- •Раздел I введение в теорию статистики
- •Глава 1. Статистика как наука
- •1.1. Методические указания
- •1.2. Задачи и упражнения
- •1.3. Рекомендации преподавателям
- •Раздел II
- •2.2. Задачи и упражнения
- •2.3. Рекомендации преподавателям
- •Глава 3. Статистическая сводка и группировка
- •3.1. Методические указания и решение типовых задач
- •3.2. Задачи и упражнения
- •3.3. Рекомендации преподавателям
- •Глава 4. Статистические таблицы
- •4.1. Методические указания и решение типовых задач
- •4.2. Задачи и упражнения
- •4.3. Рекомендации преподавателям
- •Глава 5. Графическое изображение статистических данных
- •5.1. Методические указания и решение типовых задач
- •5.2. Задачи и упражнения
- •5.3. Рекомендации преподавателям
- •Глава 6. Формы выражения статистических показателей
- •6.1. Методические указания и решение типовых задач
- •6.2. Задачи и упражнения
- •6.3. Рекомендации преподавателям
- •Раздел III аналитическая статистика
- •Глава 7. Показатели вариации и анализ частотных распределений
- •7.1. Методические указания и решение типовых задач
- •7.2. Задачи и упражнения
- •7.3. Рекомендации преподавателям
- •Глава 8. Выборочное наблюдение
- •8.1. Методические указания и решение типовых задач
- •8.2. Задачи и упражнения
- •8.3. Рекомендации преподавателям
- •Глава 9. Статистическое изучение взаимосвязи социально-экономических явлений
- •9.1. Методические указания и решение типовых задач
- •9.2. Задачи и упражнения
- •9.3. Рекомендации преподавателям
- •Глава 10. Статистическое изучение динамики социально-экономических явлений
- •10.1. Методические указания и решение типовых задач
- •10.2. Задачи и упражнения
- •10.3. Рекомендации преподавателям
- •Глава 11.Статистический анализ структуры
- •11.1. Методические указания и решение типовых задач
- •11.2. Задачи и упражнения
- •11.3. Рекомендации преподавателям
- •Глава 12. Экономические индексы
- •12.1. Методические указания и решение типовых задач
- •12.2. Задачи и упражнения
- •12.3. Рекомендации преподавателям
- •Глава 13. Общие вопросы анализа и обобщения статистических данных
- •13.1. Методические указания и решение комплексных задач
- •I. Априорный анализ исходных статистических данных.
- •II. Моделирование связи социально-экономических явлений.
- •I. Анализ и прогнозирование тенденции.
- •III. Моделирование связи социально-экономических явлений.
- •13.2. Задачи и упражнения
- •13.3. Рекомендации преподавателям
- •Ответы к задачам
- •Глава 6
- •Глава 7
- •Глава 8
- •Глава 9
- •Глава 10
- •Глава 11
- •Глава 12
- •Задания для самостоятельной работы студентов Задание 1
- •Задание 2
- •Задание 3
- •Задание 4
- •Задание 5
- •Задание 6
- •Задание 7
- •Задание 8
- •Задание 9
- •Задание 10
- •Задание 11
- •Задание 12
- •Задание 13
I. Априорный анализ исходных статистических данных.
Обобщение исходных данных: построение вариационных рядов по каждому из исследуемых показателей. Графическое изображение построенных рядов распределения в виде гистограммы, полигона, кумуляты и огивы.
Оценка однородности совокупности (на основе: метода группировок, показателей вариации, анализа аномальных наблюдений на основе К- и q-статистики).
Оценка характера распределения совокупности исходных данных с помощью средней, моды, медианы, показателей вариации. Вывод о характере распределения. Для этой цели могут быть использованы различные модификации соотношений средних величин и показателей вариации.
Проверка данных на основе одного из критериев (К. Пирсона, Б.С. Ястремского, В.И. Романовского и др.).
II. Моделирование связи социально-экономических явлений.
1. Отбор факторных признаков.
Метод экспертных оценок и ранговые коэффициенты корреляции как инструмент анализа экспертной информации.
Графический метод как способ наглядного отображения зависимости результативного с каждым из факторных признаков.
Метод корреляционного анализа в оценке характера парных и множественных зависимостей между исходными признаками. Расчет парных, частных и множественных коэффициентов корреляции. Исследование связей на мультиколлинеарность.
2. Построение модели связи и оценка ее существенности.
Определение параметров модели методом наименьших квадратов.
Построение уравнения связи методом пошагового регрессионного анализа.
Проверка адекватности регрессионной модели исследуемому социально-экономическому явлению.
Проверка значимости коэффициентов регрессии при факторных признаках, вошедших в модель, на основе t-критерия Стьюдента.
Проверка значимости уравнения регрессии на основе F-критерия Фишера-Снедекора.
Расчет и анализ средней ошибки аппроксимации ().
Расчет и анализ средней квадратической ошибки (σОШ) и остаточной дисперсии (σ2ОСТ).
3. Интерпретация модели связи (уравнения регрессии). С этой целью расчет и анализ:
β-коэффициентов, построение модели связи в стандартизованном масштабе;
частных коэффициентов эластичности (Эxi);
частных и множественного коэффициентов детерминации;
Δxi-коэффициентов;
Qi-коэффициентов.
Б. Методика комплексного анализа и прогнозирования динамической информации
I. Анализ и прогнозирование тенденции.
1. Оценка аномальных наблюдений на основе λ- и q-статистик.
2. Расчет аналитических ( Δi, Тр и Тпр) и средних () показателей рядов динамики и на их основе анализ тенденций и закономерностей развития социально-экономических явлений.
3. Определение наличия тенденции средней и дисперсии в рядах динамики и вычисление уравнения тренда.
Определение тенденции по видам: среднего уровня и дисперсии.
Определение наличия тенденции автокорреляции (для связных рядов динамики).
Выявление основной тенденции динамического ряда.
Оценка адекватности выбранного уравнения тренда.
Корреляция рядов динамики.
Прогнозирование динамики на основе простейших методов.
II. Выявление периодической компоненты. Модели сезонных колебаний:
графический анализ исходных данных;
выявление тенденции средней и дисперсии;
проверка ряда динамики на наличие сезонной компоненты на основе критериев «пиков», «ям» и др.;
расчет параметров уравнения тренда и определение теоретических уровней ряда динамики по тренду;
определение абсолютных и относительных отклонений фактических уровней от тренда. Графический метод в анализе амплитуды отклонений эмпирических и теоретических значений уровней ряда динамики;
проверка абсолютных и относительных отклонений фактических уровней от выравненных по тренду на наличие автокорреляции;
построение модели сезонной волны по отклонениям фактических данных от тренда методами гармонического анализа. Определение гармоники Фурье, наилучшим образом отражающей периодичность изменения уровней ряда динамики на основе:
минимизации суммы квадратов отклонений эмпирических данных от выравненных по гармонике;
расчета средней квадратической ошибки. Рассмотрим реализацию данных методик на конкретных примерах.
Пример. Проведем комплексный экономико-статистический анализ деловой активности и прибыльности 48 крупнейших банков России на 1.01.97 г. (табл. 13.1). Определим факторы развития банковской системы. Задача реализована с использованием стандартных пакетов прикладных программ «Олимп» и АРМ «Статистика».
Таблица 13.1
Основные показатели деятельности банков России на 1.01.97 г. (тыс. руб.)
№ банка |
Собственный капитал |
Ссудная задолженность |
Балансовая прибыль |
Объем вложений в государственные бумаги |
Привлеченные ресурсы
|
1 |
1370596 |
3138452 |
260727 |
600883 |
12913141 |
2 |
1052618 |
1749462 |
806316 |
722440 |
9549920 |
3 |
640478 |
1177193 |
482539 |
969496 |
3995816 |
4 |
557032 |
809268 |
400351 |
889704 |
4566926 |
5 |
1120847 |
317719 |
207889 |
753993 |
9393955 |
6 |
996003 |
772401 |
395220 |
626085 |
4166522 |
7 |
527385 |
1234517 |
609219 |
185066 |
2316869 |
8 |
625027 |
3049381 |
285677 |
191631 |
2776955 |
9 |
469296 |
1381584 |
463639 |
86559 |
6165342 |
10 |
487892 |
I009361 |
435813 |
587507 |
4674425 |
11 |
731741 |
1883 |
206038 |
485507 |
5658095 |
12 |
867715 |
368887 |
36162 |
135611 |
2959531 |
13 |
615759 |
517422 |
331008 |
535557 |
4600065 |
14 |
376954 |
1118207 |
171132 |
191528 |
925978 |
15 |
278098 |
310688 |
85612 |
60312 |
2108651 |
16 |
1032806 |
262494 |
120516 |
43653 |
1933402 |
17 |
375585 |
1378033 |
109647 |
4235 |
1985677 |
18 |
24304 |
27838 |
17708 |
13571 |
17595 |
19 |
413497 |
119884 |
187428 |
488873 |
1669520 |
20 |
246722 |
1115686 |
136567 |
12864 |
1129019 |
21 |
204376 |
421001 |
129235 |
22934 |
937473 |
22 |
425144 |
191202 |
94535 |
392308 |
347461 |
23 |
424676 |
275018 |
104458 |
99611 |
1276333 |
24 |
98206 |
50310 |
20175 |
22777 |
970191 |
25 |
263519 |
242753 |
143839 |
55984 |
938359 |
26 |
159277 |
345528 |
150403 |
117755 |
1326431 |
27 |
87717 |
92060 |
49818 |
59746 |
429101 |
28 |
178168 |
25818 |
42647 |
147620 |
1156546 |
Продолжение
№ банка
|
Собственный капитал
|
Ссудная задолженность
|
Балансовая прибыль
|
Объем вложений в государственные бумаги |
Привлеченные ресурсы
|
29 |
69867 |
88681 |
37838 |
96690 |
1025507 |
30 |
74353 |
261375 |
13374 |
2691 |
801687 |
31 |
67803 |
325183 |
52002 |
36209 |
781019 |
32 |
163871 |
1070 |
58923 |
175384 |
1015852 |
33 |
96336 |
45114 |
68624 |
89254 |
706976 |
34 |
33844 |
82975 |
8825 |
25143 |
346625 |
35 |
84289 |
222996 |
76594 |
86216 |
901659 |
36 |
63097 |
376 |
46371 |
221618 |
444342 |
37 |
246198 |
45723 |
27315 |
20520 |
521550 |
38 |
111315 |
27967 |
41162 |
114103 |
675403 |
39 |
63445 |
82769 |
3040 |
291 |
848990 |
40 |
228725 |
0 |
161154 |
296230 |
7905 |
41 |
9346 |
22830 |
2316 |
14033 |
19360 |
42 |
160452 |
58376 |
137706 |
70726 |
311500 |
43 |
35532 |
187398 |
22971 |
51245 |
451973 |
44 |
47296 |
195842 |
14070 |
3801 |
305182 |
45 |
32135 |
73800 |
18900 |
41757 |
41647 |
46 |
9849 |
21109 |
11038 |
0 |
6913 |
47 |
30832 |
475 |
37208 |
363590 |
204743 |
48 |
28479 |
63253 |
3220 |
14173 |
822158 |
Анализ исходных данных о деятельности коммерческих банков России начинаем с априорного анализа.
Методику априорного анализа покажем на примере одного из показателей – балансовой прибыли, так как этот показатель является результативным. Построим ряд распределения банков по величине балансовой прибыли (табл. 13.2).
Таблица 13.2
Распределение банков РФ по величине балансовой прибыли
Группы банков по величине балансовой прибыли, тыс. руб. |
Число банков |
Удельный вес, % к итогу |
2316-203316 |
36 |
75,0 |
203316-404316 404316-605316 |
7 3 |
14,6 6,3 |
605316-806316 |
2 |
4,1 |
Итого |
48 |
100,0 |
Данные табл. 13.2 свидетельствуют о высоком удельном весе (75,0%) в рассматриваемой совокупности небольших среди крупнейших банков по величине балансовой прибыли. Недостатком полученного ряда распределения является то, что есть группы, содержащие менее 5 единиц наблюдения, что не может отражать закономерности развития по данным группам банков. Однако, принимая во внимание условность исходных данных, проанализируем ряд распределения коммерческих банков в том виде, как он представлен в табл. 13.2.
По результатам табл. 13.2 видно, что банки с балансовой прибылью более 605316 тыс. руб. являются аномальными для рассматриваемой совокупности.
В целом дальнейший анализ может быть проведен в двух направлениях: либо по всей первоначально рассмотренной совокупности банков, предполагая аномальность, вызванную объективно существующими причинами, либо отдельно анализ 75,0% банков (так как это составляет более 50% объема выборки) и отдельно анализ оставшихся банков. При решении данной задачи мы будем руководствоваться первым направлением.
Графически распределение банков по величине балансовой прибыли можно представить в виде гистограммы и полигона распределения (рис. 13.1).
Рис. 13.1. Гистограмма и полигон распределения банков РФ по величине балансовой прибыли
Анализируя график, видно, что распределение островершинное и правостороннее, что подтверждается анализом выборочных характеристик:
В рассматриваемой совокупности крупнейших банков России наиболее часто встречаются банки с величиной балансовой прибыли 113639 тыс. руб.
Величина медианы свидетельствует о том, что 50% банков имеют балансовую прибыль не более 136 316 тыс. руб. Коэффициент асимметрии:
AS = 1,86 > 0 – правосторонняя асимметрия.
Это же подтверждается и выражением вида:
(- Мо) = 182378,5 – 113639 = 68739,5 > 0.
Оценка существенности асимметрии подтвердила ранее сформулированные выводы:
.
Так как AS = 0,7 > 0,5, то асимметрия ряда распределения балансовой прибыли считается существенной.
Коэффициент эксцесса ЕX = 3,05 > 0, что свидетельствует об островершинном распределении.
В целом анализ выборочных характеристик Me < > Мо (136316 < 182378,5 > 113639) не позволяет достаточно точно охарактеризовать закон распределения исходных данных. В этом случае более точной оценкой близости нормальному закону распределения является проверка данных на основе одного из критериев, перечисленных в п. А.I, например, критерия К. Пирсона:
,
где fЭ – эмпирические значения признака;
fТ – теоретические значения признака.
Расчет теоретических частот осуществляется по формуле вида
,
где N – объем совокупности;
h – ширина интервала,
σ – среднее квадратическое отклонение;
f(t) – табулированные значения функции , для нормального закона распределения (приложение 4), где ;
хi – середина интервала;
–среднее значение признака.
Охарактеризуем закон распределения коммерческих банков РФ по величине балансовой прибыли (табл. 13.3).
(α = 0,90, v = k – 3 = 1).
, следовательно, гипотеза о случайности расхождения между частотами эмпирического и теоретического распределения отвергается.
Таблица 13.3
Расчетная таблица для определения расчетного значения χ2-критерия
Группы банков по величине балансовой прибыли, тыс. руб. |
Число банков |
Середина интервала xi |
|
f(t) |
|
fT |
|
2316-203316 |
36 |
102816 |
-0,76 |
0,2989 |
92 |
28 |
2,3 |
203316-404316 |
7 |
303816 |
1,16 |
0,2036 |
92 |
19 |
7,6 |
404316-605316 |
3 |
504816 |
3,09 |
0,0034 |
92 |
1 |
4,0 |
605316-806316 |
2 |
705816 |
5,02 |
0,0000017 |
92 |
0,0 |
0,0 |
Итого |
48 |
- |
- |
- |
- |
48 |
13,9 |
Аналогичный подробный анализ должен быть проведен по всем анализируемым признакам.
После подробного анализа характера распределения необходимо перейти к следующему этапу построения модели.