Главная | Обратная связь

Индексный метод анализа экономических процессов.

Индексный метод основан на построении факторных (агрегированных) индексов. Применение агрегированных индексов означает последовательное элиминирование влияния отдельных факторов на совокупный показатель. Преимущество индексного метода заключается в том, что он позволяет произвести «разложение» по факторам не только абсолютное изменение показателя, но и относительное, что особенно важно при изучении факторных динамических моделей.

Так, индекс изменения выпуска продукции можно выразить через произведение индексов численности и выработки:

С помощью индексного метода можно определить влияние факторов, в том числе структурных сдвигов, на абсолютное отклонение результативного показателя.

Индексный метод целесообразно применять в том случае, когда каждый фактор является сложным (совокупным) показателем. Например, численность персонала предприятия представляет собой соотношение численности отдельных категорий работников или рабочих различных разрядов. Изменение объёма выпуска продукции происходит не только под влиянием численности и выработки, но и структурных сдвигов в составе персонала.

67. Классификация наблюдений.Наблюдения классифицируются по ряду оснований: в зависимости от наличия в процессе их проведения элементов контроля (контролируемое и неконтролируемое); степени их формализованности (структурализованное и неструктурализованное, иногда говорят о стандартизованном и нестандартизованном наблюдениях); по условиям их организации (полевое и лабораторное). По методике проведения наблюдения, месту наблюдателя в процессе исследования наблюдения делятся на два основных класса:

· включенное наблюдение, при котором наблюдатель имитирует вхождение в среду, где идут соответствующие социальные процессы, наблюдая за ними как бы «изнутри»;

· невключенное наблюдение, когда наблюдатель регистрирует события «со стороны», не принимая непосредственного участия в деятельности людей в рамках наблюдаемого социального процесса.

Включенное исследование не предполагает обязательную смену профессии. Наблюдатель может войти в интересующую его среду в имидже стажера, практиканта и т.п. Главное, чтобы наблюдаемые не знали, что за ними наблюдают. В этом случае наблюдатель не является непосредственным участником изучаемых событий, однако имеет возможность следить за ними «изнутри» и, следовательно, получать важную и объективную информацию. Так, в маркетинговых исследованиях (здесь может широко применяться маска покупателя или реализатора) подобные наблюдения можно активно использовать при изучении конкурентов, анализе глубинных пластов мотивации на товары и услуги. Сегодня наиболее часто используемой при проведении маркетинговых исследований методикой включенного наблюдения является mystery shopping.

Особое значение при планировании и организации наблюдений имеет корректное выделение единиц наблюдения. В качестве такой единицы лучше выделять достаточно простые акты поведения, доступные непосредственному наблюдению и регистрации. Выделенные в качестве единиц наблюдения понятия должны быть операционализированы, т. е. за ними должно быть строго закреплено определенное значение. Иначе остро проявляется упоминавшаяся выше проблема валидности (обоснованности) избранной единицы анализа.

Основные понятия моментов.

Корреляционные моменты, коэффициент корреляции - это числовые характеристики, тесно связанные во введенным выше понятием случайной величины, а точнее с системой случайных величин. Поэтому для введения и определения их значения и роли необходимо пояснить понятие системы случайных величин и некоторые свойства присущие им.

Два или более случайные величины, описывающих некоторое явление называют системой или комплексом случайных величин.

Систему нескольких случайных величин X, Y, Z, …, W принято обозначать через (X, Y, Z, …, W).

Например, точка на плоскости описывается не одной координатой, а двумя, а в пространстве - даже тремя.

Свойства системы нескольких случайных величин не исчерпываются свойствами отдельных случайных величин, входящих в систему, а

включают также взаимные связи (зависимости) между случайными величинами.

Поэтому при изучении системы случайных величин следует обращать внимание на характер и степень зависимости. Эта зависимость может быть более или менее ярко выраженной, более или менее тесной. А в других случаях случайные величины оказаться практически независимыми.

Случайная величина Y называется независимой от

случайной величины Х, если закон распределения случайной величины Y не зависит от того какое значение приняла величина Х.

Следует отметить, что зависимость и независимость случайных величин есть всегда явление взаимное: если Y не зависит от Х, то и величина Х не зависит от Y. Учитывая это, можно привести следующее определение независимости случайных величин.

Случайные величины Х и Y называются независимыми, если закон распределения каждой из них не зависит от того, какое значение приняла другая. В противном случае величины Х и Y называются зависимыми.

69. Основные этапы определения парных взаимосвязей во множественном корреляционном анализе.Для проведения парного кореляц-но-регрес-ного анализа выполняются след-ие этапы: 1)Устанавливаются на основе исходной стат-кой инф-ции влияющий фактор Х и рез-тативный признак У, 2)Осущ-ся построение графика для опред-х знач-ий. Набор точек, хар-ризующие взаимосвязь наз-ся кореляцией, а апроксимирующая кривая наз-ся эмпирической линией регрессии, 3)на основе поля кореляции устанавливается вид взаимосвязей. Он может быть: заметный, сильный, слабый, существенный и очень сильный. На основе эмпирич-ой линии регрессии устанавл-ся аналитич-ий вид взаимосвязи, расчитывается коэф-т кореляции, к-ый хар-ет тесноту взаимосвязи между факторами и рез-тативным признаком.

r=(Σxy-1/nΣxΣy)/√(Σx²-1/n(Σx)²)(Σy²-1/n(Σy)²). 4)на основе рассчит-го коэф-та корел-ии делаются выводы о хар-ре взаимосвязи и тесноте взаимосвязи. 5)по выбранному ур-нию линии регрес-и. Адекватность- это соответствие исходных дан-х построенной модели. Это соответствие оценивается ошибками построения. Для оценки исп-ся показ-ли адекватности. Как правило, на практике для оценки адекватности исп-ся коэф-т детерминации, к-й рассчит-ся по ф-ле: D={r²*100%, i²*100% ,гдеr-коеф-т корел-ии,i-индекс корел-ии. Если апроксимирующая явл-ся прямой, то при расчёте исп-ся коэф-т корел-ии, если апроксимирующая кривая- то исп-ся индекс. Если коэф-ты детерминации ≥50% то ур-ние явл-ся адекватным.