Социальная статистика

Уровень жизни – одна из главнейших социальных категорий. Под уровнем жизни понимается уровень благосостояния населения, потребления материальных благ и услуг и степень удовлетворения целесообразных жизненных потребностей.


Индексация доходов – это установленный законами и другими нормативно-правовыми актами механизм пересчета и изменения денежных доходов населения (зарплаты, пенсий, стипендий) с учетом динамики розничных цен для полной или частичной компенсации потерь в доходах в результате инфляции; одна из форм социальной защиты населения от инфляции.


Уровень бедности – размер дохода, который обеспечивает прожиточный минимум, как правило, рассчитывается либо в виде соотношения со средним доходом в стране, либо методом прямого расчета.

Статистика состояния финансового рынка

На современном этапе развития в основе динамики глобального валютного рынка лежат колебания ведущей пары – «доллар/евро». Из чего ясно, почему прогноз по курсу этих валют представляет наибольший практический интерес. Российских участников рынка в первую очередь, что вполне естественно, интересуют колебания этой пары по отношению к рублю.

Когда разрабатывается уравнение регрессии, рекомендуется брать в качестве независимой переменной X значение курса «рубль/евро», а зависимой переменной Y – курс «рубль/доллар». Естественно, вполне вероятно создание прогностической модели, где независимой переменной может стать курс «рубль/доллар», а зависимой – «рубль/евро». Однако в реальности лучше использовать первый вариант, так как доллар продолжает играть более важную роль в обороте, чем евро.

С помощью обычного метода наименьших квадратов (МНК), путем сопоставления временных рядов данных по курсам этих двух валют за 2005 г., решается парное уравнение регрессии. В результате чего получается следующее уравнение:

Y = 0,804X .

Данное уравнение можно интерпретировать следующим образом: повышение курса евро на 1 руб. в среднем приводило к повышению курса доллара на 80,4 коп.

У него оказался очень высокий коэффициент детерминации (R = = 0,998), что с одной стороны вроде бы очень хорошо. Но более детальный анализ показал, что это уравнение абсолютно непригодно для использования в качестве прогностической модели, так как:

1) данное уравнение регрессии показывает лишь прямую статистическую зависимость между переменными, но совершенно не учитывает часто наблюдаемое на рынке явление, когда на фоне укрепления курса доллара происходит падение евро;

2) для того, чтобы найти эту формулу регрессии, мы сопоставляли ряды данных с нулевым лагом, а потому его прогностическую ценность можно также считать нулевой;

3) выясняется, что на основе этого уравнения нельзя создать оптимально работающую прогностическую модель.

Трудность в том, что остатки данной регрессии (отклонения фактических значений от плановых) в ходе их исследования не смогли пройти тест на выполнение важнейших предпосылок метода наименьших квадратов.

1. Получившиеся в результате решения уравнения регрессии остатки должны носить случайный характер.

Между величиной отклонений и расчетными значениями Y существует сильная линейная зависимость, о чем говорит высокий коэффициент детерминации, который равен 0,98. Короче говоря, 98 % всех колебаний в остатках можно объяснить изменением величины прогноза. Исходя из формулы линейного тренда, следует вывод: рост прогнозируемого курса доллара на 1 руб., как правило, вел в среднем к отклонению остатков (от 0, когда разница отсутствует и достигается точный прогноз) в сторону отрицательных значений на 1,49 руб. (плюс 42,22 руб. – исходный уровень). Из чего следует, что повышение расчетного значения ведет к отклонениям остатков в сторону положительных значений в той же пропорции.

2. Остатки не должны зависеть от независимой переменной X (в данном случае – величины курса «рубль/евро»).

Изменение величины остатков на 98 % обусловлено колебаниями независимой переменной X. Об этом утверждает высокий коэффициент детерминации, равный 0,98. Согласно формуле линейного тренда, увеличение курса «рубль/евро» на 1 руб. ведет в среднем к отклонениям остатков в сторону отрицательных значений на 1,20 руб. (плюс 42,22 руб. – исходный уровень). Следовательно, снижение переменной X ведет к отклонениям остатков в сторону положительных значений в той же пропорции.

3. Гомоскедастичность (одинаковый разброс) остатков независимо от значения номера наблюдения (для временных рядов). Несоблюдение данного условия называется гетероскедастичностью, т. е. неодинаковым разбросом в остатках.

4. Отсутствие автокорреляции остатков, т. е. остатки должны быть распределены во времени независимо друг от друга. Стоит обратить внимание на наличие автокорреляции в остатках и, если оставить найденные коэффициенты уравнения без дальнейших поправок, в результате не удастся построить прогностическую модель, которая способна работать с достаточно высокой степенью точности.

Перейти на страницу: 6 7 8 9 10 11 12 13