Министерство  Российской Федерации

Уральский Государственный

Горный  Университет 
 

Кафедра экономики и менеджмента 

Курсовая  работа на тему

«Обработка статистических данных»

(Статистика  трудовых ресурсов) 
 
 

Преподаватель:

Юркова Е.И.

                                              Студентка:

                                                Гр. МОГ -09-2

                                                    Лямина Д.Н. 

Екатеринбург

2011

Содержание 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Введение

Статистика  как наука рассматривает совокупности методов, с помощью которых можно  исследовать ту или иную конкретную совокупность социально-экономических  явлений. Эти методы и показатели в чистом виде безупречны, но у каждой свои строго определенные условия и  границы применения. Нарушение этих условий приводит к сбору необъективной  информации и, следовательно, выводы, сделанные  на основе статистики не всегда однозначны.

Статистика  – общественная наука, которая изучает  количественную сторону количественно-определенных массовых социально-экономических  явлений и процессов, их структуру  и распределение, размещение в пространстве, движение во времени, выявляя действующие  количественные зависимости, тенденции  и закономерности в конкретных условиях места и времени.

Предметом статистики как общественной науки  являются особые объективные признаки состояния и развития общества и  материальных условий его жизни. Такие признаки получили название объективных  статистических показателей.

Цель  данной работы – систематизация и  обработка материала с помощью  методов экономической статистики.

Основные  задачи курсовой работы:

1.Провести  аналитическую группировку, рассчитать  структурные средние. Построить гистограмму.

2.Оценить  динамику изменения показателей.  Построить графики, характеризующие  изменения показателей.

3.Рассчитать  показатели вариации.

4.Оценить  зависимость показателей, используя  метод корреляционно-регрессионного  анализа.  

Глава 1.ТЕОРЕТИЧЕСКАЯ ЧАСТЬ

Методы  обработки статистических данных

1.1Аналитическая  группировка

Группировка — это метод, при котором вся исследуемая совокупность разделяется на группы по какому-то существенному признаку.

Признак, по которому осуществляется группировка называется группировочным признаком или основанием группировки.

Группировка представляет собой способ подразделения рассматриваемой совокупности данных на однородные по изучаемым признакам группы. Это делается с целью изучения структуры этой совокупности либо взаимосвязей между отдельными элементами этой совокупности. С помощью группировки можно выявить влияние отдельных единиц на средние итоговые показатели. Так, например, группировка рабочих данной организации по уровню производительности труда используется с целью выявления влияния высокой производительности труда отдельных рабочих на среднюю производительность по организации и для определения резерва, кроющегося в повышении производительности труда всех рабочих до уровня передовых рабочих.

Наибольшее распространение в экономическом анализе имеет группировка по факторам, связанным:

• с трудовыми ресурсами, т.е. с живым трудом;
• со средствами труда, т.е. с основными производственными фондами;
• с предметами труда, т.е. с материальными ресурсами.

Эти три  группы факторов оказывают влияние  на объем продукции, выпускаемой данной организацией.

Виды  группировок:

Выбор группировочного признака зависит  от цели данной группировки и предварительного экономического анализа явления.

В зависимости  от степени сложности массового явления и задач анализа - группировки могут производится по одному или нескольким признакам:

• Если производится группировка только по одному признаку, то она называется простой.
• Если по двум и более признакам, то такая группировка называется сложной или комбинационной.

В зависимости  от решаемых задач различают типологические, структурные и аналитические  группировки:

• Типологическая группировка — представляет собой разделение исследуемой совокупности на однородные группы. (группировка предприятий по формам собственности)
• Структурная группировка — группировка, в которой происходит разделение однородной совокупности на группы, характеризующие ее структуру по какому-то варьирующему признаку. (группировка населения по уровню дохода). Анализ статистических данных структурных группировок, взятых за ряд периодов показывает изменение структуры изучаемых явлений, то есть структурные сдвиги.
• Аналитическая (факторная) группировка — позволяет выявить взаимосвязи между изучаемыми явлениями и их признаками. (группировка банков по сумме уставного капитала, величине активов и балансовой прибыли)

В процессе проведения экономического анализа, как правило, применяются два основных вида группировок: структурные и аналитические.

Структурные группировки используются с целью  исследования состава и структуры  совокупности данных, а также с  целью изучения тех изменений  в этой совокупности, которые имеют  место в соответствии с выбранным  изменяющимся признаком.

Аналитические же группировки используются для  исследования взаимных связей, существующих между показателями, характеризующими рассматриваемую совокупность данных. В этих условиях один из показателей  является обобщающим, результативным, а другие показатели рассматриваются  как факторы, влияющие на обобщающий показатель.

  1.2. Структурные средние величины.

Моду  и медиану часто используют как  среднюю характеристику в тех  совокупностях, где расчет среднестепенной невозможен или нецелесообразен.

Мода представляет собой значение изучаемого признака повторяющегося с наибольшей частотой.

1. определение моды по несгруппированным данным:

пример: бригада состоит из девяти человек. Определить среднетарифный разряд бригады.

       Так как в данной таблице больше всего  рабочих третьего разряда, данный разряд является модальным.

       М_о= 3 р.

       Х_ср.= 36/4= 4 Р.

       2. определение моды по сгруппированным  данным (интервальный ряд)

       М_о= (х_о+h * (f_mo- f_mo-1) ) / ((f_mo- f_mo-1) + (f_mo+ f_mo+1)) , где 

       х_о – нижняя граница модального интервала;

       h – величина модального интервала;

       f_mo – частота модального интервала;

       f_mo-1 – частота интервала, предшествующего модальному;

       f_mo+1 - частота интервала следующего за модальным.

       Медиана – значение признака, приходящегося на середину упорядоченного ряда, который делит частоты попалам.

1. определение медианы по несгруппированным данным:

х_ср= ∑х_i*f_i / ∑f_i

2. определение медианы по сгруппированным  данным (дискретный ряд):

М_е= х_о+ h * (1/2∑f_i – S_Me-1) / (f_Me) , где

             х_о – нижняя граница медианного интервала;

       h – величина медианного интервала;

       1/2∑f_i – половина накопительной части;

       S_Me-1 – накопительная частота интервала предшествующего медианному;

       f_Me – частота медианного интервала.

1.3. Динамика изменения  показателя

    Для характеристики интенсивности развития во времени используются статистические показатели, получаемые сравнением уровней  между собой, в результате чего получаем систему абсолютных и относительных  показателей динамики: абсолютный прирост, коэффициент роста, темп роста, темп прироста, абсолютное значение 1% прироста. Для характеристики интенсивности  развития за длительный период рассчитываются средние показатели: средний уровень  ряда, средний абсолютный прирост, средний  коэффициент роста, средний темп роста, средний темп прироста, среднее  абсолютное значение 1% прироста. В своей  работе я не воспользовалась абсолютным значением 1% прироста и средним абсолютным значением 1% прироста.

    Если  в ходе исследования необходимо сравнить несколько последовательных уровней, то можно получить или сравнение  с постоянной базой (базисные показатели), или сравнение с переменной базой (цепные показатели).

    Базисные показатели характеризуют итоговый результат всех изменений в уровнях ряда от периода базисного уровня до данного (i-го) периода.

    Цепные показатели характеризуют интенсивность изменения уровня от одного периода к другому в пределах того промежутка времени, который исследуется.

    Абсолютный прирост выражает абсолютную скорость изменения ряда динамики и определяется как разность между данным уровнем и уровнем, принятым за базу сравнения.

    Абсолютный  прирост (базисный)

    где y_i - уровень сравниваемого периода; y₀ - уровень базисного периода.

    Абсолютный  прирост с переменной базой (цепной), который называют скоростью роста,

    где y_i - уровень сравниваемого периода; y_i-1 - уровень предшествующего периода.

    Коэффициент роста K_i определяется как отношение данного уровня к предыдущему или базисному, показывает относительную скорость изменения ряда. Если коэффициент роста выражается в процентах, то его называют темпом роста.

    Коэффициент роста базисный

    Коэффициент роста цепной

    Темп роста

    Темп прироста Т_П определяется как отношение абсолютного прироста данного уровня к предыдущему или базисному.

    Темп  прироста базисный

    Темп  прироста цепной

    Темп  прироста можно рассчитать и иным путем: как разность между темпом роста и 100 % или как разность между  коэффициентом роста и 1 (единицей):

1. Т_п = Т_р - 100%; 2) Т_п = K_i - 1.

       Абсолютное  значение 1% прироста – показывает абсолютное значение 1 процента прироста.

       Цепной: ∆^% = ∆ / Т_п^% 

1.4. Вариация.

       Как уже было сказано, статистика изучает  массовые явления и процессы. Каждое из таких явлений обладает как общими для всей совокупности, так и особенными, индивидуальными свойствами. Различие между индивидуальными явлениями называют вариацией.

       Средней арифметической величиной называется такое значение признака в расчете на единицу совокупности, при вычислении которого общий объем признака в совокупности сохраняется неизменным.

       Иными словами, средняя арифметическая величина – среднее слагаемое. При ее вычислении общий объем признака мысленно распределяется поровну между всеми единицами  совокупности.

    1.5. Корреляционно- регрессионный анализ.

    Корреляционная  связь – связь, при которой  различным значениям одной переменной соответствуют разные средние значения другой переменной.

    Графически  взаимосвязь изображается с помощью  поликорреляции. На оси абсцисс- фактический признак, а на оси ординат- результативный признак. На графике наблюдается поле корреляции. Чем сильнее связь между признаками, тем теснее будут группироваться точки вокруг определенной линии, выражающей форму связи.

    В статистике теснота связи может  определяться с помощью различных  коэффициентов, в практике чаще используется линейный коэффициент корреляции.

    Линейный  коэффициент корреляции наблюдается  при линейной зависимости.

    Оценка  линейного коэффициента корреляции

     , где n – количество единиц в совокупности.

      Регрессионный анализ – метод установления аналитического выражения зависимости между исследуемыми признаками.

    Уравнение регрессии показывает, как в среднем  изменяется у при изменении любого значения x.

     , где 

    y – зависимая переменная,

    x – независимая переменная.

    Если  независимая переменная одна – простой  регрессионный анализ, если несколько  – многофакторный.

    В ходе регрессионного анализа решается:

• Построение уравнения регрессии (нахождение вида зависимости между результативным показателем и независимыми факторами);
• Оценка значимости получаемого уравнения (определение того, на сколько выбранные факторные признаки объясняют вариацию результативного признака).

    Применение : для планирования показателей и оценки нормативной базы.

    По  форме зависимости различают:

    А) линейная регрессия : ;

    Б) нелинейная регрессия: + - парабола, - гипербола.

    Построение  уравнения регрессии осуществляется, как правило, методом наименьших квадратов, суть которых состоит  в минимизации суммы квадратов отклонений фактических значений результативного признака от его расчетных значений.

     ,

     .

    В результате математических преобразований формируется система нормальных уравнений для нахождения параметров уравнения регрессии.

      характеризует значение неучтенных  факторов, влияющих на формирование  результативного признака.

       показывает изменение факторного признака на единицу собственного измерения.

Корреляционно- регрессионный анализ - объединяет в себе основные действия двух вышеперечисленных анализов. 

Глава 2. ПРАКТИЧЕСКАЯ ЧАСТЬ

2.1 Исходные данные.

Показатели  производительности и оплаты труда на ОАО "Дюрал" 

2.1.1. Аналитическая группировка.

В качестве группировочного  признака в аналитической группировке  берется факторный признак, в данном случае, это производительность труда.

Определяем величину интервала:

         х_max = 44773,85

         x_min = 24535,5

         R = х_max - x_min =44773,85- 24535,5=20238,35

         N = 12

         n= 1 + 3.32 * lg 12 = 1 + 3.32 * lg12 = 4,6=5

         h = 20238,35 / 4,6 = 4399,6

Построение интервалов:

Построение группировочной таблицы: 

Наибольшее количество месяцев сгруппировано в группы по производительности [24535,5-28935,1], [28935,1-33334,7], [37734,3-42133,9].

Наименьшая  производительность, характеризующая  среднее значение, составляет 25885,2 руб.раб. В данную группу по производительности попадает 3 месяца со средней оплатой труда 8488,3 руб.

Наибольшее среднее  значение производительности составляет 161005,87 руб. В данную группу по производительности попадают значения 3 месяцев со средним значением оплаты труда 11938,8 руб. 

2.1.2. Структурные средние.

   МОДА:

=

=

=

=

=

МЕДИАНА: