Компоненты ряда динамики

Ряд относится к интервальным, многомерным, состоит из рядов абсолютных, средних, относительных величин с равноотстоящими уровнями. Чтобы ряды динамики давали правильное представление о процессах, которые они представляют, при их составлении необходимо соблюдать следующие требования:

1. Периодизация развития – расчленение процесса во времени на однородные этапы, в пределах которых показатель подчиняется одному закону. Например, весь советский этап развития России является особым однородным периодом, кардинально отличающимся от предыдущих периодов и того, что мы наблюдаем сейчас. Внутри него можно выделить более короткие и более однородные периоды:

• Довоенные годы (индустриализация и коллективизация),

• Великая Отечественная Война,

• Послевоенное восстановление народного хозяйства и т.д.

2. Обеспечение сопоставимости уровней – использование единых методик расчета показателей, одинаковых единиц измерения, единого круга объектов наблюдения, единых территориальных границ, единого содержания показателей.

3. Систематизация уровней в хронологическом порядке – в рядах динамики не должно быть пропусков отдельных уровней. Если данных не хватает, то их восполняют условными расчетными значениями уровней.

С помощью рядов динамики в статистике решают следующие задачи:

• Получение характеристик интенсивности изменения явления во времени и характеристик отдельных уровней;

• Выявление и количественная оценка основной долговременной тенденции развития явления;

• Изучение периодических и сезонных колебаний явления;

• Экстраполяция и прогнозирование.

Обработка рядов динамики осуществляется в 3 этапа:

1. Определение системы характеристики динамического ряда;

2. Разложение ряда на отдельные компоненты;

3. Прогнозирование на основе экстраполяции.

43. Причинность, регрессия, корреляция.

Двухмерные корреляционные модели (парная корреляция) используются в случаях, когда среди факторов, влияющих на результативный признак, есть доминирующий. Таких связей немного, чаще встречаются зависимости результативного признака от нескольких факторных, так как экономические явления находятся под влиянием значительного числа одновременно и совокупно действующих факторов.

Для описания совместного влияния одновременно действующих факторов на результат используют множественные корреляционные модели вида. Модели подобного класса используются при изучении спроса,функции потребления, доходности акций и т.д.

Задача множественного корреляционно-регрессионного анализа в общем виде формулируется следующим образом: Пусть некоторая статистическая совокупность, состоящая из n единиц наблюдения обладает определённым набором признаков, один из которых играет роль результативного y, а остальные – факторных. На основе наблюдаемых значений всех признаков требуется выявить и описать связь между ними в виде множественной корреляционной модели вида.

Решение данной задачи требует последовательного выполнения следующих этапов исследования множественной корреляционной связи:

• предварительный отбор факторов, включаемых в модель;

• предварительное описание связи;

• уточнение модели на основе анализа корреляционной матрицы;

• определение тесноты связи;

• оценка надёжности множественной корреляционной модели;

• интерпретация модели.

Дата добавления: 2014-12-23