- •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
5.5 Корреляция рядов динамики
На практике часто возникает необходимость изучения связей между двумя или несколькими динамическими рядами. Статистическим процедурам анализа всегда должен предшествовать теоретический анализ на основе положений экономической теории и знаний о тех процессах и явлениях, которые описываются имеющимися динамическими рядами. Этот анализ необходим чтобы избежать оценки так называемой ложной корреляции при реальном отсутствии зависимости между явлениями.
Если в изучаемых рядах существуют однонаправленные тенденции, то коэффициент корреляции получается завышенным. Если в изучаемых рядах присутствуют разнонаправленные тенденции, то значения коэффициентов корреляции получаются заниженными. Поэтому, если теоретически обоснованно наличие связи между временными рядами, то при статистической ее оценке следует исключить также с невыполнением одного из условий применения метода корреляционно-регрессионного анализа.
В динамических рядах, как правило, присутствует автокорреляция уровней, что говорит о невыполнении условия независимости наблюдений.
Статистикой разработано несколько вариантов исключения тенденции из временных рядов.
I В первую очередь возможно коррелировать не уровни рядов, а остатки от трендовых моделей. При этом выполняются следующие шаги:
1) строятся статистически значимые трендовые модели для каждого ряда;
2) определяются остатки от трендовых моделей;
3) оценивается наличие автокорреляции в остатках. Если в остатках автокорреляция присутствует, то опять строится модель и заново вычисляются остатки. Если в остатках автокорреляция присутствует, то на основе значений остатков рассчитывают показатели корреляции и строят модель.
II Коррелирование показателей, являющихся постоянными в трендовых моделях. Так, в условиях линейного тренда коррелируются цепные абсолютные приросты. Если тренд описывался экспонентой, коррелируются цепные коэффициенты роста. Если тренды в изучаемых рядах описаны с использованием разных функций, возможно коррелировать разные показатели.
III Переход от парной регрессии ко множественной регрессии путем прямого включения в уравнение связи фактора времени.
Математической статистикой доказано, что включение фактора времени аналогично коррелированию остатков от трендовых моделей.
Самый распространенный вариант ухода от автокорреляции.
При изучении зависимости между временными рядами следует учитывать возможность запаздывания изменения уровней другого временного ряда. При коррелировании таких рядов следует учитывать этот временной лаг.
5.6 Изучение сезонности в динамических рядах
Сезонность – устойчиво повторяющиеся (закономерные) колебания значений признака внутри года.
Динамика продаж Ford M.Company. Сезонные индексы и прогноз с учетом сезонной волны
год |
квартал |
объем продаж, млн. долл. |
скользящая средняя объема продаж |
отношение к скользящей средней |
объем продаж с поправкой на сезонность |
1 |
2 |
3 |
4 |
5 |
6 |
1995 |
1 |
17115 |
|
|
16806 |
|
2 |
19883 |
|
|
18169 |
|
3 |
17205 |
18453 |
0,93 |
19126 |
|
4 |
17898 |
19277 |
0,92 |
18106 |
|
|
|
|
|
|
1996 |
1 |
20636 |
19931 |
1,04 |
20263 |
|
2 |
22903 |
20652 |
1,11 |
20981 |
|
3 |
19370 |
21358 |
0,91 |
21532 |
|
4 |
21498 |
21909 |
0,98 |
21748 |
… |
… |
… |
… |
… |
… |
2000 |
1 |
28297 |
28276 |
1 |
27786 |
|
2 |
31762 |
29017 |
1,1 |
29097 |
|
3 |
26459 |
29723 |
0,89 |
29413 |
|
4 |
31505 |
30071 |
1,05 |
31872 |
|
|
|
|
|
|
2001 |
1 |
30037 |
30419 |
0,99 |
29494 |
|
2 |
32805 |
30685 |
1,07 |
30052 |
|
3 |
28196 |
|
|
31343 |
|
4 |
31897 |
|
|
32268 |
Для определения индекса сезонности производится выравнивание исходного ряда по скользящей средней. Период скольжения равен пяти кварталам. Скользящая средняя рассчитывается по средней хронологической. То есть первое значение скользящей средней будет получено:
На основании полученных значений пятой графы по средней арифметической простой рассчитываются индексы сезонности для каждого квартала.
Индекс сезонности
Для 1 квартала
Для 2 квартала
Для 3 квартала
Для 4 квартала
Индекс сезонности, например, второго квартала, говорит о том, что во втором квартале можно ожидать увеличение продаж в среднем на 9%.
На основе коэффициента сезонности может быть построен график сезонной волны.
На основе значений индексов сезонности рассчитываются данные шестой графы таблицы. Строится трендовая модель, описывающая основную тенденцию изучаемого временного ряда. Уравнение тренда имеет вид:
Уравнение тренда – это уравнение, описывающее основную тенденцию объемов продаж компании, то есть построенное по теоретическим (выровненным) уровням, полученным на основе скользящей средней и без учета сезонной волны.
Прогноз основной тенденции осуществляется на основе уравнения тренда. Полученные данные корректируются с учетом соответствующих индексов сезонности.
Прогноз на основе тренда
|
Без учета сезонной волны |
С учетом сезонной волны |
A |
1 |
2 |
2002 |
|
|
1 |
33035 |
33643 |
2 |
33571 |
36648 |
3 |
34106 |
30682 |
4 |
34642 |
34244 |
Значения первой графы – значения, полученные по уравнению тренда. Отражают поступательное увеличение объемов продаж по кварталам без учета сезонной волны.
Значения второй графы получают путем корректировки значений первой, то есть умножением на соответствующие индексы сезонности.