- •Г.В. Беспалова а.А. Федоров статистика
- •Часть II
- •1. Статистическое изучение взаимосвязи социально-экономических явлений
- •1.1. Причинность, регрессия, корреляция
- •1.2. Парная регрессия на основе метода наименьших квадратов и метода группировок
- •1.3. Множественная регрессия
- •Построение моделей множественной регрессии включает несколько этапов:
- •2. Статистическое изучение динамики социально-экономических явлений
- •2.1. Понятие и классификация рядов динамики
- •2.2. Сопоставимость уровней и смыкание рядов динамики
- •2.3. Показатели изменения уровней ряда динамики
- •I. Аналитические показатели ряда динамики
- •II. Средние показатели ряда динамики
- •3. Прогнозирование
- •3.1. Компоненты ряда динамики
- •3.2. Методы выделения тренда
- •3.3. Сезонные колебания
- •3.4. Циклические и случайные колебания
- •3.5. Эффективность моделей прогнозирования
- •4. Экономические индексы
- •4. 1. Понятие экономических индексов. Классификация индексов
- •4.2. Агрегатный индекс как исходная форма индекса
- •4.3. Средние индексы
- •4.4. Выбор базы и весов индексов. Индексы-дефляторы
- •4.5. Индексы структурных сдвигов
- •4.6. Другие вопросы, связанные с экономическими индексами
- •5. Экономическая статистика
- •5.1. Понятие об экономической статистике
- •5.2. Основные вопросы экономической статистики
- •1. Система национальных счетов (cнc)
- •2. Статистика государственного бюджета
- •3. Статистика цен
- •4. Статистика денежного обращения и кредита
- •5. Статистика фондового рынка
- •7. Социально-демографическая статистика. Статистика уровня жизни населения
- •8. Статистика рынка труда. Статистика оплаты труда и издержек на рабочую силу
- •9. Статистика окружающей среды и природных ресурсов
- •10. Методы исчисления показателей продукции отдельных отраслей экономики
- •11. Статистика внешней торговли
- •Литература
- •Содержание
- •Часть II
1.2. Парная регрессия на основе метода наименьших квадратов и метода группировок
Парная регрессия характеризует связь между двумя признаками: результативным и факторным. Аналитическая связь между ними описывается уравнениями:
а) прямой:
б) параболы
в) гиперболы и т.д.
Определить тип уравнения можно, исследуя зависимость графически. Однако существуют более общие указания, позволяющие выявить уравнение связи, не прибегая к графическому изображению. Если результативный и факторный признаки возрастают одинаково, примерно в арифметической прогрессии, то это свидетельствует о том, что связь между ними линейная, а при обратной связи - гиперболическая. Если факторный признак увеличивается в арифметической прогрессии, а результативный - значительно быстрее, то используется параболическая, или степенная регрессия.
Для определения коэффициентов регрессии (оценка параметров уравнений регрессии) используют метод наименьших квадратов. Сущность метода заключается в нахождении параметров модели (ao, a1, и a2 – в уравнение параболы второго порядка) при которых минимизируется сумма квадратов отклонений эмпирических (фактических) значений результативного признака от теоретических, полученных по выбранному уравнению регрессии:
Для прямой зависимости:
Если бы все значения, полученные по данным наблюдения, лежали строго на прямой, или для каждой из точек было бы справедливо равенство:
то не существовало бы никаких проблем. Однако на практике имеем другое:
,
где - разность между данными наблюдения и данными, полученными по уравнению связи.
Эта разность как раз и появляется в силу наличия ошибок упрощения, поэтому возникает проблема нахождения таких коэффициентов уравнения (регрессии), при которых ошибка была бы минимальной.
Чтобы найти значения коэффициентов регрессии, при которой сумма ошибок будет минимальная, возьмем частные производные по каждому искомому коэффициенту регрессии:
В результате преобразований получим систему нормальных уравнений с k неизвестными (по числу параметров ak):
,
где n - объем исследуемой совокупности (число единиц наблюдений).
В уравнениях регрессии параметр аo показывает усредненное влияние на результативный признак неучтенных (не выделенных для исследования) факторов; параметр a1 (а в уравнении параболы и а2) - коэффициент регрессии показывает, насколько изменяется в среднем значение результативного признака при увеличении факторного на единицу собственного измерения.
Выразим из системы уравнений коэффициенты ао и а1:
,
,
Пример. Фирма выпускает видеокассеты. Анализируя данные по издержкам производства, она столкнулась с проблемой их дифференциации. Особенно трудно оказалось выделить сумму постоянных расходов на электроэнергию:
Месяц |
Объем пр-ва, тыс. шт. (x) |
Расходы на электроэнергию, у.е. (y) |
x2 |
yx |
январь |
10 |
3750 |
100 |
37500 |
февраль |
8 |
3500 |
64 |
28000 |
март |
10 |
3700 |
100 |
37000 |
апрель |
11 |
3750 |
121 |
41250 |
май |
12 |
3800 |
144 |
45600 |
июнь |
9 |
3430 |
81 |
30870 |
июль |
7 |
3350 |
49 |
23450 |
август |
7,5 |
3350 |
56,25 |
25125 |
сентябрь |
8 |
3420 |
64 |
27360 |
октябрь |
10 |
3700 |
100 |
37000 |
ноябрь |
12 |
3800 |
144 |
45600 |
декабрь |
13 |
3860 |
169 |
50180 |
Итого |
117,5 |
43410 |
1192,25 |
428935 |
В среднем за месяц |
9,8 |
3617,5 |
- |
- |
При рассмотрении гиперболической связи система нормальных уравнений:
При рассмотрении уравнения гиперболы система уравнений: