- •М. А. Кунилова, о. О. Антоненко статистика
- •Часть I
- •Общая теория статистики
- •Оглавление
- •2.Методология статистики. Ее основные категории
- •Категории статистической науки
- •Классификация признаков единиц совокупности
- •3.Основные задачи статистики. Разделы и службы статистики
- •Международные статистические организации
- •4. Статистическое наблюдение, формы и способы наблюдения, его ошибки
- •Программно-методологические вопросы статистического наблюдения
- •Тест к теме 1
- •3. Под единицей статистической совокупности понимается:
- •2. Статистические группировки, их виды. Определение числа групп и величины интервала группировки
- •Этапы построения группировки
- •3. Статистические ряды распределения
- •Тест к теме 2
- •1.Понятие статистической таблицы. Элементы статистической таблицы
- •Макет статистической таблицы
- •2.Виды статистических таблиц
- •3.Основные правила построения статистических таблиц
- •4.Понятие о статистическом графике. Элементы статистического графика
- •5. Классификация видов графиков
- •Тест к теме 3
- •2.Абсолютные и относительные показатели
- •Тест к теме 4
- •8. По региону имеются следующие данные о вводе в эксплуатацию жилой площади:
- •1. Сущность и значение средних показателей, виды средней величины
- •1) Степенные средние:
- •2) Структурные средние:
- •Средняя арифметическая
- •1) Средняя арифметическая по данным вариационного ряда:
- •Средняя гармоническая
- •Средняя геометрическая
- •Средняя квадратическая и средняя кубическая
- •Структурные средние (показатели центра распределения)
- •1) Определение моды и медианы в дискретном вариационном ряду
- •2. Показатели вариации
- •Абсолютные и средние показатели вариации
- •Показатели относительного рассеивания
- •Дисперсия альтернативного признака
- •3. Дисперсионный анализ
- •Для качественной оценки тесноты связи на основе показателя эмпирического корреляционного отношения можно воспользоваться соотношениями Чэддока :
- •4. Показатели формы распределения
- •Тест к теме 5
- •1. Определение и виды рядов динамики
- •Условия построения ряда динамики
- •(2). Показатели ряда динамики
- •Аналитические показатели ряда динамики
- •Система средних показателей ряда динамики
- •3. Методы выявления основной тенденции развития явления во времени
- •4. Экстраполяция и интерполяция в динамических рядах
- •5.Изучение сезонных колебаний
- •Тест к теме 6
- •1. Индексы, их классификация
- •Агрегатная форма индекса
- •Средняя форма индекса
- •2.Индексы переменного и постоянного состава, индекс структурных сдвигов
- •3. Использование индексного метода в анализе взаимосвязей экономических явлений
- •Тест к теме 7
- •1. Понятие о выборочном наблюдении
- •Условия отбора единиц в выборочную совокупность
- •2. Основные способы формирования выборочной совокупности
- •3.Определение необходимого объема выборки
- •Тест к теме 8
- •1. Понятие корреляционной связи
- •2. Этапы корреляционного анализа
- •1) Логический анализ сущности изучаемого явления и причинно-следственных связей.
- •2) Сбор первичной информации и проверка ее на однородность и нормальность распределения.
- •3) Исключение из массива первичной информации всех резко выделяющихся (аномальных) единиц по уровню признаков-факторов.
- •4) Установление факта наличия и направления корреляционной зависимости между результативным (у) и факторным (х) признаками.
- •5) После установления факта наличия связи и ее формы измеряется степень тесноты связи и проводится оценка ее существенности.
- •Свойства линейного коэффициента корреляции
- •6) После установления достаточной степени тесноты связи выполняется построение модели связи (уравнения регрессии).
- •3. Методы изучения связи социальных явлений
- •Коэффициенты ассоциации и контингенции
- •Коэффициенты взаимной сопряженности Пирсона и Чупрова
- •4. Методы многомерного статистического анализа
- •Факторный анализ
- •Дискриминантный анализ
- •Кластерный анализ
- •Многомерное шкалирование
- •Методы контроля качества
- •Тест к теме 9
- •Тема 10
- •Элементы прогнозирования и интерполяции. Моделирование временных рядов
- •Моделирование временных рядов
- •Прогнозирование
- •Тест к теме 10
- •Значения -процентных пределов в зависимости от степеней свободы и заданного уровня значимости для распределения Стьюдента
- •Критические значения f-критерия Фишера
4. Методы многомерного статистического анализа
Встречаются такие ситуации, в которых случайная изменчивость была представлена одной-двумя случайными переменными, признаками.
Например, при исследовании статистической совокупности людей нас интересуют рост и вес. В этой ситуации, сколько бы людей в статистической совокупности ни было, мы всегда можем построить диаграмму рассеяния и увидеть всю картину в целом. Однако если признаков три, например, добавляется признак — возраст человека, тогда диаграмма рассеяния должна быть построена в трехмерном пространстве. Представить совокупность точек в трехмерном пространстве уже довольно затруднительно.
В реальности на практике каждое наблюдение представляется не одним-двумя-тремя числами, а некоторым заметным набором чисел, которые описывают десятки признаков. В этой ситуации для построения диаграммы рассеяния потребовалось бы рассматривать многомерные пространства.
Раздел статистики, посвященный исследованиям экспериментов с многомерными наблюдениями, называется многомерным статистическим анализом.
Измерение сразу нескольких признаков (свойств объекта) в одном эксперименте в общем более естественно, чем измерение какого-либо одного, двух. Поэтому потенциально многомерный статистический анализ имеет широкое поле для применения.
К многомерному статистическому анализу относят следующие разделы:
факторный анализ;
дискриминантный анализ;
кластерный анализ;
многомерное шкалирование;
методы контроля качества.
Факторный анализ
При исследовании сложных объектов и систем (например, в психологии, биологии, социологии и т. д.) величины (факторы), определяющие свойства этих объектов, очень часто невозможно измерить непосредственно, а иногда неизвестно даже их число и содержательный смысл. Но для измерения могут быть доступны иные величины, так или иначе зависящие от интересующих факторов. При этом когда влияние неизвестного интересующего нас фактора проявляется в нескольких измеряемых признаках, эти признаки могут обнаруживать тесную связь между собой и общее число факторов может быть гораздо меньше, чем число измеряемых переменных.
Для обнаружения факторов, влияющих на измеряемые переменные, используются методы факторного анализа.
Примером применения факторного анализа может служить изучение свойств личности на основе психологических тестов. Свойства личности не поддаются прямому измерению, о них можно судить только по поведению человека или характеру ответов на те или иные вопросы. Для объяснения результатов опытов их подвергают факторному анализу, который и позволяет выявить те личностные свойства, которые оказывают влияние на поведение испытуемых индивидуумов.
В основе различных моделей факторного анализа лежит следующая гипотеза: наблюдаемые или измеряемые параметры являются лишь косвенными характеристиками изучаемого объекта или явления, в действительности существуют внутренние (скрытые, латентные, не наблюдаемые непосредственно) параметры и свойства, число которых мало и которые определяют значения наблюдаемых параметров. Эти внутренние параметры принято называть факторами.
Задачей факторного анализа является представление наблюдаемых параметров в виде линейных комбинаций факторов и, быть может, некоторых дополнительных, несущественных возмущений.
Первый этап факторного анализа, как правило, – это выбор новых признаков, которые являются линейными комбинациями прежних и «вбирают» в себя большую часть общей изменчивости наблюдаемых данных, а потому передают большую часть информации, заключенной в первоначальных наблюдениях. Обычно это осуществляется с помощью метода главных компонент, хотя иногда используют и другие приемы (метод максимального правдоподобия).
Метод главных компонент сводится к выбору новой ортогональной системы координат в пространстве наблюдений. В качестве первой главной компоненты избирают направление, вдоль которого массив наблюдений имеет наибольший разброс, выбор каждой последующей главной компоненты происходит так, чтобы разброс наблюдений был максимальным и чтобы эта главная компонента была ортогональна другим главным компонентам, выбранным ранее. Однако факторы, полученные методом главных компонент, обычно не поддаются достаточно наглядной интерпретации. Поэтому следующий шаг факторного анализа — преобразование, вращение факторов для облегчения интерпретации.