Отделение статистики, анализа данных и демографии статистические методы анализа экономики и общества
Скачать 2.49 Mb.
|
СТАТИСТИЧЕСКИЙ АНАЛИЗ ВОДОПОТРЕБЛЕНИЯ И ВОДОСБЕРЕЖЕНИЯ В ДОМОХОЗЯЙСТВАХ САНКТ-ПЕТЕРБУРГА Кузнецова Наталья Викторовна, Кошкина Ирина Григорьевна (Санкт-Петербург, СПбГУЭФ) Водосбережение является одной из актуальных проблем современного человечества. Ежегодно в России расходуется более 60 км3 пресной воды. При этом вода недостаточно эффективно используется как в экономике, так и в быту. В России один из самых высоких среди развитых стран показатель водоемкости ВВП и один из самых высоких уровень потребления на душу населения в быту. Особенно актуальна проблема водосбережения воды в быту в крупных городах, где расходы на хозяйственно-питьевые нужды составляют основную долю водопотребления. В Санкт-Петербурге на эти цели расходуется 43% всей потребляемой воды. В 2011 году ГУП «Водоканал Санкт-Петербурга» инициировал социологическое исследование «Сохраним воду вместе!» с целью изучения водопотребления в семьях петербуржцев и улучшения качества водоснабжения. Все этапы исследования были выполнены студенческой научно-исследовательской группой СПбГУЭФ, сформированной в рамках международного студенческого проекта: «НЕГА–ресурсный подход: минимум ресурсов для максимального результата». Основой исследования стал опрос жителей «Умного квартала» - микрорайона г. Санкт-Петербурга, в котором ГУП «Водоканал» в течение последних лет внедрял новейшие технологические достижения, направленные на повышение эффективности водоснабжения. Анкета опроса включала 34 вопроса, разбитых по своему содержанию на четыре блока:
В опросе приняли участие 1815 жителей Санкт-Петербурга. Расчет численности выборки основывался на необходимости обеспечить репрезентативность по двум показателям: объем водопотребления (среднесуточный расход воды, литров на чел.) и наличие у домохозяйств внутриквартирных приборов учета воды (доля домохозяйств, имеющих внутриквартирные приборы учета воды, %). Социально-демографические характеристики опрошенных достаточно точно отражают аналогичные показатели по г. Санкт-Петербургу в целом, что позволяет говорить о высокой репрезентативности выборки. Исследование показало существенную дифференциацию процессов водопотребления и водосбережения в домохозяйствах Санкт-Петербурга. На указанные процессы влияют тип и состав семьи, условия проживания, наличие водопотребляющей техники, домашних животных, образ жизни и привычки членов домохозяйств и др. Семья из трех человек в среднем тратит в месяц 6,52 куб.м. холодной воды и 5,54 куб.м. горячей воды, что существенно ниже установленных нормативов водопотребления. Наиболее высокий объем водопотребления в семьях с маленькими детьми, а также в семьях, где не используется современная ресурсосберегающая бытовая техника. Была построена множественная регрессионная модель, позволяющая моделировать процессы водопотребления в семьях различных типов. Были произведены расчеты целесообразности и сроков окупаемости внутриквартирных счетчиков учета водопотребления. По нашим оценкам установка внутриквартирного водяного счетчика в домохозяйстве из 3-х человек позволяет экономить более 1000 руб. в месяц. При этом счетчик окупается примерно через семь месяцев. Одним из важнейших условий эффективного использования водных ресурсов является формирование высокой культуры водопотребления в обществе. 65% петербуржцев считают проблему экономии воды актуальной, при этом 95% стараются экономить воду в быту, 66% заинтересованы в получении информации о способах водосбережения. В 58% домохозяйств Санкт-Петербурга установлены счетчики водопотребления, 41% опрошенных следят за состоянием сантехники, 22% прививают навыки бережного отношения к воде детям. Технические средства экономии воды (однорычажные смесители, сенсорные краны, регуляторы давления, двухрежимные сливные устройства) пока не получили массового распространения в семьях петербуржцев. В ходе исследования была выявлена высокая корреляция между водосбережением и экономией других видов ресурсов. АНАЛИЗ ВНЕШНЕТОРГОВОЙ ПОЛИТИКИ РФ НА РЫНКЕ НЕОБРАБОТАННЫХ ЛЕСОМАТЕРИАЛОВ Кузьмина Нина Львовна (Нижний Новгород, НИУ ВШЭ) На современном этапе развития цивилизации большое внимание уделяется российской внешнеторговой политики, направленной на ограничение экспорта необработанных лесоматериалов. Это во многом обусловлено тем, что именно ограничительная политика РФ на рынке круглого леса была одним из важнейших барьеров на пути присоединения РФ к ВТО. Цель исследования: анализ внешнеторговой политики РФ на рынке необработанных лесоматериалов по средствам статистических методов. С 2006 г. по 2011 г. РФ проводила активную политику протекционизма, направленную на сокращение до минимума вывоза необработанных лесоматериалов. При этом основными инструментами государственного регулирования являлись тарифные и нетарифные торговые барьеры на экспорт необработанных лесоматериалов. Основные этапы проведенного статистического исследования: I.Методом укрупнения интервалов, методом скользящей средней, методом аналитического выравнивания ряда и методом автоматического расчета уравнения тренда в EXCEL были выявлены основные закономерности и тенденции динамики величины экспорта необработанных лесоматериалов (рис. 1).  Рисунок 1. Динамика экспорта необработанных лесоматериалов Анализ выявленных тенденций показал, что внешнеторговая политика РФ на рынке необработанных лесоматериалов являлась эффективной в течение всего периода ее проведения, т.к. ее основная цель была достигнута - величина экспорта сокращалась на протяжении всего периода. II.На основе статистических данных с 1994 по 2011 г. были рассчитаны основные показатели динамики экспорта необработанных лесоматериалов: абсолютный прирост (снижение), темп роста (снижения), темп прироста (снижения), абсолютное значение 1% прироста (снижения), пункт роста (снижения), абсолютное ускорение (замедление). Анализ данных показателей позволил выявить следующие факторы, определяющие динамику величины экспорта леса и, по сути, способствующие успеху проводимой Правительством РФ политики протекционизма на рынке необработанных лесоматериалов: 1. Экспортная пошлина на необработанные лесоматериалы (инструмент государственного регулирования). С ростом ставки экспортной пошлины величина экспорта круглого леса сокращается. 2. Экономическая ситуация в стране. В условиях экономического кризиса величина экспорта необработанных лесоматериалов сокращается. III. Для оценки эффективности экспортных торговых барьеров на рынке необработанных лесоматериалов (инструментов государственного регулирования) был осуществлен эконометрический анализ факторов, оказывающих влияние на величину экспорта круглого леса. В ходе данного анализа был проведен статистический анализ гипотез о факторах, влияющих на величину экспорта необработанных лесоматериалов, корреляционный и регрессионный анализа факторов. В ходе регрессионного анализа факторов методом наименьших квадратов была осуществлена оценка коэффициентов регрессионных уравнений вида:  Проведенный эконометрический анализ позволил сделать вывод, что наиболее значимым и эффективным инструментом государственного регулирования является экспортная пошлина (тарифный барьер). Причем было выявлено, что увеличение ее ставки имеет максимальный эффект на экспорт необработанных лесоматериалов (в сравнении с другими факторами, влияющими на экспорт необработанных лесоматериалов). Итак, проведенное статистическое исследование позволило оценить внешнеторговую политику РФ на рынке необработанных лесоматериалов, сделать выводы об ее эффективности, а также разработать предложения по ее совершенствованию. ДИСКРИМИНАНТНЫЙ АНАЛИЗ В ОЦЕНКЕ СРЕДНЕГО КЛАССА НАСЕЛЕНИЯ Кулиджоглян Кристина Оганесовна (Новосибирск, НГУЭУ) Процесс формирования и развития среднего класса относится к числу наиболее важных этапов экономической жизни страны, определяющих ее стабильность и функциональность. Средний класс – это социальный субъект, способный эффективно инвестировать российскую экономику, играть роль главного налогоплательщика, выступать в качестве основного производителя и потребителя рынка товаров и услуг страны. Основными характеристиками, определяющими социальный статус человека, являются уровень доходов, уровень образования и наличие материальной собственности. При наличии данных о критериях принадлежности объектов наблюдения, с помощью дискриминантного анализа можно классифицировать респондентов и распределять их по соответствующим социальным классам. «Дискриминантный анализ – это раздел многомерного статистического анализа, позволяющий изучить различия между двумя или более группами объектов по нескольким переменным одновременно, а также дискриминировать и классифицировать наблюдения по группам. Методы классификации связаны с получением одной или нескольких функций, обеспечивающих возможность отнесения данного объекта к одной из групп. Эти функции называются классифицирующими и зависят от значений переменных таким образом, что появляется возможность отнести каждый объект к одной из групп» [1], в нашем случае классам: богатый, средний или бедный. Для проведения дискриминантного анализа в ППП «STATISTICA» использовались данные о 40 субъектах, которые были опрошены и отнесены к соответствующим классам на основании критериев принадлежности: x1 – уровень образования, x2 – уровень доходов (руб.), x3 – наличие материальной собственности, x4 – возраст (лет), x5– пол. Задача состояла в том, чтобы на основе аналогичных показателей классифицировать других респондентов. При проведении анализа в качестве группируемой переменной выступала классовая принадлежность, а в качестве независимых – уровень образования, доходов, наличие материальной собственности, возраст, пол. В процессе вычислений оказалось, что самыми значимыми параметрами при оценке являются: уровень образования (р - 0,000078), уровень доходов (р – 0,000092), наличие материальной собственности (р – 0,000062). Пол и возраст оказались наименее значимыми признаками при оценке классовой принадлежности. В результате анализа получились следующие классификационные функции для каждого класса:  (1) (2) (3)Используя функции (1), (2), (3), в дальнейшем можно будет классифицировать новые случаи. Новые случаи будут относиться к тому классу, для которого классифицированное значение будет максимальное. С помощью графика рассеяния канонических значений для канонических корней (рис. 1) можно определить вклад, который вносит каждая дискриминантная функция в разделение между группами. В этом примере Корень1 (root1), в основном дискриминирует между группой Богатые и объединением групп Бедные и Средний класс.  Рисунок 1. График рассеяния канонических значений для канонических корней 1 и 2 Литература
ОЦЕНКА СТОХАСТИЧЕСКОЙ ВОЛАТИЛЬНОСТИ С ИСПОЛЬЗОВАНИЕМ ПАКЕТА ПРИКЛАДНЫХ ПРОГРАММ OpenBugs Кучер Наталья Андреевна (Саратов, Саратовский госуниверситет) Модель стохастической волатильности (МСВ), предложенная С. Тейлором в 1982 г. используется для описания финансовых временных рядов. Классическое оценивание параметров для МСВ - трудная задача - результат сложного вида функции правдоподобия. Байесовских анализ МСВ затруднен из-за проблем многомерного интегрирования при вычислении вероятностей. МСВ можно легко реализовать, используя пакет прикладных программ BUGS (Bayesian Analysis using Gibbs Sampling), при этом не требуется знать точные формулы для плотности или вероятности. Главное преимущество BUGS - простота, с которой выполняются любые изменения в модели, например, выбор различных распределений для параметров. Недостаток BUGS является слабая сходимость. Целью данной работы является проиллюстрировать процесс выполнения байесовского анализа моделей стохастической волатильности, а именно, классической модели, модели «с тяжелыми хвостами» и модели с эффектом «финансового левереджа», используя пакет прикладных программ BUGS. В частности, необходимо оценить значение волатильности стохастического процесса и параметры моделей стохастической волатильности для финансового ряда, представленного статистическим данным ежедневного курса акций компании «Газпром» за период с 09.01.2007 по 15.11.2011г. Классическая модель стохастической волатильности имеет вид:  (1)где  – волатильность,  - случайная величина, распределенная по нормальному закону с нулевым математическим ожиданием и дисперсией равной 1, т.е.  , t=1,…,n.Для реализации модели с «тяжелыми хвостами» в классическую модель добавляются параметры  и   , где  t=1,…,n ,  В модели стохастического распределения с эффектом «финансового левереджа» добавляется параметр  - корреляция: , t=1,….n , t=1,….n, где  .Для оценки параметров модели стохастической волатильности ежедневного курса акций за период с 09.01.2007 по 15.11.2011г применен пакет прикладных программ OpenBUGS, который является эффективным инструментом для выполнения байесовского анализа МСВ. В результате выполненного моделирования установлено, что полученные оценки являются вполне удовлетворительными по точности, все оценки характеризуются сходимостью на заданном временном интервале. Предложенный алгоритм может быть применен для оценки значений волатильности стохастического процесса и параметров модели стохастической волатильности для финансовых процессов, представленных статистическими данным обменных курсов различных валют. Литература
СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ИСПОЛЬЗОВАНИЯ ИНТЕРНЕТА В РОССИИ Ларшина Екатерина Андреевна (Москва, НИУ-ВШЭ) Многие из нас не представляют своей жизни без Интернета. 3 июня 2011 года была принята резолюция ООН, признающая доступ в Интернет базовым правом человека. Отключение конкретных регионов от Интернета с июня 2011 года считается нарушением прав человека. Интернет является не только источником информации. Также в сети пользуются популярностью такие услуги, как: электронная почта, электронные платежные системы, Интернет-радио и телевидение, реклама и многие другие. Целью данного исследования является анализ использования интернета в России населением и организациями. В целом Россия по интенсивности использования интернета находится примерно на равных с такими странами, как Словакия, Турция, Бразилия и Малайзия, значительно обгоняя Китай, Индию и Индонезию. По доле интернет-экономики в ВВП Россия сегодня несколько ниже среднего уровня по сравнению с лидирующими странами. Российский интернет-рынок, как и китайский, развивается по модели «подражания», копируя лучшие западные сервисы. Численность интернет пользователей в России неуклонно растет. Если в 2000 году всего лишь 3100000 россиян, 2.1 % от всего населения, пользовались интернетом, то сейчас количество интернет-пользователей достигло 70 миллионов, что составляет 49% от населения страны. Начиная с 2003 года, Федеральная служба государственной статистики Российской Федерации организовала статистическое наблюдение в области информационных и коммуникационных технологий. Анализ данных показывает, что население и отечественные компании увеличивают использование информационных и коммуникационных технологий, в частности, Интернета. Благодаря этому рынок интернет-услуг в России динамично развивается. |
Похожие:
 | Программа дисциплины " Многомерные статистические методы" для направления... Экстернат – самостоятельное изучение обучающимся дисциплин согласно основной образовательной программе высшего профессионального... | | Программа дисциплины " Эконометрика " для направления 080100. 62... Гос впо по специальности 080507. 65 Менеджмент организации, утвержденными 17 марта 2000, №234 эк/сп |
| Программа дисциплины " Эконометрика-2" для направления 080100. 68... Гэ по русскому языку и литературе. Данная программа позволяет подготовиться к сдаче егэ. Особенностью данного курса является то,... | | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, Data Mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори |
| Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори |
| Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори |
| Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | | Факультет экономики ... |
 | Статистические методы анализа языка как способ повышения эффективности... Утверждена отделом документационно-содержательного обеспечения учебного процесса Ургпу | | Отчет о лабораторной работе методы и средства анализа данных по теме:... «Лабораторная работа с системой анализа данных Weka. Сравнение методов классификации» |
| Отчет о лабораторной работе методы и средства анализа данных по теме:... «Лабораторная работа с системой анализа данных Weka. Сравнение методов классификации» | | Рабочая программа по дисциплине Аналитическая химия и физико-химические методы анализа Цели и задачи дисциплины: Освоение теоретических основ современных химических методов анализа, аналитических методик и приемов, статистической... |
| Конспект лекций по системному анализу Лекция: История, предмет, цели системного анализа 2 Рассматриваются история развития и предмет системного анализа, системные ресурсы общества, предметная область системного анализа,... | | Анализа данных-4: анализ издержки-выгод Методы анализа данных-4: анализ издержки-выгоды, анализ издержки-эффективность (17 ноября 2005)1 |
