Навигация
1.4. Метод рядов динамики
Рядами динамики называются статистические данные, отображающие развитие изучаемого явления во времени. В каждом ряду динамики имеются два основных элемента: уровней ряда у (числовые значения показателей) и времени t (моментов или периодов, к которым относятся уровни). В качестве показаний времени в рядах динамики выступают либо определенные даты (моменты) времени, либо отдельные периоды (годы, кварталы, месяцы, сутки). [1,c.106]
При построении рядов динамики статистические данные должны быть сопоставимы по территории, кругу охватываемых объектов, единицам измерения, времени регистрации, ценам, методологии расчёта и т. д. Уровни рядов динамики отображают количественную оценку (меру) развития во времени изучаемого явления. Они могут выражаться абсолютными, относительными или средними величинами.
Рассматривая динамические ряды, пытаются разделить эти факторы на постоянно действующие и оказывающие определяющее воздействие на уровни ряда, формирующие основную тенденцию развития, и случайные факторы, приводящие к кратковременным изменениям уровней ряда динамики. Методы обработки используются как простые, так и достаточно сложные.
Простейший способ обработки ряда динамики, применяемый с целью установления закономерностей развития - метод укрупнения интервалов.
Суть метода в том, чтобы от интервалов, или периодов времени, для которых определены исходные уровни ряда динамики, перейти к более продолжительным периодам времени и посмотреть, как уровни ряда изменяются в этом случае.
Другой способ определения тенденции в ряду динамики — метод скользящих средних. Суть метода заключается в том, что фактические уровни ряда заменяются средними уровнями, вычисленными по определённому правилу, например:
— исходные или фактические уровни ряда динамики заменяются средними уровнями:
; 
;
В результате получается сглаженный ряд, состоящий из скользящих пятизвенных средних уровней 
. Между расположением уровней 
и 
устанавливается соответствие:
— —исходный ряд
— — , сглаженный ряд короче исходного на число уровней 
, где k - число уровней, выбранных для определения средних уровней ряда.
Сглаживание методом скользящих средних можно производить по четырём, пяти или другому числу уровней ряда, используя соответствующие формулы для усреднения исходных уровней.
При сглаживании ряда динамики по чётному числу уровней выполняется дополнительная операция, называемая центрированием, поскольку, при вычислении скользящего среднего, например по четырём уровням, 
относится к временной точке между моментами времени, когда были зафиксированы фактические уровни 
и 
. Схема вычислений и расположений уровней сглаженного ряда становится сложнее:
... — исходные уровни;
... — сглаженные уровни; 
... — центрированные сглаженные уровни;
, 
.
Метод скользящих средних дает лишь наглядное графическое представление.
Наиболее совершенным способом определения тенденции развития в ряду динамики является метод аналитического выравнивания. При этом методе исходные уровни ряда динамики 
заменяются теоретическими или расчетными , которые представляют собой некоторую достаточно простую математическую функцию времени, выражающую общую тенденцию развития ряда динамики. Чаще всего в качестве такой функции выбирают прямую, параболу, экспоненту и др.
Для прямой:
где n — число моментов времени, для которых были получены исходные уровни ряда 
.
Если вместо определения 
упрощаются:
абсолютного времени 
выбрать условное время таким образом, чтобы 
, то записанные выражения для определения упрощаются:
;.
1.5.Многомерный статистический анализ
Многомерный статистический анализ - раздел статистики математической, посвященный математическим методам, направленным на выявление характера и структуры взаимосвязей между компонентами исследуемого многомерного признака и предназначенным для получения научных и практических выводов. Многомерный признак чаще всего интерпретируется как многомерная величина случайная, а последовательность многомерных наблюдений как выборка из генеральной совокупности. В этом случае выбор метода обработки исходных статистических данных производится на основе тех или иных допущений относительно природы закона распределения изучаемого многомерного признака.
По содержанию А.м.с. может быть условно разбит на три основных подраздела.
1. А.м.с. многомерных распределений и их основных характеристик охватывает ситуации, когда обрабатываемые наблюдения имеют вероятностную природу, т.е. интерпретируются как выборка из соответствующей генеральной совокупности. К основным задачам этого подраздела относятся: оценивание статистическое исследуемых многомерных распределений и их основных параметров; исследование свойств используемых статистических оценок; исследование распределений вероятностей для ряда статистик, с помощью которых строятся статистические критерии проверки различных гипотез о вероятностной природе анализируемых многомерных данных.
2.А.м.с. характера и структуры взаимосвязей компонент исследуемого многомерного признака объединяет понятия и результаты, присущие таким методам и моделям, как анализ регрессионный, анализ дисперсионный, анализ ковариационный, анализ факторный, анализ латентно-структурный, анализ логлинейный, поиск взаимодействий. Методы, принадлежащие к этой группе, включают как алгоритмы, основанные на предположении о вероятностной природе данных, так и методы, не укладывающиеся в рамки какой-либо вероятностной модели ,последние чаще относят к методам анализа данных.
3. А.м.с. геометрической структуры исследуемой совокупности многомерных наблюдений объединяет понятия и результаты, свойственные таким моделям и методам, как анализ дискриминантный, анализ кластерный, шкалирование многомерное. Узловым для этих моделей является понятие расстояния, либо меры близости между анализируемыми элементами как точками некоторого пространства. При этом анализироваться могут как объекты (как точки, задаваемые в признаковом пространстве), так и признаки (как точки, задаваемые в объектном пространстве).
Прикладное значение А.м.с. состоит в основном в обслуживании следующих трех проблем: проблемы статистического исследования зависимостей между рассматриваемыми показателями; проблемы классификации элементов (объектов или признаков); проблемы снижения размерности рассматриваемого признакового пространства и отбора наиболее информативных признаков. [6,c.157]
Глава 2. Применение статистических методов для анализа обеспеченности жильем населения в разрезе районов Калужской области
Похожие работы
... и хозяйств в личном пользовании граждан. Частные владения, чтобы увеличить капитал стремятся использовать новое, усовершенствованное, т.е. инновационная привлекательность связана с переходом в частную собственность. Сельскохозяйственное производство Калужской области снизилось к 2005 году до уровня 60%. В то время как сельскохозяйственное производство в общем по России постепенно набирает темпы ...
... даже фотографией. Была в обители и своя типография, где печаталась духовная и образовательная литература. Глава 3. Оценка перспектив развития и потенциала религиозного туризма в Калужской области 3.1 Разработка критериев оценки туристических ресурсов района Для современной рыночной экономики России все более актуальным становится вопрос оптимизации развития региональной экономики, ...
... своего дохода, вводить представителя местной власти в состав правления и рекламировать фирменный знак территориального органа.[13] Глава 2 Основные направления в жилищной политике по управлению городским хозяйством в г. Калуге Основным направлением жилищно-коммунальной реформы в крупных городах России является ликвидация муниципальной монополии. При этом, по моему мнению, недопустима ...
... средств и др. (интенсивные); снабженческо-сбытовая деятельность, природоохранная деятельность и др. (внепроизводственные факторы). Глава II. Анализ прибыли и рентабельности ОАО "Стройполимеркерамика" 2.1 Технико-экономическая характеристика предприятия ОАО "Стройполимеркерамика", сокращенно - СПК, (пос. Воротынск, Калужской области) является одним из ведущих предприятий России по ...
0 комментариев