Определение численности и состава занятых лиц по окз

Экономически активное население — это часть населения, которая предлагает свой труд для производства товаров и услуг.

В международных статистических стандартах говорится о том, что термин «экономически активное население» может иметь два значения в зависимости от продолжительности периода, к которому оно применяется. Если определяется экономически активное население за короткий период, равный неделе или дню, то подразумевается население, активное в данный период, к которому применяется также термин «рабочая сила», если за длительный период — то подразумевается обычно активное население.

Население, активное в данный период (или рабочая сила), — это наиболее часто используемый показатель, характеризующий численность экономически активного населения. Коэффициент экономической активности населения определяется как соотношение между численностью экономически активного населения и численностью всего населения страны:

где Р_э.ак - численность экономически активного населения на t-ю дату;

Р_t - численность всего населения на t-ю дату.

Экономически активное население включает две категории — занятых и безработных.

К занятым относятся лица обоего пола в возрасте от 16 лет и старше, а также лица младших возрастов, которые в рассматриваемый период:

а) выполняли работу по найму за вознаграждение, деньги или с ними расплачивались в натуральной форме, а также иную работу, приносящую доход, самостоятельно или с компаньонами как с привлечением, так и без привлечения наемных работников независимо от сроков получения непосредственной оплаты или дохода за свою деятельность;

б) временно отсутствовали на работе по причине: болезни или травмы; выходных дней; ежегодного отпуска; различного рода отпусков как ссохранением содержания, так и без сохранения содержания, отгулов; отпуска по инициативе администрации; забастовки и других причин;

в) выполняли работу без оплаты на семейном предприятии.

Понятие «занятость» непосредственно связано с понятием «границы производства», так как в системе национальных счетов (СНС) определено, что занятыми следует считать лиц, которые участвуют в создании товаров и оказании услуг в пределах границ производства. Такой подход к определению занятости позволяет проводить совместный анализ показателей занятости и производства.

При отнесении или неотнесении того или иного лица к числу занятых используется критерий одного часа, согласно которому работы в течение одного часа в отчетном периоде в сфере экономической активности достаточно, чтобы это лицо было отнесено к числу занятых.

В международных стандартах уточняется, что к отчетному периоду применяется критерий одной недели или одного дня. В России при обследовании занятости к числу занятых относятся лица, работавшие один час и более в обследуемую неделю.

Применение критерия одного часа вызвано тем, что необходимо охватить все виды занятости, которые могут существовать в стране, включая краткосрочную, случайную и другие виды нерегулярной занятости. Это позволяет определять суммарные затраты труда, которые в экономическом анализе соотносятся с размерами продукции, доходами от экономической деятельности и другими величинами.

На основе данных о численности занятого населения и экономически активного населения можно рассчитать коэффициент занятости населения:

где Т_t — численность занятых на t-ю дату.

Коэффициент занятости рассчитывается как по населению в целом, так и по полу и отдельным возрастным группам населения.

 

_____________________________________________________________________________________

 

 

Корреляционный анализ

При изучении корреляций стараются установить, существует ли какая-то связь между двумя показателями в одной выборке (например, между ростом и весом детей или между уровнем IQ и школьной успеваемостью) либо между двумя различными выборками (например, при сравнении пар близнецов), и если эта связь существует, то сопровождается ли увеличение одного показателя возрастанием (положительная корреляция) или уменьшением (отрицательная корреляция) другого.

Иными словами, корреляционный анализ помогает установить, можно ли предсказывать возможные значения одного показателя, зная величину другого.

До сих пор при анализе результатов нашего опыта по изучению действия марихуаны мы сознательно игнорировали такой показатель, как время реакции. Между тем было бы интересно проверить, существует ли связь между эффективностью реакций и их быстротой. Это позволило бы, например, утверждать, что чем человек медлительнее, тем точнее и эффективнее будут его действия и наоборот.

С этой целью можно использовать два разных способа: параметрический метод расчета коэффициента Браве-Пирсона (r) и вычисление коэффициента корреляции рангов Спирмена (r_s), который применяется к порядковым данным, т.е. является непараметрическим. Однако разберемся сначала в том, что такое коэффициент корреляции.

Коэффициент корреляции

Коэффициент корреляции — это величина, которая может варьировать в пределах от +1 до -1. В случае полной положительной корреляции этот коэффициент равен плюс 1, а при полной отрицательной — минус 1. На графике этому соответствует прямая линия, проходящая через точки пересечения значений каждой пары данных:

В случае же если эти точки не выстраиваются по прямой линии, а образуют «облако», коэффициент корреляции по абсолютной величине становится меньше единицы и по мере округления этого облака приближается к нулю:

В случае если коэффициент корреляции равен 0, обе переменные полностью независимы друг от друга.

В гуманитарных науках корреляция считается сильной, если ее коэффициент выше 0,60; если же он превышает 0,90, то корреляция считается очень сильной. Однако для того, чтобы можно было делать выводы о связях между переменными, большое значение имеет объем выборки: чем выборка больше, тем достовернее величина полученного коэффициента корреляции. Существуют таблицы с критическими значениями коэффициента корреляции Браве-Пирсона и Спирмена для разного числа степеней свободы (оно равно числу пар за вычетом 2, т. е. n- 2). Лишь в том случае, если коэффициенты корреляции больше этих критических значений, они могут считаться достоверными. Так, для того чтобы коэффициент корреляции 0,70 был достоверным, в анализ должно быть взято не меньше 8 пар данных ( h =n -2=6) при вычислении r (см. табл. 4 в Приложении) и 7 пар данных (h= n-2= 5) при вычислении r_s (табл. 5 в Приложении).

Хотелось бы еще раз подчеркнуть, что сущность этих двух коэффициентов несколько различна. Отрицательный коэффициент r указывает на то, что эффективность чаще всего тем выше, чем время реакции меньше, тогда как при вычислении коэффициента r_sтребовалось проверить, всегда ли более быстрые испытуемые реагируют более точно, а более медленные — менее точно.

Коэффициент корреляции Браве-Пирсона (r) — этопараметрический показатель, для вычисления которого сравнивают средние и стандартные отклонения результатов двух измерений. При этом используют формулу (у разных авторов она может выглядеть по-разному)

где Σ XY — сумма произведений данных из каждой пары;
n-число пар;
X — средняя для данных переменной X;
Y — средняя для данных переменной Y
S_x — стандартное отклонение для распределения х;
S_y — стандартное отклонение для распределения у

Коэффициент корреляции рангов Спирмена ( r_s ) — это непараметрический показатель, с помощью которого пытаются выявить связь между рангами соответственных величин в двух рядах измерений.

Этот коэффициент рассчитывать проще, однако результаты получаются менее точными, чем при использовании r. Это связано с тем, что при вычислении коэффициента Спирмена используют порядок следования данных, а не их количественные характеристики и интервалы между классами.

Дело в том, что при использовании коэффициента корреляции рангов Спирмена (r_s) проверяют только, будет ли ранжирование данных для какой-либо выборки таким же, как и в ряду других данных для этой выборки, попарно связанных с первыми (например, будут ли одинаково «ранжироваться» студенты при прохождении ими как психологии, так и математики, или даже при двух разных преподавателях психологии?). Если коэффициент близок к +1, то это означает, что оба ряда практически совпадают, а если этот коэффициент близок к -1, можно говорить о полной обратной зависимости.

Коэффициент r_s вычисляют по формуле

где d — разность между рангами сопряженных значений признаков (независимо от ее знака), а — число пар.

Обычно этот непараметрический тест используется в тех случаях, когда нужно сделать какие-то выводы не столько об интервалах между данными, сколько об их рангах, а также тогда, когда кривые распределения слишком асимметричны и не позволяют использовать такие параметрические критерии, как коэффициент r (в этих случаях бывает необходимо превратить количественные данные в порядковые).

 

_____________________________________________________________________

 

 

Линейное уравнение парной регрессии имеет вид:
ŷ = b₀ + b₁ · x
где ŷ — оценка условного математического ожидания y;
b₀, b₁ — эмпирические коэффициенты регрессии, подлежащие определению.

_________________________________________________________

Алгоритм расчета коэффициентов парной линейной регрессии

у результативный признак, или зависимый
х факторный, т е определяющий
первая формула - уравнение парной регрессии, факторное, без влияния Е
соответственно "в" это коэффицент регрессии, "а" значение при нулевом ч

cov – ковариация

_________________________________________________________________