Курсовая работа: Статистическое изучение взаимосвязи социально-экономических явлений
Курсовая работа: Статистическое изучение взаимосвязи социально-экономических явлений
КУРСОВАЯ РАБОТА
по дисциплине "Статистика"
на тему: "Статистическое
изучение взаимосвязи социально-экономических явлений"
Введение
Сущность
исследования взаимосвязей признаков
1. Основные понятия корреляционного и регрессионного анализа
2. Парная корреляция и парная линейная регрессия
3. Оценка значимости параметров взаимосвязи
4. Непараметрические методы оценки связи
Инфляция
1. Определение инфляции. Открытая и подавленная форма инфляции. Измерение инфляции 2. Способы измерения инфляции
3. Основные методики расчета индексов, их
преимущества и недостатки
4.
Статистика цен и расчёт ИПЦ в РФ
5. Методология расчета ИПЦ
6. Сезонная корректировка ИПЦ
7. Инфляция в современной России Практическая глава Заключение Литература
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. С
другой стороны каждое явление в свою очередь выступает как фактор, оказывающий
влияние на другие явления и процессы. Поэтому признаки, которые испытывают
влияние, называются результативными; признаки, которые оказывают влияние -
факторные.
Результативные признаки
обозначаются через Y, факторные
через X. Поэтому в общем виде
взаимосвязь между результатом и факторами можно записать формулой: fy
=(x1
,x2
…) следовательно, Y является
функцией от всех X.
Если на результат
оказывает влияние первый фактор, то в этом случае изучается корреляция и
регрессия, которые носят название парных; если на результат оказывает влияние
несколько факторов, то изучается множественная корреляция и множественная
регрессия.
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.
В настоящее
время в мире происходят постоянные изменения стратегий и методов, и
проблематика данного исследования по-прежнему несет актуальный характер.
Представляется,
что анализ тематики статистические методы изучения взаимосвязи
социально-экономических явлений достаточно актуален и представляет научный и
практический интерес.
Будущие исследования
также актуальны в целях постоянного и обоснованного решения проблемы данной
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.
СУЩНОСТЬ
ИССЛЕДОВАНИЯ ВЗАИМОСВЯЗЕЙ ПРИЗНАКОВ
1. Основные
понятия корреляционного и регрессионного анализа
Исследуя
природу, общество, экономику, необходимо считаться с взаимосвязью наблюдаемых
процессов и явлений. При этом полнота описания, так или иначе, определяется
количественными характеристиками причинно-следственных связей между ними.
Оценка наиболее существенных из них, а также воздействия одних факторов на
другие является одной из основных задач статистики.
Формы
проявления взаимосвязей весьма разнообразны. В качестве двух самых общих их
видов выделяют функциональную (полную) и корреляционную (неполную) связи. В
первом случае величине факторного признака строго соответствует одно или
несколько значений функции. Достаточно часто функциональная связь проявляется в
физике, химии. В экономике примером может служить прямо пропорциональная
зависимость между производительностью труда и увеличением производства
продукции.
Корреляционная
связь (которую также называют неполной, или статистической) проявляется в
среднем, для массовых наблюдений, когда заданным значениям зависимой переменной
соответствует некоторый ряд вероятных значений независимой переменной.
Объяснение тому – сложность взаимосвязей между анализируемыми факторами, на
взаимодействие которых влияют неучтенные случайные величины. Поэтому связь
между признаками проявляется лишь в среднем, в массе случаев. При
корреляционной связи каждому значению аргумента соответствуют случайно
распределенные в некотором интервале значения функции.
Например,
некоторое увеличение аргумента повлечет за собой лишь среднее увеличение или
уменьшение (в зависимости от направленности) функции, тогда как конкретные
значения у отдельных единиц наблюдения будут отличаться от среднего. Такие
зависимости встречаются повсеместно. Например, в сельском хозяйстве это может
быть связь между урожайностью и количеством внесенных удобрений. Очевидно, что
последние участвуют в формировании урожая. Но для каждого конкретного поля,
участка одно и то же количество внесенных удобрений вызовет разный прирост
урожайности, так как во взаимодействии находится еще целый ряд факторов
(погода, состояние почвы и др.), которые и формируют конечный результат. Однако
в среднем такая связь наблюдается – увеличение массы внесенных удобрений ведет
к росту урожайности.
По
направлению связи бывают прямыми, когда зависимая переменная растет с
увеличением факторного признака, и обратными, при которых рост последнего
сопровождается уменьшением функции. Такие связи также можно назвать
соответственно положительными и отрицательными.
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.
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9 |