Реферат Курсовая Конспект
Кредитные вложения, млн. руб - раздел Финансы, Данные Сквозной Задачи Таблица 0. Данные О ...
|
Данные сквозной задачи
Таблица 0.
Данные о деятельности банков одного из регионов РФ
Номер банка | Кредитные вложения, млн. руб. | Прибыль банков, млн. руб. |
Итого | 17679,00 | 6850,0 |
Задание 1
По исходным данным:
1. Постройте статистический ряд распределения организаций (предприятий) по признаку – Кредитные вложения, образовав 5 групп с равными интервалами.
2. Рассчитайте характеристики интервального ряда распределения: среднюю арифметическую, среднее квадратическое отклонение, коэффициент вариации, моду и медиану.
Сделайте выводы по результатам выполнения задания.
Задание 2
По исходным данным:
1. Установите наличие и характер связи между признаками Кредитные вложения и прибыль банков в среднем на 1 банк методом аналитической группировки, образовав пять групп с равными интервалами по факторному признаку.
2. Измерьте тесноту корреляционной связи между названными признаками с использованием коэффициента детерминации и эмпирического корреляционного отношения.
Сделайте выводы по результатам выполнения задания.
Задание 3
По результатам выполнения задания 1 с вероятностью 0,954 определите:
1. Ошибку выборки среднего размера кредитных вложений и границы, в которых будет находиться среднего размера кредитных вложений банков в генеральной совокупности.
2. Ошибку выборки доли банков с размером кредитных вложений 627,0 млн. руб. и более и границы, в которых будет находиться генеральная доля.
Варьирующие признаки, стат. закономерность, стат. показатель.
Так как статистика имеет дело с массовыми явлениями, то основным понятием является статистическая совокупность.
Статистическая совокупность - определенное множество единиц совокупности, которые количественно отличаются друг от друга своими характеристиками, но объединены какой-либо качественной основой. Могут быть однородными и разнородными.
Иначе говоря, это совокупность объектов или явлений, изучаемых статистикой, которые имеют один или несколько общих признаков и различаются между собой по другим признакам. Так, например, при определении объема розничного товарооборота все предприятия торговли, осуществляющие продажу товаров населению, рассматриваются как единая статистическая совокупность — "розничная торговля".
Тема 2. Статистическое наблюдение.
Абсолютные и относительные величины
Понятие статистического наблюдения. Требования к собираемой информации.
Основные виды, формы и способы наблюдения.
Точность наблюдения и контроль данных наблюдения.
Абсолютные и относительные величины
ТЕМА 3. СВОДКА И ГРУППИРОВКА СТАТИСТИЧЕСКИХ ДАННЫХ.
СТАТИСТИЧЕСКАЯ СВОДКА, ЕЕ СОДЕРЖАНИЕ, ЗАДАЧИ, РОЛЬ В АНАЛИЗЕ ИНФОРМАЦИИ.
ГРУППИРОВКА - ОСНОВА СТАТИСТИЧЕСКОЙ СВОДКИ. ВИДЫ ГРУППИРОВКИ, ИХ ПРИМЕНЕНИЕ В СТАТИСТИКЕ.
СТАТИСТИЧЕСКИЕ РЯДЫ РАСПРЕДЕЛЕНИЯ, ИХ ВИДЫ И ХАРАКТЕРИСТИКИ.
ТАБЛИЧНОЕ И ГРАФИЧЕСКОЕ ПРЕДСТАВЛЕНИЕ СТАТИСТИЧЕСКИХ ДАННЫХ.
СТАТИСТИЧЕСКАЯ СВОДКА, ЕЕ СОДЕРЖАНИЕ, ЗАДАЧИ, РОЛЬ В АНАЛИЗЕ ИНФОРМАЦИИ
СВОДКАвыполняется на 2-ом этапе статистического наблюдения, ее цель - СИСТЕМАТИЗАЦИЯ первичных данных и получение в результате характеристики ВСЕГОобъекта при помощи обобщающих показателей.
Н. возраст студентов: -
1. до 25 лет;
2. старше 25 лет.
СВОДКА- комплекс последовательных операций по обобщению конкретных единичных фактов для выявления ТИПИЧНЫХ черт и закономерностей, присущих совокупности в ЦЕЛОМ.
В результате сводки происходит переход от конкретных, случайных данных к обобщающей характеристике этих данных.
Н. переход от конкретного возраста каждого студента к среднему возрасту всех студентов.
По глубине и точности обработки первичных данных выделяют:
1. простую сводку - операцию, которая состоит только в подсчете итогов по совокупности единиц наблюдения (средний возраст студента);
2. сложную - комплекс операций, включающий:
а) группировку единиц наблюдения;
б) подсчет итогов по каждой группе и по всему объекту в целом;
в) представление результатов в виде статистических таблиц и графиков.
По форме обработки первичных данных выделяют:
1. централизованную - весь первичный материал поступает в ОДНУорганизацию и подвергается в ней анализу от начала и до конца;
2. децентрализованную - отчеты организаций сводятся отдельными статистическими органами, а полученные результаты поступают в вышестоящие органы и т.д. до Федеральной службы государственной статистики, где определяются итоговые показатели национальной экономики в целом.
По технике выполнения выделяют:
ГРУППИРОВКА - ОСНОВА СТАТИСТИЧЕСКОЙ СВОДКИ. ВИДЫ ГРУППИРОВКИ, ИХ ПРИМЕНЕНИЕ В СТАТИСТИКЕ
Группировка - разделение единиц изучаемой совокупности на качественно однородные группы по определенным признакам, существенным для данной статистической задачи.
Признак, который лежит в основе группировки, называется группировочным признаком или основанием группировки.
Схема 3.2.1. задачи, решаемые с помощью группировок
В зависимости от решаемых задач выделяют ТРИ вида группировок:
1. типологические - разбиение РАЗНОРОДНОЙ совокупности на отдельные КАЧЕСТВЕННО ОДНОРОДНЫЕ ГРУППЫ и выявление на этой основе различных типов явлений.
При ее выполнении должен быть заранее известен ПЕРЕЧЕНЬ типов явлений, на которые разбивается исследуемая совокупность, т.е. предварительно должен быть произведен теоретический анализ явления.
Например: группировка по национальности; по отраслям производства; по секторам экономики; по формам собственности.
Пример типологической группировки
Таблица 3.2.1.
Группы предприятий по формам собственности
№ п/п | Группы предприятий по формам собственности (описательные значения) | Число предприятий, тыс. ед. |
Государственная собственность | 151,0 | |
Муниципальная собственность | 217,0 | |
Частная собственность | 2510,0 | |
Собственность общественных и религиозных организаций и объединений | 223,0 | |
Прочие формы собственности | 247,0 | |
ИТОГО: | 3348,0 |
Вывод: наибольший удельный вес имеют предприятия________________________________________________________________, а наименьшую долю________________________________________________________________.
2. Структурная группировка - это группировка, выявляющая состав (строение, структуру) однородной в качественном отношении совокупности по какому-либо признаку.
Примером могут служить группировки предприятий по среднегодовой стоимости основных производственных фондов и т.д. Состав населения может быть сгруппирован по полу, по возрасту, по уровню образования, по роду занятий и т.д. С их помощью могут быть выделены и изучены групп предприятий, для вычисления специальных демографических показателей и т.д.
Пример структурной группировки
Таблица 3.2.2.
Группировка банков по величине кредитных вложений одного из регионов РФ
№ группы | Группа банков по величине кредитных вложений, млн. руб. | Число банков | |
в абсолютном выражении, | в % | ||
375,00 - 459,00 | ? | ||
459,00 - 543,00 | 16,7 | ||
543,00 - 627,00 | ? | ||
627,00 - 711,00 | 23,3 | ||
711,00 - 795,00 | 10,0 | ||
Итого | ? |
Основное назначение: выявление тенденции изменения структурных сдвигов.
Вывод: наибольшая величина кредитных вложений приходится на группу банков №___?с величиной __________________________? млн. руб.
3. Аналитическая группировка - это группировка, которая применяется для исследования взаимосвязи между явлениями. Используя аналитические группировки, определяют факторные и результативные признаки изучаемых явлений.
Факторные - это признаки, под воздействием которых изменяются результативные. (в нашем случае – величина кредитных вложений, млн. руб.)
Результативные – это признаки, которые изменяются под влиянием факторных (в нашем случае – прибыль банков, млн. руб.).
Взаимосвязь проявляется в том, что с РОСТОМ ФАКТОРНОГО ПРИЗНАКА СИСТЕМАТИЧЕСКИ ВОЗРАСТАЕТ ИЛИ УБЫВАЕТ РЕЗУЛЬТАТИВНЫЙ ПРИЗНАК. |
Особенности:
1). Единицы группируются по факторному признаку, а не по результативному;
Схема 3.2.2. Виды интервалов группировки
Кроме указанных 3-х видов группировки существуют комбинированные группировки. Образование групп по двум и более признакам, взятым в определенном сочетании, называется комбинированной группировкой. При этом группировочные признаки принято располагать, начиная с атрибутивного, в определенной последовательности, исходя из логики взаимосвязи показателей.
Применение комбинированных группировок обусловлено многообразием экономических явлений, а также необходимостью их всестороннего изучения. Но увеличение числа группировочных признаков ограничивается уменьшением наглядности, что снижает эффективность использования статистической информации. Примером комбинированной группировки может служить разделение образованных групп по формам хозяйствования на подгруппы по уровню рентабельности (доходности) или по другим признакам (производительность труда, фондоотдача и т.д.).
Техника проведения аналитической группировки.
Рассмотрим применение метода группировки на примере сквозной задачи
Имеются данные о работе 30 банков одного из регионов РФ (табл. 3.2.4.).
В качестве изучаемого признака возьмем величину кредитных вложений и построим к нему ряд распределения с равными закрытыми интервалами
Таблица 3.2.4.
Данные о деятельности банков одного из регионов РФ
Номер банка | Кредитные вложения, млн. руб. | Прибыль банков, млн. руб. |
Итого | 17679,00 | 6850,0 |
Таблица 3.2.5.
Вспомогательная таблица для построения интервального ряда распределения по признаку «Кредитные вложения банков»
В Excel -
Номер банка | Кредитные вложения, млн.руб | Прибыль банков, млн.руб. |
Х min 375 | ||
X max 795 | ||
Итого |
Построение интервального ряда распределения банков
СТАТИСТИЧЕСКИЕ РЯДЫ РАСПРЕДЕЛЕНИЯ, ИХ ВИДЫ И ХАРАКТЕРИСТИКИ
Результаты сводки могут быть представлены в виде статистических рядов распределения.
Схема 3.3.1. Виды рядов распределения
Пример атрибутивного ряда
Табл.3.3.1.
Распределение студентов по полу в группе 320
№п/п | Пол студентов, () | Число студентов, чел. () | Число студентов в % к итогу, частость () | Число студентов в долях к итогу, частость () |
женский | ? | ? | ||
мужской | ? | ? | ||
Итого: | ? | ? |
Вариационный ряд – ряд, построенный по количественному признаку, причем значения признака располагаются в порядке возрастания или в порядке убывания
Схема 3.3.2 Элементы ряда распределения
Варианта (а) – () значения группировочного признака в вариационном ряду распределения (в нашем случае – объем кредитных вложений, млн.руб.).
Частота () – абсолютное значение случаев данного варианта, т.е. то число раз, сколько встречается элемент в статистической совокупности (т.е. в нашем случае - то число банков, которое встречается в совокупности в том или ином интервале).
Частость – () - относительная доля каждой частоты в общей сумме частот, выраженнная в процентах или долях единицы (в нашем случае - тот процент (%) или доля банков, которое встречается в совокупности в том или ином интервале).
Вариационные ряды могут быть дискретными или интервальными.
Дискретный ряд распределения — это ряд, в котором варианты ()выражены целым числом.
Пример дискретного ряда распределения
Таблица 3.3.2.
Распределение рабочих N–го цеха по разрядам
Тарифный разряд () | Число рабочих, чел. |
1-й | |
2-й | |
3-й | |
4-й | |
5-й | |
6-й | |
Итого: |
Интервальный ряд распределения — это ряд, в котором значения признака заданы в виде интервала.
В интервальных рядах признак может меняться непрерывно от min до max значения, причем отличаться может друг от друга на сколь угодно малую величину.
Интервальный ряд применяется в тех случаях, если значения признака меняются непрерывно, а также если дискретный признак меняется в очень широких пределах, т.е. число вариантов () достаточно велико.
Правило построения рядов распределения, выбор количества групп и величины интервалов такое же, как и при группировке.
На основе групповых итоговых строк «Всего» табл. 3.2.6. формируется таблица 3.3.3., представляющая интервальный ряд распределения банков по объему кредитных вложений.
Таблица 3.3.3.
Распределение банков по объему кредитных вложений
Номер группы | Группы банков по объему кредитных вложений, млн. руб., | Число банков, | |
П О Д Л Е Ж А Щ Е Е | СКАЗУЕМОЕ | ||
375,00 - 459,00 | |||
459,00 - 543,00 | |||
543,00 - 627,00 | |||
627,00 - 711,00 | |||
711,00 - 795,00 | |||
Итого |
Помимо частот групп в абсолютном выражении в анализе интервальных рядов используются ещё характеристики ряда, приведенные в графах табл. 3.3.4.:
1. Кумулятивные частоты групп в относительном выражении, накопленные (кумулятивные) частоты получаемые путем последовательного суммирования частот всех предшествующих (i-1) интервалов.
2. накопленные частости, рассчитываемые по формуле . (гр. 6 табл. 3.3.4.)
Построим ряд распределения для сквозной задачи по признаку «Величина кредитных вложений»
Ряд распределения банков по величине кредитных вложений | Таблица 3.3.4. | ||||
№ группы | Группа банков по величине кредитных вложений, млн. руб. | Число банков, | Накоплен-ная | Накоплен-ная частость, % | |
в абсолют-ном выраже-нии | в % | частота | |||
375,00 - 459,00 | 13,3 | 13,3 | |||
459,00 - 543,00 | 16,7 | ? | ? | ||
543,00 - 627,00 | 36,7 | ? | ? | ||
627,00 - 711,00 | 23,3 | ? | ? | ||
711,00 - 795,00 | 10,0 | ? | ? | ||
Итого | 100,0 | ? | ? |
Аналогично рассчитывается и частость, в т.ч. и накопленная
Сумма частот составляет объём ряда распределения (или объём статистической совокупности – суть одно и то же).
, (3.3.1)
В нашем случае
где: i – порядковый номер группы в ряду распределения;
k – число групп в ряду распределения.
Объём признака для вариационного ряда распределения будет определяться как
Ряд распределения может быть дополнен частостями (w) – частотами, выраженными в виде относительных величин структуры – коэффициентах (долях единицы) или процентах.
Сумма частостей равна 1 (или 100%):
(3.3.2.)
Вывод. Анализ интервального ряда распределения изучаемой совокупности банков показывает, что распределение банков по объему кредитных вложений ______является равномерным: преобладают банки с объемом кредитных вложений от____________________________. (это ____ банков, доля которых составляет______________); ________? банков (или ___%) имеют кредитные вложения менее 543,0 млн. руб., а _____? банков (____?%) – менее 711 млн. руб.
Статистические ряды распределения позволяют систематизировать и обобщать статистический материал. Однако они не дают всесторонней характеристики выделенных групп. Чтобы решить ряд конкретных задач, выявить особенности в развитии явления, обнаружить тенденции, установить зависимости, необходимо произвести группировку статистических данных. (см. выше.)
Подлежащее таблицы - это объект изучения, оно показывает, о чем идет речь в таблице, обычно располагается слева и представляет собой название содержания строк.
Сказуемое таблицы - это система показателей, которыми характеризуется объект изучения, располагается сверху таблицы и представляет собой название граф, т.е. показывает, какими признаками характеризуется объект исследования.
В таблице могут быть подведены итоги по графам и строкам.
Правила построения статистических таблиц:
1. таблица должна иметь общий заголовок, в котором выражается:
- объект изучения,
- признаки, его характеризующие;
- время и место, к которому относится статистический материал;
- единицы измерения, если они общие для всей таблицы.
Число признаков в сказуемом должно быть ограниченным;
3. Округление чисел должно проводится с одинаковой степенью точности, в статистике принята точность до 0,001; при отражении относительных показателей – например, процентов, до 0,1; (у нас в курсовой), максимальная точность – до 0,0001
Нельзя писать в таблице:
15,016 16,2 17
Или 15,016 16,200 17,000
Или 15,02 16,20 17,00
Или 15,0 16,0 17,0
Простыми таблицами называются такие, в подлежащем которых нет группировок, а дается лишь перечень единиц совокупности (перечневые таблицы), административных районов (территориальные таблицы) или периодов времени (хронологические таблицы).
Пример простой таблицы
Таблица 3.4.1.
Группы предприятий по формам собственности
№ п/п | Группы предприятий по формам собственности | Число предприятий, тыс. ед. |
Государственная собственность | 151,0 | |
Муниципальная собственность | 217,0 | |
Частная собственность | 2510,0 | |
Собственность общественных и религиозных организаций и объединений | 223,0 | |
Прочие формы собственности | 247,0 | |
ИТОГО: | 3348,0 |
2. Групповые статистические таблицы – в них подлежащее содержит группировку, а сказуемое – задает признаки, которыми характеризуются группы.Они более информативны, чем простые, т.к.благодаря образованным в их подлежащем группам по существенному признаку возможно выявить связи между рядом показателей.
Таблица 3.4.2.
Аналитическая группировка зависимости кредитных вложений и прибыли банков | |||||
Номер группы | Группы банков по величине кредитных вложений, млн.руб. | Число банков, f | Прибыль банка, млн. руб. | ||
Всего | В среднем по группе на 1 банк | ||||
гр.5=гр.4:гр.3 | |||||
375,00 - 459,00 ИЛИ (до 459,00) | 684,000 | ? | |||
459,00 - 543,00 | 1002,000 | ? | |||
543,00 - 627,00 | 2508,000 | 228,000 | |||
627,00 - 711,00 | 1772,000 | 253,143 | |||
711,00 - 795,00 ИЛИ (свыше 711,00) | 884,000 | 294,667 | |||
итого | 6850,00 | ? |
Комбинационные таблицы - подлежащее содержит группировку единиц совокупности по двум или более признакам, взятым в сочетании.
375 0
459 4
543 9
627 20
711 27
795 30
ТЕМА 4. СРЕДНИЕ ВЕЛИЧИНЫ
Сущность средних величин. Две формы средних величин.
Средняя арифметическая и средняя гармоническая, примеры их расчета.
Средняя гармоническая величина.
Структурные средние величины.
Средняя арифметическая и средняя гармоническая, примеры их расчета
(4.2.1) средняя арифметическая простая
(4.2.2) средняя арифметическая взвешенная
Важнейшие свойства средней арифметической:
1. Алгебраическая сумма отклонений индивидуальных значений признака от средней арифметической равна нулю (так называемое "нулевое" свойство).
– для несгруппированных данных; (4.2.3.)
– для вариационного ряда распределения (4.2.4.)
2. Сумма квадратов отклонений индивидуальных значений признака от средней арифметической есть число минимальное (так называемое "минимальное" свойство).
– для несгруппированных данных; (4.2.5.)
– для вариационного ряда распределения (4.2.6.)
Если все варианты ряда распределения увеличить или уменьшить на одну и ту же величину или в одно и тоже число раз, то средняя увеличится или уменьшится на ту же величину, или в тоже число раз.
"Нулевое" и "минимальное" свойства средней арифметической применяются:
- для проверки правильности расчёта среднего уровня признака;
- при изучении закономерностей изменения уровней ряда динамики;
- для нахождения параметров уравнения регрессии при изучении корреляционной связи между признаками.
Пример расчета средней арифметической простой
На основании данных нашей сквозной задачи (табл. 0 и табл.3.2.4.) рассчитаем среднюю арифметическую величину кредитных вложений по 30 банкам одного из регионов РФ.
(4.2.1)
Вывод. Анализ полученных значений показателя говорит о том, что средний объем кредитных вложений банков составляет 589,3 млн. руб.
Пример расчета средней арифметической взвешенной
На основании данных ряда распределения банков по величине кредитных вложений (табл. 3.3.4.) рассчитаем среднюю арифметическую величину кредитных вложений по 30 банкам одного из регионов РФ.
Табл.4.2.1.
Расчетная таблица для расчета средней арифметической взвешенной величины объема кредитных вложений
Группы банков по объему кредитных вложений, (варианта х), млн. руб. | Серединное значение интервалов, | Число банков, (веса) fj | Произведение вариант на частоты |
гр.4=гр.2*гр.3 | |||
375,00 - 459,00 | ? | ? | |
459,00 - 543,00 | ? | ? | |
543,00 - 627,00 | ? | ||
627,00 - 711,00 | ? | ||
711,00 - 795,00 | ? | ||
Итого | ? |
Формула 4.2.2.
Причина расхождения средних величин, рассчитанных по формулам 4.2.1. и 4.2.2., заключается в том, что по формуле 4.2.1. средняя определяется по фактическим значениям исследуемого признака для всех 30-ти банков, а по формуле 4.2.2. средняя вычисляется для интервального ряда, когда в качестве значений признака берутся середины интервалов и, следовательно, значение средней будет менее точным (за исключением случая равномерного распределения значений признака внутри каждой группы).
Структурные средние (Мода, Медиана)
Мода и медиана являются структурными средними величинами, характеризующими (наряду со средней арифметической) центр распределения единиц совокупности по изучаемому признаку.
Мода (Мо) для дискретного ряда – это значение признака, наиболее часто встречающееся у единиц исследуемой совокупности.
Пример нахождения Моды в дискретном ряду распределения
Таблица 4.4.1.
Распределение рабочих N–го цеха по разрядам
Тарифный разряд () | Число рабочих, чел. |
1-й | |
2-й | |
3-й | |
4-й | |
5-й | |
6-й | |
Итого: |
Мо=______, т.к. частота является наиболее часто встречающейся в этой совокупности.
Если в дискретном ряду все варианты встречаются одинаково часто, то в этом случае Мода отсутствует. Могут быть распределения, где не один, а два (или более) варианта имеют наибольшие частоты. Тогда ряд имеет две (или более) моды, распределение является бимодальным (или многомодальным),что указывает на качественную неоднородность совокупности по изучаемому признаку.
Конкретное значение моды для интервального ряда рассчитывается по формуле:
(4.4.1.)
где хМo – нижняя граница модального интервала,
h–величина модального интервала,
fMo – частота модального интервала,
fMo-1 – частота интервала, предшествующего модальному,
fMo+1 – частота интервала, следующего за модальным.
Таблица 4.4.2.
Распределение банков по объему кредитных вложений
Номер группы | Группы банков по объему кредитных вложений, млн руб., х | Число банков, f |
375,00 - 459,00 | ||
459,00 - 543,00 | 5 fMo-1 | |
хМo 543,00 - 627,00 | 11 fMo | |
627,00 - 711,00 | 7 fMo+1 | |
711,00 - 795,00 | ||
Итого |
Согласно табл.3.3.3. модальным интервалом построенного ряда является интервал 543,0 – 627,0 млн. руб., так как его частота максимальна (f3 = 11).
Расчет моды по формуле (4.4.1):
Вывод. Для рассматриваемой совокупности банков наиболее распространенный объем кредитных вложений характеризуется средней величиной ______________________________? млн. руб.
В интервальном ряду моду можно найти графически по гистограмме распределения. Для этого выбирают самый высокий прямоугольник. Затем правую вершину модального прямоугольника, соединим с правым верхним углом предмодального прямоугольника, а левую вершину модального прямоугольника с левым верхним углом послемодального прямоугольника, из точки пересечения опустим перпендикуляр на ось абсцисс, абсцисса точки пересечения и будет модой распределения
Рис. 4.4.1. Определение моды графическим методом
Медиана (Ме) – это значение признака, приходящееся на середину ранжированного ряда, по обе стороны от медианы находится одинаковое количество единиц совокупности.
Главное свойство Медианы:
(4.4.2.)
Сумма абсолютных отклонений вариантов от Медианы меньше, чем от любой другой величины.
Кумулята строится по накопленным частотам (табл. 3.3.4., графа 5)
Ряд распределения | ||||
№ группы | Группа банков по величине кредитных вложений, млн. руб. | Число банков, | Накопленная | |
в абсолютном выражении | в % | частота | ||
375,00 - 459,00 | 13,3 | 4<15 | ||
459,00 - 543,00 | 16,7 | SMе-1 9<15 | ||
хМе 543,00 - 627,00 | fМе 11 | 36,7 | 20>15 | |
627,00- 711,00 | 23,3 | |||
711,00 - 795,00 | 10,00 | |||
Итого | 100,00 |
Конкретное значение медианы для интервального ряда рассчитывается по формуле:
, (4.4.3.)
где хМе– нижняя граница медианного интервала,
h – величина медианного интервала,
– сумма всех частот,
fМе – частота медианного интервала,
SMе-1 – кумулятивная (накопленная) частота интервала, предшествующего медианному.
Для расчета медианы необходимо, прежде всего, определить медианный интервал, для чего используются накопленные частоты (или частости) из табл. 3.3.4 (графа 5 или 6).
Так как медиана делит численность ряда пополам, она будет располагаться в том интервале, где накопленная частота впервые равна полусумме всех частот или превышает ее (т.е. все предшествующие накопленные частоты меньше этой величины).
В сквозной задаче медианным интервалом является интервал _____________________? млн. руб., так как именно в этом интервале накопленная частота S? = ____? впервые превышает величину, равную половине численности единиц совокупности (=) банков
Расчет значения медианы по формуле (4.4.3):
млн. руб.
Вывод. В рассматриваемой совокупности банков половина банков имеют в среднем объем кредитных вложений не более _____________________? млн. руб., а другая половина – не менее ______________________? млн. руб.
Кумулята строится по накопленным частотам (табл. 3.3.4., графа 5 или 6)
Графически Медиану определяют следующим образом: из точки на шкале накопленных частот (частостей), соответствующей 50%, проводится прямая, параллельная оси абсцисс, до пересечения с кумулятой. Затем из точки пересечения указанной прямой с кумулятой опускается перпендикуляр на ось абсцисс. Абсцисса точки пересечения является Медианой.
Рис. 4.4.1. Определение медианы графическим методом
Me Mo
375,0 585,0 588,818 593,400 795,0
Тема 5 Статистическое изучение вариации
Понятие вариации. Основные показатели вариации
Правило сложения дисперсий и его применение.
5.3. Характеристика формы распределения. (САМОСТОЯТЕЛЬНО!)
Схема 5.1.1. Показатели вариации
1. Размах вариации (R) (амплитуда колебаний)– устанавливает предельное значение амплитуды колебаний признака. Размах вариации определяется как разность между максимальным и минимальным значениями признака в изучаемой совокупности, то есть это абсолютное отклонение. Имеет размерность изучаемого признака.
(5.1.1.)
Для сквозной задачи:
Однако крайние значения признака могут быть аномальными для данной совокупности, обусловленными какими-то случайными обстоятельствами. Тогда размах вариации будет служить характеристикой только этих двух аномальных единиц совокупности. В этом случае, с целью дальнейшего изучения вариации единиц совокупности, аномальные единицы следует убрать из совокупности.
2. Среднее линейное отклонение () – средний модуль отклонения вариантов признака от средней арифметической величины признака. Сохраняет размерность изучаемого признака.
Для расчета используется формула средней арифметической
простой:
– для несгруппированных данных (5.1.2.)
и взвешенной:
– для вариационного ряда распределения (5.1.3.)
3. Дисперсия (σ2) – средний квадрат отклонений вариантов признака от средней арифметической величины признака.
Размерность для дисперсии не указывается, т.к. дисперсия – промежуточный показатель, рассчитываемый для определения среднего квадратического отклонения (σ).
Дисперсию используют также и как самостоятельный показатель вариации, характеризующий меру вариации в очень однородных совокупностях – с незначительной колеблемостью.
– для несгруппированных данных (5.1.4.)
– для вариационного ряда распределения (5.1.5.)
Упрощенные формулы для расчета дисперсии
дисперсия равна среднему квадрату значений признака минус квадрат среднего значения признака.
(5.1.6.)
Или
(5.1.7.)
(5.1.8.)
Среднее квадратическое отклонение и дисперсия (σ и σ2) – наиболее часто применяемые показатели вариации, так как они входят в большинство теорем теории вероятностей, служащей фундаментом математической статистики.
Используя математические свойства дисперсии, расчётные формулы дисперсий можно привести к упрощённому виду.
4. Среднее квадратическое отклонение (σ) – корень из среднего квадрата отклонений вариантов признака от средней арифметической величины признака. Сохраняет размерность изучаемого признака.
Это среднее отклонение от средней величины признака |
Для расчета σ используется формула средней квадратической
простой:
– для несгруппированных данных (5.1.9.)
и взвешенной:
– для вариационного ряда распределения (5.1.10.)
По свойствам мажорантности средних величин среднее квадратическое отклонение всегда больше среднего линейного отклонения.
Правило сложения дисперсий и его применение
Для описания влияния одних факторов на другие статистика использует специальные коэффициенты, которые можно получить на основании правила сложения дисперсий.
Существует три вида дисперсий
10 = 8 + 2
Схема 5.2.1. Виды дисперсий
Общая дисперсия характеризует вариацию результативного признака Х, сложившуюся под влиянием всех действующих на результативный признак Y факторов (систематических и случайных). |
Для нашей задачи: общая дисперсия отражает вариацию прибыли под влиянием и
Объема кредитных вложений (наш факторный признак - х);
и
1417,708=1152,019+265,6
Характеристика формы распределения
См. Метод. Указания к лаб. Работе №2 стр. 30-33
Форма распределения признака в вариационных рядах распределения отражает закономерность изменения частот с ростом значений варьируемого признака.
Приблизительное представление о форме распределения дают графики распределения: полигон и гистограмма.
Обобщающие характеристики формы распределения получают, используя кривые распределения.
Кривые распределения бывают эмпирические и теоретические.
Эмпирическая кривая распределения – это фактическая кривая распределения, построенная по данным наблюдения, которая отражает как общие, так и случайные условия, определяющие распределение признака.
Теоретическая кривая распределения– это кривая распределения, выражающая функциональную связь между варьирующим признаком и частотами.
Анализировать эмпирическую кривую, на изменение которой повлияли в том числе и случайные условия, – довольно трудно. Поэтому исследователи переходят к теоретической кривой распределения, по характеру распределения наиболее приближённой к первой. Теоретическая кривая признана отражать основную закономерность распределения признака при полном погашении случайных причин.
При выравнивании (аппроксимации) эмпирических вариационных рядов перед исследователем стоят три задачи:
1. Выяснение общего характера распределения.
2. Непосредственное выравнивание эмпирического распределения – замена эмпирической кривой на теоретическую.
3. Проверка соответствия найденного теоретического распределения эмпирическому.
Если мы посмотрим на характер изменения частот при изменении варьирующего признака в наших вариационных рядах распределения банков по величине кредитных вложений и по прибыли, то мы можем увидеть определённую закономерность. При росте варьирующего признака в наших вариационных рядах частоты сначала растут, затем, достигнув максимального значения, начинают снижаться. Такое распределение характерно для нормального распределения. Поэтому в качестве идеального распределения в наших случаях мы можем взять нормальное распределение. Кривая нормального распределения будет для нас теоретической кривой.
Кривая нормального распределения является наиболее распространённая формой распределения, по которой выравнивают эмпирическую кривую.
Кривая нормального распределения выражается стандартным уравнением нормальной кривой:
, (5.3.1.)
где: t = – нормированные отклонения (5.3.2.)
а число е ≈ 2,71828 – основание натуральных логарифмов.
Особенности кривой нормального распределения:
Тема 6. Метод выборочного наблюдения
Понятие о выборочном наблюдении и ошибках выборки.
Способы формирования выборочной совокупности.
Средняя и предельная ошибки выборки.
Определение необходимого объема выборки.
Схема 6.1.1. Преимущества выборочного наблюдения
Цель выборочного наблюдения – определение характеристик генеральной совокупности – генеральной средней () и генеральной доли (). |
Показатели выборочной совокупности – выборочная средняя () и выборочная доля () отличаются от генеральных характеристик на величину ошибок выборки (см. ниже.)
Схема 6.1.2. Классификация ошибок выборочного наблюдения
Способы формирования выборочной совокупности
Схема 6.2.1. Классификация видов выборочного наблюдения
1. Собственно случайная выборка – отбор единиц из генеральной совокупности производится случайным образом. Какие-либо элементы систематизации исключены;
2. Механическая выборка – генеральная совокупность сначала упорядочивается по определенному признаку, и затем из нее выбираются единицы через равные промежутки. Например, через 5, 10, 20 единиц и т.д.;
Например,
при 1% отборе – каждая100-я единица;
при 2% отборе – каждая 50-я единица;
при 5% отборе – каждая 20-я единица;
при 20% отборе – каждая 5-я единица;
3. Типическая (стратифицированная) выборка – предварительно совокупность разбивается по отдельным группам однотипных элементов, т.е. однородных по некоторому признаку, и затем из каждой группы отбираются единицы пропорционально удельному весу каждой группы. Например, группировка по национальности;
4. Серийная выборка – заключается в случайном выборе не отдельных единиц, а групп единиц одинаковой численности, затем из каждой группы и серии единицы обследуются сплошным способом.
5. Комбинированный способ – используются различные виды выборки.
По способу отбора выборка имеет:
1) повторный отбор – попавшая в выборку единица подвергается обследованию, т.е. регистрации значений ее признаков, затем возвращается в генеральную совокупность и может быть отобрана повторно, т.е. в этом случае численность генеральной совокупности (N) не изменяется;
2) бесповторный отбор – попавшая в выборку единица подвергается обследованию и назад, в генеральную совокупность, не возвращается, т.е. в процедуре отбора более не участвует. Например – игра в лото.
В социально-экономических исследованиях чаще всего применяется бесповторный отбор.
Для нашей сквозной задачи определим ошибку выборки для доли банков с объемом кредитных вложений 627 млн. руб. и выше, а также границы, в которых будет находиться генеральная доля
Или
_________?% _______?% (проценты)
Вывод. С вероятностью 0,954 можно утверждать, что в генеральной совокупности банков доля банков с объемом кредитных вложений 627 млн. руб. и выше будет находиться в пределах от ________?% до _______?%.
Определение необходимого объема выборки
Понятие о корреляционной связи. Виды и формы корреляционных связей.
Корреляционный метод анализа взаимосвязи.
Регрессионный метод анализа взаимосвязи.
Пример построения однофакторной регрессионной модели связи.
Статистическая связь означает, что если с возрастанием значений факторного признака (х), то возрастают (убывают) и значения результативного признака (у), т.е. при статистической связи рассматриваются статистически закономерные изменения результативных признаков;
2.
3. Корреляционная связь – важнейший частный случай стохастической статистической связи, когда под воздействием вариации факторного признака Х закономерно изменяются средние значения результативного признака Y (усредняются значения , полученные под воздействием на Y фактора ); |
3. Некорреляционная связь, но статистическая – частный случай стохастической статистической связи, когда средние значения результативного признака Y меняются не систематически, но систематически изменяется некоторый другой параметр.
4. Если ни один обобщающий параметр не меняется систематически, то статистической связи НЕТ!
Корреляционный метод анализа взаимосвязи
В анализе взаимосвязей факторного признака (х) и результативного признака (у) возникает два вопроса:
1. Выявить, существует ли корреляционная связь между факторным признаком (х) и результативным признаком (у)?;
2. Установить степень этого влияния, т.е. определить тесноту связи.
Для решения первого вопроса существует 4 метода:
Схема 7.2.1. Методы выявления корреляционной связи
Рассмотрим каждый из них.
1 Графический метод – заключается в построении полякорреляции – это точечный график, используемый для изображения связи признаков в совокупностях небольшого объема. При построении графика в декартовой системе координат по оси абсцисс в определенном масштабе наносятся значения факторного признака, а по оси ординат – результативного. На пересечении абсцисс и ординат отмечаются точки (xi, yi), совокупность которых и представляет корреляционное поле (рис.7.2.1).
Рис. 7.3.1. Корреляционное поле кредитных вложений и прибыли банков
По расположению точек корреляционного поля можно визуально выявить либо наличие, либо отсутствие корреляционной связи.
2. Метод параллельных рядов - здесь значения факторного признака (х) располагаются в возрастающем порядке и параллельно рядом выписывается ряд значений результативного признака (у). Сопоставление пар () позволяют установить имеет ли изменения результативного признака закономерный характер. На примере сквозной задачи выполним это. Для этого в исходных данных произведем сортировку по факторному признаку (х) – объему кредитных вложений
Таблица 7.2.1.
Группировка банков по объему кредитных вложений
Номер предприятия | Кредитные вложения, млн.руб | Прибыль банков, млн.руб. |
Вывод. Анализ данных табл. 7.2.5. показывает, что распределение частот групп произошло вдоль диагонали, идущей из левого верхнего угла в правый нижний угол таблицы. Это свидетельствует о наличии прямой корреляционной связи между объемом кредитных вложений и суммой прибыли банков.
Пример построения однофакторной регрессионной модели связи
Уравнение парной линейной корреляционной связи имеет следующий вид:
,
где - расчетное теоретическое значение результативного признака Y, полученное по уравнению регрессии;
а0 - среднее значение признака Y в точке x=0;
а0, а1 - коэффициенты уравнения регрессии (параметры связи).
Гипотеза о линейной зависимости между признаками Х и Y выдвигается в том случае, если значения обоих признаков возрастают (или убывают) одинаково, примерно в арифметической прогрессии.
Уравнение парной линейной корреляции показывает среднее изменение результативного признака Y при изменении фактора Х на одну единицу его измерения, т.е. вариацию признака Y, которая приходится на единицу вариации фактора Х. Знак параметра указывает направление этого изменения.
Коэффициенты уравнения а0, а1 отыскиваются методом наименьших квадратов (МНК). Как изложено в раздел II – Теоретические основы и методика корреляционно-регрессионного анализа данных (п.3 – Моделирование однофакторных корреляционных связей на основе функциональных зависимостей), в основу МНК положено требование минимальности сумм квадратов отклонений эмпирических значений yi от выровненных . При линейной зависимости критерий минимизации (7.4.1.) принимает вид:
7.4.1.
Для нахождения значений параметров а0, а1, при которых функция двух переменных S может достигнуть минимума, приравнивают к нулю частные производные S по а0, а1 и тем самым получают систему 2-х уравнений с двумя неизвестными а0, а1:
7.4.2.
Сократив каждое уравнение на –2, раскрыв скобки и перенеся члены с х в одну строку, а с y – в другую, для определения а0, а1 получают систему:
Эта система называется системой нормальных уравнений МНК для линейного уравнения регрессии.
Все суммы, необходимые для конкретизации нормальных уравнений, определяют по эмпирическим данным (xi, yi).
Решая полученную систему, находят искомые параметры а0, а1 – коэффициенты линейного уравнения регрессии.
Расчет коэффициента может быть выполнен по формулам:
; 7.4.3.
. 7.4.4.
Иногда эти коэффициенты удобнее вычислять по формулам:
7.4.5.
7.4.6.
где - среднее из произведения; - среднее квадратов;
- произведение средних; - квадрат средних.
Построив линейное уравнение регрессии, следует проанализировать качество синтезированной регрессионной модели, оценить адекватность и практическую пригодность модели, дать ее экономическую интерпретации. Как уже отмечалось, на этапе регрессионного анализа определяется теоретическое выражение связи между признаками (форма связи). Для построения и анализа теоретической линии, определяемой на базе эмпирического материала, необходимо знать параметры уравнения регрессии.
Рассмотрим более подробно определение параметров для линейного уравнения парной регрессии. Рассчитаем эти показатели:
Линейное уравнение парной регрессии имеет вид:
На базе данных таблицы
Таблица 7.4.1.
Вспомогательная таблица для расчета уравнения линейной регрессии
Номер предприятия | Кредитные вложения, млн.руб. | Прибыль банков, млн.руб . | у с крышкой | ||
гр4=гр2*гр3 | гр5=гр2*гр2 | 33,739+0,33*х | |||
157,489 | |||||
160,459 | |||||
164,419 | |||||
175,309 | |||||
196,099 | |||||
206,329 | |||||
207,979 | |||||
210,949 | |||||
211,939 | |||||
212,929 | |||||
215,899 | |||||
216,889 | |||||
223,819 | |||||
228,109 | |||||
228,769 | |||||
232,729 | |||||
235,039 | |||||
236,359 | |||||
236,689 | |||||
237,679 | |||||
240,649 | |||||
245,599 | |||||
249,229 | |||||
258,469 | |||||
264,079 | |||||
266,059 | |||||
266,719 | |||||
279,259 | |||||
284,209 | |||||
296,089 | |||||
итого: | 6846,24 |
1. Для построения линейного уравнения регрессии необходимо определить параметры этого уравнения: свободный член уравнения () и коэффициент регрессии (). С этой целью построим вспомогательную таблицу.
Определим параметры уравнения линейной регрессии, n – количество банков
7.4.5.
7.4.6.
где - среднее из произведения; - среднее квадратов;
- произведение средних; - квадрат средних.
В уравнении регрессии параметр показывает усредненное влияние на результативный признак неучтенных в уравнении факторных признаков |
В нашем случае мы получили уравнение линейной зависимости
33,739+0,33*х
А0 а1
Коэффициент регрессии а1 0,33 показывает, что при увеличении факторного признака Кредитные вложения на 1 млн. руб. значение результативного признака «Прибыль банков» увеличивается в среднем на 0,33 млн руб.
Для построения теоретической линии зависимости рассчитаем этот показатель в таблице 7.4.1.
Теперь графически построим корреляционное поле – затем график с выводом формулы.
Затем ЭКО и ЭКД, см. тему 5.
В Excel- поставить мышь на множество точек корреляционного поля, правой клавишей – добавить Линию тренда, тип, параметры и по индексу детерминации выбрать наиболее адекватную линию регрессии.
ТЕМА 8. РЯДЫ ДИНАМИКИ
Понятие и классификация рядов динамики. Сопоставимость уровней и смыкание рядов динамики
Аналитические показатели изменения уровней ряда динамики
Средние показатели в рядах динамики
Экстраполяция в рядах динамики
Методы выявления сезонных колебаний
Методы анализа основной тенденции в рядах динамики
Понятие и классификация рядов динамики. Сопоставимость уровней и смыкание рядов динамики
Ряд динамики - изменяющиеся во ВРЕМЕНИ (t) значения статистических показателей, расположенных в хронологическом порядке.
Схема 8.1.1. Элементы ряда динамики
Показатель уровня ряда (y) – значения статистического показателя;
Показатель времени (t) – годы, кварталы, или моменты, т.е. на определенную дату!
Существуют различные виды рядов динамики, их можно классифицировать по разным критериям:
Таблица 8.1.1
Классификация видов рядов динамики
Классификационные признаки | Виды рядов динамики |
| · Ряды абсолютных величин · Ряды средних величин · Ряды относительных величин |
| · Моментный ряд (табл. 8.1.4.) (НА…) · Интервальный ряд (табл.8.1.3.) (ЗА..) |
| · Равноотстоящие уровни во времени (табл. 8.1.3., 8.1.4.) · Неравноотстоящие уровни во времени (табл. 8.1.2.) |
Способ представления хронологии в рядах динамики
В зависимости от того, как выражают уровни ряда состояние явления наопределенные моменты (начало месяца, квартала, года и т.п.) или его величину за определенные интервалы времени (например, за сутки, месяц, год), различают соответственно моментные и интервальные ряды динамики.
Пример интервального ряда динамики
Таблица 8.1.3.
Объем продажи сахара в одном из регионов РФ, тыс. тонн
Годы (t) | Продажа сахара (y) |
за 2004 (01.01.-31.12.) | |
за 2005 | |
за 2006 | |
за 2007 | |
за 2008 | |
Пример моментного ряда динамики
Таблица 8.1.4.
Численность работников организации «Ода» за январь-май 2009 г., чел.
Дата(t) | Число работников, чел. (y) |
на 01.01. | |
на 01.02. | |
на 01.03. | |
на 01.04. | |
на 01.05. | |
на 01.06. |
Для моментных и интервальных рядов по-разному рассчитываются уровни.
Если ряд интервальный, то его уровни можно суммировать за определенный период времени, поскольку суммы не будут содержать повторный счет.
На примере табл. 8.1.3. количество проданного сахара за 2004-2009 гг. составляет 5427 (тыс. тонн.).
Если ряд моментный, то его значения нельзя суммировать за определенный период времени, поскольку суммы будут содержать повторный счет, это является бессмысленным.
На примере табл. 8.1.4.численность работников организации на 01.04. – 850+875+906=2631 (чел.), это экономическая бессмыслица!!!
Расстояние между периодами или датами в рядах динамики
Табл. 8.1.3., 8.1.4. – с равноотстоящими уровнями, а табл. 8.1.2. – с неравноотстоящими уровнями.
Схема 8.1.3. Правила построения рядов динамики
Прежде чем анализировать ряд динамики, необходимо убедиться в сопоставимости уровней ряда.
Смыкание рядов динамики – объединение в один ряд (более длинный) двух или нескольких рядов динамики, уровни (у) которых исчислены по разной методологии или разным территориальным границам. Для осуществления смыкания необходимо, чтобы для одного из периодов (переходного) имелись данные, исчисленные по разной методологии (или в разных границах).
Таблица 8.1.5.
Динамика объема реализуемой продукции фирм в сопоставимых ценах (млн. руб.)
Объем реализации | |||||||
Продукция 12 организаций | 1450 | 1680 | |||||
Продукция 16 организаций | 2352 | 2580 | |||||
Сомкнутый ряд |
Непосредственно сопоставить показатели двух рядов нельзя, т.к. они относятся к разному числу фирм. Для смыкания рядов найдем коэффициент пересчета в том году, где есть данные по 2-м рядам (это 2006 год):
Подлежат пересчету только уровни ряда (исходного) в той части ряда, где реальные уровни отсутствуют. Например, в сомкнутом ряде подлежат пересчету уровни 2003, 2004, 2005 гг.
Аналитические показатели изменения уровней ряда динамики
Существует целый ряд показателей, которые характеризуют показатели изменения уровней ряда динамики
Схема 8.2.1. Аналитические показатели изменения уровней ряда динамики
Аналитические показатели рядов динамики строятся на основе сравнения двух уровней ряда. Используют два способа сравнения уровней:
1) базисный способ, при котором каждый последующий уровень сравнивается с одним и тем же уровнем, принятым за базу сравнения (то есть база сравнения – постоянная);
2) цепной способ, при котором каждый последующий уровень сравнивается с предыдущим уровнем (то есть база сравнения – переменная).
Соответственно различают:
- базисные показатели, обозначаемые надстрочным индексом б;
- цепные показатели, обозначаемые надстрочным индексом ц.
Общеупотребительные обозначения уровней ряда динамики:
yi – данный (текущий) уровень;
yi-1– предыдущий уровень;
y0 – базисный уровень;
yn – конечный уровень;
– средний уровень.
К числу основных аналитических показателей рядов динамики, характеризующих изменения уровней ряда за отдельные промежутки времени, относятся следующие: абсолютный прирост, темп роста, темп прироста, абсолютное значение одного процента прироста.
1. Абсолютный прирост (∆у)характеризует, на сколько в абсолютном выражении увеличился или уменьшился уровень ряда за определенный промежуток времени. Показатель рассчитывается как разница между сопоставляемыми уровнями:
∆уiб = уi – уо (8.2.1.)
∆уiц = уi – уi-1. (8.2.2)
Значение показателя со знаком “+” означает увеличение уровня, со знаком “-“ - снижение.
Абсолютный прирост (сокращение) с переменной базой ∆уц иначе называют скоростью роста (сокращения).
Примечание 1. Цепные и базисные абсолютные приросты взаимосвязаны:
· сумма цепных абсолютных приростов равна базисному абсолютному приросту за весь исследуемый период:
; (8.2.3)
· разность между двумя смежными базисными приростами равна соответствующему цепному абсолютному приросту.
2. Темп роста (Тр) – показатель интенсивности изменения уровней ряда за определенный промежуток времени. Рассчитывается как относительная величина, выраженная в коэффициентах, по формулам
, (8.2.4.)
(8.2.5.)
или в процентах – по формулам:
(%) ,(8.2.6.)
(%)(8.2.7.)
Темп роста всегда число положительное. Если Тр=100%, то значение уровня не изменилось; если Тр>100%, то значение уровня повысилось, а если Тр<100% - понизилось.
Примечание 2. Между цепными и базисными темпами роста существует взаимосвязь:
· произведение цепных темпов роста равно базисному темпу роста за весь исследуемый период:
· частное от деления двух смежных базисных темпов роста равно соответствующему цепному темпу роста.
3. Темп прироста (Тпр) – показатель, характеризующий относительную скорость изменения уровней ряда в единицу времени. Он показывает, на сколько процентов один уровень больше (или меньше) другого, принятого за базу сравнения. Рассчитывается путем вычитания 100% из соответствующего темпа роста (базисного или цепного):
Тпрi=Трi-1(100) (%) (8.2.8.)
4. Абсолютное значение (содержание) 1 % прироста (А1%)показывает, сколько абсолютных единиц уровней ряда приходится на 1% прироста. Показатель рассчитывается как отношение цепного абсолютного прироста к соответствующему цепному темпу прироста или как одна сотая часть предыдущего уровня.
(8.2.9.)
Аналитические показателигодовых изменений уровней ряда, рассчитанные по формулам (8.2.1)-(8.2.9) для данных табл.1, приведены в табл.8.2.1.
Таблица 8.2.1.
Объем реализации по изделию «N» по одному региону РФ в сопоставимых ценах (тыс. тонн.)
Годы (t) | Объем реализации, тыс. тонн. | Абсолютный прирост, тыс. тонн | Темп роста, % | Темп прироста, % | Абсолютное значе-ние 1% при-роста, тыс. тонн. | |||
Базис-ный | Цеп-ной | Базисный | Цепной | Базисный | Цепной | |||
- | - | 0,00 | 0,00 | - | ||||
? | ? | ? | ? | ? | ? | ? | ||
? | ? | ? | ? | ? | ? | ? | ||
? | ? | ? | ? | ? | ? | ? | ||
? | ? | ? | ? | ? | ? | ? | ||
? | ? | ? | ? | ? | ? | ? |
Вывод. Как показывают данные табл. 8.2.1., объем реализации товара постоянно ________________?. В целом за исследуемый период объем реализации продукции возрос на _______? тыс. тонн (гр.3) или на _______% (гр.7). Рост объема реализации продукции носит ______________________?характер, что подтверждается изменяющимися значениями цепных абсолютных приростов - с _________? до ________? тыс. тонн. (гр.4) и цепных темпов прироста - с _______?% до _____?% (гр.8). Увеличение объемов реализации продукции подтверждается также систематически возрастающей величиной абсолютного значения 1% прироста - с _____? до ________? тыс. тонн (гр.9).
Экстраполяция прогнозов в рядах динамики
Экстраполяция – это прогнозирование неизвестных значений путем продолжения функций за границы области известных значений.
Применение метода экстраполяции основано на инерционности развития социально-экономических явлений и заключается в предположении о том, что тенденция развития данного явления в будущем не будет претерпевать каких-либо существенных изменений. При этом с целью получения окончательного прогноза всегда следует учитывать все имеющиеся предпосылки и гипотезы дальнейшего развития рассматриваемого социально-экономического явления.
Прогноз, сделанный на период экстраполяции (период упреждения), больший 1/3 периода исследования не может считаться научно обоснованным. |
На основании ряда динамики годовых объемов реализации продукции (табл.1), необходимо сделать прогноз на последующие 2 года вперёд с использованием:
Прогнозирование уровня ряда динамики с использованием среднего абсолютного прироста осуществляется по следующей формуле:
, (8.4.1.)
где: – прогнозируемый уровень;
t – период упреждения (число лет, кварталов и т.п.);
yi – базовый для прогноза уровень;
– средний за исследуемый период абсолютный прирост (среднегодовой, среднеквартальный и т.п.).
Прогнозируемый объем реализации продукции на 8 год (по данным шестилетнего периода) с использованием среднего абсолютного прироста, рассчитанного ранее, исчисляется следующим образом:
Таблица 8.6.1.
Тема 9. ЭКОНОМИЧЕСКИЕ ИНДЕКСЫ
Понятие о статистических индексах. Виды и классификация индексов.
Индивидуальные и общие индексы. Проблемы соизмерения индексируемых величин в агрегатных индексах.
Индексы средние из индивидуальных.
Взаимосвязь индексов. Индексный метод выявления влияния роли отдельных факторов.
Индексы постоянного и переменного состава. Индексы фиксированной структуры.
Понятие о статистических индексах. Виды и классификация индексов.
Индекс – относительный показатель сравнения двух состояний простого или сложного явления, состоящего из соизмеримых или несоизмеримых элементов, во времени или пространстве.
По характеру изучаемых явлений индексы подразделяются на:
Индексы объемных показателей (индексы физического, измеренного в натуральных единицах объема производства или продажи товаров);
Индексы качественных показателей (например, индексы цен, себестоимости, производительности труда, заработной платы и др.);
Индексы сложных явлений (например, товарооборота, затрат на производство).
При построении индексов необходимо иметь минимум два признака:
Один ПЕРЕМЕННЫЙ;
Другой ПОСТОЯННЫЙ, который позволяет взвесить переменный признак. Отличительной особенностью индексов как относительных величин является то, что с их помощью становится возможным соизмерить непосредственно несоизмеримые величины.
Посредством индексов решаются три основные задачи:
1. измерить результаты изменения признаков с непосредственно несоизмеримыми элементами (например, изменение стоимости проданного товара в какой мере происходит за счет изменения цен и в какой мере за счет изменения объема продаж?); Например, вместе эти товары - растительное масло в литрах, яйцо диетическое в десятках, крупы в кг непосредственно соизмерить нельзя, от цен и количества перейдем к стоимости и затем соизмерим эти признаки;
2. измерить влияние факторов в динамике показателей;
3. измерить влияние структуры явлений на величину индексируемого признака.
Любой индекс состоит из трех элементов:
1) индексируемый показатель – показатель, уровни которого сравниваются. Например, цена , количество продаж , объем товарооборота ;
2) сравниваемый уровень показателя – уровень показателя, который сравнивают с другим, его называют отчетным или текущим ,;
3) базисный уровень показателя – уровень, с которым происходит сравнение ,;
Таблица 9.1.1.
Условные обозначения, используемые в теории индексного метода
Условное обозначение | Расшифровка |
Цена за единицу товара (услуги) | |
Количество (объем) какого-либо продукта (товара) в натуральном выражении | |
Общая стоимость продукции данного вида (товарооборот) | |
Подстрочный символ показателя текущего (отчетного) периода | |
Подстрочный символ показателя предшествующего (базисного) периода |
Схема 9.1.1. Классификация индексов
Пример 9.2.1.
В текущем, отчётном году предприятие произвело 120 тыс.т. продукции вместо 100 тыс.т. в прошлом базисном, году. Цены за каждую тонну этой продукции снизились с 20 до 18 рублей; а её общая стоимость возросла с 2 000 до 2 160 тыс. руб.
В данном примере можно вычислить три ИНДИВИДУАЛЬНЫХ индекса:
индекс цен: разаили ____?% от базы или снижение на ____?% ;(9.2.1.)
индекс объёма продукции: разаили рост ____?% (+_____?% прироста);(9.2.2.)
индекс стоимости продукции: разаили _____?%(+______?%)(9.2.3.)
Вывод: в отчетном периоде по сравнению с базисным цены _________________________?%, объем продукции __________________?%, стоимость продукции _________________?%.
Общие индексы () – характеризуют обобщающие результаты совместного изменения всех единиц, образующих статистическую совокупность.
Схема 9.2.1. Формы общих индексов
При построении общих индексов возникает проблема:
1) что включить в один индекс, какие элементы объединяются в одном индексе?
2) необходимо правильно выбрать соизмеритель или вес, т.е. постоянный признак. Выбор веса зависит от того, какой признак исследуется – количественный или качественный.
При построении общих индексов необходимо соблюдать правило ОБЩЕГО ВЕСА!!!!
Схема 9.2.2. Правило весов при построении общих индексов
Схема 9.2.3. Основные элементы агрегатного индекса
Таблица 9.2.2.
Основные формулы вычисления агрегатных индексов
Индекс | Формула расчета | Что показывает индекс | Что показывает разность между числителем и знаменателем |
Индекс цен Пааше (по отчетным весам) | , где - стоимость продукции отчетного периода; - условнаявеличина, показывающая какой была бы стоимость продукции в текущем периоде при условии сохранения цен на базисном уровне | Влияние цен на стоимость товаров, произведенных в отчетном периоде (во сколько раз возросла (уменьшилась) стоимость продукции в отчетном периоде по сравнению с базисным периодом в результате изменения цен) | На сколько денежных единиц изменилась стоимость продукции в результате роста (снижения) цен или на сколько товары в отчетном периоде стали дороже (дешевле), чем в базисном периоде |
Индекс цен Ласпейреса (по базисным весам) | , где - условная величина, показывающая, какой была бы стоимость продукции предшествующего периода при условии цен на уровне отчетного периода | Влияние изменения цен на стоимость количества товаров, произведенных в базисном периоде | На сколько денежных единиц товары в базисном периоде стали дороже (дешевле) из-за изменения цен на них в отчетном периоде |
Индекс физического объема продукции | , где: - стоимость продукции предшествующего периода | Во сколько раз возросла (уменьшилась) стоимость продукции в отчетном периоде по сравнению с базисным периодом в результате изменения физического объема ее реализации | На сколько денежных единиц изменилась стоимость продукции в результате роста (уменьшения) ее физического объема |
Индекс товарооборота продукции | ; | Во сколько раз возросла (уменьшилась) стоимость продукции в отчетном периоде по сравнению с базисным периодом за счет изменения цен на товары и объемов их реализации | На сколько денежных единиц увеличилась (уменьшилась) стоимость продукции в текущем периоде по сравнению с базисным периодом за счет изменения цен на товары и объемов их производства или реализации |
На практике используются формулы индексов цен и Ласпейреса и Пааше, хотя они дают разные результаты, по значению, индекс цен Ласпейреса, как правило, больше индекса цен Пааше.
Индекс цен Ласпейреса удобен для оперативной (недельной, месячной, квартальной) информации об изменении цен на определенный фиксированный набор товаров, когда пересчет каждый раз на текущий набор (количество) товаров сопряжен с большими затратами труда и времени, по индексу цен Ласпейреса рассчитывают индекс потребительских цен – индекс стоимости жизни.
Выручка от продаж всех товаров в отчетном периоде по сравнению с базисным возросла
· и за счет изменения цен
· и за счет изменения физической массы проданных товаров
в среднем в _________? раза или на ____________?%
Взаимосвязь индексов. Индексный метод выявления влияния роли отдельных факторов.
Все три индекса
Товарооборота цен (по Пааше) физического объема
тесно связаны между собой:
Индекс переменного состава;
Индекс фиксированного состава;
– Конец работы –
Используемые теги: Кредитные, вложения, млн, руб0.08
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Кредитные вложения, млн. руб
Если этот материал оказался полезным для Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов