183883 (629953), страница 2

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

5. Статистичні методи

Для всебічної характеристики економічних явищ у соціально-економічній сфері, а також визначення успіхів і недоліків, шляхів та заходів щодо усунення негативних тенденцій застосовують статистичні методи: статистичні групування; середні та відносні величини; аналіз рядів динаміки; показники варіації; дисперсійний, регресійний і кореляційний аналіз; статистичні рівняння залежностей; статистичні індекси тощо. Перелічені статистичні методи можна застосовувати для вирішення певних завдань аналізу економічних явищ.

Щодо мети розрахунків необхідно визначити порядок опрацювання інформації та показники, передбачені для відповідних обчислень, методи і способи аналізу даних. В. С. Немчинов зазначав: "Основне завдання статистичної науки — вибрати і обґрунтувати такі способи дослідження, які б дали змогу висунути, визначити і врахувати істотні та відмінні ознаки досліджуваного явища" .

Достовірні результати аналізу взаємозв'язків показників соціально-економічного розвитку можливо отримати за допомогою не всіх статистичних методів. Характеристику можливості їх застосування розглянемо, починаючи з найбільш важливого серед них методу — статистичні групування.

Групування статистичної інформації при побудові аналітичних групувань за визначеною ознакою може проводитися за наявності не менше 20 одиниць спостереження і дає можливість отримати інформацію, що характеризує абсолютний рівень явища в окремих групах, відхилення між окремими групами та обсягом сукупності, залежність між факторними та результативними ознаками.

При групуванні ділять сукупність на групи, виділяючи основні типи і форми явищ. Розглядаючи зміни ознак від групи до групи, вивчають залежність результативної ознаки від чинникової, покладеної в основу групування. Будуючи групування, необхідно пам'ятати, що одні й ті самі вихідні дані за різного поєднання чинників і підходу до вибору інтервалів групувань дають різні результати — від неправильних (випадкових) до правильних (закономірних) висновків.

Групування економічної інформації за науково розробленими інтервалами груп дає змогу охарактеризувати складний взаємозв'язок одиниць сукупності. При побудові інтервалів групувань необхідно враховувати такі умови: ступінь заповнення інтервалів одиницями сукупності; застосування нерівних інтервалів, якщо вивчається неоднорідна сукупність.

Продовженням методу статистичних групувань є дисперсійний аналіз. Сутність його полягає в побудові аналітичного групування за ознакою-фактором та вимірюванні тісноти зв'язку, що ґрунтується на правилі складання дисперсій: загальна дисперсія розпадається на міжгрупову і середню з групових дисперсій, з яких перша обумовлена впливом чинника, а друга — впливом усіх інших чинників, крім того, що вивчається.

Для вивчення розвитку явищ у часі складаються й аналізуються ряди динаміки. Передумовою аналізу динамічного ряду є порівнянність статистичних даних. Порівнянність забезпечується наявністю наступних критеріїв:

— незмінність у методології обліку та розрахунку показників, використання однакових одиниць вимірювання;

• незмінність у структурі сукупності;

• рівні критичні моменти реєстрації даних;

• незмінність цін для вартісних показників. Уявлення про залежність можна одержати за

допомогою порівняння паралельних рядів. Проте, якщо ряди дуже довгі, тоді для виявлення кореляційної залежності одиниці сукупності групують за факторною ознакою, а потім розраховують значення середніх рівнів результативної ознаки. Так визначають форму, характер, напрям і тісноту зв'язку. Але, як зазначають Е. Ферстер і Б. Ренц: "Є велика кількість паралельно існуючих явищ, викликаних загальною для них причиною" .

Наявність взаємозв'язку можна встановити за допомогою побудови графіків. Тут, відкладаючи значення причини на осі абсцис, а значення наслідку — на осі ординат, визначаємо напрям зв'язку за положенням значень у системі координат. Якщо лінія графіка зображена зліва направо вгору — зв'язок прямий, якщо ж навпаки (зліва направо вниз) — зв'язок обернений.

У системі статистичних методів оцінки впливу чинників на результати економічної діяльності важливим є індексний аналіз, що дає змогу оцінити вплив зміни кількісних та якісних показників на результати господарської діяльності.

Будь-яка індексна модель має математичну і логіко-аналітичну інтерпретацію. З математичної точки зору, модель являє собою рівняння, яке дозволяє для кожного явища знайти перетворену форму його виразу у вигляді добутку двох інших явищ. Оцінка ж цього рівняння з логіко-аналітичної точки зору дозволяє встановити, чи існує реальна причинно-наслідкова залежність між ними, чи ні. Якщо така залежність існує, значить, знайдена реальна форма функціональної залежності об'ємного показника від його кількісного і якісного чинників, і тому модель придатна для використання за прямим призначенням. У іншому випадку модель самостійного значення не має і може бути використана лише для деталізації одного фактора за допомогою двох інших чинників. В основі такого перетворення лежить принцип еквівалентності між кількісними рівнями явищ. Якщо виявиться, що модель відображає недетермінований взаємозв'язок між явищами, то внаслідок некоректності вона повинна бути замінена іншою моделлю.

В основі статистичного індексування лежить причинно-наслідкова залежність між явищами, і в цьому полягає його корінна відмінність від інших індексних побудов розрахункового, але не аналітичного характеру.

Деякі статистики, визнаючи причинно-наслідкову природу статистичного індексування, все ж допускають можливість існування моделей, в яких результативним показником виступає причина, а чинником наслідок, називаючи це непрямим індексуванням. Але в непрямому індексу ванні особливої необхідності не існує, оскільки будь-яке соціально-економічне явище має свої безпосередні чинники і, отже, існує можливість прямого індексування .

Багатофакторний індексний аналіз дозволяє кількісно виміряти вплив декількох факторів на зміну того чи іншого економічного показника, іменованого результативним. Цей вид аналізу знаходить усе більше застосування.

Побудова багатофакторних індексних моделей, що відображають результативний показник як добуток взаємодії складових його факторів, має ґрунтуватися на знанні певних принципів, що випливають з об'єктивних особливостей взаємозв'язку між явищами.

Метод комплексних статистичних коефіцієнтів може бути успішно використаний для оцінки результатів господарської діяльності фірм, підприємств і організацій, показників соціально-економічного розвитку регіонів, країн у світі, виконання планів виробництва асортименту продукції, рівномірності її постачання, для оцінки стійкості курсу валют, акцій, цінних паперів та ефективності їх купівлі та продажу.

Основними методами для кількісної оцінки взаємозв'язків економічних явищ є регресійний і кореляційний аналіз.

Перед розглядом передумов кореляційного і регресійного аналізу слід сказати, що загальною умовою, що дозволяє отримати стабільніші результати при побудові кореляційних і регресійних моделей, є вимога однорідності початкової інформації. Ця інформація повинна бути оброблена на предмет аномальних, тобто що різко виділяються з масиву даних, спостережень. Ця процедура виконується за рахунок кількісної оцінки однорідності сукупності за яким-небудь одновимірним або багатовимірним критерієм (залежно від початкової інформації) і має на меті відбір тих об'єктів спостереження, у яких якнайкращі (або найгірші) умови функціонування з незалежних або слабозалежних причин.

Після обробки даних на предмет "аномальності" слід провести перевірку, наскільки інформація, що залишилася, задовольняє передумовам для використання статистичного апарату при побудові моделей, оскільки навіть незначні відступи від цих передумов часто зводять до нуля отримуваний ефект. Треба зауважити, що імовірнісне або статистичне рішення будь-якої економічної задачі повинне ґрунтуватися на докладному осмисленні початкових математичних понять і передумов, коректності і об'єктивності збору початкової інформації, в постійному поєднанні економічного змісту і математико-статистичного аналізу.

Застосування регресійного і кореляційного аналізу вимагає чіткого дотримання таких критеріїв, як наявність численної сукупності об'єктів, нормального розподілу змінних, кореляційної залеж ності тощо. Нормальний розподіл сукупності простежується тільки у випадках дії багатьох незалежних або слабозалежних чинників та відсутності значимих показників. Зокрема, як стверджують І. М. Григор'єва та М. С. Кузнєцов, "...досліджувана сукупність має бути у кращому разі у 7 разів більша від кількості коефіцієнтів регресії" .

Модель регресії може будуватися на припущенні, що на якусь залежну змінну впливає лише один фактор, тоді регресія називається простою, однак практика доводить різноманіття взаємозв'язків між явищами і процесами (особливо в макроекономічній сфері), тобто на залежну змінну впливає значна кількість чинників, а тому для опису таких моделей застосовуються множинні регресії.

Побудова багатофакторної (множинної) кореляційно-регресійної моделі включає такі етапи:

1. Вивчення економічної проблеми та підготовка статистичних даних.

У відповідності до визначеної мети дослідження, яке проводиться, необхідно з'ясувати природу процесів, які потрібно буде описувати. Для цього необхідно дати чітке визначення економічних явищ, встановлення об'єктів та періодів дослідження. На цьому етапі повинні бути сформульовані припущення про залежність досліджуваних явищ.

2. Побудова статистично значущих моделей.

Цей етап полягає у тому, щоб за допомогою спеціальних характеристик отримати кількісне підтвердження наявності чи відсутності зв'язку між показниками. При оцінюванні взаємозв'язку між кількісними змінними підтвердження гіпотези про наявність зв'язку є основою для переходу до наступного кроку — встановлення аналітичної залежності між ознаками. Вид аналітичної залежності або конкретної формули, який встановлює взаємну відповідність між ознаками, обирається виходячи зі змістовного аналізу явища. Якщо про характер взаємозв'язку попередньо нічого не відомо, то в процесі дослідження перевіряються різні гіпотези, випробовуються різні формули з відбором за формальними критеріями тієї з них, яка найбільш правдоподібна і більшою мірою відповідає наявним фактичним даним про значення ознак, про окремі об'єкти сукупності. Після вибору форми аналітичного зв'язку результативної та факторних ознак постає завдання визначення конкретних числових значень параметр.

Параметри рівняння регресії розраховуються таким чином, щоб обчислені за рівнянням значення залежної ознаки найменшою мірою відрізнялися від фактичних. Це досягається розрахунком параметрів рівнянь регресії за методом найменших квадратів (МНК). Параметри регресії за даним методом обираються таким чином, щоб забезпечити мінімальну суму квадратів відхилень фактичних величин від обчислених за рівнянням регресії для заданих значень факторних ознак .

3. Перевірка адекватності моделей та вибір найкращої моделі з усіх статистично значущих.

Рішення про вибір, рівень якості теоретичної моделі та надійність статистичних висновків у регресійному аналізі визначається рівнем статистичних оцінок адекватності моделі реальним явищам і процесам.

Для багатомірної регресійної моделі важливим є також оцінка наявності мультиколінеарності, тобто високого рівня парної кореляції залежності факторних ознак, які викривляють форму зв'язку факторних ознак і результативної. Єдиної, загальноприйнятої оцінки мультиколінеарності поки що не існує, але найбільш розповсюдженою є оцінка мультиколінеарності за значенням коефіцієнтів парної кореляції для факторних ознак.

І нарешті, в множинній регресії поруч з оцінкою достовірності моделі в цілому може іти мова про оцінювання достовірності кожного параметра моделі. Ця мета досягається за допомогою і-критерію Ст'юдента. Коефіцієнт регресії вважається досить надійним, якщо фактичне значення і-критерію перевищує табличне. Якщо надійність коефіцієнта регресії не підтверджується, то робиться висновок про несуттєвість у моделі факторної ознаки і необхідності її вилучення з моделі або заміни.

4. Економічна інтерпретація.

Результати регресійного аналізу порівнюються з гіпотезами, які були сформульовані на першому етапі досліджень, і оцінюється їх правдоподібність з економічної точки зору.

Спираючись на теоретичні положення, спробуємо продемонструвати практичне використання кореляційно-регресійного аналізу при побудові моделі взаємозв'язку між темпами економічного зростання та обсягом людського капіталу. Як впливовий фактор розглядатимемо частку загальної кількості тих, хто навчався (з урахуванням освіти у вищих закладах та професіонально-технічних навчальних закладах), у населенні України. Зв'язок між темпом економічного зростання та часткою тих, хто навчався, в населенні України у 1993— 2006 рр.¹ подано на рис. 1.

Характеристики

Список файлов курсовой работы