Файл: Бакалаврская работа Экономикостатистический анализ отраслевой организации рынков.docx

Взаимосвязь уровня доходов и автомобилизации.

Уровень автомобилизации в стране - один из индикаторов благосостояния ее граждан. Неслучайно этот показатель позиционируется Всемирным банком как показатель городского развития. Статистика по этому показателю ведется Всемирным банком. В силу глобализации мирового автомобильного рынка, за редким исключением, есть возможность доставить потребителям автомобили, при наличии спроса на них в любую точку мира. Поэтому, уровень автомобилизации напрямую зависит от уровня доходов населения. В данной работе была проверена гипотеза о наличии такой взаимосвязи. В качестве показателя уровня доходов населения был использован показатель валового национального дохода на душу населения. Статистика по этому показателю также собирается Всемирным банком. В целях объективности был выбран валовый национальный доход на душу населения, рассчитанный по паритету покупательной способности в долларах США.

Для целей анализа была взята статистика Мирового банка по 156 странам мира за 2010 год. При отсутствии информации об интересующем показателе по некоторым странам была использована информация за предыдущие годы.

В результате статистического анализа была выявлена устойчивая зависимость между уровнем доходов на душу населения и уровнем автомобилизации. Было выявлено, что целесообразно оценивать взаимосвязь между логарифмом автомобилизации и логарифмом дохода для целей моделирования.

При помощи пакета SPSS был применен метод подгонки кривых для выявления лучшей модели.

В результате была получена оптимальная модель, описывающая анализируемую взаимосвязь при помощи кубической параболы. Полученная модель характеризуется высоким уровнем значимости, 0,0001. Все коэффициенты модели значимы на уровне 0,003. Коэффициент детерминации также оказался высок, 0,82, что свидетельствует о высокой доле объясненной дисперсии.

Таблица 13.

---

Сводка по объясняющей силе модели зависимости уровня автомобилизации от доходов населения.

R	R-квадрат	Скорректированный R-квадрат	Стд. ошибка оценки
,906	,820	,818	,728

Таблица 14.

Результаты дисперсионного анализа для модели зависимости уровня автомобилизации от доходов населения.

	Сумма квадратов	ст.св.	Средний квадрат	F	Знч.
Регрессия	369,859	2	184,929	348,696	,000
Остаток	81,143	153	,530
Итого	451,002	155

Таблица 15.

Значимость коэффициентов модели зависимости уровняавтомобилизации от доходов населения.

	Нестандартизованные коэффициенты		Стандартизованные коэффициенты	t	Знч.
	B	Стд. Ошибка	Бета
LN (GNI per capita)	2,213	,333	1,643	6,653	,000
LN (GNI per capita) ** 3	-,004	,001	-,751	-3,040	,003
(Константа)	-12,331	1,932		-6,382	,000

---

Таблица 16.

Исключенные компоненты модели зависимости уровня автомобилизации от доходов населения.

	Бета включения	t	Знч.	Частная корреляция	Минимальная толерантность
LN (GNI per capita) ** 2a	28,420	2,931	,004	,231	,000
a. Предел толерантности для включения переменных достигается.

Полученная модель имеет вид: ln (Automobilizationrate)=

= 2,213*ln (GNI per capita (PPP))-0,004*ln (GNI per capita (PPP))³-12,331.


LN (Automobilizationrate)

LN (GNI per capita (PPP))


Рисунок 10. Графическое представление модели зависимости уровня автомобилизации от доходов населения.

---

Классификация стран по уровню доходов и автомобилизации.

Чтобы оценить положение России на мировом автомобильном рынке была произведена классификация стран мира по уровню автомобилизации и уровню дохода на душу населения. Для этих целей была использована статистика, собираемая Всемирным банком. В силу отсутствия данных за последние годы была использована статистика за 2009 год. Страны, для которых информации за 2009 год не было, не были включены в анализ в целях объективности. Таким образом, в анализ было включено 105 стран мира.

В результате применения иерархического алгоритма классификации в пакете SPSS, на основании полученной информации, представленной в дендрограмме, было принято решение о выделении 5 групп стран для удобства интерпретации. Был применен метод К-средних для классификации стран на 5 групп. Врезультатебылополучено 5 кластеров.

                            Rescaled Distance Cluster Combine
      C A S E       0         5        10        15        20        25

  Label        Num  +---------+---------+---------+---------+---------+
  Azerbaijan     7   ─┐

  Tunisia       99   ─┤

  Colombia      20   ─┤

  Albania        2   ─┤

  Algeria        3   ─┤

  Peru          80   ─┤

  Dominican R   26   ─┤

  Ecuador       27   ─┤

  Thailand      98   ─┤

  Suriname      94   ─┤

  China         19   ─┤

  Maldives      62   ─┤

  Egypt, Arab   28   ─┤

  Namibia       70   ─┤

  Jordan        49   ─┤

  El Salvador   29   ─┤

  Ukraine      102   ─┤

  Ghana         37   ─┤

  Kenya         51   ─┼─────┐

  Bangladesh     9   ─┤     │

  Gambia, The   34   ─┤     │

  Burkina Fas   16   ─┤     │

  Nepal         71   ─┤     │

  Uganda       101   ─┤     │

  Rwanda        85   ─┤     │

  Madagascar    60   ─┤     │

  Mali          63   ─┤     │

  Afghanistan    1   ─┤     │

  Mozambique    69   ─┤     │

  Niger         75   ─┤     │

  Morocco       68   ─┤     │

  Paraguay      79   ─┤     │

  Fiji          31   ─┤     │

  Guatemala     39   ─┤     │

  Georgia       35   ─┤     │

  Sri Lanka     93   ─┤     │

  Bhutan        12   ─┤     │

  Syrian Arab   97   ─┤     ├─────────────────────────────────────────┐

  Kyrgyz Repu   54   ─┤     │                                         │

  Pakistan      77   ─┤     │                                         │

  Indonesia     44   ─┤     │                                         │

---

  Philippines   81   ─┤     │                                         │

  India         43   ─┤     │                                         │

  Moldova       67   ─┤     │                                         │

  Nicaragua     74   ─┘     │                                         │

  Latvia        55   ─┐     │                                         │

  Lithuania     56   ─┤     │                                         │

  Croatia       22   ─┤     │                                         │

  Russian Fed   84   ─┤     │                                         │

  Estonia       30   ─┤     │                                         │

  Poland        82   ─┼─┐   │                                         │

  Bahrain        8   ─┤ │   │                                         │

  Slovak Repu   89   ─┤ │   │                                         │

  Seychelles    87   ─┤ │   │                                         │

  Antigua and    4   ─┤ │   │                                         │

  Hungary       41   ─┘ │   │                                         │

  Kazakhstan    50   ─┐ ├───┘                                         │

  South Afric   91   ─┤ │                                             │

  Brazil        14   ─┤ │                                             │

  Costa Rica    21   ─┤ │                                             │

  Serbia        86   ─┤ │                                             │

  Macedonia,    59   ─┤ │                                             │

  Malaysia      61   ─┼─┘                                             │

  Mexico        66   ─┤                                               │

  Chile         18   ─┤                                               │

  Turkey       100   ─┤                                               │

  Romania       83   ─┤                                               │

  Belarus       10   ─┤                                               │

  Uruguay      105   ─┤                                               │

  Panama        78   ─┤                                               │

  Botswana      13   ─┤                                               │

  Mauritius     65   ─┤                                               │

  Bulgaria      15   ─┘                                               │

---