Лекции по "Общей и таможенной статистике"

Тема 10. Методы изучения взаимосвязей показателей  таможенной статистики.

 

План:

1. Виды взаимосвязи между признаками.
2. Методы выявления наличия корреляционной взаимосвязи между признаками.
3. Методы оценки тесноты взаимосвязи между признаками.
4. Применение методов регрессионного анализа.
5. Коэффициент эластичности.
6. Особенности коррелирования рядов динамики.
7. Понятие автокорреляции, ее исключение.

 

1. Виды взаимосвязи между признаками

 

Один из наиболее общих  законов объективного мира – закон  всеобщей связи и зависимости между явлениями. Естественно, что, исследуя явления в самых различных областях, статистика неизбежно сталкивается с зависимостями как между количественными, так и между качественными показателями, признаками. Ее задача – обнаружить (выявить) такие зависимости и дать им количественную характеристику.

Среди взаимосвязанных  признаков (показателей) одни могут  рассматриваться как определенные факторы, влияющие на изменение других (факторные), а вторые (результативные) – как следствие, результат влияния первых.

Существует 2 вида связи  между отдельными признаками:

- функциональная;

- стохастическая (статистическая), частным случаем которой является корреляционная.

Связь между двумя  переменными x и y называется функциональной, если определенному значению переменной x строго соответствует одно или несколько значений другой переменной y, и с изменением значения x значение y меняется строго определенно. Такие связи обычно встречаются в точных науках. Например, известно, что площадь квадрата равна квадрату его стороны (S = a²). Это соотношение характерно для каждого единичного случая (квадрата), это так называемая жестко детерминированная связь. Такие связи можно встретить и в таможенном деле. Например, связь между суммой адвалорной¹ таможенной пошлины (y) и таможенной стоимостью товара (x), облагаемого по фиксированной адвалорной ставке таможенной пошлины, например 5%, легко можно выразить формулой y = 0,05х. Для изучения функциональных связей применяется индексный метод, который будем рассматривать далее.

Существуют и иного рода связи, где взаимно действуют многие факторы, комбинация которых приводит к вариации значений результативного признака (показателя) при одинаковом значении факторного признака. Например, при изучении зависимости величины таможенных платежей, поступающих в федеральный бюджет, от количества товаров, перемещаемых через таможенную границу государства, (или от стоимостного товарооборота) последние будут рассматриваться как факторный признак, а величина таможенных платежей – как результативный. Между ними нет жестко детерминированной связи, т.е. при одном и том же количестве перемещенных через таможенную границу товаров (или стоимости товарооборота) величина таможенных платежей, перечисленных разными таможнями будет различной, так как кроме количества товаров, перемещаемых через таможенную границу государства, (или стоимость товарооборота) на величину таможенных платежей влияет много других факторов (различная номенклатура товаров, для которых применяются различные таможенные пошлины, сборы и льготы; различные таможенные режимы перемещения товаров через таможенную границу и др.), комбинация которых вызывает вариацию величины таможенных платежей.

Там, где взаимодействует  множество факторов, в том числе  и случайных, выявить зависимости, рассматривая единичный случай, невозможно. Такие связи можно обнаружить только при массовом наблюдении как статистические закономерности². Выявленная таким образом связь именуется стохастической³.

Корреляционная связь⁴ – понятие более узкое, чем стохастическая связь, это ее частный случай. Именно корреляционные связи являются предметом изучения статистики.

 

2. Методы выявления наличия корреляционной взаимосвязи между признаками. Методы оценки тесноты взаимосвязи между признаками

 

Корреляционная  связь – это связь, проявляющаяся при большом числе наблюдений в виде определенной зависимости между средним значением результативного признака и признаками-факторами. Другими словами, корреляционную связь условно можно рассматривать как своего рода функциональную связь средней величины одного признака (результативного) со значением другого (или других). При этом, если рассматривается связь средней величины результативного показателя y с одним признаком-фактором x, корреляция называется парной, а если факторных признаков 2 и более (x₁, x₂, …, x_m) – множественной⁵.

По характеру изменений x и y в парной корреляции различают прямую и обратную связь. При прямой связи значения обоих признаков изменяются в одном направлении, т.е. с увеличением (уменьшением) значений x увеличиваются (уменьшаются) и значения y. При обратной связи значения факторного и результативного признаков изменяются в разных направлениях.

Изучение корреляционных связей сводится в к решению следующих  задач:

1. выявление наличия (отсутствия) корреляционной связи между изучаемыми признаками;
2. измерение тесноты связи между двумя (и более) признаками с помощью специальных коэффициентов (эта часть исследования именуется корреляционным анализом);
3. определение уравнения регрессии – математической модели, в которой среднее значение результативного признака у рассматривается как функция одной или нескольких переменных – факторных признаков (эта часть исследования именуется регрессионным анализом).

Общий термин «корреляционно-регрессионный анализ» подразумевает всестороннее исследование корреляционных связей (т.е. решение всех трех задач).

Корреляционно-регрессионный  анализ находит широкое применение в таможенной статистике. Рассмотрим его практическое применение на примере данных таможенной статистики внешней торговли России в 2006 году – таблица 32.

Таблица 32. Величина внешнеторгового оборота и таможенных платежей

Месяц	Оборот, млрд.долл.	Платеж, млрд.руб.
Январь	27,068	172,17
Февраль	29,889	200,90
Март	34,444	231,83
Апрель	33,158	232,10
Май	37,755	233,40
Июнь	37,554	236,99
Июль	37,299	246,53
Август	40,370	253,62
Сентябрь	37,909	256,43
Октябрь	38,348	261,89
Ноябрь	39,137	259,36
Декабрь	46,298	278,87

В качестве факторного признака x примем стоимостной внешнеторговый товарооборот в млрд. долл. США, а в качестве результативного признака y – величину таможенных платежей в федеральный бюджет в млрд. руб.

x	y
27,068	172,17
29,889	200,90
33,158	232,10
34,444	231,83
37,299	246,53
37,554	236,99
37,755	233,40
37,909	256,43
38,348	261,89
39,137	259,36
40,370	253,62
46,298	278,87

Для выявления наличия  и характера корреляционной связи  между двумя признаками в статистике используется ряд методов.

1. Рассмотрение параллельных данных (значений x и y в каждой из n единиц). Единицы наблюдения необходимо расположить по возрастанию значений факторного признака х (как в таблице справа) и затем сравнить с ним (визуально) поведение результативного признака у.

В нашей задаче в 6 случаях  по мере увеличения значений x увеличиваются и значения y, а в 5 случаях этого не происходит, поэтому затруднительно говорить о прямой связи между х и у.

2. Графический метод – это графическое изображение корреляционной зависимости. Для этого, имея n взаимосвязанных пар значений x и y и пользуясь прямоугольной системой координат, каждую такую пару изображают в виде точки на плоскости с координатами x и y. Совокупность полученных точек представляет собой корреляционное поле (рис. 21), а соединяя последовательно нанесенные точки отрезками, получают ломаную линию, именуемую эмпирической линией регрессии (рис. 22).

 Рис. 21. Корреляционное поле Рис. 22. Эмпирическая линия регрессии

Визуально анализируя график, можно предположить характер зависимости между признаками x и y. В нашей задаче эмпирическая линия регрессии (рис.22) похожа на восходящую прямую, что позволяет выдвинуть гипотезу о наличии прямой зависимости между величиной стоимостного внешнеторгового товарооборота и величиной таможенных платежей в федеральный бюджет.

3.Методы оценки тесноты взаимосвязи между признаками

3. Коэффициент корреляции знаков (Фехнера) – простейший показатель тесноты связи, основанный на сравнении поведения отклонений индивидуальных значений каждого признака (x и y) от своей средней величины. При этом во внимание принимаются не величины отклонений ( ) и ( ), а их знаки («+» или «–»). Определив знаки отклонений от средней величины в каждом ряду, рассматривают все пары знаков и подсчитывают число их совпадений (С) и несовпадений (Н). Тогда коэффициент Фехнера рассчитывается как отношение разности чисел пар совпадений и несовпадений знаков к их сумме, т.е. к общему числу наблюдаемых единиц:

. (105)

Очевидно, что если знаки  всех отклонений по каждому признаку совпадут, то К_Ф=1, что характеризует наличие прямой связи. Если все знаки не совпадут, то К_Ф=–1 (обратная связь). Если же åС=åН, то К_Ф=0. Итак, как и любой показатель тесноты связи, коэффициент Фехнера может принимать значения от 0 до 1. Однако, если К_Ф=1, то это ни в коей мере нельзя воспринимать как свидетельство функциональной зависимости между х и у.

Средние значения факторного и результативного  признаков определяем по формуле  средней арифметической простой (10):

; .

В двух последних столбцах таблицы 33 приведены знаки отклонений каждого х и у от своей средней величины. Число совпадений знаков – 10, а несовпадений – 2, тогда определяем коэффициент корреляции знаков (Фехнера) по формуле (105):

 К_Ф=

Таблица 33. Вспомогательная таблица для расчета коэффициента Фехнера

№ месяца	x	y	x –	y –
1	27,068	172,17	–	–
2	29,889	200,90	–	–
3	34,444	231,83	–	–
4	33,158	232,10	–	–
5	37,755	233,40	+	–
6	37,554	236,99	+	–
7	37,299	246,53	+	+
8	40,370	253,62	+	+
9	37,909	256,43	+	+
10	38,348	261,89	+	+
11	39,137	259,36	+	+
12	46,298	278,87	+	+
Итого	439,229	2864,09

Обычно такое значение показателя тесноты связи характеризует  заметную прямую зависимость между x и y, однако, следует иметь в виду, что поскольку К_Ф зависит только от знаков и не учитывает величину самих отклонений х и у от их средних величин, то он практически характеризует не столько тесноту связи, сколько ее наличие и направление.

4. Линейный коэффициент корреляции – самый популярный измеритель тесноты линейной связи между двумя количественными признаками x и y. Он основан на предположении, что при полной независимости⁶ признаков x и у отклонения значений факторного признака от средней ( ) носят случайный характер и должны случайно сочетаться с различными отклонениями ( ). При наличии значительного перевеса совпадений или несовпадений таких отклонений делается предположение о наличии связи между x и y.