Индексы при анализе структурных изменений
Агрегатные индексы качественных показателей применяются в двух формах: в форме индексов переменного состава и в форме индексов фиксированного состава.
Индекс среднего уровня может быть представлен как произведение аналитических индексов-сомножителей, каждый из которых отражает изменение только одного фактора, и тем самым – влияние этого изменения на динамику среднего уровня. Первый индекс носит название индекса фиксированного состава, второй – индекса структурных сдвигов.
(7.31)
Например, для анализа динамики среднемесячной производительности труда (w) по группе работников индекс переменного состава определяется по формуле:
| I | = | åq1 p0 | : | åq0 p0 | = | åw1T1 | : | åw0T0 | = | åw1d1T | : | åw0 d | 0 T | = | åw1d1 | (7.32) | ||||
| перем.сост. | åT1 | åT0 | åT1 | åT0 | åd1T | åd 0 T | åw0 d 0 T | |||||||||||||
| где | åq1 p0 , åq0 p0 | – стоимость произведенной продукции в отчетном и базисном периодах в | ||||||||||||||||||
| сопоставимых ценах; | ||||||||||||||||||||
| åT1,åT0–численность работников в отчетном и базисном периодах. | ||||||||||||||||||||
| Индекс фиксированного состава: | ||||||||||||||||||||
| Iфикчир.сост. | = | åiw T1 | = | åw1T1 | = | åw1d1T | (7.33) | |||||||||||||
| åT1 | åw 0 d0 T | |||||||||||||||||||
| åw 0 T0 |
где iw – индивидуальные индексы производительности труда.
Индексные методы широко применяются для анализа факторов изменения сложных показателей, полученных на основе соизмерения абсолютных величин. В связи с этим необходимо изучить вопрос о способах построения взаимосвязанных индексов и способах расчета абсолютного изменения сложной величины за счет влияющих факторов.
Индекс результативного показателя связан с индексами показателей-факторов так же, как абсолютные величины этих показателей:
      Iqp = Iq ×Ip | (7.34) |
где I qp – индекс стоимости продукции;
I q –индекс физического объема продукции в базисных ценах;
I p –индекс цен.
Такая взаимосвязь может быть использована не только для выявления относительного изменения уровня изучаемого явления за счет отдельных факторов, но и для определения размера абсолютного изменения уровня сложного явления в связи с влиянием исследуемых факторов:
| D | qp | = D | q | + D | p | (7.35) | |
ГЛАВА 8. СТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ ВЗАИМОСВЯЗЕЙ
План:
1. Основные понятия корреляционного и регрессионного анализа
2. Парная корреляция и парная линейная регрессия
3. Оценка значимости параметров взаимосвязи
4. Непараметрические методы оценки связи
Основные понятия корреляционного и регрессионного анализа
Исследуя природу, общество, экономику, необходимо считаться со 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.
Непараметрические методы не накладывают ограничений на закон распределения изучаемых величин. Их преимуществом является и простота вычислений.