Изучение основных методов статистического исследования

Автор: Пользователь скрыл имя, 29 Ноября 2012 в 17:04, курсовая работа

Описание работы

Целью своей работы я поставила
· изучение сущности исследования взаимосвязей признаков
· изучить такое понятие как инфляция, что она из себя представляет и определить методологию ее расчета
· на практике посмотреть эффективность использования корреляционно-регрессионого анализа, т.е. изучить зависимость суммы активов коммерческих банков y и собственного капитала x.

Содержание

Введение…………………………………………………………………………...4
Глава 1: Теоретическая часть
1.Корреляционная связи и её статистическое изучение………………..………5
Глава 2: Практические задачи
2.1. Сводка и группировка материалов статистического наблюдения.
Теория + Задача № 1…………………………………………………………....14
2.2. Выявление и измерение сезонных колебаний.
Теория + Задача № 2………………………………………………………...….23
2.3. Статистика себестоимости перевозок грузов и пассажиров.
Теория + Задача № 4……………………………………………………...…….29
2.4. Индексы и их применение
Теория + Задача № 5………………………………………………………..…..41
Заключение……………………………………………………………………….49
Список используемой литературы……………………………………………...50

Работа содержит 1 файл

курсовик.doc

— 1.35 Мб (Скачать)

Введение

Все явления и процессы, протекающие  в экономике любой страны взаимосвязаны  между собой. Статистическое изучение этой взаимосвязи имеет особо  важное значение в связи с тем, что оно позволяет выявить  закономерности развития и осуществить  прогнозирование этих явлений и процессов.

Каждый процесс и явление можно рассматривать с двух сторон. С первой стороны они испытывают влияние других явлений и процессов и выступают как результат этого влияния.

Важной задачей статистики является разработка методики статистической оценки социальных явлений, которая осложняется тем, что многие социальные явления не имеют количественной оценки.

Но, исследуя явления в самых  различных областях, статистика сталкивается с зависимостями, как между количественными, так и между качественными показателями, признаками. При этом задача статистики – обнаружить (выявить) такие зависимости и дать их количественную характеристику.

Целью своей работы я поставила

·  изучение сущности исследования взаимосвязей признаков

·  изучить такое понятие как инфляция, что она из себя представляет и определить методологию ее расчета

·  на практике посмотреть эффективность использования корреляционно-регрессионого анализа, т.е. изучить зависимость суммы активов коммерческих банков y и собственного капитала x.

 

 

 

 

1.корреляционная связь  и её статистическое изучение

Корреля́ция — 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.

Впервые в научный оборот термин «корреляция» ввёл французский палеонтолог Жорж Кювье в XVIII веке. Он разработал «закон корреляции» частей и органов живых существ, с помощью которого можно восстановить облик ископаемого животного, имея в распоряжении лишь часть его останков. В статистике слово «корреляция» первым стал использовать английский биолог и статистик Фрэнсис Гальтон в конце XIX века.

Некоторые виды коэффициентов корреляции могут быть положительными или отрицательными. В первом случае предполагается, что  мы можем определить только наличие или отсутствие связи, а во втором — также и ее направление. Если предполагается, что на значениях переменных задано отношение строгого порядка, то отрицательная корреляция — корреляция, при которой увеличение одной переменной связано с уменьшением другой. При этом коэффициент корреляции будет отрицательным. Положительная корреляция в таких условиях — это такая связь, при которой увеличение одной переменной связано с увеличением другой переменной. Возможна также ситуация отсутствия статистической взаимосвязи — например, для независимых случайных величин.

Значительная корреляция между  двумя случайными величинами всегда является свидетельством существования  некоторой статистической связи  в данной выборке, но эта связь  не обязательно должна наблюдаться  для другой выборки и иметь причинно-следственный характер. Часто заманчивая простота корреляционного исследования подталкивает исследователя делать ложные интуитивные выводы о наличии причинно-следственной связи между парами признаков, в то время как коэффициенты корреляции устанавливают лишь статистические взаимосвязи. 

Рассматривая зависимости между  признаками, необходимо выделить прежде всего две категории зависимостей:

зависимости функциональные;

 
зависимости корреляционные.

 
          Функциональная  характеризуется полным соответствием между изменением причины и изменением результативной величины и соответствием каждому значению признака - фактора определенного признака. 
            В корреляционных связях между изменением факторного и результативного признаков нет полного соответствия и влияние отдельных факторов проявляется лишь в среднем при массовом наблюдении факторов, поскольку каждому значению факторного признака может соответствовать распределение значений результативного признака. Одновременное воздействие на изучаемый признак большого количества самых разнообразных факторов приводит к тому, что одному и тому же значению признака фактора будет соответствовать целое распределение значений результативного признака, поскольку в каждом конкретном случае прочие факторные признаки могут изменять силу и направление своего воздействия. 
Сравнивая между собой функциональные и корреляционные зависимости следует принять во внимание, что при наличие корреляционной зависимости устанавливается только тенденция изменения результативного признака при изменении величины факторного признака. 
       При исследовании корреляционных зависимостей между признаками решению подлежит широкий круг вопросов, к которым следует отнести: 
1. предварительный анализ свойств совокупности единиц;

2. установление фактора наличия  связи, определения ее направления  и формы; 
3. изменение степени точности связи между признаками; 
4. построение регрессионной модели;

 
5. оценка модели, ее экономическое  обоснование и практическое применение.

Чтобы результаты корреляционного анализа нашли практическое применение, должны выполняться определенные требования в отношении отбора объекта исследования и признаков – факторов: 
1. однородность единиц, подвергающихся изучению методами корреляционного анализа;

 
2. оценка однородности исследуемой совокупности при помощи показателей вариации (коэффициентов вариации);

 
3. достаточное число наблюдений;

 
4. независимость друг от друга  факторных признаков; 
5. нормальный характер распределения исследуемых признаков; 
6. количественное выражение факторных признаков, что дает возможность составить модель корреляционной зависимости.

Относительно своей аналитической формы связи бывают линейными и нелинейными. В первом случае между признаками в среднем проявляются линейные соотношения. Нелинейная взаимосвязь выражается нелинейной функцией, а переменные связаны между собой в среднем нелинейно.

Существует еще одна достаточно важная характеристика связей с точки  зрения взаимодействующих факторов. Если характеризуется связь двух признаков, то ее принято называть парной. Если изучаются более чем две переменные – множественной.

Указанные выше классификационные  признаки наиболее часто встречаются  в статистическом анализе. Но кроме  перечисленных различают также непосредственные, косвенные и ложные связи. Собственно, суть каждой из них очевидна из названия. В первом случае факторы взаимодействуют между собой непосредственно. Для косвенной связи характерно участие какой-то третьей переменной, которая опосредует связь между изучаемыми признаками. Ложная связь – это связь, установленная формально и, как правило, подтвержденная только количественными оценками. Она не имеет под собой качественной основы или же бессмысленна.

По силе различаются слабые и сильные связи. Эта формальная характеристика выражается конкретными величинами и интерпретируется в соответствии с общепринятыми критериями силы связи для конкретных показателей.

В наиболее общем виде задача статистики в области изучения взаимосвязей состоит в количественной оценке их наличия и направления, а также характеристике силы и формы влияния одних факторов на другие. Для ее решения применяются две группы методов, одна из которых включает в себя методы корреляционного анализа, а другая – регрессионный анализ. В то же время ряд исследователей объединяет эти методы в корреляционно-регрессионный анализ, что имеет под собой некоторые основания: наличие целого ряда общих вычислительных процедур, взаимодополнения при интерпретации результатов и др.

Поэтому в данном контексте можно  говорить о корреляционном анализе в широком смысле – когда всесторонне характеризуется взаимосвязь. В то же время выделяют корреляционный анализ в узком смысле – когда исследуется сила связи – и регрессионный анализ, в ходе которого оцениваются ее форма и воздействие одних факторов на другие.

Задачи собственно корреляционного анализа сводятся к измерению тесноты связи между варьирующими признаками, определению неизвестных причинных связей и оценке факторов оказывающих наибольшее влияние на результативный признак.

Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значении зависимой переменной.

Решение названных задач опирается  на соответствующие приемы, алгоритмы, показатели, применение которых дает основание говорить о статистическом изучении взаимосвязей.

Следует заметить, что традиционные методы корреляции и регрессии широко представлены в разного рода статистических пакетах программ для ЭВМ. Исследователю  остается только правильно подготовить информацию, выбрать удовлетворяющий требованиям анализа пакет программ и быть готовым к интерпретации полученных результатов. Алгоритмов вычисления параметров связи существует множество, и в настоящее время вряд ли целесообразно проводить такой сложный вид анализа вручную. Вычислительные процедуры представляют самостоятельный интерес, но знание принципов изучения взаимосвязей, возможностей и ограничений тех или иных методов интерпретации результатов является обязательным условием исследования.

Методы оценки тесноты связи  подразделяются на корреляционные (параметрические) и непараметрические. Параметрические  методы основаны на использовании, как  правило, оценок нормального распределения  и применяются в случаях, когда  изучаемая совокупность состоит из величин, которые подчиняются закону нормального распределения. На практике это положение чаще всего принимается априори. Собственно, эти методы – параметрические – и принято называть корреляционными.

Непараметрические методы не накладывают  ограничений на закон распределения изучаемых величин. Их преимуществом является и простота вычислений.

Основным методом изучения статистической взаимосвязи является статистическое моделирование связи на основе корреляционного  и регрессионного анализа. Задачей корреляционного анализа является количественное определение тесноты связи между двумя признаками при парной связи или между результативным и несколькими факторными при множественной связи. Регрессионный анализ заключается в определении аналитического выражения связи в виде уравнения регрессии. Регрессией называется зависимость среднего значения случайной величины результативного признака от величины факторного, а уравнением регрессии – уравнение описывающее корреляционную зависимость между результативным признаком и одним или нескольким факторными.

Корреляционная связь характеризуется согласованностью в вариации значений признаков. Однако согласованность эта не всегда свидетельствует о наличии причинно-следственной связи между рассматриваемыми признаками. Так например, согласованность в вариации значений признаков может быть следствием какой-либо одной, общей для них причины, или отражать случайное совпадение в изменениях признаков, не находящихся между собой в какой-либо связи. Неправильно возлагать полностью на статистику задачу установления наличия связи. Статистика только обнаруживает и характеризует фактическое проявление связи, указания на возможность которой дает теория изучаемого явления. 
Именно теоретический анализ указывает на вытекающую из существа изучаемого явления возможность связи между признаками, процессами, сопровождающими это явление. Однако теория не может дать ответ на вопрос, проявляется ли в действительности и как проявляется теоретически возможная связь в данных конкретных условиях. 
При статистическом изучении корреляционной связи между признаками исходным материалом являются данные об индивидуальных значениях этих признаков в изучаемой статистической совокупности. 
Статистическая наука в настоящее время располагает большим набором приемов (методов) выявления корреляционной связи. Одни приемы можно отнести к элементарным (простейшим), другие предусматривают использование специального сложного математического аппарата. 
К так называемым элементарным приемам (методам) выявления наличия корреляционной связи относятся: параллельное сопоставление рядов значений факторного и результативного признаков, графическое изображение фактических данных с помощью поля корреляции, построение групповой и корреляционной таблиц, факторные (аналитические) группировки и исчисление групповых средних. 
К сложным методам изучения взаимосвязей относятся балансовые таблицы, дисперсионный анализ, методы теории корреляции и регрессии, методы многомерного анализа, методы распознавания образов, метод главных компонентов и др.

 
           При отсутствии ярко выраженной причинной связи между факторным и результативным признаками наличие и характер связи можно установить при помощи метода параллельных рядов: в одной таблице приводятся упорядоченные значения факторного признака, который обычно обозначается символом х, и соответствующие им значения результативного признака, который обычно обозначается символом у. 
Наличие и характер связи определяется по степени согласованности вариации данных рядов.

 
              В тех случаях, когда возрастание величины факторного признака влечет за собой возрастание величины результативного признака, говорят о возможном наличии прямой корреляционной связи. Если же с увеличением факторного признака величина результативного признака имеет тенденцию к уменьшению, то можно предполагать обратную связь между этими признаками.

Информация о работе Изучение основных методов статистического исследования