- •Статистика наука о массовых явлениях
- •Способы получения статистической информации (отчетность обследования)
- •Статистическая совокупность (единица совокупности, виды признаков)
- •Виды статистического наблюдения
- •Ошибки статистического наблюдения.
- •Статистическая сводка и группировка
- •Абсолютные и относительные статистические величины
- •Средние величины на базе степенной средней
- •Вычисление средней арифметической при различных вариантах задания исходных данных и их свойства
- •Порядковые статистики. Квартили. Децили. Способы определения по выборочным данным.
- •Мода, определение по статистическим данным, свойства использования в статистическом анализе.
- •Медиана, определение по статистическим данным, свойства использования в статистическом анализе
- •Вариация признаков- важнейшее свойство единиц статистической совокупности
- •Показатели вариации, наиболее часто употребительные в статистике
- •Дисперсия и среднее квадратическое отклонение
- •Коэффициенты вариации, свойства, области применения
- •Графическое представление вариационного ряда
- •Асимметрия распределения (As )
- •Эксцесс распределения (куртозис, Ex)
- •Сглаживание эмпирического распределения нормальным законно распределения
- •Понятие статистической гипотезы и статистического критерия, как инструмента проверки статистических гипотез
- •Проверка гипотезы о законе распределения
- •Ошибки первого и второго рода при проверке статистических гипотез
- •Критерий согласия Xи квадрат (Критерий к. Пирсона).
- •Выборочный метод
- •Виды выборочного статистического исследования
- •Способы обеспечения случайного отбора при формирования выборки.
- •Расслоенная выборка. Способы формирования выборки при расслоенном отборе
- •Доверительный интервал для генеральной средней.
- •Определение необходимого объема выборки.
- •Повторная и бесповторная выборка
- •Средняя ошибка выборки
- •Предельная ошибка выборки.
- •Малая выборка.
- •36. Парная корреляция и регрессия.
- •37.Оценка тесноты связи в задаче парной корреляции
- •38.Соотношение коэффициента корреляции и корреляционного отношения.
- •39. Коэффициент детерминации.
- •40. Оценка существенности корреляционной связи.
- •41.Доверительный интервал для генерального коэффициента корреляции
- •42.Оценка параметров линейной регрессии.
- •43.Корреляционная таблица
- •44.Эмпирическая регрессия.
- •45.Интерпритация правила сложения дисперсий в контексте задачи анализа корреляций.
- •46.Эмпирическое корреляционное отношение.
- •47.Теоретическое корреляционное отношение
- •48.Оценка значимости коэффициента корреляции
- •49.Ранговые коэффициенты корреляции
- •50.Остаточная дисперсия
- •52.Оценка существенности параметров линейной регрессии.
- •54.Оценка тесноты связи в случае альтернативной вариации
- •55.Множественный коэффициент корреляции
- •56.Частная корреляция.
- •58.Компоненты динамического ряда
- •59. Показатели динамического ряда: абсолютный прирост, средний абсолютный прирост, темпы роста и прироста и их среднее значение.
- •61.Приемы выявление сезонной составляющей динамического ряда
- •62. Аналитическое сглаживание динамических рядов.
- •63. Выбор наилучшего тренда из набора возможных.
- •65. Автокорреляция в динамических рядах.
- •67. Анализ взаимосвязанных динамических рядов (кросс-корреляция).
- •68. Прогнозирование по тренду.
- •69. Доверительный интервал для прогнозных значений.
- •71. Индексы цепные, базисные, индивидуальные и сводные, переменного и фиксированного
- •72. Индекс физического объёма продукции.
- •73. Индекс цен (Схема Пааше и Ласпейреса).
- •74. Взаимосвязь индекса цен и индекса физического объема продукции.
- •75. Индекс себестоимости
61.Приемы выявление сезонной составляющей динамического ряда
Для выявления сезонной составляющей в колеблемости уровней ряда
динамики рассчитываем отношения фактических объемов товарооборота каждого
квартала к соответствующей ему скользящей средней.
На основании полученных соотношений выполняется их группировка по
кварталам путем занесения значений в таблицу.
62. Аналитическое сглаживание динамических рядов.
Задачей аналитического выравнивания является определение не только общей тенденции развития явления но и недостающего явления ряда как внутри него так и за его пределами. Целью аналитического выравнивания является определение аналитической зависимости при этом функция f(t) выбирается таким образом, чтобы она давала содержательное объяснение изучаемого процесса.
Процесс аналитического выравнивания:
Выбор типа кривой, форма которой соответствует характеру изменения динамического ряда.
Определение численных значений параметров этой кривой.
Апостериорный контроль качества выбора тренда.
Найденная функция позволяет получить выровненные или теоретические значения уровней динамического ряда. Эта функция может применяться для экстраполяции.
63. Выбор наилучшего тренда из набора возможных.
Проблема выбора форм кривой, форм тренда одна из основных проблем с которой сталкиваются при выравнивании динамического ряда. На практике более и менее удачная идентификация тренда может делаться с использованием нескольких подходов. Наиболее простой путь выбора формы тренда визуальный (выбор формы тренда на основе графического представления, но в этом случае велик риск произвольного, субъективного выбора). Следует особо отметить, что на визуальную оценку формы тренда существенно влияет форма графика. Несмотря на указанные недостатки, визуальный подход широко используется на практике.
Второй путь идентификации тренда – использование метода последовательных разностей (абсолютных приростов). . Расчет приростов ведется до тех пор пока разности не будут примерно равны друг другу и порядок разностей принимается за степень выравнивающего полинома. Этот подход позволяет выбрать модель тренда из класса полиномов. К выбору формы критерия можно подойти и более строго, то есть выбрать ту или иную модель основываясь на значении некоторого принятого критерия. Обычно в качестве такого критерия принимают минимальную сумму квадратов отклонений уровней динамического ряда и модели (сумма наименьших квадратов).
64. Понятие лага в анализе динамики
65. Автокорреляция в динамических рядах.
Во многих рядах динамики можно наблюдать зависимость t-гo уровня от предшествующих .Например, численность населения за определенный год зависит (при прочих равных условиях) от численности в предшествующие годы; то же можно сказать и о поголовье скота, численность которого в каждый год зависит от численности поголовья в предшествующие годы; урожайность сельскохозяйственных культур в отдельные годы также может быть связана с урожайностью в предшествующие периоды и т.д.
Зависимость между последовательными (соседними) уровнями ряда динамики называется в статистике автокорреляцией. Исследование рядов на автокорреляцию - одна из частных, но важных задач при статистическом изучении рядов динамики. В частности, если установлено наличие автокорреляции, то эту зависимость можно выразить уравнением авторегрессии. В отдельных случаях приходится устранять влияние автокорреляции на взаимосвязь между исследуемыми показателями. Так возникает необходимость измерения автокорреляции.
Измерить автокорреляцию между уровнями ряда можно с помощью коэффициента автокорреляции , исчисляемого по формуле парного линейного коэффициента корреляции
Коэффициент автокорреляции можно рассчитывать либо между соседними уровнями, либо между уровнями, сдвинутыми на любое число единиц времени т. Этот сдвиг, именуемый временным лагом, определяет порядок коэффициента автокорреляции: 1-го порядка при т = 1, т.е. между соседними уровнями; 2-го порядка при т = 2, т.е. при сдвиге уровней на два периода, и т.д.
Рассмотрим коэффициент автокорреляции 1-го порядка.
Если исходные фактические уровни ряда, относящиеся к определенному моменту времени (или периоду) t, обозначить через то сдвинутые уровни (в зависимости от направления сдвига) соответственно обозначают или Тогда формулу коэффициента автокорреляции можно записать в двух вариантах:
Мы отдаем предпочтение формуле 2, поэтому все дальнейшие рассуждения и расчеты будут связаны с ней.
Нетрудно представить, что при достаточно большом числе уровней ряда п значения средних уровней и средних квадратических отклонений у исходного и сдвинутого рядов практически совпадают, т.е. и .
Используя эти равенства и отдавая предпочтение средней и дисперсии , рассчитанным для всех п членов исходного ряда, получим приближенную формулу коэффициента автокорреляции.
или тождественную ей
Чтобы иметь возможность пользоваться формулами для коротких рядов, у которых первый и последний уровни отличаются незначительно, сдвинутый (укороченный) ряд условно дополняют, принимая (чтобы сдвинутый ряд не укорачивался и чтобы средний уровень и дисперсия одного ряда были соответственно равны среднему уровню и дисперсии второго ряда).
66. Критерий Дурбина — Ватсона, обозначаемый как d (иногда DW), рассчитывается по формуле
Этот показатель можно связать с формулой (8.26) коэффициента автокорреляции для остаточных величин. Так, если предположить, что то, возведя в квадрат числитель критерия d, можно записать
Очевидно, что если автокорреляция отсутствует, т.е. =0 то d = 2. Если же имеет место полная автокорреляция, т.е. равен 1 или -1 то значение d будет соответственно 0 или 4. Более точное суждение об отсутствии автокорреляции в остаточных величинах дает таблица, в которой для разного числа наблюдений n и числа независимых переменных в уравнении регрессии v определены верхние d2 и нижние критические границы критерия d.
Для проверки нулевой гипотезы об отсутствии автокорреляции в остаточных величинах рассчитанное фактическое значение d сравнивается с табличными и d2.
1)если d > d2 (до 4 — ), гипотеза об отсутствии автокорреляции принимается;
2) если d < d1 гипотеза об отсутствии автокорреляции отвергается;
3) если d1 < d < d2 или (4 - ) < d < (4 - ), ничего определенного сказать нельзя и требуется дальнейшее исследование (например, уточнение уравнения тренда, увеличение числа наблюдений и пр.);
4) если d> (4 — d1), имеет место отрицательная автокорреляция.