Метод корригирования средних
В качестве недостатка метода обычных средних указывают на то, что он дает количественную оценку сезонно влияющих факторов только тогда, когда отсутствует влияние длительно действующих факторов. Однако часто в изучаемых явлениях встречается наличие такой тенденции. В этих случаях необходимо при определении индексов сезонных колебаний учитывать влияние длительно действующих причин. Для этой цели пользуются методом корригирования средних. Для того чтобы найти индексы сезонных колебаний, поступают следующим образом.
Предварительно нужно решить вопрос, существует ли тенденция в изменении размеров изучаемого показателя и каков характер этого изменения: прямолинейный или криволинейный.
Метод корригированных средних может быть применен только в случае прямолинейной тенденции в изменении изучаемого показателя. Далее устраняют влияние временно действующих причин. Для этого сначала складывают фактические данные по месяцам, а затем делят полученные суммы на количество лет. Получают 12 средних. Далее устраняют влияние длительно действующих причин, влияющих на изучаемый фактор. Путем сложения отдельно за каждый год изучаемого периода фактических чисел получают данные за все годы. Производят выравнивание этих данных методом наименьших квадратов и получают величину b. Коэффициент b показывает годичное увеличение или снижение годовых данных. Если разделить коэффициент b на 12, получится годичное увеличение или снижение месячных данных, т. е. на сколько в среднем снижается или увеличивается в течение двух одинаковых календарных месяцев в двух смежных годах. Если разделить затем коэффициент b еще раз на 12, т. е. b:144, получится месячное увеличение или снижение данных за месяц, т. е. на сколько изменяется изучаемый параметр в двух соседних календарных месяцах одного и того же года. Следовательно, корригирующий коэффициент, при помощи которого можно устранить влияние длительно действующих причин, равен b:144. Коррекцию производят следующим образом: если развитие нисходящее (b со знаком минус), то к средней за январь прибавляют коррекцию, равняющуюся нулю, к средней за февраль прибавляют коэффициент коррекции, к средней за март - удвоенный коэффициент и т. д. до средней за декабрь, к которой добавляют коэффициент коррекции, умноженный на 11. Если развитие восходящее, то из средней каждого месяца вычитают соответствующий коэффициент коррекции.
Исправленные таким образом месячные средние усредняют путем сложения и деления суммы на 12. Получается общая средняя, в которой устранено влияние сезонно действующих факторов. Далее относят каждую из 12-месячных средних к общей средней и получают индексы сезонных колебаний. Эти индексы количественно характеризуют сезонность в каждом месяце отдельно, так как в знаменателе (принятом за базу и равняющимся 100) стоит величина общей средней, очищенной от влияния всех причин, включая и сезонно действующие, а в числителе - величина корригированных месячных средних, в которых сохранено влияние только сезонно действующих факторов.
Истолкование этих индексов сезонных колебаний следующее: если принять, что средний типичный уровень изучаемого показателя за отдельные календарные месяцы равен 100 %, то величина индексов за остальные месяцы покажет колебания.
- Введение
- Раздел I. Введение в теорию вероятностей
- Понятие о случайном событии
- Классическое определение вероятности
- Относительная частота. Статистическое определение вероятности.
- Геометрическая вероятность
- Свойства вероятностей Сложение вероятностей несовместимых событий
- Умножение вероятностей
- Сложение вероятностей совместимых событий
- Формула полной вероятности
- Основные формулы комбинаторики
- Дискретные и непрерывные случайные величины. Понятие «случайные величины»
- Закон распределения случайной величины
- Теоретические распределения вероятностей
- Биномиальное распределение
- Распределение Пуассона
- Числовые характеристики дискретных случайных величин
- Нормальное распределение
- Вопросы для самопроверки:
- Раздел II. Основные понятия и термины биологической статистики Генеральная совокупность и выборка
- Непреднамеренный отбор. Метод последовательных номеров. Случайный и механический методы отбора
- Признаки и показатели
- Правила ранжирования
- Способы группировки первичных данных.
- Схемы (модели) научного исследования
- Однофакторная и многофакторная модель Контрольные и экспериментальные группы
- Метод автоконтроля
- Метод дублирования
- Метод последовательного пополнения групп
- Численность контрольных и экспериментальных групп
- Научные гипотезы
- Направленные гипотезы
- Статистические критерии
- Параметрические критерии
- Непараметрические критерии
- Уровни статистической значимости
- 1 Рода.
- Вопросы для самопроверки
- Раздел III. Статистические методы обработки экспериментальных данных
- Проверка гипотезы о законе распределения
- Χ2 Пирсона
- Описательные статистики Концепция сжатия экспериментальных данных
- Показатели центральной тенденции. Средние.
- Медиана
- Персентили
- Показатели изменчивости
- Стандартизованные данные
- Показатели асимметрии и эксцесса
- Эксцесс
- Работа с качественными переменными Количественная оценка результатов эксперимента.
- Вопросы для самопроверки:
- Сравнение двух независимых групп т критерий Стьюдента
- Критерии согласия для дисперсий
- U критерий Маана-Уитни
- Сравнение качественных признаков Критерий χ2
- Сравнение долей
- Точный тест Фишера
- Сравнение более двух независимых групп Однофакторный дисперсионный анализ Фишера
- Критерий Краскела-Уоллиса
- Сравнение двух зависимых групп Парный т критерий Стьюдента
- Парный критерий т – Вилкоксона
- Критерий x2r Фридмана
- Тест Мак-Немара
- Корреляционный анализ
- Вычисление и интерпретация параметров парной линейной корреляции
- Условия применения и ограничения корреляционно анализа
- Вычисление и интерпретация параметров парной линейной корреляции
- Измерение связи количественных признаков
- Измерение связи порядковых признаков
- Измерение связи номинальных признаков
- Относительный риск. Отношение шансов
- Статистическая оценка надежности параметров парной корреляции
- Частная корреляция
- Факторный анализ
- Вопросы для самопроверки:
- Регрессионный анализ
- Метод наименьших квадратов
- Выбор формы функциональной зависимости
- Применение парного линейного уравнения регрессии
- Корреляционно-регрессионные модели (крм) и их применение в анализе и прогнозе.
- Логистическая регрессия
- Анализ динамических изменений Применение метода наименьших квадратов при исследовании тенденции развития
- Анализ циклических изменений
- Метод обычных средних
- Метод корригирования средних
- Метод отношения фактических данных
- Ошибки, допускаемые при количественной характеристике сезонных колебаний
- Кластерный анализ
- Иерархическое дерево
- Меры расстояния
- Правила объединения или связи
- Метод k средних
- Выбор между параметрическими и непараметрическими тестами: легкая ситуация.
- Выбор между параметрическими и непараметрическими тестами: сложные случаи.
- Выбор между параметрическим и непараметрическим тестом: насколько это на самом деле влияет на результат?
- Одно или двухсторонняя p-оценка?
- Парный или непарный тест?
- Тест Фишера или хи-квадрат?
- Регрессия или корреляция?
- Вопросы для самопроверки:
- Раздел IV. Работа с программой easystatistics Общие сведения о программе EasyStatistics
- Создание новой базы данных
- Работа с файлами
- Копирование и вставка данных
- Работа с фильтрами
- Работа с переменными и строками
- Статистические методы Описательные статистики
- Частотный анализ
- Сравнение независимых выборок
- Сравнение связанных выборок
- Дисперсионный анализ
- Корреляционный анализ
- Множественная регрессия
- Проверка типа распределения эмпирических данных
- Вероятностный калькулятор
- Задания для самостоятельной работы с программой
- Список рекомендуемой литературы
- Граничные (критические) значения 2-критерия, соответствующие разным вероятностям допустимой ошибки и разным степеням свободы
- Критические значения коэффициентов корреляции для различных степеней свободы (n - 2) и разных вероятностей допустимых ошибок