- •1. Понятие о статистике
- •3. Основные категории статистики
- •4. Понятие о статистическом наблюдении
- •5. Виды статистического наблюдения
- •6 Способы статистического наблюдения
- •7. Организационные формы статистического наблюдения
- •8. Контроль за полнотой и достоверностью статистических данных
- •9. Сводка статистических данных
- •10.Виды статистических группировок
- •11. Техника выполнения группировок
- •12. Вторичная группировка
- •13. Абсолютные показатели
- •14. Относительные показатели
- •15. Сущность и значение средних величин, их виды
- •16. Средняя арифметическая
- •17.Средняя гармоническая величины
- •18.Средние величины-геометрическая, квадрат, кубическая, хронологическая
- •19. Показатели вариации
- •20. Вариация альтернативного признака
- •21. Виды дисперсий. Правило сложения дисперсии
- •22. Правило сложения дисперсий для альтернативного признака
- •23.Изучение форм распределения признака
- •24. Структурные средние
- •25. Понятие о выборочном наблюдении и его значение
- •26. Основные способы формирования выборочной совокупности
- •27. Ошибка выборки
- •28. Определение необходимой численности выборки
- •29. Распространение результатов выборочного наблюдения на генеральную совокупность
- •30. Понятие о статистических рядах динамики
- •31. Правила построения рядов динамики
- •32. Аналитические показатели ряда динамики
- •33. Средние показатели ряда динамики
- •34. Методы анализа основной тенденции ряда динамики
- •35. Индексы и их классификация
- •36. Общие индексы количественных показателей
- •37. Общие индексы качественных показателей
- •38. Двухфакторные системы взаимосвязанных индексов
- •39. Индексный метод анализа динамики среднего уровня
- •40. Цепные и базисные индексы
- •42. Территориальные индексы
- •43.Многофакторные индексы
- •44. Виды взаимосвязей между социально-экономическими явлениями
- •45. Методы изучения взаимосвязей социально-экономических явлений
- •46. Основные этапы корреляционно-регрессионного анализа
- •47.Парная корреляция
- •48. Множественная корреляция
- •49.Статистические таблицы.
- •50.Статистические графики и их основные элементы.
- •51.Классификация статистических графиков.
- •53 Основные экономические классификации в снс
- •54. Секторная классификация экономики
- •55. Состав снс. Счет производства товаров и услуг
- •56 Счета: образования доходов, распределения первичных доходов, вторичного распределения доходов
- •57. Счета: использования располагаемых доходов, операций с капиталом
- •58. Состав национального богатства. Баланс национального богатства
45. Методы изучения взаимосвязей социально-экономических явлений
Для изучения функциональных связей применяются балансовый и индексный методы.
Для исследования корреляционных связей широко используются следующие методы:
1) метод сопоставления двух параллельных рядов;
2) метод аналитических группировок;
3) графический метод;
4) корреляционный анализ;
5) регрессионный анализ.
Метод сопоставления двух параллельных рядов является простейшим из методов и заключается в следующем. Значения факторного признака располагаются в порядке возрастания или убывания (в зависимости от эволюции процесса и цели исследования). Затем строится параллельный ряд, состоящий из соответствующих значений результативного признака, и прослеживается зависимость между значениями факторного и результативного признаков. Сопоставление и анализ расположенных таким образом значений изучаемых признаков позволяет установить наличие связи и ее направление. К недостатку метода относится невозможность определения количественной меры связи между изучаемыми признаками.
Метод аналитических группировок состоит в следующем. Производится группировка единиц совокупности по факторному признаку. Затем для каждой группы определяется среднее значение результативного признака. Сопоставление изменений факторного и результативного признаков позволяет выявить наличие и направление, а также определить тесноту связи путем расчета эмпирического корреляционного отношения. Метод имеет недостаток - не позволяет определить форму и аналитическое выражение связи.
Графический метод состоит в том, что взаимосвязь двух признаков изображается с помощью поля корреляции. В системе координат на оси абсцисс откладываются значения факторного признака, а на оси ординат — результативного признака. Каждое имеющееся сочетание значений признаков обозначается точкой. При отсутствии тесных связей имеет место беспорядочное расположение точек на графике. Чем сильнее связь между признаками, тем сильнее будут группироваться точки вокруг определенной линии, выражающей формулу связи.
Методы корреляционного и регрессивного анализа, как правило, используются комплексно и позволяют оценить наличие, направление, тесноту связи и определить ее форму. При этом задачи корреляционного анализа сводятся к измерению тесноты связи между признаками и оценке факторов, оказывающих наибольшее влияние на результативный признак. Задачами регрессионного анализа является выбор формы связи, установление меры влияния факторных признаков на результативный.
46. Основные этапы корреляционно-регрессионного анализа
Осуществление корреляционно-регрессионного анализа предполагает наличие следующих этапов:
1. Отбор факторов;
2. Оценка информации
3. Моделирование связи (построение уравнения регрессии)
4. Оценка качества регрессионной модели и определение тесноты связи между показателями
5. Интерпретация модели и ее практическое применение
1. Определяется точность последующих выводов. Целесообразно – двух стадийный отбор факторов:
1 стадия. Исходя из задач исследования и в соответствии с теоретическими представлениями о сущности изучаемого объекта путем логического анализа отбираются факторы, оказывающие на него самостоятельное влияние. К факторам предъявляются следующие требования:
- факторы не должны находится в математическом соотношении с результативным признаком;
- факторы не должны быть линейно-зависимы между собой;
- одновременно нельзя рассматривать совокупный фактор и образующий его сумму факторов.
2 стадия предполагает использование методов количественного анализа. Сопоставление параллельных рядов аналогично группировке графически. Они позволяют оценить наличие направления и формы зависимости и сделать выводы о целесообразности дальнейшего анализа.
2. Предполагает проверку следующих исходных условий:
1. Проверка однородности информации. Критерием однородности информации является коэффициент вариации, не превышающий 33%. Коэффициент вариации рассчитывается по каждому фактору и результативному признаку. Если коэффициент вариации больше 33%, то информация неоднородна и необходимо искать нетипичные, аномальные значения.
2. Определение необходимого объема выборки по формулам теории выборочного наблюдения на основе самого высокого показателя вариации с учетом допустимого уровня значимости. Для социально-экономического исследования уровень значимости принимается на уровне альфа=0,05, р=0,954
3. Проверка информации на соответствие нормальному закону распределения. С этой целью рассчитывают показатели асимметрии и эксцесса, и если они не существенны, то значения признака распределены по нормальному закону и можно выполнять моделирование.
Моделирование – это подбор уравнения, описывающее изучаемую зависимость.
Выбор математической функции опирается на теоретические представления о изучаемом явлении, когда опыт предыдущих аналитических исследований либо на те же приемы, что используются для установления наличия связи, либо эмпирическим перебором и оценкой функций различных типов.
При изучении связи между эмпирическими явлениями используется различные уравнения линейной или нелинейной зависимости. Однако линейные модели в силу простоты и экономической интерпретации используются чаще. Кроме того, нелинейные зависимости путем логарифмирования ли замены переменной могут быть преобразованы в линейные.
Двухфакторные линейные уравнения регрессии имеют вид:
Многофакторное линейные уравнения регрессии имеют вид:
Нахождение параметров а1, а2, аn осуществляется методом наименьших квадратов. После расчета уравнения регрессии необходимо оценить качество этой модели. Качество модели обследуется по ее адекватности и точности. Под адекватностью понимают соответствие модели фактическим заданным.
Проверка адекватности:
1. Проверка значимости каждого коэффициента регрессии с помощью t-критерия Стьюдента. Рассчитанное значение критерия сравнивается с табличным. Если t рассчитанное больше t табличного, то соответствующий коэффициент регрессии признается значимым.
2. Проверка адекватности модели в целом по F-критерию Фишера осуществляется для многофакторных регрессионных моделей. Рассчитанное значение критерия также сравнивается с табличным, если превышает, то полученное уравнение регрессии является статистически значимым.
3. Проверка адекватности модели дополняется корреляционным анализом. При этом наибольшим универсальным показателем изменения тесноты связи является теоретически корреляционное отношение или индекс корреляции. Чем ближе индекс корреляции к 1, тем сильнее связь между признаками. При линейной зависимости между признаками можно рассчитать линейный коэффициент корреляции r(R). Для оценки тесноты связи нелинейной зависимости совпадение индекса корреляции и R подтверждает – связь является линейной. Точность модели оценивается по величине средней ошибки аппроксимации. Если ошибка не превышает 10%, то модель является высокоточной, ее можно экономически интерпретировать и поменять.
5. При экономической интерпретации экономическое уравнение регрессии выделяет следующие шаги:
1. Анализ знаков перед коэффициентом регрессии. Необходимо проверить, согласуются ли они с теоретическими представлениями о направлении влияния факторов.
2. Анализ коэффициента регрессии. Коэффициент регрессии показывает, насколько единиц изменится результативный показатель с изменением факторных признаков на единицу своего изменения. В общем случае, чем больше величина коэффициента регрессии, тем значительней влияние фактора.
3. Расчет коэффициента эластичности, который показывает кА сколько процентов в среднем изменяется результативный признак с изменением соответствующего фактора на 1 %.
4. Расчет бета-коэффициентов, которые показывают на какую часть своего среднего отклонения изменяется значение результативного признака при изменении факторного признака на величину его среднего квадратичного отклонения.
5. Расчет частного коэффициента детерминации, который показывает на сколько % вариация результативного признака объясняется вариацией каждого фактора.
После интерпретации уравнение регрессии может быть использовано для практических целей, таких как:
- оценка результатов хозяйственной деятельности, для этого фактическая величина результативного показателя сравнивается с теоретической величиной по уравнению регрессии. Расчет влияния факторов на прирост результативного показателя в соответствии с уравнением регрессии.
- планирование и прогнозирование величины, в уравнение подставляется прогнозируемый уровень фактических показателей.