- •Статистика (общая теория статистики) Учебное пособие
- •1 Предмет и метод статистики
- •1.1 Понятие статистики как науки
- •1.2 Особенности статистики, предмет статистики
- •1.3 Основные понятия статистики
- •1.4 Методология статистики
- •Контрольные вопросы
- •2 Статистическое наблюдение (сбор данных)
- •2.1 Понятие статистического наблюдения, его
- •2.3 Формы, виды и способы наблюдения
- •Способы статистического наблюдения:
- •2.4 Организационные вопросы статистического
- •Контрольные вопросы
- •Тесты для самоконтроля
- •3 Сводка и группировка статистических данных
- •3.1 Статистическая сводка
- •3.2 Статистическая группировка
- •1 Выбор группировочного признака.
- •2 Определение числа групп.
- •3 Определение интервала группировки.
- •4 Разнесение единиц по выбранным группам.
- •3.4 Вторичная группировка
- •3.5 Ряды распределения
- •Тесты для самопроверки
- •4 Статистические таблицы и графики
- •4.1 Понятие статистической таблицы
- •4.2 Виды таблиц
- •4.3 Правила построения таблиц
- •4.4 Статистические графики
- •Контрольные вопросы
- •Тесты для самопроверки
- •5 Статистические показатели
- •5.1 Понятие статистического показателя,
- •Классификация статистических показателей.
- •5.2 Абсолютные статистические показатели
- •5.3 Относительные показатели
- •Контрольные вопросы и задания
- •По этим данным определите:
- •Тесты для самопроверки
- •6 Средние показатели
- •6.1 Сущность и значение средних величин
- •6.2 Виды средних величин
- •Перечисленные средние величины объединяются в общей формуле.
- •6.3 Средняя арифметическая, ее свойства
- •Свойства средней арифметической.
- •6.4 Средняя гармоническая. Другие виды средних
- •6.5 Структурные средние
- •Тесты для самопроверки
- •7 Показатели вариации
- •7.1 Понятие вариации, ее виды
- •7.2 Показатели вариации
- •7.3 Свойства σ 2 и σ, формулы их расчета
- •7.4 Вариация альтернативного признака
- •7.5 Виды дисперсий. Правило сложения дисперсий
- •7.6 Изучение концентрации распределения
- •8 Выборочный метод сбора данных
- •8.1 Понятие выборочного метода
- •8.2 Принципы выборочного метода, ошибки
- •8.5 Предельная ошибка выборки
- •8.7 Определение необходимой численности
- •Контрольные вопросы и задания
- •9 Статистическое изучение динамики
- •9.1 Понятие ряда динамики, классификация
- •9.2 Основные правила построения рядов динамики
- •9.3 Показатели анализа рядов динамики
- •9.4 Структура ряда динамики
- •9.5 Методы выделения основной тенденции
- •1 Укрупнение интервалов.
- •2 Метод скользящих средних.
- •9.6 Аналитическое выравнивание
- •9.7 Статистическое изучение сезонности
- •10 Экономические индексы
- •10.1 Понятие индексов. Классификация индексов
- •10.2 Индивидуальные индексы
- •10.3 Общие индексы
- •10.4 Средние индексы
- •10.5 Системы экономических индексов
- •10.6 Индексы средних качественных показателей
- •10.7 Индексный анализ динамики показателей
- •Контрольные вопросы и задания
- •Тесты для самопроверки
- •11 Статистическое изучение взаимосвязей
- •11.1 Понятие взаимосвязей, их классификации
- •1 Анализ параллельных рядов.
- •4 Корреляционный анализ.
- •5 Регрессионный анализ.
- •11.3 Построение моделей парной взаимосвязи
- •11.4 Оценка адекватности модели
- •11.5 Оценка тесноты взаимосвязей
- •1 Линейный коэффициент корреляции
- •2 Теоретический коэффициент корреляции
- •Контрольные вопросы
- •Тесты для самопроверки
- •Список литературы
- •Статистика
- •654041, Г. Новокузнецк, ул. Кутузова 56.
1 Анализ параллельных рядов.
Располагают значение факторного признака X по возрастанию и соответствующие им значения результата Y.
Параллельный анализ этих рядов позволяет сделать вывод о наличии и направлении взаимосвязи.
2 Аналитическая группировка. Этот метод рассмотрен в теме " сводка и группировка".
3 Графический анализ. Строится корреляционное поле точек. По оси ОХ откладываются значения признака Х, по оси ОУ – значения признака У. Если точки образуют облако, то связь между Х и У отсутствует. Если точки вытянуты вдоль какой-либо кривой, то связь между Х и У подтверждается. Этот метод позволяет выявить наличие взаимосвязи, а при наличии – установить тип модели.
4 Корреляционный анализ.
Основная его задача: оценить тесноту взаимосвязей между x и y, и выбрать факторы для включения в модель, а также выявить факторы, связанные друг с другом.
5 Регрессионный анализ.
Он позволяет построить модель взаимосвязи (уравнение регрессии) и оценить ее адекватность. Регрессионный и корреляционный анализ применяются обычно вместе.
Условия применения корреляционного и регрессионного анализа
Основной предпосылкой применения корреляционного и регрессионного анализа является подчинение нормальному закону распределения значений результирующего фактора y.
Другие условия для применения регрессионного анализа:
описание модели взаимосвязи одним уравнением;
все факторы должны быть численными;
отсутствие взаимосвязи между факторными признаками x i;
количество единиц наблюдения должно быть в 6 раз больше количества факторов, включенных в модель;
единая пространственно-временная структура исходных данных;
отсутствие аномальных наблюдений.
Несоблюдение этих условий приводит к построению плохой неадекватной модели.
11.3 Построение моделей парной взаимосвязи
Наиболее разработанной в статистике является методология регрессионного анализа парной зависимости: один X, один Y.
Вид моделей определяется с помощью графического метода или качественного анализа. Некоторые наиболее часто используемые модели имеют вид
Параметры в модели определяются методом наименьших квадратов.
Система нормальных уравнений для линейной модели имеет вид
Параметры модели находятся по формулам
где a0 – показывает усредненное влияние неучтенных
в модели факторов;
a1 – показывает на сколько единиц измерения
изменяется y при изменении x на одну единицу
его измерения.
11.4 Оценка адекватности модели
Для практического использования моделей регрессионного анализа необходимо проверить их адекватность, т. е. соответствие реальным данным.
Эта оценка проводится в 3 этапа:
1 Соответствие знаков моделей реальному направлению взаимосвязей между показателями.
2 Проверка значимости параметров модели.
Для оценки значимости используется t-критерий Стьюдента. Рассчитывается наблюдаемое значение критерия по системе формул
,
где σостат – среднеквадратическая ошибка модели, определяемая по формуле
.
Полученные значения t-критерия сравнивают с табличными значениями tтабл (α, n – r). Таблица рассчитана для 2-х параметров α – уровень значимости и n – r – степени свободы.
Если tнабл > tтабл, то параметр считается значимым.
3 Проверка адекватности всего уравнения. Для этого рассчитывается критерий Фишера
.
Этот критерий сравнивают с табличным значением распределения Фишера Fтабл при степенях свободы (n – m) и (m – 1).
Если Fнабл > Fтабл – уравнение адекватно.
На основании проведенного анализа адекватности модели можно сделать следующие выводы:
знаки не соответствуют, параметры не значимы, модель неадекватна, следовательно, модель плохая;
знаки соответствуют, модель адекватна и некоторые параметры незначимы. Модель можно использовать для практического использования, но не для прогнозов;
знаки соответствуют, параметры значимы и модель адекватна. Модель можно использовать везде.