Материал: Статистика-пособие

= - = + +. (2)

В нашей задаче = 636 + (–96) + 40 = 580 тыс. руб.

Результаты факторного анализа общей выручки заносятся в последнюю строку факторной таблицы 9.

Таблица 9. Результаты факторного анализа выручки

Наконец, ведется факторный анализ изменения частной (по каждому j-му товару в отдельности) выручки на основе следующей трехфакторной мультипликативной модели:

=. (2)

Тогда изменение частной выручки за счет каждого из 3-х факторов (количество, структурный сдвиг и цена) по j-му виду товара определяется соответственно по формулам (2) – (2).

= ; (2)

= ; (2)

= . (2)

Так, по апельсинам изменение выручки за счет первого фактора (изменения общего количества проданных фруктов) по формуле (2) равно:

=(1,12-1)*2000 = 240 (тыс. руб.).

Аналогично по бананам: = (1,12-1)*3300 = 396 (тыс. руб.)

Контроль правильности расчетов:

= , то есть 240 + 396 = 636 (тыс. руб.).

Так, по апельсинам изменение выручки за счет второго фактора (структурных сдвигов в количестве проданных фруктов) по формуле (2) равно:

=1,12*(1,429-1)*2000 = 960 (тыс. руб.).

Аналогично по бананам: =1,12*(0,714-1)*3300 = –1056 (тыс. руб.).

Контроль правильности расчетов:

= , то есть 960 + (–1056) = –96 (тыс. руб.).

И, наконец, по апельсинам изменение выручки за счет 3-го фактора (изменения отпускной цены) по формуле (2) равно:

=1,12*1,429*(0,9-1)*2000 = –320 (тыс. руб.).

Аналогично по бананам: =1,12*0,714*(1,136-1)*3300 = 360 (тыс. руб.).

Контроль правильности расчетов:

= , то есть (–320) + 360= 40 (тыс. руб.)

Результаты факторного анализа частной выручки также заносятся в таблицу 9, в которой все числа оказались взаимно согласованными.

Контрольные задания по теме

Имеются следующие данные о продажах минимаркетом 3-х видов товаров (A, B и C):

Определить:

1. Индивидуальные индексы цен, физического объема и товарооборота;

2. Общие индексы цен, физического объема и товарооборота;

3. Абсолютные приросты товарооборота за счет изменений цен, структурного сдвига и объемов продаж (для каждого фактора в отдельности) по всей продукции и по каждому товару в отдельности.

По итогам расчетов сделать аргументированные выводы.

Тема 6. Статистическое изучение взаимосвязей

Методические указания по теме

Задача 1. По условным данным таблицы 10 о стоимости основных фондов х и валовом выпуске продукции у (в порядке возрастания стоимости основных фондов) выявить наличие и характер корреляционной связи между признаками x и y.

Таблица 10. Стоимость основных фондов и валовой выпуск по 10 однотипным предприятиям

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

1 . Графический метод, когда корреляционную зависимость для наглядности можно изобразить графически. Для этого, имея n взаимосвязанных пар значений x и y и пользуясь прямоугольной системой координат, каждую такую пару изображают в виде точки на плоскости с координатами x и y. Соединяя последовательно нанесенные точки, получают ломаную линию, именуемую эмпирической линией регрессии (см. рисунок справа). Анализируя эту линию, визуально можно определить характер зависимости между признаками x и y. В нашей задаче эта линия похожа на восходящую прямую, что позволяет выдвинуть гипотезу о наличии прямой зависимости между величиной основных фондов и валовым выпуском продукции.

2. Рассмотрение параллельных данных (значений x и y в каждой из n единиц). Единицы наблюдения располагают по возрастанию значений факторного признака х и затем сравнивают с ним (визуально) поведение результативного признака у. В нашей задаче в большинстве случаев по мере увеличения значений x увеличиваются и значения y (за несколькими исключениями – 2 и 3, 6 и 7 предприятия), поэтому, можно говорить о прямой связи между х и у (этот вывод подтверждает и эмпирическая линия регрессии). Теперь необходимо ее измерить, для чего рассчитывают несколько коэффициентов.

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

. (2)

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

В нашей задаче ; .

В двух последних столбцах таблицы 10 приведены знаки отклонений каждого х и у от своей средней величины. Число совпадений знаков – 9, а несовпадений – 1. Отсюда К_Ф= =0,8. Обычно такое значение показателя тесноты связи характеризует сильную зависимость, однако, следует иметь в виду, что поскольку К_Ф зависит только от знаков и не учитывает величину самих отклонений х и у от их средних величин, то он практически характеризует не столько тесноту связи, сколько ее наличие и направление.

4. Линейный коэффициент корреляции применяется в случае линейной зависимости между двумя количественными признаками x и y. В отличие от К_Ф в линейном коэффициенте корреляции учитываются не только знаки отклонений от средних величин, но и значения самих отклонений, выраженные для сопоставимости в единицах среднего квадратического отклонения t:

и .

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

, (2) или . (2)

Числитель формулы (2), деленный на n, т.е. , представляет собой среднее произведение отклонений значений двух признаков от их средних значений, именуемое ковариацией. Поэтому можно сказать, что линейный коэффициент корреляции представляет собой частное от деления ковариации между х и у на произведение их средних квадратических отклонений. Путем несложных математических преобразований можно получить и другие модификации формулы линейного коэффициента корреляции, например:

. (2)

Линейный коэффициент корреляции может принимать значения от –1 до +1, причем знак определяется в ходе решения. Например, если , то r по формуле (2) будет положительным, что характеризует прямую зависимость между х и у, в противном случае (r<0) – обратную связь. Если , то r=0, что означает отсутствие линейной зависимости между х и у, а при r=1 – функциональная зависимость между х и у. Следовательно, всякое промежуточное значение r от 0 до 1 характеризует степень приближения корреляционной связи между х и у к функциональной. Таким образом, коэффициент корреляции при линейной зависимости служит как мерой тесноты связи, так и показателем, характеризующим степень приближения корреляционной зависимости между х и у к линейной. Поэтому близость значения r к 0 в одних случаях может означать отсутствие связи между х и у, а в других свидетельствовать о том, что зависимость не линейная.

В нашей задаче для расчета r построим вспомогательную таблицу 11.

Таблица 11. Вспомогательные расчеты линейного коэффициента корреляции

В нашей задаче: = =29,299; = =65,436. Тогда по формуле (2) r = 9,516166/10 = 0,9516. Аналогичный результат получаем по формуле (2): r = 1824,4/(29,299*65,436) = 0,9516 или по формуле (2): r = (7024,4 – 52*100) / (29,299*65,436) = 0,9516, то есть связь между величиной основных фондов и валовым выпуском продукции очень близка к функциональной.

Проверка коэффициента корреляции на значимость (существенность). Интерпретируя значение коэффициента корреляции, следует иметь в виду, что он рассчитан для ограниченного числа наблюдений и подвержен случайным колебаниям, как и сами значения x и y, на основе которых он рассчитан. Другими словами, как любой выборочный показатель, он содержит случайную ошибку и не всегда однозначно отражает действительно реальную связь между изучаемыми показателями. Для того, чтобы оценить существенность (значимость) самого r и, соответственно, реальность измеряемой связи между х и у, необходимо рассчитать среднюю квадратическую ошибку коэффициента корреляции σ_r. Оценка существенности (значимости) r основана на сопоставлении значения r с его средней квадратической ошибкой: .

Существуют некоторые особенности расчета σ_r в зависимости от числа наблюдений (объема выборки) – n.

1. Если число наблюдений достаточно велико (n>30), то σ_r рассчитывается по формуле (2):

. (2)

Обычно, если >3, то r считается значимым (существенным), а связь – реальной. Задавшись определенной вероятностью, можно определить доверительные пределы (границы) r = (), где t – коэффициент доверия, рассчитываемый по интегралу Лапласа (см. таблицу 4).