- •Статистика
- •Предисловие
- •Раздел 1. Аналитическая статистика
- •Тема 1. Предмет и метод статистики
- •1.1. Предмет статистики и ее теоретическая основа.
- •Статистическая наука имеет три уровня:
- •1.2. Основные аспекты организации статистики
- •1.2.1. История статистики
- •1.2.2. Организация статистических служб в России
- •1.2.3. Международные статистические организации.
- •Тема 2. Статистическое наблюдение
- •2.1. Этапы проведения и программно-методологические вопросы статистического наблюдения.
- •2.2. Формы, виды и способы организации статистического наблюдения.
- •2.3. Точность наблюдения
- •Тема 3. Сводка и группировка статистических данных
- •3.1. Задачи и виды статистической сводки
- •3.2. Метод группировок в статистике.
- •3.3. Принцип построения группировок
- •3.4. Ряды распределения в статистике.
- •Примеры решения задач
- •Задачи для самостоятельного решения
- •Тема 4. Способы наглядного представления статистических данных
- •4.1. Табличное представление данных
- •4.1.2. Виды статистических таблиц
- •Пример решения задачи
- •4.2. Графическое изображение данных
- •Ленточная диаграмма
- •Распределение населения одного регион по полу и возрасту
- •Радиальные диаграммы
- •Сезонные колебания производства мяса в одном из регионов России в 2001 г.
- •Задачи для самостоятельного решения
- •Тема 5. Статистические показатели
- •5.1. Понятие статистических показателей.
- •5.2. Абсолютные и относительные величины в статистике.
- •5.3.Относительные величины
- •Обавить взаимосвязь!!!!!!!!!
- •5.4. Средние величины в статистике.
- •Примеры решения задач
- •Примеры решения задач
- •5.5. Структурные средние (мода, медиана).
- •Примеры решения задач
- •Примеры решения задач
- •Тема 6. Показатели вариации в статистике
- •Вариация признака в совокупности и значение ее изучения
- •3. Правило сложения дисперсий
- •Примеры решения задач
- •3. Дисперсия альтернативного признака
- •Примеры решения задач
- •5) Коэффициенты вариации Va.
- •Задачи для самостоятельного решения
- •Тема 7. Индексы в статистике
- •7.1. Понятие и классификацию индексов в статистике
- •7.2. Индексы структурных сдвигов
- •7.3. Оценка динамики цен на товары и измерение уровня инфляции
- •Пример решения задачи
- •Тема 8. Выборочное наблюдение
- •8.1. Понятие выборочного наблюдения
- •8.2. Способы формирования выборочной совокупности:
- •Отбор единиц в выборочную совокупность
- •8.3. Методы оценки результатов выборочного наблюдения
- •8.4. Оценка результатов выборочного наблюдения и распространение его данных на генеральную совокупность
- •8.5. Практика применения выборочного наблюдения в социально-экономических исследованиях
- •Примеры решения задач
- •Задачи для самостоятельного решения
- •Тема 9. Статистическое изучение связи между явлениями
- •9.1. Методы изучения связи между явлениями.
- •Корреляционно-регрессионный анализ
- •Примеры решения задач
- •Тема 10. Ряды динамики
- •10.1. Виды и методы анализа рядов динамики.
- •Правила построения динамических рядов
- •10.2. Показатели рядов динамики:
- •Пример решения задачи
- •10.3. Анализ взаимосвязанных рядов динамики.
- •10.4. Методы выравнивания рядов динамики.
- •10.5. Анализ сезонных колебаний
- •Классификация методов измерения сезонной волны
- •Примеры решения задач
- •Метод укрупнения интервалов.
- •Динамика поквартальной продажи безалкогольных напитков в одной из республик за 3 года
- •Задачи для самостоятельного решения
10.3. Анализ взаимосвязанных рядов динамики.
Взаимосвязанные ряды динамики – это такие ряды, в которых уровни одного ряда в какой-то степени определяют уровни другого (например, ряд уровней средней заработной платы взаимосвязан с рядом средней выработки).
Простейший вид анализа таких рядов осуществляется с помощью коэффициентов опережения по темпам роста или прироста.
Коэффициент опережения по темпам роста – это отношение темпов роста (цепных или базисных) одного ряда к соответствующим темпам роста (также цепным или базисным) другого ряда.
Аналогично находятся коэффициенты опережения по темпам прироста.
Анализ взаимосвязанных рядов представляет определенную сложность. Исследование включает проверку на автокорреляцию и установление связи между признаками. Под автокорреляцией понимают зависимость последующих уровней ряда от предыдущих или
АВТОКОРРЕЛЯЦИЯ - зависимость между соседними членами динамического ряда
10.4. Методы выравнивания рядов динамики.
Способы выравнивания динамических рядов:
Увеличение интервалов
Вычисление средних уровней для увеличения интервалов
Определение скользящей (подвижной) средней
Аналитическое выравнивание
Рисунок 10.2. Методы анализа тренда.
ХАРАКТЕРИСТИКА МЕТОДОВ АНАЛИЗА
Метод укрупнения интервалов |
Используют переменную среднюю |
Скользящая средняя
|
Сглаживание ряда динамики с помощью скользящей средней заключается в том, что вычисляется средний уровень из определенного числа первых по порядку уровней ряда, затем средний уровень из такого же числа уровней, начиная со второго, далее — начиная с третьего и т. д. Каждое звено скользящей средней — это средний уровень за соответствующий период, который относится к середине выбранного периода, если число уровней ряда динамики нечетное.
|
Аналитическое выравнивание
|
Аналитическое выравнивание предполагает представление уровней данного ряда динамики в виде функции времени: у = f(t)
|
Метод укрупнения интервалов В этом случае для наглядного представления тренда применяется метод укрупнения интервалов, который основан на укрупнении периодов времени, к которым относятся уровни ряда. Например, ряд ежесуточного выпуска продукции заменяется рядом месячного выпуска продукции и т. д.
Метод скользящей средней
Простые скользящие средние в ряде случаев позволяют выявить тенденцию лишь в общих чертах, ибо при сглаживании исчезают изгибы линии тенденции и некоторые уровни показывают вместо спада, имевшего место реально, подъем или наоборот.
Более совершенным приемом считается взвешенная скользящая средняя. Если при простой скользящей средней все уровни временного ряда считаются равноценными, то при исчислении взвешенной скользящей средней каждому уровню в пределах интервала сглаживания приписывается свой вес. Этот вес (весовой коэффициент) зависит от расстояния данного уровня до середины интервала сглаживания.
Весовые коэффициенты для уровней ряда при сглаживании могут быть взяты как коэффициенты бинома Ньютона:
Интервал сглаживания (п) |
Коэффициенты ( f ) |
Сумма весов |
3 |
1 2 1 |
4 |
5 |
1 4 6 4 1 |
16 |
7 |
1 6 15 20 15 6 1 |
64 |
или
Используют следующие весовые коэффициенты:
Интервал сглаживания |
Весовые коэффициенты |
5 |
1/35 [-3, +12, +17]
|
7 |
1/21 [-2, +3, +6, +7]
|
9 |
1/231[-21, +14, +39, +54, +59]
|
11 |
1/429[-36, +9, +44, +69, +84, +89]
|
13 |
1/143[-11, 0, +9, +16, +21, +24, ]
|
Взвешенная скользящая средняя определяется как средняя арифметическая взвешенная:
,
где
-
скользящая
средняя; у,
- уровни
динамического ряда, участвующие в
расчете за интервал длиной п
уровней;
fi
- веса.
Если удобно принять, что сумма весов равна единице, то весами будут выступать величины
.
Метод аналитического выравнивания. Находится уравнение, выражающее закономерность изменения явления как функции времени.
Вид уравнения определяется характером динамики развития явления.
Выбор формы кривой может быть определен на основе графического изображения уровней динамического ряда.
Расчеты значительно упрощаются, если начало отсчета времени поместить в середину динамического ряда, тогда сумма временных дат будет равна нулю и система нормальных уравнений значительно упрощается. Так, для уравнений прямой система нормальных уравнений имеет вид:
n
a
= ∑ y
b∑t2 = ∑yt
откуда а = ∑ y/n ; b = ∑yt / ∑t2
Аналитическое выравнивание позволяет не только определить основную тенденцию изменения явления на исследуемом отрезке времени, но и выполнять расчеты для таких периодов, для которых нет информации.
