- •Оглавление
- •Введение. Статистика как наука
- •Вопрос 1. Понятие, предмет и методы статистики
- •Вопрос 2. Основные категории статистики
- •Вопрос 3. Организация государственной статистики в Российской Федерации
- •Тема 1. Статистическое наблюдение
- •Вопрос 1. Сущность и принципы статистического наблюдения
- •Вопрос 2. Основные формы, виды и способы статистического наблюдения
- •Вопрос 3. Организационно-методологические основы наблюдения
- •Тема 2. Сводка и группировка статистических данных
- •Вопрос 1. Понятие сводки и группировки в статистике
- •Вопрос 2. Основные положения теории группировок
- •2.1. Определение числа интервалов группировки данных
- •1). Для качественного (атрибутивного) группировочного признака:
- •2.2. Расчет числа и ширины интервалов группировки данных
- •Вопрос 3. Виды группировок
- •Тема 3. Статистический анализ рядов распределения
- •Вопрос 1. Понятие и виды рядов распределения
- •Вопрос 2. Графическое изображение рядов распределения
- •30 Компаний мира по размеру годового дохода
- •Тема 4. Обобщающие статистические показатели
- •Вопрос 1. Абсолютные показатели: сущность и единицы измерения
- •Вопрос 2. Относительные показатели: сущность и значение, формы выражения и виды
- •Тема 5. Средние величины
- •Вопрос 1. Сущность средних величин и правила их применения
- •Вопрос 2. Виды средних величин
- •1. Средняя арифметическая
- •Вопрос 3. Мода и медиана – структурные средние величины
- •3.1. Расчет моды в дискретных и интервальных рядах распределения по наибольшей частоте
- •3.2. Расчет медианы в дискретных и интервальных рядах по накопленным частотам
- •Вопрос 4. Показатели дифференциации признака в ряду распределения
- •Тема 6. Статистический анализ вариации признака
- •Вопрос 1. Сущность и виды показателей вариации
- •Вопрос 2. Виды дисперсий в аналитических группировках. Правило сложения дисперсий
- •Вопрос 3. Дисперсия альтернативного признака
- •Тема 7. Выборочное наблюдение
- •Вопрос 1. Сущность и виды выборочного наблюдения
- •Вопрос 2. Ошибка репрезентативности выборки
- •Вопрос 3. Способы отбора в выборочную совокупность
- •2. Механическая выборка
- •3. Типический отбор с механической выборкой
- •6. Серийная (гнездовая) выборка
- •Вопрос 4. Распространение выборочных данных на генеральную совокупность
- •Вопрос 5. Определение необходимой численности выборки
- •Тема 8. Статистические методы анализа связи социально-экономических явлений
- •Вопрос 1. Виды взаимосвязей в статистике
- •Вопрос 2. Корреляционный анализ связи
- •2.1. Аналитические методы корреляционного анализа
- •1. Метод приведения параллельных данных
- •2. Метод построения корреляционных таблиц
- •3. Графический метод
- •4. Дисперсионный анализ
- •2.2. Эмпирические методы корреляционного анализа
- •1. Коэффициент Фехнера:
- •2. Коэффициент корреляции рангов Спирмена:
- •Вопрос 3. Регрессионный анализ связи
- •1 Этап. Теоретическое обоснование регрессионной модели
- •2 Этап. Расчет параметров уравнения регрессии
- •3 Этап. Измерение тесноты связи
- •4 Этап. Проверка существенности связи
- •Тема 9. Анализ рядов динамики
- •Вопрос 1. Ряды динамики и их виды
- •Виды рядов динамики
- •Вопрос 2. Сопоставимость статистических величин
- •Вопрос 3. Показатели анализа рядов динамики
- •3.1. Расчет среднего уровня ряда
- •I. Интервальный ряд динамики
- •II. Моментный ряд динамики
- •3.2. Расчет абсолютных, относительных и средних показателей анализа рядов динамики
- •Абсолютные показатели анализа рядов динамики
- •Относительные показатели анализа рядов динамики
- •Средние показатели анализа рядов динамики
- •Вопрос 4. Приемы анализа и обработки рядов динамики
- •4.1. Приемы анализа рядов динамики
- •2. Приемы обработки рядов динамики
- •Вопрос 5. Проверка ряда динамики на наличие тренда
- •5.1. Сглаживание рядов динамики методом скользящей средней
- •5.2. Аналитическое выравнивание ряда динамики
- •Вопрос 6. Изучение сезонных колебаний в ряду динамики
- •1). Метод скользящей средней
- •2). Метод аналитического выравнивания ряда динамики:
- •Тема 10. Индексный метод анализа
- •Вопрос 1. Сущность и виды индексов
- •Вопрос 2. Построение индивидуальных и сводных индексов
- •Расчет агрегатных индексов
- •Расчет средних индексов
- •Вопрос 3. Изучение динамики явлений при помощи индексов
- •2. Общие индексы:
- •3. Абсолютное изменение товарооборота:
- •Вопрос 4. Система индексов динамики средней величины
- •Тема 11. Статистические таблицы и графики
- •Вопрос 1. Статистические таблицы и правила их построения
- •Правила построения статистических таблиц
- •Вопрос 2. Статистический график и его элементы, правила построения графиков
- •Вопрос 3. Виды статистических графиков
- •Вопрос 4. Статистические карты
- •Вопросы и задания для самопроверки
- •Тема 1. Статистическое наблюдение
- •Тема 2. Сводка и группировка статистических данных
- •Тема 3. Статистические ряды распределения
- •Тема 4. Обобщающие статистические показатели
- •Тема 5. Средние величины
- •Тема 6. Показатели вариации признака
- •Тема 7. Выборочное наблюдение
- •Тема 8. Статистические методы анализа связи
- •Тема 9. Анализ рядов динамики
- •Тема 10. Индексный метод анализа
- •Тема 11. Статистические таблицы и графики
Вопрос 3. Регрессионный анализ связи
После того, как корреляционный анализ закончен и связь между признаками выявлена, следует определить форму, и главное, – уравнение связи между признаками, т.е. построить теоретическую линию регрессии.
Теоретической линией регрессии называется та линия, вокруг которой группируются точки корреляционного поля и которая указывает основное направление, основную тенденцию связи.
Исходными данными регрессионного анализа выступают негруппированные данные, ранжированные по признаку-фактору.
Основные этапы однофакторного регрессионного анализа:
1 Этап. Теоретическое обоснование регрессионной модели
На этом этапе осуществляется выбор:
- факторного признака (возможно, в ходе корреляционного анализа были выявлены несколько факторов, оказывающих существенное влияние на результативный признак. Для построения регрессионной модели следует отобрать наиболее значимый их них);
- формы уравнения регрессии. Наглядное представление о форме линии регрессии может дать график эмпирической линии регрессии.
Связь между факторным и результативным признаком по форме может описываться линейной и криволинейной зависимостью. Наиболее часто для характеристики связей экономических показателей используются следующие типы функций:
линейная
параболическая
гиперболическая
показательная
степенная
логарифмическая
2 Этап. Расчет параметров уравнения регрессии
После того, как форма уравнения регрессии определена, приступают к расчету его параметров. Для этого используется прием аналитического выравнивания результативного ряда по уравнению выбранной кривой.
Выравнивание по прямой
Найти теоретическое уравнение связи, значит, определить параметры прямой. Эти параметры находят методом наименьших квадратов, который дает следующую систему нормальных уравнений:
, (8.3)
где n – численность совокупности.
Решив систему уравнений, получим значения и .
Параметр при имеет большое практическое значение и носит название коэффициента регрессии. Коэффициент регрессии показывает, на сколько в среднем единиц измерения изменяется величина у при изменении факторного признака х на одну единицу измерения. При наличии прямой корреляционной связи коэффициент регрессии имеет положительное значение, при обратной – отрицательное. Коэффициент регрессии применяют для определения коэффициента эластичности.
Коэффициент эластичности при линейной связи показывает, на сколько процентов изменится величина результативного признака у при изменении факторного признака х на 1%:
. (8.4)
На основании уравнения регрессии могут быть вычислены теоретические (выровненные) значения для любых значений .
Рассеяние точек корреляционного поля бывает очень большим, и вычисленное уравнение регрессии может давать большую погрешность в оценке анализируемого показателя. Для всей совокупности наблюдаемых значений рассчитывается средняя квадратическая ошибка уравнения регрессии (), которая представляет собой среднее квадратическое отклонение фактических значений относительно теоретических значений , рассчитанных по уравнению регрессии:
, (8.5)
где s – число параметров уравнения регрессии (для уравнения прямой s=2).
Оценить величину средней квадратической ошибки можно сопоставив ее:
а) со средним значением результативного признака (): если , то использование данного уравнения регрессии является целесообразным;
б) со средним квадратическим отклонением признака: если у, то использование данного уравнения регрессии является целесообразным.
Отдельно оцениваются средние квадратические ошибки параметров уравнения регрессии:
, , (8.6)
где , – средние квадратические ошибки коэффициентов регрессии и ;
х – среднее квадратическое отклонение значений признака х.
Фактические данные и выровненные значения, полученные на основании уравнения регрессии, наносятся на график. Кроме того, в этих же координатных осях помещается линия среднего значения результативного признака. Итак, среди аналитических линий связи между признаками различают линии трех типов:
- ломаная эмпирическая линия регрессии фактических значений признака уi – наглядно отражает изменение результативного признака под влиянием всех без исключения факторных признаков;
- эмпирическая линия регрессии теоретических значений признака (в нашем случае восходящая прямая) отражает изменение фактических значений признака при учете влияния только фактора х (переменная средняя линия);
- прямая горизонтальная линия – линия среднего значения результативного признака, которая наглядно отражает отсутствие влияния на у всех без исключения факторов (постоянная средняя линия).
Степень отличия переменной средней от постоянной средней говорит о силе влияния фактора х на результативный признак y.
Тот факт, что линия не совпадает с линией уi, говорит о том, что связь между у и х не полная, не функциональная.
Следовательно, чтобы измерить тесноту связи, т.е. измерить, насколько она близка к функциональной, нужно определить дисперсию, измеряющую отклонения уi от ух и характеризующую остаточную вариацию, обусловленную прочими факторами.