Признаки единиц совокупности и их классификация

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Введение

Статистика - это наука, которая особыми методами изучает размеры и количественные соотношения массовых социально-экономических процессор или явлений в условиях конкретного места и времени и дает числовое выражение проявляющимся в них закономерностям и тенденциям развития.

Общая теория статистики рассматривает принципы, правила и методы изучения количественной стороны массовых общественных явлений.

Объект статистики - явления и социально-экономические процессы общественной жизни.

Предметом статистического изучения выступает совокупность явлений (процессов).

1. Признаки единиц статистической совокупности, их классификация

Единицы статистической совокупности обладают определенными свойствами, которые называются признаками. Статистика изучает явления через их признаки, чем более однородна совокупность, тем больше общих признаков имеют ее единицы и тем меньше варьируют значения этих признаков.

- описательный признак - признак, который может быть выражен только словесно;

- количественный признак - признак, который может быть выражен численно;

- прямой признак - свойство непосредственно присуще характерному объекту;

- косвенный признак - свойства не самого характеризуемого объекта, а объекта связанного с ним либо входящих в него;

- первичный признак - абсолютная величина, может быть измерен;

- вторичный признак - результат сопоставления первичных признаков, он измеряется непосредственно;

- натуральный признак - измеряется в штуках, кг, тоннах, литрах и т.д.;

- трудовой признак - измеряется в человеко-днях, человеко-часах;

- стоимостной признак - измеряется в рублях, $, €, ?;

- безразмерный признак - измерение в долях, %;

- альтернативный признак - признак, который принимает только одно значение из нескольких возможных;

- дискретный признак - принимает только целое значение, без промежуточного;

- непрерывный признак - признак, принимающий любые значения в определенном диапазоне;

- факторный признак - признак, под действием которого изменяется другой признак;

- результативный признак - признак, который изменяется под признаком другого;

- моментный признак - признак, измеренный на определенный момент времени;

- интервальный признак - признак за определенный интервал времени.

Один и тот же признак может быть классифицирован одновременно по разным классификациям.

Признаки по форме выражения.

Описательный признак - это признак, который может быть выражен только словесно.

Количественный признак - это признак, который может быть выражен численно.

Признаки по отношению к объекту.

Прямой признак - этот признак свойственен непосредственно характерному объекту.

Косвенный признак - этому признаку присуще свойства не самого характеризуемого объекта, а объекта связанного с ним либо входящих в него.

Признаки по способу измерения.

Первичный признак - это абсолютная величина, и признак может быть

измерен.

Вторичный признак - это результат сопоставления первичных признаков, он измеряется непосредственно.

Признаки по виду измерителя.

Натуральный признак - этот признак измеряется в штуках, килограммах, тоннах, литрах и т.д.

Трудовой признак - этот признак измеряется в человеко-днях, человеко-часах.

Стоимостной признак - измеряется в рублях, $, €, ?.

Безразмерный признак - его измерение в долях, %.

Альтернативный признак - признак, который принимает только одно значение из нескольких возможных.

Дискретный признак - принимает только целое значение, без промежуточного.

Непрерывный признак - признак, принимающий любые значения в определенном диапазоне.

Факторный признак - признак, под действием которого изменяется другой признак.

Результативный признак - признак, который изменяется под признаком другого.

Моментный признак - признак, измеренный на определенный момент времени.

Интервальный признак - признак за определенный интервал времени.

2. Понятие о статистическом показателе и системе показателей

Статистический показатель - это качественно определенная переменная величина, количественно характеризующая объект исследования или его свойства. Качественную определенность обеспечивает набор признаков, содержащихся в его определении. Количественная определенность показателя связана с признаками места и времени.

В процессе развития экономики показатели видоизменяются, появляются новые показатели, ликвидируются ранее действующие.

Учитывая сложный взаимосвязанный характер социально-экономических явлений, их нельзя охарактеризовать с помощью одного или нескольких разрозненных статистических характеристик. Необходима система взаимосвязанных статистических показателей, представляющих собой статистическую модель экономики и общества.

Система статистических показателей - это совокупность взаимосвязанных показателей, имеющая одноуровневую или многоуровневую структуру и нацеленная на решение конкретной статистической задачи. Так, например, сущность промышленного предприятия заключается в производстве какой - либо продукции на базе эффективного взаимодействия средств производства и трудовых ресурсов. Следовательно, для полной экономической характеристики функционирования предприятия необходимо использовать систему, содержащую, прежде всего такие показатели, как прибыль, рентабельность, численность промышленно-производственного персонала, производительность труда и т.д.

В отличие от признака, статистический показатель получается расчетным путем. Это может быть простой подсчет единиц совокупности, суммирование их значений признака, сравнения двух или нескольких величин или более сложные расчеты. Различают конкретный статистический показатель и показатель-категорию.

Конкретный статистический показатель характеризует размер, величину изучаемого явления или процесса в данном месте и в данное время (под привязкой к месту понимается отношение показателя к какой-либо территории или объекту). Так, если мы называем конкретную величину стоимости промышленно-производственных фондов, то обязательно должны указать, к какому предприятию или отрасли и какому моменту времени она относится. Однако в теоретических работах и на этапе проектирования статистического наблюдения (при построении системы статистических показателей, обосновании методики их расчета) также оперируют и абстрактными показателями или показателями - категориями.

Все статистические показатели по охвату единиц совокупности разделяются на индивидуальные и сводные, а по форме выражения - на абсолютные, относительные и средние.

Индивидуальные показатели характеризуют отдельный объект или отдельную единицу совокупности - предприятие, фирму, банк, домохозяйство и т.п. Примером индивидуальных абсолютных показателей может служить численность промышленно-производственного персонала предприятия, оборот торговой фирмы, совокупный доход домохозяйства.

На основе соотнесения двух индивидуальных показателей, характеризующих один и тот же объект или единицу, получают индивидуальный относительный показатель. В статистике рассчитываются и индивидуальные средние показатели, но только во временном измерении (среднегодовая численность персонала предприятия).

Сводные показатели, в отличие от индивидуальных, характеризуют группу единиц, представляющую собой часть статистической совокупности или всю совокупность в целом. Эти показатели, в свою очередь, подразделяются на объемные и расчетные.

Объемные показатели получают путем сложения значений признака отдельных единиц совокупности. Полученная величина, называемая объемом признака, может выступать в качестве объемного абсолютного показателя (например, стоимость основных фондов предприятий отрасли), а может сравниваться с другой объемной абсолютной величиной (например, с численностью промышленно-производственного персонала этих предприятий) или объемом совокупности (в данном примере - с числом предприятий). В последних двух случаях получают объемный относительный и объемный средний показатели (в наших примерах - фондовооруженность и средняя стоимость основных фондов).

Расчетные показатели, вычисляемые по различным формулам, служат для решения отдельных статистических задач анализа - измерения вариации, характеристики структурных сдвигов, оценки взаимосвязи и т.д. Они также делятся на абсолютные, относительные или средние. В эту группу входят индексы, коэффициенты тесноты связи, ошибки выборки и прочие показатели.

Охват единиц совокупности и форма выражения являются основными, но не единственными классификационными признаками статистических показателей. Важным классификационным признаком является также временной фактор. Социально-экономические процессы и явления находят свое отражение в статистических показателях либо по состоянию на определенный момент времени, как правило, на определенную дату, начало или конец месяца, года (численность населения, стоимость основных фондов, дебиторская задолженность), либо за определенный период - день, неделю, месяц, квартал, год (производство продукции, число заключенных браков, сумма страховых выплат). В первом случае показатели являются моментными, во втором - интервальными.

В зависимости от принадлежности к одному или двум объектам изучения различают однообъектные и межобъектные показатели. Если первые характеризуют только один объект, то вторые получают в результате сопоставления двух величин, относящихся к разным объектам (соотношение численности населения городов Екатеринбурга и Челябинска, соотношение детей дошкольного возраста и числа мест в детских дошкольных учреждениях и т.п.). Межобъектные показатели выражаются в форме относительных или средних величин. С точки зрения пространственной определенности статистические показатели подразделяют на общетерриториальные, характеризующие изучаемый объект или явление в целом по стране, региональные и местные (локальные), относящиеся к какой-либо части территории или отдельному объекту.

3. Приемы математической статистики в экономических исследованиях

Способы и приемы экономического анализа можно условно подразделить на две группы: традиционные и математические. В число основных традиционных способов и приемов экономического анализа можно включить использование абсолютных, относительных и средних величин; применения сравнения, группировки, индексного метода, метода цепных подстановок. Это такие способы и приемы, которое нашли применение почти с момента возникновения экономического анализа как обособленной отрасли специальных знаний. Многие математические способы вошли в круг аналитических разработок значительно позже, когда был налажен выпуск быстродействующих ЭВМ.

Широкое использование математических методов является важным направлением совершенствования экономического анализа деятельности предприятий и их подразделений. Это достигается за счет сокращения сроков проведения анализа, более полного охвата влияния факторов на результаты коммерческой деятельности, замены приближенных или упрощенных расчетов точными вычислениями, постановки и решения новых многомерных задач анализа, практически не выполнимых вручную или традиционными методами.

Рассмотрим наиболее часто встречающиеся математические приемы и способы экономического анализа.

Методы элементарной математики (дифференциальное и интегральное исчисление, вариационное исчисление) используются в обычных традиционных экономических расчетах при обосновании потребностей в ресурсах, учете затрат на производство, разработке планов, проектов, при балансовых расчетах и т.д.

Значительное распространение в экономическом анализе имеют методы математической статистики. Эти методы применяются в тех случаях, когда изменение анализируемых показателей можно представить как случайный процесс. Статистические методы, являясь основным средством изучения массовых, повторяющихся явлений, играют важную роль в прогнозировании поведения экономических показателей. Наибольшее распространение из математико-статистических методов в экономическом анализе получили методы множественного и парного корреляционного анализа. Для изучения одномерных статистических совокупностей используются: вариационный ряд, законы распределения, выборочный метод. Для изучения многомерных статистических совокупностей применяют корреляции, регрессии, дисперсионный, ковариационный, факторный виды анализа.

Эконометрические методы строятся на синтезе трех областей знаний: экономики, математики и статистики. Основой эконометрии является экономическая модель, под которой понимается схематическое представление экономического явления или процесса с помощью научной абстракции, отражения их характерных черт. Наибольшее распространение в современной экономике получил метод анализа экономики «затраты - выпуск». Это матричные (балансовые) модели, строящиеся по шахматной схеме и позволяющие в наиболее компактной форме представить взаимосвязь затрат и результатов производства. Удобство расчетов и четкость экономической интерпретации - главные особенности матричных моделей.

Метода математического программирования - основное средство решения задач оптимизации производственно-хозяйственной деятельности. По своей сути эти методы - средство плановых расчетов. Ценность их для экономического анализа выполнения бизнес-планов состоит в том, что они позволяют оценивать напряженность плановых заданий, определять лимитирующие группы оборудования, виды сырья и материалов, получать оценки дефицитности производственных ресурсов и т.д.

Также в экономическом анализе используется метод исследования операций. Под исследованием операций понимаются разработка методов целенаправленных действий (операций), количественная оценка полученных решений и выбор из них наилучшего. Предметом исследования операций являются экономические системы, в том числе производственно-хозяйственная деятельность предприятий. Целью является такое сочетание структурных, взаимосвязанных элементов систем, которое в наибольшей степени отвечает задаче получения наилучшего экономического показателя из ряда возможных.

Теория игр как раздел исследования операций - это теория математических моделей принятия оптимальных решений в условиях неопределенности или конфликта нескольких сторон, имеющих различные интересы.

Теория массового обслуживания исследует на основе теории вероятностей математические методы количественной оценки процессов массового обслуживания. Так, любое из структурных подразделений промышленного предприятия можно представить как объект системы обслуживания.

Экономическая кибернетика анализирует экономические явления и процессы в качестве очень сложных систем с точки зрения законов и механизмов управления и движения информации в них.

Наибольшее распространение в экономическом анализе получили методы моделирования и системного анализа. Используются главным образом математические модели, описывающие изучаемое явление или процесс с помощью уравнений, неравенств, функций и других математических средств. Моделирование и анализ периодических колебаний экономических показателей имеют большое значение в управлении хозяйственной деятельностью, в частности на предприятиях с сезонным характером производства, в торговле. Для моделирования периодических колебаний применяются методы спектрального и гармонического анализа. Такие исследования позволяют более точно и обоснованно разрабатывать плановые задания, уточнять мероприятия по улучшению организации труда и производства.

Приведем краткие описания (типа статей в энциклопедических изданиях) математической статистики и ее наиболее важных для эконометрики сравнительно новых разделов, разработанных в основном после 1970 г., а именно, статистики объектов нечисловой природы и статистики интервальных данных.

Статистика математическая - наука о математических методах анализа данных, полученных при проведении массовых наблюдений (измерений, опытов). В зависимости от математической природы конкретных результатов наблюдений статистика математическая делится на статистику чисел, многомерный статистический анализ, анализ функций (процессов) и временных рядов, статистику объектов нечисловой природы. Существенная часть статистики математической основана на вероятностных моделях.

Выделяют общие задачи описания данных, оценивания и проверки гипотез. Рассматривают и более частные задачи, связанные с проведением выборочных обследований, восстановлением зависимостей, построением и использованием классификаций (типологий) и др.

Для описания данных строят таблицы, диаграммы, иные наглядные представления, например, корреляционные поля. Вероятностные модели обычно не применяются. Некоторые методы описания данных опираются на продвинутую теорию и возможности современных компьютеров. К ним относятся, в частности, кластер-анализ, нацеленный на выделение групп объектов, похожих друг на друга, и многомерное шкалирование, позволяющее наглядно представить объекты на плоскости, в наименьшей степени исказив расстояния между ними.

Методы оценивания и проверки гипотез опираются на вероятностные модели порождения данных. Эти модели делятся на параметрические и непараметрические. В параметрических моделях предполагается, что изучаемые объекты описываются функциями распределения, зависящими от небольшого числа (1-4) числовых параметров. В непараметрических моделях функции распределения предполагаются произвольными непрерывными. В статистике математической оценивают параметры и характеристики распределения (математическое ожидание, медиану, дисперсию, квантили и др.), плотности и функции распределения, зависимости между переменными (на основе линейных и непараметрических коэффициентов корреляции, а также параметрических или непараметрических оценок функций, выражающих зависимости) и др. Используют точечные и интервальные (дающие границы для истинных значений) оценки.

В статистике математической есть общая теория проверки гипотез и большое число методов, посвященных проверке конкретных гипотез. Рассматривают гипотезы о значениях параметров и характеристик, о проверке однородности (т.е. о совпадении характеристик или функций распределения в двух выборках), о согласии эмпирической функции распределения с заданной функцией распределения или с параметрическим семейством таких функций, о симметрии распределения и др.

Большое значение для эконометрики имеет раздел статистики математической, связанный с проведением выборочных обследований, со свойствами различных схем организации выборок и построением адекватных методов оценивания и проверки гипотез.

Задачи восстановления зависимостей активно изучаются более 200 лет, с момента разработки К. Гауссом в 1794 г. метода наименьших квадратов. В настоящее время наиболее актуальны методы поиска информативного подмножества переменных и непараметрические методы.

Различные методы построения (кластер-анализ), анализа и использования (дискриминантный анализ) классификаций (типологий) именуют также методами распознавания образов (с учителем и без), автоматической классификации и др.

Математические методы в статистике основаны либо на использовании сумм (на основе Центральной Предельной Теоремы теории вероятностей) или показателей различия (расстояний, метрик), как в статистике объектов нечисловой природы. Строго обоснованы обычно лишь асимптотические результаты. В настоящее время компьютеры играют большую роль в статистике математической. Они используются как для расчетов, так и для имитационного моделирования (в частности, в методах размножения выборок и при изучении пригодности асимптотических результатов).

Статистика объектов нечисловой природы - раздел математической статистики, в котором статистическими данными являются объекты нечисловой природы, т.е. элементы множеств, не являющихся линейными пространствами. Объекты нечисловой природы нельзя складывать и умножать на число. Примерами являются результаты измерений в шкалах наименований, порядка, интервалов; ранжировки, разбиения, толерантности и другие бинарные отношения; результаты парных и множественных сравнений; люсианы, т.е. конечные последовательности из 0 и 1; множества; нечеткие множества. Необходимость применения объектов нечисловой природы возникает во многих областях научной и практической деятельности, в том числе и в социологии. Примерами являются ответы на «закрытые» вопросы в эконометрических, маркетинговых, социологических анкетах, в которых респондент должен выбрать одну или несколько из фиксированного числа подсказок, мили измерение мнений о привлекательности (товаров, услуг, профессий, политиков и др.), проводимое по порядковой шкале. Наряду со специальными теориями для каждого отдельного вида объектов нечисловой природы в статистике объектов нечисловой природы имеется и теория обработки данных, лежащих в пространстве общей природы, результаты которой применимы во всех специальных теориях.

В статистике объектов нечисловой природы классические задачи математической статистики - описание данных, оценивание, проверку гипотез - рассматривают для данных неклассического типа, что приводит к своеобразию постановок задач и методов их решения. Например, из-за отсутствия линейной структуры в пространстве, в котором лежат статистические данные, в статистике объектов нечисловой природы математическое ожидание определяют не через сумму или интеграл, как в классическом случае, а как решение задачи минимизации некоторой функции. Эта функция представляет собой математическое ожидание (в классическом смысле) показателя различия между значением случайного объекта нечисловой природы и фиксированным элементом пространства. Эмпирическое среднее определяют как результат минимизации суммы расстояний от нечисловых результатов наблюдений до фиксированного элемента пространства. Справедлив закон больших чисел: эмпирическое среднее сходится при увеличении объема выборки к математическому ожиданию, если результаты наблюдений являются независимыми одинаково распределенными случайными объектами нечисловой природы и выполнены некоторые математические «условия регулярности».

Аналогичным образом определяют условное математическое ожидание и регрессионную зависимость. Из доказанной в статистике объектов нечисловой природы сходимости решений экстремальных статистических задач к решениям соответствующих предельных задач вытекает состоятельность оценок в параметрических задачах оценивания параметров и аппроксимации, а также ряд результатов в многомерном статистическом анализе. Большую роль в статистике объектов нечисловой природы играют непараметрические методы, в частности, методы непараметрической оценки плотности и регрессионной зависимости в пространствах общей природы, в том числе и в дискретных пространствах.

Для решения многих задач статистики объектов нечисловой природы - нахождения эмпирического среднего, оценки регрессионной зависимости, классификации наблюдений и др. - используют показатели различия (меры близости, расстояния, метрики) между элементами рассматриваемых пространств, вводимые аксиоматически. Так, в монографии [6] аксиоматически введено расстояние между множествами. Принятое в теории измерений как части статистики объектов нечисловой природы условие адекватности (инвариантности) алгоритмов анализа данных позволяет указать вид средних величин, расстояний, показателей связи и т.д., соответствующих измерениям в тех или иных шкалах. Методы построения, анализа и использования классификаций и многомерного шкалирования дают возможность сжать информацию и дать ей наглядное представление. К статистике объектов нечисловой природы относятся методы ранговой корреляции, статистического анализа бинарных отношений (ранжировок, разбиений, толерантностей), параметрические и непараметрические методы обработки результатов парных и множественных сравнений. Теория люсианов (последовательностей независимых испытаний Бернулли) развита в асимптотике растущей размерности.

Статистика интервальных данных (СИД) - раздел статистики объектов нечисловой природы, в котором элементами выборки являются интервалы в R, в частности, порожденные наложением ошибок измерения на значения случайных величин. СИД входит в теорию устойчивости (робастности) статистических процедур и примыкает к интервальной математике. В СИД изучены проблемы регрессионного анализа, планирования эксперимента, сравнения альтернатив и принятия решений в условиях интервальной неопределенности и др.

Развиты асимптотические методы статистического анализа интервальных данных при больших объемах выборок и малых погрешностях измерений. В отличие от классической математической статистики, сначала устремляется к бесконечности объем выборки и только потом - уменьшаются до нуля погрешности. Разработана общая схема исследования, включающая расчет двух основных характеристик СИД - н о т н ы (максимально возможного отклонения статистики, вызванного интервальностью исходных данных) и рационального объема выборки (превышение которого не дает существенного повышения точности оценивания и статистических выводов, связанных с проверкой гипотез). Она применена к оцениванию математического ожидания и дисперсии, медианы и коэффициента вариации, параметров гамма-распределения и характеристик аддитивных статистик, для проверки гипотез о параметрах нормального распределения, в т.ч. с помощью критерия Стьюдента, а также гипотезы однородности двух выборок по критерию Смирнова, и т.д. Разработаны подходы СИД в основных постановках регрессионного, дискриминантного и кластерного анализов. Многие утверждения СИД отличаются от аналогов из классической математической статистики. В частности, не существует состоятельных оценок: средний квадрат ошибки оценки, как правило, асимптотически равен сумме дисперсии этой оценки, рассчитанной согласно классической теории, и квадрата нотны. Метод моментов иногда оказывается точнее метода максимального правдоподобия. Нецелесообразно с целью повышения точности выводов увеличивать объем выборки сверх некоторого предела. В СИД классические доверительные интервалы должны быть расширены вправо и влево на величину нотны, и длина их не стремится к 0 при росте объема выборки.

Многим задачам классической математической статистики могут быть поставлены в соответствие задачи СИД, в которых элементы выборок - действительные числа заменены на интервалы. В статистическое программное обеспечение включают алгоритмы СИД, «параллельные» их аналогам из классической математической статистики. Это позволяет учесть наличие погрешностей у результатов наблюдений.

Заключение

Экономический анализ в отличие от физического, химического и прочих относится к абстрактно-логическому методу исследования экономических явлений, где невозможно использовать ни микроскопы, ни химические реактивы, где то и другое должна заменить сила абстракции. Аналитические способности человека возникли и совершенствовались в связи с объективной необходимостью постоянной оценки своих действий, поступков в условиях окружающей среды. Это всегда побуждало к поиску наиболее эффективных способов труда, использования ресурсов.

С увеличением численности населения, совершенствованием средств производства, ростом материальных и духовных потребностей человека анализ постепенно стал первейшей жизненной необходимостью цивилизованного общества. Без анализа сегодня вообще невозможна сознательная деятельность людей.

Развитие производительных сил, производственных отношений, наращивание объемов производства, расширение обмена содействовали выделению экономического анализа как самостоятельной отрасли науки.

Экономический анализ - это научный способ познания сущности экономических явлений и процессов, основанный на расчленении их на составные части и изучении их во всем многообразии связей и зависимостей.

Существуют различные классификации методов экономического анализа. Первый уровень классификации выделяют:

- неформализованные;

- формализованные методы анализа.

Неформализованные методы - основаны на описании аналитических процедур на логическом уровне, а не на строгих аналитических зависимостях. Это методы экспертных оценок, сценариев, морфологические, сравнения и др. Применение этих методов характеризуется определенным субъективизмом, поскольку большое значение имеют интуиция, опыт и знания аналитика. Неформализованные методы анализа (разработка системы показателей, метод сравнения, построения аналитических таблиц, прием детализации, метод экспертных оценок, методы чтения и анализа бухгалтерской отчетности).

Формализованные методы - в их основе лежат достаточно строгие формализованные аналитические зависимости. Известны десятки этих методов. Перечислим некоторые из них.

Классические методы анализа хозяйственной деятельности и финансового анализа: цепных подстановок, арифметических разниц, балансовый, выделения изолированного влияния факторов, процентных чисел, дифференциальный, логарифмический, интегральный, простых и сложных процентов, дисконтирования.

Список использованных источников

статистика математический дисциплина

1. Гусаров В.М. Статистика: учеб.пособие для вузов.-2-е изд., перераб. и доп.- М.: ЮНИТИ - ДАНА, 2008.-479 с.

2. Монахов А.В. Математические методы анализа экономики. СПб.: Издательство «Питер«, серия «Краткий курс» , 2012.-283 с.

3. Пинегина М.В. Математические методы и модели в экономике. М.: Издательство «Экзамен», 2012.-198 с.

4. Общая теория статистики: учеб. для студ. вузов / ред. О.Э.Башина, А.А. Спирин.- 5-е изд., доп. И перераб.-М.: Финансы и статистика, 2006.- 440 с.

Размещено на Allbest.ru