152,3832128	21,715946	1069,290000
	4,790487252	31,30	149,942251	22,948768	979,690000
	4,706462437	30,60	144,0177506	22,150789	936,360000
	4,648899949	30,50	141,7914484	21,612271	930,250000
	4,707275409	31,50	148,2791754	22,158442	992,250000
	4,705286977	30,10	141,629138	22,139726	906,010000
	4,663156035	29,6	138,0294186	21,745024	876,160000
	4,650717001	29,70	138,1262949	21,629169	882,090000
	4,630252966	28,20	130,5731337	21,439243	795,240000
	4,621141955	30,60	141,4069438	21,354953	936,360000
	4,612741451	31,50	145,3013557	21,277384	992,250000
	4,621338767	31,00	143,2615018	21,356772	961,000000
сумма	166,69	1 318,10	6099,068478	771,857151	49267,450000
среднее	4,630219	36,61	169,4185688	12,584841538	1745,307222

Приложение Д

Таблица Д.1. Показатели гиперболической регрессии

	Yфактическое	Предсказанное Y	Остатки	e2
	44	38,20712077	5,792879226	33,55744973
	43,2	38,41884174	4,781158262	22,85947432
	41,7	37,90330459	3,796695414	14,41489606
	42,6	38,09778731	4,502212692	20,26991913
	44,6	38,08998943	6,510010573	42,38023766
	42,2	37,79481518	4,405184818	19,40565328
	41,4	38,32460271	3,075397292	9,458068501
	41,4	38,36384153	3,036158466	9,218258232
	40,3	38,23058906	2,069410937	4,282461625
	42,5	37,42512607	5,07487393	25,7543454
	43,5	38,38740364	5,112596364	26,13864159
	43,8	37,27975599	6,520244007	42,51358192
	43,1	38,20712077	4,892879226	23,94026712
	40,8	37,61723462	3,182765382	10,12999548
	38,9	38,29323982	0,606760176	0,368157911
	37,8	38,45817471	-0,658174713	0,433193953
	38,6	38,24624239	0,353757613	0,125144449
	35,9	37,91882769	-2,018827686	4,075665224
	35,2	38,21494198	-3,014941978	9,089875132
	34,1	38,21494198	-4,114941978	16,93274748
	33,1	38,22276474	-5,122764741	26,24271859
	34,40	38,28540301	-3,885403012	15,09635657
	34,1	38,26190195	-4,161901952	17,32142786
	33,60	36,2325777	-2,632577699	6,930465343
	32,70	34,29839761	-1,59839761	2,554874918
	31,30	25,17572707	6,124272927	37,50671888
	30,60	30,9145608	-0,314560795	0,098948494
	30,50	35,13379022	-4,633790215	21,47201176
	31,50	30,85669354	0,643306457	0,413843198
	30,10	30,9983132	-0,898313197	0,806966599
	29,6	34,06610929	-4,466109294	19,94613222
	29,70	34,99685788	-5,296857876	28,05670335
	28,20	36,55349208	-8,353492082	69,78082997
	30,60	37,25685252	-6,656852519	44,31368547
	31,50	37,91106537	-6,411065366	41,10175912
	31,00	37,24159105	-6,241591049	38,95745883
сумма				705,9489354

Приложение Е

Таблица Е.1 Параметры для расчета стандартных ошибок коэффициентов гиперболической регрессии

	(X)	X-Xср	(X-Xср)2	x2
	0,009962144	0,0002022	0,0000000409	0,000099
	0,009989012	0,0002291	0,0000000525	0,000100
	0,009923588	0,0001636	0,0000000268	0,000098
	0,009948269	0,0001883	0,0000000355	0,000099
	0,009947279	0,0001873	0,0000000351	0,000099
	0,009909821	0,0001499	0,0000000225	0,000098
	0,009977053	0,0002171	0,0000000471	0,000100
	0,009982032	0,0002221	0,0000000493	0,000100
	0,009965122	0,0002052	0,0000000421	0,000099
	0,009862906	0,0001029	0,0000000106	0,000097
	0,009985022	0,0002251	0,0000000507	0,000100
	0,009844458	0,0000845	0,0000000071	0,000097
	0,009962144	0,0002022	0,0000000409	0,000099
	0,009887285	0,0001273	0,0000000162	0,000098
	0,009973073	0,0002131	0,0000000454	0,000099
	0,009994004	0,0002340	0,0000000548	0,000100
	0,009967109	0,0002072	0,0000000429	0,000099
	0,009925558	0,0001656	0,0000000274	0,000099
	0,009963136	0,0002032	0,0000000413	0,000099
	0,009963136	0,0002032	0,0000000413	0,000099
	0,009964129	0,0002042	0,0000000417	0,000099
	0,009972078	0,0002121	0,0000000450	0,000099
	0,009969096	0,0002091	0,0000000437	0,000099
	0,009711566	-0,0000484	0,0000000023	0,000094
	0,009466111	-0,0002938	0,0000000863	0,000090
	0,008308408	-0,0014515	0,0000021070	0,000069
	0,009036689	-0,0007233	0,0000005231	0,000082
	0,009572126	-0,0001878	0,0000000353	0,000092
	0,009029345	-0,0007306	0,0000005338	0,000082
	0,009047317	-0,0007126	0,0000005079	0,000082
	0,009436633	-0,0003233	0,0000001045	0,000089
	0,009554749	-0,0002052	0,0000000421	0,000091
	0,009752292	-0,0000077	0,0000000001	0,000095
	0,009841551	0,0000816	0,0000000067	0,000097
	0,009924573	0,0001646	0,0000000271	0,000098
	0,009839614	0,0000797	0,0000000063	0,000097
сумма	0,35		0,0000048432	0,003434
среднее	0,009760		0,0000001345	0,000095

Приложение Ж

Таблица Ж.1. Показатели полулогарифмической регрессии

	Yфактическое	Предсказанное Y	Остатки	e2
	44	38,14552387	5,854476128	34,27489074
	43,2	38,33960349	4,860396513	23,62345427
	41,7	37,86610629	3,833893707	14,69874096
	42,6	38,04509542	4,554904583	20,74715576
	44,6	38,03792731	6,562072691	43,060798
	42,2	37,76606625	4,433933753	19,65976853
	41,4	38,25328134	3,146718661	9,901838335
	41,4	38,28923633	3,110763666	9,676850587
	40,3	38,16706248	2,132937523	4,549422475
	42,5	37,42412241	5,07587759	25,76453331
	43,5	38,31081795	5,189182054	26,92761039
	43,8	37,28921665	6,510783348	42,39029981
	43,1	38,14552387	4,954476128	24,5468337
	40,8	37,60201566	3,197984337	10,22710382
	38,9	38,22453025	0,675469746	0,456259378
	37,8	38,37560159	-0,575601591	0,331317192
	38,6	38,18142513	0,418574875	0,175204926
	35,9	37,88040907	-1,980409073	3,922020096
	35,2	38,15270269	-2,952702692	8,718453185
	34,1	38,15270269	-4,052702692	16,42439911
	33,1	38,15988223	-5,059882227	25,60240815
	34,40	38,21734427	-3,817344275	14,57211731
	34,1	38,19579064	-4,095790637	16,77550094
	33,60	36,30988315	-2,709883148	7,343466676
	32,70	34,46525655	-1,765256555	3,116130704
	31,30	25,06535629	6,234643712	38,87078221
	30,60	31,11996632	-0,519966325	0,270364979
	30,50	35,26776986	-4,767769855	22,73162939
	31,50	31,06138571	0,438614288	0,192382494
	30,10	31,20466693	-1,104666932	1,220289031
	29,6	34,24051327	-4,640513274	21,53436345
	29,70	35,1368378	-5,436837797	29,55920523
	28,20	36,61142302	-8,411423016	70,75203716
	30,60	37,26793881	-6,667938812	44,461408
	31,50	37,87325733	-6,373257328	40,61840897
	31,00	37,25375707	-6,253757075	39,10947755
сумма				716,8069268

Таблица Ж.2 Параметры для расчета стандартных ошибок коэффициентов полулогарифмической регрессии

	Ln (X)	LnX-LnXср	(LnX-LnXср)2	Lnx2
	4,608962984	-0,0212558	0,0004518074	21,242540
	4,606269581	-0,0239492	0,0005735625	21,217719
	4,612840692	-0,0173781	0,0003019967	21,278299
	4,610356713	-0,0198620	0,0003945003	21,255389
	4,61045619	-0,0197626	0,0003905586	21,256306
	4,61422903	-0,0159897	0,0002556710	21,291110
	4,607467545	-0,0227512	0,0005176171	21,228757
	4,606968568	-0,0232502	0,0005405708	21,224159
	4,608664075	-0,0215547	0,0004646038	21,239785
	4,618974467	-0,0112443	0,0001264338	21,334925
	4,606669062	-0,0235497	0,0005545876	21,221400
	4,620846665	-0,0093721	0,0000878359	21,352224
	4,608962984	-0,0212558	0,0004518074	21,242540
	4,616505696	-0,0137130	0,0001880477	21,312125
	4,607866548	-0,0223522	0,0004996207	21,232434
	4,605770006	-0,0244487	0,0005977409	21,213117
	4,608464753	-0,0217540	0,0004732362	21,237947
	4,612642201	-0,0175765	0,0003089349	21,276468
	4,608863358	-0,0213554	0,0004560526	21,241621
	4,608863358	-0,0213554	0,0004560526	21,241621
	4,608763721	-0,0214550	0,0004603181	21,240703
	4,607966273	-0,0222525	0,0004951725	21,233353
	4,608265391	-0,0219534	0,0004819498	21,236110
	4,634437684	0,0042189	0,0000177994	21,478013
	4,660037087	0,0298183	0,0008891335	21,715946
	4,790487252	0,1602685	0,0256859941	22,948768
	4,706462437	0,0762437	0,0058131006	22,150789
	4,648899949	0,0186812	0,0003489874	21,612271
	4,707275409	0,0770567	0,0059377294	22,158442
	4,705286977	0,0750682	0,0056352394	22,139726
	4,663156035	0,0329373	0,0010848651	21,745024
	4,650717001	0,0204983	0,0004201785	21,629169
	4,630252966	0,0000342	0,0000000012	21,439243
	4,621141955	-0,0090768	0,0000823881	21,354953
	4,612741451	-0,0174773	0,0003054558	21,277384
	4,621338767	-0,0088800	0,0000788540	21,356772
сумма	166,69		0,0558284053	771,857151
среднее	4,630219		0,0015507890	21,440476

Размещено на Allbest.ru