LINEBURG


<< Пред. стр.

страница 20
(всего 32)

ОГЛАВЛЕНИЕ

След. стр. >>

Свободный член линейного уравнения регрессии

а = u?y = bu?x = 0.

Регрессионное уравнение отклонений от тренда имеет вид:

uЮy = bиЮx (9.54)

По данным табл. 9.12 коэффициент корреляции уровней урожайности и себестоимости


Прямая связь одинаково направленных трендов почти полностью компенсировала обратную связь между колебаниями признаков. Из 13 произведений семь положительны. Прежде всего в начале и в конце ряда, где'сильнее всего сказались тренды. Если бы не страшный неурожай в 1987 г., вызвавший огромные отклонения уровней, коэффициент корреляции был бы даже положителен.
Напротив, корреляция отклонений от трендов дает результат, соответствующий экономическому содержанию связи урожайности с себестоимостью. Коэффициент корреляции отклонений от трендов по формуле (9.52) составил:


Коэффициент детерминации равен 0,88, или 88% колебаний себестоимости картофеля связаны с колебаниями урожайности. Положительны лишь три произведения отклонения , притом наименьшие.
Коэффициент регрессии по формуле (9.53)

Уравнение регрессии:
.

Это означает, что в среднем за период отклонение себестоимости от тренда было противоположно по знаку и составляло 0,124 отклонения урожайности от своего тренда. Если, например, урожайность в 1993 г. окажется на 20 ц/га ниже уровня тренда для этого года, составляющего 119,9 +3,81·10 = 158 ц/га, то себестоимость надо ожидать на -20(- 0,124) = 2,48 руб. за 1 ц выше уровня тренда, который для 1993 г. равен 31,2 руб. за 1 ц, т.е., учитывая и тренды, и предполагаемый плохой урожай в 1993 г., себестоимость картофеля составила бы 31,2 + 2,48 = 33,66 руб./ц. Естественно, что этот прогноз всего лишь пример, как пользоваться уравнением регрессии отклонений от тренда. В нашем случае метеорология не дает оснований для прогноза урожайности, а сильнейшая инфляция делает вообще невозможным любой прогноз себестоимости без использования дефлятора (см. гл. 10).
Данные табл. 9.12 позволяют сделать интересное заключение о различии характера динамики признаков. Если из общей дисперсии (суммы квадратов отклонений от среднего уровня) урожайности 10341 большую часть составляет дисперсия за счет колеблемости 7678, то для себестоимости преобладающим моментом общей дисперсии, равной 405,16, является не колеблемость, дающая только 133,34, а тренд; это эффект скрытой инфляции до 1989 г.
Другим приемом измерения корреляции в рядах динамики может служить корреляция между теми из цепных показателей рядов, которые являются константами их трендов. При линейных трен-дах - это цепные абсолютные приросты. Вычислив их по исходным рядам динамики (аxi,, аyi), находим коэффициент корреляции между абсолютными изменениями по формуле (9.52) или, что более точно, по формуле (9.51), так как средние изменения не равны нулю в отличие от средних отклонений от трендов. Допустимость данного способа основана на том, что разность между соседними уровнями в основном состоит из колебаний, а доля тренда в них невелика, следовательно, искажение корреляции от тренда очень большое при кумулятивном эффекте на протяжении длительного периода, весьма мало - за каждый год в отдельности. Однако нужно помнить, . что это справедливо лишь для рядов с с-показателем, существенно меньшим единицы. В нашем примере для ряда урожайности с-показатель равен 0,144, для себестоимости он равен 0,350. Коэффициент корреляции цепных абсолютных изменений составил 0,928, что очень близко к коэффициенту корреляции отклонений от трендов.
Для рядов с тенденцией, близкой к экспоненте, следует рекомендовать корреляцию цепных темпов роста. Вычисление корреляции рядов динамики по цепным показателям не требует предварительного вычисления трендов, но все же желательно иметь о характере тенденции приближенное представление. Для параболических трендов с не очень большими ускорениями можно коррелировать цепные абсолютные изменения; при больших ускорениях лучше их не коррелировать. Если коррелируемые ряды имеют разные типы тенденций, вполне допустимо коррелировать соответствующие разные цепные показатели: абсолютные изменения в одном ряду с темпами изменений в другом и т. д.
К сожалению, все вышеизложенные приемы по существу решают только задачу измерения связи между колебаниями признаков, а не между тенденциями их изменений. Насколько допустимо переносить выводы о тесноте связи между колебаниями на связь динамических рядов в целом, зависит от материального, качественного содержания процесса и причинного механизма связи. Это проблема, выходящая далеко за пределы статистической науки. Если колебания урожайности являются на самом деле следствиями колебания суммы осадков за лето, т. е. корреляция именно колебаний отвечает сущности причинной связи, то, например, причинную связь между дозой удобрений и урожайностью нельзя свести к зависимости только между колебаниями. Здесь главное - причинная связь тенденций, а ее измерять мы так и не научились.
Завершая этим признанием главу о статистическом анализе рядов динамики, дадим последние методологические советы изучающим статистику.
Всякая наука - это процесс продолжающегося познания природы и общества. Нет наук законченных, которые следует лишь выучить наизусть, чтобы все знать.
Учебники и учебные пособия - лишь сжатые и неполные изложения уже достигнутого наукой уровня познания. Изучайте специальную литературу, если хотите больше знать, а также новейшие достижения ученых всего мира.
Не считайте и себя только «сосудами для вливания» знаний. Познав известное, вы тоже можете (и должны!) внести свой вклад в дальнейшее развитие теории статистики. «Если не я - то кто же?»

Рекомендуемая литература к главе 9

1. Андерсон Т. Статистический анализ временных рядов / Пер. с англ. -М.: Мир. - 1976.
2. Афанасьев В. Н. Статистическое обеспечение проблемы устойчивости сельскохозяйственного производства. - М.: Финансы и статистика, 1996.
3. Ванну Я. Я.-Ф. Корреляция рядов динамики. - М.: Статистика, 1977.
4. КазинецЛ. С. Темпы роста и абсолютные приросты. - М.: Статистика, 1975.
5. Четыркин Е. М. Статистические методы прогнозирования. - Изд. 2-е, -М.: Статистика, 1977.
6. Юзбашев М. М„ Манелля А. И. Статистический анализ тенденций и колеблемости. - М.: Финансы и статистика, 1983.













Глава 10
ИНДЕКСЫ

Само слово индекс (index) означает показатель. Обычно этот термин используется для некоей обобщающей характеристики изменений. Например, уже знакомый вам индекс Доу Джонса, индекс деловой активности, индекс объема промышленного производства и т. д. Гораздо реже термин «индекс» используется как обобщенный показатель состояния, например, известный индекс интеллектуального развития IQ.
В этой главе мы рассмотрим индексы прежде всего как показатели изменений. Очевидно, что сфера использования таких показателей безгранична: спортсмены стремятся улучшить свои достижения, предприниматель желает увеличить прибыль и т.д. Во всех этих случаях необходимо выразить изменения количественно. Как изменились цены, уровень жизни, покупательная сила денег и пр.? Ответы на все эти вопросы позволяют дать индексы.

10.1. Понятие индекса

В предыдущей главе вы познакомились с показателями, которые измеряют абсолютные и относительные изменения: темпы роста, прироста, абсолютный прирост, цепные и базисные показатели, показатели средних изменений за период. В чем же специфика индексов? Принципиальных отличий три.
Во-первых индексы позволяют измерить изменение сложных явлений. Например, нужно определить, как изменились за год расходы жителей Москвы на городской транспорт. Для ответа на этот вопрос вы должны иметь численность пассажиров, перевезенных за год каждым видом городского транспорта, рассчитать среднемесячную численность пассажиров или взять точные данные из отчетов по месяцам, умножить численность на тариф перевозки (и число месяцев его действия - в случае использования среднемесячной численности) и полученные величины просуммировать. То же нужно сделать по данным за прошлый год. Затем сопоставить сумму расходов за последний год с суммой за прошлый год. То есть это не просто сравнение двух чисел, как при расчете темпов динамики или приростов, а получение и сравнение некоторых агрегированных величин.
Во-вторых, индексы позволяют проанализировать изменение -выявить роль отдельных факторов. Например, можно определить, как изменилась сумма выручки городского транспорта за счет изменения численности пассажиров и тарифов, наконец, за счет соотношения в объеме перевозок разными видами транспорта.
В-третьих, индексы являются показателями сравнений не только с прошлым периодом (сравнение во времени), но и с другой территорией (сравнение в пространстве), а также с нормативами. Например, интересно знать, не только как изменилось среднедушевое потребление мяса в России в данном году по сравнению с прошлым годом (или с каким-либо другим периодом), но и сравнить показатели среднедушевого потребления мяса в России и развитых странах Запада, Востока, а также провести сравнение с нормативной величиной, отвечающей нормам рационального питания. Очевидно, что каждое направление сравнения вносит что-то новое. Так, удой молока на одну корову в хозяйствах Российской Федерации в 1990 г. составил 2781 кг, а в 1989 - 2773 кг. Индекс равен 100,3% (+0,3) ? [2781 : 2773 = 1,0029·100%]. Повышение - 8 кг на одну корову, такое сравнение вроде внушает хотя и умеренный, но оптимизм. Если же сравнить с удоем в других странах, то те же данные выглядят так: в Великобритании в 1990 г. этот показатель был равен 5213 кг/корову, Польше - 3234, Швеции - 6213 кг/корову. Соответствующие индексы составили 53,3; 86; 44,8%.
Существует несколько определений индекса. Приведем одно из них, может быть самое краткое.
Индекс - это показатель сравнения двух состояний одного и того же явления (простого или сложного, состоящего из соизмеримых или несоизмеримых элементов).
Каждый индекс включает два вида данных: оцениваемые данные, которые принято называть отчетными и обозначать значком «1», и данные, которые используются в качестве базы сравнения -базисные, обозначаемые знаком «О».
Индекс, который строится как сравнение обобщенных величин, называется сводным или общим, и обозначается i. Если же сравниваются необобщенные величины, то индекс называется индивидуальным и обозначается i. Как правило, подстрочно дается значок, который указывает, для оценки какой величины построен индекс. Например, Iq1/10 или iq1/10 , т. е. сводный и индивидуальный индексы для величины q. .
Сравнения во времени могут охватывать короткий период: выработка за этот день и за вчерашний день, цены в сентябре по сравнению с августом и т. д. Но сравнение может проводиться и с отдаленным периодом: современные данные с довоенным 1940 г. или с 1986 г. - годом начала перестройки, когда экономика еще не была затронута структурными изменениями и т. д. Выбор базисного периода всегда аргументирован той задачей, для которой строится индекс. Обычно руководствуются двумя правилами: либо база сравнения представляет стабильный уровень, либо экстремальное значение - высшее достижение или низший уровень (в случае падения экономических показателей). Конечно, сравнение с отдаленным периодом вносит дополнительные трудности, что уже отмечалось в предыдущей главе. Некоторые специфические для построения индексов проблемы будут затронуты ниже.

10.2. Индекс как показатель центральной
тенденции (индекс средний из индивидуальных)

Вы можете услышать, что уровень потребительских цен понизился или повысился. Речь в этом случае идет об индексе цен на потребительские товары. Общее изменение образуется под влиянием изменений цен на отдельные товары. Таким образом, мы имеем ряд отношений:
и т.д.
Эти отношения есть не что иное, как индивидуальные индексы, и сводный индекс представляет собой средний из них:
,

где j - номер товара.
Так как средняя есть показатель центра распределения, то и сводный индекс можно назвать показателем центральной тенденции. Проблема состоит в том, как получить этот сводный индекс. Впервые она возникла при попытке оценить совокупное изменение цен либо в виде отношения сумм цен:
,

либо как среднее из изменений цен на отдельные товары:
(10.1)

В том и другом варианте представлены невзвешенные средние. Первый вариант исходит из того, что цена рассчитывается за единицу товара, например за 1кг, и сумма цен может рассматриваться как набор слагаемых с равными весами. Однако, этот вариант не отвечает задаче осреднения показателей изменений цен на отдельные товары. Второй 'вариант настораживает тем, что согласно общему правилу средняя из относительных величин должна вычисляться как средняя взвешенная. Действительно, если говорить конкретно об измерении динамики цен на все продовольственные или непродовольственные товары, то ясно, что если цены на ювелирные изделия из золота удвоятся, а цены на хлеб останутся неизменными, это не значит, что в целом цены выросли на 50% ((2+ 1)/2 = 1,5). Приведенный пример показывает, что индекс цен для каждого товара должен сопровождаться неким «весом», который позволяет оценить относительную значимость этого индекса для потребителя. В качестве веса используют удельный вес в общей стоимости покупок: в базисном периоде:



Если обозначить удельный вес отдельных затрат с1ц„ то получим общий индекс цен как средний арифметический взвешенный из индивидуальных индексрв цен:
(10.2)
т.е. Ip = i?p..

Используя формулу (10.2) можно получить общее изменение цен на продукты по данным табл. 10.1.
Часто можно встретить утверждение, что чем сильнее варьируют веса средней, тем значительнее отличие невзвешенной средней от взвешенной. Покажем ошибочность этого утверждения применительно к индексу среднему из индивидуальных. Рассмотрим два примера А и Б.
А. Равенство взвешенной и простой средних при сильной вариации весов.
В табл. 10.1 представлены данные примера А.
Таблица 10.1


№ товара
Цены

Индекс
ip
Доля в
базисной выручке
d0

ip· d0
Вариаця долей


Р0
Р1



(dj0 – d0)
(dj0 – d0)2
1
10
11
1,1
0,40
0,44
0,20
0,0400
2
15
30
2,0
0,25
0,50
0,05
0,0025
3
20
28
1,4
0,15
0,21
-0,05
0,0025
4
25
40
1,6
0,10
0,16
-0,10
0,0100
5
30
27
0,9
0,10
0,09
-0,10
0,0100
Итого


1,4
1,00
1,40
0
0,0650

Невзвешенный средний индекс цен
Среднее значение веса
Взвешенный средний индекс цен
Результат совпадает с простой средней. Между тем вариация весов значительна, стандартное отклонение

Коэффициент вариации весов
, т.е. 57%.

Б. Неравенство взвешенной и простой средних при слабой вариации весов.
В табл. 10.2 представлены данные примера Б.
Таблица 10.2




№ товара
Цены

Индекс
ip
Доля, в базисной выручке
d0


ip· d0
Вариация долей


Р0
Р1



(dj0 – d0)
(dj0 – d0)2
1
10
11
1,1
0,15
0,165
-0,05
0,0025
2
15
30
2,0
0,26
0,520
0,06
0.0036
3
20
28
1,4
0,19
0,266
-0,01
0,0001
.4
25
40
1,6
0,25
0,400
0,05
0,0025
5
30
27
0,9
0,15
0,135
-0,05
0,0025
Итого
X
X
1,4
1,00
1,486
0
0,0112

невзвешенный средний индекс цен:
взвешенный средний индекс цен ;
вариация весов
vd = 0,2366 или 23,7%, т. е. вариация весов намного слабее, чем в примере А.
Рассмотрим, в чем секрет таких соотношений? Обратимся к формуле взвешенной средней:



где x?, f? - простые средние;
Dх, Df - отклонения от них.

Представим последнее выражение как:



Числитель второго слагаемого можно представить через коэффициент корреляции между х и f:
(10.3)

Эта формула аналогична формуле (5.6). Следовательно, средняя взвешенная равна простой средней, если:
• вариация признака х, отсутствует, т. е. sx = 0;
• вариация -весов fi отсутствует, т. е. vf = 0;
• нет корреляции между вариациями признака и весов, т. е. rxf = 0 (хотя бы сами х, и f, варьировали как угодно сильно).
Отношение взвешенной средней и простой можно выразить следующим образом:
(10.4)

Поскольку различие взвешенной и простой средних зависит от корреляции значений признака и веса, постольку оно может оказаться большим при слабой вариации весов, чем при их сильной вариации (см. главу 5).
Рассмотрим соотношения между индексами (10.1) и (10.2) на примере табл. 10.3.
Таблица 10.3
Данные розничной торговли города N


Выручка в мае

Отноше
ние цен в июне к ценам
в мае, %
ip = p1:p0
Выручка с
учетом изменения цен,
млн руб.
q0p1=q0p0ip

абс. млн. руб.
относит.




q0p0

d0


1
2
3
4
5
Мясо и мясопродукты
2352,0
0,271
110,5
2599,0
Рыба и рыбопродукты
735,0
0,085
112,2
824,7
Масло животное
2058,0
0,237
103,2
2123,8
Масло растительное
9,8
0,001
105,6
10,4
Молоко и молочные продукты
882,0
0,102
102,4
903,2
Сахар
Итого
2644,0
8680,8
0,304
1,000
107,3
641,2*
2837,0
9298.1
* Обычно ip не суммируются








Обратите внимание на данные гр. 5 табл. 10.3: произведение q0p0ip имеет не просто техническое значение взвешивания индивидуального индекса, но дает определенный содержательный результат -показатель условных затрат на покупку с учетом изменения цен q0 · p0 · ip = q0 · p1
Это дает право представить формулу (10.2) в виде:
(10.5)

Выражение (10.5) получило известность как индекс Ласпейреса, предложившего эту формулу в 1864 г. По данным табл. 10.3


т. е. цены возросли в среднем на 7,1%. Если воспользоваться формулой (10.1), то Ip = 641,2/6 = 1,069 • 100 = 106,9%, т. е. в среднем цены возросли на 6,9%. Отличие от среднего взвешенного арифметического индекса составляет 0,2%.
Мы рассмотрели определение среднего изменения на основе средней арифметической из индивидуальных, но ведь могут использоваться и другие виды средних: средняя геометрическая, средняя гармоническая и т. д. - невзвешенные и взвешенные. Используя среднюю геометрическую невзвешенную, получаем:

Средняя гармоническая всегда дает результат, меньший средней арифметической. Применяя среднюю гармоническую невзвешенную, получаем:


Опять-таки деление единицы на каждый индекс предполагает равное значение изменения цен на товары, что не соответствует практике.
Используя в качестве весов затраты на покупку в отчетном периоде, получаем сводный индекс цен как средний гармонический взвешенный из Индивидуальных индексов цен:
(10.6)

В формуле (10.6) и далее для простоты мы опустили подстрочный значок, соответствующий номеру товара (элемента), хотя, конечно же, суммирование и в числителе, и в знаменателе производится по всему набору товаров (элементов).
Рассчитаем этот индекс по данным табл. 10.3. Кроме того, нам потребуются дополнительные данные. Как всегда, лучшей формой представления цифровых данных является таблица. Представим все необходимые данные в табл. 10.4, используя вместо названий номера продуктов.
Таблица 10.4
Данные розничной торговли города

№ п/п
Относительное изменение количества купленных продуктов в июне по сравнению с маем, %
ip =q1 : q0
Выручка в июне, млн руб.

q1·p1
Условная выручка без учета изменения цен, млн руб.,

q1·p0 = q1·p1 : ip
1
98,5
2560,0 .
2316,7
2
100,3
827,2
737,3
3
97,8
2077,1
2012,7
4
102,0

<< Пред. стр.

страница 20
(всего 32)

ОГЛАВЛЕНИЕ

След. стр. >>

Copyright © Design by: Sunlight webdesign