| Главная » Экономика |
|
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. 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 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. .1.2 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). .1.3 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». .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. .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. .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. .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 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 .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 Регрессио́нный (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 .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 .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. Скачать архив (20.5 Kb) Схожие материалы: |
| Всего комментариев: 0 | |