В экономических исследованиях нашли применение следующие математико-статистические методы стохастического моделирования хозяйственных явлений и процессов оценка связи и корреляции между показателями оценка статистической значимости связей регрессионный анализ выявление параметров периодических колебаний экономических показателей группировка многомерных наблюдений, дисперсионный анализ современный факторный (компонентный) анализ трансформационный анализ. [c.110]
Для получения подобных показателей используются методы многомерного статистического анализа. [c.168]
Излагаются статистические методы группировки, выборочный, индексный, корреляционный, анализ динамики. Показаны их взаимосвязи и возможности применения с использованием ПЭВМ в рыночной экономике в сборе информации в связи с увеличением числа хозяйственных единиц и их типов, аудите, финансовом менеджменте, прогнозировании. Четвертое издание (3-е изд. — 1997 г.) полностью переработано, расширено изложение методов многомерной классификации данных, подробнее рассмотрены применение выборочного метода, методы совмещения индексов и регрессий введен анализ соотношения индексов экономических показателей. Включена глава, посвященная статистическому изучению структуры данных и ее изменений. [c.2]
В 4-м издании учебника полностью переработана глава 3 внесены дополнения в главы 2, 4, 5, 8, 9 расширено изложение методов многомерной классификации данных ( глава 6) подробнее рассмотрены вопросы применения выборочного метода (глава 7) изложены методы совмещения индексов и регрессий введен анализ соотношения индексов экономических показателей (глава 10) заново написана глава 11, посвященная статистическому изучению структуры данных и ее изменений. [c.4]
Проблема отбора факторных признаков для построения моделей взаимосвязи может быть решена с помощью эвристических или многомерных статистических методов анализа. Наиболее приемлемым методом отбора факторных признаков является шаговая регрессия (шаговый регрессионный анализ). Сущность данного метода заключается в последовательном включении факторов в уравнение регрессии и последующей проверке их значимости. Факторы поочередно вводятся в уравнение так называемым прямым методом . При проверке значимости введенного фактора определяется, насколько уменьшается сумма квадратов остатков и увеличивается величина множественного коэффициента корреляции (R). Одновременно используется и обратный метод, т.е. исключение факторов, ставших незначимыми на основе -крите-рия Стьюдента. Фактор является незначимым, если его включение в уравнение регрессии только изменяет значение коэффициентов регрессии, не уменьшая суммы квадратов остатков и не увеличивая их значения. Если при включении в модель соответствующего факторного признака величина множественного коэффициента корреляции увеличивается, а коэффициент регрессии не изменяется (или меняется несущественно), то данный признак существен и его включение в уравнение регрессии необходимо. [c.118]
В настоящее время все чаще предпринимаются попытки использования экономико-статистических методов, в частности, корреляционного и регрессионного анализа для обеспечения сопоставимости. Не переоценивая роли регрессивных моделей, следует признать их важным методом обеспечения сопоставимости. Дальнейший шаг вперед в этом направлении может быть связан с применением многомерного анализа. [c.45]
Дубров A.M. Многомерные статистические методы / A.M. Дубров, [c.142]
Во введении ( В.5) описаны различные типы зависимостей, которые могут наблюдаться между исследуемыми переменными. Умение правильно классифицировать каждую конкретную многомерную систему наблюдений играет решающую роль при выборе соответствующих математико-статистических методов поиска изучаемой зависимости и при ее неформальной, физически содержательной интерпретации. [c.57]
Б о л ч Б., X у а н ь К. Дж. Многомерные статистические методы для экономики. Пер. с англ. — М. Статистика, 1979. — 317 с. [c.460]
Объектами сегментации являются прежде всего потребители. Выделенные особым образом, обладающие общими признаками, они составляют сегмент рынка. Под сегментацией понимается разделение рынка на сегменты, различающиеся своими параметрами или реакцией на те или иные виды деятельности на рынке (рекламу, методы сбыта). Наиболее распространенными методами сегментации являются метод группировок по одному или нескольким признакам и метод многомерного статистического анализа. [c.57]
При использовании компьютерной техники на первой стадии вычисляются 80 отношений по данным обанкротившихся и платежеспособных компаний. Затем, используя статистический метод, известный как анализ многомерного дискриминанта, можно построить модель платежеспособности, определяя частные соотношения, которые наилучшим образом выделяют две группы компаний и их коэффициенты. Такой выборочный подсчет соотношений является типичным для определения некоторых ключевых измерений деятельности корпорации, таких как прибыльность, соответствие оборотного капитала, финансовый риск и ликвидность. Объединяя эти показатели и сводя их соответствующим образом воедино, модель платежеспособности производит точную картину для компаний, акции которых котируются на биржах, и принимает форму [c.79]
Сегментирование рынка представляет собой формальную процедуру, основанную на применении методов многомерного статистического анализа к результатам маркетинговых исследований. Для получения рыночных сегментов могут быть использованы четыре основные типа методов. [c.87]
Установление профилей сегментов. Для этого используются многомерные статистические методы. В основном это дискриминантный анализ, множественная регрессия, многомерный факторный анализ. [c.88]
Факторный анализ является частью многомерного статистического анализа, входящего в математико-статистические методы. Сущность метода факторного анализа заключается в выделении из [c.228]
Многомерный статистический анализ — раздел математической статистики, объединяющий методы изучения статистических данных, которые являются значениями многомерных качественных или количественных признаков. Включает дискриминантный анализ, кластер-анализ и другие математико-статистические методы, как правило, не опирающиеся на предпосылку о вероятном [c.216]
Курс Статистика имеет целью дать студентам представление о содержании статистики как научной дисциплины, познакомить с ее основными понятиями, методологией и методиками расчета важнейших статистических аналитических показателей. В соответствии с этим данное учебное пособие охватывает самые общие начальные элементы статистической науки, и прежде всего важнейшие направления анализа социально-экономических процессов. В дальнейшем на базе курса Статистика изучаются конкретные статистические дисциплины теория статистического наблюдения, анализ и прогнозирование временных рядов, классификации и группировки, многомерные статистические методы, экономическая и отраслевые статистики, анализ хозяйственной и финансовой деятельности. Что касается общеэкономических специальностей, данный курс служит основой для разработки и совершенствования методов экономического анализа. [c.3]
Идеальным выходом является использование множества, включающего все характеристики процесса. Однако это не всегда возможно по разным причинам, и чаще всего вследствие недоступности статистической информации. На основе комплексных динамических рядов (системы показателей) периодизация реализуется методом многомерной средней и методами факторного анализа. [c.94]
Факторный анализ — один из методов многомерного статистического анализа. Основное положение факторного анализа заключается в том, что корреляционные связи между большим числом наблюдаемых переменных определяются существованием меньшего числа гипотетических ненаблюдаемых переменных или факторов. Процедура состоит из двух этапов оценки факторной структуры, т. е. выявление числа факторов, необходимых для объяснения корреляционных связей между характеристиками и факторной нагрузкой (выражаемой через процент дисперсии (разброс) оценок, объясненным данным фактором традиционно интерпретируются факторы, выделенные на основе значимых, в социологии — более 0,5, корреляций более чем двух переменных), а затем оценки самих факторов по результатам наблюдения. [c.24]
В предлагаемом учебном пособии мы даем краткое введение в современные методы эконометрического анализа статистических данных, представленных в виде временных рядов, которые учитывают возможное наличие у рассматриваемых переменных стохастического тренда. Основные акценты, как и в работе [Носко (2000)], смещены в сторону разъяснения базовых понятий и основных процедур статистического анализа данных с привлечением смоделированных и реальных экономических данных. Вместе с тем, от читателя требуется несколько большая осведомленность в отношении вероятностно-статистических методов исследования. Предполагается, что читатель имеет представление о совместной функции распределения, многомерном нормальном распределении, методе максимального правдоподобия, свойстве состоятельности оценок, характеристиках статистических критериев (ошибки первого и второго рода, мощность), а также владеет методами регрессионного анализа в рамках начального курса эконометрики. Кроме того он должен иметь некоторое представление о комплексных числах и комплексных корнях полиномов. [c.6]
Большой объем выборки необходим при проведении углубленного анализа данных с использованием разнообразных методов многомерного статистического анализа. Это же касается [c.415]
Описать классификацию основных статистических методов, уметь подробно классифицировать одномерные и многомерные методы статистического анализа. [c.519]
Для решения перечисленных задач применяются такие математи-ко-статистические методы стохастического моделирования, как группировка многомерных наблюдений, корреляционный и регрессионный анализ, таксономический метод, дисперсионный анализ, методы причинного анализа, компонентный анализ. [c.278]
Конечная задача статистического исследования — отыскание закономерностей динамики явления. Закономерности причинно-следственных связей общественных процессов и явлений устанавливаются с помощью корелляционно-регрессионного анализа, а также методов многомерного статистического анализа. Взаимосвязи явлений также изучаются с помощью статистических группировок, параллельных рядов, взаимосвязанных индексов и т.д. Широкое применение в статистике находят графические методы, позволяющие в наглядной формы представлять результаты статистических исследований. [c.8]
Дубров А.М., Мхитарян B. ., Трошин Л.И. Многомерные статистические методы. — М. Финансы и статистика, 1998. [c.289]
Наиболее широко в перечне методов маркетингового анализа представлена статистика. Методология маркетингового анализа использует следующие статистические методы абсолютные, средние, относительные величины, динамические ряды и ряды распределения, группировки, индексы, вариационный и дисперсионный анализ, корреляционно-регрессионный и многомерный анализ, графический метод, трендовые модели, методы экспертных оценок. Эконометрика в маркетинге представлена методами линейного и нелинейного моделирования, а также динамического программирования, моделями, базирующимися на теории массового обслуживания (теория очередей) и теории принятия решений (теория риска), имитационными моделями. Самостоятельное значение придается логистическим моделям управления г отоками товаров и денег и оптимизации товарных запасов. В маркетинговом анализе широко используются квалиметрические методы, а также методы социометрии. Стратегические матрицы (решетки), используемые в маркетинговом планировании для целей разработки оптимальной стратегии, могут найти применение и в маркетинговом анализе - для определения рейтинга фирмы и ее позиции на рынке, для прогноза риска и т.п. Немаловажное значение придается также неформальному описательному и качественному анализу, сценариям развития и т.п. [c.100]
Однако, как правило, динамика рынка изучается с помощью статистических методов обработки динамических рядов, позволяющих не только точно определить скорость и вектор развития, но и с помощью трендовых моделей выявить его основную тенденцию (тренд). Важную роль в анализе динамики рыночных процессов играет индексный метод, который обеспечивает возможность интегрированной оценки общего изменения сложных многоструктурных явлений (например, товарооборота) и позволяет выявить некоторые факторы развития (например, количественный и ценностный). Для анализа причинно-следственных связей в динамике целесообразно применять многофакторные статистические модели, которые могут быть использованы еще и для прогнозирования. В некоторых случаях используются методы многомерного анализа. Динамические процессы, структурные сдвиги, соотношения и т.п. легко проиллюстрировать методами графического анализа. [c.102]
При определении резервов повышения пропускной способности вторым способом делается попытка методами многомерной классификации и корреляционно-регрессионного анализа установить влияние основных объективных факторов нефтеснабжения на экономические показатели деятельности нефтебаз и разработать экономико-статистические модели показателей, которые могли бы использоваться для целей планирования нефтесиабжения. При этом изучается зависимость фондоотдачи (х ) от таких факторов, как объем реализации нефтепродуктов (хв), коэффициент неравномерности нефтеснабжения (х5), объем резервуарной емкости (х4). Первоначально проводится многомерная классификация нефтебаз по объективным факторам производства. Затем в каждом классе строится экономико-статистическая модель зависимости экономического показателя от объективных факторов производства. По этой зависимости рассчитывается значение фондоотдачи и ее значение сравнивается с фактическим. Максимально возможная пропускная способность нефтебаз определяется как наибольшая из них. [c.51]
Рассмотрим пример применения сетей к анализу классического временного ряда— ряда данных о пятнах на Солнце. Регулярные ежегодные записи этого явления ведутся с 1700 года. Ряд много раз анализировался в статистической литературе, и выяснилось, что он не является ни стационарным, ни линейным, ни гауссовым. Были испробованы различные одномерные методы моделирования временных рядов. Габр и Рао [119] применяли авторегрессионную модель 9-го порядка (с 4 ненулевыми коэффициентами) и билинейную модель. Льюис и Стивене [179] разработали модель на основе метода многомерных адаптивных регрессионных сплайнов (MARS), а Пристли [221] исследовал модель TAR. В последнее время несколько групп исследователей предприняли попытки проделать анализ ряда с помощью нейронно-сетевого подхода (см. [275], [170], [84]). Результаты, полученные различными методами, собраны в табл. 2.2. [c.67]
Дубров A.M., Мхитарян B. ., Трошин Л.И. Многомерные статистические методы. - М. [c.127]
Дубров А. М., Мхитарян В. С., Трошин Л. И. Многомерные статистические методы Учебник. — М. Финансы и статистика, 1998. [c.532]
Таким образом, высокий коэффициент корреляции между продолжительностью плавки и процентом забракованных труб полностью обусловливался влиянием третьего, не учтенного при исследовании фактора — характеристики качества сырья. Если же этот фактор был бы с самого начала учтен, то никакой значимой корреляционной связи между временем плавки и процентом забракованных труб мы бы не обнаружили. За счет подобных эффектов (одновременного влияния неучтенных факторов на исследуемые переменные) может ис кажаться и смысл истинной связи между переменными, т. е., например, подсчеты приводят к положительному значению парного коэффициента корреляции, в то время как истинная связь между ними имеет отрицательный смысл. Такую корреляцию между двумя переменными часто называют ложной . Более детально подобные ситуации — обнаружение и исключение общих причинных факторов , расчет очищенных , или частных,, коэффициентов корреляции и т. п. — исследуют методами многомерного корреляционного анализа (см. 1.2). Такого рода недоразумения с причинным толкованием статистических связей наиболее вероятны в ситуациях, когда исходными статистическими данными являются показатели работы действующего предприятия. Их обычно удается свести к минимуму при получении данных из искусственно поставленного эксперимента. [c.65]
В. Методы многомерного статистического анализа. Часто требуется выделить однокачественные периоды в развитии явлений или процессов, получить адекватное отображение которых с помощью одного лишь показателя трудно. К таковым относятся, в частности, здоровье населения, развитие сельскохозяйственного производства и многие другие. Очевидно, что даже такие комплексные показатели, как смертность, продолжительность жизни, заболеваемость, недостаточны для эквивалентного описания столь сложного, интегрированного явления, как здоровье. Необходима система показателей, иначе говоря — компл системы показателей очевидны [c.94]
Эфрон Б. Нетрадиционные методы многомерного статистического анализа. М., 1988. [c.87]
Системы, объединяющие социально-демографические и потребительские (в некоторых системах и психографические) характеристики путем выделения географических зон со сходным составом населения и бурно развивающиеся в США за последнее десятилетие, и называются геодемографическими системами. Минимальной единицей такого анализа выступает формальным образом определенная территория (гораздо меньше стандартной статистической зоны), это может быть административное деление (аналогично нашему району), территории почтовых отделений (ZIP-анализ) или квартал. Создание таких систем основано на использовании данных переписи населения и методов многомерной статистики. Технически в такой системе может быть несколько [c.180]
Статистические методы делятся на одно- и многомерные. Одномерные методы te hniques) используются тогда, когда все элементы выборки единым измерителем, либо если этих измерителей несколько для каждого элемента, но каждая переменная анализируется при этом отдельно ото всех остальных. [c.539]