Практикум по дисциплине "Статистика" (часть 1).
реклама
Министерство образования и науки Российской Федерации НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ______________________________________________________________________ № ПРАКТИКУМ ПО ДИСЦИПЛИНЕ «Статистика» Часть I. Общая теория статистики для студентов всех форм обучения по направлению подготовки 080200 «Менеджмент» и по специальности 080502 «Экономика и управление на предприятии (по отраслям)» НОВОСИБИРСК 2011 ББК Составитель: канд. техн. наук, доцент В.А. Яцко Рецензент канд. экон. наук, доц. И.А. Сидоровнина Практикум рассмотрен и утвержден на заседании кафедры экономики предприятий © Новосибирский государственный технический университет, 2011 ПРАКТИКУМ ПО СТАТИСТИКЕ Редактор Л.Н. Ветчакова Выпускающий редактор И.П. Брованова Корректор И.Е. Семенова Компьютерная верстка Г.И. Якименко _____________________________________________________________________ Подписано в печать 26.11.11. Формат 60 х 84 1/16. Бумага офсетная Тираж 100 экз. Уч.-изд. л. 2,09. Печ. л. 2,25. Изд. № Заказ № Цена договорная _____________________________________________________________________ Отпечатано в типографии Новосибирского государственного технического университета 630092, г. Новосибирск, пр. К. Маркса, 20 2 ОГЛАВЛЕНИЕ ПРЕДИСЛОВИЕ Раздел I. Общая теория статистики 1. СВОДКА И ГРУППИРОВКА МАТЕРИАЛОВ СТАТИСТИЧЕСКОГО НАБЛЮДЕНИЯ 2. АБСОЛЮТНЫЕ И ОТНОСИТЕЛЬНЫЕ ПОКАЗАТЕЛИ 3. СРЕДНИЕ ВЕЛИЧИНЫ 5 6 6 19 25 3.1. Средние степенные ...............................................................26 3.2. Средние структурные ...........................................................30 4. ПОКАЗАТЕЛИ ВАРИАЦИИ 42 4.1. Абсолютные и средние показатели вариации ....................42 4.2. Относительные показатели вариации .................................44 4.3. Правило сложения дисперсий ..............................................44 5. ВЫБОРОЧНОЕ НАБЛЮДЕНИЕ 53 5.1. Понятие о выборочном исследовании ................................53 5.2. Ошибки выборки и доверительные интервалы ..................54 5.3. Оптимальный объем выборки ..............................................57 6. СТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ РЯДОВ ДИНАМИКИ 64 6.1. Понятие о рядах динамики ...................................................64 6.2. Показатели анализа ряда динамики ....................................65 6.3. Средние показатели в рядах динамики ...............................67 6.4. Методы изучения тренда в рядах динамики ......................69 6.5. Методы изучения сезонных колебаний в рядах динамики ........................................................................................................74 3 7. ИНДЕКСНЫЙ МЕТОД 90 7.1. Понятие индекса ....................................................................90 7.2. Агрегатные индексы .............................................................92 7.3. Общие индексы в форме средних из индивидуальных индексов ........................................................................................94 7.4. Индексы переменного, постоянного состава и структурных сдвигов ...................................................................96 7.5. Индексы цен в социально-экономическом анализе ...........98 8. СТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ ВЗАИМОСВЯЗЕЙ МЕЖДУ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИМИ ЯВЛЕНИЯМИ 109 8.1. Понятие о статистической и корреляционной связи .......109 8.2. Методы измерения корреляционной связи.......................111 8.2.1. Измерение тесноты корреляционной связи двух количественных признаков ...................................................111 8.2.2. Измерение тесноты корреляционной связи двух качественных признаков........................................................115 8.3. Парное уравнение регрессии..............................................117 СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ ПРИЛОЖЕНИЕ 4 128 130 ПРЕДИСЛОВИЕ Статистика является одной из фундаментальных дисциплин в системе экономического образования. Методология статистики дает в руки экономистов, менеджеров, предпринимателей инструментарий, позволяющий вскрыть закономерности различных массовых явлений, спрогнозировать тенденции их развития с учетом неопределенности, присущей экономическим явлениям. Результаты статистического анализа данных служат основой для принятия соответствующих управленческих решений. От того насколько грамотно и квалифицировано будет проведен статистический анализ экономической информации, во многом будет зависеть эффективность принимаемых решений. Цель настоящего практикума – помочь студентам приобрести навыки сбора, обработки и анализа экономической информации с использованием статистических методов для решения разнообразных организационно-управленческих задач. Традиционно в курсе статистике выделяется два раздела – «Общая теория статистики» и «Социально-экономическая статистика». В первом разделе рассматриваются универсальные (общие) методы статистики, которые могут применять при изучении любых процессов и явлений. Второй раздел носит прикладной характер и в нем можно выделить следующие основные направления: экономическая статистика, изучающая экономику страны в целом и отдельных ее отраслей (статистика промышленности, торговли, финансов, инвестиций и др.); социальная статистика и ее отраслевые статистики, изучающие социальные явления (статистика уровня жизни и доходов населения, социального обеспечения, здравоохранения и др.). Таким образом, статистические методы находят широкое применение практически во всех сферах деятельности человека и их использование является обязательным при обосновании и принятии управленческих решений. 5 Раздел I. Общая теория статистики 1. СВОДКА И ГРУППИРОВКА МАТЕРИАЛОВ СТАТИСТИЧЕСКОГО НАБЛЮДЕНИЯ Всякое полное статистическое исследование включает последовательность трех основных этапов: 1. статистическое наблюдение; 2. сводка и группировка результатов наблюдения; 3. анализ полученных обобщающих показателей. Обычно в результате статистического наблюдения получают обширный массив статистических данных, которые практически невозможно подвергнуть непосредственному анализу. Поэтому на втором этапе эти статистические данные подлежат первичной статистической обработке. В результате выполнения сводки и группировки данных статистическая совокупность представляется посредством таблиц, графиков и различных обобщающих показателей, характеризующих ее свойства. Основное содержание второго этапа – это переход от характеристик единичного к обобщающим (сводным) показателям совокупности в целом или ее частей (групп). Основа сводки – статистическая группировка, в процессе которой изучаемая статистическая совокупность разбивается на группы, однородные по каким-либо признаком. При проведении группировки нужно установить: 1. Группировочные признаки – признаки, по которым будет производиться группировка. Группировочные признаки могут как количественными (стаж работы, возраст и т.п.), так и атрибутивными (не имеющие количественного значения – пол, должность, национальность). 2. Интервалы группировки – значения, отделяющие одну группу от другой. Простая (монотетическая) группировка использует один группировочный признак. Сложная (политетическая) группировка использует несколько признаков. Обычно сложную группировку начинают с атрибутивного признака. К недостаткам сложной группировки можно отнести то, что выделенные группы включают малое число единиц 6 наблюдения, поэтому групповые статистические показатели становятся ненадежными. При проведении группировки необходимо определить число групп. Если группировочный признак атрибутивный или дискретный и изменяется незначительно, то число групп равно числу различных значений признака (образование, семейное положение; число автомобилей в семье и т.п.). В случае количественного группировочного признака число группы и интервалы группировки определяются особенностями статистической совокупности. Число групп должно быть достаточным, чтобы выявить характер совокупности, поэтому чем выше колеблемость (изменение) группировочного признака, тем больше групп требуется образовать. Если предполагается использовать равные интервалы группировки, то наиболее часто используют формулу Стерджесса k=1+3,322lg n, (1.1) где n – общее число единиц совокупности; k – число групп. По способу задания границ интервалы группировки бывают: закрытые – задаются верхняя и нижняя границы интервала (от 3 до 6); открытые – задается только верхняя или только нижняя граница (меньше 3, свыше 15) 1. Закрытые интервалы бывают равные и неравные. Величина равного интервала равна h xmax xmin , k (1.2) где xmax, xmin – максимальное и минимальное значения группировочного признака. Открытые интервалы можно преобразовать в закрытые, задав верхнюю или нижнюю границу, например, экспертным путем, исходя из свойств группировочного признака и статистической совокупности. 1 7 Неравные интервалы используют, когда колеблемость признака неравномерна в пределах диапазона значений группировочного признака и требуется отразить качественное своеобразие групп. Величины неравных интервалов могут изменяться по строго определенному закону (например, арифметической или геометрической прогрессии). Кроме того, неравные интервалы могут определяться как равнонаполненные. При этом вся совокупность разделяется на группы равного объема с числом единиц f=n/k. В ранжированном (отсортированном в порядке возрастания или убывания) ряду отсчитывают f единиц, составляющих первую группу и т.д. В этом случае границы интервалов определяются максимальным и минимальным значениями признака в группе. Величина интервала может определяться как разность верхней и нижней границ интервала. После определения группировочного признака и границ групп строится ряд распределения. Статистический ряд распределения – это упорядоченное распределение единиц изучаемой совокупности на группы по группировочному признаку. Ряд распределения состоит из следующих элементов: варианты (это отдельные возможные значения признаков) или интервалы; частоты (обозначаются f) – это численности отдельных вариантов или каждой группы, полученной в результате группировки; частости (обозначаются w) – это доля отдельных вариант или групп в общей численности совокупности. Атрибутивный ряд распределения образуется при группировке по качественному признаку, не имеющему количественного выражения (профессия, должность, образование, пол и т.д.). Вариационный ряд распределения образуется при группировке по количественному признаку (число работающих, возраст, заработная плата и т.д.). Вариационные ряды в зависимости от характера вариации признака подразделяются на дискретные и интервальные. 8 дискретный ряд получается при группировке по дискретному признаку. Эти признаки могут принимать только конечное число определенных значений (обычно это целочисленные значения – количество детей в семье, число работников на предприятии и т.д.). интервальный ряд получается при группировке по непрерывному признаку. Кроме того, интервальные ряды могут строится по дискретным признакам, если число различных значений группировочного признака велико. Ряд распределения представляет собой таблицу: одна графа содержит конкретные значения признака (варианты или интервалы признака), а другая – частоты и/или частости. В процессе проведение группировки составляют рабочую таблицу. Таблица 1.1 – Примерный вид рабочей таблицы Группировка единиц совокупности по группировочному признаку X Номер Группы группы единиц по признаку xmin1 (xmin+h) 2 k Итого (xmin+ h)(xmin+2 h) Итого (xmax– h)xmax Итого Всего Номер единицы совокупности 7 4 23 3 (f1) 10 5 2 (f2) 1 6 2 (fk) n Количественное вы- Значение Значение ражение группиро- признака признака вочного признака X Y Z X7 Y7 Z7 X4 Y4 Z4 X23 Y23 Z23 X7+X4+X23 Y7+Y4+Y23 Z7+Z4+Z23 X10 Y10 Z10 X5 Y5 Z5 X10+X5 Y10+Y5 Z10+Z5 и так далее X1 Y1 Z1 X6 Y6 Z6 X1+X6 Y1+Y6 Z1+Z6 n n Xi Yi i 1 i 1 k fi – частота попадания в i-ый интервал, f i 1 9 i n. n Z i 1 i После проведения группировки составляется сводная таблица, в которой представлен полученный ряд распределения. В нее также заносятся итоговые данные по группам и другие дополнительные показатели. Сводную таблицу используют для анализа результатов группировки. Таблица 1.2 – Примерный вид сводной таблицы Название таблицы Номер Группы Количество Значение Значение группы единиц по единиц другого другого признаку в группе признака признака X7+X4+X23 Y7+Y4+Y23 1 xmin3 (xmin+ h) X10+X5 Y10+Y5 2 (xmin+ h)2 (xmin+2 h) и так далее X1+X6 Y1+Y6 k (xmax– h)2 xmax n n Итого n Xi i 1 Yi i 1 Значение другого признака Z7+Z4+Z23 Z10+Z5 Z1+Z6 n Z i 1 i Кроме табличного, возможно графическое представление вариационного ряда в виде полигона, гистограммы, кумуляты и огивы. Полигон в основном применяют для дискретных рядов. По оси абсцисс откладывают варианты признака, а по оси ординат – частоты или частости. Гистограмма частот (частостей) – это столбиковая диаграмма. Гистограмму применяют для интервальных рядов. Если интервалы равные, то основания столбцов по оси абсцисс – это интервалы изучаемого признака, а высоты столбиков – это частоты (частости). Если интервалы неравные то, чтобы площади столбцов равнялись частоте или частости высоту i-го столбца bi рассчитывают по формуле 10 bi fi w или bi i hi hi (1.3) где bi (bi ) – абсолютная (относительная) плотность; fi (wi) – частота (частость) i-ого интервала; hi – величина i-ого интервала. Кумулята (огива) – это графики кумулятивного ряда снизу (сверху). Кумулятивный ряд – это ряд накопленных частот (частостей). Его получают путем объединения последовательных вариант или групповых интервалов и суммированием соответствующих им частот (частостей). Примеры решения задач Пример 1.1. Произвести группировку данных о количестве детей в семье. Построить полигон распределения, кумуляту и огиву. Исходные данные для группировки: 1, 2, 0, 1, 2, 0, 1, 1, 3, 4, 1, 4, 1, 1, 0, 1, 5, 3, 2, 1. Решение. Так как группировочный признак является целочисленным, т.е. дискретным, то построим дискретный ряд распределения. Ниже приведена полученная сводная таблица. На рисунке 1 приведен полигон распределения, а на рисунке 2 – кумулята и огива. Количество Частота Частость детей в семье fi wi 0 3 0,15 (3/20) 1 9 0,45 (9/20) 2 3 0,15 (3/20) 3 2 0,10 (2/20) 4 2 0,10 (2/20) 5 1 0,05 (1/20) Итого 20 1,00 Кумулятивный ряд снизу 3 12 (3+9) 15 (12+3) 17 (15+2) 19 (17+2) 20 (19+1) Кумулятивный ряд сверху 20 (17+3) 17 (8+9) 8 (5+3) 5 (3+2) 3 (1+2) 1 На практике в статистических таблицах приводятся только результаты вычислений. В случае необходимости промежуточные вычисления можно привести за пределами таблиц. Кумулятивный ряд сверху начинают строить с самого последнего интервала (с максимального значения признака). 11 Частота fi 9 3 3 2 0 20 1 2 2 1 5 Количество детей в семье Рис. 1.1. Полигон распределения 3 4 20 17 15 17 15 20 19 12 10 Кумулята Огива 8 5 5 3 3 1 0 0 1 2 3 4 5 Рис. 1.2. Графики кумуляты и огивы Пример 1.2. Произведите группировку с равными интервалами по среднегодовой стоимости основных фондов (ОФ). В каждой группе и в целом по всем предприятиям подсчитайте: 1) количество предприятий; 2) среднегодовую стоимость основных фондов; 3) объем товарной продукции за год (ТП); 4) фондоотдачу. Постройте гистограмму частостей, кумуляту и огиву. № ОФ, млн ТП, млн № ОФ, млн ТП, млн п/п руб. руб п/п руб. руб 1 164 369 11 225 399 2 147 134 12 189 354 3 171 194 13 227 630 12 4 5 6 7 8 9 10 267 211 123 238 109 176 255 377 223 91 545 31 213 791 14 15 16 17 18 19 20 216 343 296 246 150 204 157 453 661 1072 711 270 388 124 Решение. Найдем число интервалов по формуле Стерджесса (1.1) k=1+3,322lg 20=5,32. Положим число интервалов k=5. Величина равного интервала (1.2) hX xmax xmin 343 109 46,8. k 5 Для удобства примем h=50, xmin=100, xmax=350. Ниже в рабочей таблице приведены промежуточные результаты группировки. Группировка предприятий по среднегодовой стоимости основных фондов Номер Границы Номер ОФ, ТП, группы группы единицы совокупности млн руб. млн руб До 150 8 109 31 1 6 123 91 2 147 134 Итого 3 379 256 2 150–200 18 150 270 20 157 124 1 164 369 3 171 194 9 176 213 12 189 354 Итого 6 1007 1524 3 200–250 19 204 388 5 211 223 14 216 453 11 225 399 13 227 630 13 7 17 7 10 4 16 3 15 1 20 Итого 250–300 4 Итого 300 и выше Итого Всего 5 238 246 1567 255 267 296 818 343 343 4114 545 711 3349 791 377 1072 2240 661 661 8030 Обратите внимание, что единица совокупности №18 (значение признака 50) попала во вторую группу. Условимся, что в случае, если значение признака совпадает с границей группы, то такой элемент относят к следующей группе. В сводной таблице приведены итоговые результаты группиров- 1 2 3 4 5 Всего До 150 150-–200 200—250 250–300 300 и выше 3 6 7 3 1 0,15 0,30 0,45 0,15 0,05 20 1,00 Сводная таблица ОФ, млн ТП, млн руб. руб. Фондоотдача Частость Частота Номер группы Границы группы ки. 379 1007 1567 818 256 1524 3349 2240 0,675 1,513 2,137 2,738 343 661 1,927 4114 8030 1,952 14 Кумулятивный ряд снизу сверху 3 9 16 19 20 20 17 11 4 1 0.5 0.45 0.4 0.3 0.3 0.2 0.15 0.15 0.1 0.05 0 до 150 150-200 200-250 250-300 300 и выше Рис. 1.3. Гистограмма частостей 20 20 17 15 20 11 10 9 5 0 16 19 Кумулята Огива 4 1 3 0 100 150 200 250 300 0 350 Рис. 1.4. Графики кумуляты и огивы Анализируя сводную таблицу можно сделать вывод, что с ростом размеров предприятия фондоотдача возрастает. Однако это не выполняется для самого крупного предприятия (№15), что свидетельствует о недостаточно эффективном использовании основных фондов. Пример 1.3. На основе данных примера 2 провести сложную группировку, подсчитав число предприятий попавших в каждую группу. Решение. Величина равного интервала при группировке по объему товарной продукции 15 hY y max y min 1072 31 208,2. k 5 Для удобства примем hY=200, ymin=0, ymax=1000. В таблице приведены результаты группировки. Группировка предприятий по стоимости основных фондов и товарной продукции ТП До 200 200–400 400–600 600–800 800 и выше Всего ОФ До 50 3 – – – – 3 50-–100 2 4 – – – 6 100—150 – 3 2 2 – 7 150–200 – 1 – 1 1 3 200 и выше – – – 1 – 1 Всего 5 8 2 4 1 20 Анализируя эту таблицу можно сделать вывод, что предприятия, «попавшие» в нижний левый угол таблицы, неэффективно используют свои основные фонды, тогда как предприятия, «попавшие» d верхний правый угол, используют их более эффективно. Пример 1.4. На основе данных примера 2 составить ряд распределения с неравными равнонаполненными интервалами. Группировочный признак – среднегодовая стоимость основных фондов. Построитm гистограмму частостей. Решение. Разобьем совокупность на группы равного объема с числом единиц f=n/k=20/5=4. Результаты выделения групп приведены в таблице. 16 Группировка предприятий по среднегодовой стоимости основных фондов (равнонаполненные интервалы) Номер Границы Номер ОФ, ТП, группы группы единицы совокупности млн руб. млн руб До 150 8 109 31 6 123 91 1 2 147 134 18 150 270 Итого 4 429 526 2 150–180 20 157 124 1 164 369 3 171 194 9 176 213 Итого 4 668 900 3 180–220 12 189 354 19 204 388 5 211 223 14 216 453 Итого 4 820 1418 4 220–250 11 225 399 13 227 630 7 238 545 17 246 711 Итого 4 936 2285 5 250 и выше 10 255 791 4 267 377 16 296 1072 15 343 661 Итого 4 1161 2901 Всего 20 4114 8030 Рассчитаем относительные плотности bi (1/3) с учетом того, что величины интервалов h1=50, h2=30, h3=40, h4=30, h5=100. 17 25% 25% w1 25% 0,83% ; b3 0, 625% ; 0,5% ; b2 30 40 h1 50 25% 25% b4 0,83% ; b5 0, 25% . 30 100 1% Относительная плотноть bi b1 100 Среднегодовая 350 стоимость основных фондов Рис. 1.5. Гистограмма частостей 150 180 220 250 Задачи для самостоятельного решения Задача 1.1. Составить дискретный ряд распределения, построить полигон распределения, кумуляту и огиву для следующих данных: 2, 1, 3, 1, 1, 1, 6, 2, 1, 6, 2, 1, 5, 6, 4, 1, 6, 4, 3, 2. Задача 1.2. Произведите группировку данных по числу работающих, распределив их на 4 группы. Составьте: 1) рабочую таблицу; 2) сводную таблицу и подсчитайте по каждой группе: а) частоты и частости; б) число работающих; в) число работающих в процентах к итогу; г) выпуск продукции; д) выпуск продукции в процентах к итогу; е) производительность труда. Постройте гистограммы: а) частостей; б) числа работающих в процентах к итогу; в) выпуска продукции в процентах к итогу. Постройте графики кумуляты и огивы. Номер предприя- Выпуск продук- Число раНомер ботающих предприя18 Выпуск продук- Число работающих тия ции, млн. тия ции, млн. руб. руб. 1 10400 190 13 4300 86 2 9900 178 14 38500 438 3 17100 263 15 24100 278 4 34400 343 16 7300 117 5 20000 245 17 17400 220 6 40500 410 18 43400 435 7 54500 494 19 9100 120 8 5300 98 20 4000 64 9 3800 79 21 4800 99 10 10100 182 22 7900 119 11 23300 307 23 40100 405 12 13200 224 24 32400 336 Задача 1.3. На основе данных задачи 1.2 составить сложную группировку (группировочные признаки – число работающих и выпуск продукции). Произведите группировку данных, распределив их на 4 группы по каждому группировочному признаку. Задача 1.4. На основе данных задачи 1.2 составить интервальный ряд с неравными интервалами (4 равнонаполненных интервала). Используя полученный интервальный ряд, рассчитать производительность труда по каждой группе и построить гистограмму частостей. 2. АБСОЛЮТНЫЕ И ОТНОСИТЕЛЬНЫЕ ПОКАЗАТЕЛИ Абсолютные показатели выражают размеры (уровни, объемы) явлений и процессов. Они всегда числа именованные, т.е. имеют определенную единицe измерения. Абсолютные показатели измеряют в: натуральных (килограмм, тонна, метр, литр, штука и т.д.), условно-натуральных (условная банка объемом 353,4 см3, тонна условного топлива и т.д.) единицах измерения; стоимостных единицах измерения (рубль, доллар, евро и т.д.); трудовых единицах измерения (человеко-час, человеко-день). 19 Относительный показатель – это частное от деления двух статистических показателей. В числителе находится сравниваемый показатель (С), который характеризует изучаемое явление. В знаменателе находится базовый показатель (Б), который выступает в качестве своеобразного измерителя. Относительный показатель может выражаться: 1) коэффициен- С С ; 2) в процентах О 100% , 3) в промилле Б Б С С О 1000 о оо О 10000 0 000 Б Б ; 4) в продецимилле ; 5) в просантиС О 100000 0 0000 Б милле . том (долей) О Если относительный показатель намного больше 1, то обычно используют коэффициенты (например, 10/3=3,33). Если относительный показатель близок 1, то можно выразить его в процентах или в виде коэффициента (123% или 1,23; 46% или 0,46). Если относительный показатель намного меньше единицы, то можно использовать промилле, продецимилле, просантимилле. По своему содержанию относительные показатели подразделяются на следующие виды: Виды относительных показателей: 1. Относительные показатели структуры характеризуют доли (удельный вес) отдельных частей совокупности в общей численности совокупности либо в общем объеме изучаемого признака (обычно выражаются в процентах). ОС абсолютный показатель части совокупности абсолютный показатель всей совокупности 100%. (2.1) Сумма всех долей (удельных весов) отдельных частей совокупности равна 1 или 100%. 2. Относительные показатели динамики характеризуют изменение процесса во времени (обычно выражаются в коэффициентах или процентах). 20 ОД абсолютный показатель сравниваемого периода абсолютный показатель базисного периода . (2.2) Показатели динамики бывают цепные и базисные. Если в качестве базисного периода выступает один и тот же период времени, то такие показатели называют базисными. Если в качестве базисного периода выступает предыдущий период, то такие показатели называют цепными 3. Относительные показатели сравнения характеризуют соотношение различных объектов наблюдения по одинаковым показателям (обычно выражаются в коэффициентах или процентах). ОСР показатель объекта А показатель объекта Б . (2.3) Например, в 2011 году проезд на метро в Москве и Новосибирске стоил 28 и 15 рублей соответственно. Показатель сравнения в этом случае составит 28/15=1,867. 4. Относительные показатели координации характеризуют отношение различных частей данной совокупности к одной из них, принятой за базу сравнения. ОК показатель части совокупности показатель части совокупности , служащей базой сравнения . (2.4 5. Относительный показатель планового задания – это отношение уровня показателя, запланированного на предстоящий период, к уровню, фактически достигнутому в предшествующем периоде. ОП запланированный уровень показателя в плановом периоде фактический уровень показателя в предшествующем периоде 100%. (2.5 6. Относительный показатель выполнения плана рассчитывается как отношение фактически достигнутого в данном периоде уровня к запланированному 21 ОВП фактический уровень показателя в плановом периоде запланированный уровень показателя в плановом периоде 100%. (2.6 Относительные величины динамики, планового задания и выполнения связаны соотношением ОД=ОПОВП. (2.7) 7. Относительные показатели интенсивности характеризуют степень распределения или развития данного явления в той или иной среде. Это отношение абсолютного уровня одного показателя, свойственного изучаемой среде, к другому абсолютному показателю, также присущему данной среде, и, как правило, являющемуся для первого показателя факторным признаком. ОИ показатель явления А показатель среды, где наблюдается явление А . (2.8) К показателям интенсивности относятся показатели производительности труда, рождаемости, смертности, урожайности и т.д. Примеры решения задач Пример 2.1. На основе данных о реализации продукции (в млн руб.) приведите примеры относительных показателей структуры, динамики (цепные и базисные), координации, планового задания и выполнения плана. 2009 год 2010 год 2011 год план факт план факт план факт Электродвигатель АИР112 350 335 370 345 380 395 Насос НКУ-140М 140 150 155 165 170 160 Итого 490 485 525 510 550 555 № Наименование продукции 1 2 Решение. 1. Относительные показатели структуры. Структура реализации по факту за 2011 год: электродвигатель АИР112 – 71,17% (395/555100%); 22 насос НКУ-140М – 28,83% (160/555100%) 2. Относительные показатели динамики рассчитаем по итоговым данным о фактической реализации продукции: РП1=485 млн руб., РП2=510 млн руб., РП3=555 млн руб.. а) базисные темпы роста: Тр2/1= РП2/РП1=510/485100%=105,16%; Тр3/1=РП3/РП1=555/485100%=114,43%. б) цепные темпы роста: Тр2/1= РП2/РП1=510/485100%= 105,16%; Тр3/2=РП3/РП2=555/510100%= 108,82%. 3. Относительные показатели координации рассчитаем по фактическим данным за 2009-2011 годы. В качестве базы для сравнения выберем объем реализации насоса НКУ-140М. Тогда показатели координации для электродвигателя АИР112 по годам: 2009 год – 2,23 (335/150); 2010 год – 2,09 (345/165); 2011 год – 2,47 (395/160). Это свидетельствует, что в 2011 году на предприятии существенно возросла значимость производства и реализации электродвигателей по сравнению с производством и реализацией насосов. 4. Относительные показатели планового задания рассчитаем по фактическим данным за 2010 год и по плановым данным за 2011. Для электродвигателя АИР112 ОП=380/345100%=110,15%. Для насоса НКУ-140М ОП=170/165100%=103,03%. В целом по предприятию ОП=550/510100%=107,83%. 5. Относительные показатели выполнения плана рассчитаем по фактическим и плановым данным за 2011 год Для электродвигателя АИР112 ОВП=395/380100%=103,95%. Для насоса НКУ-140М ОВП=160/170100%=94,12%. В целом по предприятию ОВП=555/550100%=100,91%. Таким образом, можно отметить, что на предприятии возникли проблемы с выполнением плана по производству и реализации насосов НКУ-140М. Пример 2.2. На основе данных, представленных в таблице, приведите примеры относительных показателей интенсивности и сравнения. Р Р Регионы 23 Численность постоянного населения в среднем за 2011 год., чел. Родилось за год, чел. Умерло за год, чел. егион А 2 644000 2 2850 2 4120 егион Б 2 49300 2 393 2 165 Решение. 1. Относительные показатели интенсивности Регион А Регион Б Рождаемость 2393/2493001000=9,60 0 00 22850/26440001000=8,64 0 00 (9,60 рождений на 1000 (8,64 рождений на 1000 жителей) жителей) 0 Смертность 2165/2493001000=8,68 24120/26440001000=9,12 00 0 (9,12 смертей на 1000 жителей_ 00 (8,68 смертей на 1000 жителей) Естественный (22850-24120)/26440001000= (2393–2165)/249300 прирост = -0,48 0 00 1000=0,92 0 00 населения (убыль 0,48 человек на 1000 жи- (прирост на 0,92 челотелей) век на 1000 жителей) 2. Относительные показатели сравнения региона Б с регионом А: а) рождаемость: 9,60/8,64=1,111; б) смертность: 8,68/9,12=0,922. На основании анализа рассчитанных относительных показателей можно сделать вывод, что демографическая ситуация в регионе Б более благополучная. Задачи для самостоятельного решения Задача 2.1. Данные о товарообороте книжного магазина за I квартал 2011г. (тыс. руб.) № Товарные группы Январь Февраль Март 24 план факт план факт план факт Техническая литература 110 103 110 119 110 91 Экономическая литера150 155 150 141 140 192 тура 3 Канцтовары 40 43 40 56 50 63 Определить относительные величины: 1) структуры товарооборота за март по плану и фактически; 2) выполнения плановых заданий по отдельным товарным группам и в целом по магазину за март; 3) динамики товарооборота по факту в целом по магазину; 4) координации товарооборота по факту за март. Задача 2.2. Данные о населении города за 2011 г. 1. Родилось 1222 в том числе мальчиков 629 2. Умерло 733 3. Число зарегистрированных браков 900 4. Число зарегистрированных разводов 306 5. Численность населения на 01.01.2011 80400 6. Численность населения на 01.01.2012 79917 Определить относительные величины, характеризующие рождаемость, смертность, естественный прирост населения, показатель жизненности (показатель Покровского), заключение и расторжение браков, структуру рождаемости. Назовите виды относительных величин. Показатель жизненности (показатель Покровского) – это отношение 1 2 числа родившихся живыми к число умерших. Задача 2.3. Найти относительные показатели динамики, планового задания и выполнения планового задания по следующим данным. Сделать выводы по полученным результатам. Показать взаимосвязь этих показателей. Фактический выпуск продукции в 2010 году, шт. 1600 Плановое задание на 2011 год, шт. 1840 Фактический выпуск продукции в 2011 году, шт. 1770 3. СРЕДНИЕ ВЕЛИЧИНЫ 25 Метод средних – это метод исследования статистической совокупности путем измерения ее средних величин. Идея метода средних – вместо исходной совокупности рассматривают ее заменяющую совокупность, в которой все единицы имеют одинаковое значение количественного признака. Этим достигается сопоставимость разных совокупностей, так как сравниваются не сами совокупности, а эти обобщающие показатели (средние). Важнейшее свойство средней величины в том, что она отражает то общее, что присуще всем единицам исследуемой совокупности. Выделяют два основных класса средних: 1. средние степенные; 2. средние структурные; Выбор той или иной формулы для расчета средней величины определяется экономическим содержанием исследуемого показатели и наличием соответствующей статистической информации. 3.1. Средние степенные К числу средних степенных относятся: 1. средняя арифметическая; 2. средняя гармоническая; 3. средняя геометрическая; 4. средние степенные. Степенные средние в зависимости от представления исходных данных исчисляются в двух формах: простой и взвешенной. Простая средняя считается по несгруппированным данным, а взвешенная – по сгруппированным данным, представленным в виде дискретных или интервальных рядов распределения. 1. Средняя арифметическая. Средняя арифметическая простая. n x x xn х 1 2 n x i 1 n i , (3.1) где хi – варианты совокупности; n – общая численность совокупности. Средняя арифметическая взвешенная. 26 m xi f i х x1 f1 x2 f 2 xm f m i 1 , m f1 f 2 f m fi (3.2) i 1 где fi – частота варианты совокупности; m – число различных вариант совокупности. или частость Отметим, что в формуле (3.2) вместо частот fi можно использоm вать частости wi. При этом i 1 fi n , m w 1. i i 1 В случае, если исходные данные представлены в виде интервального ряда распределения, то в качестве вариантов усредняемого признака (хi) принимают середины интервалов, вычисляемые по каждой группе. Серединное значение интервала может определяться несколькими способами: 1) середина закрытого интервала = полусумма верхней и нижней границ интервала; 2) середина первого (открытого) интервала = середина второго интервала – величина второго интервала; 3) середина последнего (открытого) интервала = середина предпоследнего интервала + величина предпоследнего интервала. 2. Средняя гармоническая. Средняя гармоническая простая хгарм n n 1 i 1 xi . (3.3) Средняя гармоническая взвешенная m хгарм Рассмотрим два примера. 27 q i 1 m i qi i 1 xi . (3.4) Пример 1. Автомобиль от склада до магазина проезжает 20 км со скоростью 40 км/ч, а обратно на склад со скоростью – 60 км/ч. Необходимо рассчитать среднюю скорость автомобиля. Средняя скорость ( v ) равна отношению пройденного пути (s) ко времени (t), затраченному на поездку. Тогда средняя скорость ( v ) равна v s 20 20 11 20 20 1 1 48км/ч . t 40 60 40 60 В этом случае была использована средняя гармоническая простая. Пример 2. Автомобиль в течение первого часа едет по трассе со скоростью 40 км/ч, а в течение второго часа – скоростью 60 км/ч. Найти среднюю скорость автомобиля. v s 40 60 50 км/ч t 11 В данном случае использована средняя арифметическая простая. Таким образом, эти два примера еще раз наглядно демонстрируют, что выбор той или иной формы средней зависит от имеющихся исходных данных. Средняя гармоническая – это превращенная форма средней арифметической, когда частоты fi не заданы (не известны), а известен сложный показатель qi=xifi. Тогда fi =qi/xiи m õ xi fi i 1 m f i 1 m i q i 1 m i qi i 1 xi õãàðì . Средняя гармоническая взвешенная находит более широкое применение в статистической практике по сравнению с простой. Использование средней гармонической целесообразно и обосновано для всех показателей интенсивности: цена, скорость, производительность труда, плотность населения и т.п. 3. Средняя геометрическая. Средняя геометрическая простая 28 x геом n x1 x2 x N n n x i . (3.5) i 1 Средняя геометрическая взвешенная m x геом fi i 1 m x f1 1 x2 xm f2 fm fi i 1 m x i 1 fi i . (3.6) Средняя геометрическая обычно применяется в тех случаях, когда варианты ряда представлены относительными показателями динамики. Эта средняя выражает, как правило, средний темп относительного роста или спала. Пример. Темп роста цен в январе – 105%, в феврале – 98% и в марте – 112%. Найти средний темп роста цен в I квартале. Используем среднюю геометрическую простую x геом 3 105% 98% 112% 104,84% . При выполнении расчетов на калькуляторе более удобно использовать следующий вариант этой формулы x геом 3 1,05 0,98 1,12 100% 104,84% . 4. Средние степенные. Все рассмотренные выше средние величины являются частным случаем степенной средней. Простая степенная средняя n x k k x i 1 k i . N (3.7) Взвешенная степенная средняя m x k k x i 1 k i fi . m f i 1 29 i (3.8) При k= –1 получаем среднюю гармоническую, при k=1 – среднюю арифметическую, при k=2 – среднюю квадратическую, при k=3 – среднюю кубическую и т.д. Если вычислять степенную среднюю по основе одних и тех же исходных данных, то можно убедиться , что с ростом k значение степенной возрастает, т.е. справедливо правило мажоритарности средних хгарм хгеом харифм х2 х3 . 3.2. Средние структурные Особым видом средних величин являются структурные средние. Они применяются для изучения внутреннего строения и структуры рядов распределения. Порядок расчета средних структурных существенно отличается для дискретных и интервальных рядов распределения. Мода – величина признака (варианта), наиболее часто повторяющаяся в изучаемой совокупности. Мода отражает типичный, наиболее распространенный вариант значения признака. В дискретном ряду распределения мода – это варианта, которой соответствует наибольшая частота. В интервальном ряду распределения сначала определяют модальный интервал (т.е. интервал, содержащий моду), которому соответствует наибольшая частота. Конкретное значение моды определяется формулой: Mo xMo h f Mo f Mo 1 , ( f Mo f Mo 1 ) ( f Mo f Mo 1 ) (3.9) где xMo – нижняя значение модального интервала; h – величина модального интервала; fMo – частота модального интервала; fMo-1 – частота интервала, предшествующего модальному; fMo+1 – частота интервала, следующего за модальным. Моду можно определить графически по полигону (рис. 3.1, а) или гистограмме (рис. 3.1, б) распределения. 30 fi f f Мода х Мода х а) б) Рис. 3.1. Графическое определение моды по: а) полигону дискретного ряда; б) гистограмме интервального ряда Медиана – это варианта, находящаяся в середине ранжированного ряда (варианта, делящая ранжированный ряд пополам). Так как при расчете средних структурных часто используется ранжированный ряд, напомним, что ранжированный ряд – это перечень отдельных единиц совокупности в порядке возрастания (убывания) изучаемого признака. Для ранжированного ряда с нечетным числом членов медианой является варианта, расположенная в центре ряда. Если число вариант четное, то медиана рассчитывается как средняя арифметическая из двух вариант, расположенных в центре ряда. Для дискретных и интервальных рядов используется кумулятивный ряд снизу (ряд накопленных частот). Кроме того, необходимо рассчитать половину общей суммы частот 1 2 m fi . i 1 В дискретном ряду медианой является варианта, которой соответствует член кумулятивного ряда, впервые превысившая половину общей суммы частот. В случае интервального ряда сначала необходимо определить медианный интервал (т.е. интервал, содержащий медиану). Медианным интервалом является тот, которому соответствует член кумулятивного ряда, впервые превысившая половину общей суммы частот. Затем конкретное значение медианы рассчитывают по формуле 31 Me xMe h 1 2 m fi S Me 1 i 1 f Me , (3.10) xMe – нижняя граница медианного интервала; h – величина медианного интервала; SMe-1 – член кумулятивного ряда, предшествующий медианному интервалу; fMe – частота медианного интервал. Графически медиану можно определить по кумуляте (рис.3.2). m m fi fi i 1 1 2 i 1 m fi 1 2 i 1 Медиана m fi i 1 х Медиана х Рис. 3.2. Графическое определение медианы по кумуляте: а) дискретного ряда; б) интервального ряда Квартили делят ранжированный ряд на четыре части. Различают первый (нижний) квартиль, второй (центральный) квартиль (совпадает с медианой) и третий (верхний) квартиль. Первый квартиль – это варианта ранжированного ряда, превышающая 1/4 единиц совокупности и меньшая, чем 3/4 единиц совокупности. Третий квартиль – это варианта ранжированного ряда, превышающая 3/4 единиц совокупности и меньшая, чем 1/4 единиц совокупности. Для интервального ряда квартили находят по формулам 32 Q1 xQ1 h m f i S Q1 1 1 4 Q3 xQ3 h i 1 f Q1 , (3.11) m f i S Q3 1 3 4 i 1 f Q3 , где Q1, Q3 – первый и третий квартили; xQ1, xQ3 – нижние границы квартильных интервалов; h – величина квартильного интервала; SQ1-1, SQ3-1 – члены кумулятивного ряда, предшествующие квартильному интервалу; fQ1, fQ3 – частоты квартильных интервалов. Квартили также можно определить по кумуляте (рис.3.3). m m fi 3 4 1 2 1 4 fi i 1 m fi 3 4 fi 1 2 fi 1 4 i 1 m i 1 m i 1 i 1 m fi i 1 m fi i 1 m fi i 1 х х Q3 Q1 Q2 Q3 г) Рис. 3.3. Графическое определение квартилей по кумуляте: в) а) дискретного ряда; б) интервального ряда б) а) Децили делят ранжированный ряд на десять равных частей. Всего Q3 возможно 9 децилей. Например, первый дециль превышает 1/10 едиQ2 ниц совокупности и меньше, чем 9/10 единиц совокупности. Q1 В случае интервального ряда децили dj рассчитывают по формуле Q1 Q2 d j xd j h j 10 m f i S d j 1 i 1 fd j 33 Q3 , j=1,…, 9, (3.12) где xdj – нижние границы децильных интервалов; h – величина децильного интервала; S d 1 – член кумулятивного ряда, предшествующий j децильному интервалу; f d – частота децильного интервала. j Перцентили (процентиль) делят ранжированный ряд на десять равных частей. Всего возможно 99 перцентилей. Например, седьмой перцентиль превышает 7/100 единиц совокупности и меньше, чем 93/100 единиц совокупности. Нахождение децилей и перцентилей возможно сделать графически на основе кумуляты по аналогии с медианой и квартилями. На практике наиболее часто из средних структурных используют моду и медиану. Примеры решения задач Пример 3.1. Каждый из 5 рабочих бригады изготовил за смену 35, 28, 31, 29, 33 изделий. Рассчитать среднюю выработку одного работника. Решение. Средняя выработка, характеризующая производительность труда, рассчитывается в данном случае как средняя арифметическая простая, так как данные не сгруппированы. 35 28 31 29 33 156 х 31,2 31 изделие. 5 5 Пример 3.2. Распределение предприятий по числу работников (чел.) Исходные данные Расчетные значения Число Число Середина xifi работников предприятий, fi интервала, xi До 50 64 40 2560 50–70 47 60 2820 70–90 55 80 4400 90–110 18 100 1800 110–130 9 120 1080 Более 130 7 140 980 34 Итого 200 – 13640 Решение. Ряд распределения предприятий представлен в виде интервального ряда, поэтому при расчетах необходимо использовать среднюю арифметическую взвешенную. От интервального ряда перейдем дискретному ряду путем замены интервальных значений их средними значениями. При этом величины открытых интервалов (первый и последний) условно приравниваются к интервалам, примыкающим к ним (второй и предпоследний). Тогда среднее число работников на одном предприятии x 13640 68, 2 68. 200 Пример 3.3. Имеется информация о трех сделках по продаже обыкновенных акций одного предприятия. Рассчитать средний курс акций по этим сделкам. № п/п Курс акций, руб. Сумма сделки, тыс. руб. 1 28,30 4245 2 28,75 2300 3 28,55 2855 Итого 9400 Решение. В приведенных данных отсутствует информация о количестве проданных акций, т.е. не известны частоты fi. Однако, зная суммы сделок и курсы акций по каждой сделке, мы можем рассчитать количество проданных акций. В данном случае для расчета среднего курса акций применим формулу средней гармонической взвешенной. m хгарм q i 1 m i qi i 1 xi 4245 2300 2855 28,48 руб. 4245 2300 2855 28,30 28,75 28,55 Пример 3.4. Двое рабочих в течение смены заняты изготовлением одинаковых деталей. Один рабочий тратит на изготовление детали 3 минуты, другой – 4,5 мин. Определить средние затраты времени на изготовление детали. Решение. На первый взгляд, следует применить формулу средней арифметической простой, но в течение смены рабочими было изготов35 лено разное число деталей. Средние затраты времени на одну деталь должны определяться как отношение суммарные затраты времени к общему количеству изготовленных деталей. Затраты времени представляют собой произведение количества изготовленных деталей (fi) и времени на изготовление одной детали (xi). Поскольку затраты рабочего времени (xifi) у обоих рабочих равны (смена), то применим формулу средней гармонической простой. хгарм n n 1 x i 1 i 11 3,6 мин. 1 1 3 4,5 Пример 3.5. Решить задачу 3.4 при условии, что 1-й рабочий отработал 6 часов, а 2-й рабочий – 2 часа. Решение. В этом случае применим формулу средней гармонической взвешенной. m хгарм q i 1 m i qi x i 1 i 62 3,27 мин. 6 2 3 4,5 Пример 3.6. По имеющимся данным о ценах товара в раз- личных фирмах города определить моду и медиану. а) 25,6 24,3 23,8 25,7 24,3 б) 25,6 24,3 23,8 25,7 24,3 24,9 Решение. В обоих случаях данные не сгруппированы. а) в данной совокупности чаще всего повторяется значение 24,3, поэтому Мо=24,3. Для определения медианы надо провести ранжирование: 23,8 24,3 24,3 25,6 25,7 В данном ряду нечетное число членов (5), поэтому варианта, расположенная посередине, является медианой. Ме=24,3. б) в данной совокупности чаще всего повторяется значение 24,3, поэтому Мо=24,3. Для определения медианы проведем ранжирование: 36 23,8 24,3 24,3 24,9 25,6 25,7 В данном ряду четное число членов (6), поэтому медиана рассчитывается как средняя арифметическая из двух вариант, расположенных в центре ряда, т.е. Ме=(24,3+24,9)/2=24,6. Пример 3.7. По имеющимся данным о сбыте продукции (в тыс. руб.) в различных фирмах города определить: средний объем сбыта, моду, медиану, квартили. 87, 75, 66, 60, 87, 67, 66, 69, 89, 74, 90, 78, 99, 86, 76, 95, 69, 68, 87, 63. Решение. Поскольку представленные 20 значений признака не сгруппированы, то применим формулу средней арифметической простой. n х x i 1 n i 87 75 63 77,55. 20 Наиболее часто в совокупности встречается значение 87 (частота f=3), поэтому мода равна 87. Для определения медианы и квартилей необходимо провести ранжирование. Ниже приведен полученный ранжированный ряд. 60, 63, 66, 66, 67, 68, 69, 69, 74, 75, 76, 78, 86, 87, 87, 87, 89, 90, 95, 99. В данном ряду четное число членов (20), поэтому медиана рассчитывается как средняя арифметическая из двух вариант, расположенных в центре ряда, т.е. Ме=(75+76)/2=75,5. Чтобы определить первый квартиль, отсчитаем в ранжированном ряду 5 (¼20) наименьших значений признака. Таким образом, 1-й квартиль, превышающий 5 наименьших значений, можно найти как среднюю арифметическую Q1=(67+68)/2=67,5. Можно убедиться, что ¼ единиц совокупности меньше 67,5 и ¾ единиц больше 67,5. Второй квартиль совпадает с медианой. Для нахождения третьего квартиля необходимо найти 15 (¾20) наименьших значений признака. Тогда Q3=(87+87)/2=87. Приведем пример нахождения третьего дециля. Для этого найдем 6 (3/1020) наименьших значений. Тогда d3=(68+69)/2=68,5. Пример 3.8. Произвести группировку данных задачи 3.7, образовав 4 равных интервалов. По полученному интервальному ряду опре37 делить (аналитически и графически): средний объем сбыта, моду, медиану, квартили. Решение. В таблице приведены результаты группировки исходных данных (величина интервала h=10). Номер Границы Частота, Кумулятивный Середина группы группы fi ряд, Si интервала, xi До 70 1 8 8 65 70–80 2 4 12 (8+4) 75 80–90 3 3 15 (12+3) 85 более 90 4 5 20 (15+5) xi fi 520 300 255 95 475 Итого 20 1550 Для интервального ряда применим формулу средней арифметической взвешенной. m х x i i 1 fi m f i 1 65 8 75 4 85 3 95 5 1550 77,5. 8 435 20 i Чтобы найти моду, найдем модальный интервал с наибольшей частотой. Это 1-й интервал с частотой fMo=8. В качестве нижней границы 1-го открытого интервала зададим 60, так как по условиям задачи при группировке использованы равные интервалы. Тогда Mo xMo h 60 10 f Mo f Mo1 ( f Mo f Mo1 ) ( f Mo f Mo1 ) 80 66,67. (8 0) (8 4) Для определения медианного интервала воспользуемся кумулятивным рядом, приведенным в таблице, и найдем, когда кумулятивный ряд в первый раз превысит половину общей суммы частот 38 1 2 m fi 10 i 1 . Это случится во 2-м интервале, т.к. выполнится неравенство 1 2 m fi 10 12 S2 S Me . Таким образом, медианным интервалом i 1 оказался 2-й интервал. Тогда нижняя граница медианного интервала xMe=70; член кумулятивного ряда, предшествующий медианному интервалу, SMe-1=S1=8; частота медианного интервал fMe=f2=4 и Me xMe h 1 2 m fi S Me1 i 1 f Me 70 10 1 2 20 8 75. 4 Для нахождения 1-го квартиля определим 1-й квартильный интервал, в котором впервые кумулятивный ряд превысит величину 1 4 1 4 m fi 5 . Это i 1 случится уже в 1-м интервале, т.к. m fi 5 8 S1 SQ1 . Тогда нижняя граница 1-го квартильного ин- i 1 тервала; x Q =60; член кумулятивного ряда, предшествующий 1-му 1 квартильному интервалу, S Q 1 =S0=0; частота 1-го квартильного интер1 вала f Q =f1=8 и в итоге получим 1 Q1 xQ1 h 1 4 m f i S Q11 i 1 f Q1 1 60 10 4 20 0 66,25. 8 Аналогично найдем, что 3-й квартиль попал в 4-й интервал, т.к. в этом интервале выполняется 3 4 m fi 15 20 S4 SQ 3 . Тогда xQ3=90; i 1 член кумулятивного ряда, предшествующий 3-му квартильному интервалу, SQ3-1=S3=15; частота 4-го квартильного интервала fQ3=f3=5; Q3 xQ3 h 3 4 m f i S Q3 1 i 1 f Q3 3 90 10 4 20 15 90. 5 На рис.3.4. приведено графическое решение задачи нахождения моды, медианы и квартилей. 39 S 20 f 8 15 6 4 2 10 5 60 70 80 90 100 х 60 70 80 90 100 Q1=66,25 Me=75 Q3=90 х Mo=66,67 Рис. 3.4. Графическое определение: а) моды; б) медианы и квартилей Приведем пример нахождения третьего дециля. Уже в 1-м интервале выполняется 3 10 неравенство 3 10 m f i 6 8 S1 S d3 8 . Тогда i 1 m f i S d3 1 20 0 67,5. fd 3 8 Обратите внимание, что полученные значения средних величин отличаются в зависимости от того, какие данные (сгруппированные или несгруппированные) были использованы. Более точные результаты получаются для несгруппированных данных. d 3 xd 3 h i 1 3 60 10 10 Задачи для самостоятельного решения Задача 3.1. По имеющимся данным найти среднюю выработку рабочего, моду и медиану. № рабочего 1 2 3 4 5 6 7 8 9 10 11 Дневная выработка рабочего, шт. 70 73 68 75 75 74 83 81 100 73 80 40 Задача 3.2. Определить средний размер заработной платы по следующим данным Группы рабочих по размеру заработной платы, руб. Число рабочих До 17000 7 17000–19000 16 19000–21000 8 21000–23000 12 Свыше 23000 17 Задача 3.3. Бригада из трех человек должна изготовить 500 деталей. Первый рабочий тратит на одну деталь 15 мин., другой – 10 мин., третий – 20 мин. Определить, сколько времени им потребуется на выполнение работы. Задача 3.4. По приведенным данным о продаже однородного продукта на рынках города исчислите среднюю цену за 1 кг за каждый период. Проанализируйте динамику средней цены, рассчитав относительный показатель динамики. Январь Февраль Рынок Средняя цена за Продано, Средняя цена за Товарооборот, 1 кг, руб. тонн 1 кг, руб. тыс. руб. 1 128 28 128 4300 2 130 45 156 7700 3 128 21 140 3500 4 122 45 146 7200 Задача 3.5. Исчислите: 1. среднюю производительность труда; 2. моду (аналитически и графически); 3. медиану, квартили (аналитически и графически); Группы работников Число работников в группе, чел. по выпуску продукции, шт. До 300 9 300–360 11 360–420 16 420–480 6 480 и более 18 41 4. ПОКАЗАТЕЛИ ВАРИАЦИИ Вариация (в статистике)– это различие индивидуальных значений признака внутри изучаемой совокупности. Возникновение вариации обусловлено влиянием на изучаемое явление различных случайных и неслучайных факторов. Хотя рассмотренные выше средние являются обобщающими характеристиками признака изучаемой совокупности, однако они не дают представления о том, какова колеблемость отдельных значений признака, насколько эти значения близки к средней. Показатели вариации позволяют оценить и исследовать колеблемость признака в совокупности. 4.1. Абсолютные и средние показатели вариации Размах вариации R=xmax – xmin, (4.1) где xmax – максимальное, xmin – минимальное значения вариантов. Это наименее точная мера вариации, однако, она проста для вычисления. Децильный размах D=d9 – d1, (4.2) где d1 и d9 – первая (нижняя) и девятая (верхняя) децили. Квартильный размах или интерквартильный разброс (interquartile range, IQR) IQR=Q3 –Q1, (4.3) где Q1, Q3 – первый (нижний) и третий (верхний) квартили. Среди показателей размаха наиболее часто в практическом анализе используют квартильный размах. Среднее линейное (абсолютное) отклонение простое для несгруппированных данных n l x x i 1 i n , взвешенное для сгруппированных данных 42 (4.4) m l x i 1 x fi i . m f i 1 (4.5) i Дисперсия простая для несгруппированных данных n 2 x x 2 i i 1 , n (4.6) взвешенная для сгруппированных данных m 2 x x fi 2 i i 1 . m f i 1 (4.7) i Можно отметить следующий недостаток этого показателя вариации – если варианты xi имеют некоторую размерность (метр, рубль, килограмм и т.д.), то дисперсия имеет размерность в квадрате, что затрудняет ее интерпретацию (например, если средняя зарплата составляет 18 тысяч рублей, то соответствующая дисперсия может составить 500 тысяч рублей в квадрате, что лишено экономического смысла). Этого недостатка лишено среднее квадратическое отклонение простое для несгруппированных данных n x x 2 i i 1 , n (4.8) взвешенное для сгруппированных данных m x i 1 x f i 2 i m f i 1 43 i . (4.9) Достоинством этого показателя вариации является то, что он выражается в тех же единицах, что и варианты, поэтому экономически хорошо интерпретируется. Можно показать, что всегда справедливо неравенство l. Дисперсия и среднее квадратическое отклонений являются наиболее распространенными показателями вариации. 4.2. Относительные показатели вариации Расчет относительных показателей вариации осуществляют как отношение абсолютного показателя вариации к средней арифметической. Как правило, они рассчитываются в процентах. Относительный размах (коэффициент осцилляции) R vR 100% . x (4.10) Относительное квартильное расстояние IQR vq 100% . x (4.11) Относительное линейное отклонение l vl 100% . x Коэффициент вариации v 100%. x (4.12) (4.13) Коэффициент вариации – это наиболее распространенный относительный показатель вариации. Считается, что если v>30%, то это говорит о большой вариации признака в изучаемой совокупности 4.3. Правило сложения дисперсий Вариация значений признака обусловлена как воздействием случайных факторов (случайная вариация), так и воздействием неслучайных факторов (систематическая вариация). Изучение вариации позво44 ляет вскрыть сущность изучаемого явления – выявить каковы существенные факторы и оценить степень их влияния. Для оценки влияние отдельных факторов на вариацию осуществляют группировку, разбивая изучаемую совокупность на группы, однородные по изучаемому признаку. Изучение вариации проводят путем исчисления и анализа следующих видов дисперсий: общей, межгрупповой и внутригрупповой. Общая дисперсия измеряет вариацию признака, обусловленную влиянием всех факторов (случайных и неслучайных) на данную совокупность. Может быть рассчитана по формуле простой (4.6) или взвешенной (4.7) дисперсии. Межгрупповая дисперсия измеряет систематическую вариацию, т.е. оценивает влияние признака-фактора, положенного в основание группировки, на вариацию изучаемого (результативного) признака. m 2 (x j 1 j x )2 f j (4.14) m f j 1 j где х j – групповая (частная) средняя j-й группы; х – общая средняя всей совокупности; fj – частота j-й группы. 45 Внутригрупповые (частные) дисперсии 2j отражают случайную вариацию, т.е. часть вариации, обусловленную влиянием других неучтенных факторов. Внутригрупповая дисперсия j-й группы 2j вычисляется на основе отклонений отдельных значений признака внутри j-й группы от средней арифметической этой группы. В зависимости от имеющихся данных может использоваться формула простой (4.6) или взвешенной дисперсии (4.7). ___ 2 Средняя из внутригрупповых дисперсий – это средняя арифметическая взвешенная из внутригрупповых дисперсий. m ___ 2 j 1 2 j fj . m f j 1 (4.15) j Согласно правилу сложения дисперсий общая дисперсия равна сумме межгрупповой дисперсии и средней из внутригрупповых дисперсий ___ 2 (4.16) . Правило сложения дисперсий позволяет оценить степень влияния группировочного признака-фактора на изучаемый результативный показатель. Для оценки тесноты связи этих факторов служат коэффициент детерминации и эмпирическое (выборочное) корреляционное отношение. Коэффициент детерминации 2 2 2 2 2 . Эмпирическое (выборочное) корреляционное отношение 46 (4.17) 2 . 2 (4.18) Коэффициент детерминации 2 и эмпирическое корреляционное отношение принимают значения в диапазоне от 0 до 1. При отсутствии влияния группировочного признака-фактора на вариацию результативного показателя эти показатели равны нулю. Чем ближе значения показателя к единице, тем сильнее связь. Для качественной оценки тесноты связи на основе показателя эмпирического корреляционного отношения использовать шкалу Чэддока: 0,1–0,3 0,3–0,5 0,5–0,7 0,7–0,9 0,9–0,99 Теснота Слабая Умеренная Заметная Тесная Весьма связи тесная Примеры решения задач Пример 4.1. По имеющимся данным о сбыте продукции (в тыс. руб.) в различных фирмах города рассчитать абсолютные и относительные показатели вариации. 87, 75, 66, 60, 87, 67, 66, 69, 89, 74, 90, 78, 99, 86, 76, 95, 69, 68, 87, 63. Решение (см. пример 3.7). Рассчитаем абсолютные показатели вариации. Размах R=xmax – xmin=99–60=39. Квартильный размах IQR=Q3 –Q1=87–67,5=19,5. Средняя арифметическая õ 77,55. . Поскольку представленные данные не сгруппированы, применим невзвешенные формулы показателей вариации: Среднее линейное отклонение n x x 87 77,55 75 77,55 63 77,55 , n 20 9,45 2,55 14,55 10,005. 20 l i 1 i 47 Дисперсия n x i 1 2 i x 2 2 2 2 87 77,55 75 77,55 63 77,55 n 20 2 2 2 9,45 2,55 14,55 127,3475. 20 Среднее квадратическое отклонение 2 127,3475 11.285. Относительные показатели вариации. Относительный размах vR R 39 100% 100% 50,3%. x 77,55 Относительное квартильное расстояние vq IQR 23, 75 100% 100% 30, 625%. x 77.55 Относительное линейное отклонение vl l 10, 005 100% 100% 12,9%. x 77,55 Коэффициент вариации v x 100% 11, 285 100% 14,55%. 77,55 Можно сделать вывод, что вариация признака в совокупности небольшая, совокупность можно считать однородной по данному признаку. Пример 4.2. Произвести группировку данных примера 4.1, образовав 4 равных интервалов. По полученному интервальному ряду определить абсолютные и относительные показатели вариации. Решение (см. пример 3.8). В таблице приведены результаты группировки исходных данных. 48 2 Частота, fi Номер группы 1 Границы группы До 70 Середина интервала, xi xi x xi x 2 xi x xi x fi 2 fi 8 65 12,5 100 156,25 1250 70–80 4 75 2,5 10 6,25 25 3 80–90 3 85 7,5 22,5 56,25 168,75 4 более 90 5 95 17,5 87,5 306,25 1531,25 Итого 20 220 2975 Для расчета обобщающих показателей по результатам группировки применим взвешенные формулы средней арифметической и показателей вариации. Средняя арифметическая, найденная по сгруппированным данным x 77,5 . Рассчитаем абсолютные показатели вариации. Размах R=xmax – xmin=100–60=40. Квартильный размах IQR=Q3 –Q1=90–66,25=23,75. m Среднее линейное отклонение l x x f i 1 i m f i 1 Дисперсия m 2 x x i 1 2 i m f i 1 fi 2975 148,75 . 20 i Среднее квадратическое отклонение 2 148, 75 12,196. Относительные показатели вариации. 49 i i 220 11 . 20 Относительный размах vR= 40/77,5100%=51,61%. Относительное квартильное расстояние vq= 23,75/77,5100%= =30,65%. Относительное линейное отклонение vl= 11/77,5100%=14,19%. Коэффициент вариации v= 12,196/77,5100%=15,74%. Обратите внимание, что полученные значения показателей вариации отличаются в зависимости от того, какие данные (сгруппированные или несгруппированные) были использованы. Более точные результаты получаются для несгруппированных данных. Как и в примере 4.1, можно сделать вывод об однородности совокупности по данному признаку. Пример 4.3. На основании данных о доходах населения определить, влияет ли место жительство человека уровень его доходов. Доход, тыс. руб./чел. Жители города А Жители города Б До 5 2 1 5–10 19 3 10–15 15 6 15–20 10 10 20–25 3 13 25 и выше 1 7 Решение. В таблицах приведены промежуточные расчеты. Середина xifi ( x x ) 2 i i Доход, тыс. Жители интервала, ( xi xi ) 2 f i руб./чел. города А, fi xi До 5 2 2,5 5 90,25 180,5 7,5 5–10 19 142,5 20,25 384,75 10,5 10–15 15 187,5 0,25 3,75 17,5 15–20 11 192,5 30,25 332,75 20–25 2 22,5 45 110,25 220,5 27,5 25 и выше 1 27,5 240,25 240,25 Итого 50 600 50 1362,5 Доход, тыс. руб./чел. До 5 5–10 10–15 15–20 20–25 Жители города Б, fi 1 3 6 10 13 Середина xifi ( x x ) 2 i i интервала, ( xi xi ) 2 f i xi 2,5 2.5 272.25 272.25 7,5 22.5 132.25 396.75 10,5 75 42.25 253.5 17,5 175 2.25 22.5 22,5 292.5 12.25 159.25 27,5 192.5 72.25 505.75 25 и выше 7 Итого 40 760 1. Групповые средние (среднедушевой доход): 1610 x À =600/50=12 тыс. руб./ чел. xÁ =760/40=19 тыс. руб./ чел. 2. Внутригрупповые дисперсии: À2 =1362,5/50=27,25. Á2 =1610/40=40,25. 3. Средняя из внутригрупповых дисперсий: ___ 2 À2 f A Á2 f Á f A fÁ 27, 25 50 40, 25 40 33, 028. 50 40 4. Для расчета межгрупповой дисперсии сначала определим общую среднюю как среднюю арифметическую взвешенную из групповых средних: x x À f A xÁ f Á 12 50 19 40 15,111. f A fÁ 50 40 Тогда межгрупповая дисперсия 51 2 ( x À x ) 2 f À ( xÁ x ) 2 f Á f À fÁ (12 15,111) 2 50 (19 15,111) 2 40 12, 099. 50 40 5. Общую дисперсию найдем по правилу сложения диспер сий ___ 2 2 2 12,099 33,028 45,127. Коэффициент детерминации и эмпирическое корреляционное отношение равны соответственно 2 2 12,099 0, 268. 2 45,127 2 12,099 0,5178. 2 45,127 Согласно шкале Чэддока можно сделать вывод, что местожительство «заметно» влияет на доходы населения. Задачи для самостоятельного решения Задача 4.1. По имеющимся данным о ценах товара в различных фирмах города рассчитать абсолютные и относительные показатели вариации: 88, 85, 88, 90, 86, 86, 92, 84, 92, 82. Задача 4.2. По результатам выборочного изучения производительности труда работников на предприятии исчислите абсолютные и относительные показатели вариации. Группы работников по До 50 50–60 60–70 70–80 80 и производительности, ед. более Число работников 3 11 24 7 5 Задача 4.3. Имеются следующие данные о выработке рабочих и их стаже работы. Выработка, шт./чел. До 80 Стаж работы До 2 лет 2–4 года 4 года и более 2 – – 52 80–90 90–100 100–110 110 и более 5 2 1 – 1 5 6 3 2 3 9 6 Оценить насколько влияет стаж работы на выработку рабочего, рассчитав коэффициент детерминации и эмпирическое корреляционное отношение. 5. ВЫБОРОЧНОЕ НАБЛЮДЕНИЕ 5.1. Понятие о выборочном исследовании При сплошном наблюдении обследуются все без исключения единицы совокупности (например, перепись населения, сбор статистической отчетности). При выборочном наблюдении обследуется часть совокупности, а полученные результаты распространяются на всю совокупность. Преимущества выборочного наблюдения: 1) уменьшение затрат; 2) более детальное обследование единиц совокупности; 3) оперативное подведение итогов; 4) уменьшение ошибок регистрации; 5) во многих случаях является единственно возможным методом изучения совокупности (например, при определении прочности проволоки, проверке консервов на доброкачественность). Выборочное наблюдение – это наиболее распространенный тип специальных статистических наблюдений. Генеральная совокупность – это подлежащая изучению статистическая совокупность, из которой производится отбор части единиц.[Обозначим N – объем генеральной совокупности. Генеральная совокупность может быть реальной (содержит конечное множество объектов – работники предприятия, автомобили, домохозяйства), а может быть гипотетической, включающей случаи, которые реально не существуют (например, все возможные результаты эксперимента). В целях упрощения анализа считают, что гипотетиче- 53 ская генеральная совокупность содержит бесчисленное множество объектов. Выборочная совокупность (или выборка) – это отобранная из генеральной совокупности некоторая часть единиц, подвергающаяся обследованию. Обозначим n – объем выборочной совокупности. Выборка должна быть репрезентативной (представительной), т.е. наиболее полно и адекватно представлять свойства генеральной совокупности. Выборки подразделяют на повторные и бесповторные. Повторной называют выборку, при которой отобранный объект перед отбором следующего возвращается в генеральную совокупность. Бесповторной называют выборку, при которой отобранный объект в генеральную совокупность не возвращается. На практике обычно пользуются бесповторным отбором. Однако, если объем генеральной совокупности достаточно велик, а выборка составляет незначительную часть генеральной совокупности, то различие между повторной и бесповторной выборками стирается. В предельном случае, когда генеральная совокупность бесконечна, а выборка имеет конечный объем, это различие исчезает. 5.2. Ошибки выборки и доверительные интервалы Значение обобщающего показателя, рассчитанное по выборочной совокупности (выборке), может в той или иной мере отличаться от значения этого показателя в генеральной совокупности. Ошибка выборки– это возможное расхождение между характеристиками выборочной и генеральной совокупности. По выборочной совокупности обычно рассчитывают два вида обобщающих показателей. 1) Средняя величина количественного признака (выборочная средняя x ) – это обобщающая характеристика варьирующего признака, который имеет различные значения у отдельных единиц статистической совокупности. Например, средняя зарплата, средний рост, средний возраст и т.д. 2) Относительная величина альтернативного признака (выборочная доля w) характеризует долю (удельный вес) единиц в стати54 стической совокупности, которые отличаются от всех других единиц этой совокупности только наличием (отсутствием) изучаемого признака. Например, доля бракованных изделий в партии, удельный вес женщин среди работников предприятия и т.д. В генеральной совокупности среднюю величину количественного признака называют генеральной средней (обозначается x ), а долю единиц, обладающих изучаемым признаком, называют генеральной долей (обозначается р). Выборочная средняя x определяется по формуле средней арифметической. Выборочная доля w (частость) определяется по формуле w m , n (5.1) где m – число единиц, обладающих изучаемым признаком, n – общая численность выборочной совокупности (объем выборки). Основная задача выборочного исследования – на основе характе- ~ ристик выборочной совокупности w и х получить достоверные суждения о показателях доли p и средней x в генеральной совокупности. Возможные расхождения между характеристиками выборочной и генеральной совокупностей измеряются средней ошибкой выборки μ. В математической статистике доказывается, что при случайном повторном отборе средние ошибки теоретически рассчитывают по формулам: для выборочной средней x 2 , (5.2) p (1 p ) . n (5.3) x n где 2 – генеральная дисперсия; для выборочной доли w w Но при проведении выборочных обследований генеральная дисперсия 2 и генеральная доля p, как правило, неизвестны. На практике 55 вместо них используют оценки, полученные по выборочной совокупности. Таким образом, на практике расчетные формулы для определения средней ошибки выборки при случайном повторном отборе будут иметь вид: для выборочной средней x s2 , n x (5.4) где s2 – дисперсия, рассчитанная для выборочной совокупности (выборочная дисперсия); для выборочной доли w w w (1 w) . n (5.5) При случайном бесповторном отборе формулы средней ошибки выборки включают дополнительный множитель 1 n и принимают N следующий вид: для выборочной средней x x s2 n 1 ; n N (5.6) для выборочной доли w w w (1 w) n 1 . n N (5.7) Значения средней ошибки выборки необходимы для установления диапазонов возможных значений генеральной доли p и генеральной средней x , что позволяет указать доверительные интервалы: 56 для генеральной средней x x x x x x ; (5.8) для генеральной доли p w w p w w , (5.9) где x t x – предельная ошибка выборки для генеральной средней; w t w – предельная ошибка выборки для генеральной доли. Коэффициент t – это коэффициент доверия, зависящий от доверительной вероятности . Заметим, что генеральная характеристика ( x или р) нам неизвестна, и мы лишь можем утверждать, что с доверительной вероятностью генеральная характеристика принадлежит доверительному интервалу (т.е. с доверительной вероятностью доверительный интервал покроет x или р). В общем случае значения коэффициента доверия t при заданной доверительной вероятности и известном объеме выборки n можно найти с помощью таблиц распределения Стьюдента (см. приложение). На практике для выборок достаточно большого объема (n30) часто применяют следующие приближенные значения коэффициента доверия t без учета объема выборки n. Доверительная вероятность Коэффициент доверия t 0,90 0,95 0,954 0,990 0,9973 1,645 1,9600 2,000 2,576 3,000 5.3. Оптимальный объем выборки Размер ошибки выборки прежде всего зависит от объема выборочной совокупности n. Средняя ошибка выборки обратно пропорциональна n (например, при увеличении объема выборки в четыре раза, ее ошибка уменьшается в только в два раза). Таким образом, увеличение объема выборки приводит к снижению ошибки выборки, но, с другой стороны, вызывает дополнительные расходы на проведение исследования. При планировании выборочного наблюдения обычно заранее задают допустимую ошибку выборки и доверительную вероятность, чтобы обеспечить заданную точность результатов наблюдения. 57 Найдем оптимальный объем выборки для нахождения выборочной средней (случайный повторный отбор) при заданных предельной ошибке выборки x и доверительной вероятности . Согласно (5.4) и (5.8) x t x t s2 . n Отсюда оптимальный объем выборки n n t 2 s2 . 2x (5.10) В таблице приведены формулы для расчета оптимального размера выборки (случайный отбор). Формула расчета Способ отбора для средней для доли Повторный отбор Бесповторный отбор t 2 s2 2x t 2 w (1 w) 2w N t 2 s2 2x N t 2 s 2 N t 2 w (1 w) 2w N t 2 w (1 w) 58 Эти формулы должны использоваться на этапе планирования выборочного наблюдения, однако в них необходимо указывать неизвестные нам значения выборочной дисперсии s2 и выборочной доли w. Вместо них на практике рекомендуется использовать какие-либо приближенные оценки этих характеристик (например, полученные в результате пробных выборочных наблюдений или из предыдущих обследований аналогичной совокупности). Кроме того, часто неизвестное значение w заменяют значением 0,5. Если известна примерная величина генеральной средней, то иногда используют приближенную форму- õ2 . Если известна примерная величина размаха совокупности, 9 R2 2 то можно использовать приближенную формулу s . 25 лу s 2 Эти приближенные формулы можно использовать ТОЛЬКО ПРИ ОТСУТСТВИИ БОЛЕЕ ТОЧНЫХ ДАННЫХ, полученных в результате пробных выборочных обследований или из предыдущих обследований аналогичной совокупности. При больших размерах генеральной совокупности оптимальный объем выборки при повторном и бесповторном отборе отличаются незначительно. Примеры решения задач Пример 5.1. При выборочном обследовании (отбор случайный бесповторный) 25 деталей из общей партии в 400 деталей было обнаружено две бракованных детали. Найдите доверительный интервал с доверительной вероятностью 0,95 для доли бракованных деталей. Укажите доверительный интервал для числа бракованных деталей в партии. Решение. Выборочная доля бракованных деталей w 59 m 2 0, 08. n 25 Средняя ошибка выборки w(1 w) n 0, 08(1 0, 08) 25 1 1 0, 05254. n 25 N 400 Коэффициент доверия t при доверительной вероятности =0,95 и w объеме выборки n=25 равен 2,0595 (см. приложение). Предельная ошибка выборки wtw=2,05950,05254=0,1082. Доверительный интервал для генеральной доли 0,08–0,1082 p 0,08+0,1082 или –0,0282 p 0,1882. Доверительный интервал для числа бракованных деталей в партии –0,0282400 pN 0,1882400 или –11.3 pN 75,3. По смыслу задачи отрицательные значения нижней границы недопустимы, поэтому откорректируем их с учетом имеющихся данных. Доверительный интервал для числа бракованных деталей 2 pN 76. Доверительный интервал для генеральной доли 2/400 p 0,1882 или 0,005 p 0,1882. Этот парадоксальный результат (отрицательные значения нижней границы доверительного интервала) связан с тем, что в условиях малых выборок используемые формулы не в полной мере отражают особенности распределения выборочных значений. Пример 5.2. При выборочном обследовании выполнения рабочими норм времени были получены следующие данные: Выполнение 102 и До 96 96–98 98–100 100–102 норм времени, % более Число рабочих 2 5 11 17 5 Определите доверительный интервал для среднего процента выполнения норм времени (доверительная вероятность 0,99). Всего на предприятии работает 1000 рабочих. Решение. 60 Выполнение Число Середина норм вре- рабочих, интервала, мени, % fi xi До 96 2 95 96–98 5 97 98–100 11 99 100–102 17 101 ( xi xi ) 2 ( xi xi ) 2 f i xi fi 190 24,01 48,02 485 8,41 42,05 1089 0,81 8,91 1717 1,21 20,57 9,61 48,05 167,6 102 и более 5 103 515 Итого 40 3996 Выборочная средняя x =3996/40=99,9%. Выборочная дисперсия s2=167,6/40=4,19. Средняя ошибка выборки x s2 n 4,19 40 1 1 0,317. n N 40 1000 Коэффициент доверия t при доверительной вероятности =0,99 и объеме выборки n=40 равен 2,7045 (см. приложение). Предельная ошибка выборки x t x 2, 7045 0,317 0,858. Доверительный интервал для генеральной средней 99,9–0,858 x 99,9+0,858 или 99,042 x 100,758. 61 Пример 5.3. При обследовании месторождения золота было взято 100 проб. Среднее содержание золота составило 2,4 г/куб.м при среднем квадратическом отклонении 0,4 г/куб.м. Найти доверительный интервал для среднего содержания золота в породах месторождения (доверительная вероятность 0,9). Спрогнозировать потенциальные запасы золота на месторождении, если объем золотосодержащих пород оценивается в 20 млн. куб.м. Решение. Так как выборка является гипотетической, то объем генеральной совокупности N=. Отсюда средняя ошибка выборки x s2 s 0, 4 0, 04. n n 100 Коэффициент доверия t при доверительной вероятности =0,9 и объеме выборки n=100 равен 1,6602 (см. приложение). Предельная ошибка выборки x t x 1,6602 0,04 0,0664 г/куб.м. Доверительный интервал для генеральной средней 2,4–0,0664 x 2,4+0,0664 или 2,3336 x 2,4664. Прогноз запасов золота на месторождении (в тоннах) 2,333620 x 2,466420 или 46,67 x 49,33. Пример 5.4. С целью определения средних затрат времени при поездках на работу планируется провести опрос сотрудников предприятия на основе случайного бесповторного отбора. Оцените необходимый объем выборочной совокупности, чтобы с вероятностью 0,95 ошибка выборочной средней не превышала 1 минуты. На предприятии работает 2000 человек. Решение. Так как нам неизвестна выборочная дисперсия изучаемого признака, попробуем приблизительно оценить ее. Выскажем предположение, что в среднем работники затрачивают на одну поездку 30 минут. Используем одну из приближенных формул для оценки выборочной дисперсии 62 s2 х 2 302 100. 9 9 Положим коэффициент доверия t при доверительной вероятности =0,95 равным 1,96, так как объем выборки n нам неизвестен.. Тогда необходимый объем выборочной совокупности n N t 2 s2 2000 1,962 100 323 человека. 2x N t 2 s 2 12 2000 1,962 100 Задачи для самостоятельного решения Задача 5.1. Найдите доверительный интервал для доли работающих в ОАО "Сибтранс", не удовлетворенных условиями труда (доверительная вероятность 0,95). Из 917 работающих на предприятии было опрошено 238 человек, из них 93 были не удовлетворены условиями труда. Отбор случайный бесповторный. Укажите доверительный интервал для числа работников, не удовлетворенных условиями труда. Задача 5.2. Найдите доверительный интервал для среднего уровня потребления минеральной воды за год по следующим данным (доверительная вероятность 0,99). Отбор случайный бесповторный. Число жителей города 50 тыс. чел. Потребление минеральной воды, До 102030 и бол/чел. 10 20 30 лее Число жителей, чел. 31 46 14 9 Оцените возможный объем потребления минеральной воды жителями города за год. Задача 5.3. Определение жирности молоко проводилось по 6 пробам. Найдите доверительный интервал для жирности молока, если средняя жирность составила 3,50%, а среднее квадратическое отклонение 0,35%. Генеральная совокупность имеет нормальное распределение, доверительная вероятность 0,90. Задача 5.4. Цели выборочного наблюдения: 1) оценить средний доход населения города; 2) оценить долю жителей города, владеющую автомобилями ВАЗ. Население города – 71 тыс. чел. Рассчитать необходимую численность бесповторной выборки, чтобы при доверительной вероятно63 сти 0,90 предельная ошибка для среднего дохода не превысила 250 руб., а предельная ошибка доли владельцев автомобилей ВАЗ не превысила 0,02. Предварительную оценку выборочной дисперсии выполнить самостоятельно. 6. СТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ РЯДОВ ДИНАМИКИ 6.1. Понятие о рядах динамики Ряд динамики (динамический ряд, временной ряд) – это статистические данные, отображающие развитие изучаемого явления во времени. В каждом ряду динамики имеются два основных элемента: 1. Показатели времени t. В качестве показателей времени в рядах динамики выступают либо определенные даты (моменты) времени, либо отдельные периоды (годы, кварталы, месяцы, сутки). 2. Соответствующие им уровни развития изучаемого явления yt. Они могут выражаться абсолютными, относительными и средними величинами. В зависимости от характера изучаемого явления уровни рядов динамики могут относиться или к определенным датам (моментам) времени, либо к отдельным периодам (интервалам) времени. В соответствии с этим выделяют: моментные ряды динамики, которые отображают состояние изучаемых явлений на определенные даты (моменты) времени (например, число работающих на 20 ноября 2011 г., товарные запасы на 01.04.2011 г., величина банковских депозитов на 15.07.2011 г. и т.д.); интервальные ряды динамики отображают итоги развития явления за определенные периоды (интервалы) времени. Особенность интервальных рядов – каждый уровень ряда складывается из данных за более короткие периоды времени. Примеры интервальных рядов: объем товарооборота по месяцам (кварталам, годам); суммы выплаченной заработной платы по месяцам и т.д. 64 6.2. Показатели анализа ряда динамики Для проведения статистического анализа ряда динамики исчисляют систему показателей, сравнивая уровни ряда между собой. В зависимости от выбора базы сравнения уровней ряда динамики различают две системы расчета показателей: 1. Базисная система, при которой каждый уровень ряда динамики уi сравнивается с уровнем, принятым за постоянную базу сравнения (за базу сравнения обычно принимают первый уровень у1). 2. Цепная система, при которой каждый уровень ряда динамики уi сравнивается с его предыдущим уровнем уi-1. При анализе ряда динамики исчисляют следующие показатели. 1. Абсолютный прирост характеризует абсолютное изменение уровня ряда динамики. Абсолютный прирост ( Абсолютный прирост (базисный) (6.1) (цепной) yi/i-1=yi–yi-1 yi/1=yi–y1 где yi – уровень сравниваемого периода; yi-1 – уровень предшествующего периода; y1 – уровень базисного периода. Цепные и базисные показатели связаны между собой. Абсолютный прирост (цепной) равен разности соответствующих базисных приростов yi/i-1=yi/1–yi-1/1. Абсолютный прирост (базисный) равен сумме последовательных цепных приростов yi / 1 i 1 y k 1 k 1 / k . 2. Темп (коэффициент) роста характеризует относительное изменение уровня ряда динамики. Показатель относительного изменения уровня ряда, выраженный в долях единицы, называется коэффициентом роста, а в процентах – темпом роста. (6.2) Коэффициент роста Коэффициент роста (цепной) (базисный) K p i / i 1 yi yi 1 K p i /1 Темп роста (цепной) yi y1 Темп роста (базисный) 65 (6.3) Tp i / i 1 yi 100% yi 1 Tp i /1 yi 100% y1 Итак, выполняется соотношение Тр=Кр100%. Между базисными и цепными коэффициентами роста имеется взаимосвязь: произведение последовательных цепных коэффициентов i 1 роста равно базисному коэффициенту роста ( К р i / 1 К р k 1 / k ), а k 1 частное от деления последующего базисного коэффициента роста на предыдущий равно соответствующему цепному коэффициенту роста (Кр i/i-1 = Кр i/1/Кр i-1/1). 3. Темп (коэффициент) прироста во многих случаях является более наглядным показателем изменения уровня ряда динамики. Например: если сравниваемый уровень ряда больше (меньше) уровня, принятого за базу сравнения, то темп (коэффициент) прироста больше (меньше) нуля. Темп прироста выражается в процентах, а коэффициент роста – в долях единицы. (6.4) Коэффициент прироста Коэффициент прироста (цепной) (базисный) K np i / i 1 yi 1 K pi / i 1 1 yi 1 K np i /1 yi 1 K p i /1 1 y1 Темп прироста (цепной) Темп прироста (базисный) y Tò p i / i 1 i 100% 100% yi 1 y Tò p i /1 i 100% 100% y1 (6.5) Итак, выполняются соотношения: Тпр=Кпр100%; Тпр=Тр–100%. Таким образом, зная один из показателей анализа ряда динамики, легко найти другие связанные с ним показатели. Например, если темп прироста составляет 5% (т.е. уровень ряда динамики увеличился), то соответственно: коэффициент прироста 0,05; темп роста 105%; коэффициент роста 1,05. Обратите внимание, если темп прироста составляет –5% (т.е. уровень ряда динамики снизился), то соответственно: коэффициент прироста –0,05; темп роста 95%; коэффициент роста 0,95. 66 4. Абсолютное содержание 1% прироста рассчитывают как отношение абсолютного цепного прироста к цепному темпу прироста за тот же период времени. A1% i yi / i 1 yi yi 1 y i 1 . Tnp i / i 1 yi 100 1 100 yi 1 (6.6) 6.3. Средние показатели в рядах динамики Для обобщающей характеристики динамики исследуемого процесса определяют следующие средние показатели в рядах динамики. 1. Средний уровень ряда динамики характеризует обобщенную величину абсолютных уровней ряда. Методы расчета среднего уровня интервального и моментного ряда динамики различны. Средний уровень интервального ряда динамики вычисляют по формуле средней арифметической: если интервалы равные, то применяется средняя арифметическая простая: n y y y 1 2 n yn y i 1 n i , (6.7) где yi – уровни ряда; n – число уровней ряда; если интервалы неравные, то применяется средняя арифметическая взвешенная: n y t y2 t 2 y n t n y 1 1 t1 t2 tn y t i i 1 i n t i 1 , (6.8) i где yi – уровни ряда, сохраняющиеся без изменения в течение промежутка времени ti. Средний уровень моментного ряда динамики вычисляют с помощью средней хронологической: 67 если ряд динамики с равноотстоящими уровнями, то применяется средняя хронологическая простая: y1 y2 y2 y3 2 y 2 n 1 yn 1 yn y1 y2 2 2 yn 1 n 1 yn 2 ; (6.9) если ряд динамики с неравноотстоящими уровнями, то применяется средняя хронологическая простая взвешенная: y y3 y y y1 y2 t1 2 t2 n 1 n tn 1 2 2 y 2 t1 t2 tn 1 yi yi 1 ti 2 i 1 n 1 n 1 t i 1 n 1 (y y i 1 i 1 i n 1 2 ti i (6.10) ) ti . i 1 2. Средний абсолютный прирост – это обобщенная характеристика индивидуальных абсолютных приростов ряда динамики. n 1 ______ yn /1 y y y y y3/ 2 yn / n 1 n 1 n /1 2 /1 n 1 n 1 n 1 где yn /1 – абсолютный базисный прирост; yk 1/ k ные приросты. y k 1 k 1/ k n 1 , (6.11) – абсолютные цеп- Для определения среднего абсолютного прироста через абсолютные цепные приросты yk 1/ k применяется формула средней арифметической простой. 3. Средний темп (коэффициент) роста – это обобщающая характеристика индивидуальных темпов роста ряда динамики. Средний темп роста выражается в процентах, средний коэффициент роста – в долях единицы. Средний коэффициент роста вычисляется по формуле 68 ____ K p n /1 n 1 yn n 1 K p n /1 y1 n 1 (6.12) K p n / n 1 n 1 K p k 1/ k , n 1 K p 2 /1 K p 3/ 2 k 1 где Kp n/1 – базисный коэффициент роста; Kp k+1/k – цепные коэффициенты роста. Для определения среднего коэффициента роста через цепные коэффициенты роста Kp k+1/k применяется формула средней геометрической простой. Средний темп роста ____ ____ Tp n /1 K p n /1100%. (6.13) 4. Средний темп (коэффициент) прироста рассчитывают на основе средних темпов (коэффициентов) роста. Средний темп прироста выражается в процентах, средний коэффициент прироста – в долях единицы. Средний коэффициент прироста вычисляется по формуле ____ ____ Knp n /1 K p n /1 1. (6.14) Средний темп прироста равен ____ ____ ____ Tnp n /1 Tp n /1 100% Knp n /1100%. (6.15) 6.4. Методы изучения тренда в рядах динамики Тренд (основная тенденция) – это плавное и устойчивое систематическое изменение уровня явления во времени. Тренд отражает долгосрочную тенденцию развития явления и обусловлен наличием постоянно действующих факторов. При изучении тренда решаются две взаимосвязанные задачи: 1. Выявление тренда и описание его качественных особенностей. 2. Количественная оценка тренда. Методы изучения тренда: 1) Метод укрупнения интервалов основан на укрупнении периодов времени, к которым относятся уровни ряда динамики (одно69 временно уменьшается количество интервалов). По укрупненным интервалам либо суммируют уровни первоначального ряда, либо исчисляют средние величины. Например, месячные данные заменяются квартальными, квартальные – годовыми и т.д. В результате случайные отклонения в уровнях первоначального ряда сглаживаются и более явно обнаруживается основная тенденция развития. Для моментных рядов и рядов средних величин укрупнение проводится путем расчета средних уровней для новых укрупненных интервалов. 2) Метод скользящей средней позволяет сгладить колебания, присущие ряду динамики и состоит в преобразовании исходного ряда путем замены уровней ряда на среднее значение соседних уровней. Например, если период (интервал) сглаживания равен 3, то i-й уровень сглаженного ряда уi уi 1 уi уi 1 . Рекомендуется применять пери3 од сглаживания с нечетным числом уровней. Недостатком сглаживания ряда является укорачивание сглаженного ряда по сравнению с фактическим, так как теряются крайние значения. 3) Аналитическое выравнивание ряда динамики позволяет по виду графического представления или на основе фактических данных подобрать аналитическую функцию, наиболее подходящую для отражения основной тенденции развития. Оценки тренда рассчитываются как функции времени yˆ t f (t ) , (6.16) где ŷt .– теоретические уровни ряда. При реализации этого метода выделяют следующие этапы: 1. Определение вида аналитической функции f(t) (задача структурной идентификации). 2. Оценка параметров функции f(t) по эмпирическим данным (задача параметрической идентификации). 3. Расчет теоретических значений тренда по найденной формуле. Простейшими моделями, выражающими тенденцию развития, являются: 70 1. Линейная функция (прямая) yˆ t a 0 a1t применяется при равномерном развитии, когда абсолютные цепные приросты приблизительно одинаковы, т.е. уровни ряда изменяются в арифметической прогрессии. 2 2. Параболическая функция yˆ t a 0 a1t a 2 t используется при равноускоренном (равнозамедленном) развитии, когда развитие идет с постоянным ускорением (a2), т.е. абсолютные цепные приросты возрастают (уменьшаются) приблизительно равномерно. t 3. Показательная функция (экспонента) yˆ t a 0 a1 . Применяют, когда темпы роста (прироста) приблизительно одинаковы, т.е. уровни ряда изменяются в геометрической прогрессии. Если a1>1, то наблюдается рост, при a1<1 – наблюдается спад. Примеры: закон Мура, согласно которому каждые полтора года производительность вычислительной техники удваиваются; сумма вклада в банке; распад радиоактивных веществ и т.д. 4. Гиперболическая функция (гипербола) yˆ t a 0 a1 . При a1>0 гиt перболический тренд выражает тенденцию замедляющегося снижения уровня, стремящегося к пределу a0. При a1<0 – выражает тенденцию замедляющегося роста уровня, стремящегося к пределу a0. 71 а0 а1<0 а1>0 а0 0 t Рис.6.3. График гиперболической функции a 5. Степенная функция yˆ t a 0 t 1 . 6. Логарифмические функции. Тип I yˆ t a 0 a1 ln t . Тип II yˆ t a 0 a1 / ln t . Тип I пригоден при описании развития с замедляющимся ростом при отсутствии предельного значения, когда с течением времени абсолютный цепной прирост yt/t-10. Примеры: рост спортивных достижений, производительности труда, продуктивности скота или вообще повышения эффективности системы при ее совершенствовании без существенных преобразований. 7. Логистическая функция (S-образная кривая) yˆ t a0 1 a1e a2t позволяет описать развитие процесса в течение длительного периода времени, если он имеет тенденцию к насыщению (например, численность биологических популяций, развитие технологических инноваций, эффективность маркетинговых усилий и т.д.). 72 а0 а2>0 a0 1 a1 а2<0 0 t Рис.6.4. График логистической функции Оценки параметров ai аналитической функции f(t) можно найти с помощью метода наименьших квадратов (МНК). Его суть заключается в том, что оценки параметров a0, a1 находят, минимизируя сумму квадратов отклонений между фактическими (эмпирическими) уровнями ряда динамики yi и теоретическими yˆ i . МНК-оценки находят, решая оптимизационную задачу n (y t 1 t yˆ t ) 2 min ak , k 1, , p , (6.17) где n – число наблюдений; p – число неизвестных параметров; i – неизвестные параметры аналитической функции f(t). Для нахождения минимума данной функции ее частные производные приравнивают нулю и получают систему нормальных уравнений. Например, для линейной функции (прямой) yˆ t a 0 a1t система нормальных уравнений имеет вид n n a n a t yt , 1 0 t 1 t 1 n n n 2 a t a t yt t. 1 0 t 1 t 1 t 1 Тогда решение этой системы уравнений 73 1 n yt t y t n t 1 a1 , 1 n 2 2 t t n t 1 a0 y a1t . n 1 1 n n 1 где y yt , t t . n t 1 n t 1 2 (6.18) В дальнейшем на основе найденного уравнения тренда производится выравнивание ряда динамики, т.е. замена фактических уровней yt уровнями yˆt , наилучшим образом аппроксимирующими исходный ряд динамики. Кроме того, с помощью уравнения тренда возможно прогнозирования ряда динамики. 6.5. Методы изучения сезонных колебаний в рядах динамики Сезонные колебания обусловлены действием факторов, проявляющихся периодически – зима, весна, лето, осень. При изучении социально-экономических явлений обычно ограничиваются рассмотрением сезонных колебаний, обусловленных сменой времен года. Однако при анализе некоторых экономических процессов необходимо учитывать циклические колебания с периодичность более года (пятидесятилетние циклы Кондратьева, цикличность развития мировой экономики и т.д.). Для обеспечения корректности анализа сезонных колебаний (и вообще анализа рядов динамики) необходимо обеспечить сопоставимость уровней ряда динамики. Причины несопоставимости в рядах динамики: Различная продолжительность месяцев (28, 29, 30, 31 день), кварталов (90, 91 или 92 дня), лет (365 или 366 дней). Для устранения влияния этой причины объемные показатели (выручка, прибыль) пересчитываются в средние показатели (обычно среднесуточные или за условный месяц 30,5 дней). 74 Изменение цен. Для устранения влияния этой причины стоимостные показатели пересчитывают в неизменные (сопоставимые) цены. Неоднородность состава изучаемых совокупностей во времени (например, из Алтайского края выделилась Республика Алтай). Изменение методики учета изучаемого показателя. Для измерения сезонных колебаний исчисляют индексы сезонности. В стационарных (стабильных) рядах, в которых нет явно выраженного тренда, индексы сезонности рассчитывают по формуле yt , (6.19) y где yt – фактический уровень ряда; y – средний уровень всего ряда is t динамики. Для того чтобы повысить устойчивость оценки сезонных колебаний, индексы сезонности рекомендуется рассчитывать за несколько лет по следующей формуле is t yt , y (6.20) где yt – средний уровень ряда по одноименным внутригодовым отрезкам времени (месяцам, кварталам). Для наглядного изображения сезонной волны индексы сезонности изображают в виде графика. Примеры решения задач Пример 6.1. По данным о доходах от реализации продукции рас- считать показатели анализа уровней ряда динамики. Показать взаимосвязь исчисленных показателей. Годы 2006 2007 2008 2009 2010 Доходы от реализации, млн руб. 20 25 27 24 28 Решение. Для отражения результатов расчета показателей анализа ряда динамики строим таблицу. 75 2 – – 125,0% 125,0% 135,0% 108,0% 120,0% 88,9% 140,0% 116,7% 108,78% цепные Темпы прироста, % базисные – 5 2 –3 4 цепные – 5 7 4 8 Базисные цепные 2006 20 2007 25 2008 27 2009 24 2010 28 Средние показатели ряда динамики Абсолютные прироТемпы роста, % сты, млн руб. базисные Доходы Годы Показатели анализа доходов от реализации продукции за 20062010 гг. – – 25,0% 25,0% 35,0% 8,0% 20,0% –11,1% 40,0% 16,7% 8,78% Абсолютное содержание 1% прироста, млн руб. – 0,20 0,25 0,27 0,24 – Доходы Абсолютные приросты базисные Абсолютные приросты цепные Годы Пояснения к таблице по расчету показателей. 1. Для первого года показатели не исчисляются, так как он принимается за базу сравнения при расчете показателей для других уровней ряда. 2. По второму уровню ряда динамики базисные и цепные показатели одинаковы. 3. Абсолютные приросты, млн руб. Взаимосвязь абсолютных приростов базисных с цепными 76 цепных с базисными 2006 2007 2008 2009 2010 20 25 27 24 28 – 25–20=5 27–20=7 24–20=4 28–20=8 – 25–20=5 27–25=2 24–27=–3 28–24=4 – 5=5 7=5+2 4=5+2–3 8=5+2–3+4 – 5=5 2=7–5 –3=4–7 4=8–4 4. Темпы роста, %. Годы Доходы Темпы роста базисные Темпы роста цепные 20 25 27 24 28 Коэффициенты роста цепные Доходы 2006 2007 2008 2009 2010 Коэффициенты роста базисные Годы 2006 20 – – 2007 25 25/20100=125% 25/20100=125% 2008 27 27/20100=135% 27/25100=108% 2009 24 24/20100=120% 24/27100=88,9% 2010 28 28/20100=140% 28/24100=116,7% Приведем для сравнения таблицу с соответствующими коэффициентами роста, где продемонстрируем взаимосвязь базисных и цепных коэффициентов роста. Коэффициенты роста Взаимосвязь коэффициентов роста базисных с цепными цепных с базисными – – – – 25/20=1,25 25/20=1,25 1,25=1,25 1,25=1,25 27/20=1,35 27/25=1,08 1,08=1,35/1,25 1,35=1,251,08 24/20=1,20 24/27=0,889 0,889=1,20/1,35 1,20=1,251,080,889 28/20=1,40 28/24=1,167 1,40=1,251,080,8891,167 1,167=1,40/1,20 5. Темпы прироста, %. Годы Доходы Темпы прироста базисные Темпы прироста цепные 2006 2007 20 25 – 125–100=25% 77 – 125–100=25% 2008 2009 2010 27 24 28 135–100=35% 120–100=20% 140–100=40% 108–100=8% 88,9–100= –11,1% 116,7–100=16,7% 6. Средний абсолютный прирост (млн руб.) можно рассчитать через: yn y1 28 20 2; n 1 5 1 ______ y 8 2; абсолютный базисный прирост yn /1 n /1 n 1 5 1 сумму абсолютных цепных приростов ______ уровни ряда динамики yn /1 n 1 ______ yn /1 y k 1 k 1/ k n 1 5 23 4 2. 5 1 7. Средний темп роста вычисляется через средний коэффициент роста. В свою очередь средний коэффициент роста можно рассчитать через: ____ уровни ряда динамики K p n /1 n 1 базисный коэффициент роста yn 51 28 1, 0878; y1 20 ____ K p n /1 n1 K p n /1 51 1, 40 1, 0878; ____ произведение цепных коэффициентов роста K p n /1 n1 K p 2/1 K p 3/ 2 K p n / n 1 51 1, 25 1, 08 0,889 1,167 1, 0878. 78 Тогда средний темп роста ____ ____ Tp n /1 K p n /1100% 1,0878 100% 108,78%. 8. Средний темп прироста вычисляется через: средний темп роста ____ ____ Tnp n /1 Tp n /1 100% 108,78% 100% 8,78%; средний коэффициент прироста ____ ____ ____ Tnp n /1 Knp n /1100% ( K p n /1 1) 100% (1,0878 1) 100% 8,78%. 9. Абсолютное содержание 1% прироста (млн руб.) исчисляется только по цепной системе. Может использоваться два варианта. Годы Доходы Вариант 1 A1% i 2006 2007 2008 2009 2010 20 25 27 24 28 yi / i 1 y Вариант 2 A1% i i 1 Tnp i / i 1 100 – 5/25=0,20 2/8=0,25 –3/(–11,1)=0,27 4/16,7=0,24 – 20/100=0,20 25/100=0,25 27/100=0,27 24/100=0,24 Пример 6.2. Определите средний объем реализации продукции за первое и второе полугодие, а также в среднем за год. Период времени I кв. II кв. III кв. IV кв. Доходы от реализации, млн руб. 120 150 175 163 Решение. Так как данный ряд динамики является интервальным с равными интервалами времени (указаны объемы реализации за период времени – квартал), поэтому используем среднюю арифметическую простую (6.7). 79 Средний объем реализации продукции за первое полугодие 120 150 175 163 135 ; за второе полугодие y2 169 . 2 2 120 150 175 163 152 . Средний объем реализации за год y 4 y1 Пример 6.3. Определите средний объем реализации продукции за квартал. Период времени 1-е полугодие III кв. IV кв. Доходы от реализации, млн руб. 240 160 116 Решение. Этот ряд динамики является интервальным с неравными интервалами времени, поэтому используем среднюю арифметическую взвешенную (6.8). В качестве весов ti используем число месяцев за полугодие и за квартал. y y1 t1 y2 t2 yn tn 240 6 160 3 116 3 129. t1 t2 tn 633 Пример 6.4. Определите средний размер складских запасов за первое и второе полугодие, а также в среднем за год. Дата инвентаризации 01.01.11 01.04.11 01.07.11 01.10.11 01.01.12 Запасы на складе, тыс. 180 164 144 136 152 руб. Решение. Этот ряд динамики является моментным с равноотстоящими уровнями (указаны складские запасы на определенные равноотстоящие даты), поэтому используем среднюю хронологическую простую (6.9). 80 Средние складские запасы: за первое полугодие yn 180 144 164 2 2 2 163; за второе поn 1 3 1 144 152 136 2 142; лугодие y2 2 3 1 180 152 164 144 136 2 152,5. за год y 2 5 1 y1 y2 2 y1 yn 1 Пример 6.5. Определите средний размер складских запасов за год. Дата инвентаризации 01.01.11 01.03.11 01.09.11 01.01.12 Запасы на складе, тыс. руб. 92 82 68 76 Решение. Этот ряд динамики является моментным с неравноотстоящими уровнями, поэтому используем среднюю хронологическую взвешенную (6.10). В качестве весов ti используем число месяцев между очередными инвентаризациями – 2, 6 и 4 месяца. y y3 y yn y1 y2 t1 2 t2 n 1 tn 1 2 2 y 2 t1 t2 tn 1 92 82 82 68 68 76 2 6 4 2 2 2 76. 264 Пример 6.6. Стоимость основных фондов на 01.01.2011 – 600 тыс. руб. 01.03.2011 введены в эксплуатацию основные фонды стоимостью 72 тыс. руб., а 15.09.2011 выведены из эксплуатации основные фонды стоимостью 60 тыс. руб. Найти среднегодовую стоимость основных фондов. Решение. На первый взгляд, как и в примере 6.5, мы имеем моментный ряд с неравноотстоящими уровнями, поэтому необходимо использовать среднюю хронологическую взвешенную (6.10). Однако, когда выводились формулы (6.9) и (6.10) для моментных рядов динамики, предполагалось, что в моментном ряде уровни явления нам известны 81 только в отдельные моменты времени (в моменты, когда проводилось статистическое наблюдение). В промежутках между этими моментами уровень явления нам неизвестен, поэтому при выводе формул (6.9) и (6.10) было предложено считать, что изменение уровня ряда динамики между моментами наблюдения описывается линейной функцией времени (прямой). На рис. 6.1 представлена такая модель моментного ряда, где кружками отмечены уровни ряда, полученные в результате наблюдения, а пунктирные линии отражают предполагаемый характер изменения уровня ряда динамики. y y1 y2 y4 y3 t1 t2 t3 Рис.6.1. Модель моментного ряда динамики Однако, по условиям данной задачи нам известна стоимость основных фондов в каждый момент времени. На рис. 6.2 приведен график изменения уровня ряда динамики стоимости основных фондов. y2=672 y y3=612 y1=600 01.01.11 01.03.11 15.09.11 01.01.12 t Рис.6.2. Ряд динамики стоимости основных фондов в 2011 году 82 Можно показать, что в этом случае для расчета среднего уровня моментного ряда динамики необходимо использовать формулу (6.8). Тогда среднегодовая стоимость основных фондов y y1 t1 y2 t2 yn tn 600 2 672 6,5 612 3,5 642,5 . t1 t2 tn 2 6,5 3,5 В качестве весов ti здесь использовались длительности промежутков времени между моментами наблюдения – 2, 6,5 и 3,5. Пример 6.7. Рассчитайте среднеквартальный темп прироста, а также темп прироста за год. Период времени I кв. II кв. III кв. IV кв. Темп прироста к предыдущему квар+5 –6 +2 +7 талу, % Решение. Средний темп прироста рассчитывается на основе среднего темпа роста, который в свою очередь рассчитывается на основе среднего коэффициента роста (см. формулы (6.15) и (6.13)). ____ ____ ____ Tnp n /1 Tp n /1 100% K p n /1100% 100%. Согласно (6.12) средний коэффициент роста можно найти через цепные коэффициенты роста с помощью средней геометрической простой ____ K p n /1 n 1 K p 2 /1 K p 3/ 2 K p n / n 1 4 1, 05 0,94 1, 02 1, 07 4 1, 0772 1, 01877. Таким образом, среднеквартальный темп прироста равен 1,877%, а темп прироста за год 7,72%. Пример 6.8. Восстановите неизвестные уровни ряда динамики за 2009 и 2011 годы, если в 2010 году товарооборот составил 60 млн руб.. Годы 2009 2010 2011 Темп прироста товарооборота, % +4 –7 +15 Решение. Цепной темп прироста согласно (6.5) определяется по формуле Tnp i / i 1 yi 100% 100% . yi 1 83 Сначала рассмотрим два года – 2010 и 2011. Подставим в формулу для темпа прироста известные нам данные. Формула примет вид y2011 100% 100% . Отсюда 60 115% y2011 60 60 1,15 69 млн руб. 100% 15% Теперь рассмотрим другие два года – 2009 и 2010. После подстановки в формулу данных из задачи получим 7% 60 100% 100% . После очевидных преобразований полуy2009 чаем y2009 60 100% 60 64,52 млн руб. 93% 0,93 По условиям данной задачи можно найти уровень ряда динамики и за 2008 год 100% 100% 100% 60 60 62, 03 млн руб. 104% 93% 104% 0,93 1, 04 Пример 6.9. За первое полугодие 2011 г. объем реализации увеличился на 8%, за III квартал – уменьшился на 14%, за IV квартал – увеличился на 3%. Рассчитайте средние темпы прироста объемов реализации за год, за полугодие, за квартал и за месяц. Решение. Зная цепные коэффициенты роста объема реализации, найдем коэффициент роста за год. K p ãî ä 1, 08 0,86 1, 03 0,9567. Тогда средние коэффициенты роста (снижения) составят: y2008 y2009 ____ за полугодие K p ï î ë K p n /1 0,9567 0,9781 ; за квартал K p êâ за месяц K p ì åñ 12 K p n /1 12 0,9567 0,9963 . ____ 4 K p n /1 4 0,9567 0,9890 ; ____ Отсюда темпы роста (точнее снижения): за год –4,33%; за полугодие –2,19%; за квартал –1,1%; за месяц –0,37%. 84 Пример 6.9. Приведите ряд динамики к сопоставимому виду с учетом различной продолжительности месяцев, изменения цен и того, что в марте было проведено слияние двух предприятий. Месяцы Январь Февраль Март Апрель Май Июнь Выпуск продукции 120 122 140 – – – до слияния, млн руб. Выпуск продукции после слияния, млн – – 224 225 244 256 руб. Индекс цен 100 101 103 105 108 107 (январь=100) Решение. 1. Проведем смыкание рядов динамики. Для этого рассчитаем коэф- фициент соотношения уровней k=224/140=1,6. Тогда y1 1,6 120 192 ; y2 1, 6 122 195, 2 ; y3 1, 6 140 224 . 2. Учтем различную продолжительность месяцев, пересчитав исходный ряд для условного месяца продолжительностью 30,5 дней. 192 224 y1 30,5 188,9 ; y2 195, 2 30,5 212,6 ; y3 30,5 220,4 ; 31 31 28 244 225 256 30,5 240,1 ; y6 y4 30,5 228,8 ; y5 30,5 260,3 . 31 30 30 3. Учтем инфляцию и получим окончательный вид ряда динамики 188,9 220,4 y1 188,9 ; y2 212,6 208,5 ; y3 211,9 ; 1 1, 03 1, 01 240,1 228,8 260,3 216,3 ; y6 211,8 ; y5 228,3 . 1, 08 1, 05 1, 07 Пример 6.10. Данные о розничном товарообороте предприятия (млн руб.). Годы I кв. II кв. III кв. IV кв. 2009 92 186 86 226 2010 101 224 108 230 2011 101 265 109 264 Определить индексы сезонности. y4 85 Решение. В таблице приведены результаты расчетов Годы I кв. II кв. III кв. 2009 92 186 86 2010 101 224 108 2011 101 265 109 Среднее yt Индекс сезонности is t IV кв. 226 230 264 98 225 101 240 0,590 (98/166) 1,355 (225/166) 0,608 (101/166) 1,446 (240/166) Средний уровень всего ряда динамики y 98+225+101+240 166 . 4 Пример 6.11. На основе линейного тренда спрогнозируйте объемы выпуска продукции предприятием на 2011-2013 гг. Годы 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Выпуск продукции, 27 28 41 42 48 50 50 52 68 74 млн руб. Решение. Для оценки параметров линейного тренда используем метод наименьших квадратов ((6.17) и (6.18)). Сначала найдем средний уровень ряда 27 28 74 48 и сумму 10 1 n 1 yt t (27 1 28 2 74 10) 303, 2 . Учитывая, что n t 1 10 n n n(n 1) n(n 1)( 2n 1) t , t2 найдем 2 6 t 1 t 1 1 n n 1 10 1 t t 5,5 ; n t 1 2 2 1 n 2 (n 1)(2n 1) (10 1)(2 10 1) 38,5 t n t 1 6 6 y 86 Тогда 1 n yt t y t 303, 2 48 5,5 n t 1 a1 4, 75, 1 n 2 38,5 5,52 2 t t n t 1 a0 y a1t 48 4, 75 5,5 21, 67. Таким образом, прогноз выпуска продукции в 2011-2013 гг. y11 a0 a1 11 21, 67 4, 75 11 74,13; y12 a0 a1 12 21, 67 4, 75 12 78,88; y13 a0 a1 13 21, 67 4, 75 13 83, 64. Задачи для самостоятельного решения Задача 6.1. Розничный товарооборот и товарные запасы за первое полугодие (млн руб.) Месяцы Показатели ЯнФевМар АпМа Июн Июл варь раль т рель й ь ь Товарообо426 332 375 337 404 395 462 рот, тыс. руб. Товарные запасы на 255 272 217 208 232 287 309 начало месяца, тыс. руб. Определите: 1. средний месячный товарооборот за I и II кварталы и за первое полугодие; 2. средний месячный размер товарных запасов за I и II кварталы и за первое полугодие. Задача 6.2. Движение денежных средств на счете вкладчика в коммерческом банке за 2011 г.(руб.). Остаток на 1 января – 14000. Внесено 1 февраля – 1700. 87 Выдано 1 июня – 2000. Внесено 1 октября – 2200. Определите средний остаток вклада за первое полугодие, за второе полугодие и за год. Задача 6.3. Данные о валовой прибыли предприятия по годам Годы 2007 2008 2009 2010 Валовая прибыль (млн руб.) 30 27 33 42 Рассчитайте показатели изменения ряда динамики по цепной и базисной системам: 1) абсолютный прирост; 2) темпы прироста; 3) абсолютное содержание 1% прироста; 4) средний абсолютный прирост; 4) средний темп прироста. Задача 6.4. На основании данных о темпах прироста производства продукции рассчитайте: 1) темп прироста производства за 5 лет, а также среднегодовой темп прироста; 2) выпуск продукции за 2005, 2006, 2007, 2009 и 2010 годы, если известно, что в 2008 году выпуск продукции составил 37 млн руб. Годы 2006 2007 2008 2009 2010 Темп прироста к предыдущему –4 10 –5 14 6 году, % Задача 6.5. За I квартал 2011 г. заработная плата уменьшилась на 5%, за II квартал увеличилась на 7%, а во втором полугодии еще увеличилась на 15%. Рассчитайте средний темп прироста заработной платы 1) за квартал; 2) за месяц. Задача 6.6. Данные о выпуске продукции приведены в таблице Ежегодные Выпуск про- Ежегодный Абсолютное сотемпы, % Годы дукции, тыс. прирост, держание 1% пришт. тыс. шт. роста прироста роста, тыс. шт. 2007 2008 3,91 2009 483 110,70 2010 19 88 2011 7,60 Заполните недостающие данные в таблице. Задача 6.7. Определите средний размер кредиторской задолженности за год. Дата 01.01.11 01.04.11 15.06.11 01.10.11 01.01.12 Кредиторская за124 107 118 96 112 долженность, млн руб. Задача 6.8. Приведите ряд динамики численности населения города Новосибирска к сопоставимому виду. Определите среднегодовые абсолютный прирост, темп роста и прироста. Годы 1992 1993 1994 1995 1996 1997 1998 Численность населения, тыс. чел.: До включения п.Пашино 1258 1208 1159 1125 – – – После включения п,Пашино – – – 1181 1133 1111 1066 Задача 6.9. Приведите ряд динамики выпуска продукции ОАО «Феникс» к сопоставимому виду с учетом различной продолжительности месяцев, изменения цен и того, что в апреле была приобретена фирма ООО «Строймаш». Определите среднемесячные абсолютный прирост, темп роста и прироста. Месяцы Январь Февраль Март Апрель Май Июнь Выпуск продукции, млн руб.: –До слияния 588 612 630 661 – – –После слияния – – – 1131 1199 1247 Индекс цен 100 102 104 108 111 114 (январь=100) Задача 6.10. Данные о розничном товарообороте предприятия (млн руб.). Годы I кв. II кв. III кв. IV кв. 2009 67 138 63 168 2010 75 166 80 171 2011 75 202 81 197 1. Определить индексы сезонности. 89 2. Распределите годовой план товарооборота на 2012 г. в размере 670 млн. руб. по кварталам. Задача 6.11. На основе линейного тренда спрогнозируйте численность населения на 2011-2013 гг. Годы 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Население, 3455 3372 3286 3243 3178 3119 3027 2970 2888 2760 тыс. чел 7. ИНДЕКСНЫЙ МЕТОД 7.1. Понятие индекса Статистический индекс (лат. index – показатель) – относительный показатель сравнения сложных совокупностей и отдельных их единиц. Индексируемый показатель – это показатель, изменение которого характеризует индекс. По степени охвата единиц изучаемой совокупности индексы подразделяют на индивидуальные и общие (сводные). Индивидуальные индексы (обозначаются i) – характеризуют изменения отдельных единиц статистической совокупности. Например, индивидуальный индекс цен ip p1 , p0 (7.1) где р1 и р0 – цены за единицу товара в изучаемом (текущем) и прошлом (базисном) периодах («р» от латинского «pretium», в переводе – «цена»). 90 Индексы могут выражаться в коэффициентах или процентах. Индивидуальный индекс физического объема реализации iq q1 , q0 (7.2) где q1 и q0 – объемы продаж в изучаемом (текущем) и прошлом (базисном) периодах в натуральных (условно-натуральных) измерителях («q» от латинского «quantitas» – «количество»). Аналогично строят любые индивидуальные индексы: индивидуальный индекс себестоимости iz z1 , где z1 и z0 – себестоимость z0 единицы продукции в сравниваемых периодах; территориальный индекс цен i p pÀ , где рА и рБ – цены за единицу товара, относящиеся к pÁ разным территориальным единицам и т.д. Общие индексы (обозначаются I) – характеризуют изменения отдельных групп элементов или всей совокупности в целом (например, индекс цен на продовольственные товары, услуги, индекс валового внутреннего продукта и т.д.). В зависимости от метода расчета общих индексов различают агрегатные индексы и средние из индивидуальных индексов. Последние, в свою очередь, делятся на средние арифметические и средние гармонические. В зависимости от содержания индексируемой величины различают индексы: количественных (объемных) показателей (например, индекс физического объема товарооборота, потребления, продаж иностранной валюты и т.д.). Индексируемые показатели этих индексов являются объемными, так как характеризуют размер (объем) явления и выражаются абсолютными величинами. индексы качественных показателей (например, индексы цен, себестоимости единицы продукции, производительности труда, урожайности и т.д.). Индексируемые по91 казатели этих индексов носят расчетный характер, измеряют интенсивность процесса или явления и, как правило, являются либо средними, либо относительными величинами. Индексы обладают синтетическими и аналитическими свойствами. Синтетические свойства состоят в том, что посредством индексного метода производится соединение (агрегирование) в целое разнородные единиц статистической совокупности. Аналитические свойства состоят в том, что посредством индексного метода определяется влияние факторов на изменение изучаемого показателя. Таким образом, с помощью индексных показателей решаются следующие основные задачи: 1) характеристика общего изменения сложного экономического показателя или формирующих его отдельных показателей-факторов; 2) выделение в изменении сложного показателя влияния одного из факторов путем элиминирования влияния других факторов. Формулы для расчета индексов приведены далее на примере индексируемых цен (p), физического объема товарооборота (q), товарооборота (pq), изменяющихся во времени. 7.2. Агрегатные индексы Изменения совокупностей, состоящих из элементов, непосредственной несопоставимых (например, различных видов товаров и услуг), изучают с помощью общих индексов. Для построения общих индексов необходимо преодолеть несоизмеримость отдельных элементов изучаемой статистической совокупности. С этой целью при построении общих индексов используют, как правило, два показателя, один из которых является индексируемым, а другой – соизмерителем (весом), При этом в числителе и знаменателе общего индекса изменяется лишь значение индексируемого показателя, а соизмеритель фиксируются на одном уровне, т.е. не изменяются. По методам расчета общие индексы подразделяют на агрегатные индексы и средние из индивидуальных. 92 Основной формой общих индексов являются агрегатные индексы (от латинского «aggrega» – присоединяю). 1. Агрегатная форма общего индекса цен Ip p1q1 , p0 q1 (7.3) где p – индексируемый показатель (цена); q1 – соизмеритель (физический объем товарооборота в текущем периоде). 2. Агрегатный индекс физического объема товарооборота (в сопоставимых ценах) Iq q1 p0 , q0 p0 (7.4) где q – индексируемый показатель (физический объем товарооборота); p0 – соизмеритель (цена в базисном периоде). 3. Агрегатный индекс товарооборота (в действующих ценах) I pq p1q1 , p0 q0 (7.5) где pq – индексируемое сложное явление (товарооборот в действующих ценах). Между этими индексами существует взаимосвязь Ipq= Ip Iq. (7.6) Индексный метод позволяет провести факторный анализ не только в относительном, но и в абсолютном отношении. Для этого рассчитывается разница между числителем и знаменателем соответствующих индексов: 4. Абсолютный прирост товарооборота за счет фактора изменения цен pq(p)=p1q1–p0q1. (7.7) 5. Абсолютный прирост товарооборота за счет фактора изменения физического объема товарооборота pq(q)=p0q1–p0q0. (7.8) 6. Абсолютный прирост товарооборота за счет совокупного действия факторов 93 pq(pq)=p1q1–p0q0=pq(p)+pq(q). (7.9) По такой же методике строят любые общие агрегатные индексы. Например, обозначив себестоимость единицы продукции через z, а количество произведенной продукции через q, можно построить общий агрегатный индекс себестоимости z q I z 1 1 (соизмеритель q1); общий агрегатный индекс физиz 0 q1 z q ческого объема выпуска продукции I zq 1 1 (соизмеритель z0 q0 z q z0); общий агрегатный индекс затрат в производстве I zq 1 1 , z0 q0 где z1q1 (z0q0) – издержки производства текущего (базисного) периодов; z0q1 – издержки производства текущего периода по базисной себестоимости. Между перечисленными индексами существует взаимосвязь Izq= Iz Iq. Факторный анализ в абсолютном выражении можно выразить так: zq(zq)=zq(z)+zq(q), где абсолютные приросты zq(z) и zq(q) находят как разницу между числителем и знаменателем соответствующих индексов. 7.3. Общие индексы в форме средних из индивидуальных индексов На практике расчет общих индексов в агрегатной форме во многих случаях оказывается невозможным. Это связано с тем, что количественный учет осуществляется не везде. Например, в сфере розничной торговли легче получить сведения не о количестве проданных товаров, а об их стоимости. Однако, при этом может быть доступна информация об индивидуальных индексах цен и/или физического объема товарооборота. В связи с этим исчисление общих индексов в виде средних из индивидуальных индексов получило широкое применение. 94 Рассмотрим случай, когда мы не располагаем данными о физическом объеме товарооборота (q0 и q1), а имеем информацию: 1) о товарообороте в действующих ценах (p0q0 и p1q1) и 2) об индивидуальных индексах цен (ip). По этим данным, учитывая, что ip=p1/p0 и, следовательно, p0=p1/ip, рассчитаем следующие общие индексы: Общий индекс цен в среднегармонической форме Ip p1q1 p1q1 p1q1 . p0 q1 p1 q p1q1 1 ip ip (7.10) Учитывая, что между индексами существует взаимосвязь Ipq= Ip Iq, найдем общий индекс физического объема товарооборота (в сопоставимых ценах) Iq I pq Ip p1q1 ip p1q1 p1q1 : . p0 q0 p1q1 p0 q0 ip (7.11) Теперь рассмотрим случай, когда мы располагаем информацией: 1) о товарообороте в действующих ценах (p0q0 и p1q1) и 2) об индивидуальных индексах физического объема (iq). По этим данным, учитывая, что iq=q1/q0 и, следовательно, q0=q1/iq, рассчитаем следующие общие индексы: Общий индекс физического объема товарооборота (в сопоставимых ценах) в среднеарифметической форме Iq q1 p0 iq q0 p0 . q0 p0 q0 p0 (7.12) Учитывая, что между индексами существует взаимосвязь Ipq= Ip Iq, найдем общий индекс цен. Ip I pq Iq p1q1 iq p0 q0 p1q1 : . p0 q0 p0 q0 iq p0 q0 (7.13) Отметим, что общий индекс цен в среднегармонической форме и общий индекс физического объема в среднеарифметической 95 форме являются преобразованными формами общего индекса в агрегатной форме, поэтому для них справедливо соотношение факторного анализа в абсолютном выражении pq(pq)=pq(p)+pq(q), где абсолютные приросты pq(p) и pq(q) находят как разницу между числителем и знаменателем соответствующих индексов. Еще раз отметим, что выбор формы индекса (агрегатная или средняя из индивидуальных индексов) зависит от имеющихся исходных данных. Кроме того, вычисление общих индексов через индивидуальные позволяет наглядно представить динамику цен и физических объемов товарооборота по отдельным товарам, их роль в формировании общего индекса. 7.4. Индексы переменного, постоянного состава и структурных сдвигов Индексный метод позволяет анализировать изменения средних величин (средняя цена единицы товара р , средняя себестоимость единицы продукции z и т.д.). Обычно рассматривают средние величины для однородных единиц совокупности (однородные товары, однородная продукция). 1. Рассмотрим индекс средней цены Ip p1 , p0 (7.14) где р1 , р0 – средняя цена в текущем и базисном периоде соответственно. p0 q0 p q p0 d 0 , р1 1 1 p1d1 , (7.15) q1 q0 q q где d1 1 , d 0 0 – удельный вес (доля) отдельных разновидq1 q0 р0 ностей товаров в общей совокупности в текущем и базисном периодах соответственно. 96 Отметим, что d0 d1 1 . Отсюда индекс средней цены p1q1 p q1 p d Ip 1 1 1 . p0 p0 q0 p0 d 0 q0 (7.16) Такие индексы называют индексами переменного состава, так как они отражают изменение не только индексируемого показателя (цены р), но и изменение структуры совокупности (d). 2. Индекс постоянного (фиксированного) состава отражает изменение только индексируемого показателя при постоянстве структуры совокупности p1q1 p q p d q1 Ip 1 1 1 1 . p0 q1 p0 q1 p0 d1 q1 (7.17) Обратите внимание, что индекс постоянного состава (7.17) совпадает с общим индексом цен в агрегатной форме (7.3). 3. Индекс структурных сдвигов характеризует влияние изменения структуры совокупности на изучаемый показатель (среднюю цену). I ñò ð p0 q1 d p q1 1 0. p0 q0 d 0 p0 q0 (7.18) Между индексами переменного состава и постоянного состава существует взаимосвязь I p I p I стр . (7.19) По такой же методике строят системы индексов при анализе динамики любых средних показателей. 97 7.5. Индексы цен в социально-экономическом анализе Так как измерение динамики цен является одной из важнейших задач статистического анализа, поэтому различными исследователями предпринимались многочисленные попытки разработать «идеальный» индекс цен. Например, можно отметить индексы цен, предложенные в в 1735 г. Дюто ( I D p p 1 p1 ), Карли в 1751 г. ( I K 0 Джевонсом в 1863 г. ( I G n p1 p n i p p 0 n i n p )и ). Существенный недо- 0 статок этих индексов – игнорирование удельных весов товаров в товарообороте. Широкий класс агрегатных индексов цен можно получить на основе индекса Лоу, впервые предложившего этот индекс в 1823 г. I Lo p1q , p0 q (7.20) где q – объемы продаж, задаваемые в различной форме. Например, в качестве объемов продаж q можно использовать данные за базисный период времени (q=q0), тогда получаем индекс цен Ласпейреса IL p1q0 . p0 q0 (7.21) Если в качестве q выступают продажи текущего периода (q=q1), то получаем индекс Пааше 98 IP p1q1 . p0 q1 (7.22) q0 q1 , то получаем индекс Эджворта-Маршалла 2 q q p1 0 1 p (q q ) 2 1 0 1 . IM (7.23) q0 q1 p0 (q0 q1 ) p0 2 Если q q0 q1 , то получаем индекс Уолша Если q IW p1 q0 q1 p0 q0 q1 . (7.24) Общий индекс цен можно так же получить как среднюю геометрическую индексов Пааше и Ласпейреса – это индекс Фишера («идеальный» индекс цен) IF IL IP p1q0 p1q1 . p0 q0 p0 q1 (7.25) На практике наиболее часто используются индексы Ласпейреса, Пааше и Фишера. Геометрические индексы имеют в общем случае следующий вид S I Geom p 1 . p0 (7.26) где s – удельные веса (доли) товарооборота для отдельных разновидностей товаров в общей совокупности товарооборота, задаваемые в различной форме s0 p0 q0 pq , s1 1 1 . p0 q0 p1q1 Например, в качестве удельных весов (долей) s можно использовать данные за базисный период времени (s=s0), тогда получаем геометрический индекс цен Ласпейреса 99 S0 I GL p 1 i p S0 . p0 (7.27) Если в качестве s выступают удельные веса текущего периода (s=s1), то получаем геометрический индекс Пааше S1 I GP Если s p 1 i p S1 . p0 (7.28) s0 s1 , то получаем индекс Торнквиста 2 p IT 1 p0 S0 S1 2 ip S0 S1 2 I GL I GP . (7.29) Заметим, что все известные индексы цен обладают как достоинствами, так и определенными недостатками, поэтому до сих пор предпринимаются попытки разработать новые варианты индексов цен. Примеры решения задач Пример 7.1. На основе данных о реализации товаров определите: 1) Индивидуальные индексы цен и физического объема продаж. 2) Общий индекс цен. 3) Общий индекс товарооборота в сопоставимых ценах. 4) Общий индекс товарооборота в действующих ценах. 5) Продемонстрируйте взаимосвязь исчисленных общих индексов. 6) Разложите на факторы изменение товарооборота за счет изменения цен и физического объема продаж. Товар Единица измерения 2009 г. Цена Количество (p0), руб. (q0) 40 500 120 80 А Кг Б Шт. Решение. 1) Индивидуальные индексы цен: ipA=p1/p0=48/40=1,20 (рост на 20%); 100 2010 г. Цена Количество (p1), руб. (q1) 48 550 150 70 ipA=150/120=1,25 (рост на 25%). Индивидуальные индексы физического объема: iqA= q1/q0=550/500=1,10 (рост на 10%) iqA=70/80=0,875 (снижение на 12,5%) 2) Общий индекс цен p1q1 48 550 150 70 36900 1, 2138. p0 q1 40 550 120 70 30400 Ip 3) Общий индекс товарооборота в сопоставимых ценах Iq q1 p0 550 40 70 120 30400 1, 027. q0 p0 500 40 80 120 29600 4) Общий индекс товарооборота в действующих ценах I pq p1q1 48 550 150 70 36900 1, 2466. p0 q0 40 500 120 80 29600 5) Взаимосвязь исчисленных общих индексов. I pq I p I q 1, 2138 1, 027 1, 2466. 6) Абсолютный прирост товарооборота за счет фактора изменения цен pq(p)=p1q1–p0q1=36900–30400=6500 руб. Абсолютный прирост товарооборота за счет фактора изменения физического объема товарооборота pq(q)=p0q1–p0q0=30400–29600=800 руб. Абсолютный прирост товарооборота за счет совокупного действия факторов pq(pq)=p1q1–p0q0=36900–29600=7300 руб. pq (pq)=pq(p)+pq(q)= 6500+800=7300 руб. Выводы. Товарооборот в действующих ценах увеличился на 24,66% за счет повышения цен 21,38% и за счет роста физического объема продаж на 2,7%. Товарооборот в действующих ценах увеличился на 7300 руб., в том числе на 6500 руб. за счет повышения цен и на 800 руб. за счет роста физического объема продаж. Пример 7.2. На основе данных о реализации товаров определите: 1) Общий индекс цен. 101 2) Общий индекс товарооборота в сопоставимых ценах. 3) Общий индекс товарооборота в действующих ценах. 4) Разложите на факторы изменение товарооборота за счет изменения цен и физического объема продаж. Товарооборот, млн руб. Товар Темп прироста цены, % 2010 г. 2011 г. А 200 270 +12,5 Б 96 105 –5 Решение. 1) Так как в исходных данных отсутствует информация о количестве проданных товаров, но имеются данные о динамике цен, поэтому необходимо использовать общий индекс цен в среднегармонической форме. p1q1 270 105 375 1,0698 p1q1 270 105 350,53 ip 1,125 0,95 Ip 2) Общий индекс товарооборота в сопоставимых ценах p1q1 ip 270 105 1,125 0,95 350,53 Iq 1,1842 . p0 q0 200 96 296 3) Общий индекс товарооборота в действующих ценах I pq p1q1 270 105 375 1,2669. p0 q0 200 96 296 Взаимосвязь исчисленных общих индексов I pq I p I q 1, 0698 1,1842 1, 2669. 4) Абсолютный прирост товарооборота за счет фактора изменения цен pq(p)=375–350,53=24,47 млн руб. Абсолютный прирост товарооборота за счет фактора изменения физического объема товарооборота pq(q)=350,53–296=54,53 млн руб. Абсолютный прирост товарооборота за счет совокупного действия факторов 102 pq(pq)=p1q1–p0q0=375–296=79 млн руб. pq (pq)=pq(p)+pq(q)= 24,47+54,53=79 млн руб. Пример 7.3. На основе данных о реализации товаров определите: 1) Общий индекс цен. 2) Общий индекс товарооборота в сопоставимых ценах. 3) Общий индекс товарооборота в действующих ценах. 4) Разложите на факторы изменение товарооборота за счет изменения цен и физического объема продаж. Товарооборот, млн Темп прироста физического объема руб. Товар продаж, % 2010 г. 2011 г. А 200 270 +20,0 Б 96 105 +15,13 Решение. 1) Так как в исходных данных отсутствует информация о количестве проданных товаров, но имеются данные о динамике физического объема продаж, поэтому необходимо использовать общий индекс физического объема товарооборота (в сопоставимых ценах) в среднеарифметической форме. Отсюда общий индекс цен (7.13) Ip q1 p1 270 105 375 1,0698 . iq q0 p0 1,20 200 1,1513 96 350,53 2) Общий индекс товарооборота в сопоставимых ценах в среднеарифметической форме. Iq iq q0 p0 q0 p0 1,20 200 1,1513 96 350,53 1,1842 . 200 96 296 Результаты для пунктов 3 и 4 данного примера полностью совпадают с соответствующими пунктами примера 7.2. Пример 7.4. Имеются данные о производстве однородной про- дукции на двух предприятиях. Определите изменение средней себестоимости: 1) общее; 2) за счет изменения себестоимости единицы продукции; 103 3) за счет изменения структуры выпуска продукции; 4) показать взаимосвязь исчисленных индексов. Предприятие А Б Выпуск продукции, Себестоимость единицы шт. продукции, руб. 2009 г. 2010 г. 2009 г. 2010 г. 400 200 48 50 250 300 39 40 Решение. На изменение средней себестоимости влияют два фактора: а) себестоимость единицы продукции на каждом предприятии и б) структура выпуска продукции. 1) Для анализа изменения средней себестоимости z необходимо рассчитать средние себестоимости за 2009 и 2010 гг. z0 q0 48 400 39 250 28950 44,54 руб., q0 400 250 650 z q 50 200 40 300 22000 z1 1 1 44, 00 руб. q1 200 300 500 z0 Тогда индекс средней себестоимости (индекс переменного состава). Iz z1 44, 00 0,9879. z0 44,54 Таким образом, средняя себестоимость снизилась на 1,21% за счет совместного действия двух факторов. В абсолютном выражении себестоимость снизилась на 54 коп. ( z ( zq) 44, 00 44,54 0,54 ). 2) Изменение средней себестоимости за счет изменения себестоимости единицы продукции позволяет учесть индекс себестоимости постоянного состава z1q1 50 200 40 300 q1 44, 00 200 300 Iz 1, 0329. z0 q1 48 200 39 300 42, 60 200 300 q1 Таким образом, средняя себестоимость увеличилась на 3,29% за счет изменения себестоимости единицы продукции на каждом предприя104 тии. В абсолютном выражении себестоимость возросла на 1,40 руб. ( z ( z ) 44, 00 42, 60 1, 40 ). 3) Изменение структуры выпуска продукции (т.е. изменение доли предприятий в общем выпуске продукции) учитывает индекс структурных сдвигов. I ñò ð z0 q1 48 200 39 300 q1 42, 60 200 300 0,9565 z0 q0 48 400 39 250 44,54 400 250 q0 Таким образом, средняя себестоимость уменьшилась на 4,35% за счет изменения структуры выпуска продукции. В абсолютном выражении себестоимость уменьшилась на 1,94 руб. ( z (q) 42, 60 44,54 1,94 ). 4) Взаимосвязь системы индексов: I z I z I ñò ð =1,03290,9565= 0,9879. Взаимосвязь абсолютных изменений: z ( zq) z ( z ) z (q) =1,40+(–1,94)=–0,54. Обратите внимание – по условиям примера себестоимость продукции возросла на ВСЕХ предприятиях, но средняя себестоимость снизилась на 54 коп.! Пример 7.5. На основе данных о реализации товаров рассчитайте индексы Дюто, Карли, Джевонса, Ласпейреса, Пааше, ЭджвортаМаршалла, Уолша, Фишера, а также геометрические индексы Ласпейреса, Пааше и Торнквиста. 2009 г. 2010 г. Товар Цена (p0), Количество (q0), Цена (p1), Количество (q1) , руб. шт. руб. шт. А 60 80 75 66 Б 25 120 27 180 В 5 220 6 300 Решение. 1) Индекс цен Дюто I D p p 1 0 108 1,2000 . 90 105 p1 2) Индекс цен Карли I K p 0 n 3) Индекс цен Джевонса I G n i p n p1 p n 1,25 1,08 1,20 1,1767. 3 i p 3 1,25 1,08 1,20 1,1745. 0 p q 10560 1,1865. 4) Индекс цен Ласпейреса I L 1 0 p0 q0 8900 p q 11610 1,1657. 5) Индекс цен Пааше I P 1 1 p0 q1 9960 6) Индекс цен Эджворта-Маршалла q q p1 0 1 p q p q 10560 11610 1 1 2 1 0 IM 1,1755. q0 q1 p0 q0 p0 q1 8900 9960 p0 2 7) Индекс цен Уолша IW p1 q0 q1 p0 q0 q1 10959,37 1,1761. 9318,57 8) Индекс цен Фишера I F I L I P 1,1865 1,1657 1,1760 . 9) Геометрический индекс цен Ласпейреса S0 I GL p 1 i p S0 1, 250,53933 1, 080,33707 1, 200,12360 1,1838. p0 10) Геометрический индекс цен Пааше S1 I GP p 1 i p S1 1, 250,42636 1, 080,41860 1, 200,15504 1,1684. p0 11) Индекс цен Торнквиста p IT 1 p0 S0 S1 2 ip S0 S1 2 I GL I GP 1,1839 1,1684 1,1761. 106 Таблица 7.1. Расчет общих индексов цен ip Товар p0 q0 p1 q1 А Б В 60 25 5 90 80 120 220 75 27 6 108 66 180 300 Итого Товар q А Б В q0 q1 2 73 150 260 Итого Товар А Б В Итого s0 p0q p1q p1 p0 1,25 1,08 1,20 4800/8900=0,53933 3000/8900=0,33707 1100/8900=0,12360 1,00000 p0q1 72,66 146,97 256,90 s1 p1q0 p1q1 4800 3960 6000 4950 3000 4500 3240 4860 1100 1500 1320 1800 8900 9960 10560 11610 Продолжение таблицы 7.1 qгеом q0 q1 4380 5475 3750 4050 1300 1560 9430 11085 p0 q0 p0 q0 p0q0 p0qгеом p1qгеом 4359,82 5449,77 3674,24 3968,17 1284,52 1541,43 9318,57 10959,37 Окончание таблицы 7.1 p1q1 p1q1 4950/11610=0,42636 4860/11610=0,41860 1800/11610=0,15504 1,00000 s s0 s1 2 0,48284 0,37784 0,13932 1,00000 Задачи для самостоятельного решения Задача 7.1. На основе данных о реализации товаров определите: 1) Индивидуальные индексы цен и физического объема продаж. 2) Общий индекс цен. 3) Общий индекс товарооборота в сопоставимых ценах. 4) Общий индекс товарооборота в действующих ценах. 5) Разложите на факторы изменение товарооборота за счет изменения цен и физического объема продаж. 107 I квартал 2010г. II квартал 2010г. Цена, Количество Цена, Количество руб. руб. Цемент кг 11,0 8300 11,4 8466 Сайдинг шт. 415,0 520 480,0 603 Растворитель литр 16,0 300 14,7 280 Задача 7.2. На основе данных о реализации товаров определите: 1) Общий индекс цен. 2) Общий индекс товарооборота в сопоставимых ценах. 3) Общий индекс товарооборота в действующих ценах. 4) Разложите на факторы изменение товарооборота за счет изменения цен и физического объема продаж. Товарооборот, Товарная групИзменение цен в отчетном периоде млн руб. па по сравнению с базисным, % 2009 2010 Стальной лист 275 250 10 Трубы 64 75 5 Кабельная про26 31 –12 дукция Задача 7.3. На основе данных о реализации товаров определите: 1) Общий индекс цен. 2) Общий индекс товарооборота в сопоставимых ценах. 3) Общий индекс товарооборота в действующих ценах. 4) Разложите на факторы изменение товарооборота за счет изменения цен и физического объема продаж. Товарооборот, Изменение количества реализовантыс. руб. Товарная группа ных товаров в отчетном периоде по сравнению с базисным, % 2009 2010 Водонагреватели 179 143 17 Кондиционеры 62 69 –8 Задача 7.4. На основе данных о реализации бензина АИ-92 определите: Продукты Единица измерения 1) Индекс цен переменного состава (индекс средней цены). 2) Индекс цен постоянного состава. 3) Индекс структурных сдвигов. 108 4) Покажите взаимосвязь исчисленных индексов. Январь 2011г. Февраль 2011г. Предприятие Средняя це- Количество, Средняя це- Количество, на, руб./л тыс. л на, руб./л тыс. л ОАО «СТМ» 29,1 840 30,1 663 ООО «Скат» 27,9 310 29,1 409 Задача 7.5. Сведения о производстве металлочерепицы Январь Февраль Предприя- СебестоиКоличеСебестоиКоличетие мость, ство, мость, руб./ ство, руб./шт. тыс. шт. шт. тыс. шт. А 43,5 63 46,2 64 Б 58,0 12 54,9 15 В 53,5 32 58,0 40 Определите: 1) Индекс себестоимости переменного состава. 2) Индекс себестоимости постоянного состава. 3) Индекс структурных сдвигов. 4) Покажите взаимосвязь исчисленных индексов. Задача 7.6. По данным задачи 7.4. исчислите индексы цен Ласпейреса, Пааше, Эджворта-Маршалла, Уолша и Фишера. 8. СТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ ВЗАИМОСВЯЗЕЙ МЕЖДУ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИМИ ЯВЛЕНИЯМИ 8.1. Понятие о статистической и корреляционной связи Во многих задачах требуется установить и оценить взаимосвязь изучаемого явления (признака) с другими явлениями (признаками). Без изучения характера, силы и других особенностей этих взаимосвязей невозможно управлять явлениями, предсказывать их развитие. Для простоты рассмотрим зависимость двух признаков: факторного признака X, обуславливающего изменение результативного признака Y. 109 Различают два типа связей между различными явлениями и их признаками: 1. Функциональная (детерминированная) связь, когда Y зависит только от Х и ни от чего более, т.е. Y=f(Х), и каждому возможному значению Х соответствует одно возможное значение Y. 2. Статистическая связь, когда оба признака или один из них подвержен действию случайных факторов. В результате этого изменение факторного признака влечет изменение распределения результативного признака. В частности, при изменении факторного признака Х могут меняться среднее, мода, дисперсия и другие статистические характеристики результативного признака Y. Корреляционной связью называют частный случай статистической связи, когда разным значениям одного признака соответствуют различные средние значения другого признака. Если с изменением Х меняются другие статистические характеристики Y (дисперсия, мода или другие), но среднее значение Y не изменяется, то такая связь не является корреляционной, хотя и является статистической. Формы корреляционной связи: 1. по направлению – прямые и обратные связи. При пря- мой связи с увеличением (уменьшением) значений факторного признака X происходит увеличение (уменьшение) значений результативного признака Y. При обратной связи с увеличением (уменьшением) значений X происходит уменьшение (увеличение) значений Y. 2. по аналитическому выражению – линейные (Y=a0+a1X) и нелинейные (например, Y=a0+a1ln X) связи. 3. по количеству изучаемых признаков – парные и множественные связи. Корреляционно-регрессионный анализ включает в себя измерение тесноты, направления связи и установление аналитической формы связи. Корреляционный анализ имеет своей задачей количественное измерение тесноты связи двух или большего числа признаков между собой. Регрессионный анализ заключается в нахождении регрессион110 ного уравнения, выражающего зависимость средних значений результативного признака Y от значений одного или нескольких факторных признаков. 8.2. Методы измерения корреляционной связи 8.2.1. Измерение тесноты корреляционной связи двух количественных признаков Для измерения тесноты (силы) связи двух количественных показателей могут применяться следующие показатели. 1) линейный коэффициент корреляции Пирсона n rxy (x x ) ( y y) i 1 i i n n i 1 i 1 ( xi x )2 ( yi y )2 1 n xi yi x y n i 1 . (8.1) X Y Он принимает значения в интервале от –1 до +1. Если величины Y и X независимы, то коэффициент корреляции rxy=0. Положительные значения rxy указывают на прямую связь, отрицательные – на обратную. Если rxy=1, то Y и X связаны линейной функциональной зависимостью Y=a0+a1X. На рис. 8.1 приведены примеры диаграмм рассеяния пар значений X и Y. Случаи а), б) и в) наглядно демонстрируют, что коэффициент корреляции rxy позволяет измерить именно линейную корреляционную связь. Напротив, случаи г) и д) показывают, что когда признаки X и Y связаны нелинейно, использование линейного коэффициента корреляции rxy некорректно. Для проверки гипотезы о существенности (значимости) коэффициента корреляции можно использовать t-критерий Стьюдента. Для этого рассчитывают значение t-критерия по формуле t rxy n 2 1 rxy2 111 . (8.2) Если t têð , то гипотеза о том, что rxy=0 отвергается при уровне значимости . Значение tкр берется из таблицы распределения Стьюдента при уровне значимости и числе степеней свободы n–2. Y rxy=–1 Y Y rxy=0 rxy=0,9 rxy=+1 Х Х а) Х б) Y в) Y rxy=0 rxy=0 Х Х г) д) Рис. 8.1. Примеры диаграмм рассеяния признаков X и Y и соответствующих коэффициентов корреляции Для расчета доверительного интервала оценки коэффициента корреляции можно использовать z-преобразование Р. Фишера z 1 1 rxy ln 2 1 rxy (8.3) Величина z имеет приблизительно нормальное распределение, поэтому доверительный интервал для z имеет вид [z–tsz, z+tsz], где sz – средняя ошибка величины z. sz 1 . n3 112 (8.4) Коэффициент доверия t находят из таблицы распределения Стьюдента при заданной доверительной вероятности и числе степеней свободы . Обратный пересчет z в rxy производят по формуле e z e z e2 z 1 rxy tanh ( z ) z , e e z e2 z 1 (8.5) где tanh() – гиперболический тангенс. Все выше изложенное справедливо, если совместное распределение X и Y является нормальным. Для качественной характеристики силы связи может использоваться шкала Чэддока (см. п.4.3). 2) Коэффициент детерминации 2 и выборочное корреляционное отношение . Для оценки тесноты линейной корреляционной связи служит коэффициент корреляции rxy. Для оценки тесноты нелинейной корреляционной связи можно использовать выборочное корреляционное отношение Y к X y2 y2 , 1 y2 y2 yx где (8.6) y2 – межгрупповая дисперсия признака Y; y2 – внутригрупповая дисперсия; y2 – общая дисперсия (см. п.4.3). m y2 (y j 1 xj , 2 m f j 1 yj n m y ) 2 f yj j 1 m 2 yj f j 1 f yj , y2 2 ( yk y) k 1 n , yj m n f yj j 1 . Аналогично определяется выборочное корреляционное отношение Х к Y 113 xy Y x2 x2 . 1 x2 x2 yx=xy=1 rxy=+1 Х Х а) Y Y yx=xy=0 Y yx=xy=0,9 Х б) в) Y yx=0,9 xy=0 Х yx=1 xy=0 Х г) Рис. 8.1. Примеры диаграмм рассеяния признаков X и Y и соответствующих корреляционных отношений Свойства выборочного корреляционного отношения yx. 1. 0yx1. 2. Если yx=0, то признак Y с признаком Х корреляционной зависимостью не связан. 3. Если yx=1, то признак Y связан с признаком Х функциональной зависимостью. 4. |ryx|yx. 5. Если yx=|ryx|, то имеет место точная линейная корреляционная зависимость. 3) Коэффициент Фехнера 114 rÔ CÍ , CÍ где С – число пар совпадающих знаков разностей ( xi x ) и ( yi y ); Н – число пар несовпадающих знаков. 8.2.2. Измерение тесноты корреляционной связи двух качественных признаков Для измерения тесноты связи между качественными признаками могут быть использованы коэффициенты ранговой корреляции при условии, что значения признаков могут быть проранжированы (упорядочены) в порядке убывания или возрастания. Для расчета ранговых коэффициентов корреляции необходимо упорядочить пары значений (xi, yi), например, в порядке возрастания для признака Х. Затем значения xi,, yi заменяют их рангами Rxi, Ryi. Ранг – это порядковый номер объекта в ранжированном ряде. Если объекты имеют одинаковое значение признака, то каждому из них приписывают ранг, равный среднему арифметическому порядковых номеров объектов. 1) Коэффициент ранговой корреляции Спирмэна n rs 1 6 ( Rxi Ryi ) 2 i 1 n(n 2 1) . (8.7) 2) Коэффициент ранговой корреляции Кендалла. rK где S K n 1 2S K , n(n 1) (8.8) 1, x 0, sign( Ryj Ryi ) ; sign( x) 0, x 0, j i 1 1, x 0. n i 1 Отметим, что ранговые коэффициенты корреляции принимают значения в интервале от –1 до +1. Кроме того, они позволяют измерять 115 тесноту связи не только качественных, но и количественных признаков. Если качественные признаки являются альтернативными, принимающими только два взаимоисключающих значения, то для определение тесноты связи могут быть использованы: 3) Коэффициент ассоциации Юла-Кендэла. 4) Коэффициент контингенции Пирсона. Рассмотрим четырехклеточную корреляционную таблицу (таблицу «четырех полей») с частотами a, b, c, d. Признак Y – да Признак Y – нет Признак X – да a b Признак X – нет c d Коэффициент ассоциации имеет вид KA ad bc . ad bc (8.9) Коэффициент контингенции выражается формулой KK ad bc . (a b)(a c)(b d )(c d ) (8.10) Коэффициенты ассоциации и контингенции изменяются от –1 до +1. Выполняется неравенство KA KK. Таким образом, коэффициент ассоциации завышает значение корреляции. Связь считается существенной, если KK0,3 или KА0,5. Если качественный признак представлен более чем двумя группами, то можно использовать: 5) Коэффициент взаимной сопряженности Пирсона. 6) Коэффициент взаимной сопряженности А.А Чупрова. Для расчета коэффициентов взаимной сопряженности необходимо рассчитать показатель взаимной сопряженности 2 K1 K 2 f ij2 i 1 j 1 m n i j 2 1 , (8.11) где K1, K2 – число возможных значений X и Y соответственно; fij – частота клетки в таблице распределения; mi, nj – итоговые частоты соот- 116 K2 K1 j 1 i 1 ветствующих строк и столбцов, mi f ij , n j fij (см. пример 8.3). Тогда коэффициент взаимной сопряженности Пирсона C 2 . 1 2 (8.12) Коэффициент взаимной сопряженности Чупрова C× 2 ( Ê 1 1)( Ê 2 1) . (8.13) 8.3. Парное уравнение регрессии Задачи регрессионного анализа: 1. установление вида функции регрессии Y=f(X), описывающей зависимость результативного признака Y от факторного признака X (задача структурной идентификации); 2. оценивание параметров функции регрессии (задача параметрической идентификации); 3. использование полученного уравнения регрессии для прогнозирования значений результативного признака Y при различных значениях фактора X. Наиболее сложным является решение задачи структурной идентификации регрессионной модели, когда необходимо определить с точностью до параметров математическую функцию, которая лучше других описывает взаимосвязь исследуемых признаков. Выбор типа функции может опираться на теоретические знания об изучаемом явлении, опыт предыдущих аналогичных исследований или осуществляться эмпирически – перебором и оценкой функций разных типов и т.п. Для описания влияния факторного признака X на результативный признак Y в случае линейной зависимости строится регрессионная модель вида yi 0 1 xi i , i=1, …, n, (8.14) 117 где n – число наблюдений; 0, 1 – неизвестные параметры уравнения регрессии; i – случайная ошибка i-го наблюдения. Уравнение однофакторной (парной) линейной регрессии имеет вид: yˆi a0 a1 xi , (8.15) где yˆ i – теоретические значения результативного признака, полученные после подстановки xi в уравнение регрессии; a0, a1 – оценки параметров уравнения регрессии. Оценки параметров уравнения a0, a1 можно найти с помощью метода наименьших квадратов. Его суть заключается в том, что оценки параметров a0, a1 находят, минимизируя сумму квадратов отклонений эмпирических данных yi от теоретических yˆ i , рассчитанных по уравнению регрессии n ( y yˆ ) i 1 i i 2 min . a0 , a1 (8.16) Для нахождения минимума данной функции ее частные производные приравнивают нулю и получают систему нормальных уравнений: n n a n a x yi , 1 i 0 i 1 i 1 n n n 2 a x a x xi yi . i 1 i 0 i 1 i 1 i 1 Отсюда 1 n xi y i x y y n t 1 a1 rxy , 1 n 2 x 2 xi x n t 1 a0 y a1 x . yˆi (8.17) Если уравнение парной регрессии имеет более общий вид a0 a1 f ( xi ) , где f() – некоторая аналитическая функция, то, проведя 118 подстановку xi f ( xi ) , можно свести это уравнение нелинейной регрессии к линейному уравнению. Коэффициент регрессии a1 характеризует влияние, которое оказывает изменение фактора X на результативный признак Y. Он показывает, на сколько единиц в среднем изменится величина результативного признака Y при изменении факторного признака X на единицу. Для удобства интерпретации коэффициента регрессии a1 используют коэффициент эластичности, который показывает, на сколько процентов изменится величина результативного признака при изменении факторного признака на 1%: Ý yõ a1 x . y (8.18) Для проверки гипотезы о значимости параметров регрессии a0, a1 можно использовать t-критерий Стьюдента. Для этого рассчитывают значения t-критерия по формулам ta0 a0 n2 y , ta1 a1 x n 2 . y (8.19) Если ta0 têð ta1 têð , то гипотеза о том, что a0=0 (a1=0) отвергается при уровне значимости . Значение tкр берется из таблицы распределения Стьюдента при уровне значимости и числе степеней свободы n–2. Для оценки достоверности построенного уравнения регрессии можно использовать коэффициент детерминации rxy2 , показывающий какая доля общей вариации результативного признака Y обусловлена воздействием факторного признака X. Чем ближе коэффициент детерминации к 1, тем лучше уравнение регрессии описывает зависимость Y от X. Примеры решения задач Пример 8.1. На основании следующих данных рассчитать: Стоимость основных 38 72 61 15 93 68 60 57 119 95 14 фондов, млн руб. Производство продукции, 309 653 432 95 749 413 305 518 480 75 млн руб. а) линейный коэффициент корреляции; б) коэффициент Фехнера; в) коэффициенты ранговой корреляции Спирмэна и Кендалла. Проверить значимость линейного коэффициента корреляции при уровне значимости 0,05. Построить доверительный интервал для линейного коэффициента корреляции при доверительной вероятности 0,90. Решение. 1) В таблице приведены промежуточные результата расчета коэффициента корреляции. yi y ( xi x ) 2 ( yi y ) 2 ( xi x )( yi y ) xi x № X Y 1 38 309 –19,2 –93,9 368,64 2 72 653 14,8 250,1 219,04 3 60 432 2,8 29,1 7,84 4 15 95 –42,2 –307,9 1780,84 5 93 749 35,8 346,1 1281,64 6 68 413 10,8 10,1 116,64 7 60 305 2,8 –97,9 7,84 8 57 518 –0,2 115,1 0,04 9 95 480 37,8 77,1 1428,84 10 14 75 –43,2 –327,9 1866,24 Ито- 57 402 го 2 9 7077,6 Средние арифметические: для признака X x знака Y y =4029/10=402,9. 8817,21 62550,01 846,81 94802,41 119785,2 102,01 9584,41 13248,01 5944,41 107518,4 1802,88 3701,48 81,48 12993,38 12390,38 109,08 –274,12 –23,02 2914,38 14165,28 423198,9 47861,2 =572/10=57,2; для при- n rxy (x x ) ( y y) i i 1 i n n (x x ) ( y y) 2 i 1 i i 1 2 i 120 47861, 2 0,8745. 7077,6 423198,9 Согласно шкале Чэддока мы можем говорить о существовании тесной корреляционной связи между исследуемыми признаками. 2) В таблице приведены промежуточные результата расчета коэффициента Фехнера. № 1 2 3 4 5 6 7 8 9 10 X 38 72 60 15 93 68 60 57 95 14 Y 309 653 432 95 749 413 305 518 480 75 xi x yi y sign( xi x ) sign( yi y ) –1 1 1 –1 1 1 1 –1 1 –1 –1 1 1 –1 1 1 –1 1 1 –1 –19,2 –93,9 14,8 250,1 2,8 29,1 –42,2 –307,9 35,8 346,1 10,8 10,1 2,8 –97,9 –0,2 115,1 37,8 77,1 –43,2 –327,9 Число пар совпадающих знаков разностей ( xi x ) и ( yi y ) С =8. Число пар несовпадающих знаков разностей ( xi x ) и ( yi y ) Н=2. rÔ CÍ 82 0, 6. CÍ 82 3) В таблице приведены промежуточные результаты расчета коэффициентов ранговой корреляции Спирмэна и Кендалла. Расчет коэффициента Спирмэна № 1 2 3 4 X 14 15 38 57 Y 75 95 309 518 Rxi 1 2 3 4 Ryi 1 2 4 8 (Rxi–Ryi) 0 0 1 16 5 60 432 5,5 6 6 60 305 5,5 3 2 Расчет коэффициента Кендалла 1 2 3 1 1 1 1 1 1 0,25 1 1 6,25 1 1 121 1 – 1 4 5 – 1 – 1 – 1 6 7 8 9 – – 1 1 1 1 1 1 1 1 1 1 1 1 – – – 10 95 480 10 7 9 1 1 1 1 1 1 1 1 1 Итого 38,5 9 8 5 –2 1 4 3 0 –1 В таблице приведены пары (xi, yi), проранжированные в порядке возрастания признака X. Затем вместо значений xi и yi используются их ранги Rxi и Ryi. 7 8 9 68 72 93 413 653 749 7 8 9 5 9 10 4 1 1 1 1 1 1 1 1 1 1 1 Так как значение признака X равное 60 встретилось дважды, поэтому каждому из этих значений приписывают ранг, равный среднему арифметическому порядковых номеров объектов, т.е. (5+6)/2=5,5. Тогда коэффициент ранговой корреляции Спирмэна равен n rs 1 6 ( Rxi Ryi ) 2 i 1 n(n 1) 2 1 6 38,5 0, 7667. 10 (102 1) 4) Для расчета коэффициента ранговой корреляции Кендалла используется только колонка с рангами значений признака Y. Например, sign(Ry2–Ry1)=sign(2–1)=1 (ячейка, куда занесено полученное значение, выделена серым цветом). В результате получим n 1 rK n 2 sign( Ryj Ryi ) i 1 j i 1 n(n 1) 2 (9 8 5 2 1 4 3 0 1) 0, 6. 10 (10 1) 5) Для проверки значимости коэффициента корреляции рассчитаем значение t-критерия Стьюдента r n 2 0,8745 10 2 t xy 5,1. 1 rxy2 1 0,87452 Так как выполняется неравенство t têð (5,1>tкр=2,306), то гипотеза о том, что коэффициент корреляции rxy=0 отвергается при уровне значимости 0,05. Табличное значение tкр=2,306 было найдено по таб- 122 лице (см. приложение) при =1–0,05=0,95 (здесь 0,05 – это заданный уровень значимости) и числе степеней свободы 10–2=8. 6) Для построения доверительного интервала коэффициента корреляции выполним z-преобразование Фишера 1 1 rxy 1 1 0,8745 z ln ln 1.352. 2 1 rxy 2 1 0,8745 1 1 0.378. n3 10 3 Доверительный интервал для z имеет вид [z–tsz; z+tsz], Значение Средняя ошибка величины z sz t=1,6449 находим по таблице в приложении при доверительной вероятности =0,90 и числе степеней свободы . Тогда доверительный интервал для z [1,352–1,6449 0,378; 1,352+1,6449 0,378] или [0,7303; 1,974]. Выполнив обратное z-преобразование rxy=tanh(z), получим доверительный интервал для коэффициента корреляции rxy: [tanh(0,7303); tanh(1,974)] или [0,6232; 0,9621]. Пример 8.2. Рассчитайте коэффициент ассоциации Юла-Кендэла и коэффициент контингенции Пирсона между показателями доходов родителей и их детей. Доходы детей ниже Доходы детей выше среднего среднего Доходы родителей ниже 37 28 среднего Доходы родителей вы12 64 ше среднего Решение. Коэффициент ассоциации K A ad bc 37 64 28 12 0, 75. ad bc 37 64 28 12 Коэффициент контингенции ad bc 37 64 28 12 KK 0, 43. (a b)(a c)(b d )(c d ) (37 28)(37 12)(28 64)(12 64) Таким образом, между доходами родителей и их детей имеется существенная связь. 123 Пример 8.3. Респонденты в ходе опроса давали ответ на два вопроса. Оцените взаимосвязь полученных ответов на вопросы анкеты. Ответы на второй вопрос Ответы на первый вопрос Да Нет Не знаю Да 1 11 8 Нет 5 1 0 Решение. На основе приведенной таблицы распределения определим: K1=2, K2=3 – число возможных ответов на первый и второй вопросы соответственно; mi, nj – итоговые частоты соответствующего столбца и строки. на второй вопрос К =3 Ответы на первый вопрос Ответы 2 Да Нет Не знаю Да 1 11 8 m1=20 Нет 5 1 0 m2=6 К1=2 n1=6 n2=12 n3=8 Отсюда показатель взаимной сопряженности 2 K1 K2 fij2 1 i 1 j 1 m n i j . 2 2 1 11 82 52 12 02 1 0, 621 6 20 12 20 8 20 6 6 12 6 8 6 2 Тогда коэффициент взаимной сопряженности Пирсона C 2 0, 621 0, 619 . 2 1 1 0, 621 Коэффициент взаимной сопряженности Чупрова C× 2 ( Ê 1 1)( Ê 2 1) 0, 621 0,557. (2 1)(3 1) Таким образом, в соответствии со шкалой Чэддока можно говорить о существовании заметной связи между ответами респондентов на вопросы. Пример 8.4. На основании данных примера 8.1: 1) оцените параметры уравнения парной регрессии; 2) оцените достоверность уравнения регрессии с помощью коэффициента детерминации; 3) проверьте гипотезы о значимости параметров уравнения парной регрессии при 124 уровне значимости 0,05; 4) постройте диаграмму рассеяния и линию уравнения парной регрессии; 5) рассчитайте коэффициент эластичности. Решение. 1) Для оценки параметра a0 найдем среднеквадратическое отклонение признаков X и Y. n x (x x ) i 1 2 i n 7077,6 26, 6. 10 n ( y y) 2 i 423198,9 205, 7. n 10 Тогда оценки параметров уравнения регрессии y a1 rxy i 1 y 205, 7 0,8745 6, 762, x 26, 6 a0 y a1 x 402,9 6, 762 57,2=16,094. 2) Коэффициент детерминации rxy2 0,874522 =0,7648 . Таким образом, различия в объемах производства продукции на 76,48% определяются величиной основных фондов предприятия, а на 23,52% – влиянием прочих факторов. 3) Для проверки гипотезы о значимости параметров уравнения парной регрессии рассчитаем значения t-критерия ta0 a0 ta1 a1 n2 y 16, 094 10 2 0, 22; 205, 7 x n 2 26, 6 10 2 6,762 2, 47. y 205, 7 Табличное значение tкр=2,306 при уровне значимости 0,05 и числе степеней свободы 10–2=8 (см. таблицу распределения Стьюдента в приложении для =1–0,05=0,95). Так как неравенство ta0 têð не выполняется, то мы не можем отвергнуть гипотезу о том, что параметр 125 0=0. Неравенство же ta1 têð выполняется, поэтому мы отвергаем Производство продукции, млн руб. гипотезу, что параметр 1=0. Таким образом, можно сделать вывод, что в данной регрессионной модели значим только параметр 1, и уравнение регрессии должно иметь вид yˆi a1 xi . 4) На рис. 8.3 приведена диаграмма рассеяния для признаков X и Y. На диаграмме рассеяния проведена линия уравнения парной регрессии и указано значение коэффициента детерминации. 800 600 400 200 0 0 50 100 Стоимость основных фондов, млн руб. Рис. 8.3. Диаграмма рассеяния 5) Коэффициент эластичности равен Ý yõ a1 x 57,2 6,762 0,96. y 402,9 Таким образом, при увеличении стоимости основных фондов на 1% производство продукции в среднем возрастает на 0,96%. Задачи для самостоятельного решения Задача 8.1. Сведения о среднедушевых доходах и потреблении мясопродуктов. Доходы, тыс. 14,3 13,9 14,7 11,9 18,2 16,1 17,5 15,7 19,8 15,2 руб./чел. Потребление мяса 35 30 40 31 82 43 88 29 70 10 в год, кг/чел. Определите: 126 1) коэффициент Фехнера; 2) линейный коэффициент корреляции. Проверить значимость коэффициента корреляции при уровне значимости 0,01. Построить доверительный интервал для коэффициента корреляции при доверительной вероятности 95%. Задача 8.2. На основании данных задачи 11.1: 1) рассчитайте коэффициент ранговой корреляции Спирмена; 2) рассчитайте коэффициент ранговой корреляции Кендалла. Задача 8.3. На основании данных задачи 11.1: 1) оцените параметры уравнения парной регрессии; 2) постройте диаграмму рассеяния и линию уравнения парной регрессии; 3) проверьте гипотезы о значимости параметров уравнения парной регрессии при уровне значимости 0,05; 4) оцените достоверность уравнения регрессии с помощью коэффициента детерминации; 5) рассчитайте коэффициент эластичности. Задача 8.4. Определите: 1) коэффициент ассоциации; 2) коэффициент контингенции. Мужчины Женщины Зарплата менее 20000 руб. 71 134 Зарплата 20000 руб. и более 93 76 Задача 8.5. По данным о себестоимости продукции и накладных расходах на реализацию определите коэффициент взаимной сопряженности: 1) Пирсона; 2) Чупрова. Накладные расходы Себестоимость Низкая Средняя Высокая Низкие 50 20 12 Средние 18 38 25 Высокие 19 40 58 Задача 8.6. Сведения об объеме выпуска продукции и себестоимости. Выпуск продук29 25 42 72 76 38 26 28 ции, тыс. шт. Себестоимость, 1009 1022 1004 951 959 1000 998 1022 127 руб. 1) оцените уравнение гиперболической регрессии; 2) постройте диаграмму рассеяния и линию уравнения регрессии; 3) спрогнозируйте себестоимость продукции при объеме выпуска 100 тыс.шт.; 4) определите при каком объеме выпуска валовая прибыль составит 3900 тыс. руб., если оптовая цена составляет 1800 руб. СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ Основная литература 1. Гусаров В.М. Статистика : учеб. пособие/ В.М. Гусаров, Е.И. Кузнецова. – М.: ЮНИТИ-ДАНА, 2007. – 479 с. 2. Елисеева И.И. Общая теория статистики : учебник / Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2006. – 654с. 3. Елисеева И.И. Практикум по общей теории статистики / И.И. Елисеева, Н.А. Флуд, М.М. Юзбашев ; под ред. И. И. Елисеевой. – М.: Финансы и статистика, 2008. – 509с. 4. Ефимова М.Р. Общая теория статистики : учебник / М.Р. Ефимова, Е.В. Петрова, В.Н. Румянцев. – М.: ИНФРА-М, 2005. – 412с. 5. Ефимова М.Р. Практикум по общей теории статистики: учеб. пособие / М.Р. Ефимова, О.И. Ганченко, Е. В. Петрова. – М.: Финансы и статистика, 2009. – 368с. 6. Иванов Ю.Н. Экономическая статистика : учебник / Ю.Н. Иванов и др. ; под ред. Ю.Н. Иванова. – М.: Инфра-М , 2011. – 668 с. 7. Курс социально-экономической статистики : учебник / В.Л. Соколин, М.Г. Назаров, А.Л. Кевеш ; под ред. М.Г. Назарова. – М.: Омега-Л , 2007. – 984с. 8. Практикум по общей теории статистики : учебно-метод. пособие / М.Г. Назаров и др.; под ред. М.Г. Назарова. – М.: КНОРУС , 2008. – 177с. 9. Практикум по теории статистики : учебное / Р.А. Шмойлова и др.; под ред. Р.А. Шмойловой. – М.: Финансы и статистика , 2002.– 414с. 128 10. Социально-экономическая статистика : учебник / М.Р. Ефимова и др. ; под ред. М.Р. Ефимовой. – М.: Юрайт : Высшее образование, 2009. – 590 с. 11. Статистика : учебник / Елисеева И. И. и др. ; под ред. И. И. Елисеевой. – М.: Юрайт, 2010. – 565с. 12. Статистика : учебник / Л. П. Харченко и др. ; под ред. В. Г. Ионина.– М.: Инфра-М , 2008. – 443с. 13. Статистика : учебно-практическое пособие / М.Г. Назаров и др.; под ред. М.Г. Назарова. – М.: КноРус, 2008. – 479с. 14. Шмойлова Р.А. Теория статистики: учебник / Р.А. Шмойлова, В.Г. Минашкин, Н.А. Садовникова, Е.Б. Шувалова. – М.: Финансы и статистика, 2009. – 656 с. Дополнительная литература 1. Годин А.М. Статистика : учебник / А.М. Годин. – М.: Дашков и К°, 2002. – 470 с. 2. Зинченко А.П. Практикум по статистике: учеб. пособие / А.П. Зинченко, О.Б.Тарасова, А.Е. Шибалкин; под ред. Зинченко А.П. – М.: КолосС, 2007. – 413 с. 3. Палий И. А. Прикладная статистика : учебное пособие / И. А. Палий. – М.: Дашков и К°, 2010. – 224 с. 4. Плошко Б.Г. История статистики : учебное пособие / Б. Г. Плошко, И. И. Елисеева.– М.: Финансы и статистика , 1990. – 294 с. 5. Руководство по индексу потребительских цен: теория и практика. – Вашингтон: Международный Валютный Фонд, 2007.– 720 с. 6. Сборник задач по теории статистики : учебное пособие / В.В. Глинский, Л.П. Майкова, Л.К. Серга и др. – М.: ИНФРА-М ; Новосибирск : Сибирское соглашение, 2002. – 257с. 7. Теория статистики : учебник / Г.Л. Громыко и др. ; под ред. Г.Л. Громыко. – М.: Инфра-М, 2002. – 413с. 8. Харламов А.И. Общая теория статистики : Статистическая методология в изучении коммерческой деятельности: учебник / А.И. Харламов, О.Э. Башина, В.Т. Бабурич и др.; под ред.: А.А. Спирина, О.Э. Башиной. – М.: Финансы и статистика, 2003. – 440с. 129 ПРИЛОЖЕНИЕ Значения t-критерия Стьюдента при доверительной вероятности 0,90, 0,95 и 0,99 Число степеней свободы n =0,90 =0,95 =0,99 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 6,3138 2,9200 2,3534 2,1318 2,0150 1,9432 1,8946 1,8595 1,8331 1,8125 1,7959 1,7823 1,7709 1,7613 1,7531 1,7459 1,7396 1,7341 12,7062 4,3027 3,1824 2,7764 2,5706 2,4469 2,3646 2,3060 2,2622 2,2281 2,2010 2,1788 2,1604 2,1448 2,1314 2,1199 2,1098 2,1009 63,6567 9,9248 5,8409 4,6041 4,0321 3,7074 3,4995 3,3554 3,2498 3,1693 3,1058 3,0545 3,0123 2,9768 2,9467 2,9208 2,8982 2,8784 Число степе=0,90 ней свободы n 21 22 23 24 25 26 27 28 29 30 40 50 60 70 80 90 100 120 1,7207 1,7171 1,7139 1,7109 1,7081 1,7056 1,7033 1,7011 1,6991 1,6973 1,6839 1,6759 1,6706 1,6669 1,6641 1,6620 1,6602 1,6577 =0,95 =0,99 2,0796 2,0739 2,0687 2,0639 2,0595 2,0555 2,0518 2,0484 2,0452 2,0423 2,0211 2,0086 2,0003 1,9944 1,9901 1,9867 1,9840 1,9799 2,8314 2,8188 2,8073 2,7969 2,7874 2,7787 2,7707 2,7633 2,7564 2,7500 2,7045 2,6778 2,6603 2,6479 2,6387 2,6316 2,6259 2,6174 19 20 1,7291 1,7247 2,0930 2,0860 2,8609 2,8453 131 150 1,6551 1,6449 1,9759 1,9600 2,6090 2,5758
