Наглядное изображение структуры и структурных сдвигов

Наглядное представление структуры совокупности или изображения состава целого, разделенного на части, достигается при помощи структурных диаграмм. Изобразительными средствами для этого могут служить диаграммы: столбиковые, полосовые (или ленточные), секторные, круговые или полукруговые.

Столбиковые и полосовые (ленточные) диаграммы для сравнительной характеристики состава какого-либо является строятся по тем же правилам, что и аналогичные диаграммы сравнения:

А) выбирается базисная линия, служащая основанием для всех столбиков - для столбиковых диаграмм это ось абсцисс, для полосовых (ленточных) – это ось ординат;

Б) по вертикали (ось ординат) или по горизонтали (ось абсцисс) начиная с нуля строится масштабная шкала, охватывающая весь диапазон изображаемых данных;

В) на базисной линии откладываются отрезки равной длины, которые служат основанием для столбиков или полос;

Г) высота (длина) строящихся на основаниях столбиков (полос) в масштабе характеризует размер изображаемых величин;

Д) столбики (полосы) штрихуются, а внутри или сверху пишутся (сбоку для ленточных) числовые значения статистических величин.

Структура с помощью столбиковых и ленточных диаграмм изображается при условии, что высота всего столбика (полосы) соответствует объему всей совокупности. На одном графике можно отразить и структуру (в процентах) и абсолютные значения объемов явления и его частей.

На практике чаще всего структура явлений и тем боле структурные сдвиги характеризуются секторными диаграммами.

Секторная диаграмма представляет собой круг, разделенный радиусами на отдельные секторы.

При ее построении необходимо так обработать статистические данные, чтобы эти части целого можно было выразить в градусах окружности. Поскольку 1% равен 3,6 градуса (360/100=3,6), то соответствующие показатели, выраженные в процентах к итогу, нужно умножить на 3,6 для определения центральных углов и их построения. Обычно секторы располагают по размеру, помещая самый крупный сверху, а остальные - последовательно по часовой стрелке. Чтобы легче различить секторы следует пользоваться штриховкой, цветной раскраской и т.п. Обязательно использовать условные обозначения частей.

Можно усилить наглядность представления изменения структуры во времени или у разных явлений с помощью круга, если его разделить на две части и каждую из полученных половинок приравнять к 100%. В этом случае можно показать изменение структуры явления за два периода времени или рассмотреть структуру двух явлений. Построение секторных диаграмм аналогично круговым. Только изображаемые статистические величины необходимо пересчитать уменьшая на 1,8 (3,6:2), так как половина круга принимается за 100%.

Иногда в секторных диаграммах совмещаются показатели изменения структуры и роста явления. В этом случае пропорционально росту изменяется радиус круга (корень квадратный из соответствующих величин явления за ряд лет). Круговые диаграммы не рекомендуется строить для рядов, имеющих более четырех-пяти величин, поскольку будет трудно различать их величины. В таких случаях лучше применять столбиковые или полосовые (ленточные) диаграммы, на которых состав изучаемых явлений выражается обычно относительными величинами.

Для диаграмм структура существенными являются пояснения условных обозначений.

Общее назначение множественной регрессии (этот термин был впервые использован в работе Пирсона - Pearson, 1908) состоит в анализе связи между несколькими независимыми переменными (называемыми также регрессорами или предикторами) и зависимой переменной. Например, агент по продаже недвижимости мог бы вносить в каждый элемент реестра размер дома (в квадратных футах), число спален, средний доход населения в этом районе в соответствии с данными переписи и субъективную оценку привлекательности дома. Как только эта информация собрана для различных домов, было бы интересно посмотреть, связаны ли и каким образом эти характеристики дома с ценой, по которой он был продан. Например, могло бы оказаться, что число спальных комнат является лучшим предсказывающим фактором (предиктором) для цены продажи дома в некотором специфическом районе, чем "привлекательность" дома (субъективная оценка). Могли бы также обнаружиться и "выбросы", т.е. дома, которые могли бы быть проданы дороже, учитывая их расположение и характеристики.

Специалисты по кадрам обычно используют процедуры множественной регрессии для определения вознаграждения адекватного выполненной работе. Можно определить некоторое количество факторов или параметров, таких, как "размер ответственности" (Resp) или "число подчиненных" (No_Super), которые, как ожидается, оказывают влияние на стоимость работы. Кадровый аналитик затем проводит исследование размеров окладов (Salary) среди сравнимых компаний на рынке, записывая размер жалования и соответствующие характеристики (т.е. значения параметров) по различным позициям.

Метод наименьших квадратов. На диаграмме рассеяния имеется независимая переменная или переменная X и зависимая переменная Y. Эти переменные могут, например, представлять коэффициент IQ (уровень интеллекта, оцененный с помощью теста) и достижения в учебе (средний балл успеваемости - grade point average; GPA) соответственно. Каждая точка на диаграмме представляет данные одного студента, т.е. его соответствующие показатели IQ и GPA. Целью процедур линейной регрессии является подгонка прямой линии по точкам. А именно, программа строит линию регрессии так, чтобы минимизировать квадраты отклонений этой линии от наблюдаемых точек. Поэтому на эту общую процедуру иногда ссылаются как на оценивание по методу наименьших квадратов

Уравнение регрессии. Прямая линия на плоскости (в пространстве двух измерений) задается уравнением Y=a+b*X; более подробно: переменная Y может быть выражена через константу (a) и угловой коэффициент (b), умноженный на переменную X. Константу иногда называют также свободным членом, а угловой коэффициент - регрессионным или B-коэффициентом. Например, значение GPA можно лучше всего предсказать по формуле 1+.02*IQ. Таким образом, зная, что коэффициент IQ у студента равен 130, вы могли бы предсказать его показатель успеваемости GPA, скорее всего, он близок к 3.6 (поскольку 1+.02*130=3.6).Например, рисунок ниже показывает доверительные интервалы (90%, 95% и 99%), построенные для двумерного регрессионного уравнения.

Дата добавления: 2015-07-10