Бесповторное. Попавшая в выборку единица не возвращается в совокупность, из которой происходит отбор.

Понятие выборочного наблюдения. Причины его применения.

Выборочное наблюдение – такое не сплошное наблюдение, при котором статистическому обследованию подвергаются единицы изучаемой совокупности, отобранные определенным образом.Цель (задача) выборочного наблюдения: по обследуемой части дать характеристику всей совокупности единиц при условии соблюдения всех правил и принципов статистического наблюдения.

Причины применения выборочного наблюдения:

1. экономия материальных, трудовых затрат и времени;

2. возможность более детально и подробно изучит отдельные единицы статистической совокупности и их группы.

3. некоторые специфические задачи можно решить только с применением выборочного наблюдения.

4. грамотное и хорошо организованное выборочное наблюдение дает высокую точность результатов.

Генеральная совокупность – совокупность единиц, из которых производится отбор.

Выборочная совокупность – совокупность отобранных для обследования единиц. В статистике принято различать параметры генеральной совокупности и выборочной совокупности.

Виды выборочного наблюдения:

I По методу отбора:

Повторное. Попавшая в выборку единица после регистрации наблюдаемых признаков возвращаются в генеральную совокупность для участия в дальнейшей процедуре отбора.

Объем генеральной совокупности остается неизменным, что обуславливает постоянное попадание в выборку какой-либо единицы.

Бесповторное. Попавшая в выборку единица не возвращается в совокупность, из которой происходит отбор.

II По способу отбора:1. Собственно-случайная заключается в отношении единиц из генеральной совокупности наугад или наудачу без каких-либо элементов системности. Однако прежде чем проводить такую выборку, нужно убедиться, что все единицы генеральной совокупности имеют равные шансы попасть в выборку, т.е. в полном перечне единиц статистической совокупности отсутствуют пропуски или игнорирования отдельных единиц. Следует, также, четко установить границы генеральной совокупности. Технически сложившейся отбор осуществляется методом жеребьевки или с помощью таблицы случайных чисел.2. Механическая выборка (каждый 5 по списку) применяется в случаях, когда генеральная совокупность каким-либо образом упорядочена, т.е. имеется определенная последовательность в распределении единиц. При проведении механической выборки устанавливается пропорция отбора, которая устанавливается соотношением генеральной совокупности и выборочной совокупности.Опасность ошибки при механической выборке может появляться вследствие: случайного совпадения выбранного интервала и циклических закономерностей в расположении единиц генеральной совокупности.3. Районированная выборка используется когда все единицы генеральной совокупности можно разбить на группы (районы, страны) по какому-либо признаку.

4. Серийный отбор. Используется когда ЕСС объединены в небольшие группы (серии), например упаковка с готовой продукцией, студенческие группы. Сущность серийной выборки – серии отбираются собственно случайным, либо механическим способом, а затем осуществляется сплошное обследование внутри отобранной серии.

5. Комбинированный отбор. Это комбинация рассмотренных выше способов отбора чаще применяется комбинация типичных и серийных серии, т.е. отбор серий из нескольких типических групп.Отбор может быть еще многоступенчатым и одноступенчатым, многофазным и однофазным.

6. Многоступенчатый отбор: из генеральной совокупности сначала извлекаются укрупненные группы, затем более мелкие, и так до тех пор, пока не будут отобраны те единицы, которые подвергаются обследованию.7. Многофразная выборка: предполагает сохранение одной и той же единицы отбора на всех этапах его проведения. При этом отобранные на каждой последующей стадии единицы отбора подвергаются обследованию, программа которого расширяется (Пример: студенты всего института, затем студенты каких-то факультетов).

 

8. КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ.Все явления ипроцессы, характеризующие социально-эконо­мическое развитие и составляющие единую систему нацио­нальных счетов, тесно взаимосвязаны и взаимозависимы между собой.В статистике показатели, характеризующие эти явления, мо­гут быть связаны либо корреляционной зависимостью, либо быть независимыми. Корреляционная зависимость исследуется с помощью мето­дов корреляционного и регрессионного анализов.

1) Корреляция — это статистическая зависимость между случай­ными величинами, не имеющими строго функционального ха­рактера, при которой изменение одной из случайных величин приводит к изменению математического ожидания другой.

В статистике принято различать следующие варианты за­висимостей.

1. Парная корреляция - связь между двумя признаками (ре­зультативным и факторным или двумя факторными).

2. Частная корреляция - зависимость между результативными одним факторным признаками при фиксированном значении других факторных признаков.

3. Множественная корреляция - зависимость результативного и двух или более факторных признаков, включенных в исследо­вание.

Корреляционный анализ имеет своей задачей количествен­ное определение тесноты связи между двумя признаками (при парной связи) и между результативным и множеством фактор­ных признаков (при много фактор ной связи).

Корреляционный анализ изучает взаимосвязи показателей и позволяет решить следующие задачи:

1. Оценка тесноты связи между показателями с помощью парных, частных и множественных коэффициентов корреляции. 2. Оценка уравнения регрессии.

Корреляционно-регрессионный анализ как общее понятие включает в себя измерение тесноты, направления связи и установление аналитического выражения (формы) связи (регрессионный анализ).

2) Регрессионныйанализ заключается в определении аналити­ческого выражения связи, в котором изменение одной величины (называемой зависимой или результативным признаком) обуслов­лено влиянием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказыва­ющих влияние на зависимую величину, принимается за постоян­ные и средние значения.

Целью регрессионного анализаявляется оценка функцио­нальной зависимости условного среднего значения результатив­ного признака (У) от факторных (х,, х₂, ..., х_к).

Основной предпосылкой регрессионного анализаявляется то, что только результативный признак (У) подчиняется нормаль­ному закону распределения, а факторные признаки х,, х₂, ..., х_к могут иметь произвольный закон распределения. В анализе ди­намических рядов в качестве факторного признака выступает время I. При этом в регрессионном анализе заранее подразуме­вается наличие причинно-следственных связей между результа­тивным (У) и факторными (х,, х₂, ..., х_к) признаками.

Уравнение регрессии, или статистическая модель связи соци­ально-экономических явлений, выражаемая функцией У_х = Г(х₁₍ х₂, ..., х_к), является достаточно адекватным реальному моделируемому яв­лению или процессу в случае соблюдения следующих требова­ний их построения.

1. Совокупность исследуемых исходных данных должна быть однородной и математически описываться непрерывными функ­циями.

2. Возможность описания моделируемого явления одним или несколькими уравнениями причинно-следственных связей.

3. Все факторные признаки должны иметь количественное (цифровое) выражение.

4. Наличие достаточно большого объема исследуемой выбо­рочной совокупности.

5. Причинно-следственные связи между явлениями и процессами следует описывать линейной или приводимой к линейной формами зависимости.

6. Отсутствие количественных ограничений на параметры модели связи.

7. Постоянство территориальной и временной структуры изу­чаемой совокупности.

Соблюдение данных требований позволяет исследователю построить статистическую модель связи, наилучшим образом аппроксимирующую моделируемые социально-экономические

явления и процессы.

Теоретическая обоснованность моделей взаимосвязи, постро­енных на основе корреляционно-регрессионного анализа, обеспечивается соблюдением следующих основных условий.

1.Все признаки и их совместные распределения должны под­чиняться нормальному закону распределения.

2. Дисперсия моделируемого признака (У) должна все время оставаться постоянной при изменении величины (У) и значений факторных признаков.

3. Отдельные наблюдения должны быть независимыми, т. е. результаты, полученные в 1-м наблюдении, не должны быть свя­заны с предыдущими и содержать информацию о последующих наблюдениях, а также влиять на них.

Отступление от выполнения этих условий и предпосылок приводит к тому, что модель регрессии будет неадекватно отра­жать реально существующие связи между анализируемыми при­знаками.

Одной из проблем построения уравнения регрессии является ее размерность,т. е. определение числа факторных признаков, включаемых в модель. Их число должно быть оптимальным.

Сокращение размерности за счет исключения второстепенных, несущественных факторов позволяет получить модель, быстрее и качественнее реализуемую. В то же время построение модели малой размерности может привести к тому, что она будет недо­статочно полно описывать исследуемое явление или процесс в единой системе национального счетоводства.

Практика выработала определенный критерий, позволяющий установить оптимальное соотношение между числом факторных признаков, включаемых в модель, и объемом исследуемой сово­купности. Согласно данному критерию число факторных при­знаков (к) должно быть в 5-6 раз меньше объема изучаемой совокупности.

Построение корреляционно-регрессионных моделей, какими бы сложными они ни были, само по себе не вскрывает полнос­тью всех причинно-следственных связей. Основой их адекватно­сти является предварительный качественный анализ, основанный на учете специфики и особенностей сущности исследуемых со­циально-экономических явлений и процессов.