Экономический факультет

Специальность: «Финансы и кредит»

Кафедра статистики
Контрольная работа
По дисциплине: Статистика (теория)
Выполнил
Проверил:
СОДЕРЖАНИЕ
                                                                                                       Стр.
1.     Какие основные задачи решаются с помощью метода группировок?       3

                                                                 
2.     Какие показатели являются мерой тесноты связи между признаками?     9
Задачи                                                                                                     14

                  
Список литературных источников                                                         21

1.Какие основные задачи решаются с помощью метода группировок?
В практической статистике широко применяется метод группировок.

Важнейшим этапом исследования социально-экономических явлений и процессов является систематизация первичных данных и получение на этой основе сводной характеристики объекта в целом при помощи обобщающих показателей.

В результате первой стадии статистического исследования (статистического наблюдения) получают статистическую информацию, представляющую собой большое количество первичных, разрозненных сведений об отдельных единицах объекта исследования (записи о каждом гражданине страны при переписи населения: пол, национальность, возраст, образование, род занятий и многие другие признаки). Дальнейшая задача статистики заключается в том, чтобы привести эти материалы в определенный порядок, систематизировать и на этой основе дать сводную характеристику всей совокупности фактов при помощи обобщающих статистических показателей, отражающих сущность социально-экономических явлений и определенные статистические закономерности. Это достигается в результате сводки – второй стадии статистического исследования.

В сводке статистического материала отдельные единицы статистической совокупности объединяются в группы при помощи метода группировок.

Таким образом, группировка является одним из первичных методов обработки новой статистической информации, которая позволяет проводить последующий статистический анализ.

Группировка - это распределение множества единиц исследуемой совокупности по группам в соответствии с существенным для данной группы признаком. Метод группировки позволяет обеспечивать первичное обобщение данных, представление их в более упорядоченном виде. Благодаря группировке можно соотнести сводные показатели по совокупности в целом со сводными показателями по группам. Появляется возможность сравнивать, анализировать причины различий между группами, изучать взаимосвязи между признаками. Группировка позволяет делать вывод о структуре совокупности и о роли отдельных групп этой совокупности. Именно группировка формирует основу для последующей сводки и анализа данных.

Признаки, по которым проводится группировка, называют группировочными признаками. Группировочный признак иногда называют основанием группировки. Правильный выбор существенного группировочного признака дает возможность сделать научно обоснованные выводы по результатам статистического исследования. Группировочные признаки могут иметь как количественное выражение (объем, доход, курс валюты, возраст и т.д.), так и качественное (форма собственности предприятия, пол человека, отраслевая принадлежность, семейное положение и т.д.).

При определении числа групп, как правило, учитываются задача исследования, объем совокупности и виды признаков, которые берутся в качестве основания группировки. Например, по количественному признаку возраст населения может быть разбит на самые различные группы. Их число будет зависеть от поставленных задач. Например, это могут быть группы по возрасту трудоспособного населения; экономически активного населения и т.д.

Если берется, предположим, такой качественный признак, как образование, то групп будет ровно столько, сколько существует ступеней или профилей образования. В образовании по ступеням групп будет шесть (неполное среднее; среднее; неполное среднее специальное; специальное среднее; неполное высшее; высшее). По профилю образования количество групп может совпадать или с числом профессиональных групп, или с числом сфер образования (гуманитарное; инженерно-техническое; естественнонаучное).

Если для построения группировки используется только один признак, то такую группировку называются простой, если группировка проводится по нескольким признакам, ее называют сложной. Сложная группировка бывает или комбинационная, или многомерная.

Комбинационная группировка выполняется последовательно: группы, выделенные по одному признаку, затем выделяются в подгруппы по другому признаку, которые, в свою очередь, могут выделяться по следующему другому признаку. В этом случае число групп будет равно произведению числа выделенных групп на число группировочных признаков. Процедура определения оптимального числа групп основана на применении формулы Стерджесса



где n - число групп; N - число единиц совокупности.

Из формулы видно, что выбор числа групп зависит от объема совокупности. Если групп оказывается много и они включают малое число единиц, то групповые показатели могут стать ненадежными. Поэтому альтернативой комбинационной группировке является многомерная группировка, которая осуществляется по комплексу признаков одновременно. Ее применение требует использования электронной вычислительной техники. С помощью специально разработанных электронных программ формируются однородные группы на основании близости по всему комплексу признаков.

Определение числа групп тесно связано с понятием величина интервала: чем больше число групп, тем меньше величина интервала, и наоборот. Интервал - разница между максимальным и минимальным значениями признака в каждой группе. Он определяет количественные границы групп, что для статистической практики имеет большое значение, особенно когда нужно образовать качественно однородные группы. Например, исследуется совокупность предприятий по выполнению коллективных договоров. Здесь нельзя объединять предприятия, которые не выполнили обязательства, и те, которые их перевыполнили. Показатель здесь - величина интервала.

Другим примером является невозможность образовывать группу 95 - 105%, поскольку это разные части совокупности. Следует образовать две группы: 95 - 100% и 101 - 105%. В этом случае границы, по которым различаются совокупности, абсолютно соблюдаются.

Каждый интервал имеет нижнюю (наименьшее значение признака) и верхнюю (наибольшее значение признака) границы или одну из них. Поэтому величина интервала есть разность между верхней и нижней границами интервала. Если у интервала указана лишь одна граница (у первого - верхняя, у последнего - нижняя), то речь идет об открытых интервалах. Если у интервала имеются и нижняя, и верхняя границы, то речь идет о закрытых интервалах. Закрытые интервалы подразделяются на равные и неравные (прогрессивно возрастающие, прогрессивно убывающие), а также специализированные и произвольные.

Группировку с равными интервалами строят тогда, когда исследуются количественные различия в величине признака внутри групп одинакового качества, а также если распределение носит более или менее равномерный характер. Если можно заранее установить определенное количество групп, то величину равного интервала можно вычислить по формуле



где i - величина равного интервала; xmax , xmin - наибольшее и наименьшее значения признака; n - число групп.

Если не требуется предварительного установления числа групп, то используется другой способ определения величины равного интервала - по формуле Стерджесса



где n - число наблюдений.

Если величина равного интервала рассчитывается по данной формуле, то следует знаменатель предварительно округлить до целого числа (как правило, всегда большего), так как количество групп не может быть дробным числом.

В статистической практике чаще применяются неравные интервалы (постепенно возрастающие или постепенно убывающие). При этом исследуемая совокупность делится на группы примерно равного заполнения с большим числом единиц. Неравные интервалы могут использоваться, например, в таких случаях:

а) при исследовании группировки с применением нескольких признаков, дающих возможность составить несколько подгрупп, где требуются уже и более длинные и более короткие интервалы;

б) при образовании крупных групп с новым качеством на базе мелких групп при условии сохранения их однородности, что приводит к увеличению интервалов.

В статистической практике используются также специализированные интервалы. Интервалы называют специализированными, если речь идет об установлении границ интервала в группах, схожих по типу и по признаку, но имеющих отношение, скажем, к разным отраслям производства.

Виды группировок зависят от целей и задач, которые они выполняют. С помощью метода статистических группировок выделяют качественно однородные совокупности, изучают структуры совокупности и изменения, происходящие в них, а также решают задачи по исследованию существующих связей и зависимостей.

С известной мерой условности для выполнения этих задач группировки соответственно делят на типологические, структурные и аналитические.

Метод типологической группировки заключается в выявлении в качественно разнородной совокупности однородных групп. При этом очень важно правильно отобрать группировочный признак, который поможет идентифицировать выбранный тип. Типологические группировки широко применяются в исследовании социально- экономических явлений. Примерами такого вида группировок могут быть группы предприятий по формам собственности (см. табл.1), по формам хозяйствования, социальные группы населения и т.д. В типологических группировках часто используются специализированные интервалы.

Таблица 1.

Группировка полиграфических предприятий одного из городов России по формам собственности  

Тип собственности	Число предприятий
	абсолютное	в процентах к итогу
Федеральная Акционерная Частная Итого	3 7 5 15	20 46,7 33,3 100,0

Метод структурной группировки есть разделение однородной совокупности на группы по тому или иному варьирующему группировочному признаку. Примерами такого вида группировок могут быть группы населения по полу, возрасту, месту проживания, доходу и т.д., то есть может решаться задача по изучению структурного состава той или иной однородной совокупности, структурных изменений по тому или иному группировочному признаку. На основе структурных изменений изучаются закономерности общественных явлений (табл. 2).

Таблица 2.

Группировка населения России по размеру среднедушевого дохода (условные цифры)  

№ п/п	Среднедушевой денежный доход, тыс. руб. в месяц	Численность населения
		всего, млн. человек	в % к итогу
1. 2. 3. 4. 5. 6. 7. 8.	До 1000 1000–1500 1500–1700 1700–2000 2000–3000 3000–3500 3500–5000 5000 и более	3,4 22,4 34,5 28,7 21,6 12,6 9,8 15,4	2,3 15,2 23,3 19,4 14,6 8,3 6,6 10,3

Метод аналитической группировки заключается в исследовании взаимосвязей между факторными признаками в качественно однородной совокупности. С помощью аналитических группировок удается выявлять признаки, которые могут выступать или причиной, или следствием того или иного явления. В аналитических группировках чаще всего используются неравные интервалы. Пример аналитической группировки представлен в табл. 3.

Таблица 3.

Группировка продолжительности договорных связей книжного магазина и качества продукции  

Результаты группировочного материала оформляются в виде таблиц, где он излагается в наглядно-рациональной форме. Не всякая таблица может быть статистической. Табличные формы календарей, тестовых и опросных листов, таблица умножения не являются статистическими.

Статистическая таблица - это цифровое выражение итоговой характеристики всей наблюдаемой совокупности или ее составных частей по одному или нескольким существенным признакам. Статистическая таблица содержит два элемента: подлежащее и сказуемое.

Подлежащее статистической таблицы есть перечень групп или единиц, составляющих исследуемую совокупность единиц наблюдения.

Сказуемое статистической таблицы - это цифровые показатели, с помощью которых дается характеристика выделенных в подлежащем групп и единиц.

Различают простые, групповые и комбинационные таблицы.

В простых таблицах, как правило, содержится справочный материал, где дается перечень групп или единиц, составляющих объект изучения. При этом части подлежащего не являются группами одинакового качества, отсутствует систематизация изучаемых единиц. Сказуемое этих таблиц содержит абсолютные величины, отражающие объемы изучаемых процессов.

Групповые и комбинационные таблицы предназначены для научных целей, где, в отличие от простых таблиц, в сказуемом - средние и относительные величины на основе абсолютных величин.

Групповая таблица - это таблица, где статистическая совокупность разбивается на отдельные группы по какому-либо одному существенному признаку, при этом каждая группа характеризуется рядом показателей. Примером такой группировки может быть разделение российских семей на группы по месту проживания (сельское и городское), где образуются подгруппы семей по количеству детей. Анализ этих группировок по материалам переписи 1989 года позволил сделать вывод, что большинство семей, независимо от принадлежности к городскому или сельскому населению, имеют только по одному ребенку.

Комбинационная таблица - это таблица, где подлежащее представляет собой группировку единиц совокупности по двум и более признакам, которые распределяются на группы сначала по одному признаку, а затем на подгруппы по другому признаку внутри каждой из уже выделенных групп. Комбинационная таблица устанавливает существенную связь между факторами группировки. Примером комбинационной группировки может быть распределение полиграфических предприятий по трем существенным признакам: степени оснащенности современным полиграфическим оборудованием, степени применения современных технологий и уровню производительности труда. Такого рода статистические таблицы позволяют осуществить всесторонний анализ, но они менее наглядны.

При составлении таблиц необходимо соблюдать общие правила:

o       таблица должна быть легко обозримой;

o       общий заголовок должен кратко выражать основное содержание;

o       наличие строк «общих итогов»;

o       наличие нумерации строк, которые заполняются данными;

o       соблюдение правила округления чисел.
2.    
Какие показатели являются мерой тесноты связи между признаками?
Важнейшей целью статистики является изучение объективно существующих связей между явлениями. В ходе статистического исследования этих связей необходимо выявить причинно-следственные зависимости между показателями, т.е. насколько изменение одних показателей зависит от изменения других показателей.

Существует две категории зависимостей (функциональная и корреляционная) и две группы признаков (признаки-факторы и результативные признаки). В отличие от функциональной связи, где существует полное соответствие между факторными и результативными признаками, в корреляционной связи отсутствует это полное соответствие.

Корреляционная связь - это связь, где воздействие отдельных факторов проявляется только как тенденция (в среднем) при массовом наблюдении фактических данных. Примерами корреляционной зависимости могут быть зависимости между размерами активов банка и суммой прибыли банка, ростом производительности труда и стажем работы сотрудников.
Понятие степени тесноты связи между двумя признаками возникает вследствие того, что в реальной действительности на изменение результативного признака влияют несколько факторов. При этом влияние одного из факторов может выражаться более заметно и четко, чем влияние других факторов. С изменением условий в качестве главного, решающего фактора может выступать другой.

При статистическом изучении взаимосвязей, как правило, учитываются только основные факторы. А вопрос необходимо ли вообще изучать более подробно данную связь и практически ее использовать, решается с учетом степени тесноты связи.

Зная количественную оценку тесноты корреляционной связи, таким образом, можно решить следующую группу вопросов:

1) необходимо ли глубокое изучение данной связи между признаками и целесообразно ли ее практическое применение;

2) сопоставляя оценки тесноты связи для различных условий, можно судить о степени различий в ее проявлении в конкретных условиях;

3) последовательное рассмотрение и сравнение признака у с различными факторами (х1, х21, …) позволяет выявить, какие из этих факторов в данных конкретных условиях являются главными, решающими факторами, а какие второстепенными, незначительными факторами;

Показатели тесноты связи должны удовлетворять ряду основных требований:

1) величина показателя степени тесноты связи должна быть равна или близка к нулю, если связь между изучаемыми признаками (процессами, явлениями) отсутствует;

2) при наличии между изучаемыми признаками (х и у) функциональной связи величина степень тесноты связи равна единице;

3) при наличии между признаками (х и у) корреляционной связи показатель тесноты связи выражается правильной дробью, которая по величине тем больше, чем теснее связь между изучаемыми признаками (стремится к единице);

4) при прямолинейной корреляционной связи показатели тесноты связи отражают и направление связи: знак (+) означает наличие прямой (положительной) связи; а знак (-) – обратной (отрицательной).

Для характеристики степени тесноты корреляционной связи могут применяться различные статистические показатели: коэффициент Фехнера (КФ), коэффициент линейной (парной) корреляции, коэффициент детерминации, корреляционное отношение, индекс корреляции, коэффициент множественной корреляции, коэффициент частной корреляции и др.
Корреляционно-регрессионный метод анализа

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.

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

Могут иметь место различные формы связи:

прямолинейная



криволинейная в виде:

параболы второго порядка (или высших порядков)



гиперболы



показательной функции



и т.д.

Параметры для всех этих уравнений связи, как правило, определяют из системы нормальных уравнений, которые должны отвечать требованию метода наименьших квадратов (МНК):





Если связь выражена параболой второго порядка (), то систему нормальных уравнений для отыскания параметров a0 , a1 , a2 (такую связь называют множественной, поскольку она предполагает зависимость более чем двух факторов) можно представть в виде



Другая важнейшая задача - измерение тесноты зависимости - для всех форм связи может быть решена при помощи вычисления эмпирического корреляционного отношения :

(8.7)

где - 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, например, две следующие формулы:

(8.8)



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.



Непараметрические показатели 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.

Коэффициенты корреляции, основанные на использовании ранжированного метода, были предложены К. Спирмэном и М. Кендэлом.

Коэффициент корреляции рангов Спирмэна (р) основан на рассмотрении разности рангов значений результативного и факторного признаков и может быть рассчитан по формуле



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

Ранговый коэффициент корреляции Кендэла () можно определить по формуле



где S = P + Q.

К непараметрическим методам исследования можно отнести коэффициент ассоциации Кас и коэффициент контингенции Ккон , 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:

Признаки	А (да)	А (нет)	Итого
В (да)	a	b	a + b
В (нет)	с	d	c + d
Итого	a + c	b + d	n

Здесь а, b, c, d - частоты взаимного сочетания (комбинации) двух альтернативных признаков ; n - общая сумма частот.

Коэффициент ассоциации можно расcчитать по формуле



Коэффициент контингенции рассчитывается по формуле



Нужно иметь в виду, что для одних и тех же данных коэффициент контингенции (изменяется от -1 до +1) всегда меньше коэффициента ассоциации.

Если необходимо оценить тесноту связи между альтернативными признаками, которые могут принимать любое число вариантов значений, применяется коэффициент взаимной сопряженности Пирсона (КП ).

Для исследования такого рода связи первичную статистическую информацию располагают в форме таблицы:

Признаки	A	B	C	Итого
D	m11	m12	m13	∑m1j
E	m21	m22	m23	∑m2j
F	m31	m32	m33	∑m3j
Итого	∑mj1	∑mj2	∑mj3	П

Здесь mij - частоты взаимного сочетания двух атрибутивных признаков; П - число пар наблюдений.

Коэффициент взаимной сопряженности Пирсона определяется по формуле



где - показатель средней квадратической сопряженности:



Коэффициент взаимной сопряженности изменяется от 0 до 1.

Наконец, следует упомянуть коэффициент Фехнера, характеризующий элементарную степень тесноты связи, который целесообразно использовать для установления факта наличия связи, когда существует небольшой объем исходной информации. Данный коэффициент определяется по формуле



где na - количество совпадений знаков отклонений индивидуальных величин от их средней арифметической; nb - соответственно количество несовпадений.

Коэффициент Фехнера может изменяться в пределах -1,0  Кф   +1,0.





Задача 1
Таблица 1

№	Продукция, тыс. шт.	Объем электропотребления, кВт-ч.
1	24,6	2,3
2	37,4	1,7
3	45,4	0,9
4	46,7	2,0
5	50,1	2,7
6	51,3	3,7
7	55,0	1,0
8	66,5	2,0
9	68,3	2,1
10	70,8	1,6
11	86,1	2,0
12	96,9	2,3
13	99,1	1,5
14	111,9	2,8
15	122,6	4,2
16	166,9	2,6
17	171,6	2,2
18	173,8	3,5
19	177,5	8,5
20	177,6	4,2

№	x	y	x2	xy
1	24,6	2,3	605,2	56,6
2	37,4	1,7	1398,8	63,6
3	45,4	0,9	2061,2	40,9
4	46,7	2,0	2180,9	93,4
5	50,1	2,7	2510,0	135,3
6	51,3	3,7	2631,7	189,8
7	55,0	1,0	3025,0	55,0
8	66,5	2,0	4422,3	133,0
9	68,3	2,1	4664,9	143,4
10	70,8	1,6	5012,6	113,3
11	86,1	2,0	7413,2	172,2
12	96,9	2,3	9389,6	222,9
13	99,1	1,5	9820,8	148,7
14	111,9	2,8	12521,6	313,3
15	122,6	4,2	15030,8	514,9
16	166,9	2,6	27855,6	433,9
17	171,6	2,2	29446,6	377,5
18	173,8	3,5	30206,4	608,3
19	177,5	8,5	31506,3	1508,8
20	177,6	4,2	31541,8	745,9
Итого	1900,1	53,8	233245,1	6070,6

Задача 3
Таблица 5

Информация о выпуске продукции предприятиями объединения

№	Выпущено продукции в расчете на 1 работника, тыс. ед.		Численность промышленно-производственного персонала, чел.		Выпущено продукции, тыс. ед.			Индекс производительности труда, %
	I п.	II п.	I п.	II п.	I п.	II п.	Усл.
	v0	v1	T0	T1	v0T0	v1T1	v0T1	v1/v0
1	3,5	3,4	400	500	1400	1700	1750	97,1
2	1,8	2,0	205	198	369	396	356,4	111,1
Ит	2,9	3,0	605	698	1769	2096	2106,4	102,7

1. Определение средней выработки (производительности труда)

Исходные данные о выпуске продукции в расчете на 1 человека (производительности труда) сгруппированы, что означает, что расчет средней величины следует проводить по формуле средней арифметической взвешенной:


При этом в качестве осредняемого признака (х) выступит производительность труда на предприятиях, а весом (f) – численность промышленно-производственного персонала.

Средняя производительность труда за год на первом предприятии:

тыс. ед./чел.

Средняя производительность труда за год на втором предприятии:

тыс. ед./чел.

Средняя производительность труда за год по объединению:

тыс. ед./чел.
2. Определение индексов производительности труда

а) Изменение производительности труда по каждому отдельному предприятию измеряется с помощью индивидуальных индексов (последняя графа табл. 5). В данном случае они означают, что во втором полугодии по сравнению с первым производительность труда работников первого предприятия снизилась почти на 3%, а второго – увеличилась на 11%.

б) Измерение изменения производительности труда работников всего объединения, а также исследование влияющих на это факторов, происходит с помощью системы индексов структурных сдвигов, куда входят три взаимосвязанных индекса.

Индекс переменного состава:

1,027 или 102,7%

Величина индекса переменного состава говорит о том, что в целом по объединению производительность труда работников увеличилась на 2,7%, что произошло и из-за увеличения непосредственно производительности  труда, и по причине изменения структуры работников объединения.

Индекс фиксированного состава:

0,995 или 99,5%

Индекс структурных сдвигов:

1,032 или 103,2%
По значениям индекса фиксированного состава и индекса структурных сдвигов можно сделать вывод о том, что увеличение производительности труда работников объединения произошло за счет изменения структуры работников: во 2-м полугодии по сравнению с 1-м произошло увеличение доли работников первого предприятия (с 66 до 72%), для которого характерны более высокие показатели производительности труда. Непосредственно производительность труда работников способствовала снижению производительности труда в объединении на 0,5%.

Можно провести проверку взаимосвязи рассчитанных индексов:



1,027 = 0,9951,032.
Список литературных источников

1. Балинова В.С. Статистика в вопросах и ответах: учеб. пособие. – М.: ТК. Велби, «Проспект», 2004.

2. Васнев С.А. Статистика: Учебное пособие. – Москва: МГУП, 2001.

3. Гусаров В.М. Статистика: Учеб. Пособие для вузов. – М.: ЮНИТИ-ДАНА, 2003.

4. Костылева Л.В. Общая теория статистики: курс лекций. – Вологда: ВоГТУ, 2007.

5. Теория статистики: Учеб. Пособие/ под ред. Р.А. Шмойловой. – М.: Финансы и статистика, 2003.