Классификация регионов РФ по доходам от услуг связи (стр. 6 из 12)
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 таблице (Рис. 3.3).
Рис. 3.3.
Рис.3.3. Результаты регрессионного анализа для группы 4.
Исходя из таблицы (рис. 3.3) можно построить следующее уравнение регрессии:
X1=1,705506-0,615090*X2+0,556431*X5
Необходимо проверить значимость уравнения регрессии. Для этого находим наблюдаемое значение статистики F. И получаем, что F=7,5856. Теперь найдем критическое значение статистики F на уровне значимости 0,1, оно равно 4,325. 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 коэффициенты при X2 и Х5 значимы. Коэффициент детерминации составил 79,1%. Следовательно, на долю вариации факторных признаков приходится большая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. А значит данная регрессионная модель имеет высокое практическое значение.
Увеличение числа квартирных телефонных аппаратов в Дальневосточном округе страны на единицу ведет к уменьшению дохода от услуг связи населению на одного жителя на 0,6151 единиц в этих регионах. Скорее всего это обусловлено тем, что чем больше квартирных телефонных аппаратов у населения, тем меньше они заинтересованы в использовании более современных и дорогостоящих средствах связи, что и вызывает уменьшение дохода. А увеличение среднедушевого дохода населения единицы своего измерения приводит к увеличению дохода от услуг связи населению на 0,5564 единицы.
И, наконец, последней будет рассмотрена группа регионов под номером 1. К ней отнесены регионы с примерно усреднёнными показателями оказываемых услуг связи и среднедушевым доходом населения. Они представлены в таблице 3.7.
Табл.3.7.
| X1 | X2 | X3 | X4 | X5 | |
| Белгородская область | -0,81314 | 0,004701 | -0,23073 | -0,45344 | 0,292375 |
| Воронежская область | 0,259035 | 2,626501 | 2,049373 | -1,65594 | -0,48803 |
| Липецкая область | -0,00392 | 1,120605 | -0,42846 | -1,00739 | 0,138393 |
| Тамбовская область | -0,73434 | 0,527422 | -0,49851 | -0,46553 | -0,18643 |
| Тульская область | -0,12202 | 0,309485 | -0,16871 | -0,31995 | -0,14317 |
| Республика Северная Осетия - Алания | 0,506489 | 0,522507 | -0,72688 | -1,42206 | -0,63661 |
| Волгоградская область | -0,52273 | -0,17063 | 2,167574 | -0,00724 | -0,30955 |
| Ростовская область | 0,031626 | -0,64256 | 0,875393 | -1,0405 | 0,102443 |
| Республика Башкортостан | -0,23587 | 0,125959 | 1,561248 | -0,07977 | 0,768001 |
| Республика Мордовия | -0,40631 | 1,425389 | -0,5795 | -0,05506 | -1,09919 |
| Удмуртская Республика | -0,58523 | -0,29189 | 0,280741 | -0,72096 | -0,71837 |
| Кировская область | -0,50397 | -0,00185 | -0,45546 | -0,76563 | -0,54944 |
| Оренбургская область | -0,97774 | 0,345535 | -0,06146 | -0,43452 | -0,52653 |
| Пензенская область | -0,27873 | 0,048944 | -0,27378 | -0,1607 | -0,53003 |
| Саратовская область | -0,10188 | 0,335703 | 0,432505 | 0,099453 | -0,88349 |
| Курганская область | -0,64221 | 0,021087 | -0,52186 | -0,61795 | -0,2157 |
| Алтайский край | -0,38666 | 0,853509 | 1,181839 | -0,90964 | -0,66492 |
| Кемеровская область | -0,02407 | -1,42582 | 2,281397 | -0,33204 | 0,827176 |
Табл. 3.7. Группа регионов 1.
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. 3.8.):
Табл. 3.8.
| X1 | X2 | X3 | X4 | X5 | |
| X1 | 1 | 0,215458 | 0,235416 | -0,48011 | 0,068809 |
| X2 | 0,215458 | 1 | -0,11719 | -0,40711 | -0,46561 |
| X3 | 0,235416 | -0,11719 | 1 | 0,017502 | 0,387714 |
| X4 | -0,48011 | -0,40711 | 0,017502 | 1 | 0,07353 |
| X5 | 0,068809 | -0,46561 | 0,387714 | 0,07353 | 1 |
Табл. 3.8. Корреляционная матрица для группы 1.
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 таблице (Рис. 3.4).
Рис. 3.4.
Рис.3.4. Результаты регрессионного анализа для группы 1.
Исходя из таблицы (Рис. 3.4) можно построить следующее уравнение регрессии:
X1=-0,524845-0,377390*X4
Необходимо проверить значимость уравнения регрессии. Для этого находим наблюдаемое значение статистики F. И получаем, что F=4,7929. Теперь найдем критическое значение статистики F на уровне значимости 0,1, оно равно 3,136. 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 X4 значим. Коэффициент детерминации составил 23,1%. 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.
Увеличение числа абонентских терминалов сотовой связи в рассматриваемых регионах страны на единицу ведет к уменьшению дохода от услуг связи населению на одного жителя на 0,3774 единиц в этих регионах.
Что же касательно общего уравнения регрессии по всей совокупности данных то оно будет выглядеть так (рис. 3.5):