Ūkio statistikos kursinis darbas (namų ūkio biudžeto tyrimas)

Turinys

1. Įvadas 1

2. Teorinė dalis 2

2.1 Hipotezių tikrinimas 2

2.1.1 Hipotezė apie dviejų vidurkių lygybę 2

2.1.2 Hipotezė apie dviejų dispersijų lygybę 3

2.2 Tiesinės regresijos modelis 4

2.35 Kvartilinis pasiskirstymas 5

2.4 Skurdo ir nelygybės matai 6

3. Praktinė dalis 8

3.1 Hipotezių tikrinimas 8

3.1.1 Įvertinti vieno šeimos nario pajamų

pasiskirstymą 8

3.1.2 Ar skiriasi vieno šeimos nario pajamos

kaime ir mieste 9

3.1.3 Patikrinti ar namų ūkių santaupos didėja 10

3.2 Tiesinės regresijos modelis 11

3.2.1 Ar priklauso vieno šeimos nario pajamos nuo

namų ūkio galvos amžiaus 11

3.2.2 Ar vieno namų ūkio nario vidutines išlaidas

tiesiškai nusako namų ūkio vieno nario

vidutinės pajamos 13

3.3 Įvertinti namų ūkių kvartilinį pasiskirstymą 15

3.4 Skurdo ir neelygybės matai 16

3.4.1 Skurdo riba 17

3.4.2 Skurdo lygis 17

3.4.3 Skurdo gylis 17

3.4.4 Gini koeficientas 18

4. Išvados 19

5. Literatūros sąrašas 20

6. Priedai 21

Įvadas

Ekonomistams, vadybininkams, teisininkams, valstybės tarnautojams ar
kitiems specialistams, beveik kasdien tenka priimti įvairiausius sprendimus
remiantis statistine informacija, nagrinėti begalę statistinių duomenų.
Statistika – tai informacija apie veiklą ar procesą, išreikšta skaičiais,
lentelėmis ar diagramomis. Statistika taip pat galima apibrėžti kaip mokslą
apie duomenų rinkimą, vaizdavimą ir analizę. Pastarasis apibrėžimas dar
vadinamas aprašomąją statistika.

Aprašomosios statistikos pagalba atliksim namų ūkių biudžetų tyrimą.
Pagrindinis tyrimo objektas – namų ūkis, t.y. vienas asmuo ar asmenų grupė,
kuri gyvena viename bute (nname), turi bendrą biudžetą ir kartu maitinasi.
Šiame darbe pateikti nagrinėjami 27 namų ūkiai. Pagrindinys dėmesys
skiriamas namų ūkio disponuojamoms pajamoms ir vartojimo išlaidoms
palyginti pagal įvairius faktorius, skurdui bei nelygybei įvertinti.

Pateiksime kelis apibrėžimus, vartojamus darbe:

Disponuojamos pajamos – į jas įtraukiamos visos piniginės ir natūrinės
pajamos, gautos u

už darbą, iš ūkininkavimo, verslo, amatų, laisvos
profesinės veiklos, o taip pat pensijos, įvairios pašalpos, stipendijos,
pajamos iš turto, renta.

Vartojimo išlaidos – tai piniginės ir natūrinės išlaidos, skirtos namų
ūkių vartojimo poreikiams patenkinti, t.y. išlaidos maistui, drabužiams,
avalynei, būstui, sveikatos priežiūrai, kultūros, poilsio reikmėms.

Teorinė dalis

2.1 Hipotezių tikrinimas

Hipotezė statistikoje yra suprantama kaip teiginys apie populiacijos
požymio skirstinį ar jo parametrus arba apie kelių populiacijų
nepriklausomumą, skirstinių sutapimą. Imties duomenys naudojami, kad
patvirtintų arba atmestų iškeltą hipotezę. Tikrinama hipotezė vadinama
nulime hipoteze ir žymima H0, o jai priešingas teiginys vadinamas
alternatyviąją hipoteze ir žymimas H1.

Hipotezėms tikrinti yra naudojami įvairūs statistiniai kriterijai.
Statistinis kriterijus – tai taisyklė, pagal kurią, remiantis imties
duomenimis, hipotezė H0 priimama arba atmetama.

2.2 Hipotezė apie dviejų vidurkių lygybę

Tarkim [pic], [pic] – populiacijos vidurkiai. Tuomet vidurkių lygybei
tikrinti naudosime Stjudento t kriterijų. T – kriterijaus statistika
apskaičiuojama pagal formulę:

t == [pic],
kur: [pic] , [pic]- imčių vidurkiai,

[pic] ,[pic]-imčių dispersijos;

n, m – imčių dydžiai;
Tuomet tikrinama hipotezė: [pic]

Pasirenkam reikšmingumo lygmenį ( ( 0,05. Hipotezė Ho atmetama, jeigu
|t| > t(/2(n + m – 2). Čia t(/2 (n + m – 2) yra Stjudento skirstinio su (n+
m – 2) laisvės laipsnių (/2 lygmens kritinė reikšmė. Hipotezė Ho
neatmetama, jei |t| ≤ t(/2 (n + m – 2).

Jeigu tikrinama hipotezė:

[pic]

Hipotezė Ho atmetama, jeigu t > t( (n + m – 2). Čia t( (n + m – 2) yra
Stjudento skirstinio su (n + m – 2) laisvės laipsnių ( lygmens kritinė
reikšmė. Hipotezė Ho neatmetama, jei t ≤ t( (n + m – 2).

2.2 Hipotezė apie dviejų dispersijų lygybę

Tarkim (x, (y

y – dispersijos. Statistinė hipotezė:

[pic]

Kriterijaus staristika F apskaičiuojama:

F = [pic],
čia [pic], [pic]yra imčių dispersijos.

Tegu reikšmingumo lygmuo ( ( 0,05. Hipotezė Ho atmetama, jeigu F >
F(/2(n – 1,m – 1). Čia F(/2 (n – 1,m – 1) yra Fišerio skirstinio su (n – 1)
ir (m – 1) laisvės laipsnių (/2 lygmens kritinė reikšmė. Hipotezė Ho
neatmetama, jei F1-(/2 (n – 1,m – 1) ≤ F ≤ F(/2 (n – 1,m – 1).

2.2 Tiesinės regresijos modelis

Norint suprast procesų ir reiškinių esmę, reikia ištirti jų ryšius su
kitais procesais ir reiškiniais. Regresijos modelio pagalba galima ne tik
įvertinti vieno kintamojo priklausomybės stiprumą pagal kitą kintamąjį, bet
ir leidžia prognozuoti vieno kintamojo reikšmes pagal kito kintamojo
reikšmes. Regresinėje analizėje priklausomas kintamasis buna tas, kurio
elgesį norime išsiaiškinti, o nepriklausomas – kuriuo bandome aiškinti
priklausomojo pokyčius.

Nagrinėjamus duomenys įprasta iš pradžių pavaizduoti grafiškai, kad
vizualiai parinkti geriausiai tinkantį regresijos modelį. Kai diagramos
taškai grupuojasi apie tiesę, taikome tiesinę regresiją.

Tarkim turim du kintamuosius X ir Y. Regresijos modelyje apibrėžiama
kintamojo Y priklausomybė nuo X. Šiuos kintamuosius siejanti funkciją: y =

a + bx,
kur a = [pic]  – tiesinės regresijos lygties kirtimas,

b = [pic] – tiesinės regresijos lygties polinkis,

[pic] – koreliacijos koeficientas tarp požymių X ir Y;
|[pic] [pic]  [pic] |
|[pic]  [pic] |

Prieš darant sprendimus ir apibendrinančias išvadas, būtina
patikrinti, ar apskaičiuoti rodiklai rodo esminius ryšius ir ar jie
patikimi. Koreliacijos koeficiento reikšmingumas tikrinamas naudojant
Stjudento t kriterijų. Patikimumo koeficientas t – pagal formulę:

[pic].
Laikoma, kad koreliacijos koeficientas patikimas jei t ( 3.

Norint patikrinti regresijos lygties reikšmingumą, pa

akanka patikrinti
koeficiento b reikšmingumą, naudojant Stjudento t kriterijų, kuris
apskaičiuojamas pagal formulę:

[pic],
kur b – regresijos koeficientas; (x – veiksnio vidutinis kvadratinis
nuokrypis; n – koreliuojamų variantų skaičius; (y – rezultatinio požymio
vidutinis kvadratinis nuokrypis; r – koreliacijos koeficientas. Laikoma,
kad regresijos koeficientas b neatsitiktinis ir atspindi realius patikimus
ryšius tarp nagrinėjamų reiškinių, kai t ( 2 su reikšmingumo lygmeniu 0,05.

Determinacijos koeficientas:

[pic].
Didesnis determinacijos koeficientas reiškia, kad stebėjimai yra labiau
koncentruoti apie mažiausiųjų kvadratų metodu gautą tiesę. Jei r2 < 0,25,
labai abejotina, ar tiesinės regresijos modelis tinka.

2.3 Kvartilinis pasiskirstymas

Kvartiliai dalija visus turimus duomenys į keturias maždaug lygias
dalis. Jie žymimi Q1, Q2, Q3. Q2 sutampa su mediana ir dalija imtį į dvi
dalis. Tuomet Q1 yra apatinės dalies mediana, o Q3 viršutinės dalies
mediana.

Mediana duomenis padalina į dvi dalis – apatinę ir viršutinę. Jei
turim eilutę: x1 ≤ x2 ≤ x3 ≤ .. ≤ xn. Tada mediana apskaičiuojama
taip:

Mediana ( [pic][pic]

2.4 Skurdo ir nelygybės matai

Visu pirma apibrėšime ekvivalentines skales. Tai skalės, kurių
pagalba, skirtingu dydžių namų ūkiai tampa labiau palyginami.
Ekvivalentinės skalės namų ūkui suteikia tam tikrą svorį, kuris
apskaičiuojamas pagal formulę:

Suteikiamas namų ūkiui svoris = 1 + 0,7 * A + 0,5 * B,
kur A – kiekvieno kito suaugusio namų ūkyje skaičius,

B – vaikų skaičius namų ūkyje.

Svorio pagalba randamos ekvivalenčios pajamos, kurios gaunamos
padalinus visas namų ūkio pajamas iš to svorio.

Santykinė skurdo riba apskaičiuojama pritaikius ekvivalentinę skalę ir
imant 50 procentų vartojimo išlaidų vidurkio per ekvivalentą.

Tuomet galime apskaičiuoti skurdo lygį, kuris parodo gyventojų dali,
kurių pajamos yra žemiau sk

kurdo ribos. Jis apskaičiuojamas pagal formulę:

L = [pic]
Kur q – skurstančiųjų gyventojų skaičius, p – gyventojų skaičius šalyje.

Skurdo gilumą nusako žemų pajamų nuokrypis – tai rodiklis, kuris
parodo, kiek vidutiniškai skurstančiųjų pajamos nukrypsta nuo skurdo ribos.

Jis randamas:

[pic]
kur [pic] – I-tojo skurstančiojo pajamos; z – skurdo riba; q- skurtančiųjų
gyventojų skaičius.

Namų ūkių nelygybei apibūdinti naudojamas Gini koeficientas, kuris
apibrėžiamas taip:

[pic]
kur n – stebėjimų skaičius; yi – I-tojo namų ūkio pajamos; ( – vidutinės
pajamos vienam namų ūkio nariui.

Kuo didesnė Gini koeficiento reikšmė, tuo pajamų pasiskirstymas
netolygesnis (jis svyruoja nuo 0 iki 1).

1. Praktinė dalis

3.1 Hipotezių tikrinimas

3.1.1 Įvertinti vieno šeimos nario pajamų pasiskirstymą

Kad įvertinti kokia įtaką turi vieno šeimos nario pajamų
pasiskirstymui ekvivalentinės skalės, patikrinsim dvi hipotezes: apie
vidurkių ir dispersijų lygybes. Naudojami duomenys pateikti III priede.
Turim, kad n = 76, m = 27.

Patikrinsim hipotezę apie vidurkių lygybę:

[pic]

Apskaičiuojam:

[pic] = 419; [pic]= 554.436;

[pic] =40856.2; [pic]= 73101.2

[pic] Tada kritinė sritis :

t = [pic]= -2,7265.

Tarkim reikšmingumo lygmuo ( ( 0,05. Kadangi |t| = 2,7265 > 1,66 =
t0,025(101), tai Ho atmetama. Liko alternatyva H1: (x ((y. Vadinas, galime
sakyt, kad pajamos tenkančios vienam namų ūkio šeimos nariui ir pajamos
tenkančios vienam nariui taikant ekvivalentinę skalę skiriasi.

Patikrinsim hipotezę apie dispersijų lygybę:

[pic]

Apskaičiuojam kritinę sritį:

F = [pic]( 1,79.

Tegu reikšmingumo lygmuo ( ( 0,05. Kadangi F = 1,79 > 1,7 =
F0,025(75,26), tai Ho atmetama. Vadinas teisinga alternatyva H1. Taigi
prielaida apie dispersijų lygybę yra neteisinga.

3.1.2 Ar skiriasi vieno šeimos nario

pajamos kaime ir mieste

Palyginsime vidutines namų ūkio vieno šeimos nario pajamas mieste ir
kaime. Naudojami duomenys pateikti IV priede.

Palyginimui naudosime Stjudento t kriterijų, kai reikšmingumo lygmuo (
( 0,05. Pažymim:

[pic] , [pic]- vidutinės vieno šeimos nario pajamos mieste ir

kaime;

[pic] Turim n = 34 – imties dydis mieste; m = 42 – imties dydis kaime;

Tada tikrinam hipotezę:

[pic]

Apskaičiuojam:

[pic] = 452,706; [pic]= 391,714;

[pic] = 44383,85; [pic]= 37308,52.

[pic] Taigi kritinė sritis:

t = [pic]= 1,314.

Kadangi t = 1,314 < 1,66 = t0,05(74), vadinas apskaičiuota statistikos
reikšmė nėra reikšminga, t.y. Ho – neatmetama. Todėl galime laikyti, kad
vidutinės pajamos mieste, tenkančios vienam namų ūkio šeimos nariui ir
vidutinės pajamas vieno namų ūkio šeimos nario kaime yra vienodas.

3.1.3 Patikrinti ar namų ūkių santaupos didėja

Namų ūkiai taupo juodai dienai dėl nenumatytų aplinkybių – ligos,
nelaimingų atsitikimų, nedarbo. Taupymas priklauso nuo pajamų dydžio. Jei
pajamos labia mažos, tai santaupos gali būti tik vartojamos. Ir santaupos,
ir vartojimo išlaidos varijuoja priklausomai nuo pajamų dydžio. Kad
įvertinti ar santaupos didėja palyginsim namų ūkių disponuojamas pajamas ir
vartojimo išlaidas. Kitaip sakant patikrinsim hipotezę:

[pic]
kur [pic], [pic] – vidutinės namų ūkio pajamos ir išlaidos. Pasirenkam
reikšmingumo lygmenį ( ( 0,05. Imties dydžiai n = m = 27. Apskaičiuojam:

[pic] = 442,394; [pic]= 438,216;

[pic] = 58231; [pic]= 62860,6.

[pic] Tuomet kritinė sritis :

t = [pic]= 0,06.

Kadangi t = 0,06 < 1,67 = t0,05(52), tai Ho neatmetama. Vadinas namų
ūkių santaupos nedidėja.

3.4 Tiesinės regresijos modelis

3.4.1 Ar priklauso vieno šeimos nario pajamos

nuo namų ūkio galvos amžiaus

Svarbi vieta tyrinėjant namų ūkio biudžetą yra pajamos. Namų ūkių
disponuojamų pajamų dydis priklauso nuo įvairių rodiklių. Vienas iš jų –
namų ūkio galvos amžiaus.

Didžiausios disponuojamos pajamos tenka namų ūkiams, kurių galvos
amžius iki 30 metų, kituose amžiaus grupėse pasiskirstę panašiai.

Surasim regresijos lygtį, kuri apibrėžia namų ūkio vieno nario pajamų
priklausomybę nuo namų ūkio galvos amžiaus, ji bus tokio pavidalo:

y = a + bx
kur a = [pic]  – tiesinės regresijos lygties kirtimas,

b = [pic] – tiesinės regresijos lygties polinkis. (Skaičiavimams
naudojami duomenys pateikti priede IV).

Apskaičiuosime koreliacijos koeficientą:

[pic]

kur:
|[pic] [pic]  [pic] |
|[pic]  [pic] |

Dabar galim apskaičiuoti ir regresijos lygties koeficientus. Taigi

|[pic] |
|[pic] |

Tad regresijos lygties išraiška yra y = 627,29 – 53,108x.

[pic]

3.42. Ar vieno namų ūkio nario vidutines išlaidas tiesiškai nusako

namų ūkio vieno nario vidutinės pajamos

Vienas iš svarbiausių statistikos uždavimių yra ryšių tarp reiškinių
tyrimas. Surasim vieno namų ūkio nario vidutines pajams ir vidutines
išlaidas siejančią funkciją. Vartojimo išlaidų (y) priklausomybė nuo
disponuojamų pajamų (x) aprašoma lygtimi: y = a + bx . Šia lygtimi galima
naudotis prognozuojant vartojimo išlaidas. Parametras b parodo, keliais
vienetais pasikeis išlaidos (keliais litais padidės išlaidos) vienu vienetu
padidinus pajamas (vienu litu padidinus pajamas).

Apskaičiuosim koreliacijos koeficientą r, kuris parodo nagrinėjamų
reiškinių ryšio stiprumą: [pic]

kur:
|[pic] [pic] |
| [pic] |
|[pic]  |
|[pic] |

Dabar galim apskaičiuoti ir regresijos lygties koeficientus. Taigi

|[pic] |
|[pic] |

Tad regresijos lygties išraiška yra y = 196,28 + 0,547x.

Patikrinsim koreliacijos koeficiento reikšmingumas naudojant Stjudento
t kriterijų, pagal formulę:

[pic].
Kadangi t ( 3, tai rodo, kad ryšio glaudumas duotu atveju įvertintas
patikimai.

Norint patikrinti regresijos lygties reikšmingumą, pakanka patikrinti
koeficiento b reikšmingumą, naudojant Stjudento t kriterijų, kuris
apskaičiuojamas pagal formulę:

[pic],
Kadangi t ( 2 su reikšmingumo lygmeniu 0,05, tai galime tvirtinti, kad
regresijos koeficientas b neatsitiktinis ir atspindi realius patikimus
ryšius tarp vieno namų ūkio nario vidutinių pajamų ir išlaidų.

Determinacijos koeficientas:

[pic]= 28%.

Tai parodo, kad namų ūkio vieno nario išlaidos 28% priklauso nuo pajamų,
o kiti 72% – nuo kitų reikšmių.

3.5 Įvertinti namų ūkių kvartilinį pasiskirstymą

Kvartiliai dalija visus turimus duomenys į keturias maždaug lygias
dalis, t.y. atskiria Q1 = 25%, Q2 = 50% ir Q3 = 75% turimus duomenys.
| |Disponuojam|vartojimo |
| |ų pajamų |išlaidų |
|mažiausia |258 |240 |
|reikšme (min) | | |
|Q1 |727 |697.5 |
|Q2 |997 |972 |
|Q3 |1527.5 |1462 |
|didžiausia |3737 |6490 |
|reikšme (max) | | |

Šiuos duomenis pateiksime grafiškai:

Vieno ketvirtadalio tyrinėtų namų ūkių tiek pajamos tiek išlaidos yra
apie 700 Lt, ir tik vienas ketvirtadalis namų ūkių pajamos ir išlaidos
viršyja maždaug 1500 Lt.

3.6 Skurdo ir nelygybės matai

Skurdo sąvoka daugiaprasmė, ji kinta vystantis visuomenei ir
skirtingai suprantama įvairiuose šalyse. Net toje pačioje šalyje vienu metu
skurdo samprata nėra vienareikšmė – nelygu kokiais faktoriais remiamasi.
Lietuvoje naudojami įvairūs skurdo rodykliai: minimalus gyvenimo lygis,
skurdo riba, skurdo lygis ir kt.

3.6.1 Skurdo riba

Skurdo mastui nusakyti naudojama skurdo ribos sąvoka. Kadangi skurdas
apibūdinamas nevienareikšmiškai, tai ir skurdo ribos gali būti įvairios.
Pagrindinai skurdo ribų tipai yra trys: absoliuti, santykinė ir subjektyvi.
Skurdo ribai įvertinti naudosime santykinę skurdo ribą. Ši Ji siejama su
tam tikrais pajamų arba išlaidų vidutiniais rodyklias. Taigi namų ūkiai,
kurių pajamos savo dydžiu yra mažesnis negu tam tikras pajamų vidurkis,
traktuojami kaip gyvenantys žemiaus skurdo ribos. Mes laikysim skurdo riba
50 procentų pajamų vidurkio, tai bus 277,22 Lt. Gauname, kad 11 % namų ūkių
yra žemiau skurdo ribos.

3.6.2 Skurdo lygis

Apskaičiuosim skudo lygį, t.y. gyventojų dalį, kurių pajamos yra
žemiau skurdo ribos:

L = [pic]=[pic]= 0,092;
kur q – skurstančiųjų gyventojų skaičius, p – gyventojų skaičius šalyje.

Pagal nagrinėjamus duomenys gauname, kad skurdo lygis yra 9,2
procentai. Žemiau skurdo ribos gyvena 7 gyventojai.

3.6.3 Skurdo gylis

Įvertinsim skurdo gilumą, kuris parodo skurstančiųjų vartojimo išlaidų
nuokrypį nuo skurdo ribos:

[pic][pic]= 0,104.
Kur [pic] – I-tojo skurstančiojo pajamos, z – skurdo riba, q- skurtančiųjų
gyventojų skaičius.

Skurdo gylis sudarė 10,4 procento. Tai reiškia, kad žemiau skurdo
ribos esančiuose namų ūkiuose vidutinės vieno nario pajamos buvo
dešimtadaliu mažesnės už skurdo ribą.

3.6.4 Gini koeficientas

Analizuojant asmeninio pajamų pasiskirstymo rezultatus, nustatomas šių
pajamų lygis (pajamos, tenkančios vidutiniškai vienam namų ūkio nariui ar
vienam namų ūkiui), t.y. atskleidžiamas pajamų pasiskirstymo netolygumas.
Šiuo tikslu apskaičiuosim Gini koeficientą (duomenys pateikti priede V):

[pic]= [pic]= 0,000259.
Kur n – stebėjimų skaičius, yi – I-tojo namų ūkio pajamos, ( – vidutinės
pajamos vienam namų ūkio nariui.

Gavome, kad mūsų nagrinėjamiems duomenims, pajamų nelygybe maža, t.y.
0,02 procento.

4. Išvados

Šiame darbe, aprašomosios statistikos pagalba, atlikatas namų ūkių
statistinė analizė. Patikrintos trys hipotezės, gavometi tokius rezultatus:

➢ Pajamos tenkančios vienam namų ūkio šeimos nariui ir pajamos

tenkančios vienam nariui taikant ekvivalentinę skalę skiriasi;

➢ Vidutinės pajamos mieste, tenkančios vienam namų ūkio šeimos nariui

ir vidutinės pajamos vieno namų ūkio nario kaime yra vienodos;

➢ Namų ūkio santaupos nedidėja.

Regresijos modelio pagalba įvertinom vieno šeinos nario pajamų
priklausomybę nuo namų ūkio galvos amžiaus, bei vieno namų ūkio nario
vidutinių išlaidų priklausomybę nuo pajamų. Abiems atvejams užrašėme
regresijos lygtis.

Taip pat įvertinom namų ūkių pajamų ir išlaidų kvartilinį pasiskir-
stymą pagal gyvenamąją vietą. Įverinom skurdo ir nelygybės rodyklius:
skurdo ribą, skurdo lygį, skurdo gylį ir nelygybės (Gini) koeficientą.

5. Literatūros sąrašas

1. M. Genienė, V. Čiulevičienė “bendroji ir žemės ūkio

statistika” 1997 m. Kaunas:Margi raštai

2. S. Martišius “Statistinių išvadų teorijos pradmenys” 1987m.

Vilnius: VU

3. V. Čekanavičius, G Murauskas “ Statistika ir jos taikymai. I

dalis 2001 m. Vilnius:TEV

4. V. Čekanavičius, G Murauskas “ Statistika ir jos taikymai. II

dalis 2002 m. Vilnius:TEV

5. Priedai

Priedas I

| | | |1 Vyras |
|Namų ūkio disponuojamos pajamos (Lt) | |2 Moteris |
| | | | |
|Gyvenamoji vieta |Namų ūkio galvos pagrindinis pajamų |
| |šaltinis |
| |1 5 Didieji miestai | |1 Darbas asmeniniame žemės |
| | | |ūkyje |
| |2 Kiti miestai | |2 Samdomas darbas ŽŪ visuom.|
| | | |sektoriuje |
| |3 Kaimas | |3 Samdomas darbas ŽŪ priv. |
| | | |sektoriuje |
| | | |4 Pajamos iš verslo, amatų |
|Namų ūkiai su vaikais ir be vaikų | |5 Samdomas darbas ne ŽŪ |
| | |visuom. sektoriuje |
| | | |6 Samdomas darbas ne ŽŪ |
| | | |priv. sektoriuje |
| |1 Namų ūkis su vaikais iki 18 metų | |7 Pajamos iš laisvos |
| | | |profesinės veiklos |
| |2 Namų ūkis be vaikų iki 18 metų | |8 Bedarbio pašalpa |
| | | |9 Stipendija |
|Namų ūkio galvos išsimokslinimas | |10 Pensija |
| |1 Neturi pradinio | |11 Socialinės pašalpos |
| |2 Pradinis | |12 Išlaikytiniai |
| |3 Pagrindinis | |13 Kitas pajamų šaltinis |
| |4 Bendras vidurinis | | |
| |5 Akštesnysis |Namų ūkio galvos socialinė – ekonominė |
| | |grupė |
| |6 Aukštasis | |1 Ūkininkai |
| | | |2 Samdomi darbuotojai |
|Namų ūkio galvos amžius (grupuotas) | |3 Verslininkai |
| |1 iki 30 metų | |4 Pensininkai |
| |2 30 – 39 metai | |5 Kita |
| |3 40 – 49 metai | | |
| |4 50 – 59 metai |Miestas – Kaimas |
| |5 60 metų ir daugiau | |1 Miestas |
| | | |2 Kaimas |
|Namų ūkio vartojimo išlaidos | | |

Priedas III

|Namų |Namų |Namų ūkio |Pajamos |Svoris |Ekvivalenčios|
|ūkio |ūki |dispuonuojamo|tenkančios | |pajamos (su |
|eilės |dydis |s pajamos |vienam namų | |svoriu) |
|Nr. | | |ūkio nariui | | |
|21 |3 |1627 |542,33 |2,2 |739,55 |
|47 |4 |1000 |250 |2,7 |370,37 |
|96 |2 |674 |337 |1,7 |396,47 |
|130 |3 |1697 |565,67 |2,4 |707,08 |
|578 |1 |258 |258 |1 |258 |
|853 |3 |1149 |383 |2,4 |478,75 |
|879 |1 |317 |317 |1 |317 |
|1013 |4 |1080 |270 |2,7 |400 |
|1064 |2 |903 |451,5 |1,7 |531,18 |
|1297 |3 |850 |283,33 |2,2 |386,36 |
|1379 |2 |780 |390 |1,7 |458,823 |
|1403 |3 |671 |223,67 |2,2 |305 |
|1514 |2 |665 |332,5 |1,7 |391,18 |
|1655 |4 |1468 |367 |2,7 |543,7 |
|2248 |3 |1158 |386 |2,2 |526,36 |
|2366 |1 |1173 |1173 |1 |1173 |
|2577 |4 |1850 |462,5 |3,1 |596,77 |
|2633 |4 |1587 |396,75 |2,7 |587,78 |
|2639 |3 |2373 |791 |2,4 |988,75 |
|2665 |2 |418 |209 |1,7 |245,88 |
|2718 |4 |667 |166,75 |2,7 |247,04 |
|3074 |3 |1913 |637,67 |2,2 |869,55 |
|3125 |1 |972 |972 |1 |972 |
|3231 |3 |886 |295,33 |2,4 |369,17 |
|3317 |2 |974 |487 |1,7 |572,94 |
|3328 |4 |997 |249,25 |2,7 |369,26 |
|3392 |5 |3737 |747,4 |3,2 |1167,81 |
|Viso: |76 | | | | |
| | |Vidurkis: |419 | |554,44 |
| | |Dispersija: |40856,17 | |73101,19 |

Priedas IV

|Namų ūkio|Namų |Namų ūkio |Namų ūkio |Namų ūkio |xy |
|eilės Nr.|ūki |dispuonuojamos |galvos |vieno šeimos | |
| |dydis |pajamos |amžius |nario pajamos | |
| | | |(grupuotas) |(y) | |
| | | |(x) | | |
|21 |3 |1627 |3 |542,33 |1627 |
|47 |4 |1000 |3 |250,00 |750 |
|96 |2 |674 |3 |337,00 |1011 |
|130 |3 |1697 |1 |565,67 |565,6667 |
|578 |1 |258 |5 |258,00 |1290 |
|853 |3 |1149 |4 |383,00 |1532 |
|879 |1 |317 |5 |317,00 |1585 |
|1013 |4 |1080 |3 |270,00 |810 |
|1064 |2 |903 |5 |451,50 |2257,5 |
|1297 |3 |850 |3 |283,33 |850 |
|1379 |2 |780 |5 |390,00 |1950 |
|1403 |3 |671 |4 |223,67 |894,6667 |
|1514 |2 |665 |5 |332,50 |1662,5 |
|1655 |4 |1468 |3 |367,00 |1101 |
|2248 |3 |1158 |2 |386,00 |772 |
|2366 |1 |1173 |1 |1173,00 |1173 |
|2577 |4 |1850 |4 |462,50 |1850 |
|2633 |4 |1587 |2 |396,75 |793,5 |
|2639 |3 |2373 |4 |791,00 |3164 |
|2665 |2 |418 |5 |209,00 |1045 |
|2718 |4 |667 |4 |166,75 |667 |
|3074 |3 |1913 |3 |637,67 |1913 |
|3125 |1 |972 |5 |972,00 |4860 |
|3231 |3 |886 |5 |295,33 |1476,667 |
|3317 |2 |974 |2 |487,00 |974 |
|3328 |4 |997 |2 |249,25 |498,5 |
|3392 |5 |3737 |3 |747,40 |2242,2 |
| | | | | | |
| | |Vidurkis: |3,48 |442,39 |1456,12 |
| | |Dispersija: |1,64 |58231 | |
| | | | | | |
| | | | | | |

Priedas V

Eilės Nr. |Namų ūkio disponuojamos pajamos | |1 |2 |3 |4 |5 |6 |7
|8 |9 |10 |11 |12 |13 |14 |15 |16 |17 |18 |19 |20 |21 |22 |23 |24 |25 |26

|27 | |1 |1627 | |0 |627 |953 |70 |1369 |478 |1310 |547 |724 |777 |847 |956

|962 |159 |469 |454 |223 |40 |746 |1209 |960 |286 |655 |741 |653 |630 |2110

| |2 |1000 | |627 |0 |326 |697 |742 |149 |683 |80 |97 |150 |220 |329 |335

|468 |158 |173 |850 |587 |1373 |582 |333 |913 |28 |114 |26 |3 |2737 | |3

|674 | |953 |326 |0 |1023 |416 |475 |357 |406 |229 |176 |106 |3 |9 |794

|484 |499 |1176 |913 |1699 |256 |7 |1239 |298 |212 |300 |323 |3063 | |4

|1697 | |70 |697 |1023 |0 |1439 |548 |1380 |617 |794 |847 |917 |1026 |1032
|229 |539 |524 |153 |110 |676 |1279 |1030 |216 |725 |811 |723 |700 |2040 |

|5 |258 | |1369 |742 |416 |1439 |0 |891 |59 |822 |645 |592 |522 |413 |407

|1210 |900 |915 |1592 |1329 |2115 |160 |409 |1655 |714 |628 |716 |739 |3479

| |6 |1149 | |478 |149 |475 |548 |891 |0 |832 |69 |246 |299 |369 |478 |484

|319 |9 |24 |701 |438 |1224 |731 |482 |764 |177 |263 |175 |152 |2588 | |7

|317 | |1310 |683 |357 |1380 |59 |832 |0 |763 |586 |533 |463 |354 |348

|1151 |841 |856 |1533 |1270 |2056 |101 |350 |1596 |655 |569 |657 |680 |3420

| |8 |1080 | |547 |80 |406 |617 |822 |69 |763 |0 |177 |230 |300 |409 |415

|388 |78 |93 |770 |507 |1293 |662 |413 |833 |108 |194 |106 |83 |2657 | |9

|903 | |724 |97 |229 |794 |645 |246 |586 |177 |0 |53 |123 |232 |238 |565

|255 |270 |947 |684 |1470 |485 |236 |1010 |69 |17 |71 |94 |2834 | |10 |850

| |777 |150 |176 |847 |592 |299 |533 |230 |53 |0 |70 |179 |185 |618 |308
|323 |1000 |737 |1523 |432 |183 |1063 |122 |36 |124 |147 |2887 | |11 |780 |

|847 |220 |106 |917 |522 |369 |463 |300 |123 |70 |0 |109 |115 |688 |378

|393 |1070 |807 |1593 |362 |113 |1133 |192 |106 |194 |217 |2957 | |12 |671

| |956 |329 |3 |1026 |413 |478 |354 |409 |232 |179 |109 |0 |6 |797 |487
|502 |1179 |916 |1702 |253 |4 |1242 |301 |215 |303 |326 |3066 | |13 |665 |

|962 |335 |9 |1032 |407 |484 |348 |415 |238 |185 |115 |6 |0 |803 |493 |508

|1185 |922 |1708 |247 |2 |1248 |307 |221 |309 |332 |3072 | |14 |1468 | |159

|468 |794 |229 |1210 |319 |1151 |388 |565 |618 |688 |797 |803 |0 |310 |295

|382 |119 |905 |1050 |801 |445 |496 |582 |494 |471 |2269 | |15 |1158 | |469

|158 |484 |539 |900 |9 |841 |78 |255 |308 |378 |487 |493 |310 |0 |15 |692

|429 |1215 |740 |491 |755 |186 |272 |184 |161 |2579 | |16 |1173 | |454 |173

|499 |524 |915 |24 |856 |93 |270 |323 |393 |502 |508 |295 |15 |0 |677 |414

|1200 |755 |506 |740 |201 |287 |199 |176 |2564 | |17 |1850 | |223 |850

|1176 |153 |1592 |701 |1533 |770 |947 |1000 |1070 |1179 |1185 |382 |692

|677 |0 |263 |523 |1432 |1183 |63 |878 |964 |876 |853 |1887 | |18 |1587 |

|40 |587 |913 |110 |1329 |438 |1270 |507 |684 |737 |807 |916 |922 |119 |429

|414 |263 |0 |786 |1169 |920 |326 |615 |701 |613 |590 |2150 | |19 |2373 |

|746 |1373 |1699 |676 |2115 |1224 |2056 |1293 |1470 |1523 |1593 |1702 |1708

|905 |1215 |1200 |523 |786 |0 |1955 |1706 |460 |1401 |1487 |1399 |1376

|1364 | |20 |418 | |1209 |582 |256 |1279 |160 |731 |101 |662 |485 |432 |362

|253 |247 |1050 |740 |755 |1432 |1169 |1955 |0 |249 |1495 |554 |468 |556

|579 |3319 | |21 |667 | |960 |333 |7 |1030 |409 |482 |350 |413 |236 |183

|113 |4 |2 |801 |491 |506 |1183 |920 |1706 |249 |0 |1246 |305 |219 |307

|330 |3070 | |22 |1913 | |286 |913 |1239 |216 |1655 |764 |1596 |833 |1010

|1063 |1133 |1242 |1248 |445 |755 |740 |63 |326 |460 |1495 |1246 |0 |941

|1027 |939 |916 |1824 | |23 |972 | |655 |28 |298 |725 |714 |177 |655 |108

|69 |122 |192 |301 |307 |496 |186 |201 |878 |615 |1401 |554 |305 |941 |0

|86 |2 |25 |2765 | |24 |886 | |741 |114 |212 |811 |628 |263 |569 |194 |17

|36 |106 |215 |221 |582 |272 |287 |964 |701 |1487 |468 |219 |1027 |86 |0

|88 |111 |2851 | |25 |974 | |653 |26 |300 |723 |716 |175 |657 |106 |71 |124

|194 |303 |309 |494 |184 |199 |876 |613 |1399 |556 |307 |939 |2 |88 |0 |23

|2763 | |26 |997 | |630 |3 |323 |700 |739 |152 |680 |83 |94 |147 |217 |326
|332 |471 |161 |176 |853 |590 |1376 |579 |330 |916 |25 |111 |23 |0 |2740 |

|27 |3737 | |2110 |2737 |3063 |2040 |3479 |2588 |3420 |2657 |2834 |2887

|2957 |3066 |3072 |2269 |2579 |2564 |1887 |2150 |1364 |3319 |3070 |1824

|2765 |2851 |2763 |2740 |0 | |Suma:: |18955 |12780 |15742 |20145 |24878

|13365 |23403 |13020 |13151 |13594 |14364 |15787 |15893 |16808 |13428

|13563 |23052 |18355 |34955 |21080 |15855 |24375 |12806 |13270 |12800
|12777 |69055 | |

Leave a Comment