Главная Французский Финансы деньги кредит Финансовый менеджмент финансовая математика Финансовое право Философия Маркетинг реклама и торговля Кулинария и продукты питания Краеведение и этнография Коммуникации связь цифровые приборы и радиоэлектроника История и исторические личности Иностранные языки и языкознание Охрана окружающей среды экология Общениеэтика семья брак Нотариат Не Российское законодательство Биология и химия Этика эстетика Основы права Неопределено Немецкий Мировая экономика МЭО Цифровые устройства Хозяйственное право Самоучитель по GPRS Карта сайта	Рефераты. Статистический анализ рынка труда Тюменской области Глава 2. Статистический анализ рынка труда Тюменской области за 1997-2001 г.г. 2.1. Статистические методы анализа рынка труда           В статистической практике используются различные методы анализа экономических явлений. Некоторые из них мы рассмотрим в данной работе. Группировка статистических данных.           Группировка – это разбиение совокупности на группы, однородные по какому-либо признаку. С точки зрения отдельных единиц совокупности группировка – это объединение отдельных единиц совокупности в группы, однородные по каким-либо признакам.           Устойчивое разграничение объектов выражается классификацией. Классификация – это как бы стандарт, в котором каждая атрибутивная запись может быть отнесена лишь к одной группе или подгруппе. Классификация основывается на самых существенных признаках, которые меняются очень мало.           Метод группировки основывается на двух категориях – группировочном признаке и интервале.           Группировочный признак – это признак, по которому происходит объединение отдельных единиц совокупности в однородные группы. Классификация и группировка должны производиться на вполне объективных и легко распознаваемых признаков.           Интервал очерчивает количественные границы групп. Как правило, он представляет собой промежуток между максимальным и минимальным значениями признака в группе. Интервалы бывают:           равные, когда разность между максимальным и минимальным значениями в каждом интервале одинакова;           неравные, когда, например, ширина интервала постепенно увеличивается, а верхний интервал часто не закрывается вовсе;           открытые, когда имеется только либо верхняя, либо нижняя граница;           закрытые, когда имеются и нижняя, и верхняя границы.           Статистические группировки и классификации преследуют цели выделения качественно однородных совокупностей, изучения структуры совокупности, исследования существующих зависимостей. Каждой из этих целей соответствует особый вид группировки: типологическая, структурная, аналитическая (факторная).           Типологическая группировка решает задачу выявления и характеристики социально-экономических типов (частных подсовокупностей).           Структурная дает возможность описать составные части совокупности или строение типов, а также проанализировать структурные сдвиги.           Аналитическая (факторная) группировка позволяет оценивать связи между взаимодействующими признаками. Ряды динамики.           Ряд динамики – это последовательность упорядоченных во времени числовых показателей, характеризующих уровень развития изучаемого явления. Всякий ряд динамики включает два обязательных элемента: во-первых, время и, во-вторых, конкретное значение показателя, или уровень ряда.           При изучении явления во времени перед исследователем встает проблема описания интенсивности изменения и расчета средних показателей динамики. Для характеристики интенсивности во времени такими показателями будут: абсолютный прирост, темп роста, темп прироста, абсолютное значение одного процента прироста.           Расчет показателей динамики представлен в следующей таблице:
Показатель	Базисный	Цепной
Абсолютный прирост   (Δ i баз; Δ і цеп)*	Yi - Yo	Yi - Yi-1
Коэффициент роста (Кр)**	Yi : Yo	Yi:Yi-1
Темп роста (Тр)	(Yi : Yo)·100	(Yi : Yi-1) ·100
Коэффициент прироста (Кпр)	Кр – 1; (Yi - Yo) : Yo; Δбаз : Yo	Кр – 1; (Yi - Yi-1) : Yi-1; Δцеп : Yi-1
Темп прироста (Тпр)	Кпр·100; Тр – 100	Кпр·100; Тр – 100
Абсолютное значение одного процента прироста (А)	Yo : 100	Yi-1 : 100; Δ : Тпр; (Yi - Yi-1) : (Тр – 100)

* Δ i баз = ∑ Δ і цеп.

** Крбаз = Пi=1 Крцеп.

          Система средних показателей динамики включает: средний уровень ряда, средний абсолютный прирост, средний темп роста, средний темп прироста.

          Средний уровень ряда – это показатель, обобщающий итоги развития явления за единичный интервал или момент из имеющейся временной последовательности. В данной работе мы будем рассматривать равные периоды времени, поэтому средний уровень ряда будем рассчитывать по формуле:

Y‾ = ∑1n Yi/n  или ∑on Yi/(n+1),

где n и (n+1) – общая длина временного ряда или общее число равных временных отрезков, каждому из которых соответствует свой уровень Yi.  

          Средний абсолютный прирост рассчитывается по формулам в зависимости от способа нумерации интервалов (моментов).

∆‾ ═ ∆‾баз : n или  ∆‾ = ∆баз : (n – 1).

          Средний темп роста:

Т‾р = К‾р ∙100,

где К‾р – средний коэффициент роста, рассчитанный как

К‾р = n√∏Кцеп  = n√Кбаз.

          Здесь Кцеп – цепные коэффициенты роста; Кбаз – базисный коэффициент роста. Если нумерация уровней ряда начинается с единицы, то формула среднего коэффициента роста выглядит следующим образом:

К‾р = n-1√∏Кцеп  = n-1√Кбаз.

          Средний темп прироста (%) определяется по единственной методологии:

Т‾пр = Т‾р – 100.

Индексный метод.

Индекс – это относительная величина, показывающая, во сколько раз уровень изучаемого явления в данных условиях отличается от уровня того же явления в других условиях. Различие условий может проявляться во времени (тогда говорят об индексах динамики), в пространстве (территориальные индексы), в выборе в качестве базы сравнения какого-либо условного уровня, например планового показателя, уровня договорных обязательств и т.п. Соответственно вводят индекс выполнения обязательств или, если плановый уровень сравнивается с уровнем предыдущего периода, - индекс планового задания.

Если известно, что изучаемое явление неоднородно и сравнение уровней можно провести только после приведения их к общей мере, экономический анализ выполняют посредством так называемых общих индексов. Индекс становится общим, когда в расчетной формуле показывается неоднородность изучаемой совокупности.

Приведем формулы расчета некоторых наиболее употребительных агрегатных индексов.

Индекс изменения общей суммы затрат на производство продукции в зависимости от объема производства (q) и затрат на единицу (z):

Ic= (∑z1·q1) / (∑zo·qo) = [(∑zo· q1) / (∑zo·qo)]·[ (∑z1·q1) / (∑zo· q1)] = Iq·Iz.

Индекс изменения общего фонда оплаты труда в связи с изменением общей численности работающих (Т) и заработной платы (f):

IF = (∑f1·T1) / (∑fo·To) = [(∑fo· T1) / (∑fo·To)]·[ (∑f1·T1) / (∑fo· T1) = IT·If.

Индекс изменения объема продукции в связи с изменением численности работающих (Т) и уровня их выработки (w):

IQ = (∑w1·T1) / (∑wo·To) = [(∑wo· T1) / (∑wo·To)]·[ (∑w1·T1) / (∑wo· T1) = IT·Iw.

Аналогичным образом находят общие агрегатные индексы и по многим другим экономическим показателям.

Метод  корреляционно – регрессионного анализа.

          В общем виде задача статистики в области изучения взаимосвязей состоит не только в количественной оценке их наличия, направления и силы связи, но и в определении формы (аналитического выражения) влияния факторных признаков на результативный. Для ее решения применяют методы корреляционного и регрессионного анализа.

          Задачи корреляционного анализа сводятся к измерению тесноты связи между варьирующими признаками, определению неизвестных причин связи (причинный характер которых, должен быть выяснен с помощью теоретического анализа) и оценке факторов, оказывающих наибольшее влияние на результативный признак.

          Задачами регрессионного анализа являются выбор типа модели (формы связи), установление степени влияния независимых переменных на зависимую и определение расчетных значений зависимой переменной (функции регрессии).

          Решение всех названных задач приводит к необходимости комплексного использования этих методов.

          Для количественной оценки тесноты связи используют линейный коэффициент корреляции. Если заданы значения переменных Х и У, то он вычисляется по формуле:

rxy= (n∑xy-∑x∑y) / (√[n∑x² - (∑x)²]·[n∑y² - (∑y)²])

          Коэффициент корреляции принимает значения в интервале от –1 до +1. Принято считать, что если |r|< 0,30, то связь слабая; при |r| = (0,3; 0,7) – средняя; при |r| > 0,70 – сильная, или тесная. Когда |r| = 1 – связь функциональная. Если же r ≈ 0, то это дает основание говорить об отсутствии линейной связи между У и Х.

          Для характеристики влияния изменений Х на вариацию У служат методы регрессионного анализа. В случае парной линейной зависимости строится регрессионная модель:

Yi = ao + a1·Xi + εi,i = 1,...,n,

где n – число наблюдений;

      ao , a1 - неизвестные параметры уравнения;

 εi  - ошибка случайной переменной У.

          Уравнение регрессии записывается как

Уi теор = ao + a1·Xi,

где Уi теор – рассчитанное выравненное значение результативного признака после подстановки в уравнение Х.

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9