Įvairių namų ūkio rodiklių reikšmės ir jų tarpusavio priklausomybė

Įvadas Šalies ekonomikos situaciją atspindi šalies ūkis. Jį įtakoja valstybės politinė situacija, socialinė politika, ekonominė, tarptautinė situacija, ir kt. Šio kursinio darbo tikslas yra ištirti labiau šalies gyventojų namų ūkių situaciją nei šalies ūkio situaciją. Tai yra labai svarbu, nes vėliau galima tikri viso šalies ūkio būklę, daryti išvadas. Nuo gyventojų disponuojamų pajamų bei išlaidų priklauso visos šalies ekonomika, juk pagrindinė ekonomikos varomoji jėga ir yra visuminė paklausa. Paprastai kalbant kiek žmonės turi pajamų, kiek nori išleisti gėrybėms įsigyti, tiek ir yra gaminama. Galime sakyti, kad kiekvienas namų ūkis yra svarbus, nes jis atspindi šalies ekonomiką. Kursiniame darbe bus tiriama įvairių namų ūkio rodiklių reikšmės ir jų tarpusavio priklausomybė, grafinė duomenų analizė. Stebėsime namų ūkių pajamų pasiskirstymo netolygumą, pajamų nelygybę, įvertinsime skurdo rodiklius. Pamatysime kaip ir kiek skiriasi namų ūkių vieno šeimos nario pajamos kaime ar mieste, santaupų kitimo tendenciją, taip pat atliksime regresinę analizę ir kitus matavimus. Tam bus naudojama pateiktų statistinių duomenų analizė. Apibrėžimai ir reikšmės Apibrėžimai Namų ūkis – atskirai gyvenantis vienas asmuo arba asmenų grupė, kuri gyvena viename bute arba namie, turi bendrą biudžetą ir kartu maitinasi. Jeigu nėra bent vienos iš nurodytų sąlygų, asmuo prie namų ūkio nepriskiriamas. Namų ūkis gali būti: • šeima, susidedanti iš sutuoktinių su vaikais ar be jų, arba vienas iš tėvų su vaikais; • kartu gyvenantys ir bendrą biudžetą turintys giminaičiai, pvz., brolis ir sesuo, seneliai ir anūkai ir pan.; • kartu gyvenantys ir bendru biudžetu susiję asmenys neturintys giminystės ryšio; • vieniši asmenys, gyvenantys iš savo pajamų; • šeimos, susidedančios iš kelių kartu gyvenančių sutuoktinių porų, turinčių bendrą biudžetą. Namų ūkio galva – asmuo, gaunantis didžiausias pajamas. Kadangi namų ūkio narių pajamos atskirais mėnesiais gali svyruoti, namų ūkio galva laikomas asmuo, kuris ūkio narių nuomone per metus gauna didžiausias pajamas. Kai didžiausias pajamas gaunančio asmens išskirti neįmanoma, namų ūkio galva laikomas asmuo, kurį nurodo šeima. Disponuojamos pajamos – tai visos piniginės ir natūrinės pajamos, kurios gautos už darbą, iš ūkininkavimo, verslo, amatų, rentos ir kt. Kitaip tariant, tai lėšos, kurias namų ūkis arba individas gali laisvai naudoti einamajam vartojimui arba taupyti. Vartojimo išlaidos – tai piniginės ir natūrinės išlaidos, skirtos namų ūkių vartojimo poreikiams patenkinti: tai išlaidos maistui, drabužiams, būstui, sveikatos priežiūrai, kultūros reikmėms ir t.t. Kitaip tariant, tai pajamos, kurios tenka individams bruto forma t.y. neišskaičiavus mokesčių. Asmenų ar grupės asmenų gyvenimo lygio sąvoka yra siejama su daugybe įvairių faktorių. Kai kuriuos iš jų lengva išmatuoti, kai kuriuos – ne. Skurdo sąvoka yra daugiaprasmė ir kinta vystantis visuomenei, ji skirtingai suprantama atskirose šalyse. Skurdo riba – kriterijus, kurio pagalba politikai arba tyrinėtojai suskirsto individus, šeimas arba namų ūkius į skurstančius ir neskurstančius. Skurstančiųjų gyventojų lygis šalyje – tai rodiklis, parodantis šalies gyventojų dalį, kurių pajamos yra žemiau skurdo ribos. Statistinė hipotezė – bet koks tvirtinimas apie atsitiktinio dydžio pasiskirstymo formą ar apie pasiskirstymo parametrų reikšmes. Išskiriamos parametrinės ir neparametrinės hipotezės. Reikšmės Gyvenamoji vieta: 1 – 5 didieji miestai; 2 – kiti miestai; 3 – kaimas. Namų ūkiai su skirtingu skaičiumi namų ūkyje: 1 – Namų ūkis su 1 vaiku iki 18 m.; 2 – Namų ūkis su 2 vaikais iki 18 m.; 3 – Namų ūkis su 3 ir daugiau vaikų iki 18 m.; 4 – Namų ūkis be vaikų. Namų ūkiai su vaikais ir be vaikų: 1 – Namų ūkis su vaikais iki 18 metų; 2 – Namų ūkis be vaikų iki 18 metų. Namų ūkio galvos išsimokslinimas: 1 – neturi pradinio; 2 – pradinis; 3 – pagrindinis; 4 – bendras vidurinis; 5 – aukštesnysis; 6 – aukštasis. Namų ūkio galvos išsimokslinimas (kitas dydis): 1 – neturi pradinio, pradinis; 2 – pagrindinis; 3 – bendras vidurinis; 4 – aukštesnysis; 5 – aukštasis. Namų ūkio galvos pagrindinis pajamų šaltinis: 1 – darbas asmeniniame žemės ūkyje; 2 – samdomas darbas ž.ū. visuomeniniame sektoriuje; 3 – samdomas darbas ž.ū. privačiame sektoriuje; 4 – pajamos iš verslo, amatų; 5 – samdomas darbas ne ž.ū. visuomeniniame sektoriuje; 6 – samdomas darbas ne ž.ū. privačiame sektoriuje; 7 – pajamos iš laisvos profesinės veiklos; 8 – bedarbio pašalpa; 9 – stipendija; 10 – pensija; 11 – socialinė pašalpa; 12 – išlaikytiniai; 13 – kitas pajamų šaltinis. Namų ūkio galvos lytis: 1 – vyras; 2 – moteris. Namų ūkio galvos socialinė – ekonominė padėtis: 1 – ūkininkai; 2 – samdomi darbuotojai; 3 – verslininkai; 4 – pensininkai; 5 – kiti. Namų ūkio galvos vedybinis statusas: 1 – nevedęs/netekėjusi; 2 – vedęs/ištekėjusi; 3 – neregistruota santuoka; 4 – gyvena atskirai; 5 – našlys; 6 – išsiskyręs. Namų ūkio galvos amžius pateikiamas grupuotas: 1 – iki 30 metų; 2 – 30-39 metai; 3 – 40-49 metai; 4 – 50-59 metai; 5 – 60 metų ir daugiau. Miestas – kaimas: 1 – Miestas; 2 – Kaimas. Pradiniai duomenys 1 dalis. Grafinė duomenų analizė Grafinei duomenų analizei daryti pasirinkau šiuos kintamuosius: Kiekybiniai kintamieji (t.y. kintamieji, nurodantys tiriamo požymio didumą): Namų ūkio dydis, namų ūkio disponuojamos pajamos, namų ūkio vartojimo išlaidos. Kokybiniai kintamieji (t.y. kintamieji, apibūdinantys tiriamo požymio kokybę): Gyvenamoji vieta, namų ūkio galvos išsimokslinimas, namų ūkio galvos pagrindinis pajamų šaltinis, namų ūkio galvos lytis. Namų ūkio dydis Įvertinti namų ūkio dydį, kiek namų ūkių sudaryti iš kiek narių, pasirinkau stulpelinę diagramą (Column): Iš grafiko matome, kad daugiausia yra tokių namų ūkių, kuriuose narių yra 4, tokių namų ūkių yra 8 iš visų 29 mūsų tiriamų namų ūkių. Yra 7 namų ūkiai, kuriuose yra 2 nariai ir 7 namų ūkiai, kuriuose yra 3 nariai. Dar matome, kad yra 5 namų ūkiai, kur yra tik 1 narys ir 2 namų ūkiai, kuriuose yra 5 nariai. Toks grafikas informatyvus tuo, kad leidžia mums stebėti, kiek narių namų ūkiuose paprastai yra daugiausiai, kiek mažiausiai. Namų ūkio disponuojamos pajamos Kad susidaryčiau bendrą vaizdą, kokiomis pajamomis disponuoja namų ūkiai, pasirinkau duomenis pavaizduoti grafiku pyragu (Pie), grafikas padarytas su absoliutiniais dydžiais. Iš grafiko matau, kad daugiausiai namų ūkių, iš mano tiriamų 29 namų ūkių, net 9 disponuoja pajamomis, kurios yra intervale 500Lt – 1000Lt. 7 namų ūkiai disponuoja pajamomis, kurios patenka į intervalą iki 500Lt, o 5 namų ūkiai – pajamomis iš intervalo 1000Lt – 1500Lt. Iš pyrago vizualiai matau, kad dauguma namų ūkių (21) disponuoja nedidelėmis pajamomis (iki 1500Lt), o kitų likusių namų ūkių disponuojamos pajamos didesnės, 3 namų ūkiai disponuoja pajamomis iš intervalo 1500Lt – 2000Lt, 2 namų ūkiai – iš intervalo 2500Lt – 3000Lt ir po viena namų ūkį disponuoja pajamomis iš intervalų 3000Lt – 3500Lt, 4000Lt – 4500Lt ir 4500Lt – 5000Lt. Pyragas su absoliutiniais dydžiais informatyvus tuo aspektu, kad galime pažiūrėti, kiek namų ūkių tiksliai disponuoja atitinkamomis pajamomis. Namų ūkio galvos lytis Kad pamatytume, kas dažniau būna namų ūkio galva, pasirinkau padaryti grafiką pyragą (Pie) su santykiniais dydžiais. Iš grafiko matome, koks procentas vyrų ir moterų yra šeimos galvomis. Stebime rezultatus, kad mūsų nagrinėjamu atveju iš visų namų ūkių vyrai yra šeimos galva 66% atvejų, o moterys yra 34% atvejų. Grafikas su santykiniais dydžiais leidžia mums pamatyti santykį tarp nagrinėjamų dydžių, šiuo atveju, koks santykis yra tarp namų ūkio galvos lyties (moteris ar vyras) nagrinėjamuose namų ūkiuose. Toks grafikas pateikia mums ne tikslius dydžius, o bendrą vaizdą apie situaciją. Namų ūkio galvos išsimokslinimas Šiam dydžiui pavaizduoti išsirinkau pyragą (Pie), kai greta jo surašyta išsimokslinimo rūšis ir procentas, kiek šeimos galvų tokį išsilavinimą turi iš mūsų nagrinėjamų namų ūkių. Grafikas mus informuoja, kad daugiausiai iš namų ūkių galvų, turi bendrą vidurinį išsilavinimą, 31%. 28% jų turi aukštesnyjį išsilavinimą. Žiūrėdami į grafiką matome, kad daugiau negu pusė visų namų ūkių galvų turi arba bendrą vidurinį arba aukštesnyjį išsilavinimą. 24% turi aukštajį išsilavinimą, 10% turi pradinį išsilavinimą ir 7% turi pagrindinį išsilavinimą. Šio grafiko dėka galime vizualiai matyti, kokią dalį (didesnę, mažesnę) sudaro atitinkamą išsilavinimą turinčios namų ūkių galvos. Namų ūkio galvos pagrindinis pajamų šaltinis Namų ūkio galvos pagrindiniam pajamų šaltiniui pavaizduoti pasirinkau grafiką Line. Šio grafiko pagalba išnagrinėjame vieną kintamąjį, šiuo atveju stebime, kaip dažnai pasitaiko kuris nors iš pajamų šaltinių. Matome, kad dažniausiai namų ūkių pajamų šaltinis yra 6 (t.y. samdomas darbas ne ž.ū. privačiame sektoriuje). Taip pat stebime, kad iš mūsų nagrinėjamų namų ūkių, niekas negauna pajamų iš 1 (darbo asmeniniame žemės ūkyje), 7 (pajamų iš laisvos profesinės veiklos), 8 (bedarbio pašalpos), 9 (stipendijos), 11 (socialinės pašalpos), 12 (nėra išlaikytiniai). Dar matome, kad vieną kartą iš mūsų nagrinėjamų atvejų, pajamų šaltinis yra 2 (samdomas darbas ž.ū. visuomeniniame sektoriuje), du kartus stebime, kad pajamų šaltinis yra 3 (samdomas darbas ž.ū. privačiame sektoriuje), tris kartus stebimas pajamų šaltinis yra 4 (pajamos iš verslo, amatų) ir šešis kartus stebimas – 5 (samdomas darbas ne ž.ū. visuomeniniame sektoriuje). Dar penkis kartus pajamų šaltinis yra 10 (pensija) ir du kartus stebimas pajamų šaltinis yra 13 (kitas pajamų šaltinis). Gyvenamoji vieta Nagrinėjamuose namų ūkiuose stebime tris galimas gyvenamąsias vietas: 1 – 5 didieji miestai; 2 – kiti miestai; 3 – kaimas. Norėdama pamatyti, kur daugiausiai gyvena mano nagrinėjami namų ūkiai, pasirinkau grafiką Daughnut. Šio grafiko pagalba galiu stebėti, kad mano nagrinėjami namų ūkiai negyvena penkiuose didžiuosiuose miestuose. Didžioji jų dalis gyvena kituose miestuose, net 76%, o mažesnioji jų dalis, tik 24%, gyvena kaime. Kadangi pasirinkau, kad grafikas man rodytų santykinius dydžius, dėl to, nematau tikslaus skaičiaus namų ūkių, kurie kur gyvena, tačiau mano tikslas yra susidrayti bendrą vaizdą, kuri dalis gyvena kaime, kuri kituose miestuose ir penkiuose didžiuosiuose miestuose. Šis grafikas pakankamai informatyvus. Namų ūkių išlaidų priklausymas nuo pajamų Sklaidos grafikas (Scatter) padeda įžvelgti ryšius tarp dviejų kintamųjų. Kadangi dabar tiriame koks ryšys yra tarp namų ūkių disponuojamų pajamų ir namų ūkių vartojimo išlaidų, toks grafikas mums tinka geriausiai ir yra informatyviausias. Stebime, kad vartojimo išlaidos išties priklauso nuo disponuojamų pajamų, ryšys yra tiesioginis, t.y. kuo didesnės disponuojamos pajamos, tuo didesnės ir išlaidos, ir atvirkščiai – kuo mažesnės disponuojamos pajamos, tuo mažesnės ir išlaidos. Stebime, kad daugiausiai taškelių yra arčiau ašių susikirtimo taško. Kaip jau matėme grafike „Namų ūkio disponuojamos pajamos“, namų ūkiai dažniausiai disponuoja mažesnėmis pajamomis, o dabartiniame grafike galime stebėti, kad ši tendencija yra patvirtinama. Puikiai matome, kad disponuodami mažesnėmis pajamomis žmonės išleidžia mažiau, tuo tarpu didesnes pajamas turinčių namų ūkių yra mažiau, jų išlaidos atitinkamai yra didesnės. 2 dalis. Bendra namų ūkio charakteristika – aprašomoji statistika Šioje dalyje naudoju du kiekybinius kintamuosius: namų ūkio disponuojamos pajamos ir namų ūkio vartojimo išlaidos. Aprašomosios statistikos charakteristikos Visų pirma ištirsime namų ūkio disponuojamas pajamas. Naudosime excel funkciją: Tools → Data Analysis → Descriptive Statistics. Gauname lentelę: Namų ūkio disponuojamos pajamos Vidurkis 1300,275862 Standartinė paklaida 211,7684562 Mediana 928 Moda 500 Vidutinis kvadratinis nuokrypis 1140,408038 Dispersija 1300530,493 Eksceso koeficientas 2,409160631 Asimetrijos koeficientas 1,633008477 Duomenų plotis 4668 Minimali reikšmė 19 Maksimali reikšmė 4687 Suma 37708 Duomenų skaičius 29 Pasikliovimo lygmuo (95,0%) 433,7885053 Vidurkis – taškas, vidutiniškai artimiausias visiems statistinės eilutės elementams. Šiuo atveju tas duomuo yra 1300,275862. Vadinais, mano atveju namų ūkių disponuojamos pajamoms vidutiniškai yra 1300,275862Lt. Dispersija – požymio reikšmių nuokrypio nuo vidurkio kvadrato vidurkis. Parodo sklaidą apie vidurkį. Čia 1300530,493. Vidutinis kvadratinis nuokrypis – tai kvadratinė šaknis iš dispersijos, parodo reikšmių nuokrypio nuo vidurkio vidutinį dydį. Čia 1140,408038, vadinasi nuo vidutinių namų ūkių pajamų kitų namų ūkių pajamos skiriasi 1140,408038Lt. Mediana – tai vidurinis duomuo stebėjimų sekoje, išdėstytoje didėjimo tvarka. Medianos numeris yra skaičiuojamas taip: (n + 1)/2, kur n – duomenų skaičius. Jeigu turime lyginį stebėjimų skaičių, medianos numeris bus trupmeninis, tai yra, viduriniai duomenys yra du, todėl mediana tokiu atveju randama kaip dviejų vidurinių duomenų vidurkis. Mano atveju šis dydis yra 928. Vadinasi, pusė pajamų yra mažiau negu 928Lt, o pusė pajamų yra daugiau negu 928Lt. Moda – tai reikšmė, kuri pasikartoja dažniausiai. Jeigu visi duomenys pasikartoja po vieną kartą, tai modos rasti negalima. Čia 500. Dažniausiai pasitaiko, kad pajamos yra 500Lt. Asimetrijos koeficientas – įvertina duomenų simetriškumą. Kai šis koeficientas yra mažesnis už 0,5, galime laikyti, kad asimetrija yra neesminė t.y. yra simetrija. Kai šis koeficientas yra mažesnis už 0 – t.y. neigiama (kairiašonė) asimetrija, o kai koeficientas didesnis už 0 – teigiama (dešiniašonė) asimetrija. Čia 1,633008477, dėl to sakome, kad yra asimetrija ir ji yra teigiama (dešiniašonė), reiškia, kad namų ūkių, kurie disponuoja mažesnėmis pajamomis yra daugiau. Eksceso koeficientas – tai vadinamasis skirstinio kreivės išgaubtumas. Kai koeficientas lygus 0, skirstinys yra normalusis, jei mažiau už 0, tai skirstinys yra žemiau normalaus, plokščiaviršūnė histograma, sklaida apie vidurkį yra didelė ir atvirkščiai, jeigu koeficientas daugiau už 0, tai skirstinys yra auščiau normalaus (smailiaviršūnė histograma) ir duomenų sklaida apie vidurkį yra maža. Mano atveju šis dydis yra 2,409160631, sakome, kad duomenų sklaida apie vidurkį yra maža ir skirstinys yra aukščiau normalaus. Duomenų aibės plotis – lygus maksimalios ir minimalios variacinės eilutės reikšmių skirtumui. Čia 4668, taigi skirtumas tarp didžiausių ir mažiausių pajamų yra 4668Lt. Maksimali ir minimali reikšmės atitinkamai parodo imties maksimalią ir minimalią reikšmes. Kaip matome, čia minimali reikšmė yra 19Lt, o maksimali yra 4687Lt. Duomenų visa suma yra 37708, iš viso turime 29 stebėjimus. Variacijos koeficientas Variacijos koeficientas įvertina duomenų sklaidą. . Suskaičiavus gavome, kad . Darome išvadą, kad variacijos koeficientas parodo mums, kad šiuo nagrinėjamu atveju variacijos koeficientas realios prasmės neturi, nes . Pasikliautini intervalai Ieškome vidurkio pasikliautinų intervalų. Kadangi žinome S (vidutinį kvadratinį nuokrypį), tai naudojame šią formulę: Darome išvadą, kad su tikimybe 0,95 namų ūkio disponuojamos pajamos patenka tarp 866,5740637Lt ir 1733,97766Lt. Histograma ir pasiskirstymo funkcija Susirandame žingsnį h pagal formulę (k=5, maksimali ir minimali reikšmės randamos iš lentelės): ir gauname, kad Tuomet randu intervalo taškus: ; ; ; ...; Intervalo taškai Intervalai 19 19 ; 952,6 952,6 952,6 ; 1886,2 1886,2 1886,2 ; 2819,8 2819,8 2819,8 ; 3753,4 3753,4 3753,4 ; 4687 4687 Tuomet naudoju excel funkciją Tools → Data Analysis → Histogram. Gauname nepataisytą histogramą. Ją sutvarkome: padarome stulpelius be tarpelių, taip pat reikia duomenis pertvarkyti į intervalus. Pertvarkymui sudarome lentelę: Intervalai Dažniai ni*100%/n Kumuliata (%) 19-952,6 16 55,17 55,17 952,6-1886,2 8 27,59 82,76 1886,2-2819,8 2 6,90 89,66 2819,8-3753,4 1 3,45 93,10 3753,4-4687 2 6,90 100,00 Tuomet pataisome intervalo taškų, dažnių ir kumuliatos stulpelius toje lentelėje, kurią mums pateikė funkcija. Tuomet gauname tokius duomenis: Intervalo taškai Dažniai Kumuliata % 19-952,6 16 55,17% 952,6-1886,2 8 82,76% 1886,2-2819,8 2 89,66% 2819,8-3753,4 1 93,10% 3753,4-4687 2 100,00%       min Q1Me Q3 max 19 529 928 1562 4687 Stačiakampė diagrama Ši diagrama parodo grafinį penkiaskaitės suvestinės vaizdą. Funkcijos pagalba Quartile apskaičiuojami kvartiliai: Q1=529 Q2=Me=928 Q3=1562 Vadinasi, ketvirtadalis tiriamų namų ūkių disponuoja pajamomis, mažesnėmis negu 529Lt, ketvirtadalis namų ūkių disponuoja pajamomis tarp 529Lt ir 928Lt, dar vienas ketvirtadalis namų ūkių disponuoja pajamomis tarp 928Lt ir 1562Lt bei ketvirtadalis tiriamų namų ūkių disponuoja pajamomis didesnėmis negu 1562Lt. Taip pat pusė tiriamų namų ūkių disponuoja pajamomis mažesnėmis negu 928Lt ir pusė jų disponuoja pajamomis didesnėmis negu 928Lt. Dabar ištirsime ir namų ūkio vartojimo išlaidas. Naudojame excel funkciją Tools → Data Analysis → Descriptive Statistics. Gauname lentelę: Namų ūkio vartojimo išlaidos Vidurkis 1267,034483 Standartinė paklaida 161,9323924 Mediana 1015 Moda #N/A Vidutinis kvadratinis nuokrypis 872,0326207 Dispersija 760440,8916 Eksceso koeficientas 1,879152866 Asimetrijos koeficientas 1,36940837 Duomenų plotis 3618 Minimali reikšmė 268 Maksimali reikšmė 3886 Suma 36744 Duomenų skaičius 29 Pasikliovimo lygmuo (95,0%) 331,7038416 Šiuo atveju namų ūkio vartojimo išlaidų vidurkis yra 1267,034483Lt. Dispersija – požymio reikšmių nuokrypio nuo vidurkio kvadrato vidurkis. Parodo sklaidą apie vidurkį. Čia 760440,8916. Vidutinis kvadratinis nuokrypis – 872,0326207, vadinasi nuo vidutinių namų ūkių vartojimo išlaidų kitų namų ūkių vartojimo išlaidos skiriasi 872,0326207Lt. Mediana – mano atveju šis dydis yra 1015. Vadinasi, pusė pajamų yra mažiau negu 1015Lt, o pusė pajamų yra daugiau negu 1015Lt. Moda - šiuo atveju jokia reikšmė nesikartoja dažniausiai. Asimetrijos koeficientas – įvertina duomenų simetriškumą. Kai šis koeficientas yra mažesnis už 0,5, galime laikyti, kad asimetrija yra neesminė t.y. yra simetrija. Kai šis koeficientas yra mažesnis už 0 – t.y. neigiama (kairiašonė) asimetrija, o kai koeficientas didesnis už 0 – teigiama (dešiniašonė) asimetrija. Čia 1,36940837, dėl to sakome, kad yra asimetrija ir ji yra teigiama (dešiniašonė) reiškia, kad namų ūkių, kurių vartojimo išlaidos mažesnės yra daugiau. Eksceso koeficientas – tai vadinamasis skirstinio kreivės išgaubtumas. Kai koeficientas lygus 0, skirstinys yra normalusis, jei mažiau už 0, tai skirstinys yra žemiau normalaus, plokščiaviršūnė histograma, sklaida apie vidurkį yra didelė ir atvirkščiai, jeigu koeficientas daugiau už 0, tai skirstinys yra auščiau normalaus (smailiaviršūnė histograma) ir duomenų sklaida apie vidurkį yra maža. Mano atveju šis dydis yra 1,879152866, sakome, kad duomenų sklaida apie vidurkį yra maža ir skirstinys yra aukščiau normalaus. Duomenų aibės plotis – lygus maksimalios ir minimalios variacinės eilutės reikšmių skirtumui. Čia 3618, taigi skirtumas tarp didžiausių ir mažiausių vartojimo išlaidų yra 3618Lt. Maksimali ir minimali reikšmės atitinkamai parodo imties maksimalią ir minimalią reikšmes. Kaip matome, čia minimali reikšmė yra 268Lt, o maksimali yra 3886Lt. Duomenų visa suma yra 36744, iš viso turime 29 stebėjimus. Variacijos koeficientas Variacijos koeficientas įvertina duomenų sklaidą. . Suskaičiavus gavome, kad . Darome išvadą, kad variacijos koeficientas parodo mums, kad šiuo nagrinėjamu atveju variacijos koeficientas realios prasmės neturi, nes . Pasikliautini intervalai Ieškome vidurkio pasikliautinų intervalų. Kadangi žinome S (vidutinį kvadratinį nuokrypį), todėl naudojame šią formulę: Darome išvadą, kad su tikimybe 0,95 namų ūkio vartojimo išlaidas patenka tarp 935,3969435Lt ir 1598,672022Lt. Histograma ir pasiskirstymo funkcija Susirandame žingsnį h pagal formulę (k=5, maksimali ir minimali reikšmės randamos iš lentelės): ir gauname, kad Tuomet randu intervalo taškus: ; ; ; ...; Intervalo taškai Intervalai 268 268-991,6 991,6 991,6-1715,2 1715,2 1715,2-2438,8 2438,8 2438,8-3162,4 3162,4 3162,4-3886 3886 Tuomet naudoju excel funkciją Tools → Data Analysis → Histogram. Gauname nepataisytą histogramą. Ją sutvarkome: padarome stulpelius be tarpelių, taip pat reikia pertvarkyti duomenis į intervalus. Pertvarkymui sudarome lentelę: Intervalai Dažniai ni*100%/n Kumuliata (%) 268-991,6 14 48,28 48,28 991,6-1715,2 9 31,03 79,31 1715,2-2438,8 2 6,90 86,21 2438,8-3162,4 3 10,34 96,55 3162,4-3886 1 3,45 100,00 Tuomet pataisome intervalo taškų, dažnių ir kumuliatos stulpelius toje lentelėje, kurią mums pateikė funkcija. Gauname tokius duomenis: Intervalo taškai Dažniai Kumuliata % 268-991,6 14 48,28% 991,6-1715,2 9 79,31% 1715,2-2438,8 2 86,21% 2438,8-3162,4 3 96,55% 3162,4-3886 1 100,00%       min Q1 Me Q3 max 268 733 1015 1546 3886 Stačiakampė diagrama Ši diagrama parodo grafinį penkiaskaitės suvestinės vaizdą. Funkcijos pagalba Quartile apskaičiuojami kvartiliai: Q1=733 Q2=Me=1015 Q3=1546 Vadinasi, ketvirtadalio tiriamų namų ūkių vartojimo išlaidos yra mažesnės negu 733Lt, ketvirtadalio namų ūkių vatojimo išlaidos yra tarp 733Lt ir 1015Lt, dar vieno ketvirtadalio namų ūkių vartojimo išlaidų yra tarp 1015Lt ir 1546Lt bei ketvirtadalio tiriamų namų ūkių vartojimo išlaidos yra didesnėmis negu 1546Lt. Taip pat pusės tiriamų namų ūkių vartojimo išlaidos yra mažesnėmis negu 1015Lt ir pusės jų vartojimo išlaidos yra didesnės negu 1546Lt. 3 dalis. Pajamų pasiskirstymo netolygumo matas – GINI koeficientas Gini koeficientas apskaičiuojamas pagal formulę: 0 ≤ G(y) ≤ 1 Kad apskaičiuočiau Gini koeficientą sudariau lentele: Nr. y Nr. * y 29 19,00 551,00 28 105,80 2962,40 27 125,00 3375,00 26 149,00 3874,00 25 181,25 4531,25 24 203,00 4872,00 23 223,00 5129,00 22 240,60 5293,20 21 250,00 5250,00 20 276,50 5530,00 19 286,50 5443,50 18 305,50 5499,00 17 307,00 5219,00 16 315,00 5040,00 15 426,33 6394,95 14 433,00 6062,00 13 442,50 5752,50 12 457,00 5484,00 11 464,00 5104,00 10 520,67 5206,70 9 579,00 5211,00 8 619,67 4957,36 7 629,00 4403,00 6 650,50 3903,00 5 754,75 3773,75 4 821,00 3284,00 3 909,00 2727,00 2 1032,25 2064,50 1 1171,75 1171,75 Tada su excel funkcija Average apskaičiavau vidutines namų ūkio disponuojamas pajamas. Taip pat apskaičiavau sumą stulpelio Nr.*y funkcijos Sum pagalba. Suma lygi 128068,86. Kadangi gautas Gini koeficientas lygus 0,349676615>0,3, tai galima teigti, kad yra esminių gyventojų pajamų diferenciacijos netolygumų. 4 dalis. Namų ūkių pajamų nelygybės grafinė analizė. Lorenco kreivė Kad nubraižyčiau Lorenco kreivę sudarau šią lentelę: Vieno šeimos nario pajamos i Sukaupti duomenys Syi i/n Syi/SK 19,00 1 19,00 0,03448276 0,001473146 105,80 2 124,80 0,06896552 0,009676241 125,00 3 249,80 0,10344828 0,019367989 149,00 4 398,80 0,13793103 0,030920553 181,25 5 580,05 0,17241379 0,044973588 203,00 6 783,05 0,20689655 0,060712987 223,00 7 1006,05 0,24137931 0,078003066 240,60 8 1246,65 0,27586207 0,096657743 250,00 9 1496,65 0,31034483 0,116041239 276,50 10 1773,15 0,34482759 0,137479386 286,50 11 2059,65 0,37931034 0,159692872 305,50 12 2365,15 0,4137931 0,183379505 307,00 13 2672,15 0,44827586 0,207182438 315,00 14 2987,15 0,48275862 0,231605644 426,33 15 3413,48 0,51724138 0,264660707 433,00 16 3846,48 0,55172414 0,298232923 442,50 17 4288,98 0,5862069 0,332541711 457,00 18 4745,98 0,62068966 0,367974743 464,00 19 5209,98 0,65517241 0,403950512 520,67 20 5730,65 0,68965517 0,444320132 579,00 21 6309,65 0,72413793 0,489212309 619,67 22 6929,32 0,75862069 0,537257794 629,00 23 7558,32 0,79310345 0,58602667 650,50 24 8208,82 0,82758621 0,636462527 754,75 25 8963,57 0,86206897 0,694981303 821,00 26 9784,57 0,89655172 0,758636704 909,00 27 10693,57 0,93103448 0,829115097 1032,25 28 11725,82 0,96551724 0,909149553 1171,75 29 12897,57 1 1 Pagal gautus duomenis nubraižiau Lorenco kreivę: Lorenco kreivė padeda įvertinti kaip lygiai pasiskirsto pajamų dalių grafinis vaizdas. Lorenco kreivė rodo, kurią pajamų dalį gauna tam tikra visuomenės dalis. Įstriža linija rodo idealiai lygų pajamų pasiskirstymą. Kuo toliau Lorenco kreivė nukrypusi nuo įstrižosios linijos, tuo nelygesnis pajamų pasiskirstymas. Mūsų atveju matome, kad Lorenco kreivė tikrai nukrypusi nuo įstrižainės, vadinasi tarp namų ūkių yra nemaža turtinė nelygybė. 5 dalis. Skurdo rodiklių įvertinimas Skurdo riba – tai kriterijus, kurio pagalba politikai ar kiti asmenys suskirsto gyventojus, šeimas ar namų ūkius į skurstančius ir neskurstančius. Norint apskaičiuoti skurdo rodiklius, reikalingi šie duomenys: namų ūkio dydis, disponuojamos pajamos ir disponuojamos pajamos vienam ūkio nariui. Duomenys: Namų ūkio dydis Namų ūkio disponuojamos pajamos Vieno namų ūkio nario disponuojamos pajamos 2 500,00 250,00 2 885,00 442,50 2 928,00 464,00 2 611,00 305,50 1 307,00 307,00 2 298,00 149,00 3 1859,00 619,67 4 4129,00 1032,25 3 945,00 315,00 4 1106,00 276,50 3 1562,00 520,67 4 3019,00 754,75 3 2727,00 909,00 3 1279,00 426,33 3 1371,00 457,00 4 4687,00 1171,75 1 203,00 203,00 5 1203,00 240,60 1 433,00 433,00 4 892,00 223,00 4 2602,00 650,50 1 821,00 821,00 2 573,00 286,50 1 19,00 19,00 3 1737,00 579,00 5 529,00 105,80 4 500,00 125,00 2 1258,00 629,00 4 725,00 181,25 Vidutinės pajamos vienam namų ūkio nariui = Suma disponuojamų pajamų / Suma namų ūkio dydžių Įvertinsime šiuos skurdo rodiklius: • skurdo ribą, • skurdo lygį, • skurdo gylį, • žemų pajamų indeksą. Skurdo riba: Skurdo riba pasirenkama su 50 % nuo vidutinių pajamų vienam namų ūkio nariui. r =0.5* Vidutinės pajamos vienam namų ūkio nariui r = 229,93 Skurdo lygis: Skurstančių gyventojų lygis šalyje parodo šalies gyventojų dalį, kurių pajamos žemiau skurdo ribos. Skurdo lygiui įvertinti naudojama formulė: L  L = 0,256097561 Čia: L – skurdo lygis, q – skurstančių gyventojų skaičius, n – visų gyventojų skaičius. Nustatant skurstančių gyventojų skaičių atrenkame tuos namų ūkius, kur vienam nariui tenka žemesnės pajamos už skurdo ribą. 25,61 % visų stebimų gyventojų pajamos yra žemiau skurdo ribos. Skurdo gylis (žemų pajamų nuokrypis): Žemų pajamų nuokrypis – tai rodiklis, kuris parodo, kiek vidutiniškai skurstančiųjų pajamos nukrypsta nuo skurdo ribos. Šis rodiklis parodo skurdo gilumą. Jis randamas: Kur: xi – i-tojo skurstančiojo pajamos r – skurdo riba ki – namų ūkio dydis N = 0,344304859 Vidutiniškai 34,43% skurstančiųjų pajamos nukrypsta nuo skurdo ribos. Žemų pajamų indeksas: Žemų pajamų indeksas parodo kiek reikia lėšų, norint eliminuoti skurdą šalyje. Apskaičiuojamas pagal tokią formulę: I = L * N I = 0,088175635 Kur: L – skurdo lygis, N – skurdo gylis. Reikia 8,82% lėšų, norint eliminuoti skurdą šalyje. 6 dalis. Patikrinti ar skiriasi vieno šeimos nario pajamos mieste ir kaime. Ar vieno šeimos nario pajamos didesnės negu kaime? Užduočiai įvykdyti sudarau lentelę: Mieste Kaime Namų ūkio dydis Namų ūkio disponuojamos pajamos Vienam asmeniui tenkančios pajamos Miestas - Kaimas Namų ūkio dydis Namų ūkio disponuojamos pajamos Vienam asmeniui tenkančios pajamos Miestas - Kaimas 2 500,00 Lt 250,00 Lt 1 2 928,00 Lt 464,00 Lt 2 2 885,00 Lt 442,50 Lt 1 2 611,00 Lt 305,50 Lt 2 1 307,00 Lt 307,00 Lt 1 2 298,00 Lt 149,00 Lt 2 3 1.859,00 Lt 619,67 Lt 1 3 945,00 Lt 315,00 Lt 2 4 4.129,00 Lt 1.032,25 Lt 1 1 203,00 Lt 203,00 Lt 2 4 1.106,00 Lt 276,50 Lt 1 5 1.203,00 Lt 240,60 Lt 2 3 1.562,00 Lt 520,67 Lt 1 5 529,00 Lt 105,80 Lt 2 4 3.019,00 Lt 754,75 Lt 1 vidurkis 3 2.727,00 Lt 909,00 Lt 1 254,70 Lt 3 1.279,00 Lt 426,33 Lt 1 3 1.371,00 Lt 457,00 Lt 1 4 4.687,00 Lt 1.171,75 Lt 1 1 433,00 Lt 433,00 Lt 1 4 892,00 Lt 223,00 Lt 1 4 2.602,00 Lt 650,50 Lt 1 1 821,00 Lt 821,00 Lt 1 2 573,00 Lt 286,50 Lt 1 1 19,00 Lt 19,00 Lt 1 3 1.737,00 Lt 579,00 Lt 1 4 500,00 Lt 125,00 Lt 1 2 1.258,00 Lt 629,00 Lt 1 4 725,00 Lt 181,25 Lt 1 vidurkis 505,21 Lt Kadangi šie dydžiai yra nepriklausomi, todėl norėdami išsiaiškinti ar skiriasi vieno šeimos nario pajamos mieste ir kaime pirmiausia tikriname hipotezę (α=0,05): H0: σx2 =σy2 Ha:σx2 >σy2 Norėdama patikrinti hipotezę naudoju excel funkciją Tools → Data Analysis → F-Test Two-Sample for Variances Gauname tokią lentelę:   Mieste Kaime Vidurkis 505,2121212 254,7 Dispersija 90005,26635 14373,10333 Stebimųjų skaičius 22 7 Laisvės laipsnių skaičius 21 6 Apčiuopta reikšmė F 6,262062149 P(Fμy Naudojame duomenis iš pastarosios lentelės. Pagal lentelę matome, kad KS = [1,708140189;+∞), o Tsk = 3,195856529. Tsk patenka į kritinę sritį, tai Ho atmetam, o Ha priimam su α=0,05. Tai reiškia, kad vieno šeimos nario pajamos mieste didesnės nei kaime. Taip pat šia hipotezę galime patikrinti pagal P reikšmę iš lentelės. Kadangi gauta P reikšmė yra 0,001876943 ir ji yra mažesnė už α reikšmę 0,05, tai reiškia, kad hipotezė Ho yra atmetama, o Ha priimama. Patvirtinome, kad vieno namų ūkio nario pajamos mieste yra didesnės negu kaime. 7 dalis. Patikrinti ar namų ūkio vidutinės santaupos padidėjo (sumažėjo) Užduočiai įvykdyti sudarau lentelę: Namų ūkio disponuojamos pajamos Namų ūkio vartojimo išlaidos Namų ūkio vidutinės santaupos 500,00 1268,00 -768,00 885,00 788,00 97,00 928,00 905,00 23,00 611,00 845,00 -234,00 307,00 334,00 -27,00 298,00 567,00 -269,00 1859,00 1197,00 662,00 4129,00 3886,00 243,00 945,00 631,00 314,00 1106,00 1546,00 -440,00 1562,00 896,00 666,00 3019,00 1521,00 1498,00 2727,00 2128,00 599,00 1279,00 1103,00 176,00 1371,00 964,00 407,00 4687,00 2455,00 2232,00 203,00 332,00 -129,00 1203,00 1015,00 188,00 433,00 324,00 109,00 892,00 733,00 159,00 2602,00 3056,00 -454,00 821,00 840,00 -19,00 573,00 398,00 175,00 19,00 268,00 -249,00 1737,00 1364,00 373,00 529,00 1558,00 -1029,00 500,00 2671,00 -2171,00 1258,00 1389,00 -131,00 725,00 1762,00 -1037,00 Kadangi šie dydžiai yra priklausomi, tai norėdami išsiaiškinti ar namų ūkių vidutinės santaupos padidėjo, ar sumažėjo tikriname hipotezę (α=0,05): Ho: μx=μy Ha: μx >μy Naudosime excel funkciją Tools → Data Analysis → t-Test: Paired Two Sample for Means. Gauname lentelę:   Disponuojamos pajamos Vartojimo išlaidos Vidurkis 1300,275862 1267,034483 Dispersija 1300530,493 760440,8916 Stebimųjų skaičius 29 29 Pirsono koreliacija 0,729125323 Spėjamas vidurkio slirtumas 0 Laisvės laipsnių skaičius 28 Tsk 0,229052725 P(T 0, tai namų ūkio vartojimo išlaidos tiesiogiai priklauso nuo namų ūkio dydžio. Ši priklausomybė yra vidutinė. Vadinasi, didėjant namų ūkio dydžiui, didėja ir vartojimo išlaidos. Iškeliu hipotezę apie reikšmingumą: H0: ρ = 0 Ha: ρ ≠ 0 Tada pagal formulę skaičiuojam Tsk reikšmę: KS = (-∞;-2,052] [2,052; +∞) Kadangi apskaičiuota reikšmė , kuri yra lygi 4,17274597 patenka į kritinę sritį, todėl Ho atmetame ir paliekame Ha. Todėl r yra reikšmingas ir išlaidos tiesiškai priklauso nuo namų ūkio dydžio, nes r≠0 t.y. tiesinis ryšys egzistuoja. R2 Kadangi r = 0,485203028 > 0, tai namų ūkio disponuojamos pajamos tiesiogiai priklauso nuo namų ūkio dydžio. Ši priklausomybė yra silpna. Vadinasi, didėjant namų ūkio dydžiui, didėja ir disponuojamos pajamos. Iškeliu hipotezę apie reikšmingumą: H0: ρ = 0 Ha: ρ ≠ 0 Tada pagal formulę skaičiuojam Tsk reikšmę: KS = (-∞;-2,052] [2,052; +∞) Kadangi apskaičiuota reikšmė , kuri yra lygi 2,88333086 patenka į kritinę sritį, todėl Ho atmetame ir paliekame Ha. Todėl r yra reikšmingas ir disponuojamos pajamos tiesiškai priklauso nuo namų ūkio dydžio, nes r≠0 t.y. tiesinis ryšys egzistuoja. R3 Kadangi r = 0,729125323 > 0, tai namų ūkio namų ūkio vartojimo išlaidos tiesiogiai priklauso nuo disponuojamų pajamų. Ši priklausomybė yra stipri. Vadinasi, didėjant namų ūkio disponuojamoms pajamoms, didėja ir vartojimo išlaidos. Iškeliu hipotezę apie reikšmingumą: H0: ρ = 0 Ha: ρ ≠ 0 Tada pagal formulę skaičiuojam Tsk reikšmę: KS = (-∞;-2,052] [2,052; +∞) Kadangi apskaičiuota reikšmė , kuri yra lygi 5,535879457 patenka į kritinę sritį, todėl Ho atmetame ir paliekame Ha. Todėl r yra reikšmingas ir vartojimo išlaidos tiesiškai priklauso nuo namų ūkio disponuojamų pajamų, nes r≠0 t.y. tiesinis ryšys egzistuoja. 9 dalis. Išlaidų tiesinės priklausomybės įvertinimas nuo svarbiausio veiksnio (iš aštuntos dalies) Užduočiai atlikti naudojame excel funkciją Tools → Data Analysis → Regression. Didžiausias koreliacijos koeficientas yra r = 0,729125323. Pagal 8 dalį, remiantis patikinta hipoteze, kadangi priėme Ha, šis koreliacijos koeficientas yra reikšmingas, o tai reiškia, kad vartojimo išlaidos tiesiškai priklauso nuo namų ūkio disponuojamų pajamų (tiesinis ryšys yra stiprus). Kad galėčiau parašyti regresijos lygtį ir apskaičiuoti koreliacijos koeficientą pirmiausia sudarau lentelę: Namų ūkio vartojimo išlaidos Namų ūkio disponuojamos pajamos 1268 500 788 885 905 928 845 611 334 307 567 298 1197 1859 3886 4129 631 945 1546 1106 896 1562 1521 3019 2128 2727 1103 1279 964 1371 2455 4687 332 203 1015 1203 324 433 733 892 3056 2602 840 821 398 573 268 19 1364 1737 1558 529 2671 500 1389 1258 1762 725 Panaudojusi jau minėtą funkciją gaunu lenteles: Bendri rezultatai SUMMARY OUTPUT Regresijos statistika Daugialypės koreliacijos koeficientas 0,729125323 Determinacijos koeficientas 0,531623736 Koreguotas determinacijos koeficientas 0,514276467 Standartinė įverčio paklaida 607,7532692 Imies dydis 29 Dispersinė analizė           Regresijos ANOVA rezultatai Laisvės laipsnių skaičius Kvadratų suma Dispersijos įverčiai F statistika F reikšmingumas   df SS MS F Significance F Regresijos 1 11319515,99 11319515,99 30,64596138 7,24594E-06 Paklaidų 27 9972828,977 369364,0362 Visa 28 21292344,97         Parametrų įverčiai Standartinė įverčio paklaida t statistika P reikšmė Žemutinė riba 95% Viršutinė riba 95% Žemutinė riba 95,0% Viršutinė riba 95,0%   Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0% Laisvas kintamasis 542,0809946 172,8757247 3,135668676 0,004109417 187,3693112 896,7926779 187,3693112 896,7926779 x1 0,557538219 0,100713576 5,535879459 7,24594E-06 0,350891032 0,764185406 0,350891032 0,764185406 Liekanų rezultatai Stebėjimai Prognozė Y Liekanos Observation Predicted Y Residuals 1 820,850104 447,149896 2 1035,502318 -247,5023183 3 1059,476462 -154,4764617 4 882,7368463 -37,73684631 5 713,2452278 -379,2452278 6 708,2273838 -141,2273838 7 1578,544543 -381,5445435 8 2844,1563 1041,8437 9 1068,954611 -437,9546114 10 1158,718265 387,2817353 11 1412,955692 -516,9556925 12 2225,288877 -704,2888773 13 2062,487717 65,51228256 14 1255,172377 -152,1723765 15 1306,465893 -342,4658927 16 3155,262626 -700,2626264 17 655,261253 -323,261253 18 1212,799472 -197,7994719 19 783,4950434 -459,4950434 20 1039,405086 -306,4050858 21 1992,79544 1063,20456 22 999,8198723 -159,8198723 23 861,550394 -463,550394 24 552,6742207 -284,6742207 25 1510,524881 -146,5248808 26 837,0187124 720,9812876 27 820,850104 1850,149896 28 1243,464074 145,5359261 29 946,2962033 815,7037967 Regresijos lygtis: Y=542,0809946+0,557538219x Determinacijos koeficientas naudojamas modelio tinkamumui įvertinti, dažniausiai reikalaujama, kad determincijos koeficientas butų didesnis už 0,25. Determinacijos koeficientas: D = 0,531623736>0,25, sudaryta regresijos lygtis parodo, kad vartojimo išlaidos 53,16% priklauso nuo namų ūkio disponuojamų pajamų, o 46.84% priklauso nuo veiknių, kurie neaprašyti šitame modelyje. 10 dalis. Vieno šeimos nario išlaidų priklausymas nuo įvairių faktorių Kad atlikčiau šį tyrimą reikia sudaryti lentelę, o kad ją sudaryčiau pirmiausia turiu pasirinkti kiekybinius ir kokybinius kintamuosius. Kokybiniai kintamieji: Miestas - Kaimas, Namų ūkio galvos išsimokslinimas, Namų ūkiai su vaikais ir be vaikų, Namų ūkio galvos lytis. Tokius kintamuosius pasirinkau, nes manau, kad vieno namų ūkio nario išlaidos tikrai skiriasi mieste ir kaime, taip pat pagalvojau, kad išlaidos galbūt skirsis ir priklausomai nuo to, koks yra namų ūkio galvos išsimokslinimas (dariau prielaidą, kad galbūt jeigu šeimos galva turi aukštąjį išsilavinimą, tai tokiame namų ūkyje kiekvienas narys turės didesnes išlaidas). Ko gero, jei namų ūkis neturi vaikų, jo vieno nario išlaidos turėtų būti mažesnės negu turinčiųjų, dėl to pasirinkau šį veiksnį ir namų ūkio galvos lytis ko gero turi įtakos vieno nario vartojimo išlaidoms, dariau prielaidą, gal turbūt išlaidos yra didesnės, kai namų ūkio galva yra vyras. Kiekybiniai kintamieji: Namų ūkio vartojimo išlaidos vienam namų ūkio nariui, vieno šeimos nario diponuojamos pajamos, nes tai, manau, yra svarbus veiksnys dėl to, kad jeigu namų ūkio veinas narys disponuoja didesnėmis pajamomis, tai ir jo išlaidos bus didensės ir atvirkščiai. y x1 x2 x3 x4 x5 Vieno šeimos nario išlaidos Miestas - Kaimas 1 - miestas; 0 - kaimas Namų ūkiai su vaikais ir be vaikų 1 - su vaikais, 0 - be vaikų Vieno šeimos nario diponuojamos pajamos Namų ūkio galvos lytis 1 - vyras; 0 - moteris Namų ūkio galvos išsimokslinimas 1 - aukštasis, 0 - kitas 634,00 1 0 250,00 1 0 394,00 1 1 442,50 0 0 452,50 0 0 464,00 1 0 422,50 0 0 305,50 1 0 334,00 1 0 307,00 0 0 283,50 0 0 149,00 1 0 399,00 1 1 619,67 1 0 971,50 1 1 1032,25 0 1 210,33 0 1 315,00 1 0 386,50 1 1 276,50 0 0 298,67 1 0 520,67 1 0 380,25 1 0 754,75 0 1 709,33 1 0 909,00 0 1 367,67 1 0 426,33 1 1 321,33 1 1 457,00 0 0 613,75 1 1 1171,75 1 1 332,00 0 0 203,00 1 0 203,00 0 1 240,60 1 0 324,00 1 0 433,00 0 0 183,25 1 1 223,00 1 0 764,00 1 1 650,50 1 0 840,00 1 0 821,00 0 0 199,00 1 0 286,50 1 0 268,00 1 0 19,00 1 1 454,67 1 1 579,00 1 0 311,60 0 1 105,80 1 0 667,75 1 1 125,00 1 0 694,50 1 1 629,00 0 0 440,50 1 1 181,25 1 1 Užduočiai atlikti naudojame excel funkciją Tools → Data Analysis → Regression. Bendri rezultatai Regresijos statistika Daugialypės koreliacijos koeficientas 0,659810544 Determinacijos koeficientas 0,435349954 Koreguotas determinacijos koeficientas 0,312599943 Standartinė įverčio paklaida 171,2205641 Imies dydis 29 Dispersinė analizė           Regresijos ANOVA rezultatai Laisvės laipsnių skaičius Kvadratų suma Dispersijos įverčiai F statistika F reikšmingumas Regresijos 5 519874,8614 103974,9723 3,546638841 0,015982788 Paklaidų 23 674279,0764 29316,48158 Visa 28 1194153,938         Parametrų įverčiai Standartinė įverčio paklaida t statistika P reikšmė Žemutinė riba 95% Viršutinė riba 95% Žemutinė riba 95,0% Viršutinė riba 95,0% Laisvas kintamasis 218,4562838 115,9501175 1,88405401 0,072260327 -21,40448259 458,3170502 -21,40448259 458,3170502 X1 51,94111782 87,36890747 0,59450346 0,557978917 -128,7949915 232,6772271 -128,7949915 232,6772271 X2 24,06873708 65,46814832 0,367640413 0,716502851 -111,3622618 159,499736 -111,3622618 159,499736 X3 0,419037006 0,137519062 3,047119438 0,005719696 0,13455754 0,703516472 0,13455754 0,703516472 X4 -19,00970599 78,47162184 -0,242249434 0,810733957 -181,3404027 143,3209907 -181,3404027 143,3209907 X5 -3,034454443 84,81756804 -0,035776249 0,971769466 -178,4927232 172,4238143 -178,4927232 172,4238143 Tiriamųjų veiksnių P reikšmė turi būti mažesnė už reikšmingumo lygmenį α = 0,05. Taigi atliekame tyrimą, kol nebelieka koeficiento, kurio P reikšmė didesnė už α. Sudarau modelį: Y(Išlaidos)=218,4562838+51,94111782X1+24,06873708X2+0,419037006X3-19,00970599X4-3,034454443X5 X5 (Namų ūkio galvos išsimokslinimas) P reikšmė 0,971769466>0,05. Pagal gautus lentelių duomenis X5 P reikšmė lygi 0,971769466 yra didžiausia, vadinasi šis kintamasis nereikšmingas ir nuo jo nepriklauso namų ūkio vieno nario vartojimo išlaidos. Toliau tyrimas vyksta be X5 namų ūkio galvos išsimokslinimas stulpelio lentelėje. Bendri rezultatai Regresijos statistika Daugialypės koreliacijos koeficientas 0,659786731 Determinacijos koeficientas 0,435318531 Koreguotas determinacijos koeficientas 0,341204953 Standartinė įverčio paklaida 167,6201807 Imies dydis 29 Dispersinė analizė           Regresijos ANOVA rezultatai Laisvės laipsnių skaičius Kvadratų suma Dispersijos įverčiai F statistika F reikšmingumas Regresijos 4 519837,338 129959,3345 4,62545936 0,006541836 Paklaidų 24 674316,5998 28096,52499 Visa 28 1194153,938         Parametrų įverčiai Standartinė įverčio paklaida t statistika P reikšmė Žemutinė riba 95% Viršutinė riba 95% Žemutinė riba 95,0% Viršutinė riba 95,0% Laisvas kintamasis 219,1809214 111,7666357 1,961058593 0,061575491 -11,49402988 449,8558727 -11,49402988 449,8558727 X1 51,1550448 82,78285983 0,617942469 0,542433245 -119,7003454 222,010435 -119,7003454 222,010435 X2 24,49873967 63,00214533 0,388855642 0,700811466 -105,5312707 154,52875 -105,5312707 154,52875 X3 0,417281971 0,125770368 3,317808306 0,002883727 0,157704743 0,676859198 0,157704743 0,676859198 X4 -19,471623 75,77456683 -0,25696779 0,799393847 -175,8626103 136,9193643 -175,8626103 136,9193643 Sudarau modelį: Y(Išlaidos)= 219,1809214+51,1550448X1+24,49873967X2+0,417281971X3-19,471623X4 X4 (Namų ūkio galvos lytis) P reikšmė 0,799393847>0,05. Pagal gautus lentelių duomenis X4 P reikšmė lygi 0,799393847 yra didžiausia, vadinasi šis kintamasis nereikšmingas ir nuo jo nepriklauso namų ūkio vieno nario vartojimo išlaidos. Toliau tyrimas vyksta be X4 namų ūkio galvos lytis stulpelio lentelėje. Bendri rezultatai Regresijos statistika Daugialypės koreliacijos koeficientas 0,658608301 Determinacijos koeficientas 0,433764894 Koreguotas determinacijos koeficientas 0,365816681 Standartinė įverčio paklaida 164,4593423 Imies dydis 29 Dispersinė analizė           Regresijos ANOVA rezultatai Laisvės laipsnių skaičius Kvadratų suma Dispersijos įverčiai F statistika F reikšmingumas Regresijos 3 517982,0558 172660,6853 6,383757216 0,00231413 Paklaidų 25 676171,882 27046,87528 Visa 28 1194153,938         Parametrų įverčiai Standartinė įverčio paklaida t statistika P reikšmė Žemutinė riba 95% Viršutinė riba 95% Žemutinė riba 95,0% Viršutinė riba 95,0% Laisvas kintamasis 197,7943733 73,19298516 2,702367895 0,012191222 47,05070416 348,5380424 47,05070416 348,5380424 X1 57,65064843 77,34262757 0,745392938 0,462985202 -101,6393632 216,9406601 -101,6393632 216,9406601 X2 22,95037932 61,53075008 0,372990404 0,712299464 -103,7744839 149,6752425 -103,7744839 149,6752425 X3 0,427405678 0,117188378 3,647167792 0,001218572 0,186051864 0,668759491 0,186051864 0,668759491 Sudarau modelį: Y(Išlaidos)= 197,7943733+57,65064843X1+22,95037932X2+0,427405678X3 X2 (Namų ūkiai su vaikais ir be vaikų) P reikšmė 0,712299464>0,05. Pagal gautus lentelių duomenis X2 P reikšmė lygi 0,712299464 yra didžiausia, vadinasi šis kintamasis nereikšmingas ir nuo jo nepriklauso namų ūkio vieno nario vartojimo išlaidos. Toliau tyrimas vyksta be X2 namų ūkiai su vaikais ir be vaikų stulpelio lentelėje. Bendri rezultatai Regresijos statistika Daugialypės koreliacijos koeficientas 0,656211755 Determinacijos koeficientas 0,430613867 Koreguotas determinacijos koeficientas 0,386814933 Standartinė įverčio paklaida 161,713742 Imies dydis 29 Dispersinė analizė           Regresijos ANOVA rezultatai Laisvės laipsnių skaičius Kvadratų suma Dispersijos įverčiai F statistika F reikšmingumas Regresijos 2 514219,2447 257109,6223 9,831606254 0,000661134 Paklaidų 26 679934,6931 26151,33435 Visa 28 1194153,938         Parametrų įverčiai Standartinė įverčio paklaida t statistika P reikšmė Žemutinė riba 95% Viršutinė riba 95% Žemutinė riba 95,0% Viršutinė riba 95,0% Laisvas kintamasis 206,9731328 67,78127798 3,053544267 0,005166014 67,64662923 346,2996364 67,64662923 346,2996364 X1 59,68684756 75,86173296 0,786784657 0,438521108 -96,24927999 215,6229751 -96,24927999 215,6229751 X3 0,429985643 0,11503105 3,737996336 0,000922352 0,193535779 0,666435508 0,193535779 0,666435508 Sudarau modelį: Y(Išlaidos)= 206,9731328+59,68684756X1+0,429985643X3 X1 (Miestas - Kaimas) P reikšmė 0,438521108>0,05. Pagal gautus lentelių duomenis X1 P reikšmė lygi 0,438521108 yra didžiausia, vadinasi šis kintamasis nereikšmingas ir nuo jo nepriklauso namų ūkio vieno nario vartojimo išlaidos. Toliau tyrimas vyksta be X1 Miestas - Kaimas stulpelio lentelėje. Bendri rezultatai Regresijos statistika Daugialypės koreliacijos koeficientas 0,645799843 Determinacijos koeficientas 0,417057438 Koreguotas determinacijos koeficientas 0,395466973 Standartinė įverčio paklaida 160,5687987 Imies dydis 29 Dispersinė analizė           Regresijos ANOVA rezultatai Laisvės laipsnių skaičius Kvadratų suma Dispersijos įverčiai F statistika F reikšmingumas Regresijos 1 498030,7817 498030,7817 19,31674156 0,000154563 Paklaidų 27 696123,1562 25782,33912 Visa 28 1194153,938         Parametrų įverčiai Standartinė įverčio paklaida t statistika P reikšmė Žemutinė riba 95% Viršutinė riba 95% Žemutinė riba 95,0% Viršutinė riba 95,0% Laisvas kintamasis 236,9630098 55,65132774 4,257993823 0,000222956 122,7759937 351,1500258 122,7759937 351,1500258 X3 0,464364548 0,105655503 4,39508152 0,000154563 0,247577508 0,681151588 0,247577508 0,681151588 Sudarau modelį (šis modelis yra adekvatus): Y(Išlaidos)= 236,9630098+0,464364548X3 X3 (Vieno šeimos nario diponuojamos pajamos) P reikšmė 0,000154563 0.25, kadangi jis yra didesnis už 0.25, tai modelis yra teisingas. Sudaryta regresijos lygtys parodo, kad namų ūkio vieno nario vartojimo išlaidos 43,06% priklauso nuo namų ūkio vieno nario disponuojamų pajamų, o 56,94% priklauso nuo kitų veiksnių, kurie neaprašyti šitame modelyje. Išvados Buvo ištirti 29 namų ūkiai. Tyrimas parodė, kad daugiausia yra tokių namų ūkių kuriuose gyvena 2 nariai ir 4 nariai, o mažiausiai tokų, kur gyvena 5 nariai. Daugiausia yra namų ūkių, kurie disponuoja pajamomis intervale nuo 500 iki 1000 (Lt), visumoje daugiausiai yra tokių namų ūkių, kurie disponuoja pajamomis iki 1500Lt, mažiausia namų ūkių disponuoja didžiausiomis pajamomis iš tirtųjų, tik vienas namų ūkis disponuoja pajamomis tarp 4000 (Lt) ir 4500 (Lt) ir vienas namų ūkis disponuoja pajamomis, kurios yra intervale 4500-5000 (Lt). Namų ūkių galvų lytis pasiskirsčiusi taip – yra 66 % namų ūkių, kurių šeimos galva yra vyrai, 34 % – moterys. Kalbant apie namų ūkių galvų išsimokslinimą, daugiausia namų ūkių galvų turi bendrą vidurinį ir aukštesnįjį išsilavinimą, mažiausiai – pagrindinį ir pradinį išsilavinimą. Kalbant apie namų ūkių galvų amžių, tai daugiausia namų ūkių turi galvų, kurių amžius nuo 50 iki 59 metų, o mažiausia - iki 30 metų. Nagrinėdama namų ūkių pagrindinius pajamų šaltinius, sužinojau, kad mano nagrinėjamu atveju dažniausiai pajamų šaltinis yra samdomas darbas ne žemės ūkio privačiame sektoriuje. Nepasitaikė tokių namų ūkių, kurių pagrindinis pajamų šaltinis yra iš darbo asmeniniame žemės ūkyje, iš laisvos profesinės veiklos, iš bedarbio pašalpos, iš stipendijos, iš socialinės pašalpos ir namų ūkio galva nė vienu atveju nėra išlaikytinis. Taip pat išsiaiškinau, kad mano tiriami namų ūkiai negyvena penkiuose didžiausiuose Lietuvos miestuose. Dauguma jų (76%) gyvena kituose miestuose ir 24% jų gyvena kaime. Tarp vartojimo išlaidų ir disponuojamų pajamų egzistuoja tiesioginis ryšys, didėjant pajamoms, didės ir išlaidos, o mažėjant pajamoms, mažės ir išlaidos. Anot Lorenco kreivės, tarp namų ūkių yra nemaža turtinė nelygybė, dar GINI koeficientas parodo, kad yra esminių gyventojų pajamų diferenciacijos netolygumų. Mano nagrinėjamu atveju skurstančių gyventojų yra 25,61 %. Paaiškėjo, kad vieno šeimos nario pajamos mieste yra didesnės negu kaime. Pasirodo, jog vidutinės namų ūkių santaupos nei didėja, nei mažėja, t. y. nekinta. Vieno namų ūkio nario vartojimo išlaidoms jokios įtakos neturi šie veiksniai: gyvenamoji vieta (Miestas - Kaimas), namų ūkiai su vaikais ir be vaikų, namų ūkio galvos lytis ir Namų ūkio galvos išsimokslinimas. Mano nagrinėjamu atveju vartojimo namų ūkio vieno nario išlaidos 43,06% priklauso nuo namų ūkio vieno nario disponuojamų pajamų, o 56,94% priklauso nuo kitų veiksnių, kurie buvo neaprašyti šitame modelyje. Literatūra 1. Dėstytojos Nomedos Bratčikovienės paskaitų skaidrės 2. Paskaitų konspektai

Daugiau informacijos...

★ Klientai rekomenduoja

Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?

Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!