Глава 1. Предмет и метод статистики промышленности. (обьект, предмет, задачи статистики промышленности, метод статистики промышленности)

Статистика промышленности, как и любая самостоятельная наука, имеет свой предмет, использует методы и приемы исследования. Она относится к экономическим наукам. Действия и проявления экономических законов в области промышленности изучают многие экономические науки: политическая экономия, экономика промышленности, планирование, бухгалтерский учет и др. При общности объекта изучения статистика промышленности отличается от других наук своим предметом. Предмет статистики промышленности -- количественная сторона массовых явлений и процессов, представляющих факторы и результат промышленного производства в конкретных условиях места и времени. Количественная определенность статистических категорий и закономерностей неразрывно связана с их качественным своеобразием, что является главной особенностью статистической методологии. Статистика промышленности изучает свой предмет, используя методы и приемы исследования, разрабатываемые общей теорией статистики. Эти методы применяются в определенной последовательности. На первом этапе применяется метод статистического наблюдения (сбор первичных данных), на втором - метод сводки и группировки результатов наблюдения (первичный анализ данных), на третьем -методы построения и анализа статистических показателей (методы сравнения, средних величин, индексный, корреляционный, регрессионный, факторного анализа и др.). Метод исследования сближает статистику промышленности со всеми отраслями статистической науки (статистика капитального строительства, статистика сельского хозяйства и др.), но отличает от других экономических наук (экономика, планирование, бухгалтерский учет и др.), объектом исследования, которых является промышленность. В то же время статистику промышленности от других отраслевых статистических наук отличает объект исследования - промышленность.

1.1.Методы анализа

Одна из важнейших черт статистических показателей, как объективных характеристик общественных явлений, состоит в их тесной взаимосвязи и взаимообусловленности. Статистика принята, вскрывать эти связи и количественно их охарактеризовать. Корреляционная, статистическая связь это неполная связь между признаками, которая проявляется при большом числе наблюдений. Используя метод корреляции, можно решить следующие задачи:

-определить среднее изменение результативного признака под влиянием одного или нескольких факторов;

-охарактеризовать меру зависимости между результативным признаком и одним из факторов при среднем значении других;

-установить меру относительного изменения признака на единицу относительного изменения фактора или факторов;

-определить меру тесноты связи результативного признака;

-подвергнуть анализу общий объём вариации результативного признака и определить роль каждого фактора в этом варьировании;

-статистически оценить показатели корреляционной связи, полученные по выборочным данным.

Для приведения корреляционно - регрессионного анализа необходимо составить систему показателей. Говоря о корреляционном отношении как о показателе измерения тесноты зависимости, следует отличать от эмпирического корреляционного отношения – теоретическое.

Теоретическое корреляционное отношение η представляет собой относительную величину, получающуюся в результате сравнения среднего квадратического отклонения выравненных значений результативного признака δ, то есть рассчитанных по уравнению регрессии, со средним квадратическим отношением эмпирических (фактических) значений результативности признака σ:

,где ; .

Изменение значения η объясняется влиянием факторного признака. В основе расчёта корреляционного отношения лежит правило сложения дисперсий, то есть , где   - отражает вариацию у за счёт всех остальных факторов, кроме х , то есть являются остаточной дисперсией:

Тогда формула теоретического корреляционного отношения примет вид:

Подкоренное выражение корреляционного выражения представляет собой коэффициент детерминации (мера определенности, причинности) Коэффициент детерминации показывает долю вариации результативного признака под влиянием вариации признака-фактора. Теоретическое корреляционное выражение применяется для измерения тесноты связи при линейной и криволинейной зависимостях между результативным и факторным признаком. Как видно из вышеприведенных формул корреляционное отношение может находиться от 0 до 1. Чем ближе корреляционное отношение к 1, тем связь между признаками теснее. Теоретическое корреляционное отношение применительно к моему анализу я рассчитаю двумя способами:

Полученное значение теоретического корреляционного отношения свидетельствует о возможном наличии среднестатистической связи между рассматриваемыми признаками. Коэффициент детерминации равен 0,62. Отсюда я заключаю, что 62% общей вариации работающих активов изучаемых банков обусловлено вариацией фактора – капитала банков (а 38% общей вариации нельзя объяснить изменением размера капитала). Кроме того, при линейной форме уравнения применяется другой показатель тесноты связи – линейный коэффициент корреляции:

где n – число наблюдений. Для практических вычислений при малом числе наблюдений (n≤20ч30) линейный коэффициент корреляции удобнее исчислять по следующей формуле:

Значение линейного коэффициента корреляции важно для исследования социально-экономических явлений и процессов, распределение которых близко к нормальному. Он принимает значения в интервале: -1≤ r≤1. Отрицательные значения указывают на обратную связь, положительные – на прямую. При r = 0 линейная связь отсутствует. Чем ближе коэффициент корреляции по абсолютной величине к единице, тем теснее связь между признаками. И, наконец, при r=±1 – связь функциональная. Используя данные табл. 1 я рассчитываем линейный коэффициент корреляции r. Но чтобы использовать формулу для линейного коэффициента корреляции рассчитаем дисперсию результативного признака σy:

Квадрат линейного коэффициента корреляции r² называется линейным коэффициентом детерминации. Из определения коэффициента детерминации очевидно, что его числовое значение всегда заключено в пределах от 0 до 1, то есть 0 ≤ r² ≤ 1. Степень тесноты связи полностью соответствует теоретическому корреляционному отношению, которое является более универсальным показателем тесноты связи по сравнению с линейным коэффициентом корреляции. Факт совпадений и несовпадений значений теоретического корреляционного отношения η и линейного коэффициента корреляции r используется для оценки формы связи. Выше отмечалось, что посредством теоретического корреляционного отношения измеряется теснота связи любой формы, а с помощью линейного коэффициента корреляции – только прямолинейной. Следовательно, значения η и r совпадают только при наличии прямолинейной связи. Для оценки значимости коэффициента корреляции r используют t-критерий Стьюдента, который применяется при t-распределении, отличном от нормального. Индексный анализ . Индексами в статистике называют сложные относительные показатели, характеризующие среднее изменение явления, состоящего из непосредственно несоизмеримых элементов Применение индексного анализа поможет сравнить и проанализировать показатели двух типических групп, то есть высшей и низшей.

Различают два основных вида индексов:

простые (частные, индивидуальные);

аналитические (общие, агрегатные).

В первом случае исследуемый признак принимается без учета связи этого признака с остальными признаками исследуемых экономических явлений. Такие индексы могут быть представлены следующей формулой:

 и   — соответственно сравниваемые состояния какого-либо признака

Во втором случае изучаемый признак используется не изолированно, а в его взаимосвязи с другими признаками.

Поэтому любой аналитический индекс состоит из двух элементов:

индексируемый признак  , то есть тот признак, изменение которого подвергается изучению;

весовой признак  .

С помощью весовых признаков исследуются изменения экономических явлений, составляющие элементы которых являются несоизмеримыми. Следует иметь в виду, что простые и аналитические индексы взаимно дополняют друг друга. Аналитические индексы могут быть представлены следующим образом:

 или 

где   и   — весовые признаки.