Тип работы:
Предмет:
Язык работы:


Корреляционно-регрессионный анализ показателей сельскохозяйственного производства

Работа №119015

Тип работы

Бакалаврская работа

Предмет

информатика

Объем работы45
Год сдачи2020
Стоимость4240 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
13
Не подходит работа?

Узнай цену на написание


Введение 5
Глава 1. Основные понятия теории корреляционно-регрессионного анализа 6
1.1 Понятие о многомерном корреляционном анализе 6
1.2 Множественный коэффициент корреляции 7
1.3 Частный коэффициент корреляции 10
1.4 Основные положения регрессионного анализа 12
1.5 Множественный регрессионный анализ 13
1.6 Определение доверительных интервалов для коэффициентов и
функции регрессии 19
1.7 Оценка взаимосвязи переменных. Проверка значимости уравнения
множественной регрессии 20
1.8 Мультиколлинеарность 23
Глава 2 Построение многофакторной модели сельскохозяйственного предприятия 25
2.1 Корреляционный анализ 25
2.2 Построение регрессионной модели 30
Глава 3 Программное обеспечение для многофакторной модели 35
3.1 Описание алгоритма построения многофакторной модели 36
3.2 Описание программного обеспечения 38
3.3 Проверка модели на адекватность 39
Заключения 42
Список используемой литературы 43


От принятия оптимальных стратегических и тактических управленческих решений зависит состояние экономического процесса в дальнейшем. Использование основных методологических подходов и принципов применения аппарата эконометрического моделирования в процессе анализа позволяет оценить состояние, эффективность экономической системы а также спрогнозировать основные параметры и траектории ее развития под воздействием различных факторов и меняющихся условий функционирования.
Особенно сложно осуществить прогноз показателей в земледельческой отрасли, наиболее зависящей от климатических условий. Возможности современных математических методов и компьютерных технологий, конечно не могут решить все проблемы земледельческой отрасли, но позволяют создать картину функционирования отрасли на протяжении нескольких лет в виде чисел, функциональных зависимостей, схем, диаграмм...
Объектом работы является моделирование стохастических процессов на основе корреляционного и регрессионного анализа.
Предмет работы - методы регрессионного и корреляционного анализа.
Целью работы является построение многофакторной модели сельскохозяйственного предприятия для осуществления количественного анализа основных показателей сельскохозяйственного предприятия
Для достижения поставленной цели необходимо было выполнить следующие задачи:
- Построить многофакторную модель для результативного признака на примере конкретного сельскохозяйственного предприятия, проверить модель на адекватность;
- Разработать программное обеспечение для построения модели.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


Цель данной выпускной квалификационной работы состояла в построение многофакторной модели сельскохозяйственного предприятия для осуществления количественного анализа основных показателей. В результате были достигнуты все поставленные задачи:
- Построена многофакторная модель для результативного признака на примере конкретного сельскохозяйственного предприятия, проверена модель на адекватность.
- Разработано программное обеспечение для построения модели.
В первой главе рассмотрена основные понятия теории корреляционно - регрессионного анализа.
Во второй главе на основе данных сельскохозяйственного предприятия по выращиванию хлопка в Лебапском велаяте Туркменистана построена многофакторная модель, приводятся оценки качества регрессионной модели, осуществляется количественный анализ основных показателей сельскохозяйственного предприятия.
В третьей главе реализовано программное обеспечение прогнозирования на основе модели множественной регрессии с использованием языка программирования Python.
Представленный в работе пример построения и оценки качества регрессионной модели позволяет провести количественный анализ основных показателей сельскохозяйственного предприятия. В результате применения основных методологических подходов и принципов аппарата эконометрического моделирования появляется возможность получения множества разнообразных научно обоснованных вариантов перспективного развития предприятия, что позволяет руководителям составить прогноз экономического развития предприятия и принять наиболее оптимальные стратегические и тактические решения в процессе управления.



1. Айвазян, С. А. Эконометрика. — М.:; ИНФРА-М, 2014.
2. Айвазян, С. А. Методы эконометрики : учебник / С. А. Айвазян, В. С. Мхитарян. — М.: Магистр; ИПФРА-М, 2010.
3. Гуриков С. Р. Основы алгоритмизации и программирования на Python : учеб. пособие — М. : ФОРУМ : ИНФРА-М, 2018. — 343 с.
4. Дайитбегов Д.М. Компьютерные технологии анализа данных в эконометрике: Монография / 3-e изд., испр. и доп. - М.: Вузовский учебник: НИЦ Инфра-М, 2013.
5. Доусон М. Программируем на Python. - СПб.: Питер, 2014. - 416 с.
6. Дроздова Е.М. Корреляционно-регрессионный анализ показателей сельскохозяйственного производства приморского края/ Дискуссия. -2013.- №11(41).- С.55-59;
7. Дайитбегов, Д.М. Компьютерные технологии анализа данных в эконометрике: Монография / Д.М. Дайитбегов. — М.: Вузовский учебник, НИЦ ИНФРА-М, 2013. — 587 с.
8. Дроздова Е.М. Корреляционно-регрессионный анализ показателей сельскохозяйственного производства приморского края/ Дискуссия. - 2013.- №11(41).- С.55-59;
9. Ковалев, Е. А. Теория вероятностей и математическая статистика для экономистов : учебник и практикум для бакалавриата, специалитета и магистратуры / Е. А. Ковалев, Г. А. Медведев ; под общ. ред. Г. А. Медведева. — 2-е изд., испр. и доп. — М. : Издательство Юрайт, 2019. — 284 с.
10. Касимова Т.М., Алиева Р.М. Оценка ресурсного потенциала сельскохозяйственных предприятий с помощью корреляционно-регрессионного анализа (на примере хозяйств Хунзахского района республики Дагестан)/Фундаментальные исследования. - 2016. - № 4 (часть 1) - С. 166-169.
11. Кремер Н.Ш. Эконометрика/ Н.Ш. Кремер, Б.А. Путко. - М.: 2010.-328с.
12. Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов/ 3-e изд., перераб. и доп. - М.: 2010 - 551 с.
13. Маккинли, У. Python и анализ данных / УэсМаккинли ; пер. с англ. А.А. Слинкина. - Москва : ДМК Пресс, 2015. - 482 с.
14. Новиков А. И. Эконометрика: Учебное пособие / 3-e изд., перераб. и доп. - М.: НИЦ ИНФРА-М, 2014. - 272 с.: 60x88 1/16.
15. Саммерфилд, М. Программирование на Python 3. Подробное руководство - М.: Символ-Плюс, 2011. - 608 с.
16. Симчера, В.М. Методы многомерного анализа статистических данных / В.М. Симчера. — М.: Финансы и статистика, 2018. — 400 с.
17. Тюрин, Ю.Н. Анализ данных на компьютере: Учебное пособие / Ю.Н. Тюрин, А.А. Макаров; Науч. ред. В.Э. Фигурнов. — М.: ИД ФОРУМ,
2017 — 368 с.
18. Уткин В.Б./Эконометрика, - 2-е изд. - М.:Дашков и К, 2017. - 564 с.
19. Чашкин, Ю.Р. Математическая статистика. Анализ и обработка данных: Учебное пособие / Ю.Р. Чашкин; Под ред. С.Н. Смоленский. — Рн/Д: Феникс, 2017. — 236 с.
Литература на иностранном языке
20. Box, George; Jenkins, Gwilym M.; Reinsel, Gregory C. (2016). Time Series Analysis: Forecasting and Control (Fifth ed.). ISBN 978-1-118-67502-1.
21. Jagannathan, R., Skoulakis, G. & Wang, Z. (2010), The analysis of the cross section of security returns, in Y. Ait-Sahalia& L. P. Hansen, eds, ‘Handbook of financial econometrics’, Vol. 2, Elsevier B.V., pp. 73-134.
22. Downey A., Elkner J., Meyers Ch. How to Think Like a Computer Scientist: Learning with Python. - Wellesley, Massachusetts: Green Tea Press, 2002.
23. Judge, G.G., R.C. Hill, W.E. Griffiths, H. L’utkepohl and T.C. Lee (1985), The Theory and Practice of Econometrics (John Wiley and Sons: New York).
24. Bollerslev, T. & Wooldridge, J. M. (1992), ‘Quasi-maximum likelihood estimation and inference in dynamic models with time-varying covariances’, Econometric Reviews 11(2), 143-172.


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ