- •Содержание
- •Рабочая программа по курсу «Общая теория статистики» Организационно-методический раздел Цель курса
- •Задачи курса
- •Место курса в профессиональной подготовке выпускника
- •Требования к уровню освоения содержания курса
- •Распределение часов курса по темам и видам работ
- •Содержание курса Разделы курса
- •Раздел 1. Описательная статистика
- •Раздел 2. Аналитическая статистика
- •Раздел 1. Описательная статистика Темы и краткое содержание
- •Тема 1. Статистика как наука.
- •Тема 2. Статистическое наблюдение
- •Тема 3. Статистическая сводка и группировка. Ряды распределения. Статистические таблицы и графическое изображение рядов распределения.
- •Тема 4. Абсолютные и относительные показатели. Графическое изображение статистических данных.
- •Тема 5. Средние показатели
- •Раздел 2. Аналитическая статистика Темы и краткое содержание
- •Тема 10. Статистическое изучение взаимосвязи явлений.
- •Перечень примерных контрольных вопросов для самостоятельной работы
- •Примерный перечень вопросов к экзамену
- •Тема 1. Введение в теорию статистики Понятие статистики.
- •Особенности статистической методологии
- •Тема 2. Статистическое наблюдение Понятие статистического наблюдения
- •Ошибки статистического наблюдения
- •Тема 3: Сводка и группировка данных. Ряды распределения. Статистические таблицы. Статистические графики. Понятие и виды сводки и группировки.
- •Принципы построения группировок
- •Понятие и виды рядов распределения. Их графическое изображение.
- •Вторичная группировка.
- •Статистические таблицы.
- •Тема 4: Абсолютные и относительные показатели Виды статистических показателей.
- •Абсолютные показатели.
- •Относительные показатели.
- •Тема 5: Средние показатели. Сущность и значение средних показателей
- •Средняя арифметическая и ее свойства.
- •Другие виды средних величин.
- •Структурные средние величины.
- •Тема 6: Показатели вариации Понятие и меры вариации.
- •Виды дисперсий и правило их сложения.
- •Дисперсия альтернативного признака.
- •Изучение формы распределения.
- •Структурные характеристики рядов распределения.
- •Тема 7: Выборочное наблюдение Понятие выборочного наблюдения. Способы формирования выборочной совокупности.
- •Определение необходимого объема выборки.
- •Оценка результатов выборочного наблюдения и распространение их на генеральную совокупность.
- •Малая выборка.
- •Предельная ошибка выборки для некоторых способов формирования выборочной совокупности
- •Необходимый объем выборки для некоторых способов формирования выборочной совокупности
- •Распределение вероятности в малых выборках в зависимости от коэффициента доверия t и объема выборки n
- •Тема 8: Ряды динамики Понятие и классификация рядов динамики.
- •Показатели изменения уровней ряда динамики.
- •Тема 9: Экономические индексы Понятие экономических индексов и их классификация.
- •Индивидуальные индексы
- •Агрегатные индексы.
- •Средние индексы.
- •Индексы Ласпейреса, Пааше и Фишера.
- •Базы и веса индексов.
- •Структурные индексы.
- •Пространственно-территориальные индексы.
- •Тема 10: Статистическое изучение взаимосвязи социально-экономических явлений. Понятие регрессии и корреляции.
- •Парная регрессия.
- •Множественная регрессия.
- •Рекомендуемая литература
Парная регрессия.
Парная регрессия характеризует связь между двумя признаками: результативным и факторным.
Оценка параметров уравнения регрессии а0, а1 осуществляется методом наименьших квадратов, в основе которого лежит предположение о независимости наблюдений исследуемой совокупности и нахождении параметров модели, при котором минимизируется сумма квадратов отклонений фактических значений результативного признака от теоретических, полученных по уравнению регрессии:
Система нормальных уравнений для нахождения параметров линейной парной регрессии методом наименьших квадратов имеет следующий вид:
где n – объем исследуемой совокупности (число единиц наблюдения).
В уравнениях регрессии параметр а0 показывает усредненное влияние на результативный признак неучтенных факторов; параметр а1 – коэффициент регрессии показывает, на сколько изменяется в среднем значение результативного признака при изменении факторного на единицу его собственного измерения.
Множественная регрессия.
Изучение связи между тремя и более связанными между собой признаками носит название множественной (многофакторной) регрессии. При исследовании зависимостей методами множественной регрессии требуется определить аналитическое выражение связи между результативным признаков (Y) и множеством факторных признаков (x1, x2, x3,…xn).
Построение моделей множественной регрессии включает несколько этапов:
выбор формы связи (уравнения регрессии);
отбор факторных признаков;
обеспечение достаточного объема совокупности для получения реальных оценок.
Практика построения многофакторных моделей показывает, что все реально существующие зависимости между социально-экономическими явлениями можно описать, используя пять типов моделей:
линейная;
степенная;
показательная;
параболическая;
гиперболическая.
Качество уравнения регрессии зависит от степени достоверности и надежности исходных данных и объема совокупности.
Немаловажное значение имеет процедура отбора факторов в уравнение. Наиболее приемлемым способом отбора факторных признаков является шаговая регрессия. Сущность метода шаговой регрессии заключается в последовательном включении факторов в уравнение регрессии и последующей проверке их значимости.
Если при включении нового фактора в модель, коэффициенты регрессии меняют не только свои значения, но и знаки, а множественный коэффициент корреляции не возрастает, то данный факторный признак признается нецелесообразным для включения в модель связи.
Сложность и взаимно переплетение отдельных факторов, обуславливающих исследуемое экономическое явление, могу проявляться в так называемой мультиколлинеарности. Под мультиколлинеарностью понимается тесная зависимость между факторными признаками, включенными в модель. Одним из индикаторов определения мультиколлинеарности между признаками является превышение парным коэффициентом корреляции величины 0,8.
При наличии линейной связи между результативным и несколькими факторными признака, а также между парой факторных признаков определяется множественный коэффициент корреляции:
Множественный коэффициент корреляции изменяется в пределах от 0 до 1. Чем ближе R к единице свидетельствует о сильной зависимости между признаками.