
- •1.Основные этапы статистического наблюдения. Формы, виды и способы статистического наблюдения.
- •2.Методолгические и организационные вопросы статистического наблюдения. Понятия выборочного наблюдения.
- •3. Отбор единиц в выборочную совокупность
- •4.Понятие статистической сводки и группировки. Виды группировок.
- •5.Образование групп и интервалов группировки. Вторичная группировка.
- •6.Ряды распределения
- •7.Графическое изображение рядов распределения. Виды и способы графических изображений.
- •8.Статистические таблицы, правила построения.
- •9.Абсотютные и относительные величины.
- •10.Виды и взаимосвязи относительных величин.
- •11. Относительные величины динамики, планового задания, выполнения плана, структуры, сравнения и интенсивности.
- •12.Сущность и значение средней величины.
- •13.Качественная однородность совокупности, как основное условие использования средней величины.
- •14.Виды средних и методы их расчёта.
- •15.Основные свойства средней арифметической.
- •16.Структурные средние- мода и медиана.
- •17.Понятие вариации. Показатели вариации.
- •18. Секционная диаграмма.
- •19. Относительные показатели вариации.
- •20.Виды дисперсий и правило их сложения. Коэффициент детерминации.
- •21.Дисперсия альтернативного (качественного) признака.
- •22. Понятие о выборочном исследовании.
- •23. Отбор единиц в выборочную совокупность. Ошибка выборки.
- •24.Малая выборка. Оптимальная численность выборки.
- •25.Распространение выборочных результатов на генеральную совокупность. Причинно-следственные отношения и формы связи.
- •26.Корреляция и регрессия, частная корреляция…..
- •27.Метод наименьших квадратов. (мнк)
- •28.Матричная форма записи мнк
- •29. Оценка коэффициентов регрессии по матрице парных коэффициентов корреляции.
- •30. Мультиколлинеарность.
- •31. Оценка адекватности модели.
- •32.Интерпретация моделей регрессии.
- •33. Прогнозирование по регрессионным моделям
- •34.Нелинейные модели и представление их в матричном виде.
- •35.Понятие статистических рядов динамики.
- •36.Сопоставимость рядов динамики
- •37.Базисный и цепной абсолютный прирост
- •38.Темп роста и прироста.
- •39.Средние показатели в рядах динамики.
- •40.Укрупнение интервалов
- •41.Сглаживание скользящей средней
- •42.Выравнивание с помощью мнк
- •43.Изучение сезонных явлений
- •44.Основы прогнозирования рядов динамики.
- •45.Понятие индекса
- •46.Классификация индексов
- •47.Взаимосвязь индексов
- •48.Индексы переменного состава, постоянного состава и структурных сдвигов.
25.Распространение выборочных результатов на генеральную совокупность. Причинно-следственные отношения и формы связи.
Конечной целью выборочного наблюдения явл. характеристика генеральной совокупности на основе выборочных результатов. Выборочные средние и относительные величины распространяют на генеральную совокупность с учётом предела их возможной ошибки. В каждой конкретной выборке расхождение между выборочной средней и генеральной может быть меньше средней ошибки выборки или равно ей, или больше её.
26.Корреляция и регрессия, частная корреляция…..
Корреляция
– это статистическая зависимость,
определяющая тесноту связи, между двумя
случайными величинами.Регрессионный
анализ,
определяет аналитическое выражение
связи между зависимой
переменной
и
независимой
переменной
или
независимыми
переменными
.
27.Метод наименьших квадратов. (мнк)
Метод
наименьших квадратов предполагает
следующие предпосылки:
1)Математическое ожидание случайных
ошибок имеет среднею равную нулю
и
ошибки нормально распределены.
Для
проверки этого условия можно построить
гистограмму распределения ошибок
– ось абсцисс, а ось ординат частоты
и по гистограмме можно визуально
установить близко ли распределение
ошибок к симметричному с центром равным
нулю. 2)Дисперсия случайного отклонения
постоянна
для
любого заданного значения
,
следовательно, постоянна и дисперсия
зависимой переменной
и называется гомоскедастичностью.
Когда нет постоянства дисперсии ошибок,
то такое явление называется
гетероскедастичностью.
Последствия этого следующие: оценки
параметров не будут иметь наименьшую
дисперсию по сравнению с другими
оценками, стандартная ошибка будет
смещена и выводы, полученные по
критериям,
будут неверны.
28.Матричная форма записи мнк
Матричная запись МНК. Введем обозначения:
где
– вектор наблюдений зависимых переменных;
– матрица наблюдений независимых
переменных;
– количество наблюдений;
– количество независимых переменных.
Модель регрессии
в матричной форме можно записать так
.
Для определения
минимизируем
сумму квадратов отклонений вектора
от
линии регрессии.
29. Оценка коэффициентов регрессии по матрице парных коэффициентов корреляции.
Коэффициент
регрессии может быть представлен
следующим образом:
.
Коэффициент
регрессии
показывает меру влияния изменения
объясняющей переменной х на зависимую
переменную у. Модель регрессии в
матричной форме можно записать так
.
Оценка
параметров регрессии по матрице парных
коэффициентов корреляции.
Результаты корреляционного анализа
можно использовать для построения
регрессионной модели. Коэффициенты
корреляции представляются в виде
вектора столбца
зависимой и независимых переменных и
матрицы
независимых
переменных.
По
этим данным находятся вектор
стандартизованных коэффициентов
регрессии
.
Оценка
влияния независимых переменных на
зависимую переменную затруднена, если
независимые переменные имеют различные
единицы измерения. В этом случае
используют стандартизованные
коэффициенты.