Классификация регионов РФ по доходам от услуг связи (стр. 5 из 12)

Увеличение числа абонентских терминалов сотовой связи в регионах страны с самым маленьким среднедушевым доходом на единицу ведет к увеличению дохода от услуг связи населению на одного жителя на 0,3002 единиц в этих регионах. Это обусловлено тем, что в современной ситуации от услуг связи населению, основная доля дохода приходится именно на доход от пользователей аппаратами сотовой связи. А увеличение среднедушевого дохода населения единицы своего измерения приводит к увеличению дохода от услуг связи населению на 0,8074 единицы.

Далее рассмотрим 3 кластер, в котором собраны регионы с самым высоким числом зарегистрированных сотовых терминалов на 1000 человек. Они представлены в таблице 3.3.

Табл. 3.3.

X1	X2	X3	X4	X5
Калужская область	0,504021	0,461877	-0,30661	0,642363	-0,02641
Костромская область	-0,2101	0,666706	-0,67362	0,493102	-0,77182
Рязанская область	-0,30973	-0,48197	-0,41606	0,537776	-0,16798
Смоленская область	0,212921	1,445053	-0,5795	1,229947	-0,10053
Тверская область	1,696166	-0,69499	-0,55323	0,973471	-0,31274
Ярославская область	0,133037	0,805989	-0,11691	0,78742	0,237972
Республика Карелия	-0,59925	1,107496	-0,39271	0,861525	0,124076
Архангельская область	-0,48323	0,535616	-0,3285	0,93563	0,949662
Вологодская область	-1,25709	0,109573	-0,37009	1,182121	0,112941
Калининградская область	0,965751	-0,91293	-0,4467	1,487475	0,344551
Мурманская область	0,040908	0,915777	-0,26138	2,585385	2,206015
Новгородская область	-0,7687	1,000985	-0,44524	1,305629	-0,0614
Псковская область	-0,70748	0,640488	-0,71083	0,559849	-0,49249
Астраханская область	0,363408	-0,1313	-0,19352	1,008684	-0,22875
Пермский край	0,024615	-0,01988	0,327438	0,19458	1,361659
Ульяновская область	0,497602	0,217722	-0,45546	0,332279	-0,6627
Челябинская область	0,004866	-0,4279	0,96003	1,176865	0,738732
Республика Хакасия	0,703485	-1,04894	-0,21541	0,580347	-0,34201
Иркутская область	0,313542	-1,57166	-0,16215	1,090672	0,331825

Табл. 3.3. Группа регионов №3.

Где:

X1 – доходы от услуг связи населению в расчете на одного жителя (рублей);

Х2 – число квартирных телефонных аппаратов сети общего пользования на 1000 человек населения (на конец года; штук);

Х3 – средства связи (пользовательское оборудование) для оказания услуг передачи данных и телематических служб на 1000 человек (на конец года; штук);

Х4 – число абонентских терминалов сотовой связи на 1000 человек населения (на конец года; штук);

Х5 – среднедушевые доходы населения (рублей).

Далее приведена корреляционная матрица для данных показателей (Табл. 3.4.):

Табл. 3.4.

	X1	X2	X3	X4	X5
X1	1	-0,49087	0,027889	-0,00173	-0,0982
X2	-0,49087	1	-0,28401	0,127065	0,06861
X3	0,027889	-0,28401	1	0,02649	0,498841
X4	-0,00173	0,127065	0,02649	1	0,583459
X5	-0,0982	0,06861	0,498841	0,583459	1

Табл.3.4. Корреляционная матрица для группы регионов 3.

В качестве результативного признака для регрессионного анализа опять возьмём показатель X1 (доходы от услуг связи населению в расчете на одного жителя), факторными же признаками будут являться все остальные признаки. Все результаты представлены в таблице (Рис 3.2).

Рис. 3.2.

Рис. 3.2. Результаты регрессионного анализа для кластера 3.

Исходя из таблицы (Рис. 3.2) можно построить следующее уравнение регрессии:

X1=0,115496-0,408633*X2

Необходимо проверить значимость уравнения регрессии. Для этого находим наблюдаемое значение статистики F. И получаем, что F=5,3965. Теперь найдем критическое значение статистики F на уровне значимости 0,1, оно равно 3,026. Так как наблюдаемое значение статистики F превосходит его критическое, то на уровне значимости 0,1 можно утверждать, что полученное уравнение регрессии значимое.

Далее необходимо проверить значимость коэффициентов уравнения. С вероятностью 0,1 можно утверждать, что коэффициент при X2 значим. Коэффициент детерминации составил 24,1%. Следовательно, на долю вариации факторных признаков приходится меньшая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. А значит данная регрессионная модель имеет низкое практическое значение.

Из уравнения регрессии можно сделать следующий вывод. При увеличении числа квартирных телефонных аппаратов на единицу своего измерения, доход от услуг связи населению уменьшается на 0, 4086 единиц.

Далее рассмотрим 4 кластер, в котором собраны регионы с самым высоким уровнем среднедушевого дохода. Они представлены в таблице 3.5.

Табл.3.5.

X1	X2	X3	X4	X5
Республика Коми	0,989746	1,971051	-0,29713	1,036539	2,162429
Новосибирская область	1,626847	0,856786	4,397334	0,208771	0,317826
Томская область	0,887348	2,339742	0,695903	-0,34675	0,522712
Республика Саха (Якутия)	2,095489	0,956742	-0,48027	-1,79206	2,195834
Приморский край	1,937893	0,191504	0,954193	1,223641	0,308282
Хабаровский край	2,03486	-0,03626	0,077174	0,091569	1,229947
Сахалинская область	3,859169	1,046867	-0,71083	0,166725	4,044573

Табл. 3.5. Группа регионов №4.

Где:

X1 – доходы от услуг связи населению в расчете на одного жителя (рублей);

Х2 – число квартирных телефонных аппаратов сети общего пользования на 1000 человек населения (на конец года; штук);

Х3 – средства связи (пользовательское оборудование) для оказания услуг передачи данных и телематических служб на 1000 человек (на конец года;штук);

Х4 – число абонентских терминалов сотовой связи на 1000 человек населения (на конец года; штук);

Х5 – среднедушевые доходы населения (рублей).

Далее приведена корреляционная матрица для данных показателей (Табл. 3.6.):

Табл. 3.6.

	X1	X2	X3	X4	X5
X1	1	-0,44955	-0,30478	-0,1064	0,710283
X2	-0,44955	1	-0,11721	-0,0998	0,116032
X3	-0,30478	-0,11721	1	0,18099	-0,66355
X4	-0,1064	-0,0998	0,18099	1	-0,18994
X5	0,710283	0,116032	-0,66355	-0,18994	1

Табл. 3.6. Корреляционная матрица для группы 4.