Дисперсия малой выборки

- число степеней свободы.

40. Основные понятия корреляционного и регрессионного анализа.

Исследуя природу, общество, экономику, необходимо считаться со взаимосвязью наблюдаемых процессов и явлений. При этом полнота описания так или иначе определяется количественными характеристиками причинно-следственных связей между ними. Оценка наиболее существенных из них, а также воздействия одних факторов на другие является одной из основных задач статистики.

Формы проявления взаимосвязей весьма разнообразны. В качестве двух самых общих их видов выделяют функциональную (полную) икорреляционную (неполную) связи. В первом случае величине факторного признака строго соответствует одно или несколько значений функции. Достаточно часто функциональная связь проявляется в физике, химии. В экономике примером может служить прямо пропорциональная зависимость между производительностью труда и увеличением производства продукции.

Корреляционная связь (которую также называют неполной, или статистической) проявляется в среднем, для массовых наблюдений, когда заданным значениям зависимой переменной соответствует некоторый ряд вероятных значений независимой переменной. Объяснение тому – сложность взаимосвязей между анализируемыми факторами, на взаимодействие которых влияют неучтенные случайные величины. Поэтому связь между признаками проявляется лишь в среднем, в массе случаев. При корреляционной связи каждому значению аргумента соответствуют случайно распределенные в некотором интервале значения функции.

По направлению связи бывают прямыми, когда зависимая переменная растет с увеличением факторного признака, и обратными, при которых рост последнего сопровождается уменьшением функции. Такие связи также можно назвать соответственно положительными и отрицательными.

Существует еще одна достаточно важная характеристика связей с точки зрения взаимодействующих факторов. Если характеризуется связь двух признаков, то ее принято называть парной. Если изучаются более чем две переменные – множественной.

Задачи собственно корреляционного анализа сводятся к измерению тесноты связи между варьирующими признаками, определению неизвестных причинных связей и оценке факторов оказывающих наибольшее влияние на результативный признак.

Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значении зависимой переменной.

Непараметрические методы не накладывают ограничений на закон распределения изучаемых величин. Их преимуществом является и простота вычислений.

41. Понятия взаимосвязанных признаков как предмет статистического изучения связи. Задачи статистического изучения связи. Виды взаимосвязей и цели их статистического изучения. Изучение причинно-следственных зависимостей между фактами – важнейшая задачаанализа социально-экономических явлений. Это необходимо для принятияобоснованных управленческих решений. Изучение зависимостей – это сложнейшаязадача, поскольку социально-экономические явления сами по себе сложны имногообразны. Кроме того, полученные выводы носят вероятностный характер, таккак они делаются на основе данных, представляющих собой выборку во времениили пространстве.Статистические методы изучения зависимости построены с учетом особенностейизучаемых закономерностей. Статистика изучает преимущественно стохастическиесвязи, когда одному значению признака-фактора соответствует группа значенийрезультативного признака. Если с изменением значений признака-фактораизменяются среднегрупповые значения результативного признака, то такие связиназывают корреляционными. Не всякая стохастическая зависимость являетсякорреляционной. Если каждому значению факторного признака соответствует строгоопределенное значение результативного признака, то такая зависимость функциональная. Ее называют еще полной корреляцией. Неоднозначныекорреляционные зависимости называют неполной корреляцией. По механизму взаимодействия различают:§ Непосредственные связи – когда причина прямо влияет на следствие;§ Косвенные связи – когда между причиной и следствиемсуществуют ряд промежуточных признаков (например, влияние возраста назаработок).По направлениям различают:§ Прямые связи – когда значение факторного ирезультативного признаков изменяются в одном направлении;§ Обратные связи – когда значения факторного ирезультативного признаков изменяются в разных направлениях.Бывают:§ Прямолинейные (линейные) связи – выражены прямой линией;§ Криволинейные связи – выражены параболой, гиперболой.По числу взаимосвязанных признаков различают:§ Парные связи – когда анализируется взаимосвязь двух признаков(факторного и результативного);§ Множественные связи – характеризуют влияние нескольких признаков наодин результативный.По силе взаимодействия различают:§ Слабые (заметные) связи; § Сильные (тесные) связи. Задача статистики определить наличие, направление, форму и тесноту взаимосвязи. 42. Выбор формы управления регрессии для анализа экономических явлений. Оценка параметров управления регрессии. Корреляционное отношение изменяется в пределах от 0 до 1, и анализ степени тесноты связи полностью соответствует линейному коэффициенту корреляции. Чем теснее связь между х и у, тем меньше, а η больше.
Выбор формы уравнения регрессии:
1) Для каждой зависимости определяют корреляционное отношение (для линейной зависимости коэффициент корреляции), определяется критерий Дарбина-Уотсона и ошибка аппроксимации;
2) Из зависимостей выбирают такие, у которых отсутствует автокорреляция остатков;
3) Из оставшихся уравнений регрессии выбирают то, для которого корреляционное отношение имеет наибольшее значение (для линейной зависимости коэффициент корреляции). Если таких зависимостей несколько, то выбирается та зависимость, у которой ошибка аппроксимации имеет наименьшее значение. При этом линейной зависимости, независимо от величины ошибки аппроксимации, отдается предпочтение.
Построение модели множественной регрессии включает несколько этапов:
- выбор формы связи (уравнения регрессии)
- отбор факторных признаков
Выбор формы связи затрудняется тем, что, используя математический аппарат, теоретическая зависимость между признаками может быть выражена большим числом различных функций. Поскольку уравнение регрессии строится главным образом для объяснения и количественного отображения взаимосвязей, оно должно хорошо отражать сложившиеся между исследуемыми факторами фактические связи.
Важным этапом построения уже выбранного уравнения множественной регрессии является отбор и последующее включение факторных признаков.
Проблема отбора факторных признаков для построения моделей может быть решена на основе эвристических или многомерных статистических методов анализа.
Наиболее приемлемым способом отбора факторных признаков является шаговая регрессия (шаговый регрессионный анализ). Сущность метода шаговой регрессии заключается в последовательном включении факторов в уравнение регрессии и последующей проверке их значимости. Одновременно используется и обратный метод, т.е. исключение факторов, ставших незначимыми на основе t-критерия Стьюдента. 43. Статистические характеристики тесноты связи: эмпирическое корреляционное отношение, линейный коэффициент корреляции, коэффициент детерминации.

Межгрупповая и общая дисперсии помогают определить, на сколько сильно результат педагогического эксперимента (или любого другого опыта) обусловлен принадлежностью испытуемого к той или иной группе. Для этого используется коэффициент детерминации .

Общая дисперсия помогает численно оценить, как сильно отличаются варианты выборки друг от друга. Межгрупповая дисперсия помогает выявить степень различия между группами данной выборки. Однако, в педагогических исследованиях зачастую не требуется численная оценка параметра, но при этом важно знать, существенно ли отличаются испытуемые (или группы испытуемых) друг от друга по тому или иному признаку. Ответ на такой вопрос даёт коэффициент вариации.

44. Методы изучения связи альтернативных признаков. Коэффициенты ассоциации, контингенции и взаимной сопряженности. Анализ и интерпретация.

В статистической практике могут встречаться такие случаи, когда качества факторных и результативных признаков не могут быть выражены численно. Поэтому для измерения тесноты зависимости необходимо использовать другие показатели. Для этих целей используются так называемые непараметрические методы.

Наибольшее распространение имеют ранговые коэффициенты корреляции, в основу которых положен принцип нумерации значений статистического ряда. При использовании коэффициентов корреляции рангов коррелируются не сами значения показателей х и у, а только номера их мест, которые они занимают в каждом ряду значений. В этом случае номер каждой отдельной единицы будет ее рангом.

Коэффициенты корреляции, основанные на использовании ранжированного метода, были предложены К. Спирмэном и М. Кендэлом.

Коэффициент корреляции рангов Спирмэна (р) основан на рассмотрении разности рангов значений результативного и факторного признаков и может быть рассчитан по формуле

(8.9)

где d = N_x - N_y, т.е. разность рангов каждой пары значений х и у; n - число наблюдений.

Ранговый коэффициент корреляции Кендэла () можно определить по формуле

(8.10)

где S = P + Q.

К непараметрическим методам исследования можно отнести коэффициент ассоциации К_ас и коэффициент контингенции К_кон, которые используются, если, например, необходимо исследовать тесноту зависимости между качественными признаками, каждый из которых представлен в виде альтернативных признаков.

Для определения этих коэффициентов создается расчетная таблица (таблица «четырех полей»), где статистическое сказуемое схематически представлено в следующем виде:

Коэффициент ассоциации можно расcчитать по формуле

Коэффициент контингенции рассчитывается по формуле

Нужно иметь в виду, что для одних и тех же данных коэффициент контингенции (изменяется от -1 до +1) всегда меньше коэффициента ассоциации.

Коэффициент взаимной сопряженности Пирсона определяется по формуле

(8.13)

где - показатель средней квадратической сопряженности:

Коэффициент взаимной сопряженности изменяется от 0 до 1.

Наконец, следует упомянуть коэффициент Фехнера, характеризующий элементарную степень тесноты связи, который целесообразно использовать для установления факта наличия связи, когда существует небольшой объем исходной информации. Данный коэффициент определяется по формуле

(8.14)

где n_a - количество совпадений знаков отклонений индивидуальных величин от их средней арифметической; n_b- соответственно количество несовпадений.

Коэффициент Фехнера может изменяться в пределах -1,0 К_ф +1,0.

45. Изучение зависимости между количественными признаками. Ранговые показатели связи.

Для исследования взаимосвязи качественных альтернативных признаков, принимающих только 2 взаимоисключающих значения, используется коэффициент ассоциации и контингенции. При расчете этих коэффициентов составляется т.н. таблица 4-х камней, а сами коэффициенты рассчитываются по формуле:

Если коэффициент ассоциации ³ 0,5, а коэффициент контингенции ³ 0,3, то можно сделать вывод о наличии существенной зависимости между изучаемыми признаками.

Если признаки имеют 3 или более градаций, то для изучения взаимосвязей используются коэффициенты Пирсена и Чупрова. Они рассчитываются по формулам:

С - коэффициент Пирсена

К - коэффициент Чупрова

j - показатель взаимной сопряженности

K - число значений (групп) первого признака

K1 - число значений (групп) второго признака

fij - частоты соответствующих клеток таблицы

mi - столбцы таблицы

- j - строки

Для расчета коэффициентов Пирсена и Чупрова составляется вспомогательная таблица:

При ранжировании качественных признаков с целью изучения их взаимосвязи используется коэффициент корреляции Кэндалла.

- - число наблюдений

S - сумма разностей между числом последовательностей и числом инвервий по второму признаку.

S=P+Q

P - сумма значений рангов, следующих за данными и превышающих его величину

Q - сумма значений рангов, следующих за данными и меньших его величины (учитывается со знаком «-»).

При наличии связанных рангов формула коэффициента Кендалла будет следующей:

Vxи Vyопределяются отдельно для рангов Xи Yпо формуле:

46. Понятие и классификация рядов динамики Рядами динамики называются последовательно расположенные в хронологическом порядке статистические данные, отображающие развитие изучаемого явления во времени.

В каждом ряду динамики имеются два основных элемента:

1. показатель времени t, который может быть представлен в виде определенных дат (моментов) времени, либо отдельных периодов (год, квартал, месяц, сутки);

2. уровни развития изучаемого явления у – отображают количественную оценку (меру) развития во времени изучаемого явления. Они могут выражаться абсолютными, относительными или средними величинами.

В зависимости от характера изучаемого явления уровни рядов динамики могут относиться или к определенным датам (моментам) времени, или к отдельным периодам. В соответствии с этим, ряды динамики подразделяются на:

1. моментные ряды динамики отображают состояние изучаемых явлений на определенные даты (моменты) времени, например, остатки товаров на складе готовой продукции на определенный момент времени (дату);

2. интервальные ряды динамики отображают итоги развития (функционирования) изучаемых явлений за отдельные периоды (интервалы) времени, например товарооборот предприятия за определенный период. Чем больше изменчивость явления во времени, тем меньше должны быть промежутки во времени между данными.

Отличительной особенностью моментного и интервального рядов динамики является понятие интервала. Для моментного ряда динамики интервал – промежуток времени между датами.
Кроме того, ряды динамики могут быть:

§ полный ряд - ряд динамики, в котором одноименные моменты времени или периоды времени строго следуют один за другим в календарном порядке или равноотстоят друг от друга.

§ неполный ряд динамики - ряд, в котором уровни зафиксированы в неравноотстоящие моменты или периоды времени.

47. Правила построения ряда динамики.

1. Периодизация развития, т.е. расчленение его во времени на однородные этапы, в пределах которых показатель подчиняется одному закону развития. По существу, это типологическая группировка во времени.

2. Статистические данные должны быть сопоставимы по территории, кругу охватываемых объектов, единицам измерения, времени регистрации, ценам, методологии расчета.

3. Величины временных интервалов должны соответствовать интенсивности изучаемых процессов. Чем больше вариация уровней во времени, тем чаще следует делать замеры, соответственно для стабильных процессов интервалы можно увеличить.

4. Числовые уровни рядов динамики должны быть упорядоченными во времени. Не допускается анализ рядов с пропусками отдельных уровней, если же такие пропуски неизбежны, то их восполняют условными расчетными значениями.

48. Показатели анализа ряда динамики

При изучении явления во времени перед исследователем встает проблема описания интенсивности изменения и расчета средних показателей динамики. Решается она путем построения соответствующих показателей. Для характеристики интенсивности изменения во времени такими показателями будут:
1) абсолютный прирост,
2) темпы роста,
3) темпы прироста,
4) абсолютное значение одного процента прироста.

Расчет показателей динамики представлен в следующей таблице.

Показатель	Базисный	Цепной
Абсолютный прирост *	Yi-Y0	Yi-Yi-1
Коэффициент роста (Кр)	Yi : Y0	Yi: Yi-1
Темп роста (Тр)	(Yi : Y0)×100	(Yi : Yi-1)×100
Коэффициент прироста (Кпр)**
Темп прироста (Тпр)
Абсолютное значение одного процента прироста (А)

^*
**

В случае, когда сравнение проводится с периодом (моментом) времени, начальным в ряду динамики, получают базисные показатели. Если же сравнение производится с предыдущим периодом или моментом времени, то говорят о цепных показателях.

51. Структура ряда динамики. Проверка ряда на наличие тренда.

Всякий ряд динамики теоретически может быть представлен в виде составляющих:

Ø тренд – основная тенденция развития ряда, обусловливающая увеличение или снижение его уровней;

Ø циклические (периодические) колебания (в том числе сезонные);

Ø случайные колебания.

Проверка ряда динамики на наличие в нем тренда возможна несколькими способами (в порядке усложнения):

1. Графический метод, когда на графике по оси абсцисс откладывается время, а по оси ординат – уровни ряда. Соединив полученные точки линиями, в большинстве случаев можно выявить тренд визуально.

2. Метод средних, согласно которому изучаемый ряд динамики делится на два равных подряда, для каждого из которых определяется средняя величина и . И если они различаются существенно (более 10%), то признается наличие тренда.

3. Метод Кокса и Стюарта, согласно которому ряд динамики делится на три равные по числу уровней группы и существенное различие выявляется между средними уровнями первой и третьей групп. Если общее число уровней не делится на три, то надо добавить недостающий уровень или исключить излишний.

4. Метод Валлиса и Мура, согласно которому наличие тренда признается в том случае, если ряд не содержит либо содержит в приемлемом количестве фазы, т.е. перемену знака при определении абсолютного изменения цепным способом.

5. Метод серий, согласно которому каждый уровень ряда считается принадлежащим к одному из двух типов, например типу А – меньше медианного или среднего значения или типу В – больше его. Затем в образовавшейся последовательности типов устанавливается число серий R. Они называются последовательностью уровней одинакового типа, которая граничит с уровнями другого типа. Если в ряду динамики общая тенденция к росту или снижению уровней отсутствует, то число серий является случайной величиной, распределенной приближенно по нормальному закону (при n>30) или по распределению Стьюдента (при n<30). Следовательно, если закономерности в изменениях уровней нет, то случайная величина R оказывается в доверительном интервале

где t – коэффициент доверия для принятого уровня вероятности при нормальном законе или со степенью свободы k = (n - 1) при распределении Стьюдента;

– среднее число серий в ряду, определяемое по формуле: ; – среднее квадратическое отклонение числа серий в ряду, определяемое по формуле .

Подставляя среднее число серий и его среднее квадратическое отклонение в доверительный интервал, получим его развернутое значение в виде

.

Значит, с заданной вероятностью тренд имеет место, если установленное число серий ряда не входит в доверительный интервал, и тренд отсутствует, если установленное число серий находится в этом интервале. 52. Анализ сезонных колебаний.

При анализе колеблемости динамических ря­дов наряду с выделением случайных колебаний, возникает за­дача изучения периодических колебаний. Как правило, изучение периодических (сезонных) колебаний необходимо с целью ис­ключения их влияния на общую динамику для выявления чи­стой (случайной) колеблемости.

Если в анализируемой временной последовательности наблюдаются устойчивые отклонения от тенденции (в большую или в меньшую сторону), то можно предположить наличие в ряду динамики некоторых (одного или нескольких) колебательных процессов.

Задачи, которые необходимо решить в ходе исследования сезонности:

1. выявить наличие сезонности;
2. численно выразить сезонные колебания;
3. выделить факторы, вызывающие сезонные колебания;
4. оценить последствия сезонных колебаний;
5. провести математическое моделирование сезонности.

Для измерения сезонных колебаний статистикой предложе­ны различные методы. Наиболее простые и часто употребляемые из них:

1. метод абсолютных разностей;
2. метод относительных разностей;
3. построение индексов сезонности.

Первые два способа предполагают нахождение разностей фак­тических уровней и уровней, найденных при выявлении основ­ной тенденции развития (тренда).

Применяя способ абсолютных разностей, оперируют непос­редственно размерами этих разностей, а при использовании ме­тода относительных разностей, определяют отношение абсолют­ных размеров указанных разностей к выровненному уровню. При выявлении основной тенденции используют либо метод сколь­зящей средней, либоаналитическое выравнивание. В некоторых случаях в стационарных рядах можно пользоваться разностью фактических уровней и средним месячным уровнем за год. Использование данных за несколько лет связано с тем обстоятельством, что в отклоне­ниях по отдельным годам сезонные колебания смешиваются со случайными. Чтобы элиминировать случайные колебания, берут средние отклонения за несколько лет.

Для выделения сезонной волны надо определить средний уровень за каждый месяц по 3-5-летним дан­ным и общую среднюю за весь рас­сматриваемый период.

Общая средняя получается делением суммы уровней за все три-пять лет на 36 или 60 (общее число месяцев). Затем определяется абсолютное отклонение средних месячных показателей от общей средней.

Метод абсолютных разностей заключается в расчете месячных средних и общей средней с последующим их сравнением:

• y_t — средний месячный уровень показателя за три и более лет,
• y_c — среднемесячное значение показателя за все годы.

Если сезонность оценивается по данным за 3 года (36 месяцев), если за 5 лет (60 месяцев):

где: y_i — значение уровня динамического ряда. Величина и знак значений абсолютных отклонений определяют наличие сезонности.

В качестве показателя, характеризующего сезонную неравномерность, используется показатель относительного отклонения.

Метод относительных разностей является развитием метода абсолютных разностей. Для нахождения относительных разно­стей абсолютные отклонения делят на общую среднюю и выра­жают в процентах. По величине и знакам значений относительных отклонений можно судить о величине и силе влияния сезонного фактора.

Вместо относительных разностей за каждый месяц может быть вычислен индекс сезонности, который рассчитывается как отно­шение среднего уровня соответствующего месяца к общей сред­ней. Индекс сезонности рассчитывается:

• y_t — средний уровень показателя соответствующего месяца за три и более лет,
• y_c — среднемесячное (по году) значение показателя за все годы (общая средняя).

53. Элементы прогнозирования и интерполяции.

Анализ динамики социально-экономических явлений, выявление и характеристика основной тенденции развития дают основание для прогнозирования - определения буду­щих размеров уровня экономического явления.

Процесс прогнозирования предполагает, что закономерность развития, действую­щая в прошлом (внутри ряда динамики), сохранится и в прогнозируемом будущем, то есть прогноз основан на экстраполяции. Экстраполяция, проводимая в будущее, называется перспективой, и в прошлое - ретроспективой. Обычно, говоря об экстраполяции рядов динамики, подразумевают чаще всего перспективную экстраполяцию. Первоначальные прогнозы, как правило, сводятся к экстраполяции тенденции. При этом могут использо­ваться разные методы, в зависимости от исходной информации. Можно выделить сле­дующие элементарные методы экстраполяции: на основе среднего абсолютного прироста, среднего темпа роста и экстраполяция на основе применения метода наименьших квадра­тов и представления развития явлений во времени в виде уравнения тренда, т.е. математи­ческой функции уровней ряда (у) от фактора времени (t).

Прогнозирование по среднему абсолютному приросту может быть выполнено в том случае, если есть уверенность считать общую тенденцию линейной, то есть метод ос­нован на предположении о равномерном изменении уровня (под равномерностью понима­ется стабильность абсолютных приростов).

В этом случае, чтобы получить прогноз на «i» шагов вперед (i - период упрежде­ния), достаточно воспользоваться следующей формулой:

(9.34.)

где у_n - фактическое значение в последней n-ой точке ряда (конечный уровень ряда);

- прогнозная оценка значения (п+1) уровня ряда; ∆¯ - значение среднего абсолютно­го прироста, рассчитанное для ряда динамики y_1; y_2; y_3;…; y_n.

Для нахождения прогнозного значения на «i» шагов вперед необхо­димо использовать следующую формулу:

(9.35.)

где К¯_p - средний коэффициент роста, рассчитанный для ряда y_1; y_2; y_3;…; y_n.

К недостаткам рассмотренных методов следует отнести то, что они учитывают лишь конечный и начальный уровень ряда, исключая влияние промежуточных уровней. Тем не менее, методы среднего абсолютного прироста и среднего темпа роста имеют весьма широкую область применения, что объясняется простотой их вычисления.

Наиболее распространенным методом прогнозирования является аналитическое выражение тренда. При этом для выхода за границы исследуемого периода достаточно продолжить значения независимой переменной времени (t).

Остановимся на величине доверительного интервала прогноза, который определя­ется по формуле:

9.36)

где:

σ - средняя квадратическая ошибка тренда;

y¯_t+1 - расчетное значение уровня;

t_a - доверительная величина, определяемая на основе t-критерия Стьюдента.

Вместо t_a - критерия удобно использовать коэффициент (К*).

54. Понятие об индексах. Значение индексов в анализе социально - экономических явлений.

Индексами называют сравнительные относительные величины, которые характеризуют изменение сложных социально-экономических показателей (показатели, состоящие из несуммируемых элементов) во времени, в пространстве, по сравнению с планом.

Индексы формируют важнейшие экономические показатели национальной экономики и ее отдельных отраслей. Индексные показатели позволяют осуществить анализ результатов деятельности предприятий и организаций, выпускающих самую разнообразную продукцию или занимающихся различными видами деятельности. С помощью индексов можно проследить роль отдельных факторов при формировании важнейших экономических показателей, выявить основные резервы производства. Индексы широко используются в сопоставлении международных экономических показателей при определении уровня жизни, деловой активности, ценовой политики и т.д.

Существует два подхода в интерпретации возможностей индексных показателей: обобщающий (синтетический) и аналитический, которые в свою очередь определяются разными задачами.

Суть обобщающего подхода - в трактовке индекса как показателя среднего изменения уровня исследуемого явления. В этом случае основной задачей, решаемой с помощью индексных показателей, будет характеристика общего изменения многофакторного экономического показателя.

Аналитический подход рассматривает индекс как показатель изменения уровня результативной величины, на которую оказывает влияние величина, изучаемая с помощью индекса. Отсюда и иная задача, которая решается с помощью индексных показателей: выделить влияние одного из факторов в изменении многофакторного показателя.

От содержания изучаемых показателей, методологии расчета первичных показателей, целей и задач исследования зависят и способы построения индексов.

По степени охвата элементов явления индексы делят на индивидуальные и общие (сводные).

Индивидуальные индексы (i) - это индексы, которые характеризуют изменение только одного элемента совокупности.

Общий (сводный) индекс (I) характеризует изменение по всей совокупности элементов сложного явления. Если индексы охватывают только часть явления, то их называют групповыми. В зависимости от способа изучения общие индексы могут быть построены или как агрегатные (от лат. аggrega - присоединяю) индексы, или как средние взвешенные индексы (средние из индивидуальных).

Способ построения агрегатных индексов заключается в том, что при помощи так называемых соизмерителей можно выразить итоговые величины сложной совокупности в отчетном и базисном периодах, а затем первую сопоставить со второй.

В статистике имеют большое значение индексы переменного и фиксированного состава, которые используются при анализе динамики средних показателей.

Индексом переменного состава называют отношение двух средних уровней.

Индекс фиксированного состава есть средний из индивидуальных индексов. Он рассчитывается как отношение двух стандартизованных средних, где влияние изменения структурного фактора устранено, поэтому данный индекс называют еще индексом постоянного состава.

В зависимости от характера и содержания индексируемых величин различают индексы количественных (объемных) показателей и индексы качественных показателей.

56. Индексы индивидуальные и общие. Их классификация.

Индивидуальные индексы - относительные величины динамики, планового задания, выполнения плана, сравнения, координации. Классификация индивидуальных индексов по экономическому содержанию: индивидуальный индекс физического объема продукции; индивидуальный индекс себестоимости; индивидуальный индекс цен; индивидуальный индекс производительности труда. Индивидуальный индекс показывает, во сколько раз вырос (уменьшился) уровень показателя в отчетном перио­де по сравнению с базисным; сколько процентов составляет рост (снижение) показателя.

Индивидуальный индекс физического объема продукции:

где q₁, q_g- продукция отчетного и базисного периодов.

Индивидуальный индекс себестоимости (z) единицы продукции:

где z_t и z₀ - себестоимость продукции отчетного и базисного периодов. Индекс показывает изменение себестоимости единицы продукции в текущем периоде по сравнению с базисным.

Индивидуальный индекс цен .

где p₁ и р₀ - цена одного вида продукции в отчетном и базисном периодах. Индекс показывает изменение цены единицы товара в текущем периоде по сравнению с базисным.

Индивидуальный индекс производительности труда:

где t₁, и t₂~ затраты рабочего времени на производство единицы продукции в отчетном и базисном периодах.

Индивидуальный индекс стоимости продукции:

где и - стоимость товара в отчетном и базисном периодах. Индивидуальный индекс численности рабочих

где T₁, и Т₀. - численность рабочих в отчетном и базисном периодах. Характеризует изменение численности рабочих в текущем периоде по сравнению с базисным.

Общие индексы - индексы, рассчитываемые для количественных и качественных показателей.

Формы построения общих индексов: агрегатная; средневзвешенная.

Агрегатный индекс - сложный относительный показатель, характеризует среднее изменение социально-экономического явления, состоящего из несоизмеримых элементов.

Числитель и знаменатель агрегатного индекса - это сумма произведений двух величин, одна из которых меняется (индексируемая величина), а другая остается неизменной в числителе и знаменателе.

Индексируемая величина - признак, изменение которого изучается (цена товаров, курс акций, затраты рабочего времени на производство продукции, количество проданных товаров).

Индексируемые показатели бывают следующими:

1) измеряют общий, суммарный размер (объем) явления и условно называются объемными, экстенсивными. Это первичные показатели;

2) измеряют уровень явления или признака в расчете на ту или иную единицу совокупности и условно называются качественными, интенсивными. Это вторичные показатели.

Вес индекса - величина, служащая для соизмерения индексируемых величин.