Статистическое изучение взаимосвязи социально экономических явлений

СТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ ВЗАИМОСВЯЗЕЙ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ЯВЛЕНИЙ;

1. Виды и формы связей между явлениями.

2. Методы изучения взаимосвязей.

3. Корреляционно-регрессионное моделирование.

4. Оценка КРМ на адекватность.

1.Все явления объективного мира, в том числе и общественные, находятся в постоянной взаимосвязи и взаимодействии между собой, в непрерывном изменении и развитии. Важнейшей задачей статистики, наряду с оценкой состояния массовых явлений и выявлением закономерностей их развития, является изучение связей между ними.

Связи массовых общественных явлений устанавливают на основе теоретического анализа их сущности, изучения закономерностей и движущих сил развития, оценки условий их функционирования. При этом используются категории, понятия и накопленные ранее знания других наук. Задача статистики состоит в том, чтобы выявить само наличие связи в конкретных условиях, а также получить показатели, характеризующие ее силу, степень и характер.

Теоретический и практический интерес представляют в первую очередь причинно-следственные связи, когда одни явления (факторы) выступают причиной изменения других (результаты). Их анализ позволяет, во-первых, объяснить фактическое положение дел, а во-вторых, воздействуя на факторы, добиться изменения результатов в желаемом направлении.

Виды связей:

1) функциональные. Связь между явлениями называется функциональной, если изменению факторного показателя x на единицу соответствует строго определенное изменение результативного признака y. Такие связи выражают формулами, действительными во всех случаях. Примером может служить изменение заработной платы (при той же самой часовой ставке) в зависимости от числа отработанных часов, изменение затрат на топливо в зависимости от его расхода в натуральном выражении (при неизменных ценах) и т.д.

2) статистические (корреляционные). Статистическими (корреляционными) называют связи, при которых строго определенному изменению факторного признака x соответствует целый ряд (статистическое распределение) изменений результата y, не вполне определенных, подверженных случайным колебаниям. Эти связи проявляются лишь в среднем, в массовых явлениях; кроме изучаемого фактора на результат воздействуют и другие причины, в том числе носящие случайный характер. Например, при увеличении доз вносимых удобрений урожайность культур в среднем повышается, но не всегда и не на одну и ту же величину.

II. По форме выражения:

1) прямые — с возрастанием факторного признака увеличивается результативный (например, при увеличении стажа работника, как правило, производительность его труда повышается);

2) обратные — изменения идут в противоположном направлении (так, при повышении продуктивности животных и урожайности культур затраты на единицу продукции в среднем сокращаются).

III. По аналитическому выражению:

1) прямолинейные — с возрастанием одного признака при любом его исходном значении другой изменяется в среднем на одну и ту же величину;

2) криволинейные — эти изменения сами изменяются (увеличиваются, уменьшаются или даже меняют свой знак).

IV. В зависимости от количества факторных признаков, включенных в модель:

1) парные (однофакторные);

2) множественные (многофакторные).

2.Для изучения функциональных связей используют методы:

— балансовые связи. Он основан на простой функциональной зависимости между наличием какого-то ресурса на начало и конец периода, его поступлением и расходованием в течение этого периода. Если известны любые три из указанных показателей, четвертый определяется автоматически. Наличие на конец года = Наличие на начало года + Поступило – Выбыло.

Например, годовое потребление в хозяйстве продукции собственного производства можно рассчитать так:

Потребление = Наличие на начало года + Производство – Наличие на конец года.

Для изучения корреляционных связей используют методы:

— сопоставление параллельных рядов;

Самый простой и наиболее распространенный прием – сопоставление параллельных рядов. Его сущность состоит в одновременном рассмотрении изучаемых признаков по единицам совокупности или по периодам (моментам) динамического ряда. Сопоставление производится чисто визуально, без специальных расчетов (табл 9.3).

В данном случае хорошо видно, что в динамике дозы внесения органических и минеральных удобрений вплоть до 1990 г. увеличиваются, а затем снижаются. Сходная тенденция наблюдается и по урожайности зерновых: рост до 1990 г. с последующим снижением. Напротив, по урожайности картофеля никакого параллелизма с показателями внесения удобрений не прослеживается.

Сопоставление параллельных рядов (его особенно удобно вести с помощью линейных графиков) позволяет установить наличие связи, ее направление и очень приблизительно – ее силу. Так, изменения доз органических и минеральных удобрений связаны очень тесно, их связь с урожайностью зерновых культур, хотя и слабая, также имеется, она носит прямой и линейный характер, а вот связь с урожайностью картофеля практически не прослеживается.

Главный недостаток данного приема – отсутствие каких-либо показателей связи. Сопоставление не решает также вопрос о причинно-следственных связях изучаемых явлений. Из теории, например, известно, что внесение удобрений приводит к росту урожайности. Но картофель возделывается в основном в хозяйствах населения, и его доля в структуре посевов невелика. Поэтому показатель внесения удобрений в среднем на 1 га всей посевной площади, и к тому же во всех категориях хозяйств, является слишком общим, чтобы могла обнаружиться какая-то связь с урожайностью картофеля.

— графический метод (метод корреляционного поля);

Состоит в нанесении точек графика на координатную плоскость, а также определении поля корреляции и направления связи между признаками.

Статистическое изучение взаимосвязи социально – экономических явлений.

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 корреляционный анализ, а другая — регрессионный анализ.

Корреляционная связь – это связь, проявляющаяся при большом числе наблюдений в виде определенной зависимости между средним значением результативного признака и признаками-факторами. Другими словами, корреляционную связь условно можно рассматривать как своего рода функциональную связь средней величины одного признака (результативного) со значением другого (или других). При этом, если рассматривается связь средней величины результативного показателя y с одним признаком-фактором x, корреляция называется парной, а если факторных признаков 2 и более (x₁, x₂, …, x_m) – множественной.

По характеру изменений x и y в парной корреляции различают прямую и обратную связь. При прямой связи значения обоих признаков изменяются в одном направлении, т.е. с увеличением (уменьшением) значений x увеличиваются (уменьшаются) и значения y. При обратной связи значения факторного и результативного признаков изменяются в разных направлениях.

Изучение корреляционных связей сводится в основном к решению следующих задач:

1) выявление наличия (отсутствия) корреляционной связи между изучаемыми признаками;

2) измерение тесноты связи между двумя (и более) признаками с помощью специальных коэффициентов (эта часть исследования именуется корреляционным анализом);

3) определение уравнения регрессии – математической модели, в которой среднее значение результативного признака у рассматривается как функция одной или нескольких переменных – факторных признаков (эта часть исследования именуется регрессионным анализом).

Общий термин «корреляционно-регрессионный анализ» подразумевает всестороннее исследование корреляционных связей (т.е. решение всех трех задач).

Для выявления наличия и характера корреляционной связи между двумя признаками в статистике используется ряд методов.

1. Рассмотрение параллельных данных(значений x и y в каждой из n единиц). Единицы наблюдения необходимо расположить по возрастанию значений факторного признака х (как в таблице справа) и затем сравнить с ним (визуально) поведение результативного признака у.

2. Графический метод – это графическое изображение корреляционной зависимости. Для этого, имея n взаимосвязанных пар значений x и y и пользуясь прямоугольной системой координат, каждую такую пару изображают в виде точки на плоскости с координатами x и y. Совокупность полученных точек представляет собой корреляционное поле, а соединяя последовательно нанесенные точки отрезками, получают ломаную линию, именуемую эмпирической линией регрессии.

3. Метод аналитических группировок используется при большом числе наблюдений для выявления корреляционной связи между двумя количественными признаками. Чтобы выявить наличие корреляционной связи между двумя признаками, проводится группировка единиц совокупности по факторному признаку х и для каждой выделенной группы рассчитывается среднее значение результативного признака . Если результативный признак у зависит от факторного х, то в изменении среднего значения будет прослеживаться определенная закономерность.

4. Метод корреляционных таблиц предполагает комбинационное распределение единиц совокупности по двум количественным признакам. Такая таблица строится по типу «шахматной», т.е. в подлежащем (строках) таблицы выделяются группы по факторному признаку х, а в сказуемом (столбцах) – по результативному у (или наоборот), а в клетках таблицы на пересечении х и у показано число случаев совпадения каждого значения х с соответствующим значением у.

На основе аналитических группировок и корреляционных таблиц можно не только выявить наличие зависимости между двумя коррелируемыми показателями, но и измерить тесноту этой связи, в частности, с помощью эмпирического корреляционного отношения.

где m – число групп по факторному признаку х;

k – число групп по результативному признаку у;

– средние значения результативного признака по группам;

– общее среднее значение результативного признака;

– индивидуальные значения результативного признака;

– частота в j-й группе х; – частота в i-й группе у.

5. Коэффициент корреляции знаков (Фехнера) – простейший показатель тесноты связи, основанный на сравнении поведения отклонений индивидуальных значений каждого признака (x и y) от своей средней величины. При этом во внимание принимаются не величины отклонений ( ) и ( ), а их знаки («+» или «–»). Определив знаки отклонений от средней величины в каждом ряду, рассматривают все пары знаков и подсчитывают число их совпадений (С) и несовпадений (Н). Тогда коэффициент Фехнера рассчитывается как отношение разности чисел пар совпадений и несовпадений знаков к их сумме, т.е. к общему числу наблюдаемых единиц:

.

Очевидно, что если знаки всех отклонений по каждому признаку совпадут, то К_Ф=1, что характеризует наличие прямой связи. Если все знаки не совпадут, то К_Ф=–1(обратная связь). Если же åС=åН, то К_Ф=0. Итак, как и любой показатель тесноты связи, коэффициент Фехнера может принимать значения от 0 до 1. Однако, если К_Ф=1, то это ни в коей мере нельзя воспринимать как свидетельство функциональной зависимости между х и у.

6. Линейный коэффициент корреляции – основан на предположении, что при полной независимости признаков x и у отклонения значений факторного признака от средней ( ) носят случайный характер и должны случайно сочетаться с различными отклонениями ( ). При наличии значительного перевеса совпадений или несовпадений таких отклонений делается предположение о наличии связи между x и y.

В отличие от К_Ф в линейном коэффициенте корреляции учитываются не только знаки отклонений от средних величин, но и значения самих отклонений, выраженные для сопоставимости в единицах среднего квадратического отклонения t:

и .

Линейный коэффициент корреляции r представляет собой среднюю величину из произведений нормированных отклонений для x и у:

, или .

Линейный коэффициент корреляции может принимать значения от –1 до +1, причем знак определяется в ходе решения. Например, если , то r по формуле будет положительным, что характеризует прямую зависимость между х и у, в противном случае (r

Тема № 9. Статистическое изучение взаимосвязи социально — экономических явлений

Различают два типа связи между различными явлениями и их признаками: функциональную или жестко детерминированную и статистическую или стохастически детерминированную с другой стороны.

Если с изменением одной из переменных вторая изменяется строго определенным образом, т.е. значению одной переменной обязательно соответствует одно или несколько точно заданных значений другой переменной, связь между ними является функциональной.

При стохастически детерминированной связи (статистической) с изменением значения одной переменной вторая может в определенных пределах принимать любые значения с некоторыми вероятностями, но ее среднее значение или иные статистические (массовые) характеристики изменяются по определенному закону, т.е. разным значениям одной переменной соответствуют разные распределения значений другой переменной.

Частным случаем статистической связи является корреляционная связь.

Корреляционная связь — это связь, где воздействие отдельных факторов проявляется только как тенденция (в среднем) при массовом наблюдении фактических данных.

Наиболее простым вариантом корреляционной зависимости является парная корреляция, т.е. зависимость между двумя признаками (результативным и факторным или между двумя факторными). Математически эту зависимость можно выразить как зависимость результативного показателя у от факторного показателя х. Связи могут быть прямые и обратные. В первом случае с увеличением признака х увеличивается и признак у, при обратной связи с увеличением признака х уменьшается признак у.

Методы изучения статистической связи.

Важнейшей задачей является определение формы связи с последующим расчетом параметров уравнения, или, иначе, нахождение уравнения связи (уравнения регрессии).

Могут иметь место различные формы связи:

линейные связи являются основными и применяются также и при многофакторном анализе.

криволинейная в виде:

параболы второго порядка (или высших порядков)

параболической связью описывается взаимосвязь при которой характер связи между факторным и результативным признаком может измениться на противоположный при прохождении некоторого оптимального значения.

гиперболические зависимости характерны для связей, в которых результативный признак не может варьироваться неограниченно, его вариация имеет односторонний предел.

дисперсия в ряду выравненных значений результативного показателя ; —

дисперсия в ряду фактических значений у.

Для определения степени тесноты парной линейной зависимости служит линейный коэффициент корреляции r, для расчета которого можно использовать следующие формулы:

Линейный коэффициент корреляции может принимать значения в пределах от -1 до + 1 или по модулю от 0 до 1. Чем ближе он по абсолютной величине к 1, тем теснее связь. Знак указывает направление связи: «+» — прямая зависимость, «-» имеет место при обратной зависимости.

Общий вид многофакторного уравнения регрессии имеет вид:

Многофакторная система требует не одного, а множества показателей тесноты связей. Основой измерения связей является матрица коэффициентов корреляции. На основе этой матрицы судят о тесноте связи факторов с результативным признаком и между собой. Не рекомендуется включать в уравнение регрессии факторы слабо связанные с результативным признаком, но тесно связанные с другими факторами. Множественный коэффициент корреляции определяется как отношение части вариации результативного признака, объясняемой за счет вариации входящих в уравнение факторов, к общей вариации результативного признака за счет всех факторов. Под вариацией понимается сумма квадратов отклонений индивидуальных значений от расчетных по уравнению регрессии (объясненная вариация) или от общей средней величины признака (общая вариация).

Для случая двух факторов коэффициент множественной детерминации вычисляется по формуле из парных коэффициентов корреляции::

Коэффициент частной детерминации фактора x_m – это доля вариации у, не объясненной ранее включенными факторами. Если обозначить частный коэффициент детерминации ддя фактора x_m как Тогда

Основные задачи применения корреляционно-регрессионного анализа.

В соответствии с сущностью корреляционной связи ее изучение имеет две цели: 1) измерение параметров уравнения, выражающего связь средних значений зависимой переменной со значениями независимой переменной; 2) измерение тесноты связи двух (или большего числа признаков) между собой

Задачи корреляционно-регрессионного анализа:

1. Задачи выделения важнейших факторов, влияющих на результативный признак (т.е. вариацию его значений в совокупности). Эта задача решается на базе мер тесноты связи факторов с результативным признаком.

2. Задачи оценки хозяйственной деятельности по эффективности использования факторов производства. Эта задача решается путем расчета для каждой единицы совокупности тех величин результативного признака, которые были получены при средней по совокупности эффективности использования факторов и сравнивания их с фактическими результатами производства.

3. Задача прогнозирования возможных значений результативного признака при задаваемых значениях факторных признаков. Такая задача решается путем подстановки ожидаемых, или планируемых, или возможных значений факторных признаков в уравнении связи и вычисления ожидаемых значений результативного признака.

4. Задача подготовки данных, необходимых в качестве исходных для решения оптимизационных задач.

При решении каждой из названных задач нужно учитывать особенности и ограничения корреляционно-регрессионного метода. Всякий раз необходимо специально обосновать возможность причинной интерпретации уравнения как объясняющего связь между вариацией фактора и результата. Трудно обеспечить раздельную оценку влияния каждого из факторов.

Непараметрические методы определения тесноты связи.

В статистической практике могут встречаться такие случаи, когда качества факторных и результативных признаков не могут быть выражены численно. Поэтому для измерения тесноты зависимости необходимо использовать другие показатели. Для этих целей используются так называемые непараметрические методы.

Наибольшее распространение имеют ранговые коэффициенты корреляции, в основу которых положен принцип нумерации значений статистического ряда. При использовании коэффициентов корреляции рангов коррелируются не сами значения показателей х и у, а только номера их мест, которые они занимают в каждом ряду значений. В этом случае номер каждой отдельной единицы будет ее рангом.

где d = Nx — Ny , т.е. разность рангов каждой пары значений х и у; n — число наблюдений.

К непараметрическим методам исследования можно отнести коэффициент ассоциации К_ас и коэффициент контингенции К_кон, которые используются, если, например, необходимо исследовать тесноту зависимости между качественными признаками, каждый из которых представлен в виде альтернативных признаков.

Для определения этих коэффициентов создается расчетная таблица (таблица «четырех полей»), где статистическое сказуемое схематически представлено в следующем виде:

Статистическое изучение взаимосвязи социально — экономических явлений

Исследование объективно существующих связей между явлени­ями — важнейшая задача общей теории статистики. В процессе ста­тистического исследования зависимостей вскрываются причинно — следственные отношения между явлениями, что позволяет выявлять факторы (признаки), оказывающие основное влияние на вариацию изучаемых явлений и процессов. Причинно-следственные отноше­ния — это связь явлений и процессов, когда изменение одного из них — причины, ведет к изменению другого — следствия.

Особое значение при исследовании причинно-следственных связей имеет выявление временной последовательности: причина всегда должна предшествовать следствию, однако не каждое пред­шествующее событие следует считать причиной, а последующее — следствием.

В реальной социально-экономической действительности при­чину и следствие необходимо рассматривать как смежные явле­ния, появление которых обусловлено комплексом сопутствующих более простых причин и следствий. Между сложными группами причин и следствий возможны многозначные связи, когда за од­ной причиной будет следовать то одно, то другое действие или одно действие имеет несколько различных причин. Каждое явле­ние может выступать в одних случаях как причина, а в других — как следствие.

Но чем сложнее изучаемые явления, тем труднее выявить при­чинно-следственные связи между ними. Взаимное переплетение различных внутренних и внешних факторов неизбежно приводит к некоторым ошибкам в определении причины и следствия. Со­циально-экономические явления представляют собой результат одновременного воздействия большого числа причин. Поэтому при изучении этих явлений необходимо выявлять главные, ос­новные причины, абстрагируясь от второстепенных.

На первом этапе статистического изучения связи проводят качественный анализ изучаемого явления, связанный с анализом
природы социального или экономического явления при помощи экономической теории, социологии, конкретной экономики. Вто­рой этап — построение модели связи. Он базируется на методах статистики: группировках, средних величинах, таблицах и т. д. Третий, последний этап — интерпретация результатов — вновь связан с качественными особенностями изучаемого явления.

Статистика разработала множество методов изучения связей, выбор которых зависит от целей исследования и поставленных задач. Признаки по их значению для изучения взаимосвязи де­лятся на два класса. Признаки, обусловливающие изменения дру­гих, связанных с ними признаков, называются факторными или просто факторами. Признаки, изменяющиеся под действием фак­торных признаков, являются результативными.

Связи между явлениями и их признаками классифицируются по степени тесноты связи, направлению и аналитическому выражению.

В статистике различают функциональную связь и статисти­ческую зависимость. Функциональной называют такую связь, при которой определенному значению факторного признака соответ­ствует одно значение результативного признака. Функциональ­ная связь проявляется во всех случаях наблюдения и для каждой единицы исследуемой совокупности.

Если причинная зависимость проявляется не в каждом отдель­ном случае, а в общем, среднем при большом числе наблюдений, то такая зависимость называется статистической. Частным слу­чаем связи является корреляционная связь, при которой измене­ние среднего значения результативного признака обусловлено изменением факторных признаков.

По степени тесноты связи различают следующие количествен­ные критерии оценки тесноты связи.

Количественные критерии оценки тесноты связи

Тема 6. Статистические методы изучения взаимосвязей социально-экономических явлений

1. Виды и формы взаимосвязей между общественными явлениями.

2. Методы выявления взаимосвязей между общественными явлениям

3. Показатели тесноты корреляционной связи. Ранговые коэффициенты корреляции.

4. Регрессионный анализ.

1. Виды и формы взаимосвязей между общественными явлениями и методы их выявления

Изучение взаимосвязей в экономике — важнейшая задача всякого статистического анализа Взаимосвязи общественных явлений многообразны и по своему характеру различны

Среди взаимосвязанных признаков, одни рассматриваются как факторы, влияющие на изменение других, их называют факторными,вторые — как следствие, результат влияния первых, это результативныепризнаки.

Следует различать два вида связи: функциональную и стохастическую (статастическую), частным случаем которой является корреляционная связь.

Связь между двумя переменными х и у называется функциональной, если определенному значению переменной х строго соответствует одно вполне определенное значение другой переменной у. Это жестко детерминированная связь. Такие связи характерны для точных наук (математики, физики и др.), но они имеют место и в экономике.

В области экономических явлений чаще существуют иного рода связи, когда взаимно действуют многие факторы, различные сочетания которых приводят к вариации значений результативного признака при одинаковом значении факторного признака. Здесь нет жестко детерминированной связи между факторным и результативным признаками.

Такие связи можно обнаружить только при массовом наблюдении как статистические закономерности. Эти связи именуют стохастическими или статистическими.

Корреляционная связь — понятие более узкое, чем статистическая связь. Слово «корреляция» означает соотношение, соответствие. Здесь определенному значению одного факторного признака может соответствовать несколько значений признака — следствия. На основе этих значений можно определить среднюю величину последнего, соответствующую каждому конкретному значению факторного признака

Таким образом, корреляционнойназывается связь, проявляющаяся при большом числе наблюдений в виде определенной зависимости между средним значением результативного признака и признаками — факторами. При этом, если рассматривается связь средней величины результативного признака у одним признаком — фактором x;, корреляция называется парной, а если факторных признаков два и более (х₂, х₁ . , х_т) — множественной.

Общий вид уравнений парной регрессии:

(1)

Общий вид многофакторных уравнений регрессии:

(2)

При изучении множественной корреляции вводится еще понятие частной корреляции, под которой понимается зависимость между результативным показателем у и одним из факторных признаков x_t в условиях, когда влияние на них остальных факторов, учитываемых на фиксированном уровне, устранено. По направлению принято различать прямую и обратную связи. Прямая— такая связь, при которой с увеличением значений факторного признака увеличиваются и значения результативного признака, с уменьшением значений хуменьшаются и значения у, то есть оба признака изменяются в одном направлении. Так, с ростом годового среднедушевого дохода в домохозяйстве увеличивается (при прочих равных условиях) сумма сбережений за год или при уменьшении удельного расхода материалов снижается себестоимость продукции.

В случае обратнойсвязи значения факторного и результативного признаков изменяются в противоположных направлениях. Так, снижение себестоимости продукции способствует увеличению уровня рентабельности.

Изучение корреляционных связей сводится в основном к решению следующих задач:

— выявление наличия (или отсутствия) корреляционной связи между изучаемыми признаками;

— измерение тесноты связи между двумя (и более) признаками с помощью специальных коэффициентов. Эта часть исследования именуется корреляционным анализом,

— определение уравнения регрессии — математической модели, в которой среднее значение результативного признака у рассматривается как функция одной или нескольких переменных — факторных признаков. Эта часть исследования именуется регрессионным анализом.

По форме зависимости выделяются связи прямолинейные (или просто линейные) и нелинейные. Если статистическая связь между явлениями может быть приближенно выражена уравнением прямой линии, то ее называют линейной связью; если же она выражается уравнением какой-либо кривой линии (параболы, гиперболы, степенной, показательной, экспоненциальной и т. д.), то такую связь называют нелинейной или криволинейной.