11.Сопоставимость уровней ряда динамики

Анализировать ряды динамики нельзя, если приводятся несопоставимые данные. Несопоставимость статистических данных во времени может быть вызвана следующими причинами: инфляционным процессом; территориальные изменения; изменения единиц счета; изменения курса валют; изменения степени охвата статистического наблюдения; несовершенство методологии статистического наблюдения. Для того, чтобы привести уровни ряда в ряду динамики к сопоставимым уровням ряда необходимо провести смыкание рядов динамики. Это можно сделать лишь в том случае, если один из уровней ряда имеется в старом и новом исчислении. Статистические показатели динамики социально-экономических явлений.

Для количественной оценки динамики проводят расчет таких показателей, как абсолютный прирост, темп роста, темп прироста, темп наращивания, средний абсолютный прирост, средний темп роста. В основе расчета показателей ряда динамики лежит сравнительный анализ уровней ряда либо с постоянной, либо с переменной базой сравнения. При постоянной базе сравнения каждый уровень ряда сравнивается с одним и тем же показателем (уровнем), принятым за базу (у0). При переменной базе сравнения каждый уровень ряда сравнивают с предыдущим ( ).

1. Абсолютный прирост – это разность 2 уровней ряда в исходных единицах измерения: - базисный - цепной абсолютный Абсолютный прирост может иметь отрицательное значение, если уровень изучаемого периода ниже уровня базисного периода или предшествующего. Между цепным и базисным абсолютным приростом существует взаимосвязь: сумма цепных абсолютных приростов равна абсолютному приросту последнего уровня ряда динамики:

2. Темпы роста – это отношение 2 уровней ряда, может выражаться в виде коэффициента, но чаще в процентах. Если темп роста больше 100%, то идет увеличение изучаемого уровня по сравнению с базисным или предыдущим и наоборот. Между базисным и цепными темпами роста существует взаимосвязь – произведение последовательных цепных темпов роста равно базисному темпу роста последнего уровня ряда динамики.

3. Темпы прироста – характеризуют абсолютный прирост в относительных величинах.

4. Темп наращивания – показывает в экономике наращивание во времени экономического потенциала.

Вычисляется деление цепных абсолютных приростов на уровень, принятый за постоянную базу сравнения.

17.При анализе развития изучаемого явления во времени (или рядов динамики) часто возникает необходимость дать особенную характеристикунаправления и интенсивности процесса развития за длительный период. Для этого исчисляю также обобщающие статистические показатели, как средние величины . Средние величины могут рассчитываться для каждого из рассмотренных выше статистических показателей динамики.

1) Один вид средней величины мы уже рассмотрели в 3-м вопросе в составе 1-й группы статических показателей, используемых статистикой для анализа рядов динамики. Речь идёт о среднем уровне ряда, который характеризует статическую величину абсолютных уровней.

2) Средней абсолютный прирост (? )представляет собой обобщённую статистическую характеристику индивидуальных (цепных) абсолютных приростов и может определяться по следующим формулам:

3) Средний темп роста является обобщающей характеристикой индивидуальных (цепных) темпов роста ряда динамики или накопленного изменения уровня явления за продолжительный период времени.

Средний темп роста может быть рассчитан с использованием различных формул:

а) как средняя геометрическая из цепных темпов роста (в коэффициентах)

Расчёт среднего темпа роста производят с использованием специальных таблиц, с помощью логарифмов и ЭВМ.

Средний темп роста имеет смысл рассчитываться только в тех случаях, кода на протяжении всех лет происходит лишь непрерывный рост, лишь непрерывное сокращение.

Однако на самом деле по второму периоду объём продукции снижен на 6%. Следовательно, вывод о приросте продукции за каждый период в среднем на 2.8% является неправильным, ошибочным.

4) Средние темпы роста (снижения) рассчитываются на основе средних темпов роста ряда с возрастающими (убывающими) уровнями путём высчитывания их средних 1 или 100 %

Как и при расчёте среднего темпа роста, средние темпы прироста (снижения) рассчитываются по рядам, имеющим одно направление развития, и будут в этом отношении качественно однородными.

В тех случаях, когда целесообразно определить средний темп динамики на основе резко колеблющихся уровней рядов динамики (например, урожайность сельхозкультур) расчёты правильнее производить на основе сравнения средних уровней за определенные временные отрезки (например, пятилетние периоды).

19 Этот вид регрессии лучше всего подходит для того, чтобыпродемонстрировать основополагающие принципы регрессионного анализа. Рассмотрим пример из раздела корреляционный анализ с зависимостью показателя холестерина спустя один месяц после начала лечения от исходного показателя. Можно легко заметить очевидную связь: обе переменные развиваются в одном направлении и множество точек, соответствующих наблюдаемым значениям показателей, явно концентрируется (за некоторыми исключениями) вблизи прямой (прямой регрессии). В таком случае говорят о линейной связи.

у = b • х + а,

где b — регрессионные коэффициенты, a — смещение по оси ординат (OY).

Смещение по оси ординат соответствует точке на оси Y (вертикальной оси), где прямая регрессии пересекает эту ось. Коэффициент регрессии b через соотношение:

b = tg(a) - указывает на угол наклона прямой.

При проведении простой линейной регрессии основной задачей является определение параметров b и а. Оптимальным решением этой задачи является такая прямая, для которой сумма квадратов вертикальных расстояний до отдельных точек данных является минимальной.

Если мы рассмотрим показатель холестерина через один месяц (переменная chol1) как зависимую переменную (у), а исходную величину как независимую переменную (х), то тогда для проведения регрессионного анализа нужно будет определить параметры соотношения:

chol1 = b • chol0 + a

После определения этих параметров, зная исходный показатель холестерина, можно спрогнозировать показатель, который будет через один месяц.

21.Тренд(от англ. trend — тенденция, произносится «трэнд») — основная тенденция изменения временного ряда. Тренды могут быть описаны различными уравнениями — линейными, логарифмическими, степенными и т. д. Фактический тип тренда устанавливают на основе подбора его функциональной модели статистическими методами либо сглаживанием исходного временного ряда.

Методы оценки

Параметрические — рассматривают временной ряд как гладкую функцию от t: . При этом сначала выявляют один либо несколько допустимых типов функций; затем различными методами (например, МНК) оценивают параметры этих функций, после чего на основе проверки критериев адекватности выбирают окончательную модель тренда. Важное значение для практических приложений имеют линеаризованные тренды, то есть тренды, приводимые к линейному виду относительно параметров использованием тех или иных алгебраических преобразований.

Непараметрические — это разные методы сглаживания исходного временного ряда — скользящие средние (простая, взвешенная), экспоненциальное сглаживание. Эти методы применяются как для оценки тренда, так и для прогнозирования. Они полезны в случае, когда для оценки тренда не удается подобрать подходящую функцию.

22. Сезонность- периодически колебания, наблюдаемые на временных рядах. Сезонность характерна для экономических временных рядов, реже она встречается в научных данных. В экономике многие явления характеризуются периодически повторяющимися сезонными эффектами. Например, розничные продажи как правило растут с приближением новогодних праздников, а после них показывают спад. Соответственно временные ряды, отражающие эти сезонные эффекты, содержат периодические колебания.

Перед выделением сезонных колебаний необходимо вычислить период сезонности. В большинстве случаев период известен из контекста задачи (если рассматривать розничные продажи, то период будет равен году). Однако если период не известен заранее, то его можно найти с помощью автокорреляционной функции.