logo
Statistika_shpory

50.Индексный метод в факторном анализе

В статистике, планировании и анализе хозяйственной деятельности основой для количественной оценки роли отдельных факторов в динамике изменений обобщающих показателей являются индексные модели. Индексный метод – один из приемов элиминирования. Основывается на относительных показателях динамики, пространственных сравнений, выполнении плана, выражающих отношение фактического уровня анализируемого показателя в отчетном периоде к его уровню в базисном периоде (или к плановому, или по другому объекту). Любой индекс исчисляется сопоставлением соизмеряемой (отчетной) величины с базисной. Индексы, выражающие соотношение непосредственно соизмеряемых величин, называются индивидуальными, а характеризующие соотношения сложных явлений – групповыми, или тотальными.

Статистика оперирует различными формами индексов (агрегатная, арифметическая, гармоническая и др.), используемыми в аналитической работе.

Агрегатный индекс является основной формой любого общего индекса; его можно преобразовать как в средний арифметический, так и в средний гармонический индексы. С помощью агрегатных индексов можно выявить влияние различных факторов на изменение уровня результативных показателей в мультипликативных и кратных моделях.

Корректность определения размера каждого фактора зависит от:

количества знаков после запятой (не менее четырех);

количества самих факторов (связь обратно пропорциональна).

Принципы построения индексов: изменение одного фактора при неизменном значении всех остальных, при этом если обобщающий экономический показатель представляет собой произведение количественного (объемного) и качественного показателей-факторов, то при определении влияния количественного фактора качественный показатель фиксируется на базисном уровне, а при определении влияния качественного фактора количественный показатель фиксируется на уровне отчетного периода.

52. корреляционная зависимость — статистическаявзаимосвязь двух или несколькихслучайных величин(либо величин, которые можно с некоторой допустимой степенью точности считать таковыми)

1. Прямая корреляционная связь. Уровень одной переменной непосредственно соответствует уровню другой. Примером является закон Хика: скорость переработ­ки информации пропорциональна логарифму от числа альтернатив. Другой пример: корреляция высокой личностной пластичности и склонности к смене социальных установок.

2. Корреляция, обусловленная 3-й переменной. 2 переменные (а, с) связаны одна с другой через 3-ю (в), не измеренную в ходе исследования. По правилу транзитив­ности, если есть R (а, b) и R (b, с), то R (а, с). Примером подобной корреляции явля­ется установленный психологами США факт связи уровня интеллекта с уровнем доходов. Если бы такое исследование проводилось в сегодняшней России, то резуль­таты были бы иными. Очевидно, все дело в структуре общества. Скорость опозна­ния изображения при быстром (тахистоскопическом) предъявлении и словарный запас испытуемых также положительно коррелируют. Скрытой переменной, обу­словливающей эту корреляцию, является общий интеллект.

3. Случайная корреляция, не обусловленная никакой переменной.

4. Корреляция, обусловленная неоднородностью выборки. Представим себе, что выборка, которую мы будем обследовать, состоит из двух однородных групп. Напри­мер, мы хотим выяснить, связана ли принадлежность к определенному полу с уров­нем экстраверсии. Считаем, что «измерение» пола трудностей не вызывает, экстра­версию же измеряем с помощью опросника Айзенка ETI-1. У нас 2 группы: мужчи­ны-математики и женщины-журналистки. Неудивительно, если мы получим линейную зависимость между полом и уровнем экстраверсии—интроверсии: боль­шинство мужчин будут интровертами, большинство женщин — экстравертами.

,

52корреляционная зависимость — статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.

Многофакторный корреляционный анализ состоит из нескольких этапов.

На первом, этапе определяются факторы, которые оказывают воздействие на изучаемый показатель, и отбираются наиболее существенные для корреляционного анализа.

На втором этапе собирается и оценивается исходная информация, необходимая для корреляционного анализа.

На третьем этапе изучается характер и моделируется связь между факторами и результативным показателем, то есть подбирается и обосновывается математическое уравнение, которое наиболее точно выражает сущность исследуемой зависимости.

На четвертом этапе проводится расчет основных показателей связи корреляционного анализа.

На пятом этапе дается статистическая оценка результатов корреляционного анализа и практическое их применение.

№54 регрессия представляет собой регрессию между двумя переменными – y и x, т. е. модель вида:

y(x) = f^(x),

где y – зависимая переменная (результативный признак); x – независимая, или объясняющая, переменная (признак-фактор). Знак «^» означает, что между переменнымиx и y нет строгой функциональной зависимости, поэтому практически в каждом отдельном случае величина y складывается из двух слагаемых:

y = yx + ε,

где y – фактическое значение результативного признака; yx – теоретическое значение результативного признака, найденное исходя из уравнения регрессии; ε – случайная величина, характеризующая отклонения реального значения результативного признака от теоретического, найденного по уравнению регрессии.