- •Конспект лекций По предмету «Статистика»
- •Содержание
- •Глава 1 Введение. Понятие статистики, предмет и методология. Основные определения………………………………………………………………………......4
- •Глава 2 Статистический анализ рядов распределения…………………….….14
- •Глава 3 Выборочное наблюдение………………………………………………..26
- •Глава 4 Статистическое изучение связей. Корреляционно-регрессионный анализ………………………………………………………………………………..33
- •Глава 5 Статистический анализ временных рядов……………………………45
- •Глава 1 Введение. Понятие статистики, предмет и методология. Основные определения.
- •1.1 Понятие статистики. Предмет и объект изучения статистики
- •1.2 Методология статистики
- •1.3 Этапы статистического исследования
- •1.3.1 Статистическое наблюдение
- •1.3.2 Сводка и группировка данных
- •1.4 Статистические показатели
- •1.4.1 Средняя арифметическая простая
- •1.4.2 Средняя арифметическая взвешенная
- •1.4.3 Средняя гармоническая
- •1.4.4 Средняя геометрическая
- •1.4.5 Средняя квадратическая
- •Глава 2 Статистический анализ рядов распределения
- •2.1 Построение ряда распределения
- •2.2 Графическое изображение вариационных рядов
- •2.3 Показатели центра и структуры распределения
- •2.4 Показатели вариации
- •Среднее линейное отклонение
- •3. Дисперсия
- •4. Среднее квадратическое (стандартное) отклонение
- •Относительное линейное отклонение
- •2.5 Характеристика формы распределения
- •2.6 Выравнивание эмпирических распределений и оценка соответствия эмпирического распределения теоретическому
- •Глава 3 Выборочное наблюдение
- •3.1 Способы отбора единиц в выборочную совокупность
- •3.2 Виды выборки
- •3.3 Ошибка репрезентативности (ошибка выборки)
- •3.4 Правило сложения дисперсий
- •3.5 Ошибка выборки для доли
- •3.6 Определение объема выборки
- •3.7 Особенности малой выборки
- •Глава 4 Статистическое изучение связей. Корреляционно-регрессионный анализ
- •Функционально (жестко-детерминированная) связь
- •2) Статистические связи и зависимости (стохастически детерминированная).
- •4.1 Причины возникновения корреляционной зависимости
- •4.2 Условия применения методов корреляционно-регрессионного анализа
- •4.3 Графическое изображение корреляционной зависимости
- •Показатели корреляции
- •Коэффициент корреляции
- •Коэффициент детерминации
- •Корреляционное отношение
- •Индекс корреляции
- •4.5 Регрессионный анализ. Парное и множественное уравнение регрессии
- •4.5.1 Уравнение парной регрессии
- •4.5.2 Уравнение множественной регрессии
- •4.5.3 Построение матрицы парных коэффициентов корреляции. Отбор факторов
- •4.5.4 Коэффициенты эластичности и β-коэффициенты
- •4.6 Оценка статистической значимости уравнения регрессии и его параметров
- •4.6.1 Оценка статистической значимости уравнения регрессии
- •4.6.2 Оценка статистической значимости параметров уравнения
- •Глава 5 Статистический анализ временных рядов (рядов динамики)
- •5.1 Показатели изменения уровней временного ряда
- •1) Абсолютный прирост;
- •4) Абсолютное значение 1% прироста.
- •Абсолютный прирост
- •1. Абсолютный цепной прирост
- •2. Абсолютный прирост базисный
- •Темп роста (коэффициент роста)
- •5.3.2 Изучение основной тенденции временного ряда. Выравнивание рядов динамики
- •5.3.3 Экстраполяционное прогнозирование на основе трендовых моделей
- •5.4 Автокорреляция в рядах динамики (автокорреляция уровней временных рядов)
- •5.5 Корреляция рядов динамики
- •5.6 Изучение сезонности в динамических рядах
- •5.7 Статистические индексы. Индексный анализ
- •1) Индивидуальные (I)
- •2) Общие индексы (сводные, I)
- •5.7.1 Агрегатные индексы
- •5.7.2 Индексы Ласпейреса и Пааше
- •5.7.3 Идеальный индекс Фишера
- •5.7.4 Индексы средние из индивидуальных
- •5.7.3 Индексы-дефляторы
4.5.4 Коэффициенты эластичности и β-коэффициенты
Факторы, включенные в уравнении регрессии, очень часто имеют разные единицы измерения, что делает их не сопоставимыми, и не позволяет ранжировать по силе их влияния на признак-результат. С этой целью используются коэффициенты эластичности и так называемые β-коэффициенты. Эти показатели переводят коэффициенты регрессии в относительные величины.
Коэффициент эластичности
, где
bi – коэффициент регрессии при факторе i.
– среднее значение данного фактора
- среднее значение признака-результата.
Коэффициенты эластичности показывают, на сколько процентов от своего среднего изменится признак-результат при изменении признака фактора на 1 % своей средней величины.
β -коэффициент
, где
bi – коэффициент регрессии при факторе i.
- среднее квадратическое отклонение признака-фактора.
- среднее квадратическое отклонение признака-результата.
-коэффициенты показывают, на какую величину среднего квадратического отклонения изменится признак-результат при изменении признака-фактора 1 σ.
4.6 Оценка статистической значимости уравнения регрессии и его параметров
При построении уравнения регрессии не стоит ожидать получения точного соотношения между признаком-результатом и признаком-фактором (ми). Действительное значение параметров, как и ошибки для уравнения связи в генеральной совокупности, неизвестны.
Поэтому уравнение регрессии надо дополнить величиной ошибки, которая является случайной величиной.
Рассчитав значение параметров уравнения и подставив фактические данные признака фактора, мы получаем теоретическое (выровненное) значение признака-результата. Используя эти значения и фактические величины соответствующих признаков-факторов можно построить уравнение регрессии.
Поле корреляции
y
х
Рис. 3.6.
где - фактическое значение признака-результата,
- теоретическое (выровненное) значение признака-результата,
- величина ошибки уравнения регрессии.
Оценка статистической значимости параметров и уравнения в целом – это обязательная процедура, которая позволяет сделать ввод о возможности использования уравнения регрессии для принятия управленческих решений и прогнозирования.
4.6.1 Оценка статистической значимости уравнения регрессии
Оценка статистической значимости уравнения регрессии осуществляется с использованием F-критерия Фишера, который представляет собой отношение факторной и остаточных дисперсий, рассчитанных на одну степень свободы.
Факторная дисперсия – объясненная дисперсия признака-результата, то есть обусловленная теми факторами, которые включены в анализ.
σфакт =
Остаточная дисперсия – необъясненная дисперсия, то есть, обусловлена прочими факторами, не включенными в анализ.
σост =
Сумма факторной и остаточной дисперсий - это общая дисперсия.
F-критерия Фишера рассчитывается по следующей формуле:
F-критерий Фишера – критическая величина соотношения между факторной и остаточной дисперсиями, которая позволяет сказать: объясняют ли включенные в анализ факторы статистическую значимую часть вариации признака-результата. F-критерий Фишера табулирован (входом в таблицу является число степеней свободы факторной и остаточной дисперсий). Если фактическое значение F-критерия Фишера больше либо равен табличному, то уравнение регрессии признается статистически значимым и, соответственно, статистически значимы коэффициенты корреляции и детерминации.