- •«Оренбургский государственный университет»
- •Методические указания для выполнения расчетно-графического задания по дисциплине «Статистика»
- •Содержание
- •Методические указания по выполнению расчетно-графического задания
- •Абсолютные, относительные и средние величины Теоретические основы статистического изучения абсолютных, относительных и средних величин
- •Решение типовой задачи
- •Решение
- •Задание для самостоятельного освоения Вариант №1
- •Вариант №2
- •Вариант №3
- •Вариант №4
- •Вариант №5
- •Сводка и группировка статистических показателей Теоретические основы статистической сводки и группировки
- •Решение типовых задач Задача №1 – Типологическая группировка
- •Решение задачи №1:
- •Задача №2 – Аналитическая группировка
- •Задание для самостоятельного освоения Вариант №1
- •Вариант №2
- •Вариант №3
- •Вариант №4
- •Вариант №5
- •Статистическое изучение структуры Теоретические основы статистического изучения
- •Решение типовой задачи
- •Решение
- •Задание для самостоятельного освоения Вариант №1
- •Вариант №2
- •Вариант №3
- •Вариант №4
- •Вариант №5
- •Корреляционно-регрессионный анализ Теоретические основы статистического изучения
- •Решение типовой задачи
- •Решение:
- •Задание для самостоятельного освоения Вариант №1
- •Вариант №2
- •Вариант №3
- •Вариант №4
- •Вариант №5
- •Анализ временных рядов Теоретические основы статистического изучения
- •Решение типовых задач
- •Задача №2 – Выявление тренд составляющей
- •Задача №3 – Выявление сезонной составляющей
- •Задание для самостоятельного освоения
- •Рекомендуемая литература
- •Статистика государственных финансов
- •Решение типовой задачи статистика денежного обращения
- •Статистика налогов и налогообложения
- •Список использованных источников
Вариант №5
Имеются следующие данные характеризующие субъекты Приволжского федерального округа (ПФО) в 2005 году.
Субъекты ПФО |
Доходы консолидированных бюджетов субъектов, млн. рублей |
Экспорт, млн. долларов США |
Импорт, млн. долларов США |
Республика Башкортостан |
60323,5 |
5781 |
307,1 |
Республика Марий Эл |
8188 |
38,8 |
30,6 |
Республика Мордовия |
19406 |
17,4 |
83,2 |
Республика Татарстан |
87257,9 |
7015,7 |
473,8 |
Удмуртская Республика |
21505,4 |
309,9 |
160,7 |
Чувашская Республика |
15001 |
121,7 |
77 |
Пермский край |
49701,8 |
2565,7 |
247,4 |
Кировская область |
17269,3 |
329,1 |
33,2 |
Нижегородская область |
40637,4 |
1027,8 |
852,5 |
Оренбургская область |
29394,7 |
1885,6 |
101,8 |
Пензенская область |
14200,8 |
25,9 |
69 |
Самарская область |
55591,4 |
5334,8 |
873,6 |
Саратовская область |
26759,1 |
1501,6 |
244,8 |
Ульяновская область |
14017,7 |
81,7 |
50,9 |
Источник: Росстат
Необходимо:
-
Построить поле корреляции между доходом консолидированного бюджета и экспортом сделать предположение о наличии взаимосвязи между исследуемыми показателями;
-
Рассчитать коэффициент корреляции Пирсона между доходом консолидированного бюджета и импортом;
-
Оценить параметры парного линейного уравнения регрессии и провести расчет возможного доходов бюджета при среднем значении экспорта (1860 млн. долларов США).
Анализ временных рядов Теоретические основы статистического изучения
Ряд динамики представляет собой числовые значения определенного статистического показателя в последовательные моменты или периоды времени.
Числовые значения того или иного статистического показателя, составляющие ряд динамики, называют уровнями ряда и обычно обозначают через у. Первый член ряда у0 (или у1) называют начальным уровнем, а последний уT — конечным. Моменты или периоды времени, к которым относятся уровни, обозначают через t.
Все многообразие временных рядов тем не менее можно сгруппировать по следующим признакам:
Рисунок 11 – Классификация видов рядов динамики
Структуру временного ряда можно представить в виде четырех компонент:
Тренд, плавно меняющаяся компонента, описывающая чистое влияние долговременных факторов, т.е. длительную (вековую) тенденцию изменения признака yt.
Сезонная компонента, отражающая повторяемость социально-экономических процессов внутри года.
Циклическая компонента, отражающая повторяемость социально-экономических процессов в течение длительных периодов (волны Кондратьева, демографические «ямы», циклы солнечной активности и т. п.).
Случайная компонента («остатков», «ошибок»), отражающая влияние не поддающихся учету и регистрации случайных факторов. Их воздействие на формирование значений временного ряда как раз и обусловливает стохастическую (вероятностную, случайную) природу элементов yt.
В зависимости от применяемого способа сопоставления показатели динамики могут вычисляться на постоянной и переменной базах сравнения.
Базисные - показатели, при расчете которых каждый уровень сравнивается с одним и тем же уровнем, именуемым базисным.
Цепные - показатели, при расчете которых последующий уровень сравнивается с предыдущим.
Формулы расчета показателей динамического ряда приведены в таблице:
Таблица 4 – Методика расчета показателей временного ряда
Наименование показателя |
Цепной |
Базисный |
Интерпретация |
Абсолютный прирост |
показывает, насколько данный уровень ряда превышает уровень, взятый за базу сравнения |
||
Взаимосвязь - |
|||
Темп роста |
показывает во сколько раз изменился текущий уровень относительно базисного уровня |
||
Взаимосвязь - |
|||
Темп прироста |
показывает на сколько % изменился сравниваемый уровень относительно базисного уровня |
Рисунок 12 – Классификация средних характеристик ременного ряда
Рисунок 13 – Классификация методов выделения тренда во временном ряду
В аналитическом выравнивании наиболее часто используются следующие простейшие функции:
Таблица 5 – Свойства основных аналитических функций
Функция |
Формула |
Рекомендации |
Линейная |
используется в том случае, если первые разности уровней (абсолютные приросты) более или менее постоянны |
|
Парабола второго порядка |
используется в том случае, если вторые разности уровней (ускорения) более или менее постоянны |
|
Показательная |
используется в том случае, если цепные коэффициенты роста примерно постоянны |
|
Гипербола |
используется в том случае, если обнаружено замедленное снижение (рост) уровней ряда, которые по логике не могут снизиться до нуля (превысить какое-либо значение) |
Для выявления детерминированной сезонной волны разработано большое количество алгоритмов, самыми распространенными из которых являются:
-
исчисление индексов сезонности;
-
десезонализация данных;
-
сезонная декомпозиция временного ряда;
-
фиктивные переменные;
-
преобразование Фурье;
В качестве алгоритмов выявления эволюционирующей сезонной волны можно назвать следующие методики:
-
процедура X-12-ARIMA является расширенной версией процедуры сезонной корректировке X-11 разработанной Бюро переписей США.
-
процедура ES (Extract Seasons) - суть методики заключается в применении непараметрического алгоритма сезонной корректировки временных рядов основанному на использовании вариационных принципов.
-
процедура TRAMO/SEATS. Данная процедура основывается на ARIMA моделях, была разработана Maravall и Gomez и реализована в программе Burman.
-
BV4 - метод сезонной корректировки основанный на скользящем фильтре методом регрессии. В настоящее время является официальным методом сезонной корректировки Центрального Статистического Офиса Германии. Данный метод способен выделить такие составляющее временного ряда как: тренд-циклическую, сезонную, календарную, нерегулярную.