Экономическая и социальная статистика

ЭКОНОМИЧЕСКАЯ И СОЦИАЛЬНАЯ СТАТИСТИКА

Краткий конспект лекций

 

 

Уфа

2013

Лекция 5. Средние величины

Статистическая совокупность содержит некоторое количество стати­стических величин, имеющих, как правило, разные значения и призна­ки, что делает невозможным сравнение нескольких совокупностей в целом. Для этой цели применяется средняя величина, как обобщающий показатель совокупности, характеризующий уровень изучаемого явле­ния или процесса.

Средняя величина всегда обобщает количественное выражение при­знака и погашает индивидуальные различия статистических величин совокупности, вызванные случайными обстоятельствами. Но по значе­нию средней величины нельзя делать принципиальные выводы.

Так, если один ученик имеет тетрадь в 48 листов, а другой - ни одной, то в среднем получается по 2 у.ш.т. на ученика. Но из этого нельзя заключать, что все ученики школьными тетрадями обеспечены.

В статистике соблюдаются следующие принципы применения сред­них величин.

1. Необходим обоснованный выбор статистической совокупности, для которой определяется средняя величина.

2. При определении средней величины исходят из качественного содержания статистических величин, учитывая возможную взаимосвязь изучаемых признаков.

3. Средняя величина должна рассчитываться по однородной сово­купности, которая позволяет применять метод группировки, предпола­гающий расчет системы обобщающих показателей.

4. Общая средняя величина должна подкрепляться и поясняться групповыми средними величинами.

Средние величины делятся на два больших класса: степенные и структурные. К последним относятся мода и медиана, но наиболее час­то применяются степенные различных видов.

Степенные средние, в зависимости от представления отдельных ве­личин, могут быть простыми и взвешенными. Простая средняя рассчи­тывается при наличии двух и более статистических величин, располо­женных в произвольном порядке. Общая формула простой средней величины имеет вид

= .                                                        (1.11)

Взвешенная средняя величина рассчитывается по сгруппированным статистическим величинам с использованием следующей общей формулы

=                                                    (1.12)

При этом обозначено:

X_i – значения отдельных статистических величин или середин группировочных интервалов;

m - показатель степени, от значения которого зависят следующие виды степенных средних величин:

при m = -1 средняя гармоническая;

при m = 0 средняя геометрическая;

при m = 1 средняя арифметическая;

при m = 2 средняя квадратическая;

при m = 3 средняя кубическая и так далее.

Используя общие формулы простой и взвешенной средних при разных показателях степени m, получаем частные формулы каждого вида. Так, приняв m = 1, находим, что простая средняя арифметическая величина определяется по формуле

= .                                                       (1.13)

Аналогично для взвешенной средней арифметической величины получаем формулу через частоты или через доли (так как )

= .                                      (1.14)

Не представляет трудностей и вывод формул для простых и взвешенных средних квадратических и кубических величин. Несколько сложнее вывод средней гармонической при m = –1. Так, используя формулу (1.11), имеем вначале

_гм = = ,

а окончательно получим, что простая средняя гармоническая величина определяется по формуле

_ГМ = ,                                                     (1.15)

Аналогично выводится формула взвешенной средней гармонической величины, которая имеет следующий окончательный вид через частоты или через доли

_ГМ = ,                                              (1.16)

Наиболее часто употребляются формулы средних арифметических и гармонических величин.

Они часто применяются для осреднения относительных величин ин­тенсивности, т.е. показателей, имеющих дробную размерность. При этом соблюдаются следующие правила.

1. Если имеются дополнительные данные по числителю дробной размерности, то применяется средняя гармоническая.

2. Если имеются дополнительные данные по знаменателю дробной размерности, то применяется средняя арифметическая.

3. Если неясно, к числителю или знаменателю относятся дополни­тельные данные, то поочередно применяются средняя гармоническая и арифметическая, а затем определяется средняя между ними величина.

Для иллюстрации правил решим задачу: 4 фирмы выпускают одинаковую продукцию при себестоимостях в руб/ед.: Si = 5, 3, 4, 6, а доли фирм равны соответственно di = 0,3; 0,2; 0,4; 0,1. Определить среднюю себестоимость продукции.

Для решения примера используем вышеизложенные правила.

1. Если доли фирм относятся к текущим затратам (числитель показателя себестоимости), то ее среднее значение определяем по формуле (1.16) как среднюю гармоническую величину

 = 1/ (0,3/5 + 0,2/3 + 0,4/4 + 0,1/6) = 4,1 (руб./ед.)

2. Если доли фирм относятся к количеству выпущенной продукции (знаменатель показателя себестоимости), то ее среднее значение находим по формуле (1.14) как среднюю арифметическую величину

 = 5*0,3 + 3*0,2 + 4*0,4 + 6*0,1 = 4,3 (руб./ед.)

3. Если не сказано, к чему относятся доли фирм, то в дополнение к выполненным расчетам определяем среднюю себестоимость как простую среднюю величину из полученных результатов. То есть  = (Sгм + Sар)/2 = 4,2 (руб./ед.)

Таким путем рассчитываются средние значения и других показателей с дробной размерностью.

Разновидностью простой средней арифметической служит средняя хронологическая величина, когда имеются моментные статистические величины на определенную одинаковую дату, например, на 1-е число каждого месяца в году. Формула средней хронологической теоретиче­скому выводу не поддается и записывается приближенно в виде

.                (1.17)

где Х₁ и X_n — первое и последнее значения статистической величи­ны; Xi — промежуточные значения; n — общее число значений.

По такой формуле бухгалтерия определяет среднегодовую стоимость основных фондов, учитывая ее значения на 1-е число каждого месяца. При этом n = 13, т. к. 1-е января фиксируется дважды: у отчетного и следующего за отчетным года. Аналогично коммерческие банки опре­деляют среднегодовую сумму вкладов и выданных кредитов. Если учет квартальный, то n = 5.

Средняя геометрическая величина получается при подстановке в формулу (1.11) m=0:

= =

Для раскрытия неопределенностей этого вида прологарифмируем обе части формулы (1.11):

.

Подставляя в правую часть равенства m =0, получаем неопределенность вида . Используя правило Лопиталя и дифференцируя отдельно числитель и знаменатель по переменной m, получаем

.

Следовательно, при m=0

.

Потенцируя, находим

.                            (1.18)

Формула (1.18) является формулой средней геометрической простой, а если использовать частоты f, получим формулу средней геометрической взвешенной:

 = – взвешенная,     (1.19)

где П—символ произведения.

Средняя геометрическая величина применяется, если задана после­довательность индексов динамики, указывающих, например, на измене­ние уровня производства каждого последующего года по сравнению с предыдущим.

Рассчитанные для одних и тех же данных различные средние вели­чины оказываются неодинаковыми. Здесь действует правило мажорантности средних величин (впервые сформулировал профессор А. Я. Боярский), согласно которому с ростом показателя степени m в общих формулах увеличивается и средняя величина. То есть

 < <  <  <  

Это правило частично подтвердилось расчетом средней себестоимо­сти продукции, где средняя гармоническая получилась равной 4,1 руб./ед., а средняя арифметическая 4,3 руб./ед. Если рассчитать еще и среднюю геометрическую взвешенную, то она будет равной 4,2 руб./ед.

Особый вид средних величин – структурные средние – применяется для изучения внутреннего строения рядов распределения значений признака, а также для оценки средней величины (степенного типа), если по имеющимся статистическим данным ее расчет не может быть выполнен.

В качестве структурных средних чаще всего используют показатели моды – наиболее часто повторяющегося значения признака – и медианы – величины признака, которая делит упорядоченную последовательность его значений на две равные по численности части. В итоге у одной половины единиц совокупности значение признака больше медианного уровня, а у другой – меньше его.

Если изучаемый признак имеет дискретные значения, то особых сложностей при расчете моды и медианы не бывает. Если же данные о значениях признака Х представлены в виде упорядоченных интервалов его изменения (интервальных рядов), расчет моды и медианы несколько усложняется. Поскольку медианное значение делит всю совокупность на две равные по численности части, оно оказывается в каком-то из интервалов признака X. С помощью интерполяции в этом медианном интервале находят значение медианы:

,                                (1.20)

где X_Me – нижняя граница медианного интервала;

∆ X – его величина (размах);

∑ f/2 – половина от общего числа величин;

– сумма наблюдений (или объема взвешивающего признака), накопленная до начала медианного интервала;

f_Me – число наблюдений или объем взвешивающего признака в медианном интервале.

При расчете модального значения признака по данным интервального ряда надо обращать внимание на то, чтобы интервалы были одинаковыми, поскольку от этого зависит показатель повторяемости значений признака X. Для интервального ряда с равными интервалами величина моды определяется как

,                    (1.21)

где Х_Mo – нижнее значение модального интервала;

f_Mo – число наблюдений или объем взвешивающего признака в модальном интервале;

f_Mo-1 – то же для интервала, предшествующего модальному;

f_Mo+1 – то же для интервала, следующего за модальным;

∆ X – величина интервала изменения признака в группах.

Очевидно, что в формуле (1.20) и (1.21) можно заменить частоты f на доли d, так как , а можно вынести за скобки как в числителе, так и в знаменателе и сократить.

Показателями типа медианы, характеризующими структуру рядов распределения признака, являются квартили (делят ряд на 4 равные части), квинтили (на 5), децили (на 10), перцентили (на 100).

ЛЕКЦИЯ 6. РЯДЫ ДИНАМИКИ

Ряд динамики — это последовательность упорядоченных во времени количественных статистических величин, характеризующих развитие изучаемого явления или процесса. Конкретное значение величины на­зывается уровнем ряда и обозначается Y, а их число в ряду обозначается n. Ряды динамики классифицируются по следующим признакам.

1. По времени — ряды моментные и интервальные (периодные)
которые показывают уровень явления на конкретный момент времени или на определенный его период. Сумма уровней интервального ряда дает вполне реальную статистическую величину за несколько периодов времени, например, общий выпуск продукции, общее количество проданных акций и т.п. Уровни моментного ряда, хотя и можно суммировать, но эта сумма реального содержания, как правило, не имеет. Так, если сложить величины запасов на начало каж­дого месяца квартала, то полученная сумма не означает квартальную величину запасов.

2. По форме представления — ряды абсолютных, относительных и средних величин.

3. По интервалам времени — ряды равномерные и неравномерные (полные и неполные), первые из которых имеют равные интервалы, а у вторых равенство интервалов не соблюдается.

4. По числу смысловых статистических величин — ряды изолиро­ванные и комплексные (одномерные и многомерные). Первые представ­ляют собой ряд динамики одной статистической величины (например, индекс инфляции), а вторые — нескольких (например, потребление ос­новных продуктов питания).

Система уровней ряда аналогична системе дискретных статистиче­ских величин X. По-прежнему вычисляются абсолютное, относительное изменения, среднее значение, а также соответствующие индексы и тем­пы изменения по единичным и средним значениям. Используются те же формулы средних величин от простой арифметической до геометриче­ской.

Любое изменение уровней ряда определяется базисным и цепным способами.

Базисное абсолютное изменение представляет собой разность кон­кретного и первого уровней ряда, определяясь по формуле

                                                      (1.43)

Цепное абсолютное изменение представляет собой разность кон­кретного и предыдущего уровней ряда, определяясь по формуле

                                                   (1.44)

По знаку абсолютного изменения делается вывод о характере разви­тия явления: при  > 0 — рост, при  < 0 — спад, при  = 0 — стабильность.

Для проверки правильности расчетов применяется правило, согласно которому сумма цепных абсолютных изменений равняется последнему базисному. То есть

                                                    (1.45)

где к = n-1 — количество изменений уровней ряда (r = 1 ...к).

Базисное относительное изменение представляет собой соотноше­ние конкретного и первого уровней ряда, определяясь по формуле

                                                           (1.46)

Цепное относительное изменение представляет собой соотношение конкретного и предыдущего уровней ряда, определяясь по формуле

                                                          (1.47)

Относительные изменения уровней — это по существу индексы ди­намики, критериальным значением которых служит 1. Если они больше ее, имеет место рост явления, меньше ее — спад, а при равенстве еди­нице наблюдается стабильность явления.

Вычитая единицу из относительных изменений, получают темп из­менения уровней, критериальным значением которого служит 0. При положительном темпе изменения имеет место рост явления, при отри­цательном — спад, а при нулевом темпе изменения наблюдается ста­бильность явления.

Для проверки правильности расчетов применяется правило, согласно которому произведение цепных относительных изменений равняется последнему базисному.

То есть

                                                           (1.48)

Способ расчета среднего уровня зависит от того, моментный ряд или интервальный. При моментном ряде применяется формула средней хро­нологической величины (1.17), но при соответствующих обозначениях имеющая вид

= ,                                      (1.49)

где Y ₁ и Y_n — первый и последний уровни ряда; Y_i — промежуточ­ные уровни.

В случае интервального ряда его средний уровень определяется по формуле простой средней арифметической величины как

=                                                          (1.50)

Среднее изменение уровней ряда определяется также базисным и цепным способами.

Базисное среднее абсолютное изменение представляет собой частное от деления последнего базисного абсолютного изменения на количество изменений. То есть

^Б =                                                        (1.51)

Цепное среднее абсолютное изменение уровней ряда представляет собой частное от деления суммы всех цепных абсолютных изменений на количество изменений.

То есть ^Ц =                                     (1.52)

По знаку средних абсолютных изменений также судят о характере изменения явления в среднем: рост, спад или стабильность.

Из правила контроля базисных и цепных абсолютных изменений со­гласно формуле (1.45) следует, что базисное и цепное среднее измене­ние должны быть равными.

Наряду со средними абсолютным изменением рассчитывается и среднее относительное тоже базисным и цепным способами.

Базисное среднее относительное изменение определяется по формуле

^Б= =                                               (1.53)

Цепное среднее относительное изменение определяется по формуле

^Ц=                                                         (1.54)

Естественно, базисное и цепное среднее относительное изменения должны быть одинаковыми и сравнением их с критериальным значени­ем 1 делается вывод о характере изменения явления в среднем: рост, спад или стабильность.

Вычитанием 1 из базисного или цепного среднего относительного изменения образуется соответствующий средний темп изменения, по знаку которого также можно судить о характере изменения изучаемого явления, отраженного данным рядом динамики.

Всякий ряд динамики теоретически может быть представлен в виде составляющих:

Ø тренд – основная тенденция развития ряда, обусловливающая увеличение или снижение его уровней;

Ø циклические (периодические) колебания (в том числе сезонные);

Ø случайные колебания.

Проверка ряда динамики на наличие в нем тренда возможна несколькими способами (в порядке усложнения):

1. Графический метод, когда на графике по оси абсцисс откладывается время, а по оси ординат – уровни ряда. Соединив полученные точки линиями, в большинстве случаев можно выявить тренд визуально.

2. Метод средних, согласно которому изучаемый ряд динамики делится на два равных подряда, для каждого из которых определяется средняя величина  и . И если они различаются существенно (более 10%), то признается наличие тренда.

3. Метод Кокса и Стюарта, согласно которому ряд динамики делится на три равные по числу уровней группы и существенное различие выявляется между средними уровнями первой и третьей групп. Если общее число уровней не делится на три, то надо добавить недостающий уровень или исключить излишний.

4. Метод Валлиса и Мура, согласно которому наличие тренда признается в том случае, если ряд не содержит либо содержит в приемлемом количестве фазы, т.е. перемену знака при определении абсолютного изменения цепным способом.

5. Метод серий, согласно которому каждый уровень ряда считается принадлежащим к одному из двух типов, например типу А – меньше медианного или среднего значения или типу В – больше его. Затем в образовавшейся последовательности типов устанавливается число серий R. Они называются последовательностью уровней одинакового типа, которая граничит с уровнями другого типа. Если в ряду динамики общая тенденция к росту или снижению уровней отсутствует, то число серий является случайной величиной, распределенной приближенно по нормальному закону (при n>30) или по распределению Стьюдента (при n<30). Следовательно, если закономерности в изменениях уровней нет, то случайная величина R оказывается в доверительном интервале

где t – коэффициент доверия для принятого уровня вероятности при нормальном законе или со степенью свободы k = (n - 1) при распределении Стьюдента;

– среднее число серий в ряду, определяемое по формуле: ; – среднее квадратическое отклонение числа серий в ряду, определяемое по формуле .

       Подставляя среднее число серий и его среднее квадратическое отклонение в доверительный интервал, получим его развернутое значение в виде

.

Значит, с заданной вероятностью тренд имеет место, если установленное число серий ряда не входит в доверительный интервал, и тренд отсутствует, если установленное число серий находится в этом интервале.

Этот процесс можно осуществлять тремя способами.

1. Укрупнение интервалов, когда ряд динамики делят на некоторое достаточно большое число равных интервалов. Если интервальные средние уровни не позволяют увидеть тенденцию, то увеличивают размах интервалов, уменьшая одновременно их число.

2. Методом скользящей средней, когда уровни ряда заменяются средними величинами, получаемыми из данного уровня и нескольких симметрично его окружающих уровней. Такие средние называются интервалом сглаживания. Он может быть нечетным (3, 5, 7 и т.д. уровней) или четным (2, 4, 6 и т.д. уровней). Чаще применяется нечетный интервал, потому что сглаживание идет проще. При этом формулы для расчета скользящей средней величины имеют вид

;

.

Недостаток метода скользящей средней заключается в условности определения сглаженных значений для уровней в начале и в конце ряда. Получают их по специальным формулам. Так, при сглаживании по трем уровням условное значение первого уровня нового ряда рассчитывается по формуле

.

Для уровня в конце нового ряда при таком сглаживании формула аналогична:

.

При сглаживании по пяти уровням условными оказываются по два уровня в начале и в конце нового ряда. Первое условное значение определяется по формуле

,

а второе – по формуле

.

Для двух уровней в конце нового ряда при таком сглаживании формулы аналогичны. Так, последнее расчетное значение определяется по формуле

,

а предпоследнее значение по формуле

.

3. Метод аналитического выравнивания, под которым понимается формализация основной, проявляющейся во времени тенденции развития изучаемого явления. В итоге получают наиболее общий результат действия всех причинных факторов, а отклонение конкретных уровней ряда от формализованных значений объясняют действием фактов, проявляющихся случайно или циклически. В результате приходят к трендовой модели вида

,                                                         (1.55)

где – математическая функция развития; – случайное или циклическое отклонение от функции; t – время в виде номера периода (уровня ряда). Цель такого метода – выбор теоретической зависимости  в качестве одной из функций:

– прямая линия;

 – гипербола;

– парабола;

– степенная;

 – ряд Фурье.

Определение параметров  в этих функциях может вестись несколькими способами, но самые незначительные отклонения аналитических (теоретических) уровней (  – читается как «игрек, выравненный по t») от фактических () дает метод наименьших квадратов – МНК (т.е.  минимально). При этом методе учитываются все эмпирические уровни и должна обеспечиваться минимальная сумма квадратов отклонений эмпирических значений уровней от теоретических :

.                                            (1.56)

В частности, при выравнивании по прямой вида , параметры и отыскиваются по МНК следующим образом. В формуле (1.56) вместо  записываем его конкретное выражение . Тогда

.

Дальнейшее решение сводится к задаче на экстремум, т.е. к определению того, при каком значении и  функция двух переменных S может достигнуть минимума. Как известно, для этого надо найти частные производные S по  и , приравнять их к нулю и после элементарных преобразований решить систему двух уравнений с двумя неизвестными.

В соответствии с вышеизложенным найдем частные производные

Сократив каждое уравнение на 2, раскрыв скобки и перенеся члены с y в правую сторону, а остальные – оставив в левой, получим систему нормальных уравнений

где n – количество уровней ряда; t – порядковый номер в условном обозначении периода или момента времени; y – уровни эмпирического ряда.

Эта система и, соответственно, расчет параметров  и  упрощаются, если отсчет времени ведется от середины ряда. Например, при нечетном числе уровней серединная точка (год, месяц) принимается за нуль. Тогда предшествующие периоды обозначаются соответственно –1, –2, –3 и т.д., а следующие за средним (центральным) – соответственно 1, 2, 3 и т.д. При четном числе уровней два серединных момента (периода) времени обозначают –1 и +1, а все последующие и предыдущие, соответственно, через два интервала: , ,  и т.д.

При таком порядке отсчета времени (от середины ряда) = 0, поэтому система нормальных уравнений упрощается до следующих двух уравнений, каждое из которых решается самостоятельно:

                                 (1.57)

Как видим, при такой нумерации периодов параметр  представляет собой среднее значение уровней ряда. К данному виду можно свести гиперболу, если ввести замену , тогда к ней полностью применима система уравнений (1.57).

По полученной модели для каждого периода (каждой даты) определяются теоретические уровни тренда () и оценивается надежность (адекватность) выбранной модели тренда.

 

ЛЕКЦИЯ 7. ИНДЕКСЫ

Индекс — относительная величина, показывающая, во сколько раз уровень изучаемого явления в данных условиях отличается от уровня того же явления в других условиях. В статистическом анализе индексы используются не только для со­поставления уровней явлений, но и для установления значимости при­чин, вызывающих их изменение.

Если анализируются простые явления или не имеет значения струк­тура сложных явлений, то применяются индивидуальные индексы. На­пример, такие простые явления как количество проданного товара q и его цена р своим произведением образуют такое сложное явление, как выручка от продаж Q = qp. Сравнение их значений по отдельности для конкретного товара в отчетном периоде времени относительно ка­кого-либо базисного периода и дает индивидуальные индексы:

— количества товара i_q   = q ₁ / q ₀;

— его цены i_p = p ₁ / p ₀;

— выручки от продаж i_Q = Q ₁ / Q ₀.

Очевидно, что индивидуальный индекс сложного явления формиру­ется из таких индексов простых его составляющих по типологической формуле его определения. То есть

i_Q = i_qi_p                                                                     

Индекс становится общим, когда в основной формуле показывается неоднородность изучаемого явления. Например, анализируется изменение выручки от продаж не одного, а всех или нескольких видов товаров. Тогда общий индекс количества проданных товаров будет равен

=

Аналогично по ценам =          

Аналогично по выручке = =

Однако здесь двухфакторная мультипликативная модель не может выглядеть как в случае индивидуальных индексов, потому что произве­дение простых общих индексов количества товаров и цен не равно об­щему индексу выручки. То есть   и убеждаемся в этом нера­венстве, подставив значения общих индексов из формул

В самом деле:

Как видим, в числителе и знаменателе левой части произведения сумм, а в числителе и знаменателе правой части сумма произведений и они, конечно, не адекватны.

Это вызвано тем, что записанные выше общие индексы простых яв­лений не отражают взаимосвязи между собой в сложном явлении и по­тому считаются не объективными. Поэтому они помечены штрихом и названы простыми общими индексами.

Агрегатные общие индексы

Объективность общим индексам придает их запись в агрегатном ви­де, предложенная испанцем Ласпейресом и немцем Пааше.

Агрегатный общий индекс Ласпейреса для количества товаров как первого фактора выручки определяется по формуле

=                                                     

Аналогично можно записать агрегатный общий индекс Ласпейреса для цен как первого фактора выручки, то есть

=                                                     

В формулах Ласпейреса знаменатели по существу одинаковые, пред­ставляя собой выручку базисного периода, а числители разные. В фор­муле (1.75) это отчетная выручка в базисных ценах (количесгво товаров отчетное, а цены — базисные), в формуле (1.76) наоборот — базисная выручка в отчетных ценах (цены отчетные, а количество товаров — ба­зисное).

Агрегатные общие индексы Пааше применяются ко вторым факто­рам мультипликативных моделей. Поэтому такой индекс для цен как второго фактора выручки определяется по формуле

=                                                      

Аналогично можно записать агрегатный общий индекс Пааше для количества товаров как второго фактора выручки, то есть

=                                                      

В формулах Пааше числители по существу одинаковые, представляя собой выручку отчетного периода, а знаменатели аналогичны числите­лям формул Ласпейреса.

Для облегчения запоминания студентами формул Ласпейреса и Пааше предлагаю обратить внимание на букву «ш» в слове «Пааше», которая напоминает «111» - так обозначены отчетные периоды в общей формуле (две единицы – в числителе, а одна – в знаменателе). В формуле же Ласпейреса – три нуля (наоборот к формуле Пааше).

Произведения количественного индекса Ласпейреса и ценового ин­декса Пааше, а также ценового индекса Ласпейреса и количественного индекса Пааше дают общий индекс выручки.

Однако вид этих формул показывает, что однофакторные индексы Ласпейреса и Пааше не равны между собой. То есть не равными явля­ются количественные индексы Ласпейреса и Пааше и ценовые. Амери­канский экономист Гершенкрон обширными расчетами установил, что по одному и тому же фактору индекс Ласпейреса всегда больше индекса Пааше и это открытие названо эффектом Гершенкрона.

Но в статистике должно быть одно значение индекса, поэтому аме­риканский экономист Фишер предложил применять среднюю геометри­ческую величину из индексов Ласпейреса и Пааше, определяя ее по формулам:

для количества товаров =