АНАЛИЗ ЗАВИСИМОСТИ ЧИСЛА НАСЕЛЕНИЯ ПО ВОЗРАСТНЫМ ГРУППАМ В РОССИИ - Студенческий научный форум

XIV Международная студенческая научная конференция Студенческий научный форум - 2022

АНАЛИЗ ЗАВИСИМОСТИ ЧИСЛА НАСЕЛЕНИЯ ПО ВОЗРАСТНЫМ ГРУППАМ В РОССИИ

 Комментарии
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF

Статистика рассматривается как наука о методах изучения массовых явлений. Статистика населения является одним из самых обширных разделом статистики. Перепись населения является главным источником сведений о численности населения в Российской Федерации [1]. Население РФ представляет собой объект всестороннего исследования и является участником производственного процесса и потребителем его результатов. Более того, интерес к статистическому изучению населения не снижается, а возрастает все больше с каждым годом. В исследованиях обращается внимание на различные показатели: численность, изменение численности, пол, возраст и др.. Для того, чтобы охарактеризовать различные процессы, происходящие в популяции, надо обратить внимание на различные показатели. Прежде всего, это численность, ее изменение и структура (пол, возраст и т.д.).

В данной работе для проведения анализа была использована статистика распределения населения по возрастным группам в России за 2020г., часть данной статистики приведена на рисунке 1 [2].

Рисунок 1 – Статистика

Выбранные статические данные были перенесены в Excel. После чего проведены 3 вида анализа: регрессионный, корреляционный, корреляционно-регрессионный анализ.

Регрессионный анализ представляет собой методы оценки отношений между переменными. Он используется для оценки степени взаимосвязи между переменными и для моделирования будущей зависимости. По сути, регрессионные методы показывают, как по изменениям независимых переменных можно зафиксировать изменение «зависимой переменной [3].

Регрессионный анализ со временем становился все более востребованным, чем корреляционный анализ, т.к. является более информативным. На основе данного анализа можно выделять приоритеты, а также прогнозировать, планировать развитие приоритетных направлений или принимать управленческие решения.

Регрессионный анализ рассмотренной статистики был выполнен в Microsoft Excel с помощью инструмента «Анализ данных», который является надстройкой, содержит коллекцию функций и инструментов, расширяющих встроенные аналитические возможности Excel[3]. Результаты регрессионного анализа представлены на рисунке 2.

Рисунок 2 – Регрессионный анализ

В полученных результатах основным показателем является коэффициент детерминации (R-квадрат), показывающий качество модели. В рассматриваемом случае он равен 0,56 (56%), что является хорошим качеством. Стоит отметить, что значение меньше 0,5 является плохим показателем, а выше 0,8 хорошим.

Показатель, расположенный в ячейке на пересечении строки «Y-пересечение» и столбца «Коэффициенты», показывает какое значение будет иметь Y при всех остальных факторах равных нулю. В данном случаи показатель равен 185246.

Значение на пересечении линий «Переменная X1» и «Коэффициенты» показывает уровень зависимости Y от X. В нашем случае — это уровень населения РФ от возраста. В рассмотренном случае коэффициент -0,72. Минус указывает на отрицательное влияние. И это действительно так, ведь начиная с 35-36 лет общее количество населения уменьшается.

Корреляционный анализ помогает установить, есть ли между показателями в одной или двух выборках связь. Если связь имеется, то влечет ли увеличение одного параметра повышение (положительная корреляция) либо уменьшение (отрицательная) другого. Корреляционный анализ помогает аналитику определиться, можно ли по величине одного показателя предсказать возможное значение другого.[3]

Коэффициент корреляции варьируется в пределах от +1 до -1. Стоит отметить, что при значении коэффициента 0 линейной зависимости между выборками не существует.[4]

Корреляционный анализ рассмотренной статистики был выполнен в Microsoft Excel с помощью функции КОРРЕЛ(). Результаты корреляционного анализа составляют -0,67941. Данный коэффициент показывает, что случайные величины зависимы. В данном случае коэффициент равен -0,67, что близко к -1. Полученная связь является отрицательной, т.е. как при увеличение возраста уменьшается количество населения.

Как правило, на практике рассмотренные выше методики применяются вместе. Для данного анализа необходимо на основе статических данных было построено корреляционное поле с линией тренда и величиной достоверности аппроксимации. Microsoft Excel позволяет рассмотреть линии трендов нескольких видов [5]. Таким образом, на рисунке 3 представлена полиномиальная линия тренда.

Рисунок 3 – Корреляционное поле с полиномиальной линией тренда

Из рисунка 3 можно прийти к выводу, что данная линия находится ближе к изначальным значениям, а также коэффициент достоверности составляет 0,8226 и является самым большим. Зависимость линии тренда с описывается уравнением: y = -595,22x2 - 41973x +1* 2,718 +06.

Таким образом, проведя анализ между возрастом населения и количество определенной возрастной группы в России, следует, что между данными признаками выявлена тесная корреляционная зависимость. Также можно прийти к выводу, что возраст граждан влияет на численность населения в России в большей степени, нежели иные показатели.

Список использованных источников:

Гончарова Н.П. Демографическая динамика и оценка результативности демографической политики в регионах России / Н.П. Гончарова // Государственный советник. — 2019. — № 3 (27). — С. 101-108.

Распределение населения России по возрастным группам [Электронный ресурс]. – URL: https://rusind.ru/raspredelenie-naseleniya-rossii-po-vozrastnym-gruppam.html (дата обращения 05.10.2021).

Корреляционно-регрессионный анализ в Excel: инструкция выполнения [Электронный ресурс]. – URL: https://exceltable.com/otchety/korrelyacionno-regressionnyy-analiz (дата обращения 01.10.2021).

Регрессионный анализ [Электронный ресурс]. – URL: http://www.machinelearning.ru/wiki/index.php?title=Регрессионный_анализ (дата обращения 01.10.2021).

Павлыш В.Н., Анохина И.Ю., Кононенко И.Н., Зензеров В.И. Начальный курс информатики для пользователей персональных компьютеров / Уч.-метод. пособие. – Донецк: ДонНТУ, 2016. – 235 с.

Просмотров работы: 19