Статистические методы изучения взаимосвязи социально-экономических явлений

В статистическом анализе также применяются степенные средние 3-го и более высоких порядков.

Правило мажорантности средних: с ростом показателя степени значения средних возрастают.

(1.10)

Средняя прогрессивная - средняя для “лучших” значений признака.

Свойства средней арифметической

Средняя арифметическая постоянной величины равна самой величине.

Если все варианты x_i увеличить (уменьшить) на одно и тоже число c, увеличится (уменьшится) на то же число.

. (1.11)

Если все варианты x_i увеличить (уменьшить) в одно и то же число раз k, увеличится (уменьшится) в то же число раз.

. (1.12)

Средняя арифметическая отклонений вариантов от средней арифметической равна 0.

. (1.13)

По свойству 2 при : .

Средняя арифметическая алгебраической суммы признаков равна такой же сумме средней арифметической этих признаков.

. (1.14)

Если ряд состоит из нескольких групп, общая средняя равна средней арифметической групповых средних, причем весами являются объемы группы.

, (1.15)

где - средняя арифметическая группы i;

N - общий объем ряда ();

n_i - объем группы i ().

. (1.16)

1.2 Средние структурные величины

В условиях недостаточности средних используют структурные средние величины - моду и медиану.

Медиана (Ме) - это вариант, который находится а середине вариационного ряда. Медиана делит ряд на две равные (по числу наблюдений) части. В ранжированных рядах не сгруппированных данных нахождение медианы сводится к отысканию порядкового номера и значения варианта у этого номера.

Медиана в интервальных вариационных рядах рассчитывается по формуле:

, (1.17)

где х₀ - нижняя граница медианного интервала (накопленная частота которого превышает половину общей суммы частот);

- величина медианного интервала;

- накопленная частота интервала, предшествующего медианному;

- частота медианного интервала.

Также в интервальных вариационных рядах медиана может быть найдена с помощью кумуляты как значение признака, для которого

или .

Главное свойство медианы заключается в том, что сумма абсолютных отклонений значений признака от медианы меньше, чем от любой другой величины:

.

Модой (Мо) вариационного ряда называется вариант, которому соответствует наибольшая частота.

Для вычисления моды в интервальном ряду сначала находится модальный интервал, имеющий наибольшую частоту (или наибольшую плотность распределения - отношение частоты интервала к его величине n_i/h_i - в интервальном ряду с неравными интервалами), а значение моды определяется линейной интерполяцией:

, (1.18)

где х_о - нижняя граница модального интервала;

- величина модального интервала;

, , - частота n_i (в интервальном ряду с равными интервалами) или плотность распределения n_i/h_i (в интервальном ряду с неравными интервалами) модального, до и послемодального интервала.

Мода так же, как и медиана обладает определенной устойчивостью к вариации признака. Если в совокупности первичных признаков нет повторяющихся значений, то для определения моды проводят группировку.

Графически отобразить моду по гистограмме можно следующим образом: нужно взять столбец, имеющий наибольшую высоту, и из его левого верхнего угла провести отрезок в угол последующего столбца, а из правого угла - в верхний правый угол предыдущего столбца, абсцисса точки пересечения отрезков и будет соответствовать модальному значению признака в изучаемой совокупности. Медиану приближенно можно определить графически - по кумуляте. Для этого высоту наибольшей ординаты, которая соответствует общей численности совокупности, делят пополам. Через полученную точку проводят прямую, параллельную оси абсцисс, до пересечения ее с кумулятой. Абсцисса точки пересечения и есть медиана (рисунок 1.1)

Рис. 1.1 Графическое отображение интервального вариационного ряда

В симметричных рядах имеет место следующее соотношение моды, медианы и средней арифметической .

В случае, если , имеет место левосторонняя асимметрия ряда.

В случае, если , имеет место правосторонняя асимметрия ряда.

Мода и медиана, в отличие от степенных средних, являются конкретными характеристиками ряда. Медиана - характеризует центр, вычисляется проще и не чувствительна к концам интервала. Мода - наиболее вероятное значение в изучаемой совокупности (например, наиболее возможные результаты).

2. Анализ вариационных рядов

2.1 Показатели вариации

Вариацией называется изменяемость, колеблемость величины признака. Вариация проявляется в отклонениях от средних и зависит от множества факторов, влияющих на социально-экономическое явление. Вариация бывает случайной и систематической, существует в пространстве и во времени. Показатели вариации делятся на абсолютные и относительные (таблица 2.1).

Таблица 2.1 - Показатели вариации

* - Здесь f_i - частота ().

Относительные показатели (коэффициент вариации, линейный коэффициент вариации, коэффициент осцилляции) строятся с учетом базы (в виде средней), выражаются в процентах и дают характеристику однородности совокупности. Совокупность считается однородной, если коэффициент вариации

.(2.11)

Для расчета дисперсии можно использовать модифицированную формулу:

.(2.12)

Выведем эту формулу из формулы (2.5)

Для расчета дисперсии можно использовать способ отсчета от условного нуля, который позволяет упростить вычисления при больших значениях признака. Тогда дисперсия вычисляется по формуле:

,(2.13)

где h - величина интервала;

А - условный нуль, в качестве которого можно использовать как середину серединного интервала, так и середину интервала с наибольшей частотой.

2.1.1 Свойства дисперсии

Дисперсия постоянной величины равна нулю.

Если у всех значений вариантов отнять какое-то постоянное число А, то средний квадрат отклонений (дисперсия) от этого не изменится

.(2.14)

Это значит, что дисперсию можно вычислить не по заданным значениям признака, а по их отклонениям от какого-то постоянного числа, например условного нуля (см. формулу 2.13).

Если все значения вариантов разделить на какое-то постоянное число А, то дисперсия уменьшится в А² раз:

.(2.15)

Если распределение признака близко к нормальному или симметричному, то по правилу мажорантности (т.к. среднее квадратическое отклонение - средняя геометрическая величина, а среднее линейное отклонение - средняя арифметическая) среднее квадратическое отклонение больше среднего линейного отклонения (), причем

,.(2.16)

Размах вариации, среднее линейное и среднее квадратичное отклонение - это именованные величины. Единицей измерения у них и у исходных значений признака совпадают. Дисперсия может быть задана в ед.² признака или в % отклонений.

2.1.2 Вариация альтернативного признака

Альтернативные признаки - два противоположных, взаимоисключающих друг друга качественных признака, которыми одни единицы совокупности обладают (значение варианта 1), а другие не обладают (значение варианта 0) (например, пол - мужской и женский, население - городское и сельское, продукция - годная и бракованная).

Частостью (p) является доля единиц, обладающих данным признаком, в общей численности совокупности и (q = 1 - p) - доля единиц, не обладающих данным признаком, в общей численности совокупности.

Средняя арифметическая альтернативного признака

.(2.18)

Дисперсия альтернативного признака

,(2.19)

т.е. дисперсия альтернативного признака равна произведению доли единиц, обладающих данным признаком, и доли единиц, не обладающих этим признаком.

Исходя из того, что p + q = 1:

;.(2.20)

2.2 Виды дисперсий в совокупности, разделенной на части. Правило сложения дисперсий

Если исходная совокупность является такой, что по значениям признака она делится на l групп, то общая дисперсия складывается из частных дисперсий. В таблице 2.2 представлен анализ такой совокупности.

Таблица 2.2 - Определение исходной совокупности по группам

Здесь j - номер группы ();

х_i - i-е значение признака ();

f_ij - частота i-го значения признака, число единиц в j-й группе;

m_i - сумма частот i-го значения признака в каждой группе;

n_j - сумма частот всех значений признака в j-й группе;

N - сумма частот всех значений признака во всех группах (объем совокупности).

Сначала вычисляем l частных средних (), т.е. среднее значение признака в каждой группе:

.(2.22)

На основе частных средних определяем общую среднюю () по формулам

или.(2.23)

Общая дисперсия совокупности

.(2.24)

Общая дисперсия отражает вариацию признака за счет всех факторов, действующих в данной совокупности.

Вариацию между группами за счет признака-фактора, положенного в основу группировки, отражает межгрупповая дисперсия, которая исчисляется как средний квадрат отклонений групповой средней от общей средней:

.(2.25)

Межгрупповая дисперсия характеризует систематическую вариацию результативного признака, т.е. вариацию между группами за счет признака-фактора, положенного в основу группировки.

Вариацию внутри каждой группы изучаемой совокупности отражает внутригрупповая дисперсия, которая исчисляется как средний квадрат отклонений значений признака х от частной средней :

или .(2.26)

Для всей совокупности внутригрупповую вариацию будет выражать средняя из внутригрупповых дисперсий, которая рассчитывается как средняя арифметическая из внутригрупповых дисперсий:

.(2.27)

Внутригрупповая дисперсия отражает случайную вариацию, т.е. часть вариации обусловленную влиянием неучтенных факторов и не зависящую от признака-фактора, положенного в основу группировки.

Между представленными видами дисперсий существует определенное соотношение, которое известно как правило сложения дисперсий:

.(2.28)

Таким образом, общая дисперсия складывается из двух слагаемых: первое - средняя из внутригрупповых дисперсий - измеряет вариацию внутри частей совокупности, второе - межгрупповая дисперсия - вариацию между средними этих частей.

Правило сложения дисперсий позволяет выявить зависимость результатов от определяющих факторов с помощью соотношения межгрупповой и общей дисперсий. Это соотношение называется эмпирическим коэффициентом детерминации (?²) и показывает долю вариации результативного признака под влиянием факторного.

.(2.29)

Эмпирическое корреляционное отношение (?) показывает тесноту связи между исследуемым явлением и группировочным признаком.

.(2.30)

?² и ? [0, 1]. (2.31)

Если связь отсутствует, то = 0. В этом случае межгрупповая дисперсия равна нулю (?²=0), т.е. все групповые средние равны между собой и межгрупповой вариации нет. Это означает, что группировочный признак не влияет на вариацию исследуемого признака х.

Если связь функциональная, то = 1. В этом случае дисперсия групповых средних равна общей дисперсии (). Это означает, что группировочный признак полностью определяет характер изменения изучаемого признака.

Чем больше значение корреляционного отношения приближается к единице, тем полнее (сильнее) корреляционная связь между признаками (таблица 2.3).

Таблица 2.3 - Качественная оценка связи между признаками (шкала Чэддока)

Пример 2.1.

Определим групповые дисперсии, среднюю из групповых дисперсий, межгрупповую дисперсию, общую дисперсию по данным о производительности труда в двух бригадах:

Таблица 2.4

Промежуточные расчеты занесем в таблицы:

Таблица 2.5

Средняя производительность труда для 1-й бригады:

= 13,8 шт./ч.

Средняя производительность труда для 2-й бригады:

= 17,8 шт./ч.

Средняя производительность труда для 1-й и 2-й бригады:

= 15,8 шт./ч.

Таблица 2.6

Эмпирический коэффициент детерминации:

= 0,457 = 45,7%.

Отсюда можно сделать вывод, что общая вариация производительности труда на 45,7% обусловлена вариацией между группами.

Эмпирическое корреляционное отношение

= 0,6757.

Значение = 0,6757 показывает заметную связь по шкале Чэддока (см. таблицу 2.3) между исследуемым явлением (производительностью труда) и группировочным признаком (бригады).

3. Моменты распределения. Показатели формы распределения

3.1 Моменты распределения

Для подробного описания особенностей распределения используют дополнительные характеристики - моменты распределения.

Момент распределения k-го порядка - средняя величина отклонений k-й степени от некоторой постоянной величины А:

.(3.1)

Практически используют моменты первых четырех порядков. Если А = , то моменты центральные; А = 0, то моменты начальные; А - произвольное число, то моменты условные.

Таблица 3.1

3.2 Показатели формы распределения

Нормированный момент третьего порядка является показателем асимметрии распределения :

.(3.5)

Степень существенности асимметрии характеризуется средней квадратической ошибкой, которая зависит от объема наблюдения:

, (3.6)

Если , то асимметрия существенна.

При симметричном распределении варианты, равноудаленные от , имеют одинаковую частоту, поэтому = 0, а следовательно, и ?3=0.

Если ?3 < 0, то в вариационном ряду преобладают (имеют большую частоту) варианты, которые меньше , т.е. ряд отрицательно ассиметричен (или с левосторонней скошенностью - более длинная ветвь влево). Положительная асимметрия (правосторонняя скошенность - более длинная ветвь вправо) характеризуется значением ?₃ > 0 (рис. 2.1). В качестве показателя асимметрии применяется и коэффициент асимметрии Пирсона (As):

.(3.7)

Если As= 0, (т.е. ), то распределение симметричное (нормальное).

Если As < 0, то имеет место левосторонняя асимметрия.

Если As > 0,то имеет место правосторонняя асимметрия.

Если |As| > 0,25, то асимметрия значительна; если |As| < 0,25 - незначительна.

Рис. 2.1 Асимметрия распределения

Нормированный момент четвертого порядка характеризует крутизну (заостренность) графика распределения:

.(3.8)

Для нормального распределения ?₄ = 3, поэтому для оценки крутизны исследуемого распределения в сравнении с нормальным из ?₄ вычитается 3 и таким образом рассчитывается показатель эксцесса:

.(3.9)

Если Ex = 0, то распределение симметрично;

Ex > 0, то распределение островершинное;

Ex < 0, то распределение плосковершинное (рис. 3.2).

Рис. 3.2. Эксцесс распределения

3.3 Теоретические кривые распределения

Анализ вариационных рядов предполагает выявление закономерностей распределения, определение и построение (получение) некой теоретической (вероятностной) формы распределения. Характер распределения лучше всего проявляется при большом числе наблюдений и малых интервалах. В этом случае графическое отображение эмпирического вариационного ряда принимает вид плавной кривой, именуемой кривой распределения. Кривая распределения может рассматриваться как некая теоретическая (вероятностная) форма распределения, свойственная определенной совокупности в конкретных условиях.

Таким образом, анализируя частоты в эмпирическом распределении, можно описать его с помощью математической модели - закона распределения, установить по исходным данным параметры теоретической кривой и проверить правильность выдвинутой гипотезы и типе распределения данного ряда.

При исследовании закономерностей распределения очень важно выдвинуть верную гипотезу о типе кривой распределения, так как, если кривая описана математически (с помощью уравнения) верно, она более точно отражает закономерности данного распределения и может быть использована в различных практических расчетах и прогнозах. Кроме того, в этом случае можно сформулировать рекомендации для принятия практических решений.

Теоретическое распределение случайной величины - это математическое выражение функциональной зависимости значений случайной величины x и вероятности ее попадания в соответствующий интервал.

Для построения функции теоретического распределения необходимо знать и и обосновать вид кривой из сведений об экономическом явлении или процессе. Рассмотрим только нормальное распределение, поскольку именно оно наиболее широко применяется при построении статистических моделей.

Распределение непрерывной случайной величины x называют нормальным, если соответствующая ей плотность распределения выражается формулой

,(3.10)

или ,

где x - значение изучаемого признака;

- средняя арифметическая ряда;

² - дисперсия значений изучаемого признака;

- среднее квадратическое отклонение изучаемого признака;

? = 3,1415926;е = 2,7182;

- нормированное отклонение.

Кривая нормального распределения (рис. 3.3) симметрична относительно вертикальной прямой , поэтому среднюю арифметическую ряда называют центром распределения.

Случайные величины, распределенные по нормальному закону, различаются значениями параметров и , поэтому важно выяснить, как эти параметры влияют на вид кривой нормального распределения.

Если не меняется, а изменяется только , то:

1) чем меньше , тем более вытянута кривая (рис. 3.3, а), а так как площадь, ограниченная осью и данной кривой, равна 1, то вытягивание вверх компенсируется сжатием около центра распределения и более быстрым приближением кривой к оси абсцисс;

2) чем больше , тем более плоской и растянутой вдоль оси абсцисс становится кривая.

Если остается неизменной, а изменяется, то кривые нормального распределения имеют одинаковую форму, но отличаются друг от друга положением максимальной ординаты (рис 3.3, б).

Особенности кривой нормального распределения.

1) Кривая симметрична и имеет максимум в точке, соответствующей значению .

2) Кривая асимптотически приближается к оси абсцисс, продолжаясь в обе стороны до бесконечности. Чем больше отдельные значения x отклоняются от , тем реже они встречаются.

3) Кривая имеет две точки перегиба на расстоянии от .

4) Площадь между ординатами, проведенными на расстоянии (заштрихованная область на рис 3.3, б), составляет 0,683. Это означает, что 68,3% всех исследуемых единиц (частот) отклоняется от средней арифметической не более, чем на , т.е. находится в пределах . В промежутке 2 находится 95,4%, а в промежутке 3 соответственно, 99,7% всех единиц исследуемой совокупности.

5) Коэффициенты асимметрии и эксцесса равны нулю.

Рис. 3.3 Кривые нормального распределения

4. Выборочное наблюдение в статистике

Наиболее широко распространенным видом несплошного наблюдения является выборочное наблюдение, при котором обследуются не все единицы изучаемой совокупности, а лишь определенным образом отобранная их часть.

Вся подлежащая изучению совокупность объектов (наблюдений) называется генеральной совокупностью. Выборочной совокупностью или выборкой называется часть генеральной совокупности, отобранная для изучения свойств обеспечивающая репрезентативность.

Отбор из генеральной совокупности проводится таким образом, чтобы на основе выборки можно было получить достаточно точное представление об основных параметрах совокупности в целом. При этом речь идет как о точечной оценке, в качестве которой принимается соответствующее значение средней, доли и т.д., полученное в результате выборки, так и об интервальной оценке, т.е. о тех пределах, в которых с определенной вероятностью может находиться значение искомого параметра в генеральной совокупности. Главное требование, которому должна отвечать выборочная совокупность, -- это требование ее репрезентативности, т.е. представительности.

В статистике результаты сплошного наблюдения иногда оцениваются как выборочные характеристики. Такая трактовка полученных данных имеет место в тех случаях, когда число обследованных единиц невелико и нет твердой уверенности в том, что изучаемые характеристики не могут принимать иных значений, кроме выявленных в результате наблюдения. При проведении экспериментов число значений может быть бесконечно большим, поэтому, формулируя выводы на основе ограниченного их числа, необходимо рассматривать полученные данные как выборочные характеристики.

Распространяя результаты выборочного обследования на генеральную совокупность, следует иметь в виду, что между характеристиками генеральной и выборочной совокупности возможно расхождение, обусловленное тем, что обследуется не, вся совокупность, а лишь ее часть.

Ошибкой статистического наблюдения считается величина отклонения между расчетным и фактическим значениями признаков изучаемых объектов.

Выборочный метод обеспечивает значительную экономию материальных и финансовых ресурсов при проведении статистического наблюдения, что позволяет расширить программу обследования и повысить его оперативность. Второе преимущество - высокая достоверность получаемых данных, так как при относительно небольшом объеме выборки можно организовать эффективный контроль за качеством собираемой информации. Таким образом, снижается вероятность появления ошибок регистрации и необнаружения их на стадии проверки первичной информации. И наконец, в ряде случаев, когда сплошное наблюдение связано с уничтожением или порчей обследуемых единиц (например, при проверке качества поступающих в продажу продуктов питания), возможно только выборочное обследование.

Точность оценок, полученных на основе выборочного метода, зависит не от доли обследованных единиц, а от их числа.

Основные этапы выборочного наблюдения;

1) определение цели, задач и составление программы наблюдения;

2) формирование выборки;

3) сбор данных на основе разработанной программы;

4) анализ полученных результатов и расчет основных характеристик выборочной совокупности;

5) расчет ошибки выборки и распространение ее результатов на генеральную совокупность.

Различают виды выборки:

случайная (собственно-случайная);