Экономико-статистический анализ основных показателей деятельности внутреннего водного транспорта (стр. 14 из 22)
процентных пунктаСкорости изменения удельных весов отдельных частей совокупности составляет
процентных пункта.Средний квадратический коэффициент относительных структурных сдвигов:
%Средний относительный прирост удельного веса довольно значителен и составляет 15,9%
Коэффициент Салаи показывает низкий уровень различия структур в 2007 по сравнению с 2005г.:
.Для оценки существенности структурных сдвигов в 2007г. по сравнению с 2006 г. в структуре перевозки пассажиров и пассажирооборота внутреннего водного транспорта по видам транспорта произведем вспомогательные расчеты:
Таблица 2.16
Анализ структуры пассажирооборота внутреннего водного транспорта по видам сообщения
| Удельный вес, в % к итогу |  |  |  |  | ||
| 2006 | 2007 | |||||
| международное | 0,76 | 0,51 | 0,25 | 0,06 | 0,08 | 0,04 |
| дальнее | 76,34 | 71,79 | 4,54 | 20,62 | 0,27 | 0,00 |
| пригородное | 15,27 | 20,51 | 5,25 | 27,52 | 1,80 | 0,02 |
| внутригородское | 7,63 | 7,18 | 0,45 | 0,21 | 0,03 | 0,00 |
| Итого | 100,00 | 100,00 | 10,49 | 48,41 | 2,18 | 0,06 |
Тогда линейный коэффициент абсолютных структурных сдвигов будет равен:
= 
3,5 процентных пунктаТаким образом, среднее изменение удельного веса за рассматриваемый период составило 3,5 процентных пунктов.
Квадратический коэффициент абсолютных структурных сдвигов:
процентных пунктаСкорости изменения удельных весов отдельных частей совокупности составляет 4,02 процентных пункта.
Средний квадратический коэффициент относительных структурных сдвигов:
%Средний относительный прирост удельного веса довольно значителен и составляет 14,76%
Коэффициент Салаи также такжепоказывает значительный уровень различия структур в 2007 по сравнении. С 2006г.:
3.1 Построение трендовых моделей и прогнозирование во времени
Для того, чтобы представить количественную модель, выражающую общую тенденцию изменения уровней динамического ряда во времени, используется аналитическое выравнивание ряда динамики. В этом случае фактические уровни заменяются уровнями, вычисленными на основе определенной кривой:
ŷ=f(t)
где: ŷ – уровни динамического ряда, вычисленные по соответствующему аналитическому уравнению
Определение расчетных (теоретических) уровней ŷi производится на основе адекватной математической модели, которая наилучшим образом отражает (аппроксимирует) основную тенденцию ряда динамики.
Выбор типа модели зависит от цели исследования и должен быть основан на теоретическом анализе, выявляющем характер развития явления, а также на графическом изображении ряда динамики.
Простейшими моделями, выражающими тенденцию развития, являются:
линейная функция – прямая
ŷ=
,где:
– параметры уравнения;t – время
показательная функция –
ŷ
степенная функция – парабола второго порядка
ŷ=
.При выборе вида кривой для выравнивания динамического ряда возможно использование метода конечных разностей, который заключается в следующем:
Если общая тенденция выражается линейным уравнением ŷ=
, тогда получаем постоянные первые разности: 
; нулевые вторые разности: 
и проверяются по всей совокупности в целом. Если тенденция выражается параболой второго порядка ŷ 
, то получим постоянные вторые разности, нулевые – третьи.Расчет параметров функции обычно производится методом наименьших квадратов, в котором в качестве решения принимается точка минимума суммы квадратов отклонений между теоретическими и эмпирическими уровнями:
Σ(ŷi – yi)²→min
где: ŷi – выровненные(расчетные) уровни
- фактические уровниРассмотрим аналитическое выравнивание ряда динамики по прямой, т.е. аналитическое уравнение вида ŷ=
. Система нормальных уравнений в данном случае имеет вид: 
поиск упрощается, если отсчет времени производить так, чтобы сумма показателей времени изучаемого ряда динамики была равна нулю:
=0. при нечетном числе уровней, уровень, находящийся на середине ряда, принимается за начало отсчета времени. Даты времени, стоящие выше этого уровня, обозначаются натуральными числами со знаком минус (-1; -2; -3 и т.д.), а ниже - со знаком плюс (+1; +2; +3; и т.д.).Если число уровней динамического ряда четное, периоды времени верхней половины ряда (до середины) нумеруются -1; -3; -5 и т.д., а нижней +1; +3; +5 и т.д. при этих условиях
=0 и система нормальных уравнение преобразуется следующим образом: 
Если вторые разности примерно одинаковы, то для выравнивания может использоваться парабола второго порядка:
Система нормальных уравнений для нахождения параметров уравнения параболы имеет вид:
Для оценки изменения показателей во времени воспользуемся функцией Мастер диаграмм электронных таблиц Excel. Рассмотрим трендовые модели следующих показателей: протяженность внутренних водных путей, тыс. км; пассажирооборота, млрд. пассажиро-километров; грузооборота, млрд. т-км. Для оценки качества модели используем скорректированный коэффициент детерминации, чем больше величина показателя приближается к единице, тем лучше модель описывает эмпирические данные. Как следует из рисунка 3 для прогнозирования параметров линии тренда показателя протяженности внутренних водных путей подходит линейная модель вида y=5,32t+ 78,82(скорректированный коэффициент детерминации R² = 75%). Т.о. величина данного показателя в 2008 -2009 гг. будет равна:
yt=2008=5,32t + 78,82=5,32ּ6+78,82=110,74 тыс. км
yt=2009=5,32t + 78,82=5,32ּ7+78,82=116,06 тыс. км
Рис. 3.1 – Оценка параметров линейного тренда показателя протяженности внутренних водных путей
Как следует из рисунка 3.1, для прогнозирования параметров линии тренда показателя пассажирооборота подходит полиномиальная (парабола второго порядка) модель вида y = 0,092t2 - 0,607t + 1,66 (скорректированный коэффициент детерминации R² = 84,7 %). Т.о. величина данного показателя в 2008 -2009 гг. будет равна:
yt=2008=0,092t2 - 0,607t + 1,66 =0,092ּ62 - 0,607ּ6 + 1,66 =1,33 млрд. пасс.-км.
yt=2009=0,092t2 - 0,607t + 1,66 =0,0927 ּ 2 - 0,6077ּ + 1,66 = 1,919млрд. пасс.-км
Рис. 3.2 – Оценка параметров полиномиального тренда показателя пассажирооборота
Как следует из рисунка 3.2, для прогнозирования параметров линии тренда показателя грузооборота подходит полиномиальная (парабола второго порядка) модель вида y = 6,164x2 - 38,47x + 121,5 (скорректированный коэффициент детерминации R² = 75,2%). Т.о. величина данного показателя в 2008 -2009 гг. будет равна: