ВВЕДЕНИЕ

Постоянно усложняющиеся экономические процессы потребовали создания и совершенствования особых методов изучения и анализа. Широкое распространение получило использование моделирования и количественного анализа. На этом этапе выделилось и сформировалось одно из направлений экономических исследований - эконометрика - наука, в которой на базе реальных статистических данных строятся, анализируются и совершенствуются математические модели реальных экономических явлений.

Цель данной работы заключается в изучении совокупности данных с помощью статистических и эконометрических методов. Числовые данные собраны на 84 объектах (регионы РФ) по пяти различным признакам:

X₁ - ввод в действие жилых домов, тысяча квадратных метров общей площади, значение показателя за год;

X₂ - выбросы в атмосферу загрязняющих веществ, отходящих от стационарных источников, по субъектам Российской Федерации, тысяча тонн, значение показателя за год;

X₃ - обеспеченность амбулаторно-поликлиническими учреждениями на 10000 населения, посещений в смену, значение показателя за год;

X_4- - стоимость минимального набора продуктов питания по субъектам Российской Федерации, рубль;

X₅ - объем инвестиций в основной капитал, миллион рублей, значение показателя за год.

При проведении регрессионного анализа рассматривается еще один признак X₆ (среднемесячная номинальная начисленная заработная плата, рубль, значение показателя за год), как зависимая переменная от совокупности пяти остальных признаков.

Таким образом, объектом исследования работы является изучение зависимостей данных выборки путем решения поставленных задач.

Предметом исследования является совокупность результатов наблюдений - выборка размером 84х5.

Для реализации цели исследования были поставлены следующие задачи:

1. Определить математическую зависимость результативного признака Х₆ от совокупности объясняющих переменных Х₁-Х₅ и определить качество полученной регрессионной модели.

2. Снизить размерность выборки путем выделения главных компонент и общих факторов.

3. По обучающей выборке, включающей 20 объектов, разбить эти регионы на 2 группы-кластера, сравнить их и дать название каждой группе.

4. Разделить все 84 региона на 2 группы, используя априорные данные, полученные в результате кластерного анализа, и построить функцию, с помощью которой любой объект может быть отнесен к той или иной группе. Сравнить эти группы и дать им названия.

Структура и логика курсовой работы строится в соответствии с задачами исследования и отражена в содержании работы.