- •Пояснительная записка
- •Практическая работа 1
- •2 Резюме
- •3 Задачи
- •4 Контрольные вопросы:
- •Практическая работа 2
- •2 Резюме
- •3 Задания
- •4 Контрольные вопросы:
- •Практическая работа 3
- •2 Резюме
- •4 Контрольные вопросы:
- •Практическая работа 4
- •2 Резюме
- •Показатели вариации
- •3 Задание (по вариантам)
- •4 Контрольные вопросы:
- •Практическая работа 5
- •2 Резюме
- •Средний ап:
- •3 Задания
- •4 Контрольные вопросы:
- •Практическая работа 6
- •2 Резюме
- •3 Задания
- •4 Контрольные вопросы:
- •Практическая работа 7
- •2 Резюме
- •3 Задания
- •4 Контрольные вопросы:
- •Практическая работа 8
- •2 Задания
- •3 Контрольные вопросы:
- •Практическая работа 9
- •2 Задания
- •3 Контрольные вопросы:
- •Литература
4 Контрольные вопросы:
4.1. Что такое индекс?
4.2. В чем состоит специфика индексов?
4.3. В чем состоит отличие индивидуальных индексов от общих?
4.4. Индексы агрегатной формы.
4.5. В чем состоит отличие цепных индексов от базисных?
4.6. Какая существует взаимосвязь между цепными и базисными индексами?
4.7. Применение индексов в экономико-статистических расчетах.
4.8. Раскройте сущность индекса цен.
4.9. Средние индексы. Взаимосвязь средних и агрегатных индексов.
4.10. Индексы переменного, постоянного состава, структурных сдвигов. Их взаимосвязь.
Практическая работа 7
«Выявление и статистический анализ взаимосвязи
социально-экономических явлений»
1 Цель: Освоить методику выявления наличия взаимосвязи между показателями, а также методику количественной характеристики взаимосвязи, пользуясь редактором формул и Мастером диаграмм MS Excel.
2 Резюме
Связи, которые проявляются не в каждом отдельном случае, а лишь в совокупности данных, называются статистическими. Они выражаются в том, что при изменении значения фактора х изменяется и условное распределение результативного признака у: разным значениям одной переменной (фактора х) соответствуют разные распределения другой переменной (результата у).
Корреляционная связь — частный случай статистической связи, при котором разным значениям одной переменной х соответствуют разные средние значения переменной у. Корреляционная связь предполагает, что изучаемые переменные имеют количественное выражение.
Статистическая связь — более широкое понятие, оно не включает ограничений на уровень измерения переменных. Переменные, связь между которыми изучается, могут быть как количественными, так и неколичественными.
Статистические связи отражают сопряженность в изменении признаков х и у, которая может быть вызвана не причинными отношениями, а так называемой ложной корреляцией. Например, в совместных изменениях хиу обнаруживается определенная закономерность, но она вызвана не влиянием х на у, а тем, что обе переменные изменяются под влиянием общей причины z. Следует проявлять осторожность при интерпретации результатов измерения статистических связей. Когда говорится, что изменение у на 70% зависит от изменения фактора х, нужно понимать условность такого вывода и ставить под сомнение как сам вывод о зависимости, так и цифру — в данном случае 70%, которая отражает не только влияние изучаемого фактора, но и всего комплекса факторов, связанных с ним.
Показатели корреляции измеряют тесноту связи между признаками. Все показатели корреляции изменяются по абсолютной величине в интервале [0; 1].
Коэффициент парной корреляции — мера тесноты линейной связи между двумя переменными хиу. Линейная связь может быть либо прямой, ryx > 0, либо обратной, ryx< 0, так что —1 < ryx< + 1. Коэффициент корреляции — это симметричная мера связи, т.е. ryx = rxy. Квадрат коэффициента корреляции называется парным коэффициентом детерминации.
Коэффициент частной корреляции измеряет чистую (частную) корреляцию между двумя переменными при погашении связи с другими переменными. Коэффициент частной корреляции также является мерой линейной связи и принимает значения от минус 1 до плюс 1.
Коэффициент частной детерминации переменной хk — это доля дисперсии у, дополнительно объясненной включением переменной xk. в величине дисперсии у, не объясненной переменными, ранее включенными в анализ (x1, …xk-1).
Коэффициент множественной корреляции измеряет связь между у и всеми учтенными признаками-факторами: — 1 ≤ R2x, y, z ≤ 1. Коэффициент множественной детерминации показывает, какую часть дисперсии у объясняют учтенные в анализе признаки-факторы: 0 ≤ R2x, y, z ≤ 1.
Математическое описание зависимости изменений переменной у в среднем от изменений переменной х называется уравнением парной регрессии. Чаще всего используется линейное уравнение парной регрессии: у = а + bх. Знак при коэффициенте регрессии b соответствует направлению зависимости у от х: b > 0 — зависимость прямая, b < 0 — зависимость обратная. Коэффициент регрессии bух измеряет силу зависимости y от x. Это ассиметричный показатель, т.е. bух ≠ bху. Интерпретация свободного члена а зависит от того, имеется ли в исходных данных нулевое значение х (и возможно ли оно).
Математическое описание корреляционной зависимости результативной переменной от нескольких факторных переменных называется уравнением множественной регрессии. Параметры уравнения регрессии оцениваются методом наименьших квадратов (МНК). Уравнение регрессии должно быть линейным по параметрам.
Если уравнение регрессии отражает нелинейность связи между переменными, то регрессия приводит к линейному виду (линеаризуется) путем замены переменных или их логарифмирования. Вводя в уравнение регрессии фиктивные переменные, можно учесть влияние неколичественных переменных, изолируя их от влияния количественных факторов. Если коэффициент детерминации близок к единице, то с помощью уравнения регрессии можно предсказать, каким будет значение зависимой переменной для того или иного ожидаемого значения одной или нескольких независимых переменных.
Таблица 1 – Количественные критерии оценки тесноты связи
Величина коэффициента корреляции |
Характер связи |
До ± 0,3 |
Практически отсутствует |
от ± 0,3 до ± 0,5 |
Слабая |
от ± 0,5 до ± 0,7 |
Умеренная |
от ± 0,7 до ± 1,0 |
сильная |
Метод наименьших квадратов:
n a0 + a1 x = y
a0 x + a1 x2 = xy
где n – объем исследуемой совокупности (число единиц наблюдения).
В уравнениях регрессии параметр а0 показывает усредненное влияние на результативный признак неучтенных (не выделенных для исследования) факторов, параметр а1 (а в уравнении параболы и а2) – коэффициент регрессии – показывает, насколько изменяется в среднем значение результативного признака при увеличении факторного на единицу собственного измерения.
Л инейный коэффициент корреляции был впервые введен в начале 90 –х г.г. Пирсоном, Эджвортом и Велдоном и характеризует тесноту и направление связи между двумя коррелируемыми признаками в случае наличия между ними линейной зависимости. В теории разработаны и на практике применяются различные модификации формул расчета данного коэффициента:
И другие формулы для расчета линейного коэффициента корреляции.
(где n – объем совокупности (число наблюдений).)
Линейный коэффициент корреляции изменяется в пределах от минус до плюс единицы. Знаки коэффициентов регрессии и коэффициентов корреляции совпадают. При этом интерпретацию выходных значений коэффициента корреляции можно представить в таблице: Оценка линейного коэффициента корреляции
Таблица 2 - Оценка линейного коэффициента корреляции
Значение линейного коэффициента корреляции |
Характер связи |
Интерпретация связи |
r = 0 |
Отсутствует |
- |
0<r< 1 |
Прямая |
С увеличением Х увеличивается Y или с уменьшением Х уменьшается Y |
- 1<r < 0 |
Обратная |
С увеличением Х уменьшается Y или с уменьшением Х увеличивается Y |
r = 1 |
Функциональная |
Каждому значению факторного признака строго соответствует одно значение результативного признака |