Классификация методов исследования взаимосвязей

Статистика
Классификация статистических показателей Критический момент – момент времени, по состоянию на который регистрируются данные. Устанавливается при исследовании динамично изменяющегося объекта Виды статистических группировок Частотные характеристики рядов распределения Средняя арифметическая величина и ее расчет прямым способом Степенные средние Измерители вариации Упрощенный способ расчета дисперсии и средне квадратического отклонения Моменты распределения Ошибка выборки Малая выборка Распространение результатов выборочного распределения на генеральную совокупность Способ моментных наблюдений Классификация методов исследования взаимосвязей Парная регрессия Множественная корреляция и регрессия Обеспечение сопоставимости рядов динамики Изучение основной тенденции развития, социально-экономического развития во времени Корреляция в рядах динамики Сводные индексы Средние индексы
128810
знаков
46
таблиц
0
изображений

2.   Классификация методов исследования взаимосвязей.

Для изучения зависимости применяются различные статистические методы. Поскольку зависимости в статистике проявляются через вариацию признаков, то и методы в основном измеряют и сопоставляют вариацию факторного и результативного признаков.

 Для изучения функциональных зависимостей в статистке применяют балансовый и индексный методы. Сущность балансового метода выражается формулой:

Данная форма может характеризовать движение материальных, денежных средств, ценностей.

Индексный метод применяется для анализа динамики и сравнения обобщающих показателей, а так же факторов, влияющих на изменение уровней этих показателей.

Изучение неполной корреляции осуществляется двумя группами методов, которые можно определить, как нематематические и математические. Нематематические методы:

-   Метод параллельных рядов;

-   Метод аналитических группировок;

-   Графический метод.

Метод параллельных рядов применяется для определения наличия и направления взаимосвязи при немногочисленных совокупностях (15-20 единиц). При этом методе значение факторного признака располагается в порядке возрастания или убывания и параллельно с ними отражаются соответствующие значения результативного признака. Сопоставляя ряды значений, устанавливается зависимость.

Метод аналитической группировки применяется в случаях, когда совокупность достаточно велика и параллельные ряды не позволяют обнаружить зависимость. Этот метод – это разбиение исходных данных на группы в соответствии со значением признака фактора и расчет для каждой группы соответствующего среднегруппового значения результативного признака с тем, чтобы обнаружить взаимосвязь. Аналитические группировки обычно используются для однородных совокупностей, поэтому в них применяются чаще всего равные интервалы.

Пример: зависимость между суммой товарооборота магазина и уровнем издержек обращения.

Группы магазинов с товарооборотом, тыс. руб. Количество магазинов Уровень издержек обращения в процентах к итогу
До 20 (10) 3 35,2
20,1 – 40 (30) 5 32,4
40,1 – 60 (50) 8 25,2
Свыше 60 (70) 2 21,3

Группировка показывает, что с ростом товарооборота падает значение результативного признака. Налицо обратная зависимость. Если изобразить результаты группировки на графике, получим эмпирическую линию регрессии. Интервалы значений факторного признака заменяются средними групповыми показателями.

Эмпирическая линия регрессии показывает примерную форму и направление взаимосвязи.

При построении аналитической группировки надежность ее результатов зависит от того, какое число групп мы можем выделить, не натолкнувшись ни на одно исключение в предполагаемом характере взаимосвязи.

Помимо эмпирической линии регрессии, непосредственно определяющей форму и направление взаимосвязей, существует корреляционное поле, на котором отражаются параметрические данные. По корреляционному полю так же можно судить о характере взаимосвязи. Если точки сконцентрированы около диагонали идущей слева направо, снизу вверх – то связь прямая. Если около другой диагонали – обратная. Если точки рассеяны по всему полю графика – связь отсутствует.

При построении аналитической группировки важно правильно определить величину интервала. Если в результате первичной группировки связь не проявляется отчетливо, можно укрупнить интервал. Однако, укрупняя интервалы, можно иногда обнаружить связь даже там, где ее нет. Поэтому при построении аналитической группировки руководствуются правилом: чем больше групп мы можем выделить, не натолкнувшись ни на одно исключение, тем надежнее наша гипотеза о наличии и форме связи.

Нематематические методы дают приближенную оценку о наличии, формы и направлении связи. Более глубокий анализ осуществляется с помощью математических методов, которые развились на базе методов, применяемых статистиками - нематематиками:

-   Регрессионный анализ, позволяющий выразить с помощью уравнения форму взаимосвязи.

-   Корреляционный анализ используется для определения тесноты или силы взаимосвязи признаков. Корреляционные методы делят:

-    Параметрические методы, которые дают оценку тесноты связи непосредственно на базе значений факторного и результативного признаков;

-    Непараметрические методы – дают оценку на основе условных оценок признаков.

Оценка тесноты криволинейных зависимостей дается после расчета параметра уравнения регрессии. Поэтому такой метод называется корреляционно-регрессивным.

Если анализируется зависимость одного факторного и результативного признаков, то в этом случае имеем дело с парной корреляцией и регрессией. Если анализируются несколько факторных и результативных признаков – это множественная корреляция и регрессия.


Информация о работе «Статистика»
Раздел: Статистика
Количество знаков с пробелами: 128810
Количество таблиц: 46
Количество изображений: 0

Похожие работы

Скачать
59066
6
49

... Доказать: По определению второй смешанной производной. Найдем по двумерной плотности одномерные плотности случайных величин X и Y. Т.к. полученное равенство верно для всех х, то подинтегральные выражение аналогично В математической теории вероятности вводится как базовая формула (1) ибо предлагается, что плотность вероятности как аналитическая функция может не существовать. Но т.к. в нашем ...

Скачать
15032
1
0

... распределения генеральной совокупности F(x) и – эмпирической функция распределения Fn(x) , построенной по выборке х1,…,хn, называется функция. Теорема. Если F(x) непрерывна, то распределения статистики Колмогорова Dn не зависит от F(x). Условные математические ожидания и условные распределения. Св-ва условных мат. ожиданий. Аналоги формул полной вероятности и формулы Байеса для мат. ожиданий ГММЕ ...

Скачать
61563
0
5

... дает возможность статистического моделирования, происходящих в населении процессов. Потребность в моделировании возникает в случае невозможности исследования самого объекта. Наибольшее число моделей, применяемых в статистике населения, разработано для характеристики его динамики. Среди них выделяются экспоненциальные и логистические. Особое значение в прогнозе населения на будущие периоды имеют ...

Скачать
46528
0
0

... на задний план традиционными постановками. Несколько лет назад при описании современного этапа развития статистических методов нами были выделены [29] пять актуальных направлений, в которых развивается современная прикладная статистика, т.е. пять "точек роста": непараметрика, робастность, бутстреп, интервальная статистика, статистика объектов нечисловой природы. Обсудим их. 5. ...

0 комментариев


Наверх