19. Способы отбора единиц в выборочную совокупность

Определение способа отбора единиц совокупности является важной частью выборочного исследования [9]. Существует множество способов отбора единиц совокупности, все их можно представить в виде трех групп:

1. Собственно-случайный отбор – выбор единиц совокупности без какой-либо схемы или системы. Может осуществляться методом жеребьевки или с помощью таблицы случайных чисел. При применении данного способа отбора необходимо удостовериться в выполнении принципа рэндомизации.

2. Отбор с предварительным выделением структуры генеральной совокупности применяется, если исследуется структурированная (распределенная на группы) совокупность. Серийный отбор предполагает выбор одной группы единиц, внутри которой производится сплошное обследование, среди всех групп. Районированный отбор представляет собой определение границ выборочной совокупности с учетом территориальной принадлежности единиц генеральной совокупности. Механический отбор применяется для совокупности, в которой каждой единице присвоен отдельный номер, а выбор осуществляется пропорционально количеству единиц, например, каждая десятая единица и др [10].

3. Ступенчатый или смешанный отбор применяется в случае поэтапного проведения выборочного наблюдения, когда на разных этапах наблюдения используют различные варианты отбора единиц.

Все приведенные выше способы, с точки зрения математической статистики, делятся на повторные и бесповторные. Повторный отбор предоставляет единице совокупности возможность быть отобранной еще один или несколько раз при условии сохранения принципа рэндомизации. Соответственно, бесповторным называется отбор, при котором единица, будучи однажды исследованной, исключается из генеральной совокупности. Тем самым, устраняется возможность ее повторного отбора в качестве представителя генеральной совокупности .

20. Виды связей, статистические методы анализа взаимосвязей, понятие корреляции.

В статистике связи классифицируются по степени их тесноты. Исходя из этого различают функциональную (полную) и статистическую (неполную, корреляционную) связь.

Функциональная связь – такая связь, при которой значение результативного признака целиком определяется значением факторного (например, площадь круга).

Она полностью сохраняет свою силу и проявляется во всех случаях наблюдения и для всех единиц наблюдения. Каждому значению факторного признака соответствует одно или несколько определенных значений результативного признака.

Для корреляционной связи характерно то, что одному и тому же значению факторного признака может соответствовать сколько угодно различных значений результативного признака. Здесь связь проявляется лишь при достаточно большом количестве наблюдений и лишь в форме средней величины.

Наиболее разработанными в математической статистике методами анализа взаимосвязей являются корреляционный и регрессионный анализ.

Под регрессионным анализом понимают исследование закономерностей связи между явлениями (процессами), которые зависят от многих, иногда неизвестных, факторов. Часто между переменными x и y существует связь, но не вполне определенная, при которой одному значению x соответствует несколько значений (совокупность) у. В таких случаях связь называют регрессионной. Таким образом, функция y  f (x) является регрессионной (корреляционной), если каждому значению аргумента соответствует статистический ряд распределения у.

Суть регрессионного анализа сводится к установлению уравнения регрессии, т.е. вида кривой между случайными величинами (аргументами x и функцией y ), оценке тесноты связей между ними, достоверности и адекватности результатов измерений.

Чтобы предварительно определить наличие такой связи между x и y , наносят точки на график и строят так называемое корреляционное поле. По виду корреляционного поля можно судить о наличии корреляционной связи.

Различают однофакторные (парные) и многофакторные регрессионные зависимости.

Парная регрессия при парной зависимости может быть аппроксимирована прямой линией, параболой, гиперболой, логарифмической, степенной или показательной функцией, полиномом и др. Двухфакторное поле можно аппроксимировать плоскостью, параболоидом второго порядка, гиперболоидом.

При построении теоретической регрессионной зависимости используется метод наименьших квадратов (МНК). Суть МНК заключается в следующем: из всего множества линий, которые можно провести через экспериментальные точки на корреляционном поле, линия регрессии y b b x 1 0   выбирается так, чтобы сумма квадратов расстояний по вертикали между экспериментальными точками и этой линией была наименьшей.

Корреляционный анализ состоит в определении степени связи между двумя случайными величинами (Y и X). Основной задачей корреляционного анализа является определение формы, направленности и тесноты взаимосвязи. При исследования корреляции используются графический и аналитический подходы.

Графический анализ начинается с построения корреляционного поля. Корреляционное поле (или диаграмма рассеяния) является графической зависимостью между результатами измерений двух признаков. Для ее построения исходные данные наносят на график, отображая каждую пару значений (xi,yi) в виде точки с координатами xi и yi в прямоугольной системе координат.

Корреляция (корреляционная зависимость) — статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.

Математической мерой корреляции двух случайных величин служит корреляционное отношение, либо коэффициент корреляции (или ). В случае, если изменение одной случайной величины не ведёт к закономерному изменению другой случайной величины, но приводит к изменению другой статистической характеристики данной случайной величины, то подобная связь не считается корреляционной, хотя и является статистической^].