1) Статистика – самостоятельная общественная наука, имеющая свой предмет и методы исследования, которая возникла из потребностей общественной жизни. Термин «статистика» происходит от латинского слова «статус», которое означает «положение, порядок». Впервые его употребил немецкий ученый Г. Ахенваль (1719–1772).

В настоящее время термин «статистика» употребляется в трех значениях:

• особая отрасль практической деятельности людей, направленная на сбор, обработку и анализ данных, характеризующих социально-экономическое развитие страны, ее регионов, отдельных отраслей экономики или предприятий;

• наука, занимающаяся разработкой теоретических положений и методов, используемых в статистической практике;

• статистические данные, представленные в отчетности предприятий, отраслей экономики, а также данные, публикуемые в сборниках, различных справочниках, бюллетенях и т. п.

Объект статистики – это явления и процессы социально-экономической жизни общества, в которых отражаются и находят свое выражение социально-экономические отношения людей. В зависимости от объекта изучения статистика как наука подразделяется на несколько блоков

Основные положения статистики, с одной стороны, базируются на законах социальной и экономической теории, так как именно они рассматривают закономерности развития общественных явлений, определяют их значение, причины и последствия для жизни общества. С другой стороны, законы многих общественных наук построены на основании показателей статистики и закономерностей, определенных с помощью статистического анализа. Таким образом, статистика определяет законы общественных наук, а они в свою очередь корректируют положения статистики. Теоретическая основа статистики тесно связана с математикой, так как для измерения, сравнения и анализа количественных характеристик необходимо применять математические показатели, законы и методы: изучение динамики явления, его взаимосвязи с другими явлениями невозможно без применения высшей математики и математического анализа.

Очень часто статистическое исследование опирается на разработанную математическую модель явления. Такая мо-

дель теоретически отражает количественные соотношения изучаемого явления.

2) Предметом статистики является изучение общественных явлений, динамики и направления их развития. При помощи статистических показателей данная наука определяет количественную сторону общественного явления, наблюдает закономерности перехода количества в качество на примере данного общественного явления и на основании этих наблюдений производит анализ данных, полученных в определенных условиях места и времени. Статистика исследует социально-экономические явления и процессы, которые носят массовый характер, изучает множество определяющих их факторов.

3) Методами статистики являются общие правила и приемы, которые образуют четыре последовательные стадии статистического исследования: а) массовое статистическое наблюдение, т. е. сбор первичного статистического материала, б) сводка результатов наблюдения в подлежащие изучению статистические совокупности, в) исчисление обобщающих статистических показателей и г) анализ полученных данных. Рассмотрев предмет и методы статистики, дадим ей определение: статистика - общественная наука, изучающая собственными методами в неразрывном единстве количественную и качественную стороны массовых общественных явлений и дающая им числовую характеристику.

Как любая наука, статистика имеет определенную методологию изучения своего предмета. Как уже отмечалось выше, ее в основном интересует развитие явления и его связь с другими явлениями общественной жизни, поэтому метод статистики выбирается в зависимости от изучаемого явления и конкретного предмета изучения. В статистике разработаны и применяются специфические способы и приемы исследования общественных явлений, которые в совокупности и образуют метод статистики. К ним относятся наблюдение, сводка и группировка данных, исчисление обобщающих показателей на основе специальных методов (метод средних индексов и т. д.). В соответствии с вышесказанным различают три этапа работы со статистическими данными:

• сбор;

• группировка и сводка;

• обработка и анализ.

Под сбором данных понимают массовое научно-организованное наблюдение, посредством которого получают первичную информацию об отдельных фактах (единицах) исследуемого явления. Такой статистический учет большого числа или всех входящих в состав изучаемого явления единиц является информационной базой для статистических обобщений, для формулирования выводов об изучаемом явлении или процессе. Подгруппировкой и сводкой данных понимают распределение множества фактов (единиц) на однородные группы и подгруппы, подсчет итогов по каждой группе и подгруппе и оформление полученных итогов в виде статистической таблицы.

Статистический анализ является заключительной стадией статистического исследования. Он включает в себя обработку статистических данных, полученных при сводке, интерпретацию полученных результатов с целью получения объективных выводов о состоянии изучаемого явления и закономерностях его развития. В процессе статистического анализа изучаются структура, динамика и взаимосвязь общественных явлений и процессов.

4) Статистическое наблюдение - это первая стадия всякого статистического исследования, представляющая собой массовый, планомерный, научно-организованный по единой программе учет фактов, характеризующих явления и процессы общественной жизни, и сбор полученных на основе этого учета статистических данных.

Под статистическими данными (информацией) понимают первичный статистический материал, совокупность количественных характеристик социально-экономических явлений и процессов, полученных в результате статистического наблюдения, их обработки или соответствующих расчетов. Основными свойствами статистической информации являются ее массовость и стабильность.

Статистическое наблюдение выступает как один из главных методов статистики и как одна из важнейших стадий статистического исследования. Важность этого этапа исследования определяется тем, что использование только объективной и достаточно полной информации, полученной в результате статистического наблюдения, на последующих этапах исследования в состоянии обеспечить научно обоснованные выводы о характере и закономерностях развития изучаемого объекта. Если при сборе статистических данных допущена ошибка или материал оказался недоброкачественным, это повлияет на правильность и достоверность как теоретических, так и практических выводов.

Процесс проведения статистического наблюдения включает следующие этапы:

· подготовка наблюдения;

· проведение массового сбора данных;

· подготовка данных к автоматизированной обработке;

· разработка предложений по совершенствованию статистического наблюдения.

Подготовка статистического наблюдения - процесс, включающий разные виды работ. Сначала необходимо решить программно-методологические вопросы, важнейшими из которых являются определение цели и объекта наблюдения, состава признаков, подлежащих регистрации и др. Так же необходимо решить проблемы организационного характера, например, определить состав органов, проводящих наблюдение, подобрать и подготовить кадры для проведения наблюдения, провести тиражирование документов для сбора данных и т. д.

Статистическая информация - это цифровая информация в виде числовых рядов различных показателей, прогнозных моделей и оценок. Данные представлены в виде средних или относительных величин и позволяют выявлять закономерности развития социально-экономических явлений и процессов.

Статистическая информация - показатели, рассчитанные по совокупности компаний, фирм, корпораций, банков и других организаций, рынкам , географическим и административным территориям и т.д.

Статистическая информация предоставляется чаще всего государственными службами, а также компаниями, занятыми исследованиями и разработками, консалтинговыми фирмами.

5) Статистические наблюдения можно разбить на группы:

• по охвату единиц совокупности;

• времени регистрации фактов.

По степени охвата исследуемой совокупности статистическое наблюдение подразделяется на два вида: сплошное и несплошное. При сплошном (полном) наблюдении охватываются все единицы изучаемой совокупности. Сплошное наблюдение обеспечивает полноту информации об изучаемых явлениях и процессах. Такой вид наблюдения связан с большими затратами трудовых и материальных ресурсов, так как для сбора и обработки всего объема необходимой информации требуется значительное время. Часто сплошное наблюдение вообще невозможно, например, когда обследуемая совокупность слишком велика или отсутствует возможность получения информации обо всех единицах совокупности. По этой причине проводят несплошные наблюдения.

При несплошном наблюдении охватывается только определенная часть изучаемой совокупности, при этом важно заранее определить, какая именно часть изучаемой совокупности будет подвергнута наблюдению и какой критерий будет положен в основу выборки. Преимущество проведения несплошного наблюдения заключается в том, что оно проводится в короткие сроки, связано с меньшими трудовыми и материальными затратами, полученная информация носит оперативный характер. Существует несколько видов несплошного наблюдения: выборочное, наблюдение основного массива, монографическое.

Выборочным называют наблюдение части единиц исследуемой совокупности, выделенной методом случайного отбора. При правильной организации выборочное наблюдение дает достаточно точные результаты, которые можно применить с определенной вероятностью на всю совокупность. Если выборочное наблюдение предполагает отбор не только единиц изучаемой совокупности (выборку в пространстве), но и моментов времени, в которые проводится регистрация признаков (выборка во времени), такое наблюдение называетсяметодом моментных наблюдений.

Наблюдение основного массива охватывает собой обследование определенных, наиболее существенных по значимости изучаемых признаков единиц совокупности. При этом наблюдении в учет принимаются самые крупные единицы совокупности, а регистрируются самые существенные для данного исследования признаки. Например, обследуются 15–20 % крупных кредитных учреждений, при этом регистрируется содержание их инвестиционных портфелей.

Для монографического наблюдения характерно всестороннее и глубокое изучение лишь отдельных единиц совокупности, обладающих какими-либо особенными характеристиками или представляющими какое-либо новое явление. Цель такого наблюдения – выявление имеющихся или только зарождающихся тенденций в развитии данного процесса или явления. При монографическом обследовании отдельные единицы совокупности подвергаются детальному изучению, которое позволяет зафиксировать очень важные зависимости и пропорции, которые не обна-ружимы при других, не столь подробных, наблюдениях. Статистико-монографическое обследование часто применяется в медицине, при обследовании бюджетов семей и т. д. Важно отметить, что монографическое наблюдение тесно связано со сплошным и выборочным наблюдениями. Во-первых, данные массовых обследований необходимы для выбора критерия отбора единиц совокупности для проведения несплошного и монографического наблюдения. Во-вторых, монографическое наблюдение позволяет выявить характерные черты и существенные признаки объекта исследования, уточнить структуру изучаемой совокупности. Полученные выводы можно положить в основу организации нового массового обследования.

По времени регистрации фактов наблюдение может быть непрерывным и прерывным.Прерыывное в свою очередь включает периодическое и единовременное. Непре-рыгвное (текущее) наблюдение осуществляется путем непрерывной регистрации фактов по мере их возникновения. При таком наблюдении прослеживаются все изменения изучаемого процесса или явления, что позволяет следить за его динамикой. Непрерывно ведется, например, регистрация органами записи актов гражданского состояния (ЗАГСа) смертей, рождений, браков. На предприятиях ведется текущий учет производства продукции, отпуска материалов со склада и т. д.

Прерыгвное наблюдение проводится либо регулярно, через определенные промежутки времени (периодическое наблюдение), либо нерегулярно, однократно, по мере необходимости (единовременное наблюдение). В основу периодических наблюдений, как правило, заложены подобные программа и инструментарий, с тем чтобы результаты таких обследований могли быть сопоставимы. Примером периодического наблюдения может являться перепись населения, которая проводится через достаточно длительные промежутки времени, и все формы статистических наблюдений, которые носят ежемесячный, квартальный, полугодовой, годовой и т. д. характер. Единовременное наблюдение характерно тем, что факты регистрируются не в связи с их возникновением, а по состоянию или наличию их на определенный момент или за период времени. Количественное измерение признаков какого-либо явления или процесса происходит в момент проведения обследования, а повторная регистрация признаков может не производиться вообще или сроки ее проведения заранее не определены. Примером единовременного наблюдения может служить единовременное обследование состояния жилищного строительства, которое проводилось в 2000 г.

Наряду с видами статистического наблюдения в общей теории статистики рассматриваютсяспособы получения статистической информации, важнейшими из которых являются документальный способ наблюдения, способ непосредственного наблюдения, опрос.

Документальное наблюдение основано на использовании в качестве источника информации данных различных документов, например регистров бухгалтерского учета. Учитывая, что к заполнению таких документов, как правило, предъявляются высокие требования, данные, отраженные в них, носят наиболее достоверный характер и могут служить качественным исходным материалом для проведения анализа.

Непосредственное наблюдение осуществляется путем регистрации фактов, лично установленных регистраторами в результате осмотра, измерения, подсчета признаков изучаемого явления. Таким способом регистрируются цены на товары и услуги, производятся замеры рабочего времени, инвентаризация остатков на складе и т. д.

6) Ошибки статистического наблюдения.

Расхождение между расчетным и действительным значениями изучаемых величин называется ошибкой наблюдения.

В зависимости от причин возникновения различают:

- ошибки регистрации;

- ошибки репрезентативности.

Ошибка регистрации - это отклонения между значением показателя, полученного в ходе статистического наблюдения, и фактическим, действительным его значением. Этот вид ошибок может быть и при сплошном, и при несплошном наблюдении.

Ошибки регистрации бывают - случайные и систематические.

Случайные ошибки - это результат действия различных факторов (например, цифры переставлены местами, перепутаны графы при заполнении формуляра и т. п.).

Систематические ошибки регистрации всегда имеют одинаковую тенденцию либо к увеличению, либо к уменьшению значения показателей по каждой единице совокупности. Примером может служить округление возраста населения при проведении социологических опросов населения. Многие опрашиваемые, например, вместо 48-49 и 51-52 лет говорят, что им 50.

Систематические ошибки характерны только для несплошного наблюдения. Причина их возникновения состоит в том, что отобранная и обследованная совокупность недостаточно точно воспроизводит (репрезентирует) всю исходную совокупность в целом.

Отклонение значения показателя обследованной совокупности от его величины по исходной совокупности называетсяошибкой репрезентативности.

Они также бывают случайные и систематические.

Случайные ошибки возникают, если отобранная совокупность неполно воспроизводит всю совокупность в целом.

Систематические ошибки репрезентативности появляются вследствие нарушения принципов отбора единиц из исходной совокупности, которые должны быть подвергнуты наблюдению.

Чтобы избежать ошибок необходимо:

1) обеспечить качественное обучение персонала, который буде проводить наблюдение;

2) организовать специальные частичные или сплошные контрольные проверки правильности заполнения стат. формуляров;

3) провести логический и арифметический контроль полученных данных после окончания сбора информации.

Арифметический контроль основывается на использовании количественных связей между значениями различных показателей.

Логический контроль основывается на знании взаимосвязей между логическими показателями. Например, человек в возрасте 6 лет не может иметь высшего образования.

Обычно для исправления ошибок, выявленных в ходе логич. контроля, требуется повторно обратиться к источнику сведений.

7) Научно организованная обработка материалов статистического наблюдения по заранее разработанной программе включает в себя, кроме контроля данных, систематизацию, группировку данных, составление таблиц, получение итогов и производных показателей (средних и относительных величин) и т. д. Собранный в процессе статистического наблюдения материал представляет собой разрозненные первичные сведения об отдельных единицах изучаемого явления. В таком виде материал еще не характеризует явление в целом: не дает представления ни о величине (численности) явления, ни о его составе, ни о размере характерных признаков, ни о существе связей этого явления с другими явлениями и т. д. Возникает необходимость в специальной обработке статистических данных – сводке материалов наблюдения.

Сводка материалов наблюдения представляет собой комплекс последовательных действий по обобщению конкретных единичных данных, образующих совокупность, с целью обнаружения типичных черт и закономерностей, присущих изучаемому явлению в целом.

Статистическая сводка (простая сводка) в узком смысле слова представляет собой операцию по подсчету общих итоговых (суммарных) данных по совокупности единиц наблюдения. Статистическая сводка (сложная сводка) в широком смысле слова включает в себя также группировку данных наблюдения, подсчет общих и групповых итогов, получение системы взаимосвязанных показателей,

представление результатов группировки и сводки в виде статистических таблиц.

Правильная, научно организованная сводка, опираясь на предварительный глубокий теоретический анализ, позволяет получить все статистические итоги, отражающие важнейшие, характерные черты объекта исследования, измерить влияние различных факторов на результат и учесть все это в практической работе при составлении текущих и перспективных планов. Задача сводки – дать характеристику объекту исследования с помощью систем статистических показателей, выявить и измерить таким путем его существенные черты и особенности. Эта задача решается на трех этапах:

• определение групп и подгрупп;

• определение системы показателей;

• определение видов таблиц.

8) Статистические группировки – первый этап статистической сводки, позволяющий выделить из массы исходного статистического материала однородные группы единиц, обладающих общим сходством в качественном и количественном отношениях. Важно понимать, что группировка – это не субъективный технический прием разделения совокупности на части, а научно обоснованный процесс разделения множества единиц совокупности по определенному признаку.

Основополагающим принципом применения метода группировок является всесторонний, глубокий анализ сущности и природы изучаемого явления, позволяющий определить его типические свойства и внутренние различия. Любая общая совокупность является комплексом частных совокупностей, каждая из которых объединяет явления особого типа, однокачественные в определенном отношении. Каждый тип (группа) имеет специфическую систему признаков с соответствующим уровнем их количественных значений. Установить, к какому типу, в какую частную совокупность нужно отнести группируемые единицы общей совокупности, возможно на основе правильного, четкого определения существенных признаков, по которым должна проводиться группировка. Это второе важное требование научно обоснованной группировки. Третье требование группировки основано на объективном, обоснованном установлении границ групп при условии, что образованные группы должны объединять однородные элементы совокупности, а сами группы (одна по отношению к другой) должны существенно различаться. В противном случае группировка теряет смысл.

Таким образом, на основе применения метода группировок определяются группы по принципу подобия и различия единиц совокупности. Подобие – это однородность единиц в определенных пределах (группах); различие – это их существенное расхождение по группам.

Итак, группировка – разделение общей совокупности единиц по одному или нескольким существенным признакам на однородные группы, различающиеся между собой в качественном и количественном отношении и позволяющие выделить социально-экономические типы, изучить структуру совокупности или проанализировать связи между отдельными признаками. Разнообразие общественных явлений и целей их изучения делает возможным применение большого количества статистических группировок явлений и решение на этой основе самых различных конкретных задач. Основными задачами, решаемыми с помощью группировок, в статистике являются следующие:

• выделение в совокупности изучаемых явлений их социально-экономических типов;

• изучение структуры общественных явлений;

• выявление связей и зависимостей между общественными явлениями.

Все группировки, связанные с выделением в совокупности изучаемых явлений их социально-экономических типов, занимают в статистике центральное место. Эта задача имеет отношение к наиболее существенным, решающим сторонам общественной жизни, например группировка населения по социальному статусу, полу, возрасту, уровню образования, группировка предприятий и организаций по формам собственности, отраслевой принадлежности. Построение подобных группировок за продолжительные периоды позволяет проследить процесс развития социально-экономических отношений. Задача расчленения совокупности общественных явлений по их социально-экономическим типам решается с помощью построения типологических группировок.

Таким образом, типологическая группировка – это разделение качественно разнородной исследуемой совокупности на однородные группы единиц в соответствии с социально-экономическими типами. Примером типологической группировки является группировка по виду участвующих субъектов инновационной деятельности в одном из регионов, которые можно разделить на следующие основные группы взаимоотношений

Аналитическая группировка – распространенный прием статистического изучения связей, которые обнаруживаются при параллельном сопоставлении обобщенных значений признаков по группам. Различают признаки зависимые, значения которых изменяются под влиянием других признаков, их обычно в статистике называют результативными, ифакторные, оказывающие влияние на другие. Обычно в основе аналитической группировки лежит признак-фактор, а по результативным признакам производится расчет групповых средних, по изменению величины которых определяют наличие связи между признаками. Таким образом, аналитическими можно назвать такие группировки, которые позволяют установить и изучить связь между результативными и факторными признаками единиц однотипной совокупности.

Важная проблема аналитических группировок – правильный выбор числа групп и определение их границ, что в последующем обеспечивает объективность характеристик связи. Поскольку анализ ведется в однокачественных совокупностях, теоретических оснований для дробления определенного типа нет, поэтому допустима разбивка совокупности на любое число групп, удовлетворяющее определенным требованиям и условиям конкретного анализа. В процессе аналитических группировок следует соблюдать общие правила группировки, т. е. единицы в образованных группах должны быть существенно различны, количество единиц в группах должно быть достаточным для расчета надежных статистических характеристик. Кроме того, групповые средние должны подчиняться определенной закономерности: последовательно увеличиваться или уменьшаться.

Непосредственная группировка данных статистического наблюдения – это первичная группировка. Вторичная группировка – перегруппировка ранее сгруппированных данных. Необходимость вторичной группировки возникает в двух случаях:

• ранее произведенная группировка не удовлетворяет целям исследования в отношении числа групп;

• для сравнения данных, относящихся к различным периодам времени или к различным территориям, если первичная группировка была произведена по разным группи-ровочным признакам или по разным интервалам.

Существует два способа вторичной группировки:

• объединение мелких групп в более крупные;

• выделение определенной доли единиц совокупности.

В научно обоснованной группировке общественных явлений необходимо учитывать взаимозависимость явлений и возможность перехода постепенных количественных изменений в явлениях к коренным качественным изменениям. Группировка может быть научной лишь в том случае, если не только определены познавательные цели группировки, но и правильно выбрано основание группировки – группи-ровочный признак. Если группировка – это распределение на однородные группы по какому-либо признаку или объединение отдельных единиц совокупности в группы, однородные по какому-либо признаку, то группировочный признак – это признак, по которому происходит объединение отдельных единиц совокупности в отдельные группы.

При выборе группировочного признака важным является не способ выражения признака, а его значение для изучаемого явления. С этой точки зрения для группировки следует брать существенные признаки, выражающие наиболее характерные черты изучаемого явления.

Самая простая группировка – ряд распределения. Рядами распределения называются ряды чисел (цифр), характеризующие состав или структуру какого-либо явления после группировки статистических данных об этом явлении, другими словами, это группировка, в которой для характеристики групп применяется один показатель – численность группы. 

9) Статистические ряды распределения представляют собой упорядоченное распределение единиц совокупности  по группам и группировкам.  Ряды распределения изучают структуру совокупности, позволяют изучить ее однородность, размах и границы. Ряды распределения, образованные по качественным признакам, называютатрибутивными. При группировке по количественному признаку выделяются вариационные ряды. Вариационные ряды – ряды распределения единиц совокупности по признакам, имеющим количественное выражение, т. е. образованы численными значениями.

Вариационные ряды по строению делятся на:

• Дискретные (прерывные) – основаны на прерывных вариациях признака. Это такие ряды, где значения вариант имеют значения целых чисел (т. е. не могут принимать дробные значения). Дискретные признаки отличаются друг от друга на некоторую конкретную величину.

• Интервальные (непрерывные) – имеют любые, в том числе и дробные количественные выражения и представлены в виде интервалов. Непрерывные признаки могут отличаться один от другого на сколь угодно малую величину.

Вариационные ряды имеют два элемента:

• варианта (x)

• частота (f)

10) Статистический показатель - представляет собой количественную характеристику соц.-эк. явлений и процессов в условиях качественной определенности. Качественная определенность показателя заключается в том, что он непосредственно связан с внутренним содержанием изучаемого явления или процесса, его сущностью.

Все статистические показатели по охвату единиц совокупности разделяются на: индивидуальные; сводные, а по форме выражения на: абсолютные; относительные; средние.

Индивидуальные показатели - характеризуют отдельный объект или отдельную совокупность - предприятие, банк и т.д. Пример индивидуального абсолютного показателя: оборот торговой фирмы, совокупный доход домохозяйства и т.д.)

На основе соотнесения 2-х индивидуальных абсолютных показателей, характеризующих один и тот же объект или единицу, получают индивидуальный относительный показатель.

Сводные показатели характеризуют группу единиц, представляющую собой часть статистической совокупности или всю совокупность в целом. Сводные показатели подразделяются на: объемные и расчетные.

Объемные показатели получают путем сложения значений признака отдельных единиц совокупности. Различают абсолютные (стоимость основных фондов предприятий отрасли), относительные (фондовооруженность) и средние (средняя стоимость основных фондов) объемные показатели.

Расчетные показатели - вычисляются по различным формулам и служат для решения отдельных статистических задач анализа - измерения вариации, характеристики структурных сдвигов и т.д. Расчет. Показатели также подразделяются на абсолютные, относительные и средние.

В зависимости от временного фактора различают моментные и интервальные показатели.

Статистические показатели, характеризующие соц.-эк. явления и процессы по состоянию на определенный момент времени (на определенную дату, начало и конец месяца, года) называются моментными. Например, численность населения на..., дебиторская задолженность на...

Статистические показатели, характеризующие соц.-эк. явления и процессы за определенный период - день, неделю, месяц, квартал, год - называются интервальными. Например, производство продукции, сумма страховых выплат и т.д.

2. Абсолютные показатели.

Исходной, первичной формой выражения статистических показателей являются абсолютные величины. Статистические показатели в форме абсолютных величин характеризуют абсолютные размеры изучаемых статистических процессов и явлений, их массу, площадь, объем и т.д.

Абсолютные статистические показатели всегда являются именованными числами. Они выражаются в натуральных, стоимостных и трудовых единицах измерения

В международной практике используются такие натуральные единицы измерения:

тонны;

килограммы;

метры;

кв. м, куб. м;

км;

шт.;

литры и т.д.

Условно-натуральные показатели используются, когда какой-либо продукт имеет несколько разновидностей, и общий объем можно определить исходя из общего для всех разновидностей потребительского свойства. (Например, различные виды органического топлива переводят в условное топливо с теплотой сгорания 29,3 МДж/г, (7000 Ккал/кг).

В отдельных случаях для измерения используется произведение двух единиц. Например, производство электроэнергии, измеряемое в киловатт-часах и т.д.

В условиях рыночной экономики наибольшее применение имеют стоимостные единицы измерения, дающие денежную оценку соц.-эк. явлениям и процессам. (ВВП)

К трудовым единицам измерения, позволяющим учитывать как общие затраты труда на предприятии, так и трудоемкость отдельных операций технологического процесса, относятся человеко-дни и человеко-часы.

3. Относительные показатели.

Относительный показатель представляет собой результат деления одного абсолютного показателя на другой и выражает соотношение между количественными характеристиками соц.-эк. процессов и явлений.

При расчете относительного показателя абсолютный показатель, находящийся в числителе, называется текущим (сравниваемым), а показатель, который находится в знаменателе - основанием или базой.

Относительные показатели могут выражаться в коэффициентах, процентах или быть именованными.

Относительные показатели можно разделить на следующие виды: динамики, плана, структуры,

координации, интенсивности развития, сравнения. 1) Относительный показатель динамики (ОПД)- это отношение уровня исследуемого процесса или явления за данный период времени (по состоянию на данный момент времени) к уровню этого же процесса или явления в прошлом.

ОПД показывает во сколько раз текущий уровень превышает предшествующий или какую долю от последнего составляет. Если данный показатель выражен кратным отношением, он называется коэффициентом роста, при домножении этого коэффициента на 100% получают темп роста.

2) Относительный показатель плана (ОПП) используется предприятиями с целью перспективного планирования своей деятельности.

3) Относительный показатель структуры (ОПС) представляет собой соотношение структурных частей изучаемого объекта и их целого.

11) В результате группировки единиц совокупности по величине варьирующего признака получают ряды распределения - первичную характеристику массовой статистической совокупности. Чтобы охарактеризовать такую совокупность в целом, часто пользуются средней величиной.  Средняя величина - обобщающая характеристика изучаемого признака в исследуемой совокупности. Она отражает его типичный уровень в расчете на единицу совокупности в конкретных условиях места и времени.  Метод средних величин заключается в замене индивидуальных значений варьирующего признака единиц наблюдения, т.е. в замене x₁, x₂, x₃, ... x_n некоторой уравненной величиной . Средние величины применяются для оценки достигнутого уровня изучаемого показателя, при анализе и планировании производственно-хозяйственной деятельности предприятий (объединений), фирм, банков и других хозяйственных единиц; средние используются при выявлении взаимосвязей явлений, при прогнозировании, а также расчете нормативов. Средняя величина всегда именованная, имеет ту же размерность (единицу измерения), что и признак у отдельных единиц совокупности.  Основным условием научного использования средней величины является качественная однородность совокупности, по которой исчислена средняя. Поэтому очень важное правило - вычислять средние величины лишь по однородной совокупности единиц. Только при выполнении этого условия средняя как обобщающая характеристика отражает общее, типичное, закономерное, присущее всем единицам исследуемой совокупности. Прежде чем вычислять средние величины, необходимо произвести группировку единиц исследуемой совокупности, выделив качественно однородные группы.  Средняя, рассчитанная по совокупности в целом, называется общей средней, средние, исчисленные для каждой группы, - групповыми средними .  Общая средняя отражает общие черты изучаемого явления, групповая средняя дает характеристику размера явления, складывающуюся в конкретных условиях данной группы. 

12) Наряду с абсолютными величинами одной из важнейших форм обобщающих показателей в статистике являются относительные величины – это обобщающие показатели, выражающие меру количественных соотношений, присущих конкретным явлениям или статистическим объектам. При расчете относительной величины измеряется отношение двух взаимосвязанных величин (преимущественно абсолютных), что очень важно в статистическом анализе. Относительные величины широко используются в статистическом исследовании, так как они позволяют провести сравнения различных показателей и делают такое сравнение наглядным.

Относительные величины вычисляются как отношение двух чисел. При этом числитель называется сравниваемой величиной, а знаменатель – базой относительного сравнения. В зависимости от характера изучаемого явления и задач исследования базисная величина может принимать различные значения, что приводит к различным формам выражения относительных величин. Относительные величины измеряются:

• в коэффициентах: если база сравнения принята за 1, то относительная величина выражается целым или дробным числом, показывающим, во сколько раз одна величина больше другой или какую часть ее составляет;

• в процентах, если база сравнения принимается за 100;

• в промилле, если база сравнения принимается за 1000;

• в продецимилле, если база сравнения принимается за 10 000;

• в именованных числах (км, кг, га) и др.

В каждом конкретном случае выбор той или иной формы относительной величины определяется задачами исследования и социально-экономической сущностью, мерой которого выступает искомый относительный показатель. По своему содержанию относительные величины подразделяются на следующие виды:

• выполнения договорных обязательств;

• динамики;

• структуры;

• координации;

• интенсивности;

• сравнения.

Относительная величина договорных обязательств представляет собой отношение фактического выполнения договора к уровню, предусмотренному договором:

Эта величина отражает степень выполнения предприятием своих договорных обязательств, и может быть выражена в виде числа (целого или дробного) или в процентах. При этом необходимо, чтобы числитель и знаменатель исходного отношения соответствовали одному и тому же договорному обязательству.

Относительными величинами динамики – темпами роста – называются показатели, характеризующие изменение величины общественных явлений во времени. Относительная величина динамики показывает изменение однотипных явлений за период времени. Рассчитывается эта величина посредством сравнения каждого последующего

периода с первоначальным или предыдущим. В первом случае получаем базисные величины динамики, а во втором – цепные величины динамики. И те и другие величины выражаются либо в коэффициентах, либо в процентах. Выбору базы сравнения при расчете относительных величин динамики, как и других относительных показателей, следует уделять особое внимание, так как от этого в существенной мере зависит практическая ценность полученного результата.

Относительные величины структуры характеризуют составные части изучаемой совокупности. Относительная величина совокупности рассчитывается по формуле

Относительные величины структуры, обычно называемые удельными весами, рассчитываются делением определенной части целого на общий итог, принимаемый за 100 %. У этой величины есть одна особенность – сумма относительных величин изучаемой совокупности всегда равна 100 % или 1 (в зависимости от того, в чем она выражается). Относительные величины структуры применяются при изучении сложных явлений, распадающихся на ряд групп или частей, для характеристики удельного веса (доли) каждой группы в общем итоге.

Относительные величины координации характеризуют соотношение отдельных частей совокупности с одной из них, принятой за базу сравнения. При определении этой величины одна из частей целого берется за базу для сравнения. С помощью этой величины можно соблюдать пропорции между составляющими совокупности. Показателями координации является, например, число городских жителей, приходящихся на 100 сельских; число женщин, приходящихся на 100 мужчин, и т. п. Характеризуя соотношение между отдельными частями целого, относительные величины координации придают им наглядность и позволяют, если это возможно, контролировать соблюдение оптимальных пропорций. Так как числитель и знаменатель относительных величин координации имеют одинаковую единицу измерения, то эти величины выражаются не в именованных числах, а в процентах, промилле или кратных отношениях.

Относительными величинами интенсивности называются показатели, определяющие степень распространенности данного явления в какой-либо среде. Они рассчитываются как отношение абсолютной величины данного явления к размеру среды, в которой оно развивается. Относительные величины интенсивности находят широкое применение в практике статистики. Примером этой величины может быть отношение численности населения к площади, на которой оно проживает, фондоотдача, обеспеченность населения врачебной помощью (численность врачей на 10 000 населения), уровень производительности труда (выпуск продукции на одного работника или в единицу рабочего времени) и т. п.

Таким образом, относительные величины интенсивности характеризуют эффективность использования различного рода ресурсов (материальных, финансовых, трудовых), социальный и культурный уровень жизни населения страны, многие другие аспекты общественной жизни.

Относительные величины интенсивности вычисляются путем сопоставления разноименных абсолютных величин, находящихся в определенной связи друг с другом, и в отличие от других видов относительных величин являются обычно именованными числами и имеют размерность тех абсолютных величин, соотношение которых они выражают. Тем не менее в ряде случаев, когда полученные результаты расчетов слишком малы, их умножают для наглядности на 1000 или 10 000, получая характеристики в промилле и продецимилле.

Особый интерес представляет разновидность относительных величин интенсивности –валовой внутренний продукт на душу населения. Применяя этот показатель в различных отраслях или конкретных видах продукции, можно получать следующие относительные величины интенсивности: производство электроэнергии, топлива, машин, оборудования, услуг, товаров и т. д. на душу населения.

Относительными величинами сравнения называются относительные показатели, получающиеся в результате сравнения одноименных уровней, относящихся к различным объектам или территориям, взятым за один и тот же период или на один момент времени. Они также исчисляются в коэффициентах или процентах и показывают, во сколько раз одна сравнимая величина больше или меньше другой.

Относительные величины сравнения находят широкое применение при сравнительной оценке различных показателей работы отдельных предприятий, городов, регионов, стран. При этом, например, результаты работы конкретного предприятия и т. п. принимаются за базу сравнения и последовательно соотносятся с результатами аналогичных предприятий других отраслей, регионов, стран и т. д.

В статистическом изучении общественных явлений абсолютные и относительные величины дополняют друг друга. Если абсолютные величины характеризуют как бы статику явлений, то относительные величины позволяют изучить степень, динамику, интенсивность развития явлений. Для правильного применения и использования абсолютных и относительных величин в экономико-статистическом анализе необходимо:

• учитывать специфику явлений при выборе и расчете того или иного вида абсолютных и относительных величин (поскольку количественная сторона явлений, характеризуемая этими величинами, неразрывно связана с их качественной стороной);

• обеспечить сопоставимость сравниваемой и базисной абсолютной величины с точки зрения объема и состава представляемых ими явлений, правильности методов получения самих абсолютных величин;

• комплексно использовать в процессе анализа относительные и абсолютные величины и не отрывать их друг от друга (так как использование одних только относительных величин в отрыве от абсолютных может привести к неточным и даже ошибочным выводам).

13) Для определения средних или наиболее типичных значений совокупности используются показатели центра распределения. Основные из них — математическое ожидание, среднее арифметическое, среднее геометрическое, среднее гармоническое, степенные средние, взвешенные средние, центр сгиба, медиана, мода.

Расчёт средних величин производится разными способами, и, соответственно, применение их тоже зависит от исследуемой совокупности.

У симметричного одномерного унимодального распределения математическое ожидание, медиана и мода одинаковы.

Кроме степенных средних в статистике для относительной характеристики величины варьирующего признака и внутреннего строения рядов распределения пользуются структурными средними, которые представлены ,в основном,модой и медианой.

Мода — это наиболее часто встречающийся вариант ряда. Мода применяется, например, при определении размера одежды, обуви, пользующейся наибольшим спросом у покупателей. Модой для дискретного ряда является варианта, обладающая наибольшей частотой. При вычислении моды для интервального вариационного ряда необходимо сначала определить модальный интервал (по максимальной частоте), а затем — значение модальной величины признака

Медиана — это значение признака, которое лежит в основе ранжированного ряда и делит этот ряд на две равные по численности части.

16

.Теоретические основы выборочного метода Теория выборочного наблюдения базируется на статисти­ческих закономерностях, которые формируются и обнаружива­ются в массовых явлениях и процессах. Это свойство закономер­ностей получило название закона больших чисел. Математической основой закона больших чисел, да и статистической науки в це­лом, служит теория вероятностей. Последняя представляет собой раздел математики, в котором изучаются случайные явления (собы­тия), имеющие устойчивую частность, а следовательно, и вероят­ность, что помогает выявлять закономерности при массовом повто­рении явлений. Основная задача выборочного метода – определение ошибки выборки, ибо, если не известен размер ошибки, данные выборки не могут иметь практического значения. Под выборочным наблюдением (сокращенно выборка) понимается не сплошное наблюдение, при котором статистическому обследованию (наблюдению) подвергается не всё, а отдельные единицы, отобранные с соблюдением определенных условий. Источниками первичной информации при организации и проведении выборочного наблюдения по научно – практическим вопросам контроля над преступностью могут служить: статистические отчеты, информационные бюллетени, обзоры, аналитические справки и документы, документы еденного учета (статистические карточки) преступлений, материалы уголовных и гражданских дел, письма, сообщения, материалы прессы, радио, телевидения и другие документы, содержащие сведения о преступлении и преступнике: лицо совершившее преступление; потерпевший; члены семьи преступника, другие родственники, друзья, окружение по месту жительства и месту работы и т.д. Применение выборочного метода, взамен сплошного, используемого государственной статистики, дает возможность глубже организовать наблюдения, обеспечивает быстроту его проведения, приводит к экономии средств и труда на получение и обработку информации. Выборочный метод – это наиболее совершенная с научной точки зрения разновидность несплошного статистического наблюдения на основе статистической индукции, при котором характеристики всей статистической (генеральной) совокупностью (N) получаются в результате изучения некоторой ее части (n), отобранной с соблюдением определенных правил (на основе случайного отбора) и поэтому являющейся репрезентативной, т.е. репрезентативной и достоверной. Самый важный признак выборочного наблюдения как вида сплошного наблюдения – случайный характер выборки, а главная его особенность заключается в том, что при отборе единиц совокупности для обследования обеспечивается равная возможность в отобранную часть любой из единиц. 1.1 Основные понятия выборочной совокупности Одно из них – генеральная совокупность (N) – совокупность едениц, из которой производится отбор некоторой их части для статистического исследования.  Следующее – выборочная совокупность (n) – совокупность единиц, которая отобрана из генеральной совокупности и подвергнута наблюдению (регистрации интересующих нас признаков). Генеральная совокупность (а следом за ней и выборочная совокупность) может быть количественной или качественной, что зависит от того, являются ли признаки свойства единиц наблюдения количественным (возраст) или качественным (пол). Это различие предполагает, что статистическое описание совокупности принимает либо форму средних арифметических, либо форму удельного веса (доли). Совершенно естественно, что между этими показателями (средними или долями) генеральной и выборочной совокупностями имеется какое-то различие, иначе говоря, существует ошибка в определении показателей (средних или долей) выборочной совокупности именно потому, что последняя является частью генеральной совокупности.  Эти так называемые ошибки репрезентативности представляют собой расхождение между показателями выборочной и генеральной совокупности, подчиняются определенным статистическим закономерностям, что и позволяет рассчитывать объем выборочной совокупности. Они могут быть систематическими и случайными. Если первые возникают в связи с особенностями принятой системы отбора и обработки данных наблюдений или в связи с нарушением установленных правил отбора, то вторые – следствие недостаточно равномерного представления в выборке отдельных видов единиц генеральной совокупности. Главной проблемой выборочного метода является то, насколько уверенно можно по свойствам отобранных объектов следить о действительных свойствах генеральной совокупности. По этому всякое суждение, сделанное на основе выборки, неизбежно имеет вероятностный характер, и задача сводится к тому, чтобы степень вероятности правильности суждения (точность статистических оценок) была возможно большей.

17

Отклонение выборочной характеристики от генеральной называется предельной ошибкой выборки . Она определяется в долях средней ошибки с заданной вероятностью, т.е.

= t,         (1.38)

где t – коэффициент доверия, зависящий от вероятности, с которой определяется предельная ошибка выборки.

            Вероятность появления определенной ошибки выборки находят с помощью теорем теории вероятностей. Согласно теореме П. Л. Чебышёва, при достаточно большом объеме выборки и ограниченной дисперсии генеральной совокупности вероятность того, что разность между выборочной средней и генеральной средней будет сколь угодно мала, близка к единице:

при .

Средняя ошибка выборки есть величина , выражающая среднее квадратическое отклонение выборочной средней от математического ожидания. Эта величина при соблюдении принципа случайного отбора зависит прежде всего от объема выборки  и от степени варьирования признака: чем больше  и чем меньше вариация признака (следовательно, и значение ), тем меньше величина средней ошибки выборки . Соотношение между дисперсиями генеральной и выборочной совокупностей выражается формулой:

т.е. при достаточно больших  можно считать, что . Средняя ошибка выборки показывает возможные отклонения параметра выборочной совокупности от параметра генеральной. В табл. 9.2 приведены выражения для вычисления средней ошибки  выборки при разных методах организации наблюдения.

18

В статистике применяются различные способы формирования выборочных совокупностей, что обусловливается задачами исследования и зависит от специфики объекта изучения.

Основным условием проведения выборочного обследования является предупреждение возникновения систематических ошибок, возникающих вследствие нарушения принципа равных возможностей попадания в выборку каждой единицы генеральной совокупности. Предупреждение систематических ошибок достигается в результате применения научно обоснованных способов формирования выборочной совокупности.

Существуют следующие способы отбора единиц из генеральной совокупности: 1) индивидуальный отбор — в выборку отбираются отдельные единицы; 2) групповой отбор — в выборку попадают качественно однородные группы или серии изучаемых единиц; 3) комбинированный отбор — это комбинация индивидуального и группового отбора. Способы отбора определяются правилами формирования выборочной совокупности.

Выборка может быть:

• собственно-случайная состоит в том, что выборочная совокупность образуется в результате случайного (непреднамеренного) отбора отдельных единиц из генеральной совокупности. При этом количество отобранных в выборочную совокупность единиц обычно определяется исходя из принятой доли выборки. Доля выборки есть отношение числа единиц выборочной совокупности n к численности единиц генеральной совокупности N, т.е.

• механическая состоит в том, что отбор единиц в выборочную совокупность производится из генеральной совокупности, разбитой на равные интервалы (группы). При этом размер интервала в генеральной совокупности равен обратной величине доли выборки. Так, при 2%-ной выборке отбирается каждая 50-я единица (1:0,02), при 5%-ной выборке — каждая 20-я единица (1:0,05) и т.д. Таким образом, в соответствии с принятой долей отбора, генеральная совокупность как бы механически разбивается на равновеликие группы. Из каждой группы в выборку отбирается лишь одна единица.

• типическая – при которой генеральная совокупность вначале расчленяется на однородные типические группы. Затем из каждой типической группы собственно-случайной или механической выборкой производится индивидуальный отбор единиц в выборочную совокупность. Важной особенностью типической выборки является то, что она дает более точные результаты по сравнению с другими способами отбора единиц в выборочную совокупность;

• серийная - при которой генеральную совокупность делят на одинаковые по объему группы - серии. В выборочную совокупность отбираются серии. Внутри серий производится сплошное наблюдение единиц, попавших в серию;

• комбинированная - выборка может быть двухступенчатой. При этом генеральная совокупность сначала разбивается на группы. Затем производят отбор групп, а внутри последних осуществляется отбор отдельных единиц.

В статистике различают следующие способы отбора единиц в выборочную совокупность:

• одноступенчатая выборка - каждая отобранная единица сразу же подвергается изучению по заданному признаку (собственно-случайная и серийная выборки);

• многоступенчатая выборка - производят подбор из генеральной совокупности отдельных групп, а из групп выбираются отдельные единицы (типическая выборка с механическим способом отбора единиц в выборочную совокупность).

Кроме того различают:

• повторный отбор – по схеме возвращенного шара. При этом каждая попавшая в выборку единица иди серия возвращается в генеральную совокупность и поэтому имеет шанс снова попасть в выборку;

• бесповторный отбор – по схеме невозвращенного шара. Он имеет более точные результаты при одном и том же объеме выборки.

19

Корреляция

Корреляция определяет степень, с которой значения двух переменных «пропорциональны» друг другу. Пропорциональность означает просто линейную зависимость. Корреляция высокая, если на графике зависимость «можно представить» прямой линией (с положительным или отрицательным углом наклона). Таким образом, это простейшая регрессионная модель, описывающая зависимость одной переменной от одного фактора.

В производственных условиях обычно информации, полученной из диаграмм рассеяния при условии их корректного построения, бывает достаточно для того, чтобы оценить степень зависимости у от х. Но в ряде случаев требуется дать количественную оценку степени связи между величинамих и у. Такой оценкой является коэффициент корреляции.

Отметим основные характеристики этого показателя.

• Он может принимать значения от –1 до +1. Знак «+» означает, что связь прямая (когда значения одной переменной возрастают, значения другой переменной также возрастают), «–» означает, что связь обратная.

• Чем ближе коэффициент к |1|, тем теснее линейная связь. При величине коэффициента корреляции менее 0,3 связь оценивается как слабая, от 0,31 до 0,5 – умеренная, от 0,51 до 0,7 – значительная, от 0,71 до 0,9 – тесная, 0,91 и выше – очень тесная.

• Если все значения переменных увеличить (уменьшить) на од­но и то же число или в одно и то же число раз, то величина коэф­фициента корреляции не изменится.

• При r=±1 корреляционная связь представляет линейную функциональную зависимость. При этом все наблюдаемые значения располагаются на общей прямой. Её ещё называют линией регрессии.

• При r=0 линейная корреляционная связь отсутствует. При этом групповые средние переменных совпадают с их общи­ми средними, а линии регрессии параллельны осям координат.

Равенство r=0 говорит лишь об отсутствии линейной корреляционной зависимости (некоррелирован­ности переменных), но не вообще об отсутствии корреляционной, а тем более, статистической зависимости.

Основываясь на коэффициентах корреляции, вы не можете строго доказать причинной зависимости между переменными, однако можете определить ложные корреляции, т.е. корреляции, которые обусловлены влияниями «других», остающихся вне вашего поля зрения переменных. Лучше всего понять ложные корреляции на простом примере. Известно, что существует корреляция между ущербом, причиненным пожаром, и числом пожарных, тушивших пожар. Однако эта корреляция ничего не говорит о том, насколько уменьшатся потери, если будет вызвано меньше число пожарных. Причина в том, что имеется третья переменная (начальный размер пожара), которая влияет как на причинённый ущерб, так и на число вызванных пожарных. Если вы будете учитывать эту переменную, например, рассматривать только пожары определённой величины, то исходная корреляция между ущербом и числом пожарных либо исчезнет, либо, возможно, даже изменит свой знак. Основная проблема ложной корреляции состоит в том, что вы не знаете, кто является её носителем. Тем не менее, если вы знаете, где искать, то можно воспользоваться частные корреляции, чтобы контролировать (частично исключённое) влияние определённых переменных.

Корреляция, совпадение или необычное явление сами по себе ничего не доказывают, но они могут привлечь внимание к отдельным вопросам и привести к дополнительному исследованию. Хотя корреляция прямо не указывает на причинную связь, она может служить ключом к разгадке причин. При благоприятных условиях на её основе можно сформулировать гипотезы, проверяемые экспериментально, когда возможен контроль других влияний, помимо тех немногочисленных, которые подлежат исследованию.

Иногда вывод об отсутствии корреляции важнее наличия сильной корреляции. Нулевая корреляция двух переменных может свидетельствовать о том, что никакого влияния одной переменной на другую не существует, при условии, что мы доверяем результатам измерений.

Регрессионный анализ

Регрессионный анализ является одним  из наиболее распространённых методов обработки экспериментальных данных при изучении зависимостей в физике, биологии, экономике, технике и других областях.

Исследование объективно существующих связей между явлениями – важнейшая задача общей теории статистики. Регрессионный анализ заключается в определении аналитического выражения, в котором изменение одной величины (называемой зависимой или результативным признаком) y обусловлено  влиянием одной или нескольких независимых величин (факторов) x1, x2,…, xn, а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения.

Регрессия может быть однофакторной (парной) и многофакторной (множественной). Для простой (парной) регрессии в условиях, когда достаточно полно установлены причинно-следственные связи, можно использовать графическое изображение. При множественности причинных связей невозможно чётко разграничить одни причинные явления от других. В этом случае наиболее приемлемым способом определения зависимости (уравнения регрессии) является метод перебора различных уравнений, реализуемый с помощью компьютера.

После выбора вида регрессионной модели, используя результаты наблюдений зависимой переменной и факторов, нужно вычислить оценки (приближённые значения) параметров регрессии, а затем проверить значимость и адекватность модели результатам наблюдений.

Порядок проведения регрессионного анализа следующий:

• выбор модели регрессии, что заключает в себе предположение о зависимости функций регрессии от факторов;

• оценка параметров регрессии в выбранной модели методом наименьших квадратов;

• проверка статистических гипотез о регрессии.

20

В основе корреляционно-регрессионного анализа лежит взаимосвязь всех явлений природы и общества. Объем продукции предприятия связан с численностью работников, стоимостью производственных фондов, мощностью двигателей, запасами сырья, величиной резервов финансовых ресурсов и еще многими другими признаками.

Управление предприятием невозможно без прогнозирования его развития, которое в свою очередь основано на знании закономерностей, связей между явлениями и их признаками.

Опр. Корреляционно-регрессионным анализом называется многообразие методов исследования параметров генеральной совокупности, распределенной по нормальному закону.

Предпосылки корреляционно-регрессионного анализа:

1) Наличие данных по достаточно большой совокупности явлений. Обычно считается, что число наблюдений должно быть в 5-6 раз, случи в 10 р., чем число факторов.

2) Качественная однородность изучаемых единиц.

3) Проверка на однородность и нормальность распределения. На однородность по коэффициенту корреляционности на нормальность по правилу трех сигм.

4) Включаемые в исследование факторы должны быть независимы друг от друга, т.к. наличие тесной связи между ними свидетельствует о том, что они характеризуют одни и те же стороны изучаемого явления и дублируют друг друга.

Корреляционный анализ позволяет с помощью выборки делать выводы о степени статистической связи между признаками.

В качестве мер связи между признаками чаще всего используется принцип ковариации и принцип сопряженности.

Принцип ковариации: наличие связи между переменными утверждается, если увеличение значения одной переменной сопровождается устойчивым увеличением или уменьшением другой переменной. 

Принцип сопряженности: эта группа мер связи направлена на выяснение следующего факта – появляются ли некоторые значения одного признака одновременно с определенными значениями другогочаще, чем это можно объяснить случайным стечением обстоятельств.

Задачи корреляционно-регрессионного анализа сводятся к измерению тесноты известной связи между варьирующими признаками, определению неизвестных причинных связей (причинный характер которых должен быть выяснен с помощью теоретического анализа) и оценки факторов, оказывающих наибольшее влияние на результативный признак.

Изучение корреляционной связи имеет 2 цели:

1) Измерение параметров уравнения, выражающего связь средних значений зависимой переменной со значениями независимой переменной;

2) Измерение тесноты связи двух или большего числа признаков между собой.

Основным методом решения задачи нахождения параметров уравнения связи является метод наименьших квадратов (МНК), разработанный К.Ф.Гауссом (1777-1855), а был предложен Лежандром. В простейшем случае он формулируется так: Результат  yi  повторяющихся измерений можно рассматривать как сумму неизвестной величины x и ошибки измерения ej:

3) Прочие задачи  корреляционно-регрессионного анализа (КРА):

3.1 Выделение важнейших факторов, влияющих на результативный признак. Эта задача решается на базе мер тесноты связи факторов с результативным признаком.

3.2 Оценка эффективности использования факторов производства.

3.3 Прогнозирование возможных значений результативного признака при задаваемых значениях факторных признаков.

3.4 Подготовка исходных данных для решения оптимизационных задач. Например, для нахождения оптимальной структуры производства на основании корреляционно-регрессионной модели, Определяются показатели производительности труда, интенсивности расхода сырьевых, финансовых ресурсов и т.п.

К основным задачам корреляционно–регрессионного анализа в области моделирования экономики можно отнести следующие.

• Построение эконометрических моделей, т.е. представление экономических моделей в математической форме, удобной для проведения эмпирического анализа. Данную проблему принято называть проблемой спецификации.

• Оценка параметров построенной модели, делающих выбранную модель наиболее адекватной реальным данным. Это так называемый этап параметризации.

• Проверка качества найденных параметров модели и самой модели в целом. Иногда этот этап анализа называют этапом верификации.

• Использование построенных моделей для объяснения поведения исследуемых экономических показателей, прогнозирования и предсказания, а также для осмысленного проведения экономической политики.

Как видно, из вышесказанного, корреляционно–регрессионный анализ называют основным методом современной математической статистики для выявления неявных и завуалированных связей между данными наблюдений. Особую ценность этот метод приобрел после появления ЭВМ, тат как математические процедуры такого анализа довольно легко стало реализовывать в виде алгоритмов и программ статистической обработки данных.

21)Регрессия - величина, выражающая зависимость среднего значения случайной величины у от значений случайной величины х.

Уравнение регрессии выражает среднюю величину одного признака как функцию другого.

Функция регрессии - это модель вида у = л», где у - зависимая переменная (результативный признак); х - независимая, или объясняющая, переменная (признак-фактор).

Линия регрессии - график функции у = f (x).