- •Оглавление
- •Глава 1. Структура современной эконометрики 6
- •Глава 2. Выборочные исследования 20
- •Глава 3. Основы теории измерений 33
- •Глава 4. Статистический анализ числовых величин (непараметрическая статистика) 40
- •Глава 14. Эконометрика прогнозирования и риска 256
- •Глава 15. Современные эконометрические методы 270
- •Предисловие
- •Глава 1. Структура современной эконометрики
- •1.1.Эконометрика сегодня
- •1.3. Структура эконометрики
- •1.4.Специфика экономических данных
- •1.5. Нечисловые экономические величины
- •1.6.Статистика интервальных данных - научное направление на стыке метрологии и математической статистики
- •1.7. Эконометрические модели
- •1.8.Применения эконометрических методов
- •1.9. Эконометрика как область научно-практической деятельности
- •1.10. Эконометрические методы в практической и учебной деятельности
- •Цитированная литература
- •Глава 2. Выборочные исследования
- •2.1. Построение выборочной функции спроса
- •2.2. Маркетинговые опросы потребителей
- •Г. О курсе "Основы экономики"
- •Д. Дополнительная информация
- •2.3. Проверка однородности двух биномиальных выборок
- •Цитированная литература
- •Глава 3. Основы теории измерений
- •3.1. Основные шкалы измерения
- •3.2. Инвариантные алгоритмы и средние величины
- •3.3. Средние величины в порядковой шкале
- •3.4. Средние по Колмогорову
- •Цитированная литература
- •Глава 4. Статистический анализ числовых величин (непараметрическая статистика)
- •4.1. Часто ли распределение результатов наблюдений является нормальным?
- •4.2. Неустойчивость параметрических методов отбраковки резко выделяющихся результатов наблюдений
- •4.3. Непараметрическое доверительное оценивание характеристик распределения
- •4.4. О проверке однородности двух независимых выборок
- •Критерий Крамера-Уэлча равенства математических ожиданий
- •4.5. Какие гипотезы можно проверять с помощью двухвыборочного критерия Вилкоксона?
- •4.6. Состоятельные критерии проверки однородности для независимых выборок
- •4.7. Методы проверки однородности для связанных выборок
- •Цитированная литература
- •Глава 5. Многомерный статистический анализ
- •5.1. Оценивание линейной прогностической функции
- •5.2. Основы линейного регрессионного анализа
- •5.3. Основные понятия теории классификации
- •5.4. Эконометрика классификации
- •Цитированная литература
- •Глава 6. Эконометрика временных рядов
- •6.1. Модели стационарных и нестационарных временных рядов, их идентификация
- •6.2. Системы эконометрических уравнений
- •6.3. Оценивание длины периоды и периодической составляющей
- •6.4. Метод жок оценки результатов взаимовлияний факторов
- •Цитированная литература
- •Глава 7. Эконометрический анализ инфляции
- •7. 1. Определение индекса инфляции
- •7.2. Практически используемые потребительские корзины и соответствующие индексы инфляции
- •7.3. Свойства индексов инфляции
- •7.4. Возможности использования индекса инфляции в экономических расчетах
- •7.5. Динамика цен на продовольственные товары с Москве и Московской области
- •Цитированная литература
- •Глава 8. Статистика нечисловых данных
- •8.1. Объекты нечисловой природы
- •8.2. Вероятностные модели конкретных видов объектов нечисловой природы
- •8.3. Структура статистики объектов нечисловой природы
- •8.4. Законы больших чисел и состоятельность статистических оценок в пространствах произвольной природы
- •8.5. Непараметрические оценки плотности в пространствах произвольной природы
- •Цитированная литература
- •Глава 9. Статистика интервальных данных
- •9.1. Основные идеи статистики интервальных данных
- •9.2. Примеры статистического анализа интервальных данных
- •9.3. Статистика интервальных данных и оценки погрешностей характеристик финансовых потоков инвестиционных проектов
- •Цитированная литература
- •Глава 10. Проблемы устойчивости эконометрических процедур
- •10.1. Общая схема устойчивости
- •10.2. Робастность статистических процедур
- •10.3. Устойчивость по отношению к объему выборки
- •10.4. Устойчивость по отношению к горизонту планирования
- •Цитированная литература
- •Глава 11. Эконометрические информационные технологии
- •11.1. Проблема множественных проверок статистических гипотез
- •11.2. Проблемы разработки и обоснования статистических технологий
- •11.3. Методы статистических испытаний (Монте-Карло) и датчики псевдослучайных чисел
- •11.4. Методы размножения выборок (бутстреп-методы)
- •11.5. Эконометрика в контроллинге
- •Цитированная литература
- •Глава 12. Эконометрические методы проведения экспертных исследований и анализа оценок экспертов
- •12.1. Примеры процедур экспертных оценок
- •12.2. Основные стадии экспертного опроса
- •12.3. Подбор экспертов
- •12.4. О разработке регламента проведения сбора и анализа экспертных мнений
- •12.5. Методы средних баллов
- •12.6. Метод согласования кластеризованных ранжировок
- •12.7. Математические методы анализа экспертных оценок
- •Цитированная литература
- •Глава 13. Эконометрические методы управления качеством и сертификации продукции
- •13.1. Основы статистического контроля качества продукции
- •13.2. Асимптотическая теория одноступенчатых планов статистического контроля
- •13.3. Некоторые практические вопросы статистического контроля качества продукции и услуг
- •13.4. Всегда ли нужен контроль качества продукции?
- •13.5. Статистический контроль по двум альтернативным признакам и метод проверки их независимости по совокупности малых выборок
- •13.6. Эконометрика качества и сертификация
- •Цитированная литература
- •Глава 14. Эконометрика прогнозирования и риска
- •14.1. Методы социально-экономического прогнозирования
- •14.2. Основные идеи технологии сценарных экспертных прогнозов
- •14.3. Различные виды рисков
- •14.4. Подходы к управлению рисками
- •Цитированная литература
- •Глава 15. Современные эконометрические методы
- •15.1. О развитии эконометрических методов
- •15.2. Точки роста
- •15.3. О некоторых нерешенных вопросах эконометрики и прикладной статистики
- •15.4. Высокие статистические технологии и эконометрика
- •Цитированная литература
- •Приложение 1 Вероятностно-статистические основы эконометрики
- •Цитированная литература
- •Приложение 2 Нечеткие и случайные множества
- •К последовательности операций над случайными множествами
- •Цитированная литература
- •Приложение 3 Методика сравнительного анализа родственных эконометрических моделей
- •П3 4. Эмпирические единичные показатели качества
- •Кластеризации и усреднения ранжировок
- •Цитированная литература
- •Приложение 4 Примеры задач по эконометрике
- •Проверка однородности двух независимых выборок
- •Проверка однородности связанных выборках
- •Исходные данные для задачи 4.
- •Индекс инфляции
- •Упорядочения по средним рангам и по медианам
- •Медиана Кемени
3.4. Средние по Колмогорову
Обобщением нескольких из перечисленных выше средних является среднее по Колмогорову. Для чисел среднее по Колмогорову вычисляется по формуле
;
где - строго монотонная функция (т.е. строго возрастающая или строго убывающая), - функция, обратная к . Среди средних по Колмогорову - много хорошо известных персонажей. Так, если , то среднее по Колмогорову - это среднее арифметическое, если , то среднее геометрическое, если , то среднее гармоническое, если , то среднее квадратическое, и т.д. Среднее по Колмогорову - частный случай среднего по Коши. С другой стороны, такие популярные средние, как медиана и мода, нельзя представить в виде средних по Колмогорову. В монографии [2] доказаны следующие утверждения.
Теорема 3. При справедливости некоторых внутриматематических условий регулярности в шкале интервалов из всех средних по Колмогорову допустимым является только среднее арифметическое.
Таким образом, среднее геометрическое или среднее квадратическое температур (в шкале Цельсия) или расстояний не имеют смысла. В качестве среднего надо применять среднее арифметическое. А также можно использовать медиану или моду.
Теорема 4. При справедливости некоторых внутриматематических условий регулярности в шкале отношений из всех средних по Колмогорову допустимыми являются только степенные средние с , c≠0, и среднее геометрическое.
Замечание. Среднее геометрическое является пределом степенных средних при .
Есть ли средние по Колмогорову, которыми нельзя пользоваться в шкале отношений? Конечно, есть. Например, с .
Аналогично средним величинам могут быть изучены и другие статистические характеристики - показатели разброса, связи, расстояния и др. (см., например, [2] ). Нетрудно показать, например, что коэффициент корреляции не меняется при любом допустимом преобразовании в шкале интервалов, как и отношение дисперсий, дисперсия не меняется в шкале разностей, коэффициент вариации - в шкале отношений, и т.д.
Приведенные выше результаты о средних величинах широко применяются, причем не только в экономике, менеджменте, теории экспертных оценок или социологии, но и в инженерном деле, например, для анализа методов агрегирования датчиков в АСУ ТП доменных печей. Велико прикладное значение ТИ в задачах стандартизации и управления качеством, в частности, в квалиметрии. Здесь есть и интересные теоретические результаты. Так, например, любое изменение коэффициентов весомости единичных показателей качества продукции приводит к изменению упорядочения изделий по средневзвешенному показателю (эта теорема доказана проф. В.В. Подиновским).
Цитированная литература
1. Суппес П., Зинес Дж. Основы теории измерений. - В сб.: Психологические измерения. - М.: Мир, 1967. С. 9-110.
2. Орлов А.И. Устойчивость в социально-экономических моделях. - М.: Наука, 1979. - 296 с.
3. Пфанцагль И. Теория измерений. - М.: Мир, 1976. - 165 с.
Глава 4. Статистический анализ числовых величин (непараметрическая статистика)
В учебных курсах по теории вероятностей и математической статистике рассматривают различные параметрические семейства распределений числовых случайных величин. А именно, изучают семейства нормальных распределений, логарифмически нормальных, экспоненциальных, гамма-распределений, распределений Вейбулла-Гнеденко и др. Все они зависят от одного, двух или трех параметров. Поэтому для полного описания распределения достаточно знать или оценить одно, два или три числа. Очень удобно. Поэтому широко развита параметрическая теория математической статистики, в которой предполагается, что распределения результатов наблюдений принадлежат тем или иным параметрическим семействам.
К сожалению, параметрические семейства существуют лишь в головах авторов учебников по теории вероятностей и математической статистике. В реальной жизни их нет. Поэтому эконометрика использует в основном непараметрические методы, в которых распределения результатов наблюдений могут иметь произвольный вид.
Сначала на примере нормального распределения подробнее обсудим невозможность практического использования параметрических семейств для описания распределений конкретных экономических данных. Затем разберем параметрические методы отбраковки резко выделяющихся наблюдений и продемонстрируем невозможность практического использования ряда методов параметрической статистики, ошибочность выводов, к которым они приводят. Затем разберем непараметрические методы доверительного оценивания основных характеристик числовых случайных величин - математического ожидания, медианы, дисперсии, среднего квадратического отклонения, коэффициента вариации. Завершат главу методы проверки однородности двух выборок, независимых или связанных.