Анализ влияния денежной массы М2 на объем выданных кредитов.

Предположим, что объем выданных кредитов в РФ зависит от величины денежной массы М2. Проверим это предположение с помощью корреляционно-регрессионного анализа (КРА). КРА проведем с помощью программы STATISTICA.

Этапы анализа:

 

1. Постановка цели исследования.

Определить наличие или отсутствие зависимости между показателями денежной массы М2 и объемов выданных кредитов. Построить регрессионную модель этой зависимости, проверить её качество и использовать эту модель для анализа и прогнозирования.

 

2. Сбор исходной статистической информации.

Информацию для исследования находим в статистических ежегодниках и банковских отчетах (см. п. 2.1). Представим данные в табличной форме (табл. 2.8).

 

 

Таблица 2.8

Исходная информация для КРА

 

Годы	Денежная масса М2, млрд. руб.	Кредиты физическим лицам, млрд. руб.
1999	454	276
2000	715	422
2001	1 154	597
2002	1 613	956
2003	2 135	1 467
2004	3 213	2 029
2005	4 363	2 910
2006	6 046	1 293
2007	8 996	2 654

 

Графически зависимость исходных данных представлена на рисунке 2.5.

Рис.2.5. Зависимость объема выданных кредитов от денежной массы М2

 

3. Оценка тесноты связи между признаками.

Построим однофакторную регрессионную модель для анализа влияния вариации факторного признака ДЕНЕЖНАЯ МАССА на результативный признак КРЕДИТ.

Для выявления наличия связи и определения вида функциональной зависимости, которая наиболее подходит для предложенных данных, рассчитаем коэффициент корреляции и построим график «поле корреляции»(Рисунок 2.6).

 

 

 

Рис. 2.6. Коэффициент корреляции и график «поле корреляции».

 

Коэффициент линейной корреляции, равный 0,759, свидетельствует о наличии сильной связи.

Построенные графики позволяют визуально проверить распределения на наличие «выбросов», которые могут существенно повлиять на расположение кривой регрессии. В нашем случае таких выбросов нет.

 

 

4. Построение уравнения регрессии.

Этап построения регрессионного уравнения состоит в идентификации (оценке) его параметров, оценке их значимости и значимости уравнения в целом.

4.1. Идентификация регрессии. Выведем результаты корреляционно-регрессионного анализа (рисунок.2.7.).

 

Рис. 2.7. Результаты корреляционно-регрессионного анализа.

По данным нашего примера коэффициент детерминации получился равным 0,57674126, таким образом, 57,6% вариации показателя КРЕДИТ объясняется вариацией показателя ДЕНЕЖНАЯ МАССА.

Откроем итоговую таблицу регрессии зависимой переменной (рисунок.2.8.).

Рис. 2.8. Итоговая таблица регрессии зависимой переменной

 

Здесь в столбце B отражены искомые значения параметров a ₀ и a ₁ регрессионного уравнения. Итак, наше уравнение имеет вид:

КРЕДИТ=585,2096+0,2557* ДЕНЕЖНАЯ МАССА

4.2. Проверка значимости параметров регрессии.

Для того, чтобы оценить на сколько параметры а₁, а₀ отображают исследуемый процесс и не являются ли эти значения результатом случайных величин, рассчитаем средние ошибки и t-критерии Стьюдента.

 

По таблице критических точек распределения Стьюдента найдем t _кр при уровне значимости α=0,05 и числе степеней свободы ν = 7. t _кр = 2,36. Так как t ^а0 _расч > t _кр (2,65 > 2,36), то параметр а₀ считается значимым. Так как t ^а1 _расч > t _кр (3,10 > 2,36), то параметр а₁ считается значимым.

 

4.3. Проверка значимости уравнения регрессии в целом.

Значимость множественного коэффициента корреляции проверяется по таблице F-критерия Фишера. В нашем случае табличное значение F-критерия Фишера для степеней свободы ν₁=1, ν₂=7 (9 наблюдений минус 2 равно 7) при уровне значимости α=0,05 равно 5,59, а рассчитанное значение равно 9,538347. Расчетное значение больше табличного, то есть F_расч > F_табл. Как правило, считается, что уравнение пригодно для практического использования, если F_расч > F_табл. В нашем случае это условие соблюдается.

 

5. Использование регрессионной модели для принятия управленческих решений (анализа, прогнозирования и т.д.).

Вычислим прогнозное значение объема кредитов для величины денежной массы х_р=10000. При уровне значимости α=0,05 точечное значение прогноза

Т.е. с доверительной вероятностью p=1-α=1-0,05=0,95 можно предполагать, что прогнозное значение объема кредитов при величине денежной массы М2, равной 10000 млрд. рублей, составит около 3170,14 млрд. рублей.

Таким образом, в результате проведения корреляционно-регрессионного анализа показано, что между величиной денежной массы М2 и объемом выданных физическим лицам кредитов в рублях существует тесная связь. Изучаемые признаки связаны линейной корреляционной зависимостью. Найдены параметры этой зависимости. Проведена комплексная оценка значимости как параметров регрессионного уравнения, так и регрессии в целом. Показана адекватность построенного уравнения регрессии. Следовательно, регрессионная модель зависимости величины денежной массы М2 и объема выданных физическим лицам кредитов в рублях может быть использована для принятия управленческих решений.

Заключение

Задачи, поставленные в курсовой работе, были решены.

В теоретической части были рассмотрены понятие и сущность денежного обращения и кредита, системы статистических показателей денежного обращения и кредита.

В ходе статистического анализа динамики денежного обращения за 1999-2007 гг. было установлено, что после экономического кризиса 1999 года объем денежной массы имеет динамику стабильного роста. В связи с этим максимальный размер денежной массы М2 наблюдался в 2007 году.

Анализ структуры денежной массы показал, что доля наличных денег уменьшается с годами, а доля безналичных средств растет. За период с 1999 по 2007 гг. количество наличных денег снизилось с 41,4% до 31,0%, при этом количество безналичных средств возросло с 58,6% до 69,0%.

В работе проанализирована зависимость объемов кредитов, выданных за период с 1999 по 2007 гг, от региона. В качестве таких регионов были выбраны: Калининградская область, Республика Башкортостан и Приморский край. Между объемом кредита и регионом выдачи кредита выявлена существенная тесная связь. Фактор региональной принадлежности объясняет 80% вариации объемов выданных кредитов, остальные 20% обусловлены неучтенными факторами.

Проведенный в работе анализ влияния денежной массы М2 на объем выданных кредитов показал, что между ними существует тесная линейная прямая связь. Построено уравнение регрессии: . Установили, что параметры регрессии и сама регрессия в целом, являются значимыми. Показана адекватность построенного уравнения регрессии. На основе уравнения регрессии был спрогнозирован объем выданных кредитов при величине денежной массы М2, равной 10000 млрд. рублей, он составил 3170,14 млрд. рублей.

Список использованной литературы

1. Практикум по теории статистики: Учеб. пособие / Под ред. Р.А. Шмойловой. – М.: Финансы и статистика, 2001. – 421с.

2. Курс социально-экономической статистики. Учебник для вузов / Под ред. М. Г. Назарова. - М.: Финстатинформ, 2000. – 771с.

3. Гусаров В. М. Статистика: учеб. пособие для студ. вузов. – М.: ЮНИТИ, 2003. – 463 с.

4. Салин В. Н. Социально-экономическая статистика: Учебник для вузов. - М.: Юристъ, 2001. – 461с.

5. Теория статистики: Учебник / Под ред. Р.А.Шмойловой.- М.: Финансы и статистика, 2005. - 450с.

6. Финансы России, 2005: Статистический сборник / Редкол.: К. Э. Лайкам и др.; Госкомстат России. - М.: Б. и., 2005. – 638с.

7. Экономическая статистика: Учебник для студ. вузов. / Под ред. Ю. Н. Иванова. – 2-е изд., доп. – М.: ИНФРА-М, 2000. – 480с.

8. Вахрамеев М.В. Статистика финансов: Учебник для вузов. – 2-е изд. – М.: Финансы и статистика, 2002. – 816с.

9. Данные с сайта www.gks.ru