- •Общая теория статистики
- •Часть 2
- •Тема 8. Выборочное наблюдение.
- •8.1. Понятие выборочного наблюдения.
- •8.2. Понятие ошибки выборки.
- •8.3. Определение необходимой численности выборки.
- •8.4. Способы распространения выборочных характеристик на генеральную совокупность.
- •8.5. Способы образования выборочной совокупности.
- •Тема 9. Статистические ряды динамики.
- •9.1. Понятие статистических рядов динамики.
- •9.2. Сопоставимость в рядах динамики.
- •9.3. Система показателей динамики.
- •9.4. Средние показатели рядов динамики.
- •9.5. Приемы анализа рядов динамики.
- •9.6. Экстраполяция и интерполяция.
- •9.7. Изучение сезонных колебаний.
- •Тема 10. Индексный метод.
- •10.1. Понятие и классификация индексов.
- •10.2. Агрегатные индексы. Система индексов.
- •10.3. Средние индексы.
- •10.4. Цепные и базисные индексы.
- •10.5. Изучение индексным методом влияния структурных сдвигов.
- •10.6. Территориальные индексы.
- •Тема 11. Статистическое изучение взаимосвязей явлений.
- •11.1. Задачи статистики в изучении взаимосвязи явлений.
- •11.2. Методы корреляционно-регрессионного анализа связи.
- •11.3. Корреляционно-регрессионный анализ связи парной корреляции.
- •11.4. Понятие множественной регрессии.
11.3. Корреляционно-регрессионный анализ связи парной корреляции.
Парная корреляция (рассматривалась во втором вопросе) – методология, рассматривающая влияние вариации факторного признака x на результат y, т.е. взаимосвязь пары признаков x и y. Применение: на примере – выбрать адекватную модель (на базе данных по однотипным предприятиям зависимости затрат на ремонт оборудования от возраста оборудования.
№
|
Возраст оборудования; лет
|
Затраты на ремонт, тыс. руб.
|
по прямолинейной |
по логарифми-ческой |
по показа-тельной |
1 |
4 |
1,5 |
0,868 |
0,65 |
1,36 |
2 |
5 |
2,0 |
1,479 |
1,54 |
1,64 |
3 |
5 |
1,4 |
1,479 |
1,54 |
1,64 |
4 |
6 |
2,3 |
2,090 |
2,27 |
1,99 |
5 |
8 |
2,7 |
3,312 |
3,42 |
2,93 |
6 |
10 |
4,0 |
4,534 |
4,31 |
4,31 |
7 |
8 |
2,3 |
3,312 |
3,42 |
2,93 |
8 |
7 |
2,5 |
2,700 |
2,89 |
2,41 |
9 |
11 |
6,6 |
5,145 |
4,70 |
5,23 |
10 |
6 |
1,7 |
2,090 |
2,27 |
1,99 |
Итого: |
70 |
27,0 |
27,009 |
27,01 |
26,43 |
Определяется путём перебора наиболее часто применяемых уровней регрессии:
а) прямолинейной функции:;
б) логарифмической функции: ;
в) показательной функции: .
Сравниваться должны два критерия: остаточная дисперсия – должна быть минимальна для определения адекватных моделей и средняя ошибка аппроксимации – должна быть минимальна.
Параметры находятся по методу наименьших квадратов, для показательной – через логарифм.
а) , б), в).
Параметры проверяются на типичность, для чего рассчитывается и -фактические, число степеней свободы и через и.
а)б)в)
остаточная дисперсия а) б)в).
Параметры везде получаются значимы.
Практическая значимость моделей оценивается по R(r): и
а) б) в)
проверяется по F-крит. с , –везде значимы.
а) – может быть использована для практических целей;
б) – может быть пригодна;
в) – может быть пригодна.
Далее модели проверяются на адекватность через показатель средней ошибки аппроксимации.
а) б)в).
Следовательно, наиболее адекватной является экономико-математическая модель, построенная по показательной функции.
11.4. Понятие множественной регрессии.
На практике чаще всего возникает необходимость исследовать зависимость результативного признака от нескольких факторных признаков. Тогда статистическая модель представляется уравнением регрессии с несколькими переменными величинами. Такая регрессия называется множественной.
Множественная линейная регрессия имеет вид:
, где – фиктивная переменная.
Параметры уравнения определяются МНК, при этом значения x и y представляются в матричном виде:
матрица - значений независимых переменных.
вектор значений зависимый переменной .
- вектор оценок параметров.
вектор ошибок .
Тогда: линейная модель в векторном виде
.
Вектор оценки , где - транспонированная матрица, строки исходной матрицы в транспонированной становятся столбцами, - обратная матрица.
, где - единичная матрица.
.
Например, сравнить параметры (коэффициенты регрессии) в уравнении нельзя, если они не выражаются в одинаковых единицах.
Для сравнения применяют нормированные коэффициенты регрессии (бетта-коэффициент): он показывает величину изменения результативного признака при изменении факторного признака на одну среднюю квадратическую ошибку (в единицах измерения ошибки):
, где - параметр при факторе,- средне квадратическое отклонение факторного признака,- среднее квадратическое отклонение результативного признака.
Анализ дополняется расчётом коэффициента эластичности факторных признаков
- он показывает, на сколько процентов изменится результативный признак , если факторный признак изменится на 1%, а остальные факторы будут зафиксированы на каком-либо уровне (среднем).
Те факторы, у которых ибольшие, по сравнению с другими, сильно влияют на результативный признак, а те, у которыхинезначительны, - слабо влияют и могут быть отброшены.
Рассчитывается также коэффициент множественной корреляции – он показывает тесноту связи результативного признака со всеми факторными признаками.
Для линейной функции он:
, - остаточная дисперсия,- дисперсия результативного признака.
,
.
Коэффициент множественной детерминации = .
Рост множественного коэффициента корреляции обеспечивается включением в модель факторных признаков. Для оценки вклада каждого фактора применяют частные коэффициенты корреляции. Частный коэффициент корреляции – показатель, характеризующий тесноту связи между признаками при элиминации всех остальных признаков.
Список литературы.
Положение “О государственном комитете Российской Федерации по статистике”. Утверждено постановлением Правительства Российской Федерации от 9 июля 1994 г., №834.
Постановление Главы Администрации (губернатора) Омской области от 15 февраля 2000 г. № 50-п “О Всероссийской переписи населения 2002 г. на территории Омской области”.
Общая теория статистики: Учебник. / Под ред. А.А.Спирина, О.Э.Башиной. – М.: Финансы и статистика, 1994.
Омская область в цифрах “1998”: Статистический сборник – Омск: Омский областной комитет государственной статистики, 1999.
Омская область в цифрах “1999”: Статистический сборник – Омск: Омский областной комитет государственной статистики, 2000.
Практикум по теории статистики: Учебное пособие. / Под ред. проф. Р.А.Шмойловой. – М.: Финансы и статистика, 1999.
Социально-экономическое положение г. Омска за январь-июнь 1998 г.: Статистический бюллетень. – Омск: Омский областной комитет государственной статистики, 1998.
Статистика: Курс лекций. / Под ред. к.э.н. В.Г.Ионина – Новосибирск: Издательство НГАЭиУ, М.: ИНФРА-М, 1998.
Статистическйи словарь. / Гл.ред. Ю.А. Юрков – М.: Финстат-информ, 1996.