![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
Исследование объективно существующих связей между явлениями – важнейшая задача теории статистики.
Социально-экономические явления представляют собой результат одновременного воздействия большого числа причин. При изучении этих явлений необходимо выявлять главные, основные причины, абстрагируясь от второстепенных. Изучение взаимосвязи может выполняться в три этапа:
В основе первого этапа статистического изучения связей лежит качественный анализ явления, связанный с анализом его природы методами экономической теории, социологии, конкретной экономики.
Второй этап – построение модели связи. Он базируется на математических и статистических методах: теории вероятностей, группировки, средних величин, таблиц и т.д.
Третий последний этап – интерпретация результатов, вновь связан с качественными особенностями изучаемого явления.
Статистика разработала множество методов изучения связей, выбор конкретного из которых зависит от цели исследования и от поставленной задачи. Связи между признаками и явлениями, ввиду их большого разнообразия, классифицируются по ряду оснований. Признаки по их значению для изучения взаимосвязи делятся на два класса. Признаки, обуславливающие изменение других, связанных с ними признаков, называют факторными, или просто факторами. Признаки, изменяющиеся под действием факторных признаков, называют результативными.
Связи между явлениями и их признаками классифицируются по степени тесноты, по направлению и по аналитическому выражению.
Различают два вида связи: функциональную и стохастическую. При функциональной связи за изменением факторного признака обязательно последует изменение результативного признака. При стохастической связи изменения результативного признака может не наступить, то есть он меняется с определённой степенью вероятности.
Классификация связей:
1) По направлению:
- прямая;
- обратная.
При прямой связи с увеличением или уменьшением значений факторного признака происходит увеличение или уменьшение значений результативного. Например, увеличение степени механизации труда способствует росту рентабельности строительного производства.
В случае обратной связи значения результативного признака изменяются в противоположном направлении по сравнению с изменением факторного признака. Так, с увеличением уровня фондоотдачи снижается себестоимость единицы производимой продукции.
2) По форме (аналитическому выражению):
- прямолинейные (просто линейные);
- нелинейные (криволинейные).
Если статистическая связь между явлениями приближенно выражена уравнением прямой линии, то ее называют линейной связью; если же она выражена уравнением какой-либо кривой линии (параболы, гиперболы: степенной, показательной, экспоненциальной и т. д.), то такую связь называют нелинейной или криволинейной.
3) По степени тесноты связи различают:
- сильную;
- умеренную;
- слабую;
- почти отсутствующую.
Тесноту связи между признаками можно измерить с помощью коэффициента корреляции:
где: х – факторный признак;
у – результативный признак;
– среднее значение фактического признака;
– среднее значение результативного признака;
σх – среднее отклонение фактического признака;
σу – среднее отклонение результативного признака.
Коэффициент корреляции может принимать значения от – 1 до 1. Если r < 1, то связь обратная.
Количественные критерии оценки тесноты связи.
коэффициент корреляции | Связь |
r < ± 0,3 ± 0,3 < r < ± 0,5 ± 0,5 < r < ± 0,7 ± 0,7 < r | почти отсутствует слабая умеренная сильная |
Для выявления наличия связи, её характера, направления в статистике применяются следующие методы:
- метод приведения параллельных данных;
- метод аналитических группировок;
- графический метод;
- методы корреляционно-регрессивного анализа.
Метод приведения параллельных данных основан на сопоставлении двух или нескольких рядов статистических величин взаимосвязанных между собой логикой экономического анализа. Такое сопоставление позволяет установить наличие связи и получить представление о ее характере. Сравним изменения двух величин:
Мы видим, что с увеличением ве-личины х величина у также возрас-тает. Можно сделать предположение, что связь между ними прямая и что ее можно описать или уравнением пря-мой, или уравнением параболы второ-го порядка.
Статистическую связь между двумя признаками можно изобразить графически и по графику судить о наличии, направлении и форме связи. На оси абсцисс откладываются значения факторного признака, на оси ординат – результативного. На графике откладываются все единицы, обладающие определенными значениями х и у.
Соединив полученные точки нанесенных на график значений х и у прямыми линиями, получается ломаная, называемая «Ломаная регрессии». Число точек ломаной регрессии строго должно соответствовать числу единиц наблюдения, по которым даны значения обоих признаков. Кривая позволит судить о форме связи, об аналитическом ее выражении.
Методы корреляционно-регрессивного анализа.
Корреляционная связь является частным случаем стохастической связи. Корреляционно-регрессивный анализ включает в себя:
1. корреляционный анализ (оценка наличия, силы, тесноты);
2. регрессивный анализ (определение аналитической формы (уравнения) связи).
Парная регрессия характеризует связь между двумя признаками: результативным и факторным. Аналитически связь между ними описывается уравнениями:
прямой ;
параболы ;
Определить тип уравнения можно, исследуя зависимость графически. Однако существуют более общие указания, позволяющие выявить уравнение связи, не прибегая к графическому изображению. Если результативный и факторный признаки возрастают одинаково, примерно в арифметической прогрессии, то это свидетельствует о наличии линейной связи между ними, а при обратной связи – гиперболической. Если результативный признак увеличивается в арифметической прогрессии, а факторный значительно быстрее, то используется параболическая или степенная функции.
Оценка параметров уравнения регрессии а 0, а 1, (а 2 – в уравнении параболы второго порядка) осуществляется методом наименьших квадратов, в основе которого лежит предположение о независимости наблюдений исследуемой совокупности и нахождении параметров модели (а 0 и а 1), при котором минимизируется сумма квадратов отклонений эмпирических (фактических) значений результативного признака от теоретических, полученных по уравнению регрессии:
Продифференцируем это выражение и получим систему двух уравнений с двумя неизвестными.
n – количество значений признака
Решив эту систему найдём значение параметров а 0, а 1 и подставим их в уравнение в общем виде.
В уравнениях регрессии параметр а 0 показывает усредненное влияние на результативный признак неучтенных (не выделенных для исследования) факторов; параметр a 1 (а в уравнении параболы и а 2) – коэффициент регрессии показывает, насколько изменяется в среднем значение результативного признака при изменении факторного на единицу его собственного измерения.
|
цена тыс.руб. | |||||
объем продаж |
n = 5, å x = 15, å y = 30,
å x 2 = 1 + 4 + 9 + 16 + 25 = 55,
å xy = 8 + 14 + 18 + 20 + 20 = 80,
|
15 a 0 + 55 a 1 = 80
15(6 – 3 a 1) + 55 a 1 = 80
90 + 10 a 1 = 80
10 a 1 = –10 a 1 = –1
a 1 = –1 a 2 = 9
y = 9 – x – уравнение, характеризующее связь между ценой и объёмом продаж водонагревателей. По уравнению регрессии можно выполнить прогноз неизвестных значений. Можно определить например объём продаж при цене 6 тыс.руб. у = 9 – 6 = 3.
Дата публикования: 2015-01-09; Прочитано: 599 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!