WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 | 2 ||

«Московский международный институт эконометрики, информатики, финансов и права В.Г. Минашкин А.Б. Гусынин Н.А. Садовникова Р.А. Шмойлова Курс лекций по теории статистики Москва, 2003 УДК 311 ...»

-- [ Страница 3 ] --

Таблица 9. Динамика объема продукции 1988 1989 1990 1991 1992 1993 1994 Годы Объем продукции (млн. руб.) 19,1 19,7 20,0 21,2 - - - по старой методике - - - 22,8 23,6 24,5 26,2 28, по новой методике 21,0 21,7 22,0 22,8 23,6 24,5 26,2 28, Сомкнутый (сопоставимый) ряд абсолютных величин (млн. руб.) 90,1 92,9 94,3 100,0 103,5 107,5 114,9 123, Сопоставимый ряд относительных величин, в % к г.

Чтобы проанализировать динамику объема продукции за 1988 1995 гг., необходимо сомкнуть (объединить) приведенные выше два ряда в один. А чтобы уровни нового ряда были сопоставимы, необходимо пересчитать данные 1988-1991 гг. по новой методике. Для этого на основе данных об объеме продукции за 1991 г. в новой и старой методике находим соотношение между ними: 22,8 : 21,2=1,1. Умножая на полученный коэффициент данные за 1988-1991 гг. приводим их таким образом в сопоставимый вид с последующими уровнями.

Сомкнутый (сопоставимый) ряд динамики показан в предпоследней строке таблицы 9.2.

Другой способ смыкания рядов динамики заключается в том, что уровни года, в котором произошли изменения (в нашем примере - уровни 1991 г.), как до изменений, так и после изменений (для нашего примера в старой и новой методике, т.е. 21,2 и 22,8) принимаются за 100%, а остальные пересчитываются в процентах по отношению к этим уровням соответственно (в нашем примере в старых ценах - по отношению к 21,2, в новых ценах - к 22,8). В результате получаем сомкнутый ряд динамики, который показан в последней строке таблицы 9.2.

Та же проблема приведения к сопоставимому виду возникает и при параллельном анализе развития во времени экономических показателей отдельных стран, административных и территориальных районов. Это, во-первых, вопрос о сопоставимости цен сравниваемых стран, во-вторых, вопрос о сопоставимости методики расчета сравниваемых показателей. В таких случаях ряды динамики приводятся к одному основанию, то есть к одному и тому же периоду или моменту времени, уровень которого принимается за базу сравнения, а все остальные уровни выражаются в виде коэффициентов или в процентах по отношению к нему.

Например, имеются следующие данные (табл. 9.3.):

Таблица 9. Производство цемента, млн. т Год 1991 1992 1993 1994 Страна А 45,5 72,4 95,2 122,0 128, Страна Б 56,1 65,1 66,5 65,0 67, Различные значения абсолютных уровней приведенных рядов динамики затрудняют выявление особенностей производства цемента в странах А и Б. Поэтому приведем абсолютные уровни рядов динамики к общему основанию, приняв за постоянную базу сравнения уровни г., получим следующие данные (табл. 9.4.):

Таблица 9. Темпы роста производства цемента, в % к 1991г.

Год 1991 1992 1993 1994 Страна А 100,0 159,1 209,2 268,1 281, Страна Б 100,0 116,0 118,5 115,9 119, В относительных величинах, выраженных в базисных темпах роста по каждой стране, несопоставимость уровней рядов динамики нивелируется. Различный характер развития выступает более наглядно.

9.3. Показатели изменения уровней ряда динамики Анализ скорости и интенсивности развития явления во времени осуществляется с помощью статистических показателей, которые получаются в результате сравнения уровней между собой. К таким показателям относятся: абсолютный прирост, темп роста и прироста, абсолютное значение одного процента прироста. При этом принято сравниваемый уровень называть отчетным, а уровень, с которым происходит сравнение - базисным.

Абсолютный прирост (у) характеризует размер увеличения (или уменьшения) уровня ряда за определенный промежуток времени. Он равен разности двух сравниваемых уровней и выражает абсолютную скорость роста:

i = уi-yi-k (i=1,2,3,...,n) (9.1) Если k=1, то уровень yi-1 является предыдущим для данного уровня, а абсолютные приросты изменения уровня будут цепными. Если же k постоянны для данного ряда, то абсолютные приросты будут базисными.

Интенсивность изменения уровня оценивается отношением отчетного уровня к базисному, которое всегда представляет собой положительное число.

Показатель интенсивности изменения уровня ряда - в зависимости от того, выражается ли он в виде коэффициента или в процентах, принято называть коэффициентом роста или темпом роста. Иными словами, коэффициент роста и темп роста представляют собой две формы выражения интенсивности изменения уровня. Однако необходимо отметить, что ненужно пользоваться одновременно двумя формами, которые по существу идентичны. Разница между ними заключается только в единице измерения.

Коэффициент роста показывает во сколько раз данный уровень ряда больше базисного уровня (если этот коэффициент больше единицы) или какую часть базисного уровня составляет уровень текущего периода за некоторый промежуток времени (если он меньше единицы). В качестве базисного уровня в зависимости от цели исследования может приниматься какой-то постоянный для всех уровень (часто начальный уровень ряда), либо для каждого последующего предшествующий ему:

уi уi Тр = 100 или Т = 100 (9.2) рц б у1 yi- В первом случае говорят о базисных темпах роста, во втором - о цепных темпах роста.

Наряду с темпом роста можно рассчитать показатель темпа прироста, характеризующий относительную скорость изменения уровня ряда в единицу времени. Темп прироста показывает, на какую долю (или процент) уровень данного периода или момента времени больше (или меньше) базисного уровня.

Темп прироста есть отношение абсолютного прироста к уровню ряда, принятого за базу:

i/i-1 yi - yi- Тпр = = 100 = (Kpi/i-1 - 1) 100 = Tpi/i-1 - 100 (9.3) ц yi-1 yi- Если темп роста всегда положительное число, то темп прироста может быть положительным, отрицательным и равным нулю.

В статистической практике часто вместо расчета и анализа темпов роста и прироста рассматривают абсолютное значение одного процента прироста. Оно представляет собой одну сотую часть базисного уровня и в то же время - отношение абсолютного прироста к соответствующему темпу прироста:

i/i-1 yi - yi-1 yi- |%|= = = = 001 yi-1 (9.4), yi - yi-1 Tпрi/i-1% yi- где |%| - обозначение абсолютного значения одного процента прироста.

Для иллюстрации расчетов рассмотренных статистических показателей приведем следующий ряд динамики в таблице 9.5.

Средний уровень ряда динамики (y ) рассчитывается по средней хронологической. Средней хронологической называется средняя, исчисленная из значений, изменяющихся во времени. Такие средние обобщают хронологическую вариацию. В хронологической средней отражается совокупность тех условий, в которых развивалось изучаемое явление в данном промежутке времени.

Таблица 9. Динамика производства газа в регионе за 1991-1995 гг.

(цифры условные) Произв Абсолютный Темп роста, в % Темп прироста, в % одство прирост (млн. м3) Абсолютное значение одного млн. по по по по по по Годы процента м3 сравнени сравнен сравнени сравнени сравнени сравнени прироста, млн. м ю с ию с ю с ю с ю с ю с предыду 1991 г. предыду 1991г. предыду г.

щим щим щим годом годом годом А 1 2 3 4 5 6 7 1991 289 - - - 100,0 - - 1992 321 32 32 111,1 111,1 11,1 11,1 2, 1993 346 25 57 107,8 119,7 7,8 19,7 3, 1994 372 26 83 107,5 128,7 7,5 28,7 3, 1995 407 35 118 109,4 140,8 9,4 40,8 3, Итого 1735 118 - - - - - Методы расчета среднего уровня интервального и моментного рядов динамики различны. Для интервальных равноотстоящих рядов средний уровень находится по формуле средней арифметической простой и для неравноотстоящих рядов по средней арифметической взвешенной:

n yi i= y = (9.5.) n yi ti y = (9.6.) ti где уi - уровень ряда динамики;

n - число уровней;

ti - длительность интервала времени между уровнями.

Так, в таблице 9.5. приведен интервальный ряд динамики с равноотстоящими уровнями. По этим данным можно рассчитать среднегодовой уровень производства газа за 1991-1995 гг. Он будет равен 347 млн.м3, то есть ( y =1735/5).

Средний уровень моментного ряда динамики так исчислить нельзя, так как отдельные уровни содержат элементы повторного счета.

Средний уровень моментного равноотстоящего ряда динамики находится по формуле средней хронологической:

y1 + y2 y2 + y3 y3 + y4 yn + yn- + + +...+ 222 y = = n - (9.7) y1 + yn n- y1 yn + + y2 + y3+...+yn-1 + y i 22i= = или y = n -1 n - Средний уровень моментных рядов динамики с неравноотстоящими уравнениями определяются по формуле средней хронологической взвешенной:

(y1 + y2)t1 + (y2 + y3)t2 +...+(yn-1 + yn)tn- y = = 2(t1 + t2 +...+tn-1) n- (9.8) (y + yi+1)ti i i= n- t i i= где yi, yn - уровни рядов динамики;

ti - длительность интервала времени между уровнями.

Покажем расчет среднего уровня моментного ряда динамики с равноотстоящими уровнями.

Например, если известны товарные остатки магазина на 1-ое число каждого месяца (тыс. руб.):

1/I 1/II 1/III 1/IV 18 14 16 то среднемесячный товарный остаток за 1 квартал по формуле 9.7.

составит 18 / 2 +14 +16 + 20 / 2 y = = = 16,3 тыс. руб.

3 Другой пример. Известна списочная численность рабочих организации на некоторые даты 1994 г. (чел):

1/I 1/III 1/VI 1/IX 1/I- 1200 1100 1250 1500 Среднегодовая численность работников за 1994 г. по формуле 9. составит:

(1200 + 1100)2 + (1100 + 1250)3 + (1250 + 1500)3 + (1500 + 1350) y = = 2(2 + 3 + 3 + 4) чел Обобщающим показателем скорости изменения явления во времени является средний абсолютный прирост за весь период, ограничивающий ряд динамики. Для его определения можно воспользоваться формулой средней арифметической простой:

n- i / i- n- = (9.9.) n - или yn - y = (9.10.) n - Так, для условтй нашего примера (см. таблицу 9.2.) средний абсолютный прирост равен 29,5млн.м3 [(407-289)/4].

Свободной обощающей характеристикой интенсивности изменения уровней ряда динамики служит средний темп роста, показывающий, во сколько раз в среднем за единицу времени изменился уровень динамического ряда.

Необходимость исчисления среднего темпа роста возникает вследствие того, что темпы роста из года в год колеблются. Кроме того, средний темп роста часто нужно определять в тех случаях, когда имеются данные об уровне в начале какого-либо периода и в конце его, а промежуточные данные отсутствуют. Такого рода средний темп роста можно исчислить, если положить в основу расчетов рост не в арифметической прогрессии, которая характеризуется постоянной разностью, а в геометрической (a, aq, aq2,...,aqn), которая характеризуется постоянным отношением, называемым знаменателем прогрессии (q). Вопрос, следовательно, состоит в том, чтобы найти этот знаменатель. Знаменатель геометрической прогрессии (q) определяется делением последующего уровня прогрессии на его предыдущий. при делении n-го уровня на первый, получаем:

n- aq n- = q a отсюда следует:

aqn-1 bn n- n- q = = (9.11.) a b где b1=a - первый член прогрессии.

Зная q, мы точно можем определить какую тенденцию развития явления имеет неометрическая последовательность, которая применяется тогда, когда определяющий показатель является не суммой значений, а их произведением. Следовательно, во всех тех случаях, где варианты связаны между собой не знаком сложения, а знаком произведения, можно вычислить среднюю геометрическую. Обычно средний темп роста вычисляется по формуле средней неометрической из цепных коэффициентов роста:

m m Т р— = k2/1k3/ 2...kn / n-1 = ПКPi / i-1 (9.12.) Например, средний темп роста производства газа за 1991-1995 гг.

(см. таблицу 9.5) равен:

4 Tpy = 1,1111,078 1,075 1,094 = 1,41 = 1,089 или 108,9% Поскольку всякий темп роста является отношением уровней ряда y2 y динамики, так, что Tp2 /1 = 100;

Tp3/2 = 100... в формуле средней y1 y геометрической темпы роста заменяются соответствующим отношением уравнений. Заменив темпы роста выражающими их отношениями и учитывая, что эти величины перемножаются, найдем подкоренное выражение как:

y2 y3 y4 yn yn... = y1 y2 y3 yn -1 y Следовательно, средний темп роста может быть выражен формулой:

yn n- Tpy = (9.13) y Продолжим наш пример (см. таблицу 9.5). Средний темп роста производства газа за 1991-1995 гг. будет равен:

Tpy = = 1,41 = 1,089 или 108,9% Когда приходится вести расчет средних темпов роста по периодам различной продолжительности (разноотстоящие ряды динамики), то пользуются средними геометрическими, взвешенными по продолжительности периодов. Формула средней геометрической взвешенной будет иметь вид:

tn - t t1 t Tpy = (k2 /1) (k3 / 2 ).....(kn / n-1) (9.14) где t - интервал времени, в течении которого сохраняется данный темп роста;

- сумма отрезков времени периода.

Средний темп прироста не может быть определен непосредственно на основании последовательных темпов прироста или показателей среднего абсолютного прироста. Для его вычисления необходимо вначале найти средний темп роста, а затем уменьшить его на единицу или 100%:

Tnpy = Tp - 100 (9.15) 9.4. Методы анализа основной тенденции (тренда) в рядах динамики Важной задачей статистики при анализе рядов динамики является определение основной тенденции развития, присущей тому или иному ряду динамики. Например, за колебаниями урожайности какой-либо сельскохозяйственной культуры в отдельные годы тенденция роста (уменьшения) урожайности может не просматриваться непосредственно, и поэтому должна быть выявлена статистическими методами.

Методы анализа основной тенденции в рядах динамики разделяются на две основные группы:

1) сглаживание или механическое выравнивание отдельных членов ряда динамики с использованием фактических значений соседних уровней;

2) выравнивание с применением кривой, проведенной между конкретными уровнями таким образом, чтобы она отображала тенденцию, присущую ряду и одновременно освободила его от незначительных колебаний.

Рассмотрим методы каждой группы.

Метод укрупнения интервалов. Если рассматривать уровни экономических показателей за короткие промежутки времени, то в силу влияния различных факторов, действующих в разных направлениях, в рядах динамики наблюдается снижение и повышение этих уровней. Это мешает видеть основную тенденцию развития изучаемого явления. В этом случае для наглядного представления тренда применяется метод укрупнения интервалов, который основан на укрупнении периодов времени, к которым относятся уровни ряда. Например, ряд ежесуточного выпуска продукции заменяется рядом месячного выпуска продукции и т.д.

Метод простой скользящей средней. Сглаживание ряда динамики с помощью скользящей средней заключается в том, что вычисляется средний уровень из определенного числа первых по порядку уровней ряда, затем средний уровень из такого же числа уровней, начиная со второго, далее - начиная с третьего и т.д. Таким образом, при расчетах среднего уровня как бы «скользят» по ряду динамики от его начала к концу, каждый раз отбрасывая один и уровень вначале и добавляя один следующий. Отсюда название - скользящая средняя.

Каждое звено скользящей средней - это средней уровень за соответствующий период, который относится к середине выбранного периода, если число уровней ряда динамики нечетное.

Нахождение скользящей средней по четному числу членов рядов динамики несколько сложнее, так как средняя может быть отнесена только к середине между двумя датами, находящимися в середине интервала сглаживания. Например, средняя, найденная для четырех членов, относится к середине между вторым и третьим, третьим и четвертым уровнями и так далее. Чтобы ликвидировать такой сдвиг, применяют так называемый способ центрирования. Центрирование заключается в нахождении средней из двух смежных скользящих средних для отнесения полученного уровня к определенной дате. При центрировании необходимо находить скользящие суммы, скользящие средние нецентрированные по этим суммам и средние из двух смежных нецентрированных скользящих средних.

Покажем расчет 5-летней и 4-летней скользящей средней на примере данных таб. 9.6.

Таблица 9. Сглаживание урожайности зерновых культур в хозяйстве за 1980-1995 гг. методом скользящей средней Годы Цен Скользя Пятилет Скользящ Четырехлетние Четырехлетние тнер щие ние ие скользящие скользящие ов пятилет скользя четырехл средние средние с га ние щие етние (нецентрирован (центрированн суммы средние суммы ные) ые) А 1 2 3 4 5 1980 9,5 - - - - - 1981 13,7 - - - - - 12, 1982 12,1 - 12,5 - 12, 13, 1983 14,0 - 13,7 49,3 13, 13, 1984 13,2 63,5 14,1 53,0 14, 14, 1985 15,6 68,6 14,4 54,9 14, 14, 1986 15,4 70,3 15,2 58,2 15, 15, 1987 14,0 72,2 15,6 58,2 15, 15, 1988 17,6 75,8 14,7 62,6 15, 14, 1989 15,4 78,0 15,1 62,4 14, 15, 1990 10,9 73,5 15,3 57,9 15, 14, 1991 17,5 75,4 15,5 61,4 15, 15, 1992 15,0 76,4 15,2 58,8 15, 16, 1993 18,5 77,3 16,0 61,9 15, 15, 1994 14,2 76,1 - 65,2 - - 1995 14,9 80,1 - 62,6 - Недостаток метода простой скользящей средней состоит в том, что сглаженный ряд динамики сокращается ввиду невозможности получить сглаженные уровни для начала и конца ряда. Этот недостаток устраняется применением метода аналитического выравнивания для анализа основной тенденции.

Аналитическое выравнивание предполагает представление уровней данного ряда динамики в виде функции времени - y=f(t).

Для отображения основной тенденции развития явлений во времени применяются различные функции: полиномы степени, экспоненты, логистические кривые и другие виды.

Полиномы имеют следующий вид:

полином первой степени yt = a + a t 0 полином второй степени yt = a + a t + a t 0 1 2 полином третьей степени yt = a + a t + a t + a t 0 1 2 2 n полином n-ой степени yt = a + a t + a t +...+a t 0 1 2 n Здесь а0;

а1;

а2;

... аn - параметры полиномов, t - условное обозначение времени. В статистической практике параметры полиномов невысокой степени иногда имеют конкретную интерпретацию характеристик динамического ряда. Так, параметр а0 трактуется как характеристика средних условий ряда динамики, параметры а1, а2, а3 - как изменения ускорения.

В статистике выработано правило выбора степени полинома модели развития, основанное на определении величин конечных разностей уровней динамических рядов. Согласно этому правилу полином первой степени (прямая) применяется как модель такого ряда динамики, у которого первые разности (абсолютные приросты) постоянны, полиномы второй степени - для отражения ряда динамики с постоянными вторыми разностями (ускорениями), полиномы третьей степени - с постоянными третьими разностями и т.д.

После выбора вида уравнения необходимо определить параметры уравнения. Самый распространенный способ определения параметров уравнения - это метод наименьших квадратов.

Суть данного метода изложена в главе 8.

Согласно этому методу, для нахождения параметров полинома р-й степени необходимо решить систему так называемых нормальных уравнений:

na0 + a1 + a2 2 +... + ap p = y t t t 2 3 p+ a + a1 + a2 +... + ap yt 0t t t t = (9.16)..........................................................................

p p+1 p+2 2 p p yt t t t +... + apt = a0 + a1 + a где n - число членов в ряду динамики: t=1,2,...,n Система 9.16, состоящая из «р» уравнений, содержит в качестве p известных величин y, yt,...,yt, то есть суммы наблюдаемых значений уровней динамического ряда, умноженные на показатели времени в степени 0,1,2,...,р и неизвестных величин aj. Решение этой системы относительно a0, a1,...,ap и дает искомые значения параметров.

Системы для расчета параметров полиномов невысоких степеней намного проще. Обозначим последовательные параметры полиномов как а0, а1, а2. Тогда системы нормальных уравнений для оценивания параметров прямой yt = a + a t примет вид:

0 na + a = 0 1 t y (9.17) a + a 2 = t t yt для параболы второго порядка (yt=a0+a1t+a2t2):

na + a1 + a = 0 t 2t y 2 a + a + a = (9.18) t t t yt 01 2 3 a + a + a = 0 t t t yt 1 Решение системы (9.17) относительно искомых параметров а0 и а дает:

yt - tyt a = n ( ) t t n yt yt a = n ( ) t t В статической практике применяется упрощенный расчет параметров уравнений, который заключается в переносе начала координат в середину ряда динамики. В этом случае упрощаются сами нормальные уравнения, кроме того уменьшаются абсолютные значения величин, участвующих в расчете. В самом деле, если до переноса начала координат t было равно 1,2,3,...,n, то после переноса t=...-4,-3,-2, 1,0,1,2,3,4,..., если число членов ряда нечетное. Если же число членов ряда четное, то t=...,-5,-3,-1,1,3,5,... Следовательно, t и все tp у которых «р» - нечетное число, равны 0. Таким образом, все члены уравнений, содержащие t с такими степенями могут быть исключены. Системы нормальных уравнений теперь упрощаются для прямой:

a n = y a0 1t = ty (9.19) для параболы второго порядка:

a0n + a2 2 = y t a1 2 = (9.20) t ty a0 2 + a2 4 = 2 y t t t Решая системы (9.19), (9.20) относительно неизвестных параметров, получим величины параметров соответствующих полиномов.

Параметр а1 выражает начальную скорость роста, а коэффициент а2 - постоянную скорость изменения прироста.

При сглаживании ряда динамики по показательной кривой (yt=a0a1t) для определения параметров применяется метод наименьших квадратов к логарифмам исходных данных. Так, для нахождения параметров показательной функции необходимо решить следующую систему уравнений:

lg y = n lg a0 + lg a1t (9.21) t lg y = lg a0t + lg a1t Если t=0, то параметры уравнения lga0 и lga1 находим по lg y ;

lga = t lg y.

формулам: lga = 0 n t Рассмотрим следующий пример. Необходимо определить основную тенденцию ряда динамики урожайности зерновых культур в хозяйстве за 1981-1995 гг. по следующим данным (см. табл. 9.7).

Начнем определение тенденции с самого простого полинома уравнение прямой (9.19). Решая систему нормальных уравнений, получим искомые параметры: a0=14,8;

a1=0,17, а само уравнение запишется следующим образом yt = 14,8 + 0,17t, что выражает тенденцию динамики урожайности зерновых культур в 1981-1995 гг., т.е. в течение исследуемого периода урожайность зерновых культур в хозяйстве увеличивалась в среднем на 0,17 ц. с га в год.

Таблица 9. Динамика урожайности зерновых культур в хозяйстве и определение параметров уравнения методом наименьших квадратов Годы Урожайность t t2 yit yt ц. с га (у) 1981 13,7 -7 49 -95,5 13, 1982 12,1 -6 36 -72,6 13, 1983 14,0 -5 25 -70,0 13, 1984 13,2 -4 16 -52,8 14, 1985 15,6 -3 9 -46,8 14, 1986 15,4 -2 4 -30,8 14, 1987 14,0 -1 1 -14,0 14, 1988 17,6 0 0 0 14, 1989 15,4 1 1 15,4 15, 1990 10,9 2 4 21,8 15, 1991 17,5 3 9 52,5 15, 1992 15,0 4 16 60,0 15, 1993 18,5 5 25 92,5 15, 1994 14,2 6 36 85,2 15, 1995 14,9 7 49 104,3 16, Итого 222,0 0 280 48,8 222, 9.5. Методы выявления сезонной компоненты При рассмотрении квартальных или месячных данных многих социально-экономических явлений часто обнаруживаются определенные, постоянно повторяющиеся колебания, которые существенно не изменяются за длительный период времени. Они являются результатом влияния природно-климатических условий, общих экономических факторов, а также ряда многочисленных разнообразных факторов, которые частично являются регулируемыми. В статистике периодические колебания, которые имеют определенный и постоянный период, равный годовому промежутку, носят название «сезонных колебаний» или «сезонных волн», а динамический ряд в этом случае называют тренд-сезонным, или просто сезонным рядом динамики.

Сезонные колебания характеризуются специальным показателями, которые называются индексами сезонности (Is). Совокупность этих показателей отражает сезонную волну. Индексами сезонности являются процентные отношения фактических внутригодовых уровней к постоянной или переменной средней.

Для выявления сезонных колебаний обычно берут данные за несколько лет, распределенные по месяцам. Данные за несколько лет (обычно не менее трех) берутся для того, чтобы выявить устойчивую сезонную волну, на которой не отражались бы случайные условия одного года.

Если ряд динамики не содержит ярко выраженной тенденции в развитии, то индексы сезонности вычисляются непосредственно по эмпирическим данным без их предварительного выравнивания.

Для каждого месяца рассчитывается средняя величина уровня, например, за три года (уi ), затем из них рассчитывается среднемесячный уровень для всего ряда (у ) и в заключение определяется процентное отношение средних для каждого месяца к общему среднемесячному уровню ряда, то есть:

yi IS = 100% (9.22) y Если же ряд динамики содержит определенную тенденцию в развитии, то прежде чем вычислить сезонную волну, фактические данные должны быть обработаны так, чтобы была выявлена общая тенденция. Обычно для этого прибегают к аналитическому выравниванию ряда динамики.

При использовании способа аналитического выравнивания ход вычислений индексов сезонности следующий:

- по соответствующему полиному вычисляются для каждого месяца (квартала) выровненные уровни на момент времени (t);

- вычисляются отношения фактических месячных (квартальных) данных (yi) к соответствующим выровненным данным ( ) в процентах y t I = ( yi: yt ) 100 ;

[ ] - находятся средние арифметические из процентных соотношений, рассчитанных по одноименным периодам в процентах Ii=(I1+I2+I3+...+In):n, где n - число одноименных периодов.

В общем виде формулу расчета индекса сезонности данным способом можно записать так:

yi IS = : n (9.23) yt Расчет заканчивается проверкой правильности вычислений индексов, так как средний индекс сезонности для всех месяцев (кварталов) должен быть 100 процентов, то сумма полученных индексов по месячным данным равна 1200, а сумма по четырем кварталам - 400.

9.6. Элементы прогнозирования и интерполяции Исследования динамики социально-экономических явлений, выявление и характеристика основной тенденции развития дают основание для прогнозирования - определения будущих размеров уровня экономического явления.

Важное место в системе методов прогнозирования занимают статистические методы. Применение прогнозирования предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохранится и в прогнозируемом будущем, то есть прогноз основан на экстраполяции. Экстраполяция, проводимая в будущее, называется перспективой и в прошлое - ретроспективой. Обычно, говоря об экстраполяции рядов динамики, подразумевает чаще всего перспективную экстраполяцию.

В зависимости от того, какие принципы и какие исходные данные положены в основу прогноза, можно выделить следующие элементарные методы экстраполяции: среднего абсолютного прироста, среднего темпа роста и экстраполяция на основе выравнивания рядов по какой-либо аналитической формуле.

Прогнозирование по среднему абсолютному приросту может быть выполнено в том случае, если есть уверенность считать общую тенденцию линейной, то есть метод основан на предположении о равномерном изменении уровня (под равномерностью понимается стабильность абсолютных приростов).

Для нахождения интересующего нас аналитического выражения тенденции на любую дату t необходимо определить средний абсолютный прирост и последовательно прибавить его к последнему уровню ряда столько раз, на сколько периодов экстраполируется ряд, то есть экстраполяцию можно сделать по следующей формуле:

i+t = yi + t (9.24) где i+t - экстраполируемой уровень, (i+t) - номер этого уровня (года);

i - номер последнего уровня (года) исследуемого периода, за который рассчитан t - срок прогноза (период упреждения);

- средний абсолютный прирост.

Прогнозирование по среднему темпу роста можно осуществлять в случае, когда есть основание считать, что общая тенденция ряда характеризуется показательной (экспоненциальной) кривой. Для нахождения тенденции в этом случае необходимо определить средний коэффициент роста, возведенный в степень, соответствующую периоду экстраполяции, то есть по формуле:

t уi+1 = yi K p (9.25) где yi - последний уровень ряда динамики;

t - срок прогноза;

K - средний коэффициент роста.

p Если же ряду динамики свойственна иная закономерность, то данные, полученные при экстраполяции на основе среднего темпа роста, будут отличаться от данных, полученных другими способами экстраполяции.

Рассмотренные способы экстраполяции тренда, будучи простейшими, в то же время являются и самыми приближенными.

Поэтому наиболее распространенным методом прогнозирования является аналитическое выражение тренда. При этом для выхода за границы исследуемого периода достаточно продолжить значения независимой переменной времени (t).

При таком подходе к прогнозированию предполагается, что размер уровня, характеризирующего явление, формируется под воздействием множества факторов, причем не представляется возможным выделить отдельно их влияние. В связи с этим ход развития связывается не с какими-либо конкретными факторами, а с течением времени, то есть y=f(t).

Поэтому целесообразно определение доверительных интервалов прогноза.

Величина доверительного интервала определяется следующим образом:

yt +1 ± t t (9.26) где - средняя квадратическая ошибка тренда;

yt +1 - расчетное значение уровня;

t - доверительная величина.

Вместо t - критерия удобно использовать коэффициент (К*).

Например, необходимо провести прогноз на 1996-1999 гг. по данным таблицы (9.7) об урожайности зерновых культур в хозяйстве.

Для экстраполяции используем уравнение тренда, полученное по прямой: yt = 14,8 + 0,17t. Подставив соответствующее значение t в наше уравнение, получим точечные прогнозы на 1996-1999 гг. (графа таблицы 9.8). Для построения интервальных прогнозов рассчитаем среднеквадратическую ошибку тренда (t=1,797) и используем значения К*.

Результаты прогноза представлены в таблице (9.8):

Таблица 9. Прогнозные значения урожайности зерновых культур в хозяйстве на 1996-1999 гг.

yt + i+T ± K * Годы t K* tK* A 1 2 3 4 1996 8 16,2 2,0153 3,6 12,6 - 19, 1997 9 16,3 2,0621 3,7 12,6 - 20, 1998 10 16,5 2,1131 3,8 12,7 - 20, 1999 11 16,7 2,1680 3,9 12,8 - 20, При анализе рядов динамики иногда приходится прибегать к определению некоторых неизвестных уровней внутри данного ряда динамики, то есть к интерполяции.

Как и экстраполяция, интерполяция может производится на основе среднего абсолютного прироста, среднего темпа роста, а также с помощью аналитического выравнивания. При интерполяции предполагается, что ни выявленная тенденция, ни ее характер не претерпели существенных изменений в том промежутке времени, уровень (уровни) которого нам неизвестны.

Значения К* взяты из книги Е.М. Четыркина «Статистические методы прогнозирования». М., 1975 г., стр. Глава 10. Статистический анализ структуры 10.1. Понятие структуры и основные направления ее исследования Изучаемые статистикой процессы и явления в сфере промышленного или сельскохозяйственного производства, финансов, коммерции, демографии, в социальной и политической областях, как правило, характеризуются внутренней структурой, которая с течением времени может изменяться. Динамика структуры вызывает изменение внутреннего содержания исследуемых объектов и их экономической интерпретации, приводит к изменению установившихся причинно следственных связей. Именно поэтому изучение структуры и структурных сдвигов занимает важное место в экономико статистическом анализе.

В статистике под структурой понимают совокупность элементов социально-экономических явлений, обладающих определенной устойчивостью внутригрупповых связей при сохранении основных свойств, характеризующих эту совокупность как целое. В качестве примеров можно привести структуру населения региона по возрасту или уровню доходов, структуру предприятий отрасли по численности промышленно-производственного персонала или стоимости основных фондов и другие.

Классификация структур прежде всего предполагает их разделение на два основных вида по временному фактору. Моментные структуры характеризуют строение социально-экономических явлений по состоянию на определенные моменты времени и отображаются посредством моментных относительных показателей, как правило, на начало или на конец периода (например, структура парка транспортных средств). Интервальные структуры характеризуют строение социально экономических явлений за определенные периоды времени - дни, недели, месяцы, кварталы, годы (например, структура экспорта и импорта).

Статистика имеет дело как с фактическими, реально существующими структурами, так и со структурами перспективными, прогнозными, оптимальными и стандартизованными. Последние представляют собой какие-либо условные или фактические структуры, принятые в качестве эталонных для расчета и сравнения стандартизованных показателей. Например, для сравнения уровней рождаемости, смертности, заболеваемости и т.п. по двум или более регионам рассчитывают стандартизованные коэффициенты на основе некоторой стандартизованной структуры, в качестве которой может использоваться возрастная структура населения в целом по стране.

Основные направления статистического изучения структуры включают:

а) характеристику структурных сдвигов отдельных частей совокупности за два и более периодов;

б) обобщающую характеристику структурных сдвигов в целом по совокупности;

в) оценку степени концентрации и централизации.

Рассмотрим последовательно эти три направления исследования.

10.2. Частные показатели структурных сдвигов Анализ структуры и ее изменений базируется на относительных показателях структуры - долях или удельных весах, представляющих собой соотношения размеров частей и целого. При этом как частные, так и обобщающие показатели структурных сдвигов могут отражать либо «абсолютное» изменение структуры в процентных пунктах или долях единицы (кавычки показывают, что данные показатели являются абсолютными по методологии расчета, но не по единицам измерения), либо ее относительное изменение в процентах или коэффициентах.

«Абсолютный» прирост удельного веса i-ой части совокупности показывает, на сколько процентных пунктов возросла или уменьшилась данная структурная часть в j-ый период по сравнению с (j-1) периодом: d = di j - di j -, (10.1) i dij где - удельный вес (доля) i-ой части совокупности в j-ый период;

dij - - удельный вес (доля) i-ой части совокупности в (j-1)-ый период.

Знак прироста показывает направление изменения удельного веса данной структуры части («+» - увеличение, «-» - уменьшение), а его значение - конкретную величину этого изменения.

Темп роста удельного веса представляет собой отношение удельного веса i-ой части в j-ый период времени к удельному весу той же части в предшествующий период:

di j Tpd = (10.2) i di j - Здесь и далее при исследовании моментных структур под периодами будут подразумеваться моменты времени.

Темпы роста удельного веса выражаются в процентах и всегда являются положительными величинами. Однако, если в совокупности имели место какие-либо структурные изменения, часть темпов роста будет больше 100%, а часть - меньше.

Рассчитаем частные показатели структурных сдвигов по данным о распределении коммерческих банков по размеру объявленного уставного фонда (табл. 10.1.):

Таблица 10. Группы Число банков Удельный вес, Годовой Годовой коммерчески в % к итогу прирост темп роста х банков по удельного удельного 1.01.95 1.01.96 1.01.95 1.01. размеру веса, веса, % объявленног di 0 di 1 проц. Tpd i о уставного пунктов фонда d i (млрд.руб.) А 1 2 3 4 6(гр.4:гр.3)* до 1 1656 1175 65,8 45,6 -20,2 69, 1 - 5 697 892 27,7 34,6 6,9 124, 5 - 20 134 418 5,3 16,2 10,9 305, 20 и более 30 93 1,2 3,6 2,4 300, Итого 2517 2578 100,0 100,0 0 X Как следует из данных таблицы 10.1, наиболее существенно в «абсолютном» выражении изменился удельный вес банков с уставным фондом до 1 млрд. руб. - снизился на 20,2 процентного пункта. В относительном выражении наиболее сильно (в 3 раза) выросла доля банков с уставным фондом свыше 5 млрд. руб.

Мы рассмотрели показатели структурных сдвигов за один интервал между двумя периодами. Если же изучаемая структура представлена данными за три и более периодов, появляется необходимость в динамическом осреднении приведенных выше показателей, т.е. в расчете средних показателей структурных сдвигов.

Средний «абсолютный» прирост удельного веса i-ой структурной части показывает, на сколько процентных пунктов в среднем за какой-либо период (день, неделю, месяц, год и т.п.) изменяется данная структурная часть:

di n - di = di, (10.3) n - где n - число осредняемых периодов.

Сумма средних «абсолютных» приростов удельных весов всех k структурных частей совокупности, также как и сумма их приростов за один временной интервал, должна быть равна нулю.

Средний темп роста удельного веса характеризует среднее относительное изменение удельного веса i-ой структурной части за n периодов, и рассчитывается по формуле средней геометрической:

n- T pd = Tpd i1 Tpd i 2 Tpd i 3...Tpd i n- (10.4) i Подкоренное выражение этой формулы представляет собой последовательное произведение цепных темпов роста удельного веса за все временные интервалы. После проведения несложных алгебраических преобразований данная формула примет следующий вид:

di n Tpd = n -1 (10.5) i di Для иллюстрации этих формул воспользуемся приведенным выше примером (таблица 10.1). Рассчитаем средний месячный прирост (в данном случае - снижение) удельного веса банков 1-ой группы:

45,6 - 65, = = -18 проц. пункта.

, d 12 - По этой же группе определим средний месячный темп роста удельного веса:

45, Tpd =100 = 96,7% 65, Мы получили, что удельный вес банков данной группы в среднем ежемесячно снижался на 1,8 процентного пункта или на 3,3% (96,7% 100%).

При анализе структуры исследуемого объекта или явления за ряд периодов также можно определить средний удельный вес каждой i-ой части за весь рассматриваемый временной интервал. Однако для его расчета одних лишь относительных данных об удельных весах структурных частей недостаточно, необходимо располагать еще и информацией о размерах этих частей в абсолютном выражении.

Используя эти данные, средний удельный вес любой i-ой структурной части можно определить по формуле:

n xi j j= di = n k, (10.6) xi j j=1 i= xij где - величина i-ой структурной части в j- период времени в абсолютном выражении.

Проиллюстрируем эту формулу следующим примером. По данным первичного рынка государственных краткосрочных облигаций (ГКО) и облигаций федерального займа (ОФЗ) в третьем квартале 1995г.

определим средний удельный вес ценных бумаг каждого вида в общем объеме выручки от их реализации (табл. 10.2.):

Таблица 10. Вид ценных бумаг Объем выручки от продажи Июль Август Сентябрь Итого ГКО, трлн.руб. (x1 j ) 5,5 8,1 11,0 24, в % к итогу (d1 j ) 80,9 98,9 99,1...

ОФЗ, трлн. руб.(x2 j ) 1,3 0,09 0,1 1, в % к итогу (d2 j ) 19,1 1,1 0,9...

Всего, трлн.руб. 6,8 8,19 11,1 26, Определим средний удельный вес выручки от продажи ГКО в общем объеме выручки от реализации государственных ценных бумаг:

24, d = 100 = 94,3%.

26, Рассчитаем средний удельный вес выручки от продажи ОФЗ:

, d = 100 = 5,7%.

26, Итак, в августе-сентябре 1995г. на долю ГКО в среднем ежемесячно приходилось 94,3% общего объема выручки от реализации государственных ценных бумаг, на долю ОФЗ - только 5,7%.

10.3. Обобщающие показатели структурных сдвигов В отдельных случаях исследователю необходимо в целом оценить структурные изменения в изучаемом социально-экономическом явлении за определенный временной интервал, которые характеризуют подвижность, или наоборот, стабильность, устойчивость данной структуры. Как правило, это требуется для сравнения динамики одной и той же структуры в различные периоды или нескольких структур, относящихся к разным объектам. Во втором случае число структурных частей у разных объектов необязательно должно совпадать.

Среди применяемых для этой цели обобщающих показателей наиболее распространен линейный коэффициент «абсолютных» структурных сдвигов, представляющий собой сумму приростов удельных весов, взятых по модулю, деленную на число структурных частей:

k di j - di j- i= -d = d (10.7) k Этот показатель отражает то среднее изменение удельного веса (в процентных пунктах), которое имело место за рассматриваемый временной интервал в целом по всем структурным частям совокупности.

Для решения данной задачи также применяют квадратический коэффициент «абсолютных» структурных сдвигов, который рассчитывается по формуле:

k ) (d - di - i j j i = = (10.8) d1 -d k Линейный и квадратический коэффициенты «абсолютных» структурных сдвигов позволяют получить сводную оценку скорости изменения удельных весов отдельных частей совокупности. Для сводной характеристики интенсивности изменения удельных весов используется квадратический коэффициент относительных структурных сдвигов:

k (di j - di j -1) = d1 (10.9) di j - d0 i = Данный показатель отражает тот средний относительный прирост удельного веса (в процентах), который наблюдался за рассматриваемый период.

По данным таблицы 10.3 (см. в конце раздела) рассчитаем обобщающие показатели структурных сдвигов.

Для расчета линейного коэффициента «абсолютных» структурных сдвигов за первый период (с октября по ноябрь) и за второй период (с ноября по декабрь) соответственно воспользуемся данными итогов гр. и гр.7 таблицы 10.3 :

I, = = 15 проц. пункта, d1-d II 11, == 23 проц. пункта, d1-d Итак, с октября по ноябрь 1995г. удельный вес отдельных направлений использования доходов населения изменился в среднем на 1,5 процентного пункта. C ноября по декабрь «абсолютные» структурные сдвиги заметно увеличились. Этот вывод подтверждается квадратическими коэффициентами «абсолютных» структурных сдвигов (необходимые промежуточные расчеты выполнены в гр.5 и гр.8 таблицы 10.3):

17, I == 19 проц. пункта,, d1-d 31, II == 25 проц. пункта.

, d1-d Далее определим величину квадратических коэффициентов относительных структурных сдвигов, воспользовавшись итоговыми данными гр.6 и гр.9:

I = 11,86 100 = 34,4% d d I I = 5,76 100 = 24,0% d d Расчеты показывают, что если в ноябре удельный вес каждой статьи расходов в среднем изменился более чем на треть своей величины, то в декабре - менее чем на четверть.

Для сводной оценки структурных изменений в исследуемой совокупности в целом за рассматриваемый временной интервал, охватывающий несколько недель, месяцев, кварталов или лет, наиболее удобным является линейный коэффициент «абсолютных» структурных сдвигов за n периодов:

k di n - di n ( ) i = d -d0 = (10.10) k(n - 1) Используя итоговые данные гр.10 таблицы 10.3 получим:

(n) 17, = = 1,8 проц.пункта d1-d 5 Таким образом, за рассматриваемый период среднемесячное изменение по всем направлениям использования доходов составило 1, процентного пункта.

Необходимо отметить, что последний показатель может использоваться как для сравнения динамики двух и более структур, так и для анализа динамики одной и той же структуры за разные по продолжительности периоды времени.

10.4. Показатели концентрации и централизации Одна из задач статистического анализа структуры заключается в определении степени концентрации изучаемого признака по единицам совокупности или в оценке неравномерности его распределения. Такая неравномерность может иметь место в распределении доходов по группам населения, жилой площади по группам семей, прибыли по группам предприятий и т.д. При исследовании неравномерности распределения изучаемого признака по территории понятие «концентрация» обычно заменяется понятием «локализация».

Оценка степени концентрации наиболее часто осуществляется по кривой концентрации (Лоренца) и рассчитываемым на ее основе характеристикам. Для этого необходимо иметь частотное распределение единиц исследуемой совокупности и взаимосвязанное с ним частотное распределение изучаемого признака. Для удобства вычислений и повышения аналитичности данных единицы совокупности, как правило, разбиваются на равные группы - 10 групп по 10% единиц в каждой, групп по 20% единиц и так далее.

Наиболее известным показателем концентрации является коэффициент Джини, обычно используемый как мера дифференциации или социального расслоения:

k k H dxi dyi, G = 1 - 2 d dyi (10.11) + xi i =1 i = dxi где - доля i-ой группы в общем объеме совокупности;

dyi - доля i-ой группы в общем объеме признака;

H dyi - накопленная доля i-ой группы в общем объеме признака Если доли выражены в процентах, данную формулу можно преобразовать:

для 10%-го распределения - k H G = 110 - 0,2 d (10.12) yi i = для 20%-го распределения - k H dyi G = 120 - 0,4 (10.13) i = Чем ближе к 1 (100%) значение данного признака, тем выше уровень концентрации;

при нуле мы имеем равномерное распределение признака по всем единицам совокупности.

Оценка степени концентрации также может быть получена на основе коэффициента Лоренца:

k dxi - dyi i = L = (10.14) При использовании данного коэффициента можно оперировать как долями единицы, так и процентами. Коэффициент Лоренца изменяется в тех же границах, что и коэффициент Джини.

Определим степень концентрации доходов населения по данным таблицы 10.4.:

Таблица 10. Распределение доходов населения России в январе - сентябре 1995г.

H H dхi dхi dyi 20%-ные Объем dyi dхi dyi - dyi dхi группы денежных населения доходов dyi % к итогу А 1 2 3 4 5 6 Первая 5,5 0,055 0,2 0,0110 0,055 0,0110 0, (с наименьшим и доходами) Вторая 10,2 0,102 0,2 0,0204 0,157 0,0314 0, Третья 15,2 0,152 0,2 0,0304 0,309 0,0618 0, Четвертая 22,4 0,224 0,2 0,0448 0,533 0,1066 0, Пятая 46,7 0,467 0,2 0,0934 1,000 0,2000 0, (с наивысшими доходами) Итого 100,0 1,0 1,0 0,2000 Х 0,4108 0, Для расчета коэффициента Джини воспользуемся итоговыми данными граф 4 и 6 таблицы 10.4 :

G = 1 - 2 0,4108 +0,2 = 0,378 или 37,8%.

Такой же результат мы получим, выполнив расчеты в процентах:

G = 120 - 0,4 (5,5 + 15,7 + 30,9 + 53,3 + 100,0) = 37,8%.

Второй способ расчета проще, однако, исходная формула незаменима в тех случаях, когда имеются неравные группы по объему совокупности (в нашем примере - по численности населения).

Используя данные графы 7 таблицы 10.4 определим коэффициент Лоренца:

0, L = = 0,291 или 29,1%.

Оба коэффициента указывают на относительно высокую степень концентрации доходов населения.

Если под концентрацией понимается степень неравномерности распределения изучаемого признака, не связанная ни с объемом совокупности, ни с численностью отдельных групп, то централизация означает сосредоточение объема признака у отдельных единиц (объема продукции данного вида на отдельных предприятиях, капитала в отдельных банках и т.п.). Обобщающий показатель централизации имеет следующий вид:

k IZ =, (10.15) mi M i= mi где - значение признака i-ой единицы совокупности;

M - объем признака всей совокупности.

Максимальное значение, равное 1, данный коэффициент достигает лишь в том случае, когда совокупность состоит только из одной единицы, обладающей всем объемом признака. Минимальное значение коэффициента приближается к нулю, но никогда его не достигает.

Рассмотрим следующий пример. Предположим, выпуск продукции А сконцентрирован на 5 предприятиях, расположенных в трех районах области (табл. 10.5.):

Таблица 10. Район Число Объем производства, Доля одного предприяти млн.руб. предприятия й в всего в среднем на 1 общем предприятие объеме (гр.2:гр.1) продукции, (гр.3: Итог гр.2) А 1 2 3 А 1 5374 5374 0, Б 1 1225 1225 0, В 3 2610 870 0, Итого 5 9209 Х Х Вычислим показатель централизации производства данного вида продукции:

I = 0,5842 + 0,1332 + 3 0,0942 = 0, z Рассчитанная величина свидетельствует о высокой степени централизации. Отметим, что аналитическая ценность показателей концентрации и централизации повышается при проведении сравнений во временном или территориальном аспектах.

Глава 11. Индексы 11.1. Общие понятия об индексах «Индекс» в переводе с латинского - указатель или показатель. В статистике индексом называют показатель относительного изменения данного уровня исследуемого явления по сравнению с другим его уровнем, принятым за базу сравнения. В качестве такой базы может быть использован или уровень за какой-либо прошлый период времени (динамический индекс), или уровень того же явления по другой территории (территориальный индекс). В статистической практике динамические индексы получили большее распространение.

Индексы являются незаменимым инструментом исследования в тех случаях, когда необходимо сравнить во времени или пространстве две совокупности, элементы которых непосредственно суммировать нельзя.

Предположим, нам требуется оценить рост заработной платы работников предприятия в текущем периоде по сравнению с базисным.

Такая совокупность является однородной,и поэтому вполне правомерно суммировать заработную плату работников в каждом периоде, рассчитать средние значения и сравнить их, поделив одну среднюю на другую. Рассмотрим теперь другой случай: нам необходимо оценить рост розничных цен. Здесь уже будет неправомерно складывать цены на разнородные товары, которые могут даже измеряться в различных единицах, а также рассчитывать какие-либо средние показатели. В подобных случаях и применяются индексы.

В целом, индексный метод направлен на решение следующих задач:

1) характеристика общего изменения уровня сложного социально экономического явления;

2) анализ влияния каждого из факторов на изменение индексируемой величины путем элиминирования воздействия прочих факторов;

3) анализ влияния структурных сдвигов на изменение индексируемой величины.

В дальнейшем изложении будут использоваться следующие общепринятые обозначения:

i - индивидуальный индекс;

I - сводный индекс;

p - цена;

q - количество;

z - себестоимость;

r - урожайность;

s - посевная площадь;

1 - текущий период;

0 - базисный период.

Простейшим показателем, используемым в индексном анализе, является индивидуальный индекс, который характеризует изменение во времени экономических величин, относящихся к одному объекту:

p ip = - индекс цены, p где p1 - цена товара в текущем периоде;

p0 - цена товара в базисном периоде;

q iq = - индекс физического объема реализации;

q p1q ipq = - индекс товарооборота.

p0q Например, если цена товара А в текущем периоде составляла руб., а в базисном - 25 руб., то индивидуальный индекс цены будет равен:

ip = = 1,2 /120,0%/.

Индивидуальные индексы, в сущности, представляют собой относительные показатели динамики или темпы роста, и по данным за несколько периодов времени могут рассчитываться в цепной или базисной формах.

11.2. Агрегатные индексы В тех случаях, когда исследуются не единичные объекты, а состоящие из нескольких элементов совокупности, используются сводные индексы. Исходной формой сводного индекса является агрегатная.

При расчете агрегатного индекса для разнородной совокупности находят такой общий показатель, в котором можно объединить все ее элементы. Вернемся к рассмотрению задачи с розничными ценами. Как уже отмечалось, цены различных товаров складывать неправомерно, но суммировать товарооборот по этим товарам вполне допустимо. В текущем периоде такой товарооборот по n товарам составит:

1 1 2 2 3 3 n n p1q1 + p1 q1 + p1 q1 +...+ p1 q1 = p1q Аналогично получим для базисного периода:

1 1 2 2 3 3 n n p0q0 + p0 q0 + p0 q0 +...+ p0 q0 = p0q Если мы сравним товарооборот в текущем периоде с его величиной в базисном периоде, то получим сводный индекс товарооборота:

p1q = (11.1) pq p0q Для иллюстрации этого и последующих индексов воспользуемся следующими условными данными (табл. 11.1.):

Таблица 11. Цены и объем реализации трех товаров Товар Июль Август цена, продано, цена, продано, руб. тыс.шт. руб. тыс.шт.

А 18 20 15 Б 50 11 40 В 40 12 35 Рассчитаем индекс товарооборота:

15 28 + 40 13 + 35 = = 0, pq 18 20 + 50 11 + 40 Таким образом, товарооборот в целом по данной товарной группе в текущем периоде по сравнению с базисным уменьшился на 2,2% /100% - 97,8%/. Отметим, что размер товарной группы при расчете этого и последующих индексов значения не имеет.

На величину полученного индекса товарооборота оказывают влияние как изменение цен на товары, так и изменение объемов их реализации. Для того, чтобы оценить изменение только цен (индексируемой величины), необходимо количество проданных товаров (веса индекса) зафиксировать на каком-либо постоянном уровне. При исследовании динамики таких показателей как цена и себестоимость физический объем реализации обычно фиксируют на уровне текущего периода. Таким способом получают сводный индекс цен (по методу Пааше):

1 1 2 2 n n p1q1 + p1 q1 +...+ p1 q1 p1q = = p 1 1 2 2 n n p0q1 + p0 q1 +...+ p0 q1 p0q (11.2) 15 28 + 40 13 + 35 = = 0, p 18 28 + 50 13 + 40 По данной товарной группе цены в августе по сравнению с июлем снизились на 16,8%. При построении данного индекса цена выступает в качестве индексируемой величины, а количество проданного товара - в качестве веса.

Числитель данного индекса содержит фактический товарооборот текущего периода. Знаменатель же представляет собой условную величину, показывающую каким был бы товарооборот в текущем периоде при условии сохранения цен на базисном уровне. Поэтому соотношение этих двух категорий отражает имевшее место изменение цен.

Числитель и знаменатель сводного индекса цен также можно интерпретировать и по-другому. Числитель представляет собой сумму денег, фактически уплаченных покупателями за товары в текущем периоде. Знаменатель же показывает, какую сумму покупатели заплатили бы за те же товары, если бы цены не изменились. Разность числителя и знаменателя будет отражать величину экономии (если знак «-») или перерасхода («+») покупателей от изменения цен:

= p1q1 - p0q1 = 1360 -1634 = -274 руб.

Третьим индексом в данной индексной системе является сводный индекс физического объема реализации. Он характеризует изменение количества проданных товаров не в денежных, а в физических единицах измерения. Весами в данном случае выступают цены, которые фиксируются на базисном уровне:

q p q = q p (11.3) 28 18 + 13 50 + 12 q = = 1, 20 18 + 11 50 + 12 Физический объем реализации (товарооборота) увеличился на 17,6%.

Между рассчитанными индексами существует следующая взаимосвязь:

q = p pq 0,832 1,176 = 0, Мы рассмотрели применение индексного метода в анализе товарооборота и цен. Однако, эта же индексная система может использоваться для анализа результатов производственной деятельности предприятий, выпускающих разнородную продукцию. Тогда приведенные выше индексы соответственно называются:

Ipq - индекс стоимости продукции;

Ip - индекс оптовых цен;

Iq - индекс физического объема продукции.

Взаимосвязь между этими индексами остается прежней:

q =.

p pq Еще одна область применения индексов - анализ затрат на производство и себестоимости.

Индивидуальный индекс себестоимости характеризует изменение себестоимости отдельного вида продукции в текущем периоде по сравнению с базисным.

Для определения общего изменения уровня себестоимости нескольких видов продукции, выпускаемых предприятием, рассчитывается сводный индекс себестоимости. При этом себестоимость взвешивается по объему производства отдельных видов продукции:

q z z = (11.4) z0q Числитель этого индекса отражает затраты на производство текущего периода, а знаменатель - условную величину затрат при сохранении себестоимости на базисном уровне. Разность числителя и знаменателя показывает сумму экономии (перерасхода) предприятия от изменения себестоимости:

= z1q1 - z0q Индекс физического объема продукции, взвешенный по себестоимости, имеет следующий вид:

z q q = (11.5) q z Третьим показателем в данной индексной системе является индекс затрат на производство:

z1q zq = (11.6) z0q Все три индекса взаимосвязаны между собой:

z q = zq Индексный метод также находит применение в статистике сельского хозяйства: индекс валового сбора сельскохозяйственных культур (Irs) может быть получен через индекс урожайности (Ir) и индекс посевных площадей (Is).

Ir Is = Irs или (11.7).

r1s1 S1 r1s = r0s1 S0 r0s 11.3. Сводные индексы в средней арифметической и средней гармонической формах В ряде случаев на практике вместо индексов в агрегатной форме удобнее использовать средние арифметические и средние гармонические индексы. Любой сводный индекс можно представить как среднюю взвешенную из индивидуальных индексов. Однако при этом форму средней нужно выбрать таким образом, чтобы полученный средний индекс был тождественен исходному агрегатному индексу.

Предположим, мы располагаем данными о стоимости проданной продукции в текущем периоде и индивидуальными индексами цен, полученными, например, в результате выборочного наблюдения. Тогда при расчете сводного индекса цен можно использовать следующую замену:

p0q1 = p1q ip В целом же сводный индекс цен в данном случае будет выражен в форме средней гармонической:

p1q = (11.8) p p1q ip Рассмотрим следующий условный пример (табл. 11.2.):

Таблица 11. Данные о реализации и ценах по товарной группе Т о в а р Реализация в Изменение цен в текущем текущем периоде по периоде, руб. сравнению с базисным,% А 23000 +4, Б 21000 +2, В 29000 -0, Данные последней графы таблицы отражают изменение индивидуальных индексов цен, которые по товарам А, Б и В соответственно равны 1,040, 1,023 и 0,992.

С учетом этого получим:

23000 + 21000 + = = 1,016.

p 23000 21000 ++ 1,040 1,023 0, Цены по данной товарной группе в среднем возросли на 1,6%.

При расчете сводного индекса физического объема товарооборота можно использовать среднеарифметическую форму. При этом производится замена:

q1 p0 = iqq0 p Тогда индекс имеет вид:

q0 p iq q = (11.9) q p Для иллюстрации этой формы расчета воспользуемся следующим примером (табл. 11.3.):

Таблица 11. Данные о реализации трех товаров в натуральном и стоимостном выражении Т о в а р Реализация в Изменение физического базисном объема реализации в текущем периоде,руб. периоде по сравнению с базисным,% А 46000 -6, Б 27000 -8, В 51000 +1, Индивидуальные индексы физического объема будут равны 0,936;

0,918;

1,013. С учетом этого рассчитаем среднеарифметический индекс:

0,936 46000 + 0,918 27000 + 1,013 q = = 0,964.

46000 + 27000 + Физический объем реализации данных товаров в среднем снизился на 3,6%.

11.4. Системы индексов Индексы могут использоваться для анализа динамики социально экономических явлений за ряд последовательных периодов. В этом случае для достижения сопоставимости они должны рассчитываться по единой схеме. Такая схема расчета индексов за несколько временных периодов называется системой индексов.

В зависимости от информационной базы и целей исследователя индексная система может строится в четырех вариантах. Рассмотрим их на примере сводного индекса цен, рассчитываемого за n периодов:

А. Цепные индексы цен с переменными весами:

p1q1 p2q2 p3q3 pnqn = ;

= ;

= ;

.... = ;

1 n p p 0 n- p0q1 p 21 p1q2 p 32 p2q3 pn-1qn Б.Цепные индексы цен с постоянными весами:

p1q0 p2q0 p3q0 pnq = ;

= ;

= ;

.... = ;

1 n p p 0 n- p0q0 p 21 p1q0 p 32 p2q0 pn-1q В. Базисные индексы цен с переменными весами:

p1q1 p2q2 p3q3 pnqn = ;

= ;

= ;

.... = ;

1 n p p 0 p0q1 p 2 0 p0q2 p 30 p0q3 p0qn Г. Базисные индексы цен с постоянными весами:

p1q0 p2q0 p3q0 pnq = ;

= ;

= ;

.... = ;

1 n p p 0 p0q0 p 2 0 p0q0 p 30 p0q0 p0q Индексы системы "Б" по своей природе мультипликативны, т.е.

последовательное произведение этих индексов приводит к сводному индексу цен за весь рассматриваемый период (система "Г").

11.5. Индексы постоянного и переменного состава В предыдущих задачах рассматривались индексы, рассчитываемые по нескольким товарам или видам продукции, реализуемым или производимым в одном месте. Рассмотрим теперь случай, когда один товар или вид продукции реализуется или производится в нескольких местах (табл. 11.4.):

Таблица 11. Реализация товара А в двух регионах Июнь Июль Регион цена, руб. продано, шт. цена, руб. продано,шт 1 12 10000 13 2 17 20000 19 Так как в данном случае реализуется один и тот же товар, вполне правомерно рассчитать его среднюю цену за июнь и за июль.

Сравнением полученных средних значений получают индекс цен переменного состава:

p1q1 p0q nc = : = p q q 1318000 +19 9000 12 10000 +17 = : = (11.10) 18000 + 9000 10000 + = 15,00 :15,33 = 0,978.

Из таблицы видно, что цена в каждом регионе в июле по сравнению с июнем возросла. В целом же, средняя цена снизилась на 2,2%. Такое несоответствие объясняется влиянием изменения структуры реализации товаров по регионам: в июне по более высокой цене продали товара вдвое больше, в июле ситуация принципиально изменилась (в данном условном примере для наглядности числа подобраны таким образом, чтобы это различие в структуре продаж было очевидным). Оценить воздействие этого фактора можно с помощью индекса структурных сдвигов:

p0q1 p0q ст р == :

q1 q (11.11) 12 18000 + 17 9000 12 10000 + 17 = : = 0, 27000 Первая формула в этом индексе позволяет ответить на вопрос, какой была бы средняя цена в июле, если бы цены в каждом регионе сохранились на прежнем июньском уровне. Вторая часть формулы отражает фактическую среднюю цену июня. В целом по полученному значению индекса мы можем сделать вывод, что за счет структурных сдвигов цены снизились на 10,9%.

Последним в данной системе является рассмотренный выше индекс цен фиксированного состава, который не учитывает влияние структуры:

p1q фс = = 1,098. (11.12).

p p0q Итак, если бы структура реализации товара А по регионам не изменилась, средняя цена возросла бы на 9,8%. Однако, влияние на среднюю цену первого фактора оказалось сильнее, что отражается в следующей взаимосвязи:

–ст р фс = пс p p 1,098 0,891 = 0,978.

Аналогично строятся индексы структурных сдвигов, переменного и фиксированного состава для анализа изменения себестоимости, урожайности и пр.

Заключение Мы рассмотрели приемы сбора, обработки и анализа статистических данных, которые являются методологическим базисом любой статистической работы. В то же время, необходимо отметить, что статистическое наблюдение не является обязательным этапом статистического исследования. Во многих случаях экономист-аналитик имеет дело с материалом, полученным из баз данных, бюллетеней информационных агентств, статистических сборников и других источников. Тогда работа должна начинаться с проверки полноты и качества данных, их группировки, а при отсутствии необходимости в этих этапах - с расчета индивидуальных и обобщающих показателей.

Рассмотренные приемы и методы с успехом могут использоваться не только в практике статистического анализа. Статистическая методология исследования в настоящее время заняла прочные позиции во многих областях знания. Статистические формулы находят применение в макро- и микроэкономике, оценке бизнеса и недвижимости, финансовом анализе, техническом анализе товарных и финансовых рынков.

Более того, подвергающийся статистической обработке материал не обязательно должен относиться к экономической области. В большинстве случаев, описанные приемы и показатели будут работоспособны и эффективны при обобщении и анализе технической, биологической, медицинской, демографической и социологической информации.

Рассматриваемые в пособии методы в большинстве случаев иллюстрированы практическими примерами. Подобные вычисления при небольших объемах совокупности или коротких динамических рядах не очень трудоемки. При работе же с большими массивами статистической информации необходимо использовать прикладное программное обеспечение, существенно ускоряющее и упрощающее все расчеты.

Среди наиболее распространенных современных программных продуктов следует отметить пакеты Мезозавр, ОЛИМП, САНИ, Эвриста, STATISTICA, STATGRAPHICS и SPSS.

Рекомендуемая литература 1. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник / Под. ред. чл.-корр. РАН И.И.Елисеевой. – 4-е изд., перераб. и доп. - М.:

Финансы и статистика, 1998. - 480с.: ил.

2. Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики: Учебник. - М.: ИНФРА-М, 1996. - 416с.

3. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: Учебник / Под ред. А.А.Спирина, О.Э.Башиной. - М.: Финансы и статистика, 1994. - 296с.: ил.

4. Практикум по теории статистики: Учеб. пособие /Под.ред. проф. Р.А.

Шмойловой. – М.: Финансы и статистика, 1999. – 416с.: ил.

5. Статистический словарь / Гл. ред. М.А.Королев. - М.: Финансы и статистика, 1989. - 623с.: ил.

6. Теория статистики: Учебник / Под ред. проф. Шмойловой Р.А. –2-е изд., доп. и перераб. - М.: Финансы и статистика, 1998. -576с.:ил.

7. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере / Под ред. В.Э.Фигурнова. - М.: ИНФРА-М, Финансы и статистика, 1998. - 528с., ил.

Pages:     | 1 | 2 ||



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.