- •Завод
- •Имеются следующие данные по предприятию, тыс. р.:
- •Обувь
- •Имеются следующие данные по региону:
- •Имеются следующие данные об использовании рабочего времени рабочими предприятия за квартал (90 дней):
- •Имеются следующие данные по предприятию, тыс. р.:
- •Имеются следующие данные о населении города:
- •Товар
- •Данные о потреблении населением товаров за два периода:
- •Имеются следующие показатели по предприятию:
- •Имеются следующие данные по населению города за год:
- •Стоимостные показатели позволяют привести к сопоставимому виду объемы различных товаров и услуг. Для этого натуральный объем умножается на тариф или цену единицы объема:
- •Виды относительных величин:
- •Е. Территориальные относительные величины (сравнения)
- •8. Выборочное наблюдение
- •Общая
- •Тема 1. Статистика населения
- •Тема 2. Статистика рынка труда
- •Тема 4. Статистика производства товаров и услуг
- •Тема 5. Статистика эффективности затрат предприятия
- •Тема 7. Система национальных счетов (СНС)
- •4. Экзаменационные вопросы
- •5. Список рекомендуемой литературы
Для цепных и базисных индексов с переменными весами
приведенное выше соотношение неправомерно. |
|
|
|||||||
Цепные индексы: |
å p2 × q2 |
|
|
å p3 |
|
|
|||
(ц1 ) |
= |
(ц2 ) |
= |
× q3 |
. |
||||
I р |
å p1 × q2 |
; Iр |
å p2 × q3 |
||||||
|
|
|
|
|
|||||
Базисный индекс: |
|
|
|
å p3 ×q3 |
|
|
|
||
|
|
I |
Б |
= |
. |
|
|
||
|
|
p |
å p1 ×q3 |
|
|
||||
|
|
|
|
|
|
|
Произведение цепных индексов с переменными весами не дает базисный индекс:
I p(ц1) ´ I (pц 2) ¹ I бp .
8.Выборочное наблюдение
1.Основные понятия выборочного наблюдения
Суть выборочного наблюдения состоит в том, что в случайном порядке отбирается определенная часть единицсовокупности, которая подвергается дальнейшему исследованию, а затем по этой части дается представление о всей совокупности.
Выборочное наблюдение дает неодинаковые со сплошным наблюдением результаты из-за самого факта выборки, поэтому основная задача корректного выборочного наблюдения состоит в высокой степени представительности всей совокупности.
Существует понятие ошибок репрезентативности – отли-
чие выборочной совокупности от всей совокупности. Различают основные понятия выборочного наблюдения:
-генеральную совокупность и ее численность (N);
-выборочную совокупность (часть отобранных единиц) и ее численность (n).
Обобщающие характеристики выражаются двумя понятиями: средняя величина и доля.
55
х- средняя величина для генеральной совокупности(ге-
неральная средняя);
~ - выборочная средняя величина;
х
p – генеральная доля; w – выборочная доля.
Для выборочного наблюдения важен уровень варьирования признака, который в статистике выражается дисперсией:
Между выборочной и генеральной дисперсиями существует следующая зависимость:
σ2 = σ 2 × æ n ö
0 ç ÷
èn -1ø
Вформулах выборочного наблюдения общая дисперсия заменяется на выборочную. Предполагается, что при достаточно большом числе выборочной совокупности общая дисперсия совпадет с выборочной.
Однако в малых выборках (n ≤ 20 единиц) такое соотношение нужно учитывать.
Дисперсия альтернативного признака
ì σ 2p = p × q - для генеральной совокупности;
íîσW2 = w × (1 - w) - для выборочной совокупности.
где p и w – доля единиц, обладающих данным признаком, соответственно в генеральной и выборочной совокупности.
2. Методы определения ошибок выборки для средней величины и для доли
Главная задача выборочного наблюдения состоит в определении отклонений выборочных характеристик от генеральных. Эта задача решается с помощью определенияошибок выборки, которые показывают, на сколько единиц отклоняются выборочная средняя и доля от средней и доли в генеральной совокупности.
Ошибки выборки зависят от двух факторов:
1)численности выборки (чем больше ошибка выборки, тем меньше численность выборки, и наоборот);
56
2)степени варьирования признака (чем сильнее варьирует признак, тем больше ошибка выборки, и наоборот).
Зная влияние этих факторов, определяют среднюю ошибку выборки для повторного и бесповторного отбора.
Повторный отбор означает, что в первый раз отобранные единицы совокупности возвращаются в генеральную совокупность и поэтому повторно могут попасть в следующий этап отбора.
Ошибки выборки для повторного |
Ошибки выборки для бесповтор- |
отбора |
ного отбора |
Средняя ошибка выборки для средней величины
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
μ |
|
|
= |
|
σ2 |
|
|
μ |
|
|
= |
|
σ2 |
´(1- |
n |
) |
|
|
|
|
n |
|
|
|
|
|
n |
N |
|
||||||
x |
x |
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Средняя ошибка выборки для доли
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m p |
= |
|
w(1 - w) |
|
|
m p |
= |
|
w(1 - w) |
´ (1 - |
n |
) |
|
n |
|
|
|||||||||||
|
|
|
|
|
|
|
|
n |
N |
||||
Предельная ошибка выборки для средней и для доли |
|
|
|
D |
|
= t ×μ |
|
|
Dp = t ×μp |
|
x |
|
|
||||
x |
||||||
|
|
|
|
Переход от выборочной средней и доля к генеральным характеристи-
|
|
|
|
кам |
|
|
~ |
± Dx |
p = w ± Dp |
|
x = x |
Средние ошибки выборки (μ) показывают среднюю величину отклонений выборочных обобщающих характеристик от -ге неральных. Однако такие границы отклонений можно устанавливать не абсолютно, а с определенной степенью вероятности.
Например, доказано, что:
-в 683 случаях из 1000 ошибка выборки не выйдет за пределы значений μ;
-в 317 случаях из 1000 ошибка выборки может быть больше μ;
57
-можно увеличивать вероятность, в результате чего увеличивается кратность ошибки выборки, ее значение определяют
специальным коэффициентом, который обозначается t.
-
Вероятность |
t |
0,683 |
1 |
0,954 |
2 |
0,997 |
3 |
На основе коэффициента кратности ошибки рассчитывается показатель предельной ошибки выборки.
t – коэффициент кратности ошибки выборки (коэффициент доверия), характеризующий пределы отклонений выборочных характеристик от генеральных в зависимости от определенной степени вероятности.
Предельная ошибка выборки позволяет с определенной степенью вероятности утверждать, что генеральные характеристики будут находиться в определенных интервалах, которые назы-
ваются доверительными.
3. Определение необходимой численности выборки
Для проведения репрезентативного отбора предварительно следует рассчитать численность отбираемых единиц совокупности n. Она определяется на основе преобразования формул, характеризующих ошибки выборки для повторного и бесповторного отбора. Например, определение численности выборки для средней величины в повторном отборе будет рассчитываться так:
μ |
|
|
= |
σ2 |
Þ |
n = |
σ2 |
. |
|||
x |
n |
μ |
|
2 |
|||||||
|
|
|
|
|
|||||||
|
|
|
|
|
|
x |
|
||||
|
|
|
|
|
|
|
|
|
Если в формуле ошибки выборки присутствует коэффициент кратности t, то численность выборки для средней величины определится по формуле:
58
|
|
|
|
σ2 |
×t |
2 |
|
||
Dx = t ×μx |
Þ n = |
. |
|||||||
|
|
2 |
|||||||
|
|
||||||||
|
|
|
|
Dx |
|
|
Для расчета численности выборки в показателях доли используются следующие формулы в повторном отборе:
n = w(1 - w) ;
μ 2 p
n = t 2 × w × (1 - w) .
D2 p
Вприведенных формулах заранее неизвестны показатели σ²
иw, практически этот вопрос решается так: в качестве неизвестных величин используются предыдущие расчетыаналогичного характера или определяют дисперсию альтернативногопризнака, равную 0,25.
При бесповторном отборе численность выборки учитывает также численность генеральной совокупности (N).
9.Статистические приемы изучения взаимосвязи явле-
ний
1. Функциональные и корреляционные связи. Задачи корреляционного анализа
Следует отличать функциональные связи от корреляционных.
Функциональные связи характеризуют изменение одного явления под влиянием другого или других. Эта связь считается жестко детерминированной, и она характеризуется для всех единиц совокупности в равной мере.
Корреляционные связи между явлениями проявляются только в среднем для совокупности и характеризуют вариацию -ре зультативного признака вследствие вариации факторных признаков. Корреляционные связи – это неполные связи, т.е. такие, которые отражают влияние одного или нескольких факторов.
59
В связи с этим различают парную и множественную корреляцию. Парная корреляция изучает зависимость между парой признаков, один из которых – признак–следствие (у), а другой признак – фактор (х). Множественная корреляция изучает влияние нескольких факторов на признак–следствие Y.
Задачи корреляционного анализа:
1)установление наличия связи между признаками и выражение ее уравнением регрессии;
2)определение тесноты связи между признаками, т.е. степени приближения ее к функциональной. Эта задача решается с помощью расчета коэффициентов и индексов корреляции. Поэтому в целом такой метод анализа называетсякорреля-
ционно-регрессионным.
2. Выявление корреляционных зависимостей и установление форм связей
Наличие связи между изучаемыми признаками может быть обнаружено с помощью графического метода и метода предварительного теоретического анализа.
В любом случае обнаруженная корреляционная зависимость должна быть подтверждена расчетом эмпирического корреляционного отношения:
η = |
δ2 |
, |
|
σ2 |
|||
|
|
где σ2 = å(yi - y)2 × fi - межгрупповая дисперсия признака у;
å fi
σ2 = y2 - ( y)2 - общая дисперсия признака у.
Если η≥ 0,7, то связь между признаками х и у считается тесной и дальнейшие вычисления целесообразны.
Предварительный теоретический анализ согласованной вариации признаков х и у осуществляется следующим образом:
1)если с увеличением признаках увеличивается признак у и наоборот, то такую связь следует характеризовать уравнени-
ем прямой:
60
y x = a0 + a1 × x ,
где а1 , а 0 - параметры уравнения;
х - признак - фактор;
y х - теоретический уровень признака - следствия.
Параметр а0 отражает влияние на показательу всех остальных факторов, кроме фактора х.
Параметр а1 – коэффициент регрессии – показывает, на сколько абсолютных единиц изменится признак-следствиеу от изменения фактора х на одну единицу.
Коэффициент регрессии может быть выражен в относительных единицах:
Э = а1 × x - коэффициент эластичности. y
Коэффициент эластичности более универсален, чем коэффициент регрессии, т.к. показывает, на сколько процентов изменится у от изменения х на один процент.
Для нахождения параметров уравнения на основе метода наименьших квадратов решаются системы двух уравнений с двумя неизвестными:
для несгруппированных данных
ì n × a0 + a1 ×å x = å y; íîa0 ×å x + a1 ×å x2 = å x × y,
где n – число пар значений признака.
для сгруппированных данных
ì a0 ×å f + a1 × åx × f = åy × f ; íîa0 × å f × x + a1 ×åx2 × f = å y × x × f ;
2)если с увеличениемх уменьшается у и наоборот, то такую связь можно охарактеризовать уравнением гиперболы:
1 yx = a0 + a1 × x .
Для этого уравнения существует следующая система уравнений для нахождения параметров:
61
для несгруппированных данных
ì |
n × a0 + a1 ×å |
1 |
|
= å y; |
||||||
ï |
|
|
||||||||
x |
||||||||||
í |
|
|
|
|
|
|
|
|||
× å |
1 |
+ a1 × å |
|
1 |
= åy × |
1 |
|
|||
ïa0 |
|
; |
||||||||
|
|
2 |
|
|||||||
î |
|
x |
x |
|
x |
3)если с увеличениемх также увеличивается у, но до определенного значения, а затем с увеличением х уменьшается у, то между признаками существует параболическаязависимость, ко-
торую можно описатьуравнением параболы второго порядка:
y x = a0 + a1 × x + a2 × x 2
Для этого уравнения существует следующая система для нахождения параметров:
ì n × a0 + a1 × åx + a2 × åx2 = å y;
ï
í a0 × åx + a1 ×åx2 + a2 ×åx3 = åx × y; ïîa0 × åx2 + a1 ×åx3 + a2 ×åx4 = åx2 × y;
4)если с увеличением темпов роста признаках темпы роста признака у затухают, то такую связь лучше описать логарифмической кривой
y x = a0 + a1 × ln x ,
где ln х – логарифм коэффициентов роста показателя х.
Для этого уравнения существует следующая система уравнений для нахождения параметров:
ì n × a0 + a1 × åln x = å y
íîa1 × åln x + a1 × åln x 2 = å y × ln x
3. Индекс и линейный коэффициент корреляции
Теснота связи между признаками характеризует приближение ее к функциональной, т.е. к полной. Для оценки этого используются две дисперсии: общая и остаточная (простая и взвешенная).
62