- •«Тюменский государственный нефтегазовый университет»
- •Статистические методы обработки данных
- •Аннотация
- •- Применение индексного метода в прогнозировании;
- •2. Программа курса
- •2.1.Тематический план лекционных занятий
- •2.2. Тематический план практических занятий
- •2.3. Перечень тем и видов самостоятельной работы студентов
- •2.4. Содержание курса, контрольные вопросы и задания по темам
- •Тема 1. Предмет, методология и задачи статистики. Организация статистики в рф
- •Тема 2. Статистическое наблюдение
- •Тема 3. Cводка и группировка данных статистического наблюдения
- •Тема 4. Статистические величины
- •Тема 5. Статистические распределения и их основные характеристики
- •Тема 6. Изучение динамики общественных явлений
- •Тема 7. Индексы и их использование в экономико-статистических исследованиях
- •Тема 8. Статистическое изучение взаимосвязей
- •3. Указания к выполнению курсовой работы
- •3.1. Общие требования к содержанию и оформлению курсовой работы
- •3.2. Тематика курсовых работ
- •3.1.3. Исчисление средних показателей в рядах динамики.
- •3.3.2. Экономико-статистический анализ временных рядов.
- •3.3.2.1.Выявление и характеристика основной тенденции развития.
- •3.3.2.2.Измерение колеблемости в рядах динамики.
- •3.3.2.2.1.Выявление и измерение сезонных колебаний.
- •3.3.2.3.Автокорреляция в рядах динамики. Построение моделей авторегрессии
- •3.3. 2.4. Корреляция рядов динамики
- •«Тюменский государственный нефтегазовый университет»
- •4. Рейтинговая система оценки по курсу «Статистические методы обработки данных»
- •4. Рекомендуемая литература
- •5.Темы рефератов (контрольных работ) и методические указания к их написанию
- •«Тюменский государственный нефтегазовый университет»
- •Статистические методы обработки данных
- •625000, Тюмень, ул. Володарского, 38
- •625039, Тюмень, ул. Киевская, 52
3.3.2.2.1.Выявление и измерение сезонных колебаний.
Для измерения колеблемости уровней в рядах динамики могут использоваться показатели, аналогичные показателям вариации признака:
1. размах или амплитуда колебаний отдельных уровней от их средней (по модулю) или от тренда;
2. среднее линейное отклонение отдельных уровней от общей средней или от тренда;
3. среднее квадратическое отклонение отдельных уровней от общей средней или от тренда;
4. Относительный показатель колеблемости уровней, аналогичный коэффициенту вариации.
Задача исследования колебаний уровней в рядах динамики сводится к разложению общей колеблемости на составляющие и выделению именно тех колебаний, которые интересуют исследователя. Для решения этой задачи требуется разложить общую сумму квадратов отклонений от средней (y- ус)2 на составляющие, то есть на сумму квадратов отклонений за счет тренда (фактора времени) (ус - уt)2 и сумму квадратов отклонений за счет случайных факторов (у - уt)2. Согласно правилу сложения дисперсий первая дисперсия равна сумме двух последних:
(y- ус)2= (ус - уt)2 + (у - уt)2 (9)
При этом последнюю дисперсию можно использовать для расчета средней квадратической ошибки уравнения тренда. Поскольку разные уравнения тренда имеют различное число параметров m, средняя квадратическая ошибка уравнения тренда S рассчитывается путем деления дисперсии (у - уt)2 не на n, а на n-m, то есть на число степеней свободы.
Если уровни ряда являются квартальными или месячными и несут на себе влияние сезонности, то аналогично можно выделить составляющую, их характеризующую. При этом используют аддитивную или мультипликативную модели сезонности. В первом случае к показателям тренда добавляются средние отклонения по кварталам, во втором – показатели тренда корректируются (умножаются) через индекс сезонности.
3.3.2.3.Автокорреляция в рядах динамики. Построение моделей авторегрессии
Если в рядах динамики наблюдается зависимость t-го уровня Yt от предыдущих Yt-1 (автокорреляция), необходимо ее измерить с помощью коэффициента автокорреляции и при обнаружении выразить уравнением авторегрессии (см. [1, 2, 3 и др.]).
3.3. 2.4. Корреляция рядов динамики
При анализе развития объекта важно не только определить тенденции изменения отдельных показателей (объемов выпуска, численности работников, фондов, себестоимости, прибыли и т. д.), но и исследовать зависимости между ними с учетом фактора времени. Эта задача решается методами коррелирования:
уровней рядов динамики;
отклонений фактических уровней от тренда;
последовательных разностей.
Коррелирование рядов динамики правильно показывает тесноту связей между рядами лишь в том случае, если в каждом из них отсутствует автокорреляция.
Для исключения автокорреляции наиболее часто используют коррелирование отклонений от выровненных уровней (трендов) и коррелирование последовательных разностей (см.[1, 2, 3, и др.])
Приложение 1
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ