- •1. Требования к теоретической части курсовой работы
- •2.Методические рекомендации к выполнению статистических расчётов курсовых, контрольных и выпускных квалификационных работ
- •Тема 1. Предмет, метод и задачи статистики.
- •1.1. Предмет, методы, задачи статистики
- •1.2. Основные понятия статистической науки: стат. Совокупность, варьирующие признаки, стат. Закономерность, стат. Показатель.
- •Тема 2. Статистическое наблюдение. Абсолютные и относительные величины
- •2.1. Понятие стат. Наблюдения. Требования к собираемой информации.
- •2.2. Основные виды, формы и способы наблюдения.
- •2.3. Точность наблюдения и контроль данных наблюдения.
- •2.4. Абсолютные и относительные величины
- •Тема 3. Сводка и группировка статистических данных.
- •3.1. Статистическая сводка, ее содержание, задачи, роль в анализе информации
- •3.2. Группировка - основа статистической сводки. Виды группировки, их применение в статистике
- •Пример типологической группировки
- •Пример структурной группировки
- •1). Единицы группируются по факторному признаку, а не по результативному;
- •Техника проведения аналитической группировки.
- •Построение интервального ряда распределения банков по объему кредитных вложений
- •3.3. Статистические ряды распределения, их виды и характеристики
- •Пример атрибутивного ряда
- •Пример дискретного ряда распределения
- •3.4. Табличное и графическое представление статистических данных
- •Правила построения статистических таблиц:
- •3. Комбинационные таблицы - подлежащее содержит группировку единиц совокупности по двум или более признакам, взятым в сочетании. Графическое представление статистических данных
- •Полигон распределения частот
- •Гистограммы
- •Кумулята
- •Тема 4. Средние величины
- •4.1. Сущность средних величин. Две формы средних величин.
- •(4.1.1.) (Для несгруппированных данных)
- •(Для сгруппированных данных) (4.1.2.)
- •1. Алгебраическая сумма отклонений индивидуальных значений признака от средней арифметической равна нулю (так называемое "нулевое" свойство).
- •2. Сумма квадратов отклонений индивидуальных значений признака от средней арифметической есть число минимальное (так называемое "минимальное" свойство).
- •3. Если все варианты ряда распределения увеличить или уменьшить на одну и ту же величину или в одно и тоже число раз, то средняя увеличится или уменьшится на ту же величину, или в тоже число раз.
- •Пример расчета средней арифметической простой
- •Пример расчета средней арифметической взвешенной
- •4.3. Средняя гармоническая.
- •4.4. Структурные средние (Мода, Медиана)
- •Пример нахождения Моды в дискретном ряду распределения
- •Тема 5 Статистическое изучение вариации
- •5.1.Понятие вариации. Основные показатели вариации
- •5.2. Правило сложения дисперсий и его применение.
- •5.3. Характеристика формы распределения. (самостоятельно!)
- •5.1. Понятие вариации. Основные показатели вариации
- •4. Среднее квадратическое отклонение (σ) – корень из среднего квадрата отклонений вариантов признака от средней арифметической величины признака. Сохраняет размерность изучаемого признака.
- •Относительные показатели вариации
- •1. Коэффициент вариации (Vσ) – относительный показатель вариации, который определяется как отношение среднего квадратического отклонения и арифметической средней изучаемого показателя.
- •2. Показатель осцилляции: ; (5.1.12.)
- •3. Линейный коэффициент вариации: . (5.1.13)
- •5.2.Правило сложения дисперсий и его применение
- •1)Объема кредитных вложений (наш факторный признак - х);
- •2)Прочих, неучтенных факторов.
- •1)Объема кредитных вложений (наш факторный признак - х);
- •1)Прочих, неучтенных факторов.
- •3. Расчёт внутригрупповых дисперсий ( ) и средней из них ( ).
- •5.3.Характеристика формы распределения
- •А число е ≈ 2,71828 – основание натуральных логарифмов.
- •1. Кривая имеет форму колокола.
- •4. Кривая имеет две точки перегиба при , находящиеся на расстоянии от (среднего квадратического отклонения)
- •6. В промежутке находится 68,3% всех значений признака.
- •(Правило трёх ).
- •Тема 6. Метод выборочного наблюдения
- •6.1.Понятие о выборочном наблюдении и ошибках выборки
- •6.2.Способы формирования выборочной совокупности
- •6.3 Средняя и предельная ошибки выборки
- •1. Определение ошибки выборки для среднего объема кредитных вложений банков и границ, в которых будет находиться генеральная средняя
- •_________?% _______?% (Проценты)
- •6.4.Определение необходимого объема выборки Определение необходимого объема выборки с заданным значением допустимой предельной ошибки выборки, равной 10 млн. Руб.
- •Тема 7. Корреляционно – регрессионный анализ социально-экономических явлений
- •7.1. Понятие о корреляционной связи. Виды и формы корреляционных связей
- •Если ни один обобщающий параметр не меняется систематически, то статистической связи нет!
- •7.2.Корреляционный метод анализа взаимосвязи
- •4. Метод аналитической группировки.
- •7.3.Регрессионный метод анализа взаимосвязи
- •7.4. Пример построения однофакторной регрессионной модели связи
- •Тема 8. Ряды динамики
- •8.1. Понятие и классификация рядов динамики. Сопоставимость уровней и смыкание рядов динамики
- •Способ выражения уровней ряда
- •Способ представления хронологии в рядах динамики
- •Пример интервального ряда динамики
- •Пример моментного ряда динамики
- •Расстояние между периодами или датами в рядах динамики
- •8.2. Аналитические показатели изменения уровней ряда динамики
- •8.3. Средние показатели в рядах динамики
- •, (8.3.8.) Когда отсутствует перелом в тенденции
- •8.4. Экстраполяция прогнозов в рядах динамики
- •Прогнозирование объемов реализации продукции с использованием среднего темпа роста
- •8.5. Методы выявления сезонных колебаний
- •8.6. Методы анализа основной тенденции в рядах динамики
- •Производство зерна в рф, млн.Тонн
- •Тема 9. Экономические индексы
- •9.1. Понятие о статистических индексах. Виды и классификация индексов.
- •Индексируемый показатель – показатель, уровни которого сравниваются. Например, цена , количество продаж , объем товарооборота ;
- •Сравниваемый уровень показателя – уровень показателя, который сравнивают с другим, его называют отчетным или текущим , ;
- •Базисный уровень показателя – уровень, с которым происходит сравнение , ;
- •9.2. Индивидуальные и общие индексы. Проблемы соизмерения индексируемых величин в агрегатных индексах.
- •1) Что включить в один индекс, какие элементы объединяются в одном индексе?
- •2) Необходимо правильно выбрать соизмеритель или вес, т.Е. Постоянный признак. Выбор веса зависит от того, какой признак исследуется – количественный или качественный.
- •9.3. Индексы средние из индивидуальных
- •9.4. Взаимосвязь индексов. Индексный метод выявления влияния роли отдельных факторов. Все три индекса
- •9.5. Индексы постоянного и переменного состава. Индексы фиксированной структуры.
- •3. Средний темп роста ( ) –
7.4. Пример построения однофакторной регрессионной модели связи
Уравнение парной линейной корреляционной связи имеет следующий вид:
,
где - расчетное теоретическое значение результативного признака Y, полученное по уравнению регрессии;
а0 - среднее значение признака Y в точке x=0;
а0, а1 - коэффициенты уравнения регрессии (параметры связи).
Гипотеза о линейной зависимости между признаками Х и Y выдвигается в том случае, если значения обоих признаков возрастают (или убывают) одинаково, примерно в арифметической прогрессии.
Уравнение парной линейной корреляции показывает среднее изменение результативного признака Y при изменении фактора Х на одну единицу его измерения, т.е. вариацию признака Y, которая приходится на единицу вариации фактора Х. Знак параметра указывает направление этого изменения.
Коэффициенты уравнения а0, а1 отыскиваются методом наименьших квадратов (МНК). Как изложено в раздел II – Теоретические основы и методика корреляционно-регрессионного анализа данных (п.3 – Моделирование однофакторных корреляционных связей на основе функциональных зависимостей), в основу МНК положено требование минимальности сумм квадратов отклонений эмпирических значений yi от выровненных . При линейной зависимости критерий минимизации (7.4.1.) принимает вид:
7.4.1.
Для нахождения значений параметров а0, а1, при которых функция двух переменных S может достигнуть минимума, приравнивают к нулю частные производные S по а0, а1 и тем самым получают систему 2-х уравнений с двумя неизвестными а0, а1:
7.4.2.
Сократив каждое уравнение на –2, раскрыв скобки и перенеся члены с х в одну строку, а с y – в другую, для определения а0, а1 получают систему:
Эта система называется системой нормальных уравнений МНК для линейного уравнения регрессии.
Все суммы, необходимые для конкретизации нормальных уравнений, определяют по эмпирическим данным (xi, yi).
Решая полученную систему, находят искомые параметры а0, а1 – коэффициенты линейного уравнения регрессии.
Расчет коэффициента может быть выполнен по формулам:
; 7.4.3.
. 7.4.4.
Иногда эти коэффициенты удобнее вычислять по формулам:
7.4.5.
7.4.6.
где - среднее из произведения; - среднее квадратов;
- произведение средних; - квадрат средних.
Построив линейное уравнение регрессии, следует проанализировать качество синтезированной регрессионной модели, оценить адекватность и практическую пригодность модели, дать ее экономическую интерпретации. Как уже отмечалось, на этапе регрессионного анализа определяется теоретическое выражение связи между признаками (форма связи). Для построения и анализа теоретической линии, определяемой на базе эмпирического материала, необходимо знать параметры уравнения регрессии.
Рассмотрим более подробно определение параметров для линейного уравнения парной регрессии. Рассчитаем эти показатели:
Линейное уравнение парной регрессии имеет вид:
На базе данных таблицы
Таблица 7.4.1.
Вспомогательная таблица для расчета уравнения линейной регрессии
Номер предприятия |
Кредитные вложения, млн.руб.
|
Прибыль банков, млн.руб . |
|
|
у с крышкой |
1 |
2 |
3 |
гр4=гр2*гр3 |
гр5=гр2*гр2 |
33,739+0,33*х |
11 |
375 |
150 |
56250 |
140625 |
157,489 |
19 |
384 |
158 |
60672 |
147456 |
160,459 |
2 |
396 |
168 |
66528 |
156816 |
164,419 |
12 |
429 |
208 |
89232 |
184041 |
175,309 |
20 |
492 |
195 |
95940 |
242064 |
196,099 |
10 |
523 |
213 |
111399 |
273529 |
206,329 |
25 |
528 |
215 |
113520 |
278784 |
207,979 |
8 |
537 |
169 |
90753 |
288369 |
210,949 |
5 |
540 |
210 |
113400 |
291600 |
211,939 |
4 |
543 |
221 |
120003 |
294849 |
212,929 |
13 |
552 |
218 |
120336 |
304704 |
215,899 |
23 |
555 |
191 |
106005 |
308025 |
216,889 |
7 |
576 |
214 |
123264 |
331776 |
223,819 |
28 |
589 |
230 |
135470 |
346921 |
228,109 |
22 |
591 |
239 |
141249 |
349281 |
228,769 |
24 |
603 |
236 |
142308 |
363609 |
232,729 |
21 |
610 |
237 |
144570 |
372100 |
235,039 |
1 |
614 |
256 |
157184 |
376996 |
236,359 |
27 |
615 |
228 |
140220 |
378225 |
236,689 |
15 |
618 |
238 |
147084 |
381924 |
237,679 |
29 |
627 |
265 |
166155 |
393129 |
240,649 |
14 |
642 |
227 |
145734 |
412164 |
245,599 |
16 |
653 |
254 |
165862 |
426409 |
249,229 |
3 |
681 |
252 |
171612 |
463761 |
258,469 |
30 |
698 |
245 |
171010 |
487204 |
264,079 |
17 |
704 |
251 |
176704 |
495616 |
266,059 |
6 |
706 |
278 |
196268 |
498436 |
266,719 |
9 |
744 |
288 |
214272 |
553536 |
279,259 |
18 |
759 |
293 |
222387 |
576081 |
284,209 |
26 |
795 |
303 |
240885 |
632025 |
296,089 |
итого: |
17679 |
6850 |
4146276 |
10750055 |
6846,24 |
1. Для построения линейного уравнения регрессии необходимо определить параметры этого уравнения: свободный член уравнения ( ) и коэффициент регрессии ( ). С этой целью построим вспомогательную таблицу.
Определим параметры уравнения линейной регрессии, n – количество банков
7.4.5.
7.4.6.
где - среднее из произведения; - среднее квадратов;
- произведение средних; - квадрат средних.
В уравнении регрессии параметр показывает усредненное влияние на результативный признак неучтенных в уравнении факторных признаков |
В нашем случае мы получили уравнение линейной зависимости
33,739+0,33*х
а0 а1
Коэффициент регрессии а1 0,33 показывает, что при увеличении факторного признака Кредитные вложения на 1 млн. руб. значение результативного признака «Прибыль банков» увеличивается в среднем на 0,33 млн руб.
Для построения теоретической линии зависимости рассчитаем этот показатель в таблице 7.4.1.
Теперь графически построим корреляционное поле – затем график с выводом формулы.
Затем ЭКО и ЭКД, см. тему 5.
В Excel- поставить мышь на множество точек корреляционного поля, правой клавишей – добавить Линию тренда, тип, параметры и по индексу детерминации выбрать наиболее адекватную линию регрессии.