Применение методов корреляционного анализа в таможенной статистике

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«АМУРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

Биробиджанский филиал

КУРСОВАЯ РАБОТА

на тему: Применение методов корреляционного анализа в таможенной статистике

по дисциплине «Общая и таможенная статистика»

Исполнитель

Кузнецова Е.Д.

Биробиджан 2013

Содержание

Введение

1. Роль и место таможенной статистики

1.1 Таможенная статистика - понятие, цели, задачи

1.2 Методы и способы анализа таможенной статистики

1.2.1 Статистические величины и их наблюдение

1.2.2 Система показателей и признаков

1.2.3 Ряды распределения

1.2.4 Ряды динамики

1.2.5 Взаимосвязи показателей

1.2.6 Индексный метод

1.2.7 Особенности стоимостного учета товаров

2. Статистическое изучение корреляционных взаимосвязей

2.1 Понятие корреляционной зависимости

2.2 Показатели тесноты связи между двумя признаками

2.2.1 Показатели тесноты связи между двумя качественными признаками

2.2.2 Теоретическое корреляционное отношение как универсальный показатель тесноты связи

2.3 Множественная корреляция

3. Корреляционный анализ данных ВТО по РФ за 2012 год

Заключение

Библиографический список

Введение

Слово «статистика» приходит от латинского слова status (состояние), которое употреблялось в значении «политическое состояние». Отсюда итальянские слова stato - государство и statista - знаток государств, отсюда также и немецкое слово Staat и английское state. В научный оборот слово «статистика» ввёл профессор Геттингенского университета Готфрид Ахенваль (1719-1772 годов), и понималось оно тогда, как государствоведение.

Прежде чем стать наукой в ее современном понимании статистика прошла многовековую историю развития.

Числовые данные, относящиеся к тем или иным явлениям, начали применяться уже в глубокой древности. Так, известно, что еще за 5 тыс. лет до нашей эры проводился подсчёт населения в Китае, вёлся учет имущества в Древнем Риме, в средние века проводились переписи населения, домашнего имущества, земель. Эти сведения использовались в основном в военных целях и при обложении налогами. В столь отдаленные времена осуществлялся лишь сбор статистических сведений, а их обработку и анализ, то есть зарождение статистики как науки следует отнести ко второй половине 17 века. Именно в это время профессор физиологии и права Г. Ахенваль с 1746 года начал читать впервые в Марбургском, а затем в Геттингенском университетах новую учебную дисциплину, которую он и назвал статистикой. Основным содержанием этого курса было описание политического состояния и достопримечательностей государства.

Это направление развития статистики получило название описательного. Содержание, задачи, предмет изучения статистики в понимании Г. Ахенваля были далеки от современного взгляда на статистику как науку.

Гораздо ближе к современному пониманию статистики была английская школа политических арифметиков, которая возникла на 100 лет раньше немецкой описательной школы, ее основателями были В. Петти (1623-1687 годов) и Дж. Граунт (1620-1674 годов). Политические арифметики путём обобщения и анализа фактов стремились цифрами охарактеризовать состояние и развитие общества, показать закономерности развития общественных явлений, проявляющихся в массовом материале. История показала, что именно школа политических арифметиков явилась истоком возникновения современной статистики как науки. В. Петти по праву считается создателем экономической статистики.

В первой половине 19 века возникло третье направление статистической науки - статистико-математическое. Среди представителей этого направления следует отметить бельгийского статистика А. Кетле (1796-1874 годов) - основоположника учения о средних величинах. Математическое направление в статистике развивалось в работах англичан Ф. Гальтона (1822-1911 годов) и К. Пирсона (1857 - 1936 годов), В. Госсета (1876-1937 годов), более известного под псевдонимом Стьюдента, Р. Фишера (1890-1962 годов), М. Митчела (1874 - 1948 годов) и другое. Представители этого направления считали основой статистики теорию вероятностей, составляющую одну из отраслей прикладной математики.

В развитии российской статистической науки и практики видное место принадлежит И.К. Кириллову (1689-1737 годов), И.Ф. Герману (1755-1815 годов), Д.Н. Журавскому (1810-1856 годов), Н.Н. Семенову - Тян-Шанскому (1827-1914 годов), Ю.Э. Янсону (1835-1893 годов), А.. Чупрову (1874-1926 годов), В.С. Немчинову (1894-1964 годов), С.Г. Струмилину (1877-1974 годов), В.Н. Старовскому (1905-1975 годов) и другое.

Большим шагом в развитии статистической науки послужило применение экономико-математических методов и широкое использование компьютерной техники в анализе социально-экономических явлений.

В настоящее время ведется работа по совершенствованию статистической методологии и завершению перехода Российской Федерации на принятую в международной практике систему учёта и статистике в соответствии с требованиями развития рыночной экономики.

Таким образом, история развития статистики показывает, что статистическая наука сложилась в результате теоретического обобщения накопленного человечеством передового опыта учётно-статистических работ, обусловленных, прежде всего, потребностями управления жизни общества.

Развитие статистической науки, расширение сферы применения практических статистических исследований, ее активное участие в механизме управления экономикой привели к изменению содержания самого понятия «статистика».

Сейчас термин «статистика» употребляется в трёх значениях:

отрасль практической деятельности («статистический учёт») по сбору, обработке, анализу и публикации массовых цифровых данных о самых различных явлениях и процессах общественной жизни; эту деятельность на профессиональном уровне осуществляет государственная статистика - Государственный комитет по статистике Российской Федерации и система его учреждений, организованных по административно - территориальному признаку, а также ведомственная статистика (на предприятиях, в объединениях, ведомствах, министерствах);

совокупность цифровых сведений, статистические данные, предоставляемые в отчетности предприятий, организаций, отраслей экономики, а также публикуемые в сборниках, справочниках, периодической прессе, которые являются результатом статистической работы;

отрасль общественных наук, специальная научная дисциплина, изучаемая в высших и средних специальных учреждениях.

Цель статистики в экономике - это возможность правильно выбрать решения в условиях неопределенности сложившейся ситуации, умение спрогнозировать и предугадать социально - экономические явления, сделать правильные выводы и внести свой вклад в развитие экономической жизни.

Выявление взаимосвязей - одна из важнейших задач применения статистики в экономике.

В своей работе я рассмотрю корреляционный анализ данных ВТО России за 2012 год.

таможенный статистика корреляционный

1. Роль и место таможенной статистики

В научный обиход термин «статистика» ввел немецкий ученый Готфрид Ахенваль в 1746 году, предложив заменить название курса «Государствоведение», преподававшегося в университетах Германии, на «Статистику», положив тем самым начало развитию статистики как науки и учебной дисциплины.

В настоящее время данный термин употребляется в четырех значениях: наука, изучающая количественную сторону массовых явлений и процессов в неразрывной связи с их качественным содержанием - учебный предмет в высших и средних специальных учебных заведений; совокупность цифровых сведений, характеризующих состояние массовых явлений и процессов общественной жизни; статистические данные, представляемые в отчетности предприятий, организаций, отраслей экономики, а также публикуемых в сборниках, справочниках, периодической печати и в сети Интернет, которые являются результатом статистической работы; отрасль практической деятельности («статистический учет») по сбору, обработке, анализу и публикации массовых цифровых данных о самых различных явлениях и процессах общественной жизни; некий параметр ряда случайных величин, получаемый по определенному алгоритму из результатов наблюдений, например, статистические критерии (критические статистики), применяющиеся при проверке различных гипотез (предположительных утверждений) относительно природы или значений отдельных показателей исследуемых данных, особенностей их распределения и прочее.

В самостоятельную дисциплину таможенная статистика, как и другие отраслевые статистические дисциплины, выделяется благодаря обособленным объекту исследования, цели и задачам.

Объектом изучения таможенной статистики являются внешняя торговля РФ и деятельность таможенных органов.

Соответственно определены два раздела таможенной статистики: таможенная статистика внешней торговли и специальная таможенная статистика.

Рисунок 1 - Разделы и подразделы таможенной статистики

Ведение и организация таможенной статистики являются одной из функций таможенных органов. Правовой основой ведения таможенной статистики является Таможенный кодекс Таможенного Союза. Данные специальной таможенной статистики используются таможенными органами исключительно для таможенных целей.

Особенностями объекта изучения и поставленными перед таможенной статистикой внешней торговли задачами определяется специфика системы показателей и атрибутивных признаков, а также формы, виды и методы статистического наблюдения. В таможенной статистике внешней торговли эти вопросы регламентируются Методологией таможенной статистики внешней торговли Российской Федерации.

1.1 Таможенная статистика - понятие, цели, задачи

Таможенная статистика внешней торговли - сбор и обработка сведений о перемещении товаров через таможенную границу страны, а также представление и публикация данных таможенной статистики.

Цель таможенной статистики - обеспечение руководства Федеральной таможенной службы, органов законодательной и исполнительной власти информацией о состоянии и развитии внешней торговли России и о деятельности таможенных органов.

Задачами таможенной статистики внешней торговли являются: содействие развитию внешнеэкономической деятельности, расширению внешнеторговых связей, разработке внешнеторговой политики Российской Федерации; разработка методологических принципов анализа и системы показателей, характеризующих размеры, динамику и структуру внешней торговли; обеспечение полного и достоверного учета данных об экспорте и импорте Российской Федерации; анализ основных тенденций, структуры и динамики внешнеторговых товарных потоков Российской Федерации в увязке с анализом ее макроэкономической ситуации и конъюнктуры мировых рынков; информационное обеспечение органов исполнительной и законодательной власти Российской Федерации данными таможенной статистики внешней торговли для принятия ими решений в области таможенной политики Российской Федерации и государственного регулирования внешней торговли Российской Федерации; представление данных таможенной статистики внешней торговли международным организациям в соответствии с международными договорами Российской Федерации и законодательством Российской Федерации; представление данных таможенной статистики внешней торговли в целях контроля за поступлением в федеральный бюджет таможенных платежей; представление данных таможенной статистики внешней торговли для осуществления валютного контроля; представление данных таможенной статистики внешней торговли для разработки платежного баланса Российской Федерации; расчет различного рода индексных показателей (например, индексов цен и физического объема внешней торговли и так далее); подготовка исходных данных для прогнозирования макроэкономических показателей в рамках системы национальных счетов и платежного баланса Российской Федерации; обеспечение сопоставимости данных взаимной торговли между Российской Федерацией и ее внешнеторговыми партнерами; представление данных таможенной статистики внешней торговли Российской Федерации для анализа эффективности мероприятий в области тарифных и нетарифных мер государственного регулирования внешнеэкономической деятельности; решение иных задач, обусловленных таможенной политикой Российской Федерации.

1.2 Методы и способы анализа таможенной статистики

1.2.1 Статистические величины их наблюдение

Для характеристики массовых явлений статистика использует статистические величины (показатели), которые характеризуют группы единиц или совокупность (явление) в целом. Статистические величины (показатели) подразделяются на абсолютные, относительные и средние.

Абсолютные величины бывают моментные (отражают уровень развития явления на определенную дату, например, экспортная цена на нефть) и интервальные (отражают уровень развития явления за определенный интервал времени, например, величина экспорта за месяц, квартал, год и тому подобное). В отличие от моментных интервальные абсолютные величины допускают последующее суммирование (например, суммируя величину экспорта товара за январь, февраль и март, получаем величину экспорта за I квартал).

Абсолютные величины всегда имеют свою единицу измерения (размерность), присущую изучаемому явлению (в таможенной статистике - товару). Широко распространены в таможенной статистике следующие виды единиц измерения: натуральные, подразделяющиеся на простые (например, штуки, тонны, метры) и сложные (составные), представляющие собой комбинацию двух разноименных величин (например, киловатт - час); условно - натуральные (например, алкогольные напитки учитываются в дкл 100 % спирта, а различные виды топлива соизмеряют по условному топливу с теплотворной способностью 7000 ккал / кг или 29,3 МДж / кг); стоимостные, позволяющие соизмерить в денежной форме товары, которые нельзя соизмерить в натуральной форме (доллары США, рубли и так далее).

Количество единиц с одинаковым значением признака обозначается f и называется частота. Очевидно, что суммируя число всех величин с одинаковыми значениями признака, получаем N, то есть:

(1)

Относительная величина - это результат деления (сравнения) двух абсолютных величин. В числителе дроби стоит величина, которую сравнивают, а в знаменателе - величина, с которой сравнивают (база сравнения). Относительная величина выражается в коэффициентах, процентах (%), промилле (‰).

Выбор той или иной формы относительной величины зависит от ее абсолютного значения: если сравниваемая величина больше базы сравнения в два раза и более, то выбирают форму коэффициента; если относительная величина близка к единице, то, как правило, ее выражают в процентах; если относительная величина значительно меньше единицы (близка к нулю), ее выражают в промилле.

1.2.2 Система показателей и признаков

Ключевым элементом таможенной статистики является система показателей, отражающих цифровую характеристику различных экономических явлений и процессов, а также экономики в целом.

Под термином «система показателей» понимается некоторое упорядоченное множество взаимосвязанных и взаимосогласованных показателей, характеризующих экономику страны в целом и основные аспекты внешней торговли в частности.

Определение содержания показателя и методов его оценки принято называть разработкой методологии. Разработка методологии, как правило, включает следующие этапы: идентификация явлений и процессов, подлежащих статистическому изучению (определение типа данных, требующих разработки), формулирование целей, ради которых должны быть исчислены те или иные показатели (например, целью изучения импорта является измерение потребностей населения, их динамики, состояния внешнеэкономических связей страны и так далее); определение содержания показателей (например, при исчислении показателя экспорта должны быть точно определены те виды товаров, которые подлежат и не подлежат включению в этот показатель); определение методов оценки отдельных показателей, например, типа цен, которые должны быть использованы для оценки товаров при исчислении величины внешнеторгового оборота: цены ФОБ, СИФ и так далее; определение основных классификаций, которые должны быть применены для распределения изучаемых экономических явлений на однородные группы на основе тех или иных критериев (например, ТН ВЭД); определение основных источников данных, необходимых для исчисления показателей, а также процедуры обработки собранных данных с целью получения обобщающих показателей.

Система показателей таможенной статистики должна соответствовать определенным требованиям, чтобы была возможность проводить описание и анализ их развития. Во-первых, она должна иметь всеохватывающий характер, то есть распространяться на все аспекты исследуемого процесса, должны быть охвачены все хозяйствующие субъекты, все виды экономических операций, которые они выполняют. Во - вторых показатели системы, относящиеся к различным аспектам экономического процесса, должны быть методологически взаимосогласованы, то есть они должны быть основаны на гармонизированных концепциях, определениях и классификациях.

1.2.3 Ряды распределения

Статистические ряды распределения представляют собой упорядоченное распределение единиц совокупности по группам и группировкам. Ряды распределения изучают структуру совокупности, позволяют изучить ее однородность, размах и границы. Ряды распределения, образованные по качественным признакам, называют атрибутивными. При группировке по количественному признаку выделяются вариационные ряды. Вариационные ряды - ряды распределения единиц совокупности по признакам, имеющим количественное выражение, то есть образованы численными значениями.

Признаки, разрабатываемые таможенной статистикой внешней торговли, рассмотренные в предыдущей теме, варьируются (отличаются друг от друга) у различных единиц совокупности в один и тот же период или момент времени. Например, величина внешнеторгового оборота варьируется по подразделениям ФТС; величина экспорта (импорта) варьируется по направлениям экспорта (по разным странам - партнерам по внешней торговле), по видам товаров и тому подобное.

Причиной вариации являются разные условия существования разных единиц совокупности. Например, огромное число причин влияет на масштабы внешней торговли различных стран мира.

Для управления и изучения вариации статистикой разработаны специальные методы исследования вариации, система показателей, с помощью которой вариация измеряется, характеризуются ее свойства.

Первым этапом статистического изучения вариации является построение ряда распределения (или вариационного ряда) - упорядоченного распределения единиц совокупности по возрастающим (чаще) или по убывающим (реже) значениям признака и подсчет числа единиц с тем или иным значением признака.

Существует 3 вида ряда распределения: ранжированный ряд - это перечень отдельных единиц совокупности в порядке возрастания изучаемого признака; если численность единиц совокупности достаточно велика ранжированный ряд становится громоздким, и в таких случаях ряд распределения строится с помощью группировки единиц совокупности по значениям изучаемого признака (ели признак принимает небольшое число значений, то строится дискретный ряд, а в противном случае - интервальный ряд); дискретный ряд - это таблица, состоящая из двух столбцов (строк) - конкретных значений варьирующего признака X_i и числа единиц совокупности с данным значением признака f_i - частот; число групп в дискретном ряду определяется числом реально существующих значений варьирующего признака; интервальный ряд - это таблица, состоящая из двух столбцов (строк) - интервалов варьирующего признака X_i и числа единиц совокупности, попадающих в данный интервал (частот), или долей этого числа в общей численности совокупностей (частостей).

1.2.4 Ряды динамики

Ряд динамики - это числовые значения определенного статистического показателя в последовательные моменты или периоды времени (то есть расположенные в хронологическом порядке).

Числовые значения того или иного статистического показателя, составляющего ряд динамики, называют уровнями ряда и обычно обозначают через y. Первый член ряда y₁ называют начальным (базисным) уровнем, а последний y_n - конечным. Моменты или периоды времени, к которым относятся уровни, обозначают через t.

Анализ рядов динамики начинается с определения того, как именно изменяются уровни ряда (увеличиваются, уменьшаются или остаются неизменными) в абсолютном и относительном выражении. Чтобы проследить за направлением и размером изменений уровней во времени, для рядов динамики рассчитывают показатели изменения уровней ряда динамики: абсолютное изменение (абсолютный прирост); относительное изменение (темп роста или индекс динамики); темп изменения (темп прироста).

Все эти показатели могут определяться базисным способом, когда уровень данного периода сравнивается с первым (базисным) периодом, либо цепным способом - когда сравниваются два уровня соседних периодов.

Кроме среднего уровня ряда рассчитываются и другие средние показатели: среднее абсолютное изменение (средний абсолютный прирост); среднее относительное изменение (средний темп роста); средний темп изменения (средний темп прироста).

Одна из основных задач изучения рядов динамики - выявить основную тенденцию (закономерность) в изменении уровней ряда, именуемую трендом. Закономерность в изменении уровней ряда в одних случаях проявляется наглядно, в других - может маскироваться колебаниями случайного или неслучайного характера. Поэтому, чтобы сделать правильные выводы о закономерностях развития того или иного показателя, надо суметь отделить тренд от колебаний, вызванных случайными кратковременными причинами. На основании выделенного тренда можно экстраполировать (прогнозировать) развитие явления в будущем. С этой целью (устранить колебания, вызванные случайными причинами) ряды динамики подвергают обработке.

Существует несколько методов обработки рядов динамики, помогающих выявить основную тенденцию изменения уровней ряда, а именно: метод укрупнения интервалов, метод скользящей средней и аналитическое выравнивание. Во всех методах вместо фактических уровней при обработке ряда рассчитываются иные (расчетные) уровни, в которых тем или иным способом взаимопогашается действие случайных факторов и тем самым уменьшается колеблемость уровней. Последние в результате становятся как бы «выравненными», «сглаженными» по отношению к исходным фактическим данным. Такие методы обработки рядов динамики называются сглаживанием или выравниванием рядов динамики.

1.2.5 Взаимосвязи показателей

Один из наиболее общих законов объективного мира - закон всеобщей связи и зависимости между явлениями. Естественно, что, исследуя явления в самых различных областях, статистика неизбежно сталкивается с зависимостями как между количественными, так и между качественными показателями, признаками. Ее задача - обнаружить (выявить) такие зависимости и дать им количественную характеристику.

Среди взаимосвязанных признаков (показателей) одни могут рассматриваться как определенные факторы, влияющие на изменение других (факторные), а вторые (результативные) - как следствие, результат влияния первых.

Существует два вида связи между отдельными признаками: функциональная и стохастическая (статистическая), частным случаем которой является корреляционная.

Связь между двумя переменными x и y называется функциональной, если определенному значению переменной x строго соответствует одно или несколько значений другой переменной y, и с изменением значения x значение y меняется строго определенно. Такие связи обычно встречаются в точных науках. Например, известно, что площадь квадрата равна квадрату его стороны (S = a²). Это соотношение характерно для каждого единичного случая (квадрата), это так называемая жестко детерминированная связь. Такие связи можно встретить и в таможенном деле. Например, связь между суммой адвалорной таможенной пошлины (y) и таможенной стоимостью товара (x), облагаемого по фиксированной адвалорной ставке таможенной пошлины, например 5 %, легко можно выразить формулой y = 0,05х. Существуют и иного рода связи, где взаимно действуют многие факторы, комбинация которых приводит к вариации значений результативного признака (показателя) при одинаковом значении факторного признака. Например, при изучении зависимости величины таможенных платежей, поступающих в федеральный бюджет, от количества товаров, перемещаемых через таможенную границу государства, (или от стоимостного товарооборота) последние будут рассматриваться как факторный признак, а величина таможенных платежей - как результативный. Между ними нет жестко детерминированной связи, то есть при одном и том же количестве перемещенных через таможенную границу товаров (или стоимости товарооборота) величина таможенных платежей, перечисленных разными таможнями будет различной, так как кроме количества товаров, перемещаемых через таможенную границу государства, (или стоимость товарооборота) на величину таможенных платежей влияет много других факторов (различная номенклатура товаров, для которых применяются различные таможенные пошлины, сборы и льготы; различные таможенные режимы перемещения товаров через таможенную границу и другое), комбинация которых вызывает вариацию величины таможенных платежей.

Там, где взаимодействует множество факторов, в том числе и случайных, выявить зависимости, рассматривая единичный случай, невозможно. Такие связи можно обнаружить только при массовом наблюдении как статистические закономерности. Выявленная таким образом связь именуется стохастической.

Корреляционная связь - понятие более узкое, чем стохастическая связь, это ее частный случай. Именно корреляционные связи являются предметом изучения статистики.

Корреляционная связь - это связь, проявляющаяся при большом числе наблюдений в виде определенной зависимости между средним значением результативного признака и признаками - факторами. Другими словами, корреляционную связь условно можно рассматривать как своего рода функциональную связь средней величины одного признака (результативного) со значением другого (или других). При этом, если рассматривается связь средней величины результативного показателя y с одним признаком-фактором x, корреляция называется парной, а если факторных признаков двух и более (x₁, x₂, …, x_m) - множественной.

По характеру изменений x и y в парной корреляции различают прямую и обратную связь. При прямой связи значения обоих признаков изменяются в одном направлении, т.е. с увеличением (уменьшением) значений x увеличиваются (уменьшаются) и значения y. При обратной связи значения факторного и результативного признаков изменяются в разных направлениях.

Изучение корреляционных связей сводится к решению следующих задач: выявление наличия (отсутствия) корреляционной связи между изучаемыми признаками; измерение тесноты связи между двумя (и более) признаками с помощью специальных коэффициентов (эта часть исследования именуется корреляционным анализом); определение уравнения регрессии - математической модели, в которой среднее значение результативного признака у рассматривается как функция одной или нескольких переменных - факторных признаков (эта часть исследования именуется регрессионным анализом).

Общий термин «корреляционно - регрессионный анализ» подразумевает всестороннее исследование корреляционных связей (то есть решение всех трех задач).

1.2.6 Индексный метод

В статистике под термином «индекс» понимается относительная величина, характеризующая соотношение изучаемого показателя во времени, пространстве, а также сравнение фактических данных с планом или иным нормативом. Однако чаще всего термин «индекс» ассоциируется с понятием относительного изменения какого-либо показателя во времени, то есть его динамики.

В таможенной статистике индексы используются для изучения динамики товарооборота, физического объема экспорта и импорта, движения цен на товары, при определении «условий торговли». Индексные показатели позволяют установить и измерить связь между отдельными факторами и выявить их роль в общей динамике экспорта и импорта. Исходными величинами для таких подсчетов служат данные о ценах, количестве товаров, их реальной стоимости и оценках в сопоставимых ценах.

Основными индексами, используемыми в таможенной статистике внешней торговли, являются: индексы средних цен, физического объема, стоимости и условий торговли.

Каждый индекс имеет свои составные элементы: индексируемые величины, то есть сравниваемые, и веса, служащие соизмерителями. Для расчета индекса физического объема внешней торговли индексируемыми величинами является количество товара, а их весами служат цены; для расчета индекса цен индексируются цены, а в качестве весов используется количество товаров.

1.2.7 Особенности стоимостного учета товаров

Одним из ключевых вопросов статистики внешней торговли является вопрос определения таможенной стоимости товаров, поскольку это нее зависит величина таможенной пошлины, взимаемой таможенными органами, и необходима им для осуществления валютного контроля внешнеторговых сделок.

Таможенная стоимость - это стоимость товара, которая используется в целях таможенного обложения, то есть в качестве исходной расчетной базы для исчисления таможенных платежей.

Существует шесть нормативно установленных методов определения таможенной стоимости: по стоимости сделки с ввозимыми товарами - на данный момент самый распространенный метод определения таможенной стоимости. Алгоритм расчета таможенной стоимости следующий: суммируем стоимость товара в стране происхождения по инвойсу и стоимость доставки товара до границы РФ. Итоговая сумма - база для расчета таможенной пошлины и НДС; по стоимости сделки с идентичными товарами - определение таможенной стоимости по стоимости сделки с идентичными товарами. стоимость сделки с идентичными товарами принимается в качестве основы для определения таможенной стоимости; по стоимости сделки с однородными товарами - формально его применение не отличается от метода два, за исключением понятия однородные товары - товары, которые не являются полностью идентичными, но имеют сходные характеристики и состоят из схожих компонентов, что позволяет им выполнять такие же функции, что и оцениваемые товары, и быть коммерчески взаимозаменяемыми; на основе вычитания стоимости - базируется на цене, по которой ввозимые (оцениваемые) или идентичные, или однородные товары были проданы наибольшей агрегированной партией на территории Российской Федерации в неизменном состоянии. Из цены при этом вычитаются затраты, характерные только для внутреннего рынка, которые не должны быть включены в таможенную стоимость (таможенные пошлины, обычные расходы в связи с транспортировкой и продажей и прочее); на основе сложения стоимости - на основе учета издержек производства этих товаров, к которым добавляется сумма прибыли и расходов, характерных для продажи оцениваемых товаров в России. Пожалуй, это самый сложный метод, так как мало какой поставщик согласится предоставить калькуляцию себестоимости продукции. И потом, даже получив эти данные их еще нужно на русский язык перевести; резервный метод - применяется в случае невозможности определения таможенной стоимости вышеперечисленными методами. Основан на расчетах и экспертных оценках, при этом оценки базируются в максимально возможной степени на стоимости сделки ввезенных товаров; используется стоимость, основанная на фактических оценках, то есть ценах, по которым ввезенные товары продаются в стране при обычном ходе торговли в условиях конкуренции.

2. Статистическое изучение корреляционных взаимосвязей

2.1 Понятие корреляционной зависимости

Один из наиболее общих законов объективного мира - закон всеобщей связи и зависимости между явлениями. Естественно, что, исследуя явления в самых различных областях, статистика неизбежно сталкивается с зависимостями как между количественными, так и между качественными показателями, признаками. Ее задача - обнаружить (выявит) такие зависимости и дать им количественную характеристику.

Среди взаимосвязанных признаков (показателей) одни могут рассматриваться как определенные факторы, влияющие на изменение других (факторные), а вторые (результативные) - как следствие, результат влияния первых.

Существует два вида связи между отдельными признаками: функциональная и стохастическая (статистическая), частным случаем которой является корреляционная.

Связь между двумя переменными x и y называется функциональной, если определенному значению переменной x строго соответствует одно или несколько значений другой переменной y, и с изменением значения x значение y меняется строго определенно. Такие связи обычно встречаются в точных науках. Например, известно, что площадь квадрата равна квадрату его стороны (). Это соотношение характерно для каждого единичного случая (квадрата), это так называемая жестко детерминированная связь. Такие связи можно встретить и в области экономических явлений. Например, при простой сдельной оплате труда связь между оплатой труда y и количеством изготовленных изделий x при фиксированной расценке за одну деталь, например 5 руб., легко выразить формулой .

Существуют и иного рода связи, где взаимно действуют многие факторы, комбинация которых приводит к вариации значений результативного признака (показателя) при одинаковом значении факторного признака. Например, при изучении урожайности определенной культуры от количества выпавших осадков (или внесенных в почву удобрений) последние будут рассматриваться как факторный признак, а урожайность - как результативный. Между ними нет жестко детерминированной связи, то есть при одном и том же количестве выпавших осадков (или внесенных удобрений) урожайность в разных хозяйствах, на разных участках земли будет неодинаковой, так как кроме осадков (или удобрений) на урожайность влияет много других факторов (качество семян, густота посева, уход за посевами, своевременность уборки и др.), комбинация которых вызывает вариацию урожайности.

Там, где взаимодействует множество факторов, в том числе и случайных, выявить зависимости, рассматривая единичный случай, невозможно. Такие связи можно обнаружить только при массовом наблюдении как статистические закономерности (на основе изучения особенностей распределения, поведения средних и других показателей). Выявленная таким образом связь именуется стохастической или статистической.

Корреляционная связь (от англ. «correlation» - соотношение, соответствие) - понятие более узкое, чем статистическая связь, это частный случай стохастической связи. Именно корреляционные связи являются предметом изучения статистики.

Корреляционная связь - это связь, проявляющаяся при большом числе наблюдений в виде определенной зависимости между средним значением результативного признака и признаками - факторами. Другими словами, корреляционную связь условно можно рассматривать как своего рода функциональную связь средней величины одного признака (результативного) со значением другого (или других). При этом, если рассматривается связь средней величины результативного показателя y с одним признаком - фактором x, корреляция называется парной, а если факторных признаков два и более (x₁, x₂, …, x_m) - множественной.

При изучении множественной корреляции вводится еще понятие частной корреляции - зависимость между результативным показателем y и одним из факторных признаков x_i в условиях, когда влияние на них остальных факторов, учитываемых на фиксированном уровне, устранено.

По характеру изменений x и y в парной корреляции различают прямую и обратную связь. При прямой связи значения обоих признаков изменяются в одном направлении, то есть с увеличением (уменьшением) значений x увеличиваются (уменьшаются) и значения y. При обратной связи значения факторного и результативного признаков изменяются в разных направлениях.

Изучение корреляционных связей сводится в основном к решению следующих задач: выявление наличия (отсутствия) корреляционной связи между изучаемыми признаками; измерение тесноты связи между двумя (и более) признаками с помощью специальных коэффициентов (эта часть исследования именуется корреляционным анализом); определение уравнения регрессии - математической модели, в которой среднее значение результативного признака у рассматривается, как функция одной или нескольких переменных - факторных признаков (эта часть исследования именуется регрессионным анализом).

Общий термин «корреляционно - регрессионный анализ» подразумевает всестороннее исследование корреляционных связей (то есть решение всех трех задач).

2.2 Показатели тесноты связи между двумя признаками

2.2.1 Показатели тесноты связи между двумя качественными признаками

Для измерения тесноты связи между группировочными признаками в таблицах взаимной сопряженности могут быть использованы такие показатели, как коэффициент ассоциации и контингенции (для «четырехклеточных таблиц»), а также коэффициенты взаимной сопряженности Пирсона и Чупрова (для таблиц любой размерности).

Применительно к таблице «четырех полей», частоты которых можно обозначить через a, b, c, d, коэффициент ассоциации (Д. Юла) выражается формулой:

(2)

Его существенный недостаток: если в одной из четырех клеток отсутствует частота (то есть равна 0), то 1, и тем самым преувеличена мера действительной связи.

Чтобы этого избежать, предлагается (К. Пирсоном) другой показатель - коэффициент контингенции;

(3)

Теснота связи между двумя и более признаками измеряется с помощью коэффициентов взаимной сопряженности Пирсона или Чупрова, рассчитываемых на основе показателя ч²:

 (4)

(5)

Связь между количественными признаками измеряется через их вариацию. Измерить зависимость (связь) между двумя коррелируемыми величинами - значит определить, насколько вариация результативного признака обусловлена вариацией факторного признака.

В качестве показателей тесноты связи используются: линейный коэффициент корреляции, коэффициенты корреляции рангов, коэффициент конкордации, а также эмпирическое и теоретическое корреляционное отношение.

Линейный коэффициент корреляции применяется в случае линейной зависимости между двумя количественными признаками x и y, а если форма связи между x и y еще не определена, его рассчитывают с целью получить ответ на вопрос, можно ли считать зависимость линейной. В отличие от К_Ф в линейном коэффициенте корреляции учитываются не только знаки отклонений от средних величин, но и значения самих отклонений, выраженные для сопоставимости в единицах среднего квадратического отклонения t:

и (6)

Линейный коэффициент корреляции r представляет собой среднюю величину их произведений нормированных отклонений для x и у:

 (7)

(8)

Числитель формулы, деленный на n, то есть , представляет собой среднее произведение отклонений значений двух признаков от их средних, именуемое ковариацией. Поэтому можно сказать, что линейный коэффициент корреляции представляет собой частное от деления ковариации между х и у на произведение их средних квадратических отклонений. Путем несложных математических преобразований можно получить и другие модификации формулы линейного коэффициента корреляции.

Учитывая, что:

(9)

формулу можно привести к виду:

(10)

Еще одну модификацию можно получить, преобразовав в формуле знаменатель:

(11)

Иногда линейный коэффициент корреляции удобно рассчитывать по итоговым значениям (суммам) исходных переменных:

(12)

(13)

Линейный коэффициент корреляции можно рассчитать и по формуле:

(14)

где - коэффициент регрессии в уравнении связи.

Линейный коэффициент корреляции может принимать значения от - 1 до + 1, причем знак определяется в ходе решения. Например, если , то r по формуле будет положительным, что характеризует прямую зависимость между х и у, в противном случае (r < 0) - обратную связь. Если , то r = 0, что означает отсутствие линейной зависимости между х и у, а при r = 1 - функциональная зависимость между х и у. Следовательно, всякое промежуточное значение r от 0 до 1 характеризует степень приближения корреляционной связи между х и у к функциональной. Таким образом, коэффициент корреляции при линейной зависимости служит как мерой тесноты связи, так и показателем, характеризующим степень приближения корреляционной зависимости между х и у к линейной. Поэтому близость значения r к 0 в одних случаях может означать отсутствие связи между х и у, а в других свидетельствовать о том, что зависимость не линейная.

2.2.2 Теоретическое корреляционное отношение как универсальный показатель тесноты связи

Измерить тесноту связи между коррелируемыми величинами - значит определить, насколько вариация результативного признака обусловлена вариацией факторного (факторных) признака. Ранее были рассмотрены показатели, с помощью которых можно выявить наличие корреляционной связи между двумя признаками x и y и измерить тесноту этой связи: коэффициент Фехнера, ранговые коэффициенты корреляции Спирмэна и Кендэла, линейный коэффициент корреляции и другое.

Наряду с ними существует универсальный показатель - корреляционное отношение (или коэффициент корреляции по Пирсону), применимое ко всем случаям корреляционной зависимости независимо от формы этой связи. Следует различать эмпирическое и теоретическое корреляционное отношение. Как уже отмечалось ранее, эмпирическое корреляционное отношение рассчитывается на основе правила сложения дисперсий как корень квадратный из отношения межгрупповой дисперсии к общей дисперсии, то есть:

(14)

Теоретическое корреляционное отношение определяется на основе выравненных (теоретических) значений результативного признака , рассчитанных по уравнению регрессии. представляет собой относительную величину, получаемую в результате сравнения среднего квадратического отклонения в ряду теоретических значений результативного признака со средним квадратическим отклонением в ряду эмпирических значений. Если обозначить дисперсию эмпирического ряда игреков через , а теоретического ряда - , то каждая из них выразится формулами:

 (15)

(16)

Сравнивая вторую дисперсию с первой, получим теоретический коэффициент детерминации:

(17)

который показывает, какую долю в общей дисперсии результативного признака занимает дисперсия, выражающая влияние вариации фактора x на вариацию y. Извлекая корень квадратный из коэффициента детерминации, получаем теоретическое корреляционное отношение:

(18)

Оно может находиться в пределах от 0 до 1, чем ближе его значение к 1, тем теснее связь между вариацией y и x. При < 0,3 говорят о малой зависимости между коррелируемыми величинами, при 0,3 < < 0,6 - о средней, при 0,6 < < 0,8 - о зависимости выше средней, при >0,8 - о большой, сильной зависимости. Корреляционное отношение применимо как для парной, так и для множественной корреляции независимо от формы связи. В этом смысле его можно назвать универсальным показателем тесноты связи. При линейной зависимости .

2.3 Множественная корреляция

При решении практических задач исследователи сталкиваются с тем, что корреляционные связи не ограничиваются связями между двумя признаками: результативным y и факторным x. В действительности результативный признак зависит от нескольких факторных. Например, инфляция тесно связана с динамикой потребительских цен, розничным товарооборотом, численностью безработных, объемами экспорта и импорта, курсом доллара, количеством денег в обращении, объемом промышленного производства и другими факторами.

В условиях действия множества факторов показатели парной корреляции оказываются условными и неточными. Количественно оценить влияние различных факторов на результат, определить форму и тесноту связи между результативным признаком y и факторными признаками x₁, x₂, …, x_k можно методами множественной (многофакторной) корреляции.

Математически задача сводится к нахождению аналитического выражения, наилучшим образом описывающего связь факторных признаков с результативным, то есть к отысканию функции . Выбрать форму связи довольно сложно. Эта задача на практике основывается на априорном теоретическом анализе изучаемого явления и подборе известных типов математических моделей.

Среди многофакторных регрессионных моделей выделяют линейные (относительно независимых переменных) и нелинейные. Наиболее простыми для построения, анализа и экономической интерпретации являются многофакторные линейные модели, которые содержат независимые переменные только в первой степени:

(19)

где - свободный член;

- коэффициенты регрессии;

- факторные признаки.

Если связь между результативным признаком и анализируемыми факторами нелинейна, то выбранная для ее описания нелинейная многофакторная модель (степенная, показательная и так далее) может быть сведена к линейной путем линеаризации.

Параметры уравнения множественной регрессии, как и парной, рассчитываются методом наименьших квадратов, при этом решается система нормальных уравнений с (k+1) неизвестным:

(20)

где - значение j-го факторного признака в i-м наблюдении;

- значение результативного признака в i-м наблюдении.

Как правило, прежде чем найти параметры уравнения множественной регрессии, определяют и анализируют парные коэффициенты корреляции. При этом систему нормальных уравнений можно видоизменить таким образом, чтобы при вычислении параметров регрессии использовать уже найденные парные коэффициенты корреляции. Для этого в уравнении регрессии заменим переменные y, x₁, x₂, …, x_k переменными t_j, полученными следующим образом:

, ( ) (21)

Эта процедура называется стандартизацией переменных. В результате осуществляется переход от натурального масштаба переменных x_ij к центрированным и нормированным отклонениям t_ij. В стандартизированном масштабе среднее значение признака равно 0, а среднее квадратическое отклонение равно 1, т.е. =0, =1. При переходе к стандартизированному масштабу переменных уравнение множественной регрессии принимает вид:

(22)

где () - коэффициенты регрессии.

Параметры уравнения множественной регрессии в натуральном масштабе и уравнения регрессии в стандартизированном виде взаимосвязаны:

() (23)

Нетрудно заметить, что это обычная формула коэффициента регрессии, выраженного через линейный коэффициент корреляции.

Стандартизированные коэффициенты множественной регрессии также вычисляют методом наименьших квадратов, который приводит к системе нормальных уравнений:

(24)

где - парный коэффициент корреляции результативного признака y с j - м факторным;

- парный коэффициент корреляции j-го факторного признака с l - м факторным.

После того как получено уравнение множественной регрессии (в стандартизированном или натуральном масштабе), необходимо измерить тесноту связи между результативным признаком и факторными признаками. Для измерения степени совокупного влияния отобранных факторов на результативный признак рассчитывается совокупный коэффициент детерминации R² и совокупный коэффициент множественной корреляции R - общие показатели тесноты связи многих признаков независимо от формы связи. Приведем несколько формул для их расчета.

При линейной форме связи расчет совокупного коэффициента детерминации можно выполнить, используя парные коэффициенты корреляции:

(25)

где - параметры уравнения множественной регрессии в натуральном масштабе.

Еще легче вычислить совокупный коэффициент детерминации, используя уравнение регрессии в стандартизированном виде:

(26)

Через соотношение факторной и общей дисперсий (или остаточной и общей дисперсий):

, или (27)

где - факторная дисперсия, характеризующая вариацию результативного признака, обусловленную вариацией включенных в анализ факторов;

- общая дисперсия результативного признака;

- остаточная дисперсия, характеризующая отклонения фактических уровней результативного признака от рассчитанных по уравнению множественной регрессии .

Совокупный коэффициент множественной корреляции R представляет собой корень квадратный из совокупного коэффициента детерминации R². Пределы его изменения: . Чем ближе его значение к 1, тем точнее уравнение множественной линейной регрессии отражает реальную связь. Иначе говоря, среди отобранных факторов присутствуют те, которые решающим образом влияют на результативный. Малое значение R можно объяснить тем либо тем, что в уравнение множественной регрессии не включены существенно влияющие на результат факторы, либо тем, что установленная линейная форма зависимости не отражает реальной взаимосвязи признаков. Добиться адекватности модели множественной регрессии эмпирическим данным возможно, соответственно, либо включением в уравнение регрессии дополнительных, ранее не учитываемых факторов, либо построением нелинейной модели множественной регрессии.

3. Корреляционный анализ данных ВТО по РФ

Рассмотрим практическое применение данного метода на основе данных внешнеторгового оборота по РФ за 2012год. В качестве факторного признака (x) примем размер ВТО, в качестве результативного (y) - экспорт по РФ.

Для выявления наличия и характера связи между данными признаками будем использовать ряд методов таможенной статистики.

Таблица 1 - Данные ВТО по РФ за 2012 г.

Месяц	ВТО (млрд. долл.)	Экспорт (млрд. руб.)
Январь	37, 829	120, 51
Февраль	33, 425	121, 15
Март	49, 005	130, 85
Апрель	38, 740	132, 40
Май	44, 644	135, 54
Июнь	55, 889	139, 08
Июль	42, 620	142, 74
Август	56, 356	145, 60
Сентябрь	47, 220	150, 25
Октябрь	35, 150	155, 11
Ноябрь	60, 080	169, 26
Декабрь	39, 025	170, 09
Итого	539, 983	1712, 58

Метод 1. Рассмотрение параллельных данных.

Разложим единицу наблюдения по возрастанию значений факторного признака и затем сравним с ним поведение результативного признака.

Таблица 2 - Вспомогательная таблица

33, 425	121, 15	-	-
35, 150	155, 11	-	+
37, 829	120, 51	-	-
38, 740	132, 40	-	-
39, 025	170, 09	-	+
42, 620	142, 74	-	+
44, 644	135, 54	-	-
47, 220	150, 25	+	+
49, 005	130, 85	+	-
55, 829	139, 08	+	-
56, 356	145, 60	+	+
60, 080	169, 26	+	+

Найдем значения :

В данном примере в семи случаях при увеличении ВТО увеличивается и экспорт, в пяти случаях этого не происходит.

Метод 2. Графический метод.

Используя систему координат каждую пару показателей изобразим в виде точек на плоскости.

Рисунок 2 - График корреляционной зависимости

В нашем примере линия регрессии похожа на восходящую кривую, что позволяет сделать вывод о наличии прямой связи.

Метод 3. Коэффициент корреляции знаков Фехнера.

Данный показатель основан на сравнении отклонений индивидуальных значений x и y от своей средней величины.

При этом учитывается не величина отклонений, а только их знаки.

Если знаки всех отклонений совпадут, то, что характеризует наличие прямой связи; если все знаки не совпадут, то, что характеризует наличие обратной связи; если сумма совпадений равна сумме несовпадений, то

...