- •1. Статистическое наблюдение, его формы, виды и способы.
- •2. Виды статистических группировок. Построение группировки по количественному признаку
- •3. Абсолютные, средние и относительные статистические показатели.
- •4 Аналитические показатели временного ряда
- •5. Индивидуальные и сводные индексы, их взаимосвязи.
- •6. Методы проверки временных рядов на наличие тенденции.
- •7. Методы выбора формы трендовой модели
- •8. Построение моделей авторегрессионных преобразований.
- •1. Основан на использовании, так называемых, последовательных или конечных разностей.
- •2. Метод отклонений эмпирических значений признака от теоретических по уравнению тренда полученных.
- •3. Метод Фриша-Воу
- •9. Прогнозирование на основе средних аналитических показателей временных рядов.
- •10. Прогнозирование на основе экстраполяции тренда.
- •11. Прогнозирование с учетом дисконтирования информации
- •12. Прогнозирование на основе кривых роста Гомперца и Перля-Рида.
- •13. Автокорреляция, ее выявление в уровнях временного ряда
- •14. Прогнозирование связных временных рядов
- •15. Оценка точности и надежности прогнозов.
- •16. Основные понятия теории выборочного наблюдения
- •17. Алгоритмы формирования выборочной совокупности
- •18. Простая случайная и систематическая выборки
- •19. Расслоенная выборка
- •20. Кластерная (сериальная) выборка
- •21.Предмет, задачи и система показателей макроэкономической статистики
- •22. Статистическое исследование результатов экономической деятельности
- •23. Статистическое исследование трудового потенциала и трудовых ресурсов
- •24. Статистическое исследование цен и ценообразования
- •25.Статистическое исследование внешней экономической деятельности
- •26. Сводный счет «Производство», его назначение и система показателей.
- •27. Методология исчисления валового внутреннего продукта и национального дохода
- •28. Межотраслевой баланс производства и распределения продукции в снс
- •29. Система макроэкономических показателей, применяемая в международной статистической практике
- •30. Предмет, метод, функции и система показателей социальной статистики
- •1. Общество, его основные характеристики и дифференциация
- •2. Условия жизни
- •3. Уровень жизни (материальная сторона)
- •4. Способ жизни и качественные аспекты жизни
- •Расчет коэффициентов корреляции Кэндела и Спирмена . [-1;1]
- •31.Статистическое исследование социальной структуры и социальной мобильности населения
- •32.Статистическое исследование жизненного уровня населения
- •33.Статистическое исследование дифференциации населения по денежным доходам
- •34.Статистическое исследование сферы обслуживания и охраны здоровья населения
- •35.Предмет, задачи и система показателей демографической статистики
- •36.Статистическое исследование численности, размещения и состава населения
- •37.Статистическое исследование естественного движения населения
- •38.Статистическое исследование миграционного движения населения.
- •39.Статистическое исследование воспроизводства населения
- •40. Понятие, принципы и методы демографического прогнозирования
- •41.Случайные величины. Закон распределение вероятностей дискретной случайной величины
- •42. Функция распределения и плотность вероятности случайной величины, их свойства
- •43. Основные числовые характеристики случайной величины и их свойства
- •44.Биноминальный и нормальный законы распределения случайной величины
- •45.Парные и частные коэффициенты корреляции, их свойства
- •46. Множественные коэффициенты корреляции и детерминации, их свойства
- •47. Понятие генеральной совокупности и выборки из нее
- •48. Определение точечной оценки (статистики) и основные требования, предъявляемые к точечной оценке (несмещенность, состоятельность, эффективность)
- •49. Интервальные оценки параметров генеральной совокупности
- •50. Интервальная оценка генеральной средней нормально распределенной генеральной совокупности.
- •51. Интервальная оценка генеральной дисперсии нормально распределенной генеральной совокупности.
- •52. Статистические гипотезы и правила их проверки. Статистические критерии.
- •53. Сущность дисперсионного анализа. Основные задачи, решаемые с его помощью
- •54. Определение оценок параметров классической линейной модели множественной регрессии с помощью метода наименьших квадратов
- •55. Факторный и компонентный анализ как методы снижения размерности
- •56. Кластерный анализ как метод многомерной классификации
- •57. Проверка значимости уравнения множественной регрессии и его коэффициентов. Интервальное оценивание коэффициентов уравнения регрессии
- •58. Гомо- и гетероскедастичность остатков в регрессионных моделях.
- •59. Обобщенный метод наименьших квадратов (омнк). Свойства омнк-оценок
- •60. Дискриминантный анализ как метод многомерной классификаций с обучением
45.Парные и частные коэффициенты корреляции, их свойства
Корреляционный анализ является одним из методов оценки взаимосвязи между переменными величинами на основе выборочных данных.
При построении корреляционных моделей исходят из условия нормальности многомерного закона распределения генеральной совокупности, что обеспечивает линейный характер связи между изучаемыми признаками.
Двумерная корреляционная модель
Изучается корреляционная зависимость между признаками и .
Построение двумерной корреляционной модели предполагает, что распределение двумерной случайной величины является нормальным, а независимая повторная выборка из генеральной совокупности - репрезентативной.
Плотность двумерного нормального закона распределения :
- парный коэффициент корреляции, характеризующий тесноту линейной связи между величинами и .
- математическое ожидание ;
- математическое ожидание ;
- дисперсия ;
- дисперсия ;
Замечание. Парный коэффициент корреляции является одним из самых распространенных способов измерения связи между случайными величинами.
Величина не имеет размерности и, следовательно, может быть использована для сопоставления различных статистических рядов. По мере приближения к единице условные дисперсии стремятся к нулю, что свидетельствует о меньшем рассеянии значений переменных относительно соответствующих линий регрессии и о более тесной связи между переменными. Значение свидетельствует о наличии функциональной линейной зависимости между рассматриваемыми признаками. Если , то линейная связь между и отсутствует, однако это не означает их вероятностную независимость. В этом случае не исключается возможность существования иной формы зависимости между переменными.
Частный коэффициент корреляции
.
где - определитель матрицы, получающейся из матрицы удалением -ой строки и -го столбца.
В случае трехмерной корреляционной модели для переменных можно определить три частных коэффициента корреляции. Частный коэффициент корреляции, например между и при фиксированном
служит показателем связи между переменными и независимо от влияния фиксируемой переменной .
Напомним, что парный коэффициент корреляции показывает тесноту связи между переменными и на фоне действия .
Частный коэффициент корреляции обладает всеми свойствами парного коэффициента корреляции, т.к. является коэффициентом корреляции для их условного двумерного распределения.
Если парный коэффициент корреляции между данными случайными величинами отличен от соответствующего частного коэффициента, то, следовательно, фиксированные величины усиливает (или ослабляют) взаимосвязь между изучаемыми переменными.
содержание
46. Множественные коэффициенты корреляции и детерминации, их свойства
Мерой тесноты линейной взаимосвязи между переменной и совокупностью остальных переменных служит множественный коэффициент корреляции (обобщение парного коэффициента корреляции ):
,
где - определитель матрицы ;
- определитель матрицы, получающейся из матрицы удалением -ой строки и -го столбца.
В случае трехмерной корреляционной модели для переменных можно рассчитать три множественных коэффициента корреляции. В частности,
.
Точечная оценка - выборочный множественный коэффициент корреляции:
Выборочный множественный коэффициент детерминации. показывает долю дисперсии случайной величины , обусловленную изменением остальных переменных.
Свойства множественного коэффициента корреляции
.
Если , то связь между и остальными переменными является функциональной. В частном случае трехмерной корреляционной модели точки расположены в плоскости регрессии на .
Если , то случайная величина независима от других рассматриваемых переменных.
Множественный коэффициент корреляции не уменьшается при введении в модель дополнительных признаков и не увеличивается при исключении отдельных признаков из модели.
Для коэффициента детерминации функциональная связь возникает при значении равном 1, а отсутствие связи - 0. При значениях показателей тесноты связи меньше 0,7 величина коэффициента детерминации всегда будет ниже 50%. Это означает, что на долю вариации факторных признаков приходится меньшая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. Построенные при таких условиях регрессионные модели имеют низкое практическое значение.
содержание