- •1. Предмет и метод статистики
- •1.1 Возникновение и определение статистики
- •1.2. Предмет статистики и особенности статистики как науки
- •1.3. Статистические закономерности
- •1.4. Признаки
- •1.5. Метод статистики
- •1.6. Организация государственной статистики в рф
- •2. Средние величины
- •3. Статистическое наблюдение
- •3.1. Понятие статистического наблюдения. Этапы его проведения
- •3.2. Методологические вопросы статистического наблюдения
- •3.3. Основные организационные формы, виды и способы статистического наблюдения
- •Статистическое наблюдение
- •3.4. Статистическая отчетность
- •3.5. Требования, предъявляемые к данным стат. Наблюдения
- •3 Этап сн: подготовка данных к обработке
- •4. Вариационные ряды и их характеристика
- •4.1. Вариация массовых явлений
- •4.2. Построение вариационного ряда. Виды рядов. Ранжирование данных
- •4.3. Определение числа групп и величины интервала
- •4.4. Плотность распределения
- •4.5. Графическое изображение вариационного ряда
- •4.6. Структурные средние
- •Мода распределения
- •Медиана распределения
- •4.7. Другие структурные характеристики вариационного ряда Квартили и децили распределения
- •4.8. Показатели размера и интенсивности вариации
- •4.9. Свойства дисперсии и способы ее расчета
- •4.10. Дисперсия альтернативного признака
- •4.11. Виды дисперсий и правило их сложения
- •4.12. Закономерности распределения
- •4.13. Закон нормального распределения
- •4.14. Моменты распределения
- •4.15. Асимметрия распределения
- •4.16. Эксцесс распределения
- •5. Статистическая сводка. Группировка данных наблюдений. Таблицы
- •5.1. Статистическая сводка
- •5.2. Группировка данных
- •5.3. Определение числа групп и величины интервалов
- •5.4. Виды группировок
- •Типологические группировки
- •Структурные группировки
- •Аналитические группировки
- •5.5. Классификации
- •5.6. Сопоставимость статистических группировок
- •5.7. Статистические таблицы
- •6. Выборочное наблюдение и его организация
- •6.1. Выборочное наблюдение. Принципы теории выборки
- •6.2. Ошибки репрезентативности. Ошибки выборки
- •6.3. Определение необходимого объема выборки
- •6.4. Виды отбора единиц в выборочную совокупность
- •6.5. Малая выборка
- •6.6. Моментные наблюдения
- •7. Статистические показатели
- •7.1. Сущность статистических показателей
- •Границы объекта:
- •Статистический показатель
- •7.2. Классификация статистических показателей
- •7.3. Абсолютные показатели
- •7.4. Относительные показатели
- •8. Статистические методы изучения взаимосвязи между явлениями
- •8.1. Понятие корреляционной зависимости
- •8.2. Методы выявления корреляционной связи
- •Метод группировок
- •8.3. Изучение связи между двумя атрибутивными (качественными, описательными) признаками
- •8.4. Измерение связи по таблицам взаимной сопряженности
- •8.5. Измерение тесноты связи между порядковыми переменными
- •8.6. Показатели тесноты связи между двумя количественными признаками
- •Линейный коэффициент корреляции
- •8.7. Определение уравнения регрессии между двумя переменными
- •8.8. Теоретическое корреляционное отношение
- •8.9. Множественная корреляция
- •9. Ряды динамики
- •9.1. Понятие о рядах динамики. Их виды
- •9.2. Сопоставимость уровней ряда.
- •9.3. Основные показатели рядов динамики
- •Методы выявления основной тенденции в рядах динамики
- •Выявление и измерение сезонных колебаний
- •Измерение колеблемости в рядах динамики
- •Автокорреляция в рядах динамики
- •Определение уравнения авторегрессии
- •Элементы прогнозирования
- •10. Виды и способы построения индексов
- •10.1. Понятие об индексах. Их виды
- •10.2. Агрегатные индексы
- •1. Агрегатный индекс физического объема.
- •2. Агрегатный индекс цен
- •10.3. Средние индексы из индивидуальных
- •1. Индекс физического объема
- •2. Индекс цен
- •10.4. Индексы переменного и постоянного составов. Индекс структурных сдвигов
- •Iпост .
- •10.5. Цепные и базисные индексы
- •10.6. Определение роли отдельных факторов в динамике результативных показателей
- •10.7. Территориальные индексы
Автокорреляция в рядах динамики
Во многих рядах динамики можно наблюдать зависимость уровня yt от предшествующих yt-1. Например, численность населения за определенный год зависит (при прочих равных условиях) от численности в предшествующие годы. То же самое наблюдается в случае цен на товары и услуги.
Зависимость между последовательными уровнями ряда динамики называется автокорреляцией.
Измерить автокорреляцию между уровнями ряда можно с помощью коэффициента автокорреляции, вычисляемого по формуле парного линейного коэффициента корреляции:
Коэффициент автокорреляции можно рассчитывать
между соседними уровнями,
между уровнями, сдвинутыми на любое число единиц времени m.
Этот сдвиг, называемый временным лагом, определяет порядок коэффициента автокорреляции: 1-го порядка при m=1, т.е. между соседними уровнями; 2-го порядка при m=2, т.е. при сдвиге на 2 периода, и т.д.
Рассмотрим коэффициент автокорреляции первого порядка. Он определяется по формуле:
При достаточно большом числе уровней ряда n значения средних уровней и СКО у исходного и сдвинутого рядов практически совпадают, т.е. и
Используя эти равенства и отдавая предпочтение средней и СКО исходного ряда, получим приближенную формулу коэффициент автокорреляции:
или
Чтобы иметь возможность использовать вышеприведенные формулы и для коротких рядов, у которых первый и последний уровни отличаются незначительно, сдвинутый (укороченный) ряд условно дополняют, принимая (чтобы сдвинутый ряд не укорачивался и чтобы средний уровень и СКО одного ряда были соответственно равны среднему уровню и СКО второго ряда).
Найденное значение коэффициента автокорреляции само по себе еще не говорит о наличии или отсутствии автокорреляции. Его необходимо сравнить с критическим (существуют специальные таблицы).
Если фактическое (расчетное) значение коэффициента меньше табличного, то гипотеза об отсутствии автокорреляции в ряду может быть принята. Если же фактическое значение больше табличного, то данная гипотеза отвергается и делается вывод о наличии автокорреляции.
Определение уравнения авторегрессии
В рядах динамики, в которых обнаружена автокорреляция между уровнями ряда, каждый уровень можно рассматривать как функцию предыдущих значений уровней. Уравнение, выражающее эту зависимость, называется уравнением авторегрессии.
Наиболее простой формой зависимости между соседними уровнями ряда может служить линейная функция, выраженная уравнением
Параметры уравнения авторегрессии с лагом в один год определяем, решая систему нормальных уравнений
При этом следует иметь в виду, что поскольку сдвинутый ряд содержит на один уровень меньше, чем исходный ряд, то все расчеты сумм необходимо проводить для одного и того же числа членов ряда, а именно для .
Более сложной формой линейной авторегрессионной зависимости будет такая, при которой значение уровня в каждый момент времени t характеризуется зависимостью одновременно от нескольких предшествующих уровней, т.е.
,
где m – число уровней ряда, включенных в уравнение в качестве переменных и определяющих порядок авторегрессии.
Авторегрессионные модели различного порядка можно оценить с помощью остаточных дисперсий, рассчитываемых между фактическими и теоретическими уровнями. Предпочтение следует отдать уравнению авторегрессии с таким числом m, при котором остаточная дисперсия минимальна.