- •Виды средних: общие, групповые, среднее арифметическое, среднее геометрическое, среднее гармоническое. Структурные средние: мода, медиана.
- •Структурные средние
- •Вариация признака в совокупности. Показатели вариации для количественного и качественного признаков. Правило сложения дисперсий.
- •Методы изучения связи социальных явлений. Парная и множественная корреляция.
- •Парная регрессия на основе метода наименьших квадратов (мнк)
- •Виды рядов динамики. Показатели динамики. Интерполяция и экстраполяция с помощью ряда динамики.
- •Индексы постоянного и переменного состава. Индекс структурных сдвигов. Взаимосвязь среднего индекса цен, индекса структурных сдвигов и индекса постоянного состава.
- •Статистические показатели производительности труда
- •Статистические показатели оплаты труда
- •Статистические показатели себестоимости продукции
- •Статистика расхода материальных ресурсов
- •Методы исчисления запасов товарно-материальных ценностей
- •Статистические показатели основных фондов (Методы оценки наличия основных фондов. Показатели использования основных фондов. Обобщающие показатели использования).
Парная регрессия на основе метода наименьших квадратов (мнк)
Регрессионный анализ заключается в определении аналитического выражения связи, в котором изменение одной величины (называемой зависимой, или результативным признаком) обусловлено влиянием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения.
По форме зависимости различают:
линейную регрессию, которая выражается уравнением прямой (линейной функцией) вида ; (8.27)
нелинейную регрессию, которая выражается уравнениями вида:
параболы (8.28)
гиперболы . (8.29)
Если результативный и факторный признаки возрастают одинаково, примерно в арифметической прогрессии, то это свидетельствует о том, что связь между ними линейная, а при обратной связи – гиперболическая.
По направлению связи различают:
прямую (положительную) регрессию, появляющуюся при условии, если с увеличением или уменьшением независимой величины значения зависимой также соответственно увеличиваются или уменьшаются;
обратную (отрицательную) регрессию, появляющуюся при условии, что с увеличением или уменьшением независимой величины зависимая соответственно уменьшается или увеличивается.
Парная регрессия характеризует связь между двумя признаками: результативным и факторным. Оценка параметров уравнений регрессии осуществляется методом наименьших квадратов (МНК), в основе которого лежит предположение о независимости наблюдений исследуемой совокупности.
Сущность метода МНК заключается в нахождении параметров модели ( ), при которых минимизируется сумма квадратов отклонений эмпирических (фактических) значений результативного признака от теоретических, полученных по выбранному уравнению регрессии: . (8.30)
Для прямой зависимости: .
Откуда система нормальных уравнений для нахождения параметров линейной парной регрессии МНК имеет вид
где n – объем исследуемой совокупности (число единиц наблюдения).
Окончательная проверка правильности расчета параметров уравнения связи производится подстановкой и в систему уравнений.
Используя уравнение связи , можно определить теоретическое значение для любой промежуточной точки.
Коэффициент регрессии уточняет связь между х и у. Он показывает на сколько единиц увеличится результативный признак при увеличении факторного признака на единицу.
Если связь между признаками у и х нелинейная и описывается уравнением параболы второго порядка, то
В данном случае задача сводится к определению неизвестных параметров: . Параметры находят по МНК, и система уравнений имеет вид:
с увеличением факторного признака возрастает (или убывает) не бесконечно, а стремится к конечному пределу, то применяется уравнение гиперболы:
Чтобы определить параметры уравнения гиперболы методом наименьших квадратов, необходимо привести его к линейному виду. Для этого производится замена переменных получается система уравнений
Решая систему уравнений, определяются параметры уравнения гиперболы.
Уравнение степенной функции имеет следующий вид:
Степенная функция применяется в экономических исследованиях для характеристики слабо нелинейной связи между результативными и факторными признаками. Параметр имеет экономический смысл – это коэффициент эластичности. Он показывает, что с увеличением признака фактора на 1 % результативный признак увеличивается на %.
Для определения параметров степенной функции МНК степенную функцию необходимо привести к линейному виду путем логарифмирования.