Журналы – источники статистической информации

1. Российский статистический ежегодник. Официальное издание.

2. Россия в цифрах. Краткий статистический сборник.

3. Социальное положение и уровень жизни населения России.

4. Регионы России.

5. Сфера услуг в России.

6. Демографический ежегодник России.

7. Социально-экономическое положение России (ежемесячный доклад)

8. Вопросы статистики. Ежемесячный научно-информационный журнал.

Интернет-ресурсы

1. http://stat.edu.ru/ – Статистика Российского образования.

2. http://www.gks.ru/ – Федеральная служба государственной статистики РФ.

3. http://www.infostat.ru/ – Информационно-издательский центр «Статистика России».

Официальные сайты организаций:

1. Федеральная служба государственной статистики (Росстат)

2. Информационно- издательский центр "Статистика России"

3. Мосгорстат - статистика Москвы

4. Журнал "Вопросы статистики"

5. Портал статистических данных

6. «Международная организация труда»

7. Банк России

8. Министерство финансов РФ

9. Экономическая экспертная группа Минфина РФ

10. Торгово-промышленная палата

11. Сервер органов государственной власти России

12. Агентство консультаций и деловой информации

13. Госдума Федерального Собрания РФ

14. РосБизнесКонсалтинг (РБК)

15. Индексы Российской Торговой Системы (РТС)

16. Агентство Экономической Информации Прайм-ТАСС

17. Ореанда - Российское информационное агентство оперативной экономической информации

18. Альянс поставщиков информации для малого и среднего бизнеса

19. Компания "Финам"

20. ФБК (аудит, консалтинг и др.)

21. Компания "Консультант Плюс"

22. Financial Newsline.

23. Финмаркет. Агентство экономических новостей

24. АК&М. Информационное агентство. Финансовые и экономические новости

25. Эксперт РА рейтинги

26. Гарант. Законодательство России.

27. Агентство "Интерфакс"

28. Система раскрытия информации на рынке ценных бумагах

29. Электронная версия бюллетеня Население и общество

СПРАВОЧНАЯ ИНФОРМАЦИЯ:

Основные методы статистического анализа

В зависимости от цели исследования написание курсовой работы предполагает изучение объекта с применением одного или нескольких видов статистического анализа:

1) анализа вариации;

2) анализа динамики социально-экономических явлений;

3) индексного анализа;

4) корреляционно-регрессионного анализа;

5) факторного, кластерного анализов.

1. Вариация – неотъемлемая, необходимая черта, свойство массовых явлений, имеющее большое значение в развитии природы и общества. Вариацией значений какого-либо признака в совокупности называется различие его значений у разных единиц данной совокупности в один и тот же период или момент времени.

Первым этапом статистического изучения вариации является построение вариационного ряда – упорядоченного распределения единиц совокупности по возрастающим или по убывающим значениям признака и подсчет числа единиц с тем или иным значением признака. При изучении вариации применяются такие характеристики вариационного ряда, которые описывают количественно его структуру, строение. К таким характеристикам относятся:

1) медиана – величина варьирующего признака, делящая совокупность на две равные части – со значениями признака меньше медианы и со значениями признака больше медианы;

2) аналогично медиане вычисляются значения признака, делящие совокупность на четыре равные по числу единиц части (квартили);

3) мода – величина признака, которая встречается в изучаемом ряду, в совокупности чаще всего.

Следующим этапом изучения вариации признака в совокупности является измерение характеристик силы, величины вариации. Для характеристики силы вариации рассчитывают следующие показатели:

1) размах вариации или амплитуда вариации – абсолютная разность между максимальным и минимальным значениями признака из имеющихся в изучаемой совокупности значений;

2) средний модуль отклонений значений признака от средней арифметической величины;

3) среднее квадратическое отклонение от средней величины;

4) дисперсия – квадрат среднего квадратического отклонения.

На расчете дисперсии основаны практически все методы математической статистики.

Для оценки интенсивности вариации и для сравнения ее в разных совокупностях и тем более для разных признаков необходимы относительные показатели вариации. Они вычисляются как отношение абсолютных показателей силы вариации к средней арифметической величине признака. К ним относятся:

1) относительный размах вариации;

2) относительное отклонение по модулю;

3) коэффициент вариации как относительное квадратическое отклонение;

4) относительное квартильное расстояние.

Для дальнейшего изучения характера вариации используются средние значения разных степеней отклонений отдельных величин признака от его средней арифметической величины. Эти показатели получили название моментов распределения порядка, соответствующего степени, в которую возводят отклонения.

2. Ряды динамики. Для характеристики изменений статистических показателей во времени в статистике существует специальная система методов, предназначенная для изучения развития, изменений во времени, то есть изучения динамики.

Относящиеся к отдельным годам значения называются уровнями, а вся их последовательность – рядом динамики (динамическим рядом, временным рядом, английский термин «Time series»).

Ряд динамики состоит из двух строк или столбцов: промежутков или моментов времени, к которым относятся уровни, и самих уровней признака (показателя). Ряд, в котором время задано в виде промежутков (лет, месяцев, суток), называется интервальным динамическим рядом. Ряд, в котором время задано в виде конкретных дат (моментов времени) называется моментным динамическим рядом. Сравнивая уровни разных лет, можно заметить, что в целом явление изменяется. Изменение явления наблюдается лишь в среднем, как тенденция. В отдельные годы уровни испытывают колебания, отклоняясь от основной тенденции.

Тенденция динамики связана с действием долговременно действующих причин и условий развития, хотя после какого-то периода эти причины и условия могут изменяться и порождать уже другую тенденцию. Колебания же, напротив, связаны с действием краткосрочных или циклических факторов, влияющих на отдельные уровни динамического ряда и отклоняющих уровни от тенденции то в одном, то в другом направлении.

При статистическом изучении динамики необходимо четко разделить ее два основных элемента – тенденцию и колеблемость, чтобы дать каждому из них количественную характеристику с помощью специальных показателей. Смешение понятий тенденции и колеблемости ведет к неверным выводам о динамике.

Чтобы построить систему показателей, характеризующих тенденцию динамики, нужно: 1) определить величину изменений уровня как в абсолютном, так и в относительном выражении; 2) выяснить, является ли изменение равномерным или неравномерным, ускоренным (замедленным); 3) выразить тенденцию в форме некоторого достаточно простого уравнения, наилучшим образом аппроксимирующего фактическую тенденцию динамики. Уравнение тенденции динамики называется трендом.

Для того чтобы нагляднее представить показатели, характеризующие тенденцию, следует абстрагироваться от колеблемости и выявить динамический ряд в форме «чистого» тренда при отсутствии колебаний.

Абсолютное изменение уровней – это разность между сравниваемым уровнем и уровнем более раннего периода, принятым за базу сравнения.

Относительные показатели динамики необходимы для сравнения развития разных объектов, особенно если их абсолютные характеристики различны.

Средние показатели динамики (средний уровень ряда, средние абсолютные изменения и ускорения, средние темпы роста) необходимы при обобщении характеристик тенденции за длительный период, по различным периодам и незаменимы при сравнении развития за неодинаковые по длительности отрезки времени, при выборе аналитического выражения тренда.

Прежде чем применить методы математического анализа для вычисления параметров уравнения тренда, необходимо выявить тип тенденции.

Основные типы уравнений тренда:

1. Линейная форма тренда

2. Параболическая форма тренда

3. Экспоненциальная форма тренда

4. Логарифмическая форма тренда

5. Тренд в форме степенной кривой.

6. Гиперболическая форма тренда

7. Логистическая форма тренда.

После теоретического исследования особенностей разных форм тренда необходимо обратиться к фактическому ряду динамики, тем более что далеко не всегда можно надежно установить, какой должна быть форма тренда из чисто теоретических соображений. По фактическому динамическому ряду тип тренда устанавливают на основе графического изображения, путем осреднения показателей динамики, на основе статистической проверки гипотезы о постоянстве параметра тренда. Когда тип тренда установлен, необходимо вычислить оптимальные значения параметров тренда исходя из фактических уравнений. Для этого обычно используют метод наименьших квадратов.

Одним из статистических методов прогнозирования является расчет прогнозов на основе тренда и колеблемости динамического ряда до настоящего времени. Методика статистического прогноза по тренду и колеблемости основана на их экстраполяции, то есть на предположении, что параметры тренда и колебаний сохраняются до прогнозируемого периода.

3. Индекс – это показатель сравнения двух состояний одного и того же явления (простого или сложного, состоящего из соизмеримых или несоизмеримых элементов). Каждый индекс включает два вида данных: оцениваемые данные, которые принято называть отчетными, и данные, которые используются в качестве базы сравнения – базисные.

Индексы позволяют: 1) измерить изменение сложных явлений. Это не просто сравнение двух чисел, а получение и сравнение некоторых агрегированных величин; 2) проанализировать изменение – выявить роль отдельных факторов; 3) сравнивать не только с прошлым периодом (сравнение во времени), но и с другой территорией (сравнение в пространстве), а также с нормативами.

4. Исследование связей. Исследование объективно существующих связей между явлениями – важнейшая задача статистики. В процессе статистического исследования зависимостей вскрываются причинно-следственные отношения между явлениями, что позволяет выявлять факторы (признаки), оказывающие основное влияние на вариацию изучаемых явлений и процессов. Для изучения взаимосвязей между показателями используется корреляционный и регрессионный анализы. Корреляционный анализ имеет своей задачей количественное определение тесноты связи между двумя признаками (при парной связи) и между результативным и множеством факторных признаков (при многофакторной связи).

Корреляционный анализ изучает взаимосвязи показателей и позволяет решить следующие задачи: 1) оценить тесноту связи между показателями с помощью парных, частных и множественных коэффициентов корреляции; 2) оценить уравнение регрессии.

Регрессионный анализ заключается в определении аналитического выражения связи, в котором измерение одной величины (называемой зависимым или результативным признаком) обусловлено влиянием нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения. Регрессия может быть однофакторной (парной) и многофакторной (множественной).

Корреляционно-регрессионный анализ как общее понятие включает в себя измерение тесноты связи и установление аналитического выражения (формы) связи и построение регрессионной модели.

5. Факторный анализ относится к классу статистических методов многомерного анализа, в которых решаются задачи редукции исходных признаков (переменных) до небольшого набора факторов, максимально охватывающих суммарную дисперсию совокупности исходных данных. Эти факторы отображают внутренние взаимосвязи между исходными переменными. В зависимости от задач анализа исходные переменные могут быть взяты произвольно. Кроме того, факторный анализ является инструментом классификации данных без задания каких-либо классификационных признаков. Эти признаки (факторы) появляются в ходе анализа и являются линейной комбинацией исходных переменных.

Акцент в факторном анализе делается на исследовании внутренних причин, формирующих специфику изучаемого явления, на выявлении обобщенных факторов, которые стоят за исходными показателями.

Основные результаты факторного анализа выражаются в наборах факторных нагрузок и факторных весов.

Еще одним методом многомерного анализа является кластерный анализ. Каждая единица совокупности в кластерном анализе рассматривается как точка в заданном признаковом пространстве. Значение каждого из признаков у данной единицы служит ее координатой в этом «пространстве». Таким образом, признаковое пространство – это область варьирования всех признаков совокупности изучаемых явлений.

В общем виде процедура кластерного анализа выглядит следующим образом: 1) вычисление средних величин каждого из классификационных признаков в целом по совокупности; 2) вычисление средних квадратических отклонений каждого из признаков по совокупности; 3) вычисление матриц нормированных разностей по каждому из группировочных признаков; 4) вычисление евклидовых расстояний между каждой парой сочетаний единиц совокупности; 5) выбор наименьшего из евклидовых расстояний; 6) объединение единиц совокупности с наименьшим евклидовым расстоянием между ними в один кластер; 7) вычисление средних значений всех признаков для единиц, объединенных в кластер; 8) вычисление новых нормированных расстояний между объединенным кластером и остальными единицами (или кластерами); 9) вычисление новых евклидовых расстояний между кластером и остальными единицами (или кластерами); 10) выбор наименьшего из евклидовых расстояний; 11) повторение операций (6–10) и так далее.

Объединение в кластеры прекращается, когда все евклидовы расстояния превысят заданную критическую величину.

13