1. Абчук, В.А. Экономико-математические методы. Элементарная математика и логика. Методы исследования операций: учебник / В.А. Абчук. – Санкт-Петербург: Союз, 1999. – 320 с.
2. Алесинская, Т.В. Экономико-математические методы и модели: учебное пособие / Т.В. Алесинская. – Таганрог: ТРТУ, 2002. –153 с.
3.Елисеева И.И Эконометрика : учебник для бакалавриата и магистратуры / И. И. Елисеева [и др.] ; под ред. И. И. Елисеевой. – М. : Издательство Юрайт, 2016. – 449 с.
8. Гальчина О.Н. Теория экономического анализа / О.Н. Гальчина, Т.А. Пожидаева. – Дашков и К, 2009. – 236 c.
9. Уравнение регрессии, формулы и примеры [Электронный ресурс]: – Режим доступа: http://ru.solverbook.com/spravochnik/reshenie-uravnenij/uravnenie-regressii/
10. Любушин Н.П. Экономический анализ / Н.П. Любушкин. – ЮНИТИ-ДАНА, 2010. – 576 с.
11. Алексеев А.Р. Экономическая статистика : учебник для вузов / [Алексеев А.Р., Воробьев А.Н., Громыко Г.Л., и др.] ; под ред. Ю.Н. Иванова. - М.: ИНФРА-М, 2007. - 734 с.
12. Красс М.С. Математика в экономике. Математические методы и модели : учеб. для вузов / М. С. Красс, Б. П. Чупрынов. - М. : Финансы и статистика, 2007. - 541 с.
13. Салин В.Н. Социально-экономическая статистика : учебник / В.Н. Салин, Е.П. Шпаковская. - М. : Юристъ, 2001. - 457 c.
14.Кремер Н.Ш. Математика для экономистов: от арифметики до эконометрики : учеб.-справ. пособие для бакалавров / Н. Ш. Кремер, Б. А. Путко, И. М. Тришин, М. Н. Фридман ; под ред. Н. Ш. Кремера. – 3-е изд., перераб. и доп. – М. : Юрайт, 2012 . – 685 с.
15. Елисеева И.И. Практикум по эконометрике: Учебн. пособие / Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2007. – 192 с.
16. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2-х т. – Т. 2. Айвазян С.А. Основы эконометрики. – М: ЮНИТИ-ДАНА, 2007. – 432 с.
17.Множественный регрессионный анализ [Электронный ресурс]: – Режим доступа: https://math.semestr.ru/regress/mregres.php
18.Многофакторный регрессионный анализ [Электронный ресурс]: – Режим доступа: https://studme.org/184023/matematika_himiya_fizik/mnogofaktornyy_regressionnyy_analiz
19. Катышев П.К. Сборник задач к начальному курсу эконометрики / П.К. Катышев – М.: Дело, 2002. – 208 с.
20. Джонсон, Дж. Эконометрические методы / Дж. Джонсон; пер. с англ. А.А. Рывкина. – М: Статистика, 1980. – 444 с.
21. Вербик, М. Путеводитель по современной эконометрике / М. Вербик. – М: Научная книга, 2008. – 616 с.
ПРИЛОЖЕНИЕ 1
Таблица 2.2 – Уравнения парной регрессии наполненности парковочных мест и влияющего на нее фактора
Название уравнения регрессии
Замена переменной
Уравнение
Интерпретация полученных результатов
Средняя наполненность – Среднее максимальное число занятых мест (степенная)
х=lnx; y=lny
y = 0,536x0,701
При увеличении максимального числа автомобилей на стоянке на 1%, средняя наполненность парковки увеличивается на 0,3%.
Средняя наполненность - Расчетная ёмкость парка (степенная)
х=lnx; y=lny
y = 11,051x0,3082
При увеличении расчётной ёмкости парка на 1%, средняя наполненность парковки увеличивается на 0,7%.
Средняя наполненность - Количество пешеходных переходов (степенная)
х=lnx; y=lny
y = 20,927x0,4379
При увеличении количества пешеходных переходов на 1%, средняя наполненность парковки увеличивается на 0,57%.
Средняя наполненность - Количество пересечений с другими улицами (степенная)
х=lnx; y=lny
y = 20,862x0,433
При увеличении количества пересечений с другими улицами на 1%, средняя наполненность парковки увеличивается на 0,57%.
Средняя наполненность - Количество объектов массового тяготения (степенная)
х=lnx; y=lny
y = 15,784x0,2884
При увеличении количества объектов массового тяготения на 1%, средняя наполненность парковки увеличивается на 0,72%.
Средняя наполненность - Общая площадь объектов массового тяготения (степенная)
х=lnx; y=lny
y = 13,176x0,096
При увеличении общей площади объектов массового тяготения на 1%, средняя наполненность парковки увеличивается на 0,91%.
Средняя наполненность - Коэффициент от площади, занимаемой одним автомобилем (степенная)
х=lnx; y=lny
y = 30,687x0,374
При увеличении коэффициента от площади, занимаемой одним автомобилем, на 1%, средняя наполненность парковки увеличивается на 0,63%.
Средняя наполненность - Коэффициент перегрузки (степенная)
х=lnx; y=lny
y = 30,002x0,2905
При увеличении коэффициента перегрузки на 1%, средняя наполненность парковки увеличивается на 0,71%.
Средняя наполненность - Количество административно-управленческих организаций (экспоненциальная)
х=x; y=lny
y = 29,127е0,0534х
При увеличении количества адимнистративно-управленческих организаций на 1%, средняя наполненность парковки увеличивается на 5%.
Средняя наполненность - Количество коммерческих и деловых организаций (экспоненциальная)
х=x; y=lny
y = 27,954е0,0171х
При увеличении количества коммерческих и деловых организаций на 1%, средняя наполненность парковки увеличивается на 1%.
Средняя наполненность - Количество научных и учебных заведений (экспоненциальная)
х=x; y=lny
y = 28,873е0,1351х
При увеличении количества научных и учебных заведений на 1%, средняя наполненность парковки увеличивается на 13%.
Средняя наполненность - Количество торговых центров и магазинов (экспоненциальная)
х=x; y=lny
y = 28,529е0,0207х
При увеличении количества торговых центров и магазинов на 1%, средняя наполненность парковки увеличивается на 2%.
Средняя наполненность - Количество кафе и ресторанов (экспоненциальная)
х=x; y=lny
y = 29,001е0,099х
При увеличении количества кафе и ресторанов на 1%, средняя наполненность парковки увеличивается на 9%.
Средняя наполненность - Количество театров, кинотеатров, стадионов, музеев, библиотек, парков (экспоненциальная)
х=x; y=lny
y = 29,43е0,0816х
При увеличении количества театров, кинотеатров, стадионов, музеев библиотек, парков на 1%, средняя наполненность парковки увеличивается на 8%.
Средняя наполненность - Количество лечебных учреждений (экспоненциальная)
х=x; y=lny
y = 30,848е-0,004х
При увеличении максимального числа автомобилей на стоянке на 1%, средняя наполненность парковки уменьшается на 0,4%.
ПРИЛОЖЕНИЕ 2
Таблица 2.3 – Оценка качества и надежности парных уравнений регрессий наполненности парковочных мест и влияющего на нее фактора
Название уравнения регрессии
F - фактическое; F - критическое (3,938)
R
R2
Значение полученных результатов
Средняя наполненность - Максимальное число занятых мест
967,8
0,953
0,908
Полученный коэффициент детерминации указывает на наличие высокой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о высоком качестве данной модели. Полученный коэффициент корреляции указывает на наличие сильной связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - расчетная ёмкость парка
18,3
0,395
0,156
Полученный коэффициент детерминации указывает на наличие низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Количество пешеходных переходов
20,6
0,416
0,173
Полученный коэффициент детерминации указывает на наличие низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Количество пересечений с другими улицами
12,2
0,333
0,111
Полученный коэффициент детерминации указывает на наличие низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Количество объектов массового тяготения
34,4
0,510
0,26
Полученный коэффициент детерминации указывает на наличие средней доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о среднем качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Общая площадь объектов массового тяготения
2,303
0,479
0,229
Полученный коэффициент детерминации указывает на наличие средней доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о среднем качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Коэффициент от площади, занимаемой одним автомобилем
0,225
0,045
0,002
Полученный коэффициент детерминации указывает на наличие средней доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о среднем качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное меньше F - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью уравнение не признается статистически значимым.
Средняя наполненность - Коэффициент перегрузки
16
0,374
0,14
Полученный коэффициент детерминации указывает на наличие низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Количество административно-управленческих организаций
8,1
0,277
0,077
Полученный коэффициент детерминации указывает на наличие низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Количество коммерческих и деловых организаций
10,2
0,307
0,094
Полученный коэффициент детерминации указывает на наличие низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Количество научных и учебных заведений
5,1
0,221
0,049
Полученный коэффициент детерминации указывает на наличие очень низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Количество торговых центров и магазинов
8,1
0,276
0,076
Полученный коэффициент детерминации указывает на наличие очень низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Количество кафе и ресторанов
2,128
0,145
0,021
Полученный коэффициент детерминации указывает на наличие очень низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное больше F - критического, то нулевая гипотеза отклоняется т.е., с 95% вероятностью уравнение признается статистически значимым.
Средняя наполненность - Количество театров, кинотеатров, стадионов, музеев, библиотек, парков
2
0,141
0,02
Полученный коэффициент детерминации указывает на наличие очень низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также об очень низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное меньше F - критического, то нулевая гипотеза подтверждается т.е., с 95% вероятностью уравнение не признается статистически значимым.
Средняя наполненность - Количество лечебных учреждений
0,002
0,004
0,00002
Полученный коэффициент детерминации указывает на наличие очень низкой доли вариации результативного признака, находящегося под воздействием изучаемого фактора, а также о низком качестве данной модели. Полученный коэффициент корреляции указывает на наличие очень слабой связи между результативным признаком и влияющего на него фактора. Так как F - расчетное меньше F - критического, то нулевая гипотеза принимается т.е., с 95% вероятностью уравнение не признается статистически значимым.