- •Контрольные вопросы к зачету по «Статистике» (общая теория статистики)
- •1.Стадии статистического исследования.
- •2.Статистическое наблюдение.
- •3.Что включают методологические и организационные вопросы плана наблюдения?
- •4.Причины ошибок наблюдения.
- •5.Способы контроля достоверности данных статистического наблюдения.
- •6.Статистическая отчетность.
- •7.Реквизиты формы отчетности.
- •Статистическая отчётность малых предприятий
- •Отчётность предприятий, не являющихся субъектами малого предпринимательства
- •8.Виды статистической сводки.
- •9.Статистическая группировка.
- •10.Формы выражения группировочных признаков.
- •11.Основные задачи и виды группировок.
- •12.Значение статистических таблиц.
- •13.Правила построения таблиц.
- •14.Основные виды графических изображений.
- •Столбиковые диаграммы.
- •Полосовые диаграммы
- •Квадратные и круговые диаграммы
- •Фигурные диаграммы.
- •15.Абсолютные величины.
- •16.Единицы измерения абсолютных величин.
- •17.Относительные величины
- •18.Определение относительных величин реализации прогноза, динамики, структуры, сравнения, интенсивности. Индекс динамики
- •Индекс планового задания
- •Индекс выполнения плана
- •Индекс структуры
- •Индекс координации
- •Индекс сравнения
- •Индекс интенсивности
- •19.Сущность и значение средних величин.
- •20.Виды средних величин.
- •21.Формулы средней арифметической простой и средней арифметической взвешенной и случаи их использования. Средняя арифметическая простая
- •Средняя арифметическая взвешенная
- •Средняя арифметическая для интервального ряда
- •Средняя арифметическая обладает целым рядом свойств, которые более полно раскрывают ее сущность и упрощают расчет:
- •22.Формулы средней гармонической простой и средней гармонической взвешенной и случаи их использования.
- •25.Основные показатели вариации.
- •26.Формулы показателей вариации и их значение.
- •27.Отличие функциональной и корреляционной связей.
- •28.Различие признаков-факторов и результативных признаков.
- •29.Характеристика тесноты связи признаков.
- •30.Математический метод при нахождении коэффициентов линейной регрессии.
- •31.Показатель шкалы Чеддока.
- •32.Виды нелинейных зависимостей регрессионного анализа.
- •Цели регрессионного анализа
- •Математическое определение регрессии
- •34.Средний уровень в моментальном и моментном рядах динамики. Интервальные ряды динамики
- •Моментные ряды динамики
- •35.Виды показателей рядов динамики.
- •36.Базисные и цепные показатели динамики.
- •37.Приемы преобразования рядов динамики.
- •38.Понятие индексов в статистике.
- •39.Отличие индивидуальных и общих индексов.
- •40.Отличие базисных и цепных индексов.
- •41.Расчет индекса физического объема продукции.
- •42.Расчет индекса производительности труда.
- •43.Взаимосвязь индексов.
- •44.Расчет индекса стоимости.
- •45.Расчет индекса цен.
- •46.Расчет индекса себестоимости.
- •47.Индексы количественных и качественных показателей.
- •48.Средний арифметический и средний гармонический индексы.
- •49.Преимущества выборочного наблюдения над сплошным.
- •50.Ошибки выборочного наблюдения.
- •51.Повторная и бесповторная выборки.
- •52.Коэффициент доверия выборочного наблюдения.
- •53.Способы осуществления распространения результатов выборочного наблюдения на всю совокупность.
30.Математический метод при нахождении коэффициентов линейной регрессии.
Линейная регрессия (англ. Linear regression) — используемая в статистике регрессионная модель зависимости одной (объясняемой, зависимой) переменной y от другой или нескольких других переменных (факторов, регрессоров, независимых переменных) x с линейной функцией зависимости.
Модель линейной регрессии является часто используемой и наиболее изученной в эконометрике. А именно изучены свойства оценок параметров, получаемых различными методами при предположениях о вероятностных характеристиках факторов, и случайных ошибок модели. Предельные (асимптотические) свойства оценок нелинейных моделей также выводятся исходя из аппроксимации последних линейными моделями. Необходимо отметить, что с эконометрической точки зрения более важное значение имеет линейность по параметрам, чем линейность по факторам модели.
В статистической практике могут встречаться такие случаи, когда качества факторных и результативных признаков не могут быть выражены численно. Поэтому для измерения тесноты зависимости необходимо использовать другие показатели. Для этих целей используются так называемые непараметрические методы.
Наибольшее распространение имеют ранговые коэффициенты корреляции, в основу которых положен принцип нумерации значений статистического ряда. При использовании коэффициентов корреляции рангов коррелируются не сами значения показателей х и у, а только номера их мест, которые они занимают в каждом ряду значений. В этом случае номер каждой отдельной единицы будет ее рангом.
Коэффициенты корреляции, основанные на использовании ранжированного метода, были предложены К. Спирмэном и М. Кендэлом.
Коэффициент корреляции рангов Спирмэна (р) основан на рассмотрении разности рангов значений результативного и факторного признаков и может быть рассчитан по формуле
(8.9)
где d = Nx - Ny , т.е. разность рангов каждой пары значений х и у; n - число наблюдений.
Ранговый коэффициент корреляции Кендэла () можно определить по формуле
(8.10)
где S = P + Q.
К непараметрическим методам исследования можно отнести коэффициент ассоциации Кас и коэффициент контингенции Ккон , которые используются, если, например, необходимо исследовать тесноту зависимости между качественными признаками, каждый из которых представлен в виде альтернативных признаков.
Для определения этих коэффициентов создается расчетная таблица (таблица «четырех полей»), где статистическое сказуемое схематически представлено в следующем виде:
Признаки |
А (да) |
А (нет) |
Итого |
В (да) |
a |
b |
a + b |
В (нет) |
с |
d |
c + d |
Итого |
a + c |
b + d |
n |
Здесь а, b, c, d - частоты взаимного сочетания (комбинации) двух альтернативных признаков ; n - общая сумма частот.
Коэффициент ассоциации можно расcчитать по формуле
(8.11)
Коэффициент контингенции рассчитывается по формуле
(8.12)
Нужно иметь в виду, что для одних и тех же данных коэффициент контингенции (изменяется от -1 до +1) всегда меньше коэффициента ассоциации.
Если необходимо оценить тесноту связи между альтернативными признаками, которые могут принимать любое число вариантов значений, применяется коэффициент взаимной сопряженности Пирсона (КП ).
Для исследования такого рода связи первичную статистическую информацию располагают в форме таблицы:
Признаки |
A |
B |
C |
Итого |
D |
m11 |
m12 |
m13 |
∑m1j |
E |
m21 |
m22 |
m23 |
∑m2j |
F |
m31 |
m32 |
m33 |
∑m3j |
Итого |
∑mj1 |
∑mj2 |
∑mj3 |
П |
Здесь mij - частоты взаимного сочетания двух атрибутивных признаков; П - число пар наблюдений.
Коэффициент взаимной сопряженности Пирсона определяется по формуле
(8.13)
где - показатель средней квадратической сопряженности:
Коэффициент взаимной сопряженности изменяется от 0 до 1.
Наконец, следует упомянуть коэффициент Фехнера, характеризующий элементарную степень тесноты связи, который целесообразно использовать для установления факта наличия связи, когда существует небольшой объем исходной информации. Данный коэффициент определяется по формуле
(8.14)
где na - количество совпадений знаков отклонений индивидуальных величин от их средней арифметической; nb - соответственно количество несовпадений.
Коэффициент Фехнера может изменяться в пределах -1,0 Кф +1,0.