МИНИСТЕРСТВО  ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ  

      ФИЛИАЛ  ГОСУДАРСТВЕННОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ

      ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО  ОБРАЗОВАНИЯ ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТ УПРАВЛЕНИЯ В Г. ОБНИНСКЕ 

Кафедра управления в экономических и  социальных системах

Специальность: «Менеджмент организации» - 080507 Специализация: «Финансовый менеджмент» - 20

Курсовой  проект (работа)

по дисциплине “Статистика”

на тему: «Построение модели прогноза инвестиционной привлекательности Калужской области  на основе данных государственной статистики» 

Исполнила студентка

3 курса _____________ Горбачёва Е.Б.

(личная подпись)

Руководитель  проекта (работы)

_____________ ______________ Бурцева Т.А. 

(ученая степень,звание) (личная подпись) 

Обнинск 2011

Оглавление 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Введение

     О состоянии дел в экономике  весьма уверенно можно судить по характеру  процессов, происходящих в инвестиционной сфере. Она является индикатором, указывающим  на общее положение внутри страны, размер национального дохода, привлекательность для других государств. Термин "инвестиции" имеет несколько значений. Он означает покупку акций или облигаций с расчетом на некоторые финансовые результаты; им обозначаются также реальные активы, например машины, которые требуются для производства и продажи некоего товара. В самом широком смысле инвестиции обеспечивают механизм, необходимый для финансирования, роста и развития экономики страны.

     Инвестиция - это любой инструмент, в который  можно поместить деньги, рассчитывая  сохранить или умножить их стоимость и (или) обеспечить положительную величину дохода. Свободные денежные средства - это не инвестиция, так как ценность наличных денег может быть «съедена» инфляцией, и они не могут обеспечить никакого дохода. Если ту же сумму денежных средств поместить на сберегательный счет в банке, то их можно назвать инвестицией, так как счет гарантирует определенный доход.

     Целью данной работы является построение модели прогноза инвестиционной привлекательности  Калужской области на основе данных государственной статистики, исследуя долю инвестиций в основной капитал (%); долю иностранных инвестиций (%) и износ.

     Для достижения поставленной цели решены следующие задачи:

• собрать информацию о Калужской области;
• собрать информацию о долях инвестиций в основной капитал и иностранных инвестиций по регионам России за 1999-2009 гг.;
• исследовать данные на корреляцию;
• исследовать данные на ложную корреляцию;
• аппроксимация модели связи и расчет прогноза.

Общие сведения о Калужской  области

Региону присвоены рейтинги

Кредитный рейтинг регионов — A+ 
Высокий уровень надежности. Риск несвоевременного выполнения обязательств незначительный 

Инвестиционный  рейтинг регионов — 3B1 
Пониженный потенциал - умеренный риск 

Рейтинг сайтов Субъектов  Федерации по размещению госзаказа — 39 
 
Субъект занял 39-е место в рейтинге сайтов Субъектов Федерации для размещения информации о размещении заказов для государственных и муниципальных нужд, 2007 год. 
 

Дата  образования области — 5 июля 1944 г. Центр – г. Калуга (326,9 тыс. жителей по оценке на 1 января 2008 г.), основан в 1371 г. Калужская область расположена в 180 км к юго-западу от Москвы. Территория - 29,9 тыс. кв. км. Граничит с Московской, Тульской, Брянской, Смоленской, Орловской областями. 

     На  рисунке 1 представлена территориальная организация Калужской области. На его основе видно, что в области насчитывается 24 муниципальных района, городских округов – 2, городских поселений – 30, сельских поселений – 263.

     Наиболее  крупные города области по числу  жителей -Калуга, Обнинск, Людиново, Киров, Малоярославец.

     Калужская область расположена в центральной  части Восточно-Европейской равнины. На западе и северо-западе области  расположена Смоленская возвышенность (высота до 279 м), на востоке – Среднерусская  возвышенность. Главные реки: реки бассейна Волги – Ока, Жиздра. Климат умеренно континентальный; средняя температура января -10 градусов, средняя температура июля +17 градусов. Количество осадков – около 650 мм в год. На территории области распространены дерново-подзолистые и серые лесные почвы. Растительность – хвойно-широколиственные леса. 
 
 

      Большинство населения области – русские. Демографическая ситуация характеризуется  отрицательным естественным и положительным  механическим приростом. В целом демографическая ситуация имеет тенденцию к улучшению, а численность населения в последние годы стабилизировалась. Население области по оценке на 1 января 2008 г. составляет 1005,7 тыс. человек в. ч.: городское – 765,8 и сельское – 239,9 тыс. человек.

      Область насчитывает  319 муниципальных образований в т. ч.: муниципальных районов – 24, городских округов – 2, городских поселений – 30, сельских поселений – 263.  

      Наиболее  крупные города области по числу  жителей- Калуга – 326,9 тыс. человек, Обнинск – 105,5 тыс. человек, Людиново – 41,5 тыс. человек, Киров – 38,7 тыс. человек, Малоярославец - 31,1 тыс. человек.

        Калужская область располагает квалифицированной рабочей силой, разнообразным промышленным потенциалом, развитым сельским хозяйством. Экономика области отличается высоким научным потенциалом. По доле занятых научными исследованиями и разработками область входит в число первых пяти регионов России. В более чем 40 научных организациях области работают около 12 тысяч человек. На территории области расположен технополис Обнинск с комплексом научно-исследовательских институтов экспериментальной физики и физики атмосферы. Здесь до сих пор действует первая в мире экспериментальная атомная электростанция – Обнинская АЭС.  

      На  сегодняшний день Калужская область  является одним из успешно развивающихся  регионов Центрального федерального округа. По плотности железных и автомобильных  дорог общего пользования Калужская  область входит в двадцатку передовых  регионов страны. Область прочно занимает место в первой десятке регионов России с наиболее развитой системой телекоммуникаций. Калужская область богата минерально-сырьевыми ресурсами, в том числе бурым углем, фосфоритами, пригодными для производства минеральных удобрений, месторождениями нерудных строительных материалов. Гидроресурсами область не располагает, производство электроэнергии на предприятиях области не превышает 5% потребности. Продукция тяжелой промышленности (топливной, нефтехимии, электроэнергетики, металлургии) составляет незначительную долю в общем объеме производства.

       Калужская область является промышленно-ориентированным  регионом (более 30% ВРП). В структуре  промышленного производства области  ведущее место занимают машиностроение и металлообработка, пищевая промышленность, лесопромышленный комплекс, электроэнергетика и промышленность строительных материалов. Экономика области хорошо сбалансирована: все сферы хозяйства развиты достаточно пропорционально. Можно отметить лишь более высокопродуктивное сельское хозяйство, которое развивалось с ориентацией на снабжение Москвы.

      На  долю области приходится все производство в стране обтяжно-затяжных машин, 38,3% производства спичек, 20,4 – контрольно-кассовых машин, 27,8 – маневровых и промышленных тепловозов широкой колеи, 4,7% – древесноволокнистых плит.

      Основные  отрасли промышленности: машиностроение (производство турбин, гидропередач, тепловозов, насосов, электрооборудования, приборов, котлов, электротехнического оборудования); деревообрабатывающая (производство спичек, мебели и др.); легкая (производство трикотажных, швейных, шерстяных, кожаных, строчевышитых и художественных изделий); производство стройматериалов.

      Инвестиционный  рейтинг региона – 3B1, что означает пониженный потенциал - умеренный риск. Среди регионов России по инвестиционному риску область занимает 11-ое место по риску и 40-вое место по инвестиционному потенциалу. Наименьший риск – криминальный, наибольший – социальный. Область имеет повышенный инфраструктурный потенциал.

      Регион  успешно противостоит влиянию мирового финансового кризиса. В области создан антикризисный штаб, выполняется антикризисная программа.

      Ниже  перечислены предприятия, которые могут претендовать на предоставление государственной гарантийной поддержки (список Минрегионразвития РФ на конец августа 2009 г.):

• ЗАО «Кронтиф-Центр»
• ЗАО «Плитспичпром»
• ОАО «Агрегатный завод»
• ОАО «Калужский завод автомобильного электрооборудования»
• ОАО «Калужский завод путевых машин и гидроприводов»
• ОАО «Кировский завод»
• ООО «Агрисовгаз»

Моделирование прогноза инвестиционной привлекательности

Шаг 1. Формулируем основную гипотезу для  построения модели

      Инвестиционная  привлекательность территории во многом может быть измерена статистическими  показателями - долей иностранных  инвестиций в регион в общем объеме иностранных инвестиций по всем регионам России, которая по нашим предположениям зависит от уровня инвестиций в основной капитал региона. Поэтому, исследуя взаимосвязь между этими показателя, можно определить, насколько эффективным будет вложение инвестиций в регионе.

     Основная  гипотеза: инвестиционная привлекательность региона для иностранных инвесторов определяется собственной инвестиционной активностью региона.

Шаг 2. Определяем информационную основу моделирования

      Для характеристики прогноза инвестиционной привлекательности используем индикаторы Калужской области, представленные в таблице 1.

      Таблица 1

     Информационная  база моделирования представляет собой  временные ряды с числом уровней  ряда n=11. Показатели не являются стоимостными, поэтому в данном случае приводить их к сопоставимой оценке через исключение инфляционной составляющей нет необходимости.

     Шаг 3. Измерение линейной связи между  временными рядами

     Для выявления линейной зависимости  между временными рядами используем линейный коэффициент корреляции (см. формула 1).

      В формуле 1 используются обозначения - n объем выборки; x и у - значения признаков; ху, x и y с чертой – средние значения произведения и самих признаков, σ_х и σ_у - средние квадратические отклонения признаков.

В пакете Excel для расчета данного показателя используется статистическая функция «КОРРЕЛ». На её основе вычисленный по данным таблицы 1 rx1y=0,761858314, ryx2=0,071519683, rx1x2=0,029912364.

      Проверим  значимость rX1Y, rYX2, rX1X2, для чего применим критерий Стьюдента (см. формулу 2).

     В нашем примере расчетные значения t-критерия составили: 3,528517406,  0,215109904,  0,089777265. Табличное значение критерия находится по статистической таблице или с помощью встроенной в пакет Excel статистической функции «СТЬЮДРАСПРОБР». Для уровня значимости (ошибки) 0,05 и 9 степеней свободы (n-2) критическое значение составило 2,262157158.

     t_0,05(9)=2,15<t_расч=3,52 => коэффициент r_X1Y значим, связь доказана

     t_0,05 (9)=2,15>t_расч=0,21 => коэффициент r_YX2 незначим

         t_0,05(9)=2,15>t_расч=0,08 => коэффициент r_X1X2 незначим 

      Поэтому в последующих шагах моделирования  будем принимать во внимание и исследовать долю инвестиций в основной капитал (%) и долю иностранных инвестиций (%). 

Шаг 4. Устранение эффекта «ложной корреляции»

      В случае с временными рядами может  возникать эффект «ложной» корреляции, так как оба индикатора зависят  от времени, для его устранения выявим тренды в исследуемых рядах динамики и рассчитаем коэффициент корреляции на основе отклонений от трендов, исключив тем самым влияние времени, так как тренд – это зависимость индикатора от времени. В пакете Excel построение тренда по ряду значений встроено в функции «Мастера диаграмм», построив график значений ряда динамики, выделяем его на графике мышкой, затем вызываем контекстное меню и выбираем поле «Добавить линию тренда», во вкладке «Параметры» указываем вывести ошибку тренда и уравнение тренда. По данным нашего примера тренды имеют вид (см. рис. 2).

Рис2 Тренды исследуемых временных рядов. 

Для оценки средних ошибок и относительных  ошибок трендов, расчета отклонений от трендов необходимо оформить таблицы промежуточных результатов (см. таблицу 2 и 3).

                                                                                                                Таблица 2 

Таблица 3 

       По данным итоговой строки таблицы 2 столбца 5 определим  среднюю ошибку тренда для показателей (см. формулу 3). 

, где  m – число коэффициентов в уравнении тренда.

Относительная ошибка тренда (см. формулу 4) рассчитана в двух предыдущих таблицах. Если относительная  ошибка тренда менее 12-15 % считается, что  тренд достаточно хорошо аппроксимирует зависимость показателя от времени. Для тренда по индикатору х1 Vt равна 14,40%. Для тренда по y она равна 84,90%. В результате мы получили, что оба индикатора имеют незначимый тренд, то есть нет зависимости от времени, поэтому эффект «ложной корреляции» отсутствует в наших расчетах и дальнейшие расчеты следует проводить на основе прямых индикаторов – доли иностранных инвестиций и инвестиций в основной капитал. 

      Шаг 5. Обоснование линейности связи  между индикаторами 

      Чтобы обосновать линейность связи, рассчитаем ранговый коэффициент корреляции Спирмена, который показывает и линейную и нелинейную связь между показателями (см. формулу 5).

где d – разность рангов коррелируемых показателей (см. таблицу 4 и столбцы 6 в таблицах 2 и 3). Для определения ранга в интервале данных для конкретного значения используется функция «Ранг» в Excel. 

Таблица 4 
 

В нашем  примере ρ=1-(6*42)/(11*(121-1))=0,80. Значимость коэффициента Спирмена проверяется также как r_xy. tрас =0,458915331<2,57, то есть незначимый коэффициент.  

Шаг 6. Построение парной нелинейной модели регрессии между ошибками трендов

В результате сравнительного анализа коэффициентов  детерминации по линейной и нелинейной форме модели парной зависимости  выяснено, что наша модель нелинейная, поэтому будем действовать следующим образом. В пакете Excel расчет оценок параметров нелинейной модели регрессии осуществляется с помощью встроенной статистической функции массива «ЛГРФПРИБЛ». Данные функции вместо одного значения выдают массив переменных, который нужно предварительно выделить. Например, в случае нашего примера мы должны выделить интервал ячеек, в котором 5 строчек и 2 столбца (по числу коэффициентов регрессии). Затем нужно вызвать функцию и заполнить её поля: «Известные значения У» - интервал со значениями у; «Известные значения Х» - интервал со значениями х1; «Конст» - 1 (наличие свободного члена в модели, если его нет = 0); «Статистика» - 1 (для вычисления необходимых статистик). Ввод функции массива имеет особенности, так как необходимо нажать одновременно комбинацию клавиш «Ctrl+Shift+Enter». В формульной строке появятся скобки {}, а в выделенном интервале необходимые значения (см таблицу 5). В таблице 5 выделены значения, выдаваемые как результат функции «ЛГРФПРИБЛ».

                                                                                                                    Таблица 5