- •Три этапа развития статистики
- •Основные этапы развития статистики
- •2. Предмет и задачи статистики
- •3.Основные понятия теории статистики
- •Сбор информации;
- •1.Организационные и методологические вопросы статистического наблюдения
- •2. Ошибки статистического наблюдения
- •Классификация ошибок статистического наблюдения
- •3. Организационные формы, виды и способы статистического наблюдения
- •1. Сводка и группировка (понятие и основные виды)
- •2.Ряды распределения: атрибутивные и вариационные
- •3.Статистические таблицы и графики, требования к составлению таблиц
- •Макет таблицы
- •4. Классификация как особый вид группировки. Роль классификаций в статистике
- •2. Классификация относительных показателей
- •Классификация относительных показателей
- •3. Понятие «средняя величина» и основные виды средних величин в статистике Понятие «средняя величина»
- •Различные виды средних величин и способы их расчета
- •В табл. 4.2 те же обозначения, что и в табл. 4.1.
- •Вспомогательная таблица для расчета простой и взвешенной средней арифметической
- •Исходные данные и вспомогательные расчеты для определения средней гармонической
- •1. Понятие вариации и основные виды показателей вариации
- •Вспомогательная таблица для расчета показателей вариации
- •На основе исходных данных вначале подсчитываются средние величины, а затем находятся отклонения от средних. Рекомендуется в расчетах показателей вариации пользоваться формулой средней взвешенной.
- •2.Свойства средней арифметической и дисперсии
- •Свойства дисперсии
- •(Свойство минимальности).
- •3. Изучение структурных характеристик вариационного ряда
- •2. Показатели концентрации и дифференциации
- •3. Показатели структурных сдвигов
- •Лекция №7. Методология организации выборочных наблюдений5.
- •1.Задачи выборочного наблюдения и различные способы формирования выборки
- •Способы отбора единиц из генеральной совокупности
- •2. Понятие «ошибка выборки» и способы ее расчета
- •3. Расчет оптимальной численности выборки
- •Лекция №8. Методы и показатели оценки тесноты статистических взаимосвязей.
- •1.Понятие «статистическая взаимосвязь»
- •2. Классификация методов оценки тесноты статистических связей
- •3. Аналитические показатели оценки тесноты взаимосвязей между количественно измеримыми признаками
- •Вспомогательная таблица для расчета рангового коэффициента корреляции Спирмена
- •4.Способы оценки тесноты взаимосвязей между качественными признаками
- •Лекция №9. Статистическое изучение динамики социально -экономических процессов и явлений.
- •2. Аналитические показатели динамики
- •Аналитические показатели динамики
- •3. Сглаживание (выравнивание) динамических рядов: механическое и аналитическое сглаживание
- •Лекция №10. Построение уравнений тренда и уравнений парной линейной регрессии
- •1. Сущность метода наименьших квадратов
- •2. Построение уравнений регрессии
- •Расчет параметров парной линейной регрессии
- •3. Построение уравнений тренда
- •Вспомогательная таблица для расчета параметров уравнений линейного и квадратического тренда
- •4. Расчет корреляционного отношения на основе уравнения регрессии
- •Способы отбора факторных переменных.
- •Исходные данные для построения уравнений регрессии
- •После подсчета сумм в нижней строке таблицы, находим линейный коэффициент корреляции:
- •Матрица коэффициентов парной корреляции
- •Использование метода наименьших квадратов для построения нелинейных уравнений регрессии
- •Нелинейные относительно оцениваемых параметров
- •1. Понятие «статистический индекс»
- •2.Различные виды статистических индексов и способы их расчета
- •Различные виды агрегатных индексов
- •Вспомогательная таблица для расчета агрегатных индексов по формулам Ласпейреса и Пааше
- •3. Сущность индексного метода в статистике
- •Примеры решения задач индексным методом.
- •1. Понятие «прогноз» и виды прогнозов
- •2. Сущность статистических методов прогнозирования и требования к исходной статистической информации
- •3.Прогнозирование на основе уравнений тренда
- •1.Кластерный анализ
- •Дискриминантный анализ
- •3.Факторный анализ (метод главных компонент)
3. Сглаживание (выравнивание) динамических рядов: механическое и аналитическое сглаживание
Сглаживание (выравнивание) ряда – это построение нового ряда данных, значения которого максимально приближены к значениям последнего ряда, но на графике изображаются более гладкой, ровной линией.
Эта процедура обычно выполняется для того, чтобы выявить основную тенденцию развития явления и продолжить ее на будущее, то есть сделать прогноз. Продолжение тенденции на будущее называется экстраполяцией. Направление, выявленное тенденцией, называется трендом.
Экстраполяция тренда – это простейший из статистических методов прогнозирования. Однако его можно использовать только при условии, что имеется достаточно длинный ряд накопленных статистических данных и если есть уверенность, в том что выявленная тенденция сохранится на будущее.
Методы сглаживания рядов
Обычно для сглаживания динамических рядов используется два основных метода:
1. Механическое сглаживание способом «скользящей средней»;
2. Аналитическое сглаживание путем построения так называемого уравнения тренда.
Первый способ заключается в том, что каждые несколько последовательных значений ряда (чаще всего три) поочередно заменяются их средней арифметической, т.е. строится новый ряд:
|
|
|
– |
|
|
|
|
… |
|
Второй способ – аналитическое сглаживание или построение уравнения тренда – заключается в том, что строится уравнение некоторой математической функции, которая приблизительно описывает выявленную тенденцию развития. Эта функция подбирается таким способом, чтобы ее график был максимально приближен к графику исходного ряда данных.
Преимущество такого способа сглаживания рядов заключается в том, что по уравнению тренда легко сделать прогноз: достаточно подставить в это уравнение значение t для будущего периода. Однако при построении уравнении тренда основной проблемой является выбор вида функции для сглаживания ряда.
Чаще всего для сглаживания динамических рядов используются следующие функции:
1. Линейная
2. Квадратичная парабола
3. Кубическая парабола
4. Показательная функция
5. Степенная функция
6. Полулогарифмическая
Также используются некоторые специфические функции: так называемые функции с пределом насыщения или S-образные кривые: например,
логистическая функция
y = ;
кривая Перла-Рида
y = ;
кривая Гомперца
y =
и некоторые другие)1.
Подбор вида функций осуществляется либо графически, либо экспертным путем, а иногда способом автоматического перебора всех возможных функций, и выбора такой функции, график которой наиболее приближен к графику исходного ряда.
Степень близости оценивается по критерию, который называется ошибка аппроксимации1.
где – исходные значения уровня ряда;
– расчетные значения уровня ряда;
f(t), где f(t) – уравнение соответствующей функции.
Кроме того, используются и другие специальные функции, которые более подробно изучаются в дисциплине «эконометрика».
Для расчета параметров соответствующей функции (уравнения тренда) используют так называемый «метод наименьших квадратов» (сокращенно МНК). Суть этого метода подробнее рассмотрена на следующей лекции.