Статья:

ПРИМЕНЕНИЕ РЕГРЕССИОННОГО АНАЛИЗА ДЛЯ ВЫЯВЛЕНИЯ ФАКТОРОВ, ВЛИЯЮЩИХ НА ЧИСЛЕННОСТЬ НАСЕЛЕНИЯ

Журнал: Научный журнал «Студенческий форум» выпуск №10(233)

Рубрика: Физико-математические науки

Выходные данные
Луцейн А.А. ПРИМЕНЕНИЕ РЕГРЕССИОННОГО АНАЛИЗА ДЛЯ ВЫЯВЛЕНИЯ ФАКТОРОВ, ВЛИЯЮЩИХ НА ЧИСЛЕННОСТЬ НАСЕЛЕНИЯ // Студенческий форум: электрон. научн. журн. 2023. № 10(233). URL: https://nauchforum.ru/journal/stud/233/124436 (дата обращения: 27.02.2024).
Журнал опубликован
Мне нравится
на печатьскачать .pdfподелиться

ПРИМЕНЕНИЕ РЕГРЕССИОННОГО АНАЛИЗА ДЛЯ ВЫЯВЛЕНИЯ ФАКТОРОВ, ВЛИЯЮЩИХ НА ЧИСЛЕННОСТЬ НАСЕЛЕНИЯ

Луцейн Анна Андреевна
магистрант Поволжский государственный технологический университет, РФ, г. Йошкар-Ола
Бакуменко Людмила Петровна
научный руководитель, д-р экон. наук, профессор, Поволжский государственный технологический университет, РФ, г. Йошкар-Ола

 

Аннотация. Статистика населения – демографическая статистика, или просто демография, - один из важнейших разделов социально-демографической статистики. В статье рассматривается применение регрессионного анализа для выявления влияния социально-экономических показателей на численность населения.

 

Ключевые слова: регрессионный анализ, численность населения.

 

Одной из важных потребностей в управлении социально-экономическими процессами является изучение численности и состава населения, так как с одной стороны население выступает в качестве производителя национального богатства, а с другой стороны — является потребителей духовных и материальных ценностей. Широк круг проблем, прямо или косвенно связанных с населением. Исходя из этого — существует много факторов, напрямую влияющие на численность населения, которые рассмотрены в данной статье.

Цель данной работы - провести анализ по всем субъектам, в которых определяются важные показатели численности населения. Такой анализ позволит субъектам выделить слабые места, в которые стоит вкладывать средства для повышения численности населения.

Для проведения анализа выбрано 76 регионов РФ. Выявлен ряд важных показателей, которые влияют на численность населения.

В анализе зависимой переменной является y - численность населения, тыс. чел., а независимыми переменными являются: Х1 – Коэффициент родившихся (чел. на 1000 человек населения), Х2 – Коэффициент умерших (чел. на 1000 человек населения), Х3 – Естественный прирост/yбыль (чел.), Х4 – Продолжительность жизни (лет), Х5 – Количество заключенных браков (чел. на 1000 человек населения) Х6 – Количество разводов (чел. на 1000 человек населения) Х7 – Коэффициент миграционного прироста (чел. на 1000 человек населения), Х8 – Величина прожиточного минимума (рyб.), Х9 – Среднемесячная заработная плата работников(руб.), Х10 – Удельный вес автомобильных дорог с твердым покрытием (общая протяженность), Х11 – Ввод в эксплуатацию жилых домов (тыс. м2), Х12 – Число зарегистрированных преступлений (ед. на 100 000 чел. населения), Х13 – Численность безработных (тыс. чел),      Х14 – Индексы  потребительских цен (%), Х15 – Число дошкольных учреждений (ед.), Х16 – Число образовательных учреждений, реализующих программы среднего профессионального образования (ед.  ), Х17 – Число образовательных учреждений, реализующих программы высшего профессионального образования (ед.), Х18 – Численность населения на одну больничную койку (на конец года; человек).

В связи с небольшим количеством наблюдений – 76, для проведения анализа использовался метод моделирования измеряемых данных и исследования их свойств.

Регрессионный анализ, пожалуй, является наиболее широко используемым статистическим методом для исследования или оценки взаимосвязи между зависимыми и набором независимых объясняющих переменных. Он также используется в качестве общего термина для обозначения различных методов анализа данных, которые используются в качественном методе исследования для моделирования и анализа многочисленных переменных. В методе регрессии зависимая переменная является предиктором или объясняющим элементом, а зависимая переменная - результатом или ответом на конкретный запрос. Суть регрессионного анализа заключается в нахождении наиболее важных факторов, которые влияют на зависимую переменную.

Построив и проанализировав матрицу парных коэффициентов корреляции были выявлены что «Ввод в эксплуатацию жилых домов» (X11) имеют коэффициент корреляции равный 0,87, «Численность безработных» (X13) имеет коэффициент 0,83, «Число дошкольных учреждений» (Х15) имеют коэффициент 0,91, «Число образовательных учреждений, реализующих программы среднего профессионального образования» (Х16) имеют коэффициент 0,89, «Число образовательных учреждений, реализующих программы высшего профессионального образования» (Х17) имеют коэффициент 0,87. Вышеописанные факторы влияют на «Число населения» больше чем все остальные.

Следующим шагом будет сравнение процедуры «пошагово с включением» и «пошагово с исключением», а также сравнение с данными процедурами после стандартизации значений. После сравнения полученных результатов было решено использовать итоги регрессии с использованием процедур «Пошаговая с включением», так как в данной модели стандартная ошибка меньше чем во всех остальных, а R2 больше.

Построим уравнение регрессии:

Y = 0,19Х15 + 0,37Х11 + 0,29Х13 + 0,14Х16 + 0,14Х17 - 0,09Х1 - 0,02Х14

F (7,74) = 667,91

Fкр (0,05;7,74) = 2,02

R2 = 0,98 – Коэффициент линейной детерминации показывающий зависимость одной переменной от других.

скор. R2 = 0,98

Стандартная ошибка оценки (S) = 166,76

Статистика Дарбина-Уотсона (Dw) = 1,84

Нормальность распределения переменной оценивается по полученным остаткам. Для этого построен нормальный вероятностный график остатков (Рисунок 1) и распределение остатков (ожидаемое нормальное) (Рисунок 2).

 

Рисунок 1. Нормальный вероятностный график остатков

 

Рисунок 2. Распределение остатков

 

По графикам видно, что остатки образуют прямую зависимость и подчиняются нормальному закону распределения.

Так как R2 больше 0,7, то это говорит нам о средней точности аппроксимации, то есть модель хорошо описывает явление. Уравнение значимо так как F > Fкр и гипотеза об отсутствии линейной связи отклоняется.

В результате регрессионного анализа выяснилось:

Если «Число дошкольных учреждений» (Х15) увеличить на 1 единицу, то «Численность населения» увеличится на 1 тыс. человек при прочих неизменных факторах.

Если «Ввод в эксплуатацию жилых домов» (Х11) увеличить на 1 тыс. кв. метров, то «Численность населения» увеличится на 0,37 тыс. человек при прочих неизменных факторах.

Если «Число образовательных учреждений, реализующих программы среднего профессионального образования» (Х16) увеличить на 1 единицу, то «Численность населения» увеличится на 7,55 тыс. человек при прочих неизменных факторах.

Если «Число образовательных учреждений, реализующих программы высшего профессионального образования» (Х17) увеличить на 1 единицу, то «Численность населения» увеличится на 22,67 тыс. человек при прочих неизменных факторах.

 

Список литературы:
1. Крамер, Н.Ш., Путко, Б.А. Эконометрика: Учебник для вузов [Текст]/ Под рек.проф. Н.Ш. Кремера. – М.: ЮНИТИ-ДАНА, 2012. – 311 с.
2. Федеральная служба государственной статистики [Электронный ресурс] – Режим доступа: https://rosstat.gov.ru/emiss (дата обращения 20.11.2022).
3. Харисова А.Ф., Бакуменко Л.П. Применение метода главных компонент для анализа производственных показателей на предприятиях // Экономика и менеджмент инновационных технологий. 2017. № 2 [Электронный ресурс]. URL: https://ekonomika.snauka.ru/2017/02/13907 (дата обращения: 26.11.2022).