- •Министерство образования и науки рф
- •Статистика
- •Вологда
- •Тематическая структура
- •I раздел. Теория статистики Тема 1. Предмет, метод и основные категории статистики как науки
- •Тема 2. Статистическое наблюдение
- •Тема 3. Сводка и группировка статистических данных
- •Тема 4. Абсолютные и относительные статистические показатели
- •Тема 5. Метод средних величин и вариационный анализ
- •Тема 6. Индексный метод
- •Тема 7. Анализ рядов динамики
- •Тема 8. Статистические методы моделирования связи социально-экономических явлений и процессов
- •II раздел. Социально-экономическая статистика Тема 9. Статистика населения
- •Тема 10. Статистика рынка труда.
- •Тема 11. Методы исчисления показателей продукции основных отраслей экономики.
- •Тема 12. Статистика уровня жизни населения
- •VII. Малообеспеченные слои населения.
- •III раздел. Система национальных счетов Тема 13. Понятие, содержание и общие принципы построения снс
- •Тема 14. Группировки и классификации в системе национальных счетов
- •Тема 15. Система макроэкономических показателей и методы их определения
- •Тема 16. Методология построения и анализа сводных счетов системы
- •IV раздел. Статистика финансов Тема 17. Статистика государственных финансов и налогов.
- •Тема 18. Система статистических показателей финансовой деятельности предприятий и организаций.
- •Тема 19. Статистические показатели денежного обращения, инфляции и цен.
- •Тема 20. Статистика банковской, биржевой деятельности, страхового и финансового рынка.
- •Тесты к разделу I. Тест к теме 1. Предмет, метод и основные категории статистики как науки
- •Тест к теме 2. Статистическое наблюдение
- •Тест к теме 3. Сводка и группировка статистических данных
- •Тест к теме 4. Абсолютные и относительные статистические показатели
- •Тест к теме 5. Метод средних величин и вариационный анализ
- •Тест к теме 6. Индексный метод
- •Тест к теме 7. Анализ рядов динамики
- •Тест к теме 8. Статистические методы моделирования связи социально-экономических явлений и процессов
- •Тест к разделу II. Социально-экономическая статистика
- •Тест к разделу III. Система национальных счетов
- •Тест к разделу IV. Статистика финансов
- •Ответы к тестам
Тема 8. Статистические методы моделирования связи социально-экономических явлений и процессов
Для изучения, измерения и количественного выражения взаимосвязей между явлениями применяются различные методы. Важнейшие из них:
метод сопоставления параллельных рядов,
балансовый,
графический,
метод аналитических группировок,
дисперсионный анализ;
Корреляционно-регрессионный анализ (КРА).
При стохастической (статистической, корреляционной) связи каждому значению независимой переменной Х соответствует множество значений зависимой переменной Y, при чем неизвестно заранее, какое именно. Статистические закономерности проявляются только для большого числа единиц совокупности.
КРА решает две основные задачи:
определение формы связи (регрессионный анализ);
измерение тесноты связи (корреляционный анализ)..
Задача регрессионного анализа — выбор типа модели (формы связи), устанавливающих степени влияния независимых переменных.
Связь признаков проявляется в их согласованной вариации, при этом одни признаки выступают как факторные, а другие — как результативные. Причинно-следственная связь факторных и результативных признаков характеризуется по степени:
· тесноты;
· направлению;
· аналитическому выражению.
Для оценки параметров уравнений регрессии наиболее часто используется метод наименьших квадратов (МНК).
При изучении связей показателей применяются различного вида уравнения прямолинейной и криволинейной связи. При криволинейной зависимости применяется ряд математических функций:
полулогарифмическая
показательная
степенная
параболическая
гиперболическая
Значимость коэффициентов регрессии применительно к совокупности n<30 определяется с помощью t-критерия Стьюдента
На практике часто приходится исследовать зависимость результативного признака от нескольких факторных признаков. Аналитическая форма связи результативного признака от ряда факторных признаков выражается и называется многофакторным (множественным) уравнением регрессии.
Задача корреляционного анализа — измерение тесноты связи между варьируемыми признаками и оценка факторов, оказывающих наибольшее влияние.
Различают:
парную корреляцию — это зависимость между результативным и факторным признаком;
частную корреляцию — это зависимость между результативным и одним факторным признаком при фиксированном значении других факторных признаков;
множественную — многофакторное влияние в статической модели .
Для оценки тесноты связи между признаками используют коэффициент корреляции, корреляционное отношение, коэффициента детерминации, коэффициент эластичности и др.
Теснота связи при линейной зависимости измеряется с помощью линейного коэффициента корреляции, который может рассчитываться по формуле:
Значение коэффициента корреляции лежит в диапазоне от -1 до +1. Если r>0, связь между признаками прямая, если r<0, то обратная. Чем ближе значение приближается к единице, тем теснее связь, а если равно 1 – то связь функциональная .
Универсальным показателем тесноты связи является теоретическое корреляционное отношение, которое рассчитывается по уравнению регрессии. Показывает долю вариации, которую можно объяснить факторами, включенными в уравнение регрессии. Формула расчета:
где Добщ — общая дисперсия эмпирических значений y, характеризует вариацию результативного признака за счет всех факторов, включая х;
— Дтеор - факторная дисперсия теоретических значений результативного признака, отражает влияние фактора х на вариацию у.
Корреляционное отношение может быть только положительным числом, т.е. в пределах от 0 до +1.
Таблица 2
Оценка связи на основе теоретического корреляционного отношения
(шкала Чеддока)
Значение |
Характер связи |
Значение |
Характер связи |
η = 0 |
Отсутствует |
0,5 ≤ η < 0,7 |
Заметная |
0 < η < 0,2 |
Очень слабая |
0,7 ≤ η < 0,9 |
Сильная |
0,2 ≤ η < 0,3 |
Слабая |
0,9 ≤ η < 1 |
Весьма сильная |
0,3 ≤ η < 0,5 |
Умеренная |
η = 1 |
Функциональная |
Если = | | (по величине), то связь между признаками прямолинейная.
При криволинейной зависимости тесноту связи оценивают по корреляционному отношению!
Множественный коэффициент корреляции в случае зависимости результативного признака от двух факторов вычисляется по формуле:
Частные коэффициенты корреляции характеризуют степень тесноты связи результативного признака и фактора, при элиминировании его взаимосвязи с остальными факторами, включенными в анализ.
К оэффициент детерминации (Д)- это квадрат коэффициента корреляции (корреляционного отношения). Он характеризует долю влияния факторного признака:
Д=
Коэффициент эластичности (Э) показывает изменение результативного признака в процентах на 1% изменения факторного признака:
Пример
По данным о доходах на одного члена семьи (Х) и расходах на промышленные товары (Y) рассчитать параметры уравнения регрессии и тесноту связи.
Таблица 4
Доходы и расходы за месяц, ден.ед.
№ |
X |
Y |
Y2 |
X2 |
XY |
Yтеор. |
1 |
100 |
12 |
144 |
10000 |
1200 |
11 |
2 |
120 |
13 |
169 |
14400 |
1560 |
20 |
3 |
110 |
18 |
324 |
12100 |
1980 |
15 |
4 |
115 |
19 |
361 |
13225 |
2185 |
17 |
5 |
125 |
20 |
400 |
15625 |
2500 |
22 |
6 |
130 |
20 |
400 |
16900 |
2600 |
24 |
7 |
125 |
25 |
625 |
15625 |
3125 |
22 |
8 |
140 |
30 |
900 |
19600 |
4200 |
29 |
9 |
140 |
31 |
961 |
19600 |
4340 |
29 |
10 |
150 |
35 |
1225 |
22500 |
5250 |
34 |
Итого |
1255 |
223 |
5509 |
159575 |
28940 |
223 |
среднее |
125,5 |
22,3 |
550,9 |
15957,5 |
2894 |
22,3 |
Уравнение регрессии примет вид: Y= -35.4+0,46 X
Следовательно, с увеличением дохода семьи на 1 д.ед. расходы на промышленные товары увеличиваются в среднем на 0,46 д.ед.
Р ассчитаем коэффициент корреляции по формуле:
где
Следовательно, связь между признаками прямая и тесная.
К оэффициент детерминации: Д=ryx2=0.92=0.81 т.е. вариация расходов на 81 % объясняется вариацией доходов, а на 19% - влиянием неучтенных факторов.
Коэффициент эластичности т.е., с увеличением доходов на 1%- расходы увеличиваются на 2,6%.
Определим значимость коэффициента корреляции с помощью критерия Стьюдента:
По таблице Стьюдента с учетом уровня значимости 0,05 и числа степеней свободы ν =n-1=10-1=9 ( при парной корреляции) получаем =2,262. Фактические значения и превышают табличное критическое значение . Это позволяет признать вычисленные коэффициенты корреляции значимыми.
Оценка значимости линейного парного уравнения регрессии оценивается с помощью критерия Фишера:
По таблице Фишера находят Fтабл для числа степеней свободы: ע 1=1, ע2=n-2 (при парной корреляции). Если Fнабл>Fтабл, то уравнение регрессии значимо.
По таблице Фишера-Снедекора (F-распределение) Fтабл=5.32, следовательно построенное уравнение регрессии надежно для аналитических и прогнозных целей.