1.3 Анализ статистических данных

Задачи статистики состоят в выявлении связи, определении ее направления и ее измерении. Наиболее же общая задача – это прогнозирование и регулирование социально-экономических явлений на основе полученных представлений о связях между явлениями.

Статистика рассматривает экономический закон как существенную и устойчивую связь между определенными явлениями и процессами. Познавая связи, статистика познает законы. А их знание позволяет управлять общественным развитием. Основой изучения связей является качественный анализ.

Различают два вида признаков:

1. факторные – те, которые влияют на изменение других процессов;

2. результативные – те, которые изменяются под воздействием других признаков.

В статистике связи классифицируются по степени их тесноты. Исходя из этого различают функциональную (полную) и статистическую (неполную, корреляционную) связь.[8]

Функциональная связь – такая связь, при которой значение результативного признака целиком определяется значением факторного (например, площадь круга). Она полностью сохраняет свою силу и проявляется во всех случаях наблюдения и для всех единиц наблюдения. Каждому значению факторного признака соответствует одно или несколько определенных значений результативного признака.

Для корреляционной связи характерно то, что одному и тому же значению факторного признака может соответствовать сколько угодно различных значений результативного признака. Здесь связь проявляется лишь при достаточно большом количестве наблюдений и лишь в форме средней величины.

По направлению изменений факторного и результативного признака различают связь прямую и обратную.

Прямая связь – такая связь, при которой с изменением значений факторного признака в одну сторону, в ту же сторону меняется и результативный признак.

Обратная связь – такая связь, при которой с увеличением (уменьшением) факторного признака происходит уменьшение (увеличение) результативного признака.

По аналитическому выражению выделяются две основные формы связи:

• прямолинейная (выражается уравнением прямой);

• криволинейная (описывается уравнениями кривых линий – гипербол, парабол, степенных функций).

Основное значение имеют линейные модели в силу простоты и логичности их экономической интерпретации. На основании имеющихся данных строится уравнение прямой регрессии y на x, где y –результативный признак, x – факторный признак.

Уравнение регрессии имеет вид: y = а + bx.

Тесноту связи между результативными признаками можно определить с помощью линейного коэффициента корреляции r_ху.

4. Выборочное наблюдение

Выборочным называется такое несплошное наблюдение, при котором признаки регистрируются у отдельных единиц изучаемой статистической совокупности, отобранных с использованием специальных методов, а полученные в процессе обследования результаты с определенным уровнем вероятности распространяются на всю исходную совокупность.

При решении ряда задач выборочное наблюдение является единственно возможным способом получения необходимой информации. Реализация выборочного метода базируется на понятиях генеральной и выборочной совокупности.[5]

Генеральная совокупность представляет собой всю исходную статистическую совокупность, их которой на основе отбора единиц или групп единиц формируется выборочная совокупность.

Отбор единиц в выборочную совокупность может быть повторным и бесповторным.

При повторном отборе попавшая в выборку единица подвергается обследованию, возвращается в генеральную совокупность и наравне с другими единицами участвует в дальнейшей процедуре отбора. То есть некоторые единицы могут попадать в выборку дважды и более.

При бесповторном отборе попавшая в выборку единица подвергается обследованию и в дальнейшей процедуре отбора не участвует. Результаты, полученные при таком отборе, являются более точными по сравнению с результатами, основанными на повторной выборке.

Выборочное наблюдение всегда связано с определенными ошибками получаемых характеристик. Ошибка выборки находится в прямой зависимости от дисперсии изучаемого признака в генеральной совокупности и в обратной зависимости от объема выборки.[3]

Средняя ошибка бесповторной собственно-случайной выборки вычисляется как:

, где

- дисперсия изучаемого признака по выборочной совокупности;

- объем выборочной совокупности;

- объем генеральной совокупности.

С учетом выбранного уровня вероятности и соответствующего ему значения t предельная ошибка выборки составит:

, где

t – нормированное отклонение при определенной вероятности. Наиболее часто используемые уровни вероятности Р и соответствующие им значения t приведены в приложении 1.

Границы, в которых будет находиться средняя величина в генеральной совокупности, определяется как:

.

Для того чтобы найти границы генеральной доли, т.е. границы доли единиц, обладающих тем или иным значением признака, сначала определяется выборочная доля w

, где

m – количество единиц выборочной совокупности, обладающих определенным вариантом изучаемого признаком;

n – объем выборочной совокупности.

Дисперсия доли w определяется так:

.

Предельная ошибка выборки рассчитывается по формуле

Границы, в которых находится генеральная доля определяются следующим образом:

Чем больше объем выборки, тем меньше значения средней и предельной ошибок выборочного наблюдения и, следовательно, тем уже границы генеральной средней и генеральной доли.[1]