Статистическая наука

Полученные по формулам (5.10) и (5.11) фактические значения и сравниваются с критическим , который получают по таблице Стьюдента с учетом принятого уровня значимости и числа степеней свободы н (н=n-k-1, где n - число наблюдений, k - число факторов, включенных в уравнение регрессии). Рассчитанные параметры а0 и а1 уравнения регрессии признаются типичными, если t фактическое больше t критического.

На практике часто приходится исследовать зависимость результативного признака от нескольких факторных признаков. Аналитическая форма связи результативного признака от ряда факторных признаков выражается и называется многофакторным (множественным) уравнением регрессии.

Линейное уравнение множественной регрессии

. (5.14)

Система нормальных линейных уравнений МНК для оценки коэффициентов двухфакторной регрессии имеет вид:

(5.15)

5.2 Корреляционный анализ

Различают:

парную корреляцию - это зависимость между результативным и факторным признаком;

частную корреляцию - это зависимость между результативным и одним факторным признаком при фиксированном значении других факторных признаков;

множественную - многофакторное влияние в статической модели .

Теснота связи при линейной зависимости измеряется с помощью линейного коэффициента корреляции, который рассчитывается по одной из формул:

(5.16)

. (5.17)

Оценка линейного коэффициента корреляции

Значение r	Характер связи	Интерпретация связи
r = 0	Отсутствует	Изменение x не влияет на изменения y
0 < r < 1	Прямая	С увеличением x увеличивается y
-1 > r > 0	Обратная	С увеличением x уменьшается y и наоборот
r = 1	Функциональная	Каждому значению факторного признака строго соответствует одно значение результативного

Значимость линейного коэффициента корреляции проверяется на основе t-критерия Стьюдента. Для этого определяется фактическое значение критерия :

, (5.18)

Вычисленное по формуле (6.18) значение сравнивается с критическим , который получают по таблице Стьюдента с учетом принятого уровня значимости и числа степеней свободы н. Коэффициент корреляции считается статистически значимым, если tрасч превышает : tрасч > .

Универсальным показателем тесноты связи является теоретическое корреляционное отношение:

, (5.19)

где - общая дисперсия эмпирических значений y, характеризует вариацию результативного признака за счет всех факторов, включая х;

- факторная дисперсия теоретических значений результативного признака, отражает влияние фактора х на вариацию у;

- остаточная дисперсия эмпирических значений результативного признака, отражает влияние на вариацию у всех остальных факторов кроме х.

По правилу сложения дисперсий:

, т.е. . (5.19)

Оценка связи на основе теоретического корреляционного отношения (шкала Чеддока)

Значение	Характер связи		Значение	Характер связи
з = 0	Отсутствует		0,5 ? з < 0,7	Заметная
0 < з < 0,2	Очень слабая		0,7 ? з < 0,9	Сильная
0,2 ? з < 0,3	Слабая		0,9 ? з < 1	Весьма сильная
0,3 ? з < 0,5	Умеренная		з = 1	Функциональная

Для линейной зависимости теоретическое корреляционное отношение тождественно линейному коэффициенту корреляции, т.е. з = |r|.

Множественный коэффициент корреляции в случае зависимости результативного признака от двух факторов вычисляется по формуле:

, (5.20)

где - парные коэффициенты корреляции между признаками.

Множественный коэффициент корреляции изменяется в пределах от 0 до 1 и по определению положителен: .

	Условие включения факторных признаков в регрессионную модель - наличие тесной связи между результативным и факторными признаками и как можно менее существенная связь между факторными признаками.

Значимость коэффициента множественной детерминации, а соответственно и адекватность всей модели и правильность выбора формы связи можно проверить с помощью критерия Фишера:

, (5.21)

где R2 - коэффициент множественной детерминации (R2 );

k - число факторных признаков, включенных в уравнение регрессии.

Связь считается существенной, если Fрасч > Fтабл - табличного значения F-критерия для заданного уровня значимости б и числе степеней свободы н1 = k, н2 = n - k - 1.

Частные коэффициенты корреляции характеризуют степень тесноты связи результативного признака и фактора, при элиминировании его взаимосвязи с остальными факторами, включенными в анализ. Расчет частных коэффициентов корреляции в случае двухфакторной регрессии (в первом случае исключено влияние факторного признака х2, во втором - х1):

; , (5.22)

где r - парные коэффициенты корреляции между указанными в индексе переменными.

Для оценки сравнительной силы влияния факторов, по каждому фактору рассчитывают частные коэффициенты эластичности:

, (5.23)

где - среднее значение соответствующего факторного признака;

- среднее значение результативного признака;

- коэффициент регрессии при i-м факторном признаке.

Данный коэффициент показывает, на сколько процентов следует ожидать изменения результативного показателя при изменении фактора на 1% и неизменном значении других факторов.

Частный коэффициент детерминации показывает, на сколько процентов вариация результативного признака объясняется вариацией i-го признака, входящего в множественное уравнение регрессии, рассчитывается по формуле:

, (5.24)

где - парный коэффициент корреляции между результативным и i-м факторным признаком;

- соответствующий стандартизованный коэффициент уравнения множественной регрессии:

. (5.25)

6. Ряды динамики

6.1 Анализ динамических рядов

Динамический ряд представляет собой хронологическую последовательность числовых значений статистических показателей.

Виды рядов динамики (РД):

1) моментные (моментальные) РД;

2) интервальные РД;

3) РД с нарастающими итогами;

4) производные РД.

Моментные ряды динамики отображают состояние изучаемых явлений на определенные даты (моменты) времени. Особенностью моментного ряда динамики является то, что в его уровни могут входить одни и те же единицы изучаемой совокупности. Пример моментного ряда динамики:

Дата	1.01.2001	1.04.2001	1.07.2001	1.10.2001	1.01.2002
Число работников, чел.	192	190	195	198	200

Интервальные ряды динамики отображают итоги развития (функционирования) изучаемых явлений за отдельные периоды (интервалы) времени. Каждый уровень интервального ряда складывается из данных за более короткие интервалы. Пример интервального ряда динамики:

Год	1997	1998	1999	2000	2001
Объем розничного товарооборота, тыс. руб.	885,7	932,6	980,1	1028,7	1088,4

Статистическое отображение развития изучаемого явления во времени может быть представлено рядами динамики с нарастающими итогами. Их применение обусловлено потребностями в результатах развития изучаемых показателей не только за данный отчетный период, но и с учетом предшествующих периодов. При составлении таких рядов производится последовательное суммирование смежных уровней. Этим достигается суммарное обобщение результата развития изучаемого показателя с начала отчетного периода (месяца, квартала, года и т.д.). Производные ряды - ряды, уровни которых представляют собой не непосредственно наблюдаемые значения, а производные величины: средние или относительные.

Основные направления изучения закономерностей развития социально-экономических явлений с помощью рядов динамики:

характеристика уровней развития изучаемых явлений во времени;

измерение динамики изучаемых явлений посредством системы статистических показателей;

выявление и количественная оценка основной тенденции развития (тренда);

изучение периодических колебаний;

экстраполяция и прогнозирование.

Таблица 8.1 Уровни (показатели) ряда динамики

	Показатель	Формула
Базисные	Абсолютный прирост	Д = yi - у0 (6.1)
	Темп роста	(6.2)
	Темп прироста	(6.3)
Цепные	Абсолютный прирост	Д = yi - yi-1 (6.4)
	Темп роста	(6.5)
	Темп прироста	(6.6)
	Темп наращивания	(6.7)
	Абсолютное значение 1% прироста	(6.8)
Средние	Абсолютный прирост	= (6.9)
	Темп роста	(6.10)
	Темп прироста	(6.11)

Средний уровень ряда динамики характеризует типическую величину абсолютных уровней. Средний уровень интервального ряда определяется по формуле средней арифметической простой:

, (6.12)

где n - число уровней.

В моментном ряду динамики с равностоящими датами средний уровень определяется по формуле средней хронологической простой:

. (6.13)

В моментном ряду динамики с неравноотстоящими датами средний уровень определяется по формуле средней хронологической взвешенной:

, (6.14)

где уi - уровни ряда динамики, сохранившиеся без изменения в течение промежутка времени ti.

Между базисными и цепными темпами роста имеется взаимосвязь: произведение последовательных цепных темпов роста равно базисному темпу роста, а частное от деления последующего базисного темпа роста на предыдущий равно соответствующему цепному темпу роста.

; . (6.15)

6.2 Методы анализа тенденций рядов динамики

Одной из важнейших задач статистики является определение в рядах динамики общей тенденции развития явления. На развитие явления во времени оказывают влияние факторы, различные по характеру и силе воздействия. Одни из них оказывают практически постоянное воздействие и формируют в рядах динамики определенную тенденцию развития. Воздействие же других факторов может быть кратковременным или носить случайный характер. Основная тенденция (тренд) - изменение, определяющее общее направление развития, это систематическая составляющая долговременного действия. Задача - выявить общую тенденцию в изменении уровней ряда, освобожденную от действия различных случайных факторов. Методы выявления тренда:

1) Метод укрупнения интервалов основан на укрупнении периодов времени, к которым относятся уровни ряда динамики (одновременно уменьшается количество интервалов). Средняя, исчисленная по укрупненным интервалам, позволяет выявить направление и характер (ускорение или замедление роста) основной тенденции развития, в то время как слишком малые интервалы между наблюдениями приводят к появлению ненужных деталей в динамике процесса, засоряющих общую тенденцию.

Месяц	Объем выпуска, млн.руб.	Месяц	Объем выпуска, млн.руб.
Январь	5,1	Июль	5,6
Февраль	5,4	Август	5,9
Март	5,2	Сентябрь	6,1
Апрель	5,3	Октябрь	6,0
Май	5,6	Ноябрь	5,9
Июнь	5,8	Декабрь	6,2

Различные направления изменений уровней ряда по отдельным месяцам затрудняют выводы об основной тенденции производства. Если соответствующие месячные уровни объединить в квартальные и вычислить среднемесячный выпуск продукции по кварталам, т.е. укрупнить интервалы, то решение задачи упрощается.

Квартал	Объем производства, млн.руб.
	в квартал	в среднем в месяц
1	15,7	5,23
2	16,7	5,57
3	17,6	5,87
4	18,1	6,03

После укрупнения интервалов основная тенденция роста производства стала очевидной: 5,23<5,57<5,87<6,03 млн.руб.

2) Метод скользящей средней заключается в том, что исчисляется средней уровень из определенного числа (обычно нечетного) первых по счету уровней ряда, затем - из такого же числа уровней, но начиная со второго по счету, далее - начиная с третьего и т.д. Таким образом, средняя как бы "скользит" по ряду динамики, передвигаясь на один срок.

Недостатком сглаживания ряда является укорачивание сглаженного ряда по сравнению с фактическим, а, следовательно, потеря информации.

Год	Урожайность, ц/га	Скользящая средняя
		трехлетняя	пятилетняя
1991	15,4	-	-
1992	14,0	15,7 = 15,4+14,0+ +17,6)/3	-
1993	17,6	15,7 = 14,0+17,6+ +15,4)/3	14,7
1994	15,4	14,6	15,1
1995	10,9	14,6	15,3
1996	17,5	14,5	15,5
1997	15,0	17,0	15,2
1998	18,5	15,9	16,0
1999	14,2	15,9	-
2000	14,9	-	-
Итого	153,4

Сглаженный ряд урожайности по трехлетиям короче фактического на один член ряда в начале и в конце, по пятилетиям - на два члена в начале и в конце ряда. Он меньше, чем фактический, подвержен колебаниям из-за случайных причин, и четче выражает основную тенденцию роста урожайности за изучаемый период, связанную с действием долговременно существующих причин и условий развития.

Укрупнение интервалов и метод скользящей средней дают возможность определить лишь общую тенденцию развития явления, более или менее освобожденную от случайных или волнообразных колебаний. Получить обобщенную статистическую модель тренда посредством этих методов нельзя.

Рис. 8.2. Эмпирические и сглаженные уровни ряда динамики

3) Аналитическое выравнивание ряда динамики используется для того, чтобы дать количественную модель, выражающую основную тенденцию изменения уровней ряда динамики во времени.

Общая тенденция развития рассчитывается как функция времени:

yt = f(t), (6.16)

где yt - уровни динамического ряда, вычисленные по соответствующему аналитическому уравнению на момент времени t.

Определение теоретических (расчетных) уровней yt производится на основе так называемой адекватной математической модели, которая наилучшим образом отображает (аппроксимирует) основную тенденцию ряда динамики.

Простейшими моделями, выражающими тенденцию развития, являются (где a0, a1 - параметры уравнения; t - время):

Линейная функция (прямая) yt = a0 + a1·t. (6.17)

Показательная функция . (6.18)

Степенная функция (парабола) yt = a0 + a1·t + a2·t2. (6.19)

Расчет параметров функции обычно производится методом наименьших квадратов. Выравнивание ряда динамики заключается в замене фактических уровней yi плавно изменяющимися уровнями yt, наилучшим образом аппроксимирующими статистические данные.

Выравнивание по прямой используется в тех случаях, когда абсолютные приросты практически постоянны, т.е. когда уровни изменяются в арифметической прогрессии.

Выравнивание по показательной функции используется в тех случаях, когда ряд отражает развитие в геометрической прогрессии, т.е. когда цепные коэффициенты роста практически постоянны.

Выравнивание ряда динамики по прямой yt = a0 + a1·t. Параметры a0, a1 согласно МНК находятся решением следующей системы нормальных уравнений:

(6.20)

где y - фактические (эмпирические) уровни ряда;

t - время (порядковый номер периода или момента времени).

t = 0, так что система нормальных уравнений (8.20) принимает вид:

(6.21)

Отсюда можно выразить коэффициенты регрессии:

; (6.22)

. (8.23)

Если расчеты выполнены правильно, то y = yt.

6.3 Сезонные колебания

Уровни ряда динамики формируются под влиянием различных взаимодействующих факторов, одни из которых определяют тенденцию развития, а другие -колеблемость (вариацию)

Колебания уровней ряда носят различный характер. Наряду с трендом выделяют циклические (долгопериодические), сезонные (обнаруживаемые в рядах, где данные приведены за кварталы или месяцы) и случайные колебания.

Колебания фактических уровней yi относительно среднего уровня и линии тренда

Периодические колебания являются результатом влияния природно-климатических условий, общих экономических факторов, а также многочисленных и разнообразных факторов, которые часто являются регулируемыми.

В широком понимании к сезонным относят все явления, которые обнаруживают в своем развитии четко выраженную закономерность периодических изменений, т.е. более или менее устойчиво повторяющиеся колебания уровней.

Динамический ряд в этом случае называют сезонным рядом динамики.

Метод изучения и измерения сезонности заключается в построении специальных показателей, которые называются индексами сезонности.

Индексами сезонности являются процентные отношения фактических внутригрупповых уровней к теоретическим уровням, выступающим в качестве базы сравнения. Порядок определения индекс сезонности:

Для каждого месяца рассчитывается средняя величина уровня

Затем вычисляется среднемесячный уровень для всего ряда

Определяется показатель сезонной волны - индекс сезонности Is:

, (6.24)

где - средний уровень для каждого месяца;

- среднемесячный уровень для всего ряда.

Когда уровень проявляет тенденцию к росту или к снижению, то отклонения от постоянного среднего уровня могут исказить сезонные колебания. 6.4. Статистические методы прогнозирования экономических показателей

Прогнозирование - процесс определения возможных в будущем значений экономических показателей на основании уже известных.

Различают прогнозы по периоду упреждения: оперативные (до 1 мес.); краткосрочные (до 1 года); среднесрочные (1 - 5 лет); долгосрочные (более 5 лет).

Различают методы прогнозирования:

Экстраполяция тенденций:

- упрощенные приемы, основанные на средних показателях динамики (средние темпы роста, прироста);

- аналитические методы (метод наименьших квадратов, тренды, т.е. математические функции);

- адаптивные методы, учитывающие степень устаревания данных (методы скользящих и экспоненциальных средних, методы авторегрессии).

Методы статистического моделирования:

- статические (методы парной и множественной регрессии);

- динамические (анализ динамических рядов):

- методы агрегатного моделирования (разложение ряда на тенденции, сезонность, случайные составляющие);

- методы регрессии по взаимосвязанным рядам динамики (включаются в модель не только факторы, но и лаговые переменные);

- методы регрессии по пространственно-временной информации (для каждого ряда строится регрессионная модель по совокупности объектов).

6.3.1 Прогнозирование на основе экстраполяции тренда

Тренд - основная тенденция развития. Методы выявления тренда называются методами выравнивания временного ряда (метод наименьших квадратов, скользящей средней, конечных разностей).

При наличии тенденции в ряду динамики модель уровня динамического ряда:

, (6.25)

где - средний уровень динамического ряда;

- теоретический (расчетный, трендовый) уровень;

- эффект тенденции;

- случайная составляющая (остаточные колебания) е.

Чем меньше остаточные колебания , тем выше адекватность (практическая значимость) модели. Следовательно, результаты прогноза зависят от типа кривой тренда y(t).

1. Линейный тренд yt = a0 + a1·t означает, что уровни динамики ряда изменяются с одинаковой скоростью.

a0 - начальный уровень тренда (t = 0);

a1·- средний абсолютный прирост в единицу времени.

В линейном тренде уровни динамики ряда изменяются в арифметической прогрессии, а темпы роста уровня - падающие.

2. Параболический тренд yt = a0 + a1·t + a2·t2 применяется, если ряд характеризуется относительным абсолютным ускорением, т.е. постоянными являются вторые разности (производные) - приросты абсолютных приростов.

a0 - начальный уровень тренда (t = 0);

a1·- средний абсолютный прирост за период;

a2·- половина абсолютного ускорения динамического ряда.

Парабола означает смену тенденций (рост сменяется падением или наоборот). Это, как правило, связано с новым этапом в развитии явления по времени. Применяется для краткосрочного прогноза.

3. Парабола кубическая характеризует три этапа развития: рост, падение и опять рост. Число наблюдений должно быть около 6-7 временных единиц на один шаг прогноза. Следовательно, чтобы применить полином третьей степени надо иметь ряд за 20 лет, и корректно это только в стабильной экономике.

4. Показательная кривая , применяется при стабильном темпе роста динамического ряда. Рост по экспоненте означает геометрическую прогрессию уровней ряда. Это возможно в экономике в сравнительно небольшой период времени, когда ограничены ресурсы, меняются условия рынка.

a0 - начальный уровень тренда (t = 0);

a1·- средний абсолютный прирост за период;

4. Логистическая кривая (кривая Перла-Рида) (кривые Гомперца), имеющая асимптоту, применяется, когда существует ограничение на рост показателя (уровней динамического ряда).

Если изучается динамика детской смертность, то нижняя асимптота - уровень жизни, верхняя - демографический состав населения.

6.3.2 Выбор наилучшего тренда при прогнозировании

При выборе уравнения тренда можно руководствоваться средней ошибкой аппроксимации

, %. (6.26)

5?7% - хорошая аппроксимация.

Доверительные интервалы прогноза определяются по дисперсии уточненного тренда

, %. (6.27)

где yt - фактические уровни ряда;

- расчетные (трендовые) значения;

n - длина ряда;

m - число параметров в уравнении тренда (без свободного члена).

Доверительный интервал с учетом табличного значения критерия Стьюдента , равен

. (6.28)

Если распространить этот интервал на следующий отрезок времени, то надо ввести поправочный коэффициент q, зависящий от длины ряда и периода l упреждения

, (6.29)

где n - длина ряда;

tl - порядковый номер прогнозируемого периода (tl = n + l);

- порядковый номер середины ряда.

Тогда ошибка прогноза

. (6.30)

. (6.31)

7. Экономические индексы

Индексом в статистике называется относительный показатель, характеризующий изменение величины какого-либо явления по сравнению с эталоном.

Таблица - Классификация индексов

Классификационный признак	Вид индексов
1. Содержание изучаемых объектов	Количественные (объемные) индексы (физического объема, товарооборота национального дохода)	Качественные индексы (интенсивности) (курса валют, цен, себестоимости, производительности труда)
2. Степень охвата элементов совокупности	Индивидуальные (изменение одного показателя однотоварного)	общие (групповые или субидексы (по отраслям))
3. Метод расчета	Агрегатные	Средние
4. База сравнения	Динамические	Территориальные (например, индекс цен на товары в РФ и ФРГ)
5. Вид весов	С постоянными весами	С переменными весами
6. Состав явления	Постоянного состава	Переменного состава	Структурных сдвигов
7. Период исчисления	Годовые	Квартальные	Помесячные и т.д.

Таблица - Обозначения индексируемых величин

Обозначение	Индексируемая величина		Обозначение	Индексируемая величина
q	количество (объем) какого-либо товара в натуральном выражении		t	затраты времени на производство единицы продукции, трудоемкость
p	цена единицы товара		W	выработка продукции в единицу времени или на одного работника (производительность труда)
pq	товарооборот (стоимость продукции)
z (c)	себестоимость единицы продукции		T=tq	общие затраты времени на производство продукции или численность работников
y	урожайность отдельных сельскохозяйственных культур
П	посевная площадь под отдельными культурами

7.1 Общие индексы количественных показателей

Индекс физического объема продукции показывает относительное изменение стоимости продукции из-за изменения объема производства.

Индивидуальный индекс: , (7.1)

Агрегатный индекс: , (7.2)

где q1 и q0 - объем выпуска продаж в базисном и отчетном периодах соответственно;

p0 - цена в базисном периоде.

Индекс товарооборота (или стоимости продукции), показывает во сколько раз изменилась стоимость продукции.

Агрегатный индекс товарооборота

. (7.4)

На сколько изменилась стоимость продукции показывает разница между числителем и знаменателем индекса:

. (7.3)

При построении индекса физического объема продукции в качестве соизмерителей (весов) принимаются сопоставимые, неизменные, фиксированные цены, отличающиеся от текущих (действующих) цен (это в условиях инфляции могут быть цены предшествующего периода) или себестоимость продукции z0. В этом случае индекс характеризует изменение издержек производства.

. (7.5)

Аналогично строятся индексы товарооборота и потребления.

Значение общего индекса Ipq зависит от изменения двух индексируемых величин объема продукции (q0, q1) и цен (p1,p0).

В зависимости от вида исходных данных можно исчислить средние взвешенные (арифметические) индексы физического объема.

Если неизвестно q1, но дано значение q0 и , а также стоимость продукции базисного периода p0, то средний арифметический индекс физического объема равен:

. (7.6)

Средний гармонический индекс физического объема используется для аналитических оценок в случае, когда неизвестно q0, но дано значение q1 и , а также стоимость продукции базисного периода p0:

. (7.7)

Индекс физического объема в прошлом вычисляется в сопоставимых, фиксированных ценах и отражает динамику выпуска продукции. В торговле чаще вычисляется в фактических ценах, отражая одновременное изменение цен и объема.

Пример Предприятие выпускает 3 вида неоднородной продукции. Данные об их производстве и ценах на них за два периода приведены в таблице (графы 1-5). Определить индивидуальные и агрегатные индексы физического объема.

Товар	Выработано тыс. единиц	Цена за единицу товара, руб.	Стоимость продукции в базисных ценах, тыс.руб.	Индивидуальный индекс физического объема
	базисный период	отчетный период	базисный период	отчетный период	базисный период	отчетный период
	q0	q1	p0	p1	q0p0	q1p0
А	80	60	13	16	1040	780	0,750
Б	50	30	18	20	900	540	0,600
В	40	35	6	8	240	210	0,875
У	--	--	--	--	2180	1530	--

Агрегатный индекс физического объема:

= 0,702 (70,2%).

Вычитая из числителя знаменатель = 1530 - 2180 = -650, определяем, что в абсолютном выражении за счет уменьшения выпуска стоимость продукции в отчетном периоде уменьшилась на 650 тыс.руб.

7.2 Общие индексы качественных показателей

Индексы цен показывают, как изменилась стоимость продукции за счет изменения цен.

Агрегатный индекс цен Пааше:

, (7.8)

где p1q1 - фактическая стоимость продаж (товарооборот) в отчетном периоде;

p0q1 - условная стоимость товаров, реализованных в отчетном периоде по базисным ценам.

Агрегатный индекс цен Ласпейреса:

, (7.9)

где p0q0 - фактическая стоимость продаж (товарооборот) в базисном периоде;

p1q0 - условная стоимость товаров, реализованных в базисном периоде по отчетным ценам.

Индекс цен Пааше показывает изменение цен отчетного периода по сравнению с базисным (на сколько товары стали дороже (дешевле)). Если бы товары были реализованы в отчетном периоде по базисным ценам, то фактическая экономия составила

. (7.10)

Индекс цен Ласпейреса показывает условную экономию, т.е. на сколько изменились цены в отчетном периоде по сравнению с базисным, но по той продукции, которая была реализована в базисном периоде. Этот индекс применяется при прогнозировании объема товарооборота в связи с предлагаемым изменением цен. В условиях стабильности применяют индекс Пааше, при инфляции - индекс Ласпейреса.

Основываясь на рассмотренных двух вариантах построения индексов, Фишер предложил рассчитывать среднюю геометрическую индексов цен Пааше и Ласпейреса:

. (7.11)

Этот индекс носит название "идеальный" индекс цен Фишера. Индекс цен Фишера "обратим" во времени (т.е. если рассчитывать индекс базисного периода к отчетному, он будет равен обратной величине первоначального индекса), но лишен экономического содержания.

При синтезировании общего индекса цен вместо фактического количества товаров (в отчетный и базисный периоды) в качестве соизмерителей индексируемых величин р1 и р0 могут применяться средние величины реализации товаров. При таком способе расчета формула сводного индекса цен (называемого индексом цен Лоу) выглядит следующим образом:

. (7.12)

Индекс цен Лоу применяется в расчетах при закупках или реализации товаров в течение продолжительных периодов времени (пятилетках, десятилетиях и т.п.), поскольку он дает возможность анализа цен с учетом происходящих внутри отдельных субпериодов изменений в ассортиментном составе товаров.

7.3 Индексы переменного и фиксированного состава. Индекс структурных сдвигов

При изучении качественных показателей часто приходится рассматривать изменение во времени (или пространстве) средней величины индексируемого показателя для определенной совокупности.

Будучи сводной характеристикой качественного показателя, средняя величина складывается как под влиянием значений показателя у индивидуальных элементов (единиц), из которых состоит объект, так и под влиянием соотношения их весов ("структуры" объекта).

Если любой качественный индексируемый показатель обозначить через x, а его веса - через f, то динамику среднего показателя можно отразить как за счет изменения обоих факторов (x и f), так и за счет каждого фактора отдельно. В результате получим три различных индекса: индекс переменного состава, индекс фиксированного состава, индекс структурных сдвигов.

Индекс переменного состава отражает динамику среднего показателя (для однородной совокупности) за счет изменения индексируемой величины x у отдельных элементов (частей целого) и за счет изменения весов f, по которым взвешиваются отдельные значения x. Любой индекс переменного состава - это отношение двух средних величин для однородной совокупности (за два периода или по двум территориям):

. (7.23)

Индекс фиксированного состава отражает динамику среднего показателя лишь за счет изменения индексируемой величины x, при фиксировании весов на уровне, как правило отчетного периода f1:

. (7.24)

Другими словами индекс фиксированного состава исключает влияние изменения структуры (состава) совокупности на динамику средних величин, т.е. он характеризует динамику средних величин, рассчитанных для двух периодов при одной и той же фиксированной структуре.

Аналогично можно показать динамику среднего показателя лишь за счет изменения весов f при фиксировании индексируемой величины на уровне базисного периода x0. Такой индекс условно назван индексом структурных сдвигов:

. (7.25)

Если от абсолютных весов перейти к относительным ( и Уd =1), формулы индексов средних величин примут вид:

Индекс переменного состава:

. (7.26)

Индекс фиксированного состава:

. (7.27)

Индекс структурных сдвигов:

. (7.28)

Индекс переменного состава есть произведение индекса фиксированного состава на индекс структурных сдвигов:

. (7.29)

Размещено на Allbest.ru