Наука исходит из объективной законной связи и причинности всех явлений.
Изучение статистических моделей — важнейшая познавательная задача статистики, которую она решает с помощью специальных методов, которые видоизменяются в зависимости от характера исходной информации и целей познания. Знание характера и силы связей позволяет управлять социально-экономическими процессами и прогнозировать их развитие. Это особенно актуально в контексте развивающейся рыночной экономики. Изучение механизма рыночных связей, взаимодействия спроса и предложения, влияния объема и структуры товарооборота на объем и состав производства продукции, формирования товарных запасов, издержек производства, прибыли и других качественных показателей имеет первостепенное значение для прогнозирования конъюнктуры рынка, региональной организации производственных и торговых процессов, успешного ведения бизнеса.
Далее мы рассмотрим причинно-следственную связь между социальными явлениями, типы существующих отношений и различные методы статистического моделирования этих отношений.
1. Причинно-следственные отношения между общественными явлениями и виды связей
Изучение объективно существующих связей между явлениями — важнейшая задача общей теории статистики. В процессе статистического исследования зависимостей вскрываются причинно-следственные отношения между явлениями, что позволяет выявлять факторы (признаки), оказывающие существенное влияние на вариацию изучаемых явлений и процессов. Причинно-следственные связи — это связь между явлениями и процессами, при которой изменение одного из них — причины — приводит к изменению другого — следствия.
Причина — это совокупность условий, обстоятельств, действие которых приводит к появлению следствия. Если между явлениями действительно существуют причинные отношения, то эти условия обязательно должны выполняться вместе с действием причин. Причинные связи универсальны и разнообразны, и для обнаружения причинно-следственных связей необходимо выбрать отдельные явления и изучать их изолированно.
Особое значение при изучении причинно-следственных связей имеет выявление временной последовательности: причина всегда должна предшествовать следствию, но не каждое предыдущее событие должно считаться причиной, а следующее — следствием.
В реальной социально-экономической реальности причину и следствие следует рассматривать как взаимосвязанные явления, возникновение которых связано с комплексом более простых сопутствующих причин и следствий. Между сложными группами причин и следствий возможны множественные связи значений, где за одной причиной следует то или иное действие или действие будет иметь несколько причин. Чтобы установить уникальную причинную связь между явлениями или предсказать возможные последствия конкретной причины, необходимо полное абстрагирование от всех других явлений в исследуемой временной или пространственной среде. Теоретически такая абстракция воспроизводится. Приемы абстракции часто применяются при изучении взаимосвязей между двумя признаками (парная корреляция).
Охрана труда женщин и молодежи. Действия в чрезвычайных обстоятельствах
п.), вредных (пропитка древесины антисептиками, пайка свинцовых аккумуляторов и др.) и опасных работах запрещается применение труда женщин детородного возраста и лиц в возрасте до 21 года, а также тех лиц, ... производственным процессам, оборудованию, основным рабочим местам, рабочему процессу, производственной среде, а также охране здоровья и быту работающих женщин в целях защиты их здоровья.
Но чем сложнее изучаемые явления, тем труднее выявить причинно-следственные связи между ними. Переплетение различных внутренних и внешних факторов неизбежно приводит к некоторым ошибкам в определении причины и следствия.
Социально-экономические явления являются результатом одновременного воздействия большого количества причин. Следовательно, при изучении этих явлений необходимо, абстрагируясь от второстепенных, выделить основные, основные причины.
На первом этапе статистического исследования коммуникации проводится качественный анализ рассматриваемого явления с использованием методов экономической теории, социологии и конкретной экономики.
На втором этапе строится модель связи на основе методов статистики: группировок, средних величин, таблиц и т.д.
На третьем, последнем этапе интерпретируются результаты; анализ вновь связан с качественными особенностями изучаемого явления.
Статистика разработала множество методов изучения взаимосвязей, выбор которых зависит от целей исследования и поставленных задач. Связи между знаками и явлениями из-за их большого разнообразия классифицируются по ряду причин. Признаки по значению для изучения взаимосвязи делятся на два класса. Признаки, вызывающие изменения других родственных признаков, называются факторными или просто факторами. Приметы, изменяющиеся под действием факторных признаков, эффективны. Связи между явлениями и их знаками классифицируются по степени близости связи, направления и аналитического выражения.
В статистике различают функциональную связь и стохастическую зависимость. Функциональная связь — это связь, в которой определенное значение атрибута фактора соответствует одному и только одному значению продуктивного атрибута. Функциональная взаимосвязь проявляется во всех случаях наблюдения и для каждой конкретной исследуемой единицы популяции.
Если причинно-следственная зависимость проявляется не в каждом отдельном случае, а в целом в среднем при большом количестве наблюдений, то такая зависимость называется стохастической. Частным случаем стохастика является корреляция, в которой изменение среднего значения эффективного признака происходит из-за изменения факторных признаков.
По степени тесноты связи различают количественные критерии оценки тесноты связи (табл.1).
Таблица 1 Количественные критерии оценки тесноты связи
| Величина коэффициента корреляции | Характер связи |
| До |± 0,3 | | Практически отсутствует |
| |± 0,3 | — |± 0,5 | | Слабая |
| |± 0,5 | — |± 0,7 | | Умеренная |
| |± 0,7 | — |± 1,0 | | Сильная |
По направлению выделяют связь прямую и обратную. При прямой связи с увеличением или уменьшением значений факторного атрибута происходит увеличение или уменьшение значений фактического. Так, например, рост производительности помогает повысить уровень рентабельности производства. В случае обратной связи значения фактического атрибута изменяются под влиянием факториала, но в противоположном направлении от изменения факториального атрибута. Таким образом, с увеличением уровня рентабельности активов стоимость единицы продукции снижается.
По аналитическому выражению выделяют прямолинейные (или просто линейные) и нелинейные. Если статистическая связь между явлениями может быть приближенно выражена уравнением прямой линии, то ее называют линейной связью; если же она выражается уравнением какой-либо кривой линии (параболы, гиперболы, степенной, показательной, экспоненциальной и т.д.), то такую связь называют нелинейной, или криволинейной.
В статистике не всегда требуются количественные оценки взаимосвязи, часто важно просто определить только ее направление и характер, выявить форму влияния одних факторов на другие.
Для выявления наличия связи, ее характера и направления в статистике используются методы приведения параллельных данных (сопоставления двух параллельных рядов); аналитических группировок; графический; корреляционный, регрессионный и некоторые непараметрические методы.
2. Простейшие методы изучения стохастических связей
Метод приведения данных в параллель основан на сравнении двух или более наборов статистических значений. Такое сравнение позволяет установить наличие связи и получить представление о ее характере.
Для этого факторы, характеризующие результативны признак, располагают в возрастающем или убывающем порядке (в зависимости от эволюции процесса и целей исследования), а затем прослеживают изменение величины результативного признака. Сравнение и анализ ряда значений исследуемых величин, расположенных таким образом, позволяет установить наличие связи и ее направление. Зависимость между факторами и показателями может прослеживаться во времени (параллельные динамические ряды).
До исследования методом параллельных рядов (априори) необходимо провести анализ сопоставляемых явлений и установить наличие между ними причинных связей (а не простого соответствия).
Например, только потому, что существует причинно-следственная связь между урожайностью и стоимостью сельскохозяйственной продукции, становится возможным построить и затем сравнить параллельные ряды этих показателей.
К недостаткам метода взаимозависимых рядов следует отнести невозможность определения количественной меры связи между изучаемыми характеристиками. Однако это удобно и эффективно, когда речь идет о необходимости установления связей между показателями и факторами, характеризующими экономический процесс.
Связь между двумя характеристиками представлена графически с помощью поля корреляции. В системе координат значения атрибута фактора отложены по оси абсцисс, а фактическое значение — по оси ординат. Каждое пересечение линий, проведенных через эти оси, обозначается точкой. При отсутствии тесных связей наблюдается случайное расположение точек на графике. Чем сильнее связь между знаками, тем плотнее точки будут сгруппированы вокруг определенной линии, выражающей форму связи.
Метод аналитических группировок. Стохастическая связь проявится более четко, если для ее изучения использовать аналитические группировки. Чтобы определить зависимость с помощью этого метода, необходимо сгруппировать единицы совокупности в соответствии с атрибутом фактора и вычислить среднее или относительное значение фактического атрибута для каждой группы. Сравнивая вариации фактического атрибута при изменении факториала, можно определить направление, природу и силу взаимосвязи между ними, используя эмпирическую корреляционную взаимосвязь. Однако метод группировок не позволяет определить форму (аналитическое выражение) влияния факторных признаков на результативный.
3. Статистическое моделирование связи методом корреляционного и регрессионного анализа
Для социально-экономических явлений характерно то, что наряду со значимыми факторами, составляющими уровень эффективного показателя, на него влияют многие другие неучтенные и случайные факторы. Это свидетельствует о том, что взаимосвязи явлений, которые изучает статистика, носят корреляционный характер и аналитически выражаются функцией вида у х = f (х).
Задачи корреляционного анализа сводятся к измерению тесноты известной связи между двумя признаками (при парной связи) и между результативным и множеством факторных признаков (при многофакторной связи), определению неизвестных причинных связей (причинный характер которых должен быть выяснен с помощью теоретического анализа) и оценке факторов, оказывающих наибольшее влияние на результативный признак.
Корреляция — это статистическая зависимость между случайными величинами, которые не являются строго функциональными по своей природе, где изменение одной из случайных величин приводит к изменению математического ожидания другой.
В статистике различаются следующие варианты зависимостей:
- Парная корреляция – связь между двумя признаками (результативным и факторным или двумя факторными);
- Частная корреляция – зависимость между результативным и одним факторным признаками при фиксированном значении других факторных признаков;
- Множественная корреляция — это зависимость фактических признаков и двух или более факторов, включенных в исследование.
Сила коммуникации количественно выражается значением коэффициента корреляции. Коэффициенты корреляции, представляющие количественную характеристику сохранения связи между характеристиками, позволяют определить «полезность» факторных характеристик при построении уравнения множественной регрессии. Значение коэффициента корреляции также служит оценкой соответствия уравнения регрессии выявленным причинно-следственным связям.
Исследования корреляции первоначально проводились в биологии, а затем распространились на другие области, в том числе социально-экономические. Одновременно с корреляцией начала использоваться и регрессия. Корреляция и регрессия тесно связаны между собой: корреляция оценивает силу (тесноту) статистической связи, регрессия исследует ее форму. Оба служат для установления взаимосвязи между явлениями, для определения наличия или отсутствия связи.
Корреляционный и регрессионный анализ как общее понятие включает в себя измерение тесноты, направления связи и установление аналитического выражения (формы) связи (регрессионный анализ).
Задачи регрессионного анализа – выбор типа модели (формы связи), установление степени влияния независимых переменных на зависимую и определение расчетных значений зависимой переменной (функции регрессии).
Регрессия может быть однофакторной (парной) и многофакторной (множественной).
По форме зависимости различают:
- Линейную регрессию, которая выражается уравнением прямой (линейной функцией) вида:
У х =а 0 +а 1 х;
- Нелинейную регрессию, которая выражается уравнениями вида:
У х =а 0 +а 1 х+а 2 х 2 – парабола;
У х =а 0 +а 1 /х – гипербола и т.д.
По направлению связи различают:
- Прямую регрессию (положительную), возникающую при условии, если с увеличением или уменьшением независимой величины значения зависимой также соответственно увеличиваются или уменьшаются.
- Обратную (отрицательную) регрессию, появляющуюся при условии, что с увеличением или уменьшением независимой величины зависимая соответственно уменьшается или увеличивается.
Решение всех этих проблем приводит к необходимости полноценного использования этих методов.
Наиболее развитой в теории статистики является так называемая методология парной корреляции, которая учитывает влияние вариации признака фактора x на фактический признак y и представляет собой однофакторный корреляционно-регрессионный анализ. Овладение теорией и практикой построения и анализа двумерной модели корреляционного и регрессионного анализа является исходной базой для изучения многомерных стохастических отношений.
Важнейшим этапом построения регрессионной модели (уравнения регрессии) является установление в анализе исходной информации математической функции. Сложность заключается в том, что из набора функций необходимо найти такую, которая лучше выражает реально существующие связи между анализируемыми характеристиками. Выбор типа функции может опираться на теоретические знания об изучаемом явлении, или осуществляться эмпирически – перебором и оценкой функций разных типов и т.п.
Как известно, явления общественной жизни складываются под воздействием не одного, а целого ряда факторов, т.е. эти явления многофакторны. Между факторами существуют сложные взаимосвязи, поэтому их влияние комплексно и не может рассматриваться как простая сумма разрозненных влияний.
Многофакторный корреляционный и регрессионный анализ может быть использован в экономико-статистических исследованиях:
- Для приближенной оценки фактического и заданного уровней;
- В качестве укрупненного норматива (для этого достаточно в уравнение регрессии подставить вместо фактических значений факторов их средние значения);
- Для выявления резервов производства;
- Для проведения межзаводского сравнительного анализа и выявления на его основе скрытых возможностей предприятий;
- Для краткосрочного прогнозирования развития производства и др.
Представление отношения линейной функцией там, где действительно существуют нелинейные отношения, вызовет ошибки аппроксимации и, в конечном итоге, упрощенные или даже ложные представления о сути изучаемого явления.
4. Непараметрические методы
Важной задачей является разработка методики статистической оценки социальных явлений, которая осложняется тем, что многие из них не имеют количественной оценки, а изложенные выше методы применимы только к количественным признакам, так как требуют вычисления таких параметров распределения, как средние величины, дисперсии, отклонения. Потому они и называются параметрическими.
Вместе с тем в статистике применяются также непараметрические методы, с помощью которых устанавливается связь между качественными (атрибутивными признаками).
Сфера их применения шире, чем параметрическая, поскольку условие нормального распределения зависимой переменной не требуется, но снижает глубину изучения взаимосвязей. При изучении взаимосвязи между качественными характеристиками не возникает проблемы представления ее уравнением. Здесь мы говорим только об установлении наличия соединения и измерении его герметичности.
В практике статистических исследований приходится иногда анализировать связи между альтернативными признаками, представленными только группами с противоположными (взаимоисключающими) характеристиками. Сила связи в этом случае может быть оценена путем вычисления коэффициентов связи или непредвиденных обстоятельств.
Для расчета коэффициента ассоциации или контингенции строится четырехклеточная корреляционная таблица, которая носит название таблицы «четырех полей» и имеет следующий вид:
|
a |
b | a+b |
| c | d | c+d |
| a+c | b+d | a+b+c+d |
Применительно к таблице «четырех полей»с частотами a , b , c и d коэффициент взаимосвязей явлений определяются по формулам:
коэффициент ассоциации
k a =( ad — bc ) / ( ad + bc );
коэффициент контингенции
k k =( ad — bc ) / √( a + b )( c + d )( a + c )( b + d ).
Коэффициент контингенции всегда меньше коэффициента ассоциации. Коэффициент ассоциации изменяется от -1 до +1; чем ближе к +1 или -1, тем сильнее связаны между собой изучаемые признаки.
Если k k не менее 0,3, или k a не менее 0,5, то это свидетельствует о наличии связи между качественными признаками.
Заключение
Изучив данную тему, в заключении можно сделать следующие выводы:
1. Изучение объективно существующих связей между явлениями — важнейшая задача общей теории статистики. Формы проявления взаимосвязей явлений и процессов очень разнообразны. Из них в самом общем виде выделяют функциональную (полную) и стохастическую (неполную) связи, корреляционная связь является частным случаем стохастической связи. По направлению связи бывают прямыми (положительными) и обратными (отрицательными).
По своей аналитической форме связи могут быть линейными и нелинейными. По количеству взаимодействующих факторов различают связи однофакторные (их обычно называют парными) и многофакторные. По силе различаются слабые и сильные связи.
2. Для исследования стохастических отношений широко используются метод сравнения двух параллельных линий, метод аналитических группировок, метод графов, корреляционный анализ, регрессионный анализ и некоторые непараметрические методы.
3. Знание характера и силы связей позволяет управлять социально-экономическими процессами и прогнозировать их развитие, что очень важно в условиях развивающейся рыночной экономики.
Литература
[Электронный ресурс]//URL: https://management.econlib.ru/referat/ponyatie-statisticheskoy-svyazi/
1. Воронин В.Ф., Жильцова Ю.В. Статистика: Учеб. пособие для вузов. – М.: Экономистъ, 2004. – 301 с.
2. Голуб Л.А. Социально-экономическая статистика: Учеб. пособие. – М.: Владос, 2001. – 272 с.
3. Гусаров В.М. Статистика: Учеб. пособие для вузов. – М.: ЮНИТИ-ДАНА, 2001. – 463 с.
4. Гусаров В.М. Теория статистики: Учебн. пособие для вузов. – М.: Аудит, ЮНИТИ, 1998. – 247 с.
5. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учеб для вузов. – М.: Финансы и статистика, 1995.
6. Статистика: Курс лекций для вузов / под ред. В.Г. Ионина. – 2-е изд., перераб. и доп. — М.: ИНФРА-М, 2001. – 384 с.
7. Теория статистики: Учебник /под ред. Р.А. Шмойловой. – 4-е изд., перераб. и доп. – М.: Финансы и статистика, 2004. – 656 с.: ил.
http://www.export.by/?act=s_docs&mode=view&id=9513&type=by_class&indclass=42103&doc=64
