Xreferat.com » Рефераты по экономике » Статистические наблюдения

Статистические наблюдения

S(t)

Статистические наблюдения


Статистические наблюденияСтатистические наблюдения T(t)


Статистические наблюдения

Рис. 10.1. Компоненты ряда динамики

Между компонентами ряда динамики существует связь. Она бывает двух видов: 1) аддитивная (Additive Verbundenheit, a additive relationship)

Статистические наблюдения

Статистические наблюдения

Статистические наблюдения


Статистические наблюдения

Статистические наблюдения


d2

Статистические наблюдения


Статистические наблюдения

d1

Статистические наблюденияСтатистические наблюденияСтатистические наблюдения

2) мультипликативная (Multiplikative Verbundenheit, a multiplicative relationship)

Статистические наблюдения


Статистические наблюденияСтатистические наблюдения


Статистические наблюдения d3


Статистические наблюденияСтатистические наблюдения

d2


Статистические наблюдения

Статистические наблюдения d1

Статистические наблюдения


Статистические наблюдения


или


Статистические наблюдения

Статистические наблюдения


На практике совмещают трендо трендовые и конъюнктурные колебания, обозначая их как Т, а остаточную компоненту прибавляют к сезонной. Тогда получается


Статистические наблюдения

Статистические наблюдения


для аддитивной и мультипликативной связи соответственно.

Анализ рядов динамики предполагает решение следующих задач:

определение среднего уровня ряда;

определение темпов роста и прироста;

определение тренда;

определение сезонной компоненты;

преобразование рядов: сглаживание, выравнивание, интерполяция, экстраполяция, приведение рядов к одному основанию, смыкание рядов.


10.2 Показатели ряда динамики


Каждый ряд характеризуется начальным уровнем, конечным уровнем и промежуточными уровнями. Важным показателем является средний уровень ряда.

Статистические наблюденияСтатистические наблюдения


Для интервального ряда средний уровень рассчитывается по среднеарифметической простой и взвешенной (если интервалы в рядах, соответственно, равноотстоящие и неравноотстоящие):

где n – число уровней

ti – длительность интервала времени между уровнями

Примеры.

1) Предприятие выпускает продукцию по кварталам года

I кв. – 300 тыс.,

II кв.– 250 тыс.,

III кв.– 100 тыс.,

IV кв.– 500 тыс.

Т.к. ряд интервальный с равноотстоящими интервалами, применим среднюю арифметическую простую:

Статистические наблюдения

2) Предприятие выпустило продукции за первые 3 месяца года на 300 тыс., за последующие 2 месяца – на 250 тыс., за 1 месяц – на 100 тыс. и за оставшиеся 6 месяцев – на 500 тыс. Т.к. это интервальный ряд с неравноотстоящими интервалами, применяем среднюю арифметическую взвешенную:

Статистические наблюдения

Для моментного ряда c равноотстоящими интервалами средний уровень исчисляется по формуле средней хронологической простой, которая имеет следующий вид:


Статистические наблюдения


Пример. Остатки оборотных средств предприятия составили

на 1.01 – 110 тыс.,

на 1.02 – 120 тыс.,

на 1.03 – 130 тыс.,

на 1.04 – 140 тыс.,

на 1.07 – 170 тыс.

Определим средние остатки оборотных средств за I квартал:

Статистические наблюдения

В случае если интервалы неравноотстоящие, применяют формулу средней хронологической взвешенной:


Статистические наблюдения


В нашем примере средние остатки оборотных средств за полугодие:

Статистические наблюдения

Эту задачу можно решить и другим способом (в несколько действий) – используя среднеарифметическую простую:

Статистические наблюдения

Статистические наблюденияСтатистические наблюдения


10.3 Темпы роста и прироста


Темп роста (Wachstumsfaktor, Growth factor) отвечает на вопрос, во сколько раз изменилось явление и получается делением последующего уровня ряда на предыдущий.

Темп прироста (Wachstumsrate, Growth rate) отвечает на вопрос, на сколько увеличилось явление и получается делением абсолютного прироста на предыСтатистические наблюдениядущий уровень.


Статистические наблюдения

Статистические наблюдения


Среднегодовой темп роста находится по средней геометрической:


Статистические наблюдения


Пример. Фирма произвела услуг в 1 году – на 100 у.е., во 2 году – на 120 у.е.,

Статистические наблюдения

Статистические наблюдения


Статистические наблюдения


в 3 году – на 132 у.е. и в 4 году – на 200 у.е.


Статистические наблюдения


Статистические наблюдения

Статистические наблюдения

Среднегодовой темп прироста нельзя находить как среднее из годовых темпов прироста. Для этого существует формула:


Статистические наблюдения


Т.е. среднегодовой темп прироста составил 0,26 или 26 %.


10.4 Правила составления рядов динамики


Анализ рядов динамики дает правильные результаты при условии правильного составления ряда. Для этого существуют следующие правила:

Все уровни динамического ряда должны быть сопоставимыми во времени. Например, численность населения обычно указывается на начало года.

Все уровни динамического ряда должны быть сопоставимыми в пространстве, т.е. относиться к одной и той же территории.

Исключение допускается только в случае, когда территориальные изменения рассматриваются как самостоятельный показатель динамики (например, в 1993 г. в состав Нижегородской области вошел Сокольский район

Ивановской области).

Все уровни динамического ряда должны быть сопоставимыми по методологии расчета.

Если способы расчета меняются с течением времени, то нужно сделать пересчет. Например, для составления динамического ряда произведенного в Нижегородской области ВВП данные по производству совокупного общественного продукта (СОП), рассчитывавшегося до начала 90-х годов, пересчитываются в ВВП.


10.5 Преобразование рядов динамики


При анализе рядов динамики приходится делать некоторые преобразования, которые улучшают условия анализа.

Сглаживание и выравнивание ряда (die Glдttung, smoothing)

Это делается для погашения случайной колеблемости уровней ряда. Иными словами сглаживание и выравнивание выявляют основное направление развития явления (тренд).

Существуют следующие методы сглаживания и выравнивания:

выявление тренда визуальным методом (на графике)

Этот метод наиболее прост и наименее точен.

механическое выравнивание

Оно заключается в укрупнении интервалов путем расчета средних уровней не за один период, а за несколько. Например, этот прием часто используют при обработке динамических рядов урожайности сельскохозяйственных культур, рассчитывая среднюю урожайность не за 1 год, а за 5 лет.

метод скользящей средней

Этот метод применяется следующим образом (см. данные табл. 10.1).

Статистические наблюдения

Скользящая средняя заменяет несколько уровней одним значением. В первую очередь выбирается интервал сглаживания (в нашем примере – 3 мес.). Чем он больше, тем сглаживание сильнее

Далее подсчитывают значения средней:

Статистические наблюдения

и т.д.


Таблица 10.1

Сведения о продажах продукции по месяцам на предприятии N

t -3 -2 -1 1 2 3

-2 -1 0 1 2 -
Месяц январь февраль март апрель май июнь
Yi 10 8 15 14 19 9
Т - 11 12,3 16 14 -
Ŷ 8,4 10,8 13,2 15,6 18 -
S 1,6 -2,8 1,8 -1,6 1

Недостаток этого метода в том, что теряются уровни в начале и в конце ряда, а при криволинейном развитии явления скользящая средняя смещает уровни ряда. Для избежания этого применяют более сложный расчет скользящей средней взвешенной.

аналитическое выравнивание. В этом случае фактические уровни заменяются уровнями, вычисленными на основе определенной функции (кривой).

Статистические наблюдения

Статистические наблюдения

Статистические наблюдения


В нашем случае это линейная зависимость (уравнение прямой), хотя выравнивание может осуществляться и с помощью гиперболы, параболы, показательной, экспоненциальной и др. функций:

Коэффициенты a и b находятся по методу наименьших квадратов. Расчет можно значительно упростить, если изменить нумерацию уровней ряда (так, чтобы Σ ti = 0 и при четном, и при нечетном числе уровней) – см. верхние строки табл. 10.1.

Статистические наблюденияТогда получим следующие формулы коэффициентов:


Статистические наблюдения

Статистические наблюдения


Пример (см. табл. 10.1).

Статистические наблюдения

Статистические наблюдения

Статистические наблюдения


Статистические наблюдения

Теперь подсчитываем выровненные значения y:


Статистические наблюдения


и т.д.

Статистические наблюдения

Статистические наблюдения


Далее можно вычислить разницу между трендовыми значениями и первоначальными уровнями ряда. Это даст нам возможность оценить и, если нужно, устранить влияние сезонной компоненты.

Приведение ряда динамики к одному основанию

Используется в случае, если необходимо сравнение или сопоставление тенденций в нескольких рядах.

Примеры.

Начальные уровни рядов динамики находятся в различных периодах (табл. 10.2). По какому предприятию темп роста выпуска продукции выше?


Таблица 10.2

Выпуск продукции по двум предприятиям (в %)

Ряд 1985 1986 1987 1988 1989 1990
1 100 110 125 130 135 140
1΄ - - 100 104 108 112
2 - - 100 108 114 120

1΄ - это 1-й ряд, приведенный к другому основанию (к 1987 г.) по пропорции:

Тр1987 = 100 % Тр1988 = Статистические наблюдения = 104 % и т.д.

Таким образом, в сопоставимом виде у предприятия 2 темп роста выпуска продукции выше, чем у предприятия 1.

уровни ряда динамики выражены абсолютными величинами и начальные уровни имеют различные размеры (табл. 10.3). По какому предприятию темп роста выпуска продукции выше?


Таблица 10.3

Выпуск продукции по двум предприятиям (в тыс. руб.).


Предприятие 1995 1996 1997
Абсолютные величины (тыс. руб.) 1 2 3 4

2 5 7 8
Относительные величины (%) 1 100 150 200

2 100 140 160

При сравнении динамики выпуска продукции двух предприятий после перевода абсолютных значений в относительные можно сделать вывод о более высоких темпах роста на первом предприятии.

3) Ряды динамики можно приводить к одному основанию не по одному показателю, а по нескольким показателям.

Так, например, на предприятии имеются данные о средней производительности труда и заработной плате (табл. 10.4.). Как соотносятся между собой темпы роста этих двух показателей ?


Таблица 10.4.

Средняя производительность труда и заработная плата по предприятию

Годы Произ. труда (выработка), изд./месяц Заработная плата, у.е.

Произв. труда,

%

Заработная плата,

%

1995 650 120 100 100
1996 695 123 106,9 102,5
1997 725 125 111,5 104,2
1998 747 129 115,0 107,5
1999 764 131 117,5 109,2
2000 779 133,5 119,9 111,3

После перевода показателей в относительный вид можно сказать, что темп роста производительности труда за рассматриваемый период опережал темп роста заработной платы. Следовательно, предприятие развивалось устойчиво, его конкурентоспособность возрастала.

Смыкание рядов динамики

Метод применяется, если необходимо совместить два динамических ряда, характеризующих одно явление.

Пример.


Таблица 10.5

Данные о продажах предприятия

Годы Объем продаж до реорганизации Объем продаж после реорганизации Сомкнутый ряд в относительных величинах Сомкнутый ряд в абсолютных величинах
1996 1995 - 95 1895
1997 2058 - 98 1955
1998 2100 2000 100 2000
1999 - 2040 102 2040
2000 - 2100 105 2100

Статистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияПринимаем 1998 г. за 100 %, а остальные уровни пересчитываем.

Иногда рассчитывают коэффициент до и после реорганизации:

Статистические наблюденияСтатистические наблюденияСтатистические наблюденияТеперь можно составить сомкнутый ряд по абсолютным значениям:


Интерполяция и экстраполяция

Интерполяция – это нахождение уровней внутри динамического ряда.

Экстраполяция - это нахождение уровней за пределами динамического ряда.

Неизвестные уровни находятся с помощью всех перечисленных выше методов.


10.6 Определение и устранение влияния сезонных колебаний


Для определения сезонных колебаний существует два способа:

Если мы исходим из того, что тренд не определен или неизвестен.

В таком случае цель состоит в нахождении ряда динамики, очищенного от сезонных колебаний, прохождение которого похоже на тренд (показывает такую же, как тренд, тенденцию развития).

Пример.


Таблица 10.5

Оборот предприятия за три года

Месяц Оборот в тыс. у.е. (Yij) Относительные показатели (Sij) ΣSij Сезонный индекс si Si Yi - Si

1 2 3 1 2 3

1 2 3 1 2 3
1 20 21 21 95.2 91.3 87,5 274.0 91.3 -1.9 -2.0 -2.0 21.9 23.0 23.0
2 22 24 25 104.8 104.3 104.2 313.3 104.5 0.9 1.0 1.1 21.1 23.0 23.9
3 24 25 28 114.3 108.7 116.7 339.7 113.2 2.8 2.9 3.3 21.2 22.1 24.7
4 21 23 23 100.0 100.0 95.8 295.8 98.6 -0.3 -0.3 -0.3 21.3 23.3 23.3
5 18 21 21 85.7 91.3 87.5 264.5 88.2 -2.4 -2.8 -2.8 20.4 23.8 23.8
6 20 19 20 95.2 82.6 83.3 261.1 87.0 -3.0 -2.8 -3.0 23.0 21.8 23.0
7 20 22 22 95.2 95.7 91.7 282.6 94.2 -1.2 -1.4 -1.4 21.2 23.4 23.4
8 24 27 28 114.3 117.4 116.7 348.4 116.1 3.3 3.7 3.9 20.7 23.3 24.1
9 26 28 30 123.8 121.7 125.0 370.5 123.5 4.9 5.3 5.7 21.1 22.7 24.3
10 21 23 25 100.0 100.0 104.2 304.2 101.4 0.3 0.3 0.3 20.7 22.7 24.7
11 19 22 23 90.5 95.7 95.8 282.0 94.0 -1.2 -1.4 -1.5 20.2 23.4 24.5
12 17 21 22 81.0 91.3 91.7 264.0 88.0 -2.3 -2.9 -3.0 19.3 23.9 25.0

252 276 288



1200.0





Руководство предприятия хотело бы знать, насколько велико влияние сезонных условий на оборот (такая постановка вопроса типична для некоторых отраслей, например, для сельского хозяйства).

Определим среднемесячный оборот по годам

1 год – 252/12=21

2 год – 276/12=23

3 год – 288/12=24

Рассчитаем относительные показатели (sij)

Относительный показатель = (Реальный месячный оборот)/

(Средний оборот за месяц)

Статистические наблюденияЯнварь 1-го года:

Результат (95,2%) показывает, что оборот в этот период был на 4,8% ниже среднемесячного уровня.

Январь 2-го года:

Статистические наблюденияи т.д.

3) Рассчитанные величины для одноименных месяцев складываются, и вычисляется их средняя, которая называется сезонным индексом или индексом сезонности (si)


Статистические наблюдения


Это означает, что за три года оборот предприятия в январе-месяце подвержен влиянию сезонных колебаний на 8,7% ниже нормального годового значения.

Все двенадцать индексов сезонности образуют так называемую сезонную волну (1200,0), которая тем сильнее, чем больше отклонения в каждом месяце от нормального значения (100%).


Статистические наблюдения


4) Исключаем влияние сезонной компоненты (Si)

Чтобы получить значения ряда, очищенные от сезонных колебаний (выровненные значения), нужно от каждого уровня ряда отнять сезонную компоненту.

Статистические наблюдения

Январь 1-го года:

Это означает, что если бы в этот период не было бы сезонных колебаний, то оборот составил бы 21,9 тыс. у.е.

Если нам известен тренд ряда

1-й шаг. Расчет тренда любым способом

2-й шаг. Определение вида связи компонент ряда и расчет сезонных значений в виде разницы или частного.

3-й шаг. Определение сезонной компоненты, как среднеарифметическую из сезонных значений.

4-й шаг. Исключение влияния сезонной компоненты.

ТЕМА 11. Выборка

Stichprobenverfahren Sampling


11.1 Понятие выборки


Выборка (Stichprobe, sample) – это один из видов несплошного наблюдения, когда о целом судят по части. В качестве теоретических основ выборочного наблюдения используется теория вероятностей и математическая статистика, в особенности теоремы Бернулли, Пуассона, Чебышева, Ляпунова, закон больших чисел.

Для того, чтобы выборка давала хорошие результаты, необходим случайный отбора, т.е. избежание преднамеренности (в прикладных науках, например, в маркетинговых исследованиях, бывают исключения).

Условия проведения выборки:

требуемая точность устанавливается самостоятельно;

выборка должна давать значительное сокращение расходов по сравнению со сплошным наблюдением.

Причины проведения выборки:

невозможность сплошного наблюдения;

повышенная трудоемкость сплошного наблюдения;

необходимость проверки результатов сплошного наблюдения.

Условные обозначения, используемые в этой теме:

N – объем генеральной совокупности;

n – объем выборки;

Статистические наблюдения - генеральная средняя;

Статистические наблюдения - средняя выборки;

w – выборочная доля;

p – генеральная доля;

σІ - генеральная дисперсия;

sІ - выборочная дисперсия.

11.2 Способы отбора


Существует несколько способов, обеспечивающих случайность и исключающих преднамеренность отбора:

собственно случайный отбор (Zufallsstichprobe, random sample) - это отбор по жребию, по таблице случайных чисел.

Случайный отбор бывает повторным (отобранная единица совокупности может снова попасть в выборку) и бесповторным (отобранная единица совокупности вновь в выборку не возвращается). Пример повторного отбора – измерение плотности пассажиропотока на определенном городском маршруте. Пример бесповторного отбора – лотерея "Спортлото".

Бесповторный отбор более точен, но и более сложен.

2) механический отбор (Mechanische Auswahl, mechanical sample) - отбор из списков.

На всю генеральную совокупность составляется общий список и далее из него через равный интервал отбирают нужное количество единиц.

Размер интервала равен 1/долю выборки. Так, при 2 %-ной выборке интервал будет равен 1/0,02 = 50 ед.

Общий список составляется двумя способами: единицы совокупности располагаются в случайном порядке или в определенном порядке, имеющем прямое или косвенное отношение к цели исследования. При первом варианте отбор можно начинать с любой единицы, при втором – с середины первого интервала. Примеры: табельные номера работников предприятия (первый вариант), алфавитный список студентов потока (второй вариант)

3) типический отбор (geschichtete Auswahl, stratified sample)

При этом способе генеральная совокупность разбивается на типические группы, которые должны как можно сильнее отличаться друг от друга и быть однородными внутри. Тогда типический отбор дает хорошие результаты. Затем из каждой типической группы первыми двумя способами отбирают единицы в выборочную совокупность.

Пример. Обследуются предприятия различных форм собственности. Формы собственности представляют различные типические группы.

4) серийный отбор (Klumpenauswahl, cluster sample)

Генеральная совокупность разбивается на серии. В отличие от типических групп, серии должны как можно менее отличаться друг от друга и быть разнородными внутри. Обследуется часть серий, зато внутри серии – как правило, все единицы. Отбор из серий в выборку также осуществляется первыми двумя способами.

Пример. Обследование одного ящика пива из партии.


11.3 Ошибки выборки


Статистические наблюдения


При проведении любого наблюдения случаются ошибки. Выборка характеризуется прежде всего ошибками представительства или репрезентативности, суть которых заключается в отклонениях выборочных значений от генеральных:


Статистические наблюдения


где Δ – предельная ошибка выборки (absolute Stichprobenfehler, absolute sampling error)

Для каждого способа отбора существуют свои формулы ошибок.

Случайный отбор


Статистические наблюдения

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: