
- •1. Что является объектом и предметом статистики? Каковы ее задачи?
- •2. Какие методы применяются в статистике?
- •3. Каковы этапы статистического исследования?
- •4. Каковы задачи и этапы проведения статистического наблюдения?
- •5. Какие существуют организационные формы, виды и способы статистического наблюдения?
- •6. Назовите виды статистических сводок и группировок и их место в системе статистических методов.
- •7. Какие существуют классификации статистических группировок?
- •8. Назовите существующие виды статистических таблиц и правила их построения.
- •9. Какие существуют виды статистических графиков и диаграмм.
- •10. Какие существуют виды статистических показателей, в каких формах они выражаются?
- •11. Каковы сущность и значение относительных показатели структуры, координации, динамики?
- •12. Каковы сущность и значение относительных показателей напряженности и выполнения плана, сравнения, интенсивности?
- •13. Как производятся расчеты средних: арифметической и гармонической, простых и взвешенных?
- •14. Как рассчитываются простые и взвешенные средние: геометрическая и квадратическая?
- •15. Как определяются размах вариации, среднее линейное отклонение?
- •16. Какие существуют методы расчета дисперсия, среднего квадратического отклонения, коэффициент вариации?
- •17. Назовите структурные показатели вариационного ряда, показатели дифференциации.
- •18. Какими методами определяются абсолютные относительные, базисные и цепные уровни изменения ряда динамики?
- •19. Как исчисляются коэффициенты (индексы) роста, темпы роста, темпы прироста, абсолютное значение одного процента прироста?
- •20. Порядок расчетов среднего абсолютного прироста, среднего коэффициента роста и среднего темпа прироста?
- •21. Дайте определение, что такое индекс и приведите классификацию индексов.
- •22. Как определяется индексы: цен, физического объема, товарооборота?
- •23. Как рассчитываются индексы: средней цены переменного состава, средней цены постоянного состава, структурных сдвигов.
- •24. Назовите важнейшие экономические индексы и их взаимосвязи.
- •25. Причинность, регрессия, корреляция. Основные задачи и предпосылки применения корреляционно-регрессионного анализа.
- •2 Типа взаимосвязей между х и у:
- •26. Корреляционные параметрические методы изучения связи.
- •27. Коэффициент парной корреляции. Оценка его значимости.
- •28. Парная регрессия на основе метода наименьших квадратов и метода группировки.
- •29. Оценка существенности связи. Прогнозирование на основе регрессионных моделей.
- •30. Коэффициенты ассоциации и контингенции.
- •31. Коэффициенты взаимной сопряженности.
- •32. Ранговые коэффициенты корреляции.
- •33. Общие принципы исчисления показателей продукции. Классификация производства.
- •34. Какие основные элементы составляют продукцию промышленности?
- •35. Назовите основные показатели промышленной продукции.
- •36. В каких случаях применяются натуральные показатели?
- •37. Как определяются численность и состав работников?
- •38. Движение рабочей силы и его показатели.
- •39. Какой существует порядок определения рабочего времени и показатели его использования.
- •40. Назовите формы и системы оплаты труда.
- •41. Каков состав фонда заработной платы?
- •42. Какие существуют показатели уровня и динамики заработной платы? Порядок их расчета.
- •43. Какие существуют виды и показатели прибыли?
- •44. Что означает показатель рентабельности и какие показатели рентабельности Вы знаете?
- •45. Какая взаимосвязь имеется между показателями рентабельности и оборачиваемости средств?
26. Корреляционные параметрические методы изучения связи.
Корреляционные параметрические методы - методы оценки тесноты свози, основанные на использовании, как правило, оценок нормального распределения, применяются в тех случаях, когда изучаемая совокупность состоит из величин, которые подчиняются закону нормального распределения.
Параметризация уравнения регрессии: установление формы зависимости; определение функции регрессии; оценка значений параметров выбранной формулы статистической связи Методы изучения связи - форму зависимости можно установить с помощью поля корреляции. Если исходные данные (значения переменных х и у) нанести на график в виде точек в прямоугольной системе координат, то получим поле корреляции При этом значения независимой переменной x (признак-фактор) откладываются по оси абсцисс, а значения результирующего фактора у откладываются по оси ординат. Если зависимость у от x функциональная, то все точки расположены на какой-то линии. При корреляционной связи вследствие влияния прочих факторов точки не лежат на одной линии.
Расчет показателей силы и тесноты связей Линейный коэффициент корреляции - количественная оценка и мера тесноты связи двух переменных. Коэффициент корреляции принимает значения в интервале от -1 до +1. Считают, что если этот коэффициент не больше 0,30, то связь слабая: от 0,3 до 0,7 - средняя; больше 0,7 - сильная, или тесная. Когда коэффициент равен 1, то связь функциональная, если он равен 0, то говорят об отсутствии линейной связи между признаками.
Коэффициент детерминации - квадрат линейного коэффициента корреляции, рассчитываемый для оценки качества подбора линейной функции.
Формула нелинейного коэффициента корреляции:
Корреляция для нелинейной регрессии Уравнение нелинейной регрессии, так же как и в линейной зависимости, дополняется показателем корреляции, а именно - индексом корреляции (R):
где
- общая
дисперсия результативного признака у,
-
остаточная дисперсия, определяемая
исходя из уравнения регрессии : ух
= f(х). Корреляция
для множественной регрессии. Значимость
уравнения множественной регрессии
оценивается с помощью показателя
множественной корреляции и его квадрата
- коэффициента детерминации. Показатель
множественной корреляции характеризует
тесноту связи рассматриваемого набора
факторов с исследуемым признаком, или
оценивает тесноту совместного влияния
факторов на результат. Независимо от
формы связи показатель множественной
корреляции может быть найден как индекс
множественной корреляции:
где
- общая
дисперсия результативного признака;
- остаточная дисперсия для уравнения
у = f (x1,x2,…,xp)
27. Коэффициент парной корреляции. Оценка его значимости.
Коэффициент
парной корреляции вычисляется по
формуле:
или
Алгоритм
расчета коэффициента парной
корреляции:
1)
записывают исходные данные в два
вариационных ряда – x и y;
2)
вычисляют среднюю арифметическую ряда
x и y;
3)
определяют разность между членом ряда
и средними величинами;
4)
перемножают разности ряда x и y между
собой;
5)
находят сумму перемножаемых разностей
(с учетом арифметического знака);
6)
возводят в квадрат каждую разность
(отклонение) ряда х и у;
7)
определяют сумму квадратов отклонений
(разностей) для ряда х и у отдельно;
8)
подставляют полученные данные в исходную
формулу и вычисляют коэффициент парной
корреляции.
коэффициент парной корреляции, г (product moment correlation г), который характеризует степень тесноты связи между двумя метрическими (измеряемыми с помощью интервальной или относительной шкал) переменными, скажем, X и Y. Этот коэффициент используют, чтобы определить, существует ли между переменными линейная зависимость. Он показывает степень, в которой вариация одной переменной Х связана с вариацией другой переменной Y, т.е. меру зависимости между переменными Xvl Y