- •Статистика предприятия
- •Часть I
- •1. Предмет и задачи статистики
- •1.2 Категории статистической науки
- •1.3 Задачи статистики
- •1.4 Организация статистики в Республике Беларусь
- •2.Статистическое наблюдение
- •2.1 Организационные формы наблюдения
- •2.2 Виды статистического наблюдения
- •2.3 Способы статистического наблюдения
- •2.4 Организация работы по статистическим наблюдениям
- •2.5 Ошибки статистического наблюдения
- •2.6 Контроль статистических данных
- •3 Сводка и группировка статистических материалов
- •3.1 Задачи сводки и ее основное содержание
- •3.2 Статистические группировки и их виды
- •3.2.1 Типологическая группировка
- •3.2.2 Структурная группировка
- •13.2.3 Аналитическая группировка
- •3.3 Вторичные группировки
- •3.4 Ряды распределения, их виды и графическое изображение
- •3.5 Статистические таблицы
- •3.6 Статистические графики
- •4 Обобщающие статистические показатели
- •4.1 Абсолютные величины, их виды, единицы измерения
- •4.2 Относительные величины, их виды и значения
- •4.3 Основные принципы построения относительных величин
- •4.4 Построение системы статистических показателей
- •5 Средние величины
- •5.1 Понятие средней величины. Виды средних величин
- •5.2 Средняя арифметическая, ее свойства и вычисление
- •5.3 Вычисление средней арифметической способом моментов
- •5.4 Средняя гармоническая, ее виды и вычисления
- •5.5 Мода и медиана. Их вычисление в дискретных и интервальных вариационных рядах
- •6 Показатели вариации
- •6.1 Характеристика показателей вариации
- •6.2 Показатели, характеризующие структуру и форму распределения признака
- •6.4 Дисперсия альтернативного признака
- •6.5 Определение тесноты связи между факторами. Правило сложения дисперсий
- •7 Индексы
- •7.1 Понятие об индексах. Их классификация. Индексная символика
- •7.2 Принципы и методы построения общих индексов
- •7.3 Построение индексов качественных показателей в агрегатной форме
- •7.4 Построение агрегатных индексов, объемных показателей
- •7.5 Построение агрегатного индекса производительности труда
- •7.6 Индексы с постоянными и переменными весами
- •7.7 Преобразование агрегатных индексов в индексы средние из индивидуальных
- •7.8 Индексный метод анализа факторов динамики (система взаимосвязанных индексов)
- •7.9 Индексы постоянного, переменного состава и влияния структурных сдвигов
- •7.10 Построение территориальных индексов
- •8 Статистическое изучение динамики
- •8.1 Ряды динамики и их виды
- •8.2 Темпы роста, их вычисление
- •8.3 Прирост и темп прироста. Абсолютное значение 1% прироста.
- •8.4 Вычисление средних показателей динамики
- •8.5 Приемы анализа рядов динамики
- •8.6 Аналитическое выравнивание ряда динамики
- •При четном числе уровней динамического ряда
- •8.7 Приемы анализа сезонных колебаний
- •9 Выборочное наблюдение
- •9.1 Общее понятие о выборочном методе и причины его использования
- •9.2 Способы отбора
- •9.2.1 Собственно случайная выборка
- •9.2.2 Механический отбор
- •9.2.3 Типический (районированный) отбор
- •9.2.4 Гнездовой (серийный) отбор
- •9.3 Понятие о моментном наблюдении и малой выборке
- •10 Статистическое изучение взаимосвязи
- •10.1 Виды связей
- •10.2 Измерение тесноты связи между атрибутивными признаками
- •10.2.1 Коэффициент взаимной сопряженности Чупрова и Пирсона
- •10.2.2 Коэффициенты ассоциации и контингенции
- •10.3 Измерение тесноты связи между количественными признаками
- •10.3. 1 Метод сравнения параллельных рядов
- •10.3.2 Коэффициент Фехнера
- •10.3.3 Коэффициент корреляции рангов
- •10.3.4 Метод аналитических группировок
- •10.4 Метод корреляционно-регрессионного анализа. Корреляционное отношение и коэффициент корреляции
- •10.5 Измерение тесноты связи между признаками
- •10.6 Проверка значимости корреляционной связи с помощью дисперсионного анализа
- •10.7 Понятие о многофакторном корреляционно-регрессионном анализе
- •Литература
- •Содержание
- •Статистика
- •212027, Могилев, пр-т Шмидта,3.
- •212027, Могилев, пр-т Шмидта,3.
8.6 Аналитическое выравнивание ряда динамики
Использование методов этой группы позволяет преодолеть недостатки приемов механического сглаживания. Они дают возможность учитывать все уровни динамического ряда, моделировать динамические процессы, строить прогноз и интерполировать отдельные значения анализируемого показателя.
Основополагающей в теории аналитического выравнивания является идея о возможности геометрического представления зависимости уровней динамического ряда от фактора времени (t). Всегда можно найти плавную линию (прямую или кривую), которая бы проходила через центр распределения и минимизировала сумму квадратов отклонений от нее до каждой точки, представляющей отдельные фактические значения у. Чем лучше теоретическая кривая описывает распределение значений анализируемого показателя в динамике и меньше сумма квадратов отклонений (ошибка функции тренда), тем, следовательно, лучше сделан выбор теоретической функции и надежнее статистические выводы о закономерностях в динамике для у (рисунок 8.1).
Объём реализации
yt
t (годы)
y=f(t)
Рисунок 8.1 – Динамика объемов реализации продукции предприятия
Составляется модель зависимости значений показателя от фактора времени t . Эта модель называется уравнением тренда.
Параметры модели для ŷt находят с использованием метода наименьших квадратов, т.е. при условии, что сумма квадратов ошибки модели минимальна, близка к нулю:
Рассмотрим аналитическое выравнивание по прямой. Уравнение прямой имеет вид
yt=a0+a1t,
где t – время,
a0, a1 – параметры.
Величина a0 характеризует среднее значение признака в динамическом ряду, , a1 – ежегодный прирост значений признака, обусловленный фактором времени.
Если а1>0, – имеется тенденция к росту, если а1<0, имеется тенденция к снижению.
Параметры a0 и a1 можно найти из следующей системы уравнений:
Поскольку t – время, можем перейти к условным годам, выбрав начало отсчета таким образом, чтобы сумма времени ∑t была равна 0.
При этом индексация временных периодов производится по следующему правилу:
– если во временном ряду четное число лет, то обозначения t принимаются с разницей в одну единицу (таблица 8.3):
Таблица 8.3 – Выбор t-значений при четном числе лет во временном ряду
Год |
2004 |
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
2011 |
Обозначение года (t) |
-7 |
-5 |
-3 |
-1 |
1 |
3 |
5 |
7 |
– если в анализируемом периоде число лет нечетно, то в центре динамического ряда ставится ноль, а вправо и влево от него годы нумеруются по порядку (таблица 8.4):
Таблица8.4 – Выбор t-значений при нечетном числе лет во временном ряду
Год |
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
2011 |
Обозначение года (t) |
-3 |
-2 |
-1 |
0 |
1 |
2 |
3 |
При четном числе уровней динамического ряда
При нечетном
Тогда, подставив значение ∑t=0 в систему уравнений , получим следующую систему уравнений:
.
Следовательно, значения параметров a0 и a1 имеют вид:
Воспользуемся упрощенным алгоритмом расчета и расчеты исходных сумм покажем в таблице 8.5.
Таблица 8.5 – Расчет параметров уравнения линейной функции по данным о реализации грузовых автомобилей на рынке
Год |
Реализовано грузовых автомобилей, тыс. шт., (у ) |
t |
t2 |
tyt |
Теоретическое значение уt = 18,25 + 0,56t |
1 |
2 |
3 |
4 |
5 |
6 |
2004 |
15 |
-7 |
49 |
-105 |
14.33 |
2005 |
14 |
-5 |
25 |
-70 |
15,45 |
2006 |
16 |
-3 |
9 |
-48 |
16,57 |
2007 |
19 |
-1 |
1 |
-19 |
17,69 |
2008 |
20 |
1 |
1 |
20 |
18,81 |
2009 |
19 |
3 |
9 |
57 |
19,93 |
2010 |
21 |
5 |
25 |
105 |
21,05 |
2011 |
22 |
7 |
49 |
154 |
22,17 |
Итого |
146 |
- |
168 |
94 |
146 |
По данным таблицы 8.5 находим
Уравнение тренда запишем в следующем виде:
yt=18,25+0,56t.
В этом уравнении – среднее значение признака в динамическом ряду,– ежегодный прирост значений признака, обусловленный фактором времениt. В нашем примере средний годовой объем реализации грузовых автомобилей на рынке в течение 8-летнего периода составил 18,25 тыс. шт., ежегодный прирост объема реализации – 0,56 тыс. шт.
Подставляя в уравнение тренда условные значения фактора времени t, легко вычислить теоретические (выровненные) значения показателя объема реализации автомобилей (таблица 8.5).
Линейная функция часто используется в анализе динамики, и она наиболее проста. Однако когда значения динамического показателя изменяются неравномерно, линейная функция может давать грубые ошибки и следует искать функцию другого вида, наиболее точно отвечающую эмпирическому распределению значений изучаемого показателя. Подбор функции при этом осуществляется графически или статистическим путем.
Статистика располагает достаточно большим набором теоретических функций, например уравнение параболы второго порядка:
yt=а0+а1t+а2t2.
Такая модель успешно используется при изменении значений показателя в динамике с ускорением (замедлением), система нормальных уравнений в этом случае будет иметь вид:
,
где a0 – средний уровень динамического ряда,
а1 – средний годовой прирост уровня динамического ряда,
а2 – скорость развития явления (ускорение), т.е. дополнительный средний прирост уt за счет более высоких темпов развития явления в каждый последующий год.
Кроме того, могут использоваться наиболее употребляемые виды функций:
– экспоненциальная: yt=a0ea1 – явления имеют этапы замедленного и (простая) ускоренного развития;
– степенная: yt=a0ta1– явления с преобладающим ускоренным развитием;
– гиперболическая I типа: yt=a0+а1/t –явления с преобладающими этапами замедленного развития;
Всплески в развитии являются результатом постепенного накопления количественных изменений;
– гиперболическая II типа: yt=1/(a0+a1t).