Návrat na detail prednášky / Stiahnuť prednášku / Žilinská univerzita / Prevádzky a ekonomiky dopravy a spojov / ekonomicka statistika

prednasky_statistika-1.doc (prednasky_statistika-1.doc)

        Ekonomická štatistika        Prednáška 1        

Historický vývoj štatistiky súvisí s poznaním – informácie - hromadný charakter, potreba len vyhodnocovania a spracovania → úloha praktickej a teoretickej štatistiky.

1. zmeny vo vývoji vednej disciplíny – vo význame :

1. najstaršia štatistika – staroveké ríše pred n. l.
2. novoveká – od narodenia Krista
3. ½ 16 stor. popis štátu – hospodársky, zemepisný, politický – 1562 Benátky – Francesco Sansovina jedno z prvých štátovedných diel „O vláde a správe v rôznych kráľovstvách“, o 100 rokov neskôr Veit Ludwig von Secledor – štátovedná príručka, „Nemecký kniežací štát“.
4. 16 stor. Anglicko – politická aritmetika 1620-1687 John Graunt a Wiliam Petty – vývoj hromadných údajov v čase ( populačný prírastok a úbytok obyvateľstva)
5. 18 stor. 1719-1772 Gottfried Achenwall – popisná štatistika, ktorá sa zachovala dodnes – pamätihodnosti a významné geografické údaje o krajine
6. začiatok 19. stor. 1796-1874 Belgičan Adolphe Quéletet (Ketlé) položil základy teórie štatistiky a Jakob Bernoullim základy teórie pravdepodobnosti
7. systém národného účtovníctva – nor Rangar Fish a Holanďan Ed Van Cleeff, ale prvý použiteľný štandard národného účtovníctva vytvoril profesor Richard Stone v roku 1947, používať sa začala od roku 1952 a v roku 1984 dostal Nobelovu  cenu za ekonómiu.
8. 20.stor. rýchly rozvoj tejto vednej disciplíny a v 70-tych rokoch i vďaka výpočtovej technike.

2. zmeny v práci so štatistickými údajmi :

1. stav – popis
2. údaje vyvíjajúce sa v čase – hromadné údaje
3. 30-té roky vznik modernej analitickej a induktívnej štatistiky – výber

Čo to vlastne štatistika je?

1. Číselné údaje o hromadných javoch
2. činnosti a inštitúcie
3. veda o stave a vývoji hromadných javov, číselne vyjadrených, ktoré skúma vo svojej celistvosti, premenlivosti, na základe metód zberu, spracovania a vyhodnocovania  

Ekonomická štatistika skúma sociálne – ekonomické javy a procesy a jej základnou úlohou je poskytnúť vecne správne informácie o priebehu týchto javov a procesov prostredníctvom číselných charakteristík – ukazovateľov. Ich sústava dáva zobraziť stav, dynamiku a štruktúru týchto javov a procesov.

Základné pojmy:

Štatistická jednotka – elementárna jednotka štatistického poznania, základný prvok štatistického súboru.

Štatistický znak – vlastnosť ktorej nositeľom je štatistická jednotka, môže byť spoločná viacerým  štatistickým jednotkám v súbore dá sa charakterizovať, alebo merať.

Štatistický súbor – je množina všetkých štatistických jednotiek , ktorá vyhovuje určitým vlastnostiam spoločným pre všetky jednotky daného súboru.

Je vymedzený:

1. vecne- ide o stanovenie obsahu štatistického zisťovania
2. časovo- stanovenie rozhodného okamihu
3. priestorovo- hranice

Rozsah štatistického súboru - je daný počtom jednotiek štatistického súboru

Obsah štatistického súboru - je vymedzený súhrnom štatistických znakov, ktoré patria štatistickým jednotkám tvoriacich súbor.

Štatistické skúmanie - je súhrn metód, spôsobov a vyjadrovacích prostriedkov pre získavanie, spracovanie a vyhodnocovanie št. údajov.

Etapy št. skúmania:

- zisťovanie

- spracovanie

- analýza, vyhodnocovanie

zisťovanie

1. príprava - účel – cieľ

             - rozsah a obsah št. súboru

             - rozsah skúmania

             - metódy skúmania

             - rozpočet zisťovania

2. organizácia a technika št. zisťovania

1. voľba spravodajských jednotiek
2. či pôjde o centralizované alebo decentralizované zisťovanie
3. príprava formulárov
4. stanovenie času (okamih, interval)

3. metódy št. zisťovania

1. primárne
2. sekundárne
3. podľa periodicity: - bežné

                                   - jednorázové

4. podľa úplnosti št. zisťovania -  vyčerpávajúce

                                                    -  výberové

1. formy štatistického zisťovania

5. výkazníctvo
6. súpis - makrocenzus

              - mikrocenzus

7. štatistický odhad
8. ankety (5 otázok )
9. monografie – vedecké poznatky o jednom probléme
10. dotazník ( do 20 otázok )

Vlastné zisťovanie a kontrola jeho výsledkov

Elementárne štatistické spracovanie – slúži na usporiadanie údajov a definovanie vlastnosti súboru, prípadne jednotiek typických predaný súbor a ďalšiu prácu so súborom.

Voľba techniky spracovania závisí od:

11. rozsahu súboru
12. počtu zisťovaných znakov
13. lehoty na spracovanie
14. finančných prostriedkov

Štatistické spracovanie zahŕňa:

15. triedenie štatistického súboru
16. opis štatistického súboru
17. prezentáciu štatistických údajov ( tabuľky, grafy )
18. záver – výsledky analýzy pre rozhodovanie

Techniky štatistického spracovania:

19. ručné - čiarkovacia metóda

               - metóda ručných štítkov

               - metóda sústredených tabuliek

20. mechanické – na PC

Kontrola údajov:

21. vstupných - formálna

                      - vecná

22. spracovávaných údajov
23. výsledkov – zabezpečenie právnej ochrany údajov ekonomických subjektov ako i ochrana údajov na počítačových médiách

Voľba výberovej schémy:

24. náhodný výber - s opakovaním

                              - bez opakovania

25. mechanický výber ( každý 5, 10 )
26. typický výber – vopred si definujeme určité vlastnosti

cieľ

účel zisťovania

27. viac stupňový výber – z hľadiska územné správneho

zisťovanie údajov a ich spracovanie

voľba výberovej schémy

voľné alebo výberové

definovanie štatist. súboru

špecifikácia štatist. znakov a jednotiek

                výberové        úplné

zisťovanie údajov a ich spracovanie

analýza a výpočet parametrov zákl. súboru

odhad parametrov zákl. súboru, analýza

analýzy a výpočet parametrov zákl. súboru

výsledky analýzy a ich praktické využitie pre daný cieľ

Triedenie        Prednáška 2

- usporiadanie štatistického súboru do skupín, tried, podľa určitého štatistického znaku alebo znakov tak, aby sa prehľadne ukázali typické vlastnosti sociálne – ekonomických javov, ich štruktúra alebo vzájomné vzťahy medzi jednotlivými znakmi. Triedenie môže byť typologické a analytické ( rozborové, kde sa zisťujú početnosti podľa rôznych znakov ).

Triediaci znak – znak ( vlastnosť ) na základe ktorého sa súbor triedi. Môže byť:

28. faktoriálny – teda hlavný znak

Druhy štatistických znakov

29. rezultatívny – pomocný, ďalší rozborový znak

          číselne vyjadrenie        slovne vyjadrenie

                                   dve možné varianty        viacero znakov

kvalitatívne

alternatívne

možné

kvantitatívne

poradové

merateľné

nespojité

spojité

                  muž, žena

Druhy triedenia

30. podľa počtu triediacich znakov – jednostupňové, viacstupňové
31. bilančné triedenie – je triedením na zdroje a potreby ( štátna rozpočet )
32. druhotné triedenie – jav sa opakovaným spôsobom triedi
33. primárne triedenie – metóda triedenia použitá jeden krát
34. priestorové triedenie – (okresy, kraje, štáty )
35. časové triedenie
36. vecné triedenie

Zásady triedenia

37. zásada jednoznačnosti – nesmie vzniknúť pochybnosť do ktorej triedy daná štatistická jednotka patrí
38. zásada úplnosti – ani jednotka nesie zostať nezaradená , pričom každá môže byť zaradená len raz.

Tvorba tried

Počet tried      m ≤ 5 log n                   n - početnosť

                   m ≈ √n

                   m ≈ 1 + 3,3 log n

Šírka intervalu           h =    xmax - xmin

                         m

Tvorba tried:

1. ak ide o štatistický znak, ktorý nadobúda v štatistickom súbore iba niekoľko obmien predstavuje každá hodnota znaku samostatnú triedu
2. ak triediaci znak nadobúda mnoho rôznych obmien tvorí každú jednotlivú triedu nejaký interval hodnôt triediaceho znaku – triedny interval

Ak jednotlivým triedam sú priradené počty štatistických jednotiek, hovoríme o triednej početnosti. Triedny interval je jednoznačne určení ak je daná jeho dolná alebo horná hranica. Rozpätie intervalu (a) môže byť rovnaké alebo rôzne. Intervaly môžu byť aj otvorené smerom nadol – chyba dolná hranica intervalu a smerom nahor – chýba horná hranica intervalu. Ak sú v rade rozdelenia početnosti intervaly hodnôt znaku ku ktorým sú pridelené triedne početnosti hovoríme o intervalovom rozdelení početnosti.

Triedna početnosť môže byť vyjadrená:

1. absolútna – počet štatistických jednotiek patriacich do danej triedy
2. absolútna kumulovaná – súčet triednych početnosti od začiatku až do konca
3. relatívna – ak absolútne triedenie početností delíme rozsahom štatistického súboru
4. relatívna kumulovaná – vzniká kumuláciou od začiatku až do konca relatívnych hodnôt

Pri triedení podľa kvantitatívnych znakov sa na označovanie používajú X,Y,Z

Rozdelenie hodnôt početnosti štatistického súboru        

Pričom platí:        pi = ni / ∑ ni

              ∑ pi = ∑ (ni / n) = (1/n) ∑ ni = (1/n).n =1

Triedenie kvalitatívnych

Jednotlivé odmeny kvalitatívnych znakov sú vyjadrené slovami. Pri spracovaní s pravidla označujeme jednotlivé kvalitatívne znaky A,B,C,D,... Triedené údaje sú usporiadané do tzv. kontigenčnej tabuľky

Všetky triedne početnosti pri alternatívnom aj pri možnom triedení musia byť kladné alebo nula, inak nie sú konzistentné.

Podmienky konzistencie pre dva kvalitatívne znaky:

A1B1 ≥ 0

A1B1 ≤ A1

A1B1 ≤ B1

A1B1 ≥ A1+B1-N

Pre vyjadrenie početnosti sa používajú aj rôzne typy grafov, najčastejšie sú to:

1. histogram –je stĺpcový graf, vhodný najmä na grafické znázornenie intervalových rozdelení početnosti. Tvoria ho stĺpce, ktorých výška (os(y)) je vyjadrením početností a šírka znamená interval (os x).
2. polygón – rozdelenia početnosti je stĺpcový graf, ktorý vzniká  pospájaním bodov, ktoré sú vytvorené súradnicami hodnôt znaku ( pri intervalovom rozdelení – stredy intervalov ) a početnosti.
3. ogivná krivka – Galtonova – kumulatívne rozdelenie početnosti ( histogram )
4. Gausová krivka – normálneho rozdelenia početnosti. Dôležité je pri triedení všímať si i tvar rozdelenia početnosti.
5. unimodálne – s jedným vrcholom, zvláštnym prípadom je rozdelenie v tvare písmena J. Maximálna hodnota je na vrcholoch. Dôležitá je hodnota s minimálnou početnosťou antimódusu.  
6. multimodálne – viac vrcholov. Je potrebné vytvoriť vhodným triedením toľko malo rozdelenia početnosti vrcholov

                Stredné hodnoty        Prednáška 3

Pri triedení štatistického súboru sa prejaví jeho štruktúra, avšak je potrebné nájsť také zovšeobecňujúce charakteristiky, ktoré dobre charakterizujú súbor a umožňujú jeho porovnávanie. Medzi základné charakteristiky súboru patria:

1. charakteristiky úrovne
2. variability
3. nesúmernosti

Stredná hodnota je číslo z intervalu v ktorom sa hodnoty vyskytujú prípadne je to jedna z nich, pričom:

1. musí byť jednoznačne a presne definovaná
2. ľahko zistiteľná
3. pri jej výpočte sa berú do úvahy všetky prvky znaku súbore
4. má mať vlastnosti umožňujúce porovnávanie
5. pri výberovom zisťovaní ma čo najmenej podliehať náhodnostiam výberu

Charakteristiky úrovne rozdeľujeme na:

1. priemery
2. ostatné stredné hodnoty

1. aritmetický priemer  x

                     jednoduchý     x                                  vážený     x

Používame ho na hodnotenie súborov, avšak tento priemer je ovplyvnený extrémnymi hodnotami znaku v súbore čo je jeho nevýhoda a výhodou je, že je pomerne jednoduchý a berie do úvahy všetky znaky v súbore.

Vlastnosti aritmetického priemeru:

1. súčet odchýliek hodnôt znaku od priemeru sa rovná nule
2. súčet štvorcov odchýliek hodnôt znaku od priemeru je minimálny
3. aritmetický priemer radu hodnôt skladajúcich sa s konštánt sa rovná tejto konštante
4. ak násobíme ( delíme ) triedne početnosti v štatistickom súbore ľubovoľnou konštantou nemá to vplyv na veľkosť aritmetického priemeru
5. zo súčinu nezávislých hodnôt znaku X,Y sa rovná súčinu ich aritmetických priemerov x.y = xy
6. zo súčinu hodnôt znaku sa rovná súčinu aritmetických priemerov hodnôt znaku a konštanty
7. ak sa štatistický súbor skladá z m čiastkových súborov pričom priemer týchto súborov sa rovná váženému priemeru počítanému z priemeru s týchto priemerov a ich početnosti

 2.  harmonický priemer  xH

            jednoduchý       xH                               vážený        xH                                        

Môžeme ho definovať ako podiel počtu prvkov a súčtu prevrátených hodnôt znaku, používa sa ak je medzi hodnotami znaku a výsledným javom nepriamy vzťah. Váhy hodnôt znakov sú dané nepriamo.

Vlastnosti harmonického priemeru:

1.   harmonický priemer radu hodnôt skladajúcich sa s konštánt sa rovná tejto konštante
2. ak násobíme ( delíme ) triedne početnosti v štatistickom súbore ľubovoľnou konštantou nemá to vplyv na veľkosť harmonického priemeru
3.   zo súčinu hodnôt znaku sa rovná súčinu harmonických priemerov hodnôt znaku a konštanty
4.   ak sa štatistický súbor skladá z m čiastkových súborov pričom priemer týchto súborov sa rovná váženému priemeru počítanému z priemeru s týchto priemerov a ich početnosti

3. Geometrický priemer   xG

xG =        jednoduchý – jednotka času je rovnaká

xG =

použitie logaritmov    log xG =

Najčastejšie sa používa na výpočet priemerného tempa rastu.

Medzi uvedenými priemermi platí nerovnosť xH   xG    x

Ostatné stredné hodnoty:

Medián -  - neberie všetky prvky daného súboru. Leží uprostred usporiadaného radu hodnôt znaku. Jeho polohu vypočítame:

                                                                             xr = (n+1)/2

Pri intervalovom rozdelení hodnôt  xi

a – dolná hranica mediánového intervalu

h – rozpätie intervalu

- kumulovaná absolútna početnosť po mediánový interval

   - absolútna početnosť mediánového intervalu

Príklady:

  xr = (23+1)/2 = 12

  medián = 7 Intervalové rozdelenie počtu robotníkov.

           xr = (75+1)/2 = 38

    medián = 180 + 20 . [(38-22)/25] = 192,5

   módus = 180 + 20 . (9/13) = 193,8

   Δ1 = 25-16 = 9

   Δ2 = 25-21 = 4Módus Mó –   ^x

Najčastejšia hodnota xi znaku v súbore ( s najväčšou početnosťou ) v intervalovom rozdelení početnosti.

   1. ^x                                                a – dolná hranica Mó intervalu

   2. ^x                                                  h – rozpätie intervalu

                                                                                          Δ1 = nj-nj-1       Δ2 = nj-nj+1

Vzťahy medzi strednými hodnotami        Prednáška 4        

  Ak je rozdelenie početnosti v štatistickom súbore symetrické existuje hodnota xi , ku ktorej a od ktorej na obidve strany hodnoty klesajú a rastú rovnako. Ide o súmerné rozdelenie početnosti znázornením ktorej je gausova krivka.

  Ak je rozdelenie asymetrické môžu byť ľavostranné alebo pravostranné, pričom smer sa určuje podľa polohy módusu od aritmetického priemeru.

  Medzi strednými hodnotami platí príslušný vzťah na základe ktorého môžeme ktorúkoľvek z nich vypočítať:

   x -^x  3(x-)                    

výpočet aritmetického priemeru metódou vhodne zvoleného začiatku.

Túto metódu výpočtu používame ak pracujeme s veľkými číslami hodnôt xi a používame ju aj pri riešení korelačnej úlohy z intervalového triedenia hodnôt.

1. nájdeme si vhodne zvolený začiatok, ktorý označíme x0 – je to stred prostredného intervalu z počtu intervalov, v prípade párneho počtu intervalov je to ten, ktorý má väčšiu početnosť
2. zavedieme si pomocnú premennú Wi, ktorú vypočítame:

                               Wi = (xi - x0)/h

3. z predchádzajúceho vzťahu si vyjadríme xi = x0 + Wi . h
4. xi dosadíme do vzorca váženého aritmetického priemeru

x =       , potom

         x =

        x =

        x =

       Touto metódou môžeme vypočítať aj rozptyl:

               2 =

Kvantily

Rozdeľujú štatistický súbor na rovnako veľké časti a poznáme:

1. kvartily – rozdeľujú súbor na 4 časti
2. decily – rozdeľujú súbor na 10 častí
3. percentily - rozdeľujú súbor na 100 častí
4. medián - rozdeľuje súbor na 2 častí

Pri výpočte poskytuje tak ako pri výpočte mediánu  stým že musíme zohľadniť polohu daného prvku.

Napríklad pri kvartiloch

Poloha dolného kvartilu :             xrQ1 = ( n + 1 ) / 4      

Poloha horného kvartilu :            xrQ3 = 3( n + 1 ) / 4

Z intervalového triedenia

     Q1 = a + h .                výpočet hodnoty kvartilu horného aj dolného

     Q3 = a + h .

Charakteristiky variability

Štatistické súbory sa môžu líšiť okrem úrovne hodnôt znaku aj z iných príčin, tzn. že ak dva súbory majú rovnakú strednú hodnotu nemusia byť identické, čo je dané rôznou štruktúrou prvkov, rozdelením početnosti ako aj menlivosťou hodnôt znakov.

Napr.

I. súbor    xi 4,4,4,5,5,5,5,5,6,6,6

II. súbor  xi 1,1,1,5,5,5,5,5,9,9,9

Uvedené súbory sa líšia:

1. minimálnou a maximálnou hodnotou znaku v súbore
2. jednotlivými hodnotami znakov v súbore
3. početnosťou znakov v súbore
4. hodnotami znaku v súbore a strednými hodnotami

Variácie vznikajú pôsobením rôznych vplyvov na sociálno – ekonomické javy a vyvolávajú medzi nimi rôzne spojenia.

Variabilita je menlivosť hodnôt znaku v súbore a môže byť objektívna, je daná rôznymi podmienkami v ktorom sa javy realizujú, subjektívna, vzniká z nepresnosti pri zbere, spracovaní a voľby metód spracovania.

Stredné hodnoty charakterizujú štatistický súbor s malou variabilitou hodnôt lepšie ako s veľkou variabilitou. Vo všeobecnosti môžeme povedať, že stredná hodnota je dobrou zovšeobecňovanou charakteristikou ak jej hodnota sú sústredenejšie okolo strednej hodnoty.

  Variabilitu meriame mierami variability, ktoré vyjadrujú kolísanie hodnôt znaku xi okolo priemeru a merajú vypovedaciu hodnotu stredných hodnôt.

1. veľkosť je ovplyvňovaná len niektorými hodnotami znaku v súbore :

- variačné rozpätie      VR = xmax - xmin

  Je veľmi hrubá miera variability a určuje vlastne len interval, v ktorom sa nachádzajú hodnoty znaku v súbore. Nedostatkom je VR ovplyvnené extrémnymi hodnotami a neinformuje o štruktúre súboru ani o vzťahu k stredným hodnotám.

- kvartilové rozpätie      QR = Q3 – Q1

QR vyjadruje šírku intervalu, v ktorom leží polovica hodnôt štatistického súboru.

     - kvartilová odchýlka    Q = ( Q3 – Q1 ) / 2

 Je už zbavená extrémnych hodnôt avšak nevýhoda – neberie do úvahy všetky prvky súboru.

2. veľkosť závisí od každej hodnoty znaku v súbore

1. absolútne ( sú v merných jednotkách hodnôt znaku xi )

1. priemerná odchýlka    

    d =                     d =

             jednoduchá                                       vážená

Nevýhoda – je v absolútnych hodnotách, čo je nevýhoda pri znakoch súboru, ktoré nadobúdajú záporné hodnoty a nemôžeme ju použiť pri výberovom súbore.

1. rozptyl  б2 ,  ѕ2

   б2 =                                               б2 =

               jednoduchý                                                        vážený

Meria súčastne menlivosť hodnôt znakov v súbore od priemeru a súčastne vzájomnú menlivosť medzi prvkami súboru. Jeho hodnota býva pomerne veľká a ťažká je aj jeho vypovedacia schopnosť, preto nás zaujíma jeho jedna strana tzv. smerodajná štandardná odchýlka  б, s  

                          б = √б2

2. relatívna ( vyjadrené v % )

2. priemerná pomerná odchýlka

                                  dp = ( d / x ) . 100    ( v % )

3. variačný koeficient

                                vk = ( б / x ) . 100     ( v % )

Umožňujú porovnávať rôznorodé súbory.

Čím menších hodnôt nadobúdajú miery variability tým je súbor homogénnejší, rôznorodejší.

Charakteristiky nesúmernosti

1. miera šikmosti

Miery šikmosti porovnávajú stupeň nahustenia malých hodnôt sledovaného štatistického znaku so stupňom nahustenia veľkých hodnôt tohto znaku. Ak sú rovnaké hovoríme o symetrickom rozdelení početnosti. Ak stupeň nahustenia malých hodnôt je väčší ako stupeň veľkých hodnôt hovoríme o kladnej šikmosti, ak naopak záporná šikmosť.

2. miera špicatosti

Porovnávajú stupeň nahustenia hodnôt prostrednej veľkosti so stupňom nahustenia ostatných hodnôt. Ak je podiel početnosti prostredných hodnôt približne rovnaký s početnosťou ostatných hodnôt špicatosti má plochý tvar, ak naopak špicatý tvar.

Štatistické skúmanie závislosti        Prednáška 5

Sociálno-ekonomické javy nie sú izolované, každý jav je výsledkom spolupôsobenia iných javov.Ich skúmanie umožňuje hlbšie preniknúť do podstaty skúmaného javu a následne vzniká možnosť dané javy ovplyvňovať. Štatistické skúmanie závislosti najmä príčinných je keď jeden jav je príčinou, ktorého závislosť delíme na:

4. funkčnú (pevnú) keď každej y premennej závislej, ktorej je funkciou zodpovedá x nezávisle premenná.
5. stochastická (voľná) závislosť vzniká medzi sociálne ekonomickými javmi a je vyvolaná celým radom príčina následkov. Ak sa jedná o závislosť medzi kvantitatívnymi javmi hovoríme o korelačnej závislosti ak o kvalitatívnej hovoríme o asociačnej závislosti.

Kvantitatívny znak môžeme považovať za závisle premennú veličinu, ktorá je funkciou komplexu činiteľov na ňu pôsobiacich, pričom určitý počet vplyvov môžeme odmerať, určitý počet nevieme špecifikovať a zvyšok sú náhodné javy. Všeobecne môžeme zapísať:

Y = f ( x1,x2,x3,.....xk; B0,B1,.....Bp; a, b,.....e)

                                        Y = f (x1...xk; B0....Bp ) + e

Y – závislá veličina

x – nezávislá premenná veličina

B – parametre ktoré nevieme špecifikovať

e – náhodná veličina  

Pri riešení závislosti je potrebné sa zaoberať dvomi úlohami:

1. regresná úloha
2. korelačná úloha

Chceme koreláciu podľa viacerých kritérií:  

1. podľa počtu znakov :  

1. jednoduchá korelácia medzi dvomi znakmi ( párová)
2. viacnásobná ( medzi viacerými znakmi )

1. podľa pomeru zmien kvantitatívnych znakov:

1. lineárna – priamka
2. nelineárna – krivky

2. podľa smeru zmien hodnôt kvantitatívnych znakov:

1. priama ( pozitívna ) – rast hodnôt jedného znaku vyvoláva rast hodnôt druhého znaku
2. nepriama ( negatívna ) – rast hodnôt jedného znaku vyvoláva pokles hodnôt druhého znaku

                              lineárna                                                                                   nelineárna

                        : .  .             :   . .                                                                       :     .                   .  :

                       .  :                 . :   . :                                                              . : .                           : .  .  :

                   :   . :                      :  : .                                                          : . :                                   :  :  . .

               : . . :                            ..:  :                                                      : . .                                          . . :

              :. : .                                 :.  .:                                                 . : . .                                          . : .

               .                                       :     .                                              :  .                                                . :

               priama                  nepriama                                                     priama                        nepriama

Regresná úloha ( francis galton )

1. zistiť a definovať závisle a nezávisle premennú
2. určiť formu závislosti a vyjadriť ju vhodnou matematickou funkciou  a vypočítať parametre tejto funkcie

Postup pri regresnej úlohe môže byť založený na dedukcii, ktorá vchádza z teoretických poznatkov a z hlbšieho vecného rozboru alebo induktívnym spôsobom, ktorý vychádza pozorovaním hodnôt.

Ak pracujeme s dvoma premennými, postup je nasledujúci:  

1. určime si závislú a nezávislú premennú
2. zostrojíme si korelogram ( bodový graf )
3. odhadneme vhodnú regresnú funkciu a to tak, že sa snažíme viesť ju medzi bodmi tak aby boli čo najviac sústredené okolo nami zvolenej funkcie
4. vypočítame parametre tejto funkcie
5. posúdime vhodnosť získaného odhadu konfrontáciou skutočných ( empirických ) hodnôt s vyrovnanými teoretickými hodnotami
6. v prípade neuspokojivých výsledkov volíme nový alternatívny typ funkcie

                    yi                                                                                   y`    ( ^y )

                                                                                                neprípustná oblasť extrapolácie regresnej priamky

                                                             y3        y`4

                                       y1

                                                 y`2       y`3

                                                                       y4

                                      y`1      y2          

                                      oblasť platnosti korelácie                 xi

Hľadáme priamku, ktorá najlepšie vystihuje závislosť. Musí vyhovovať dvom podmienkam:

1. súčet kladných a záporných odchýlok empirických hodnôt od vyrovnaných sa rovná 0.

                       ∑(yi - y`i) = 0         (yi - y`i) = di

2. štvorec odchýlok bol minimálny

                             ∑(yi – y`i)2 = min.

Priebeh regresívnych funkcií spĺňajúcich podmienky pre di = 0

              yi                                                  y`i (1)

                          -                                 -

                          +                                +

                                                                   y`i (2)

                                                                      xi

Metóda určená na výpočet parametrov regresnej funkcie je založená na podmienke di = 0 sa nazýva: „Metóda najmenších štvorcov“.

1. pre rovnicu priamky

y` = a + b x     - dosadíme do druhej podmienky

      f ( a, b ) = ∑( yi – a –b xi )2        

                              ∑ ( yi2 + a2 + b2 xi2 – 2 a yi – 2 b xi yi + 2 a b xi ) = min

Prvé parciálne derivácie podľa a a b

         δ f (a, b)     =   ∑ ( 2 a – 2 yi + 2 b xi ) = 0     /:2

           δ a              

        δ f (a, b)     =   ∑ ( 2 b xi2 – 2 yi xi + 2 a xi ) = 0     /:2

           δ a  

Po úprave dostaneme dve normálové rovnice:

∑ yi = n ? a + b ∑ xi

∑ xi yi = a ∑ xi + b ∑ xi2

Vypočítame parametre a, b :

                          a =       ∑ xi2 ∑ yi - ∑ xi ∑ xi yi                a = y – b x

                                    n ∑ xi2 – ( ∑ xi )2

                    b =     n ∑ xi yi - ∑ xi ∑ yi

                                 n ∑ xi2 – ( ∑ xi )2

a – aké hodnoty nadobúda závislá premenná ak nezávislá premenná = 0  

b -  regresný koeficient, smernica priamky udáva zmenu y , ktorá je spôsobená zmenou x o jednotku

Podobné počítanie:

parabolickú regresiu :     y = a + b x +c x2      

hyperbolickú 1. stupňa : y = a + b/x

exponenciálnu :              y = y+ bx

logaritmickú :                 y = a + b log x

                Korelačná úloha        Prednáška 6

Regresné čiary, ktoré sú výsledkom regresnej úlohy určujú hlavný smer závislosti a ako sa v priemere mení hodnota jedného znaku v závislosti od jednotkovej zmeny druhého znaku. Cieľom korelačnej úlohy je určiť tesnosť stupňa závislosti. Výsledkom je index, ktorý charakterizuje závislosť dvoch veličín. Obecne môžeme povedať, že závislosť medzi skúmanými javmi je tým tesnejšia čím je tesnejšie ležia body okolo nami zvolenej regresnej čiary. Tesnosť závislosti je spojená s variabilitou hodnôt. Na zistenie spoľahlivosti rovnice regresiene musíme zistiť mieru rozptylu hodnôt premenlivých veličín okolo regresnej čiary. Na charakterizovanie miery variability používame rozptyl, ktorý môžeme rozdeliť na :

1. teoretický – vyjadruje kolísanie hodnôt nezávisle premenných
2. reziduálny ( zostatkový ), ktorý vyjadruje vplyv iných príčin na variabilitu hodnôt v súbore

Čím bude väčšia váha teoretického rozptylu, tým bude väčší vplyv nezávislej premennej a naopak.

Celkový rozptyl = teoretický + reziduálny

бyi2 = dy2 + бy`2

Korelačnú závislosť meriame mierami tesnosti závislosti

determinančný – je to pomer teoretického rozptylu a celkového rozptylu, ktorý dostaneme úpravou rovnice rozkladu celkového rozptylu, označujeme I2yx nadobúda hodnoty v intervale <0,1>. Čím sú hodnoty bližie k hraniciam intervalu hovoríme o väčšej čiže silnejšej závislosti. Pri párovej korelácii platí I2yx ≠ I2xy

Častejšie sa v praxi používa odmocnina z determinančného indexu t.j. index korelácie, nadobúda  

hodnoty <0,1>  Iyy ≠ Ixy

index korelácie

Tento index počítaný z intervalového triedenia hodnôt v korelačnej tabuľke musíme upraviť o triedne početnosti.

koeficient korelácie ryx

- nadobúda hodnoty <-1,1>, je najčastejšou mierou korelácie a špecifickým prípadom pre lineárnu závislosť,    a dostaneme ho tak, že do dy dosadíme vyrovnanú rovnicu priamky

6. ak ryx sa rovná 1 ide o úplnú priamu lineárnu závislosť
7. ak ryx sa rovná -1 ide o úplnú nepriamu lineárnu závislosť
8. ak ryx sa rovná  0 znamená to, že medzi hodnotami nie je lineárna závislosť ( môže byť nelineárna )

Korelačný koeficient z intervalového triedenia hodnôt počítame z korelačnej tabuľky a to tak, že všetky hodnoty znakov musíme vážiť príslušnou početnosťou, ktorú môžeme označiť  ●

   
Koeficient korelácie je symetrický teda platí     ryx = rxy

Na zistenie spoľahlivosti hodnoty korelačného koeficientu používame tzv. teoretickú strednú chybu.

    бr

ak platí   3бr < r  je spoľahlivý  

korelačný pomer   ηyx

- nadobúda hodnoty <-1,1>

- je to obecná miera tesnosti závislosti, ktorú používame pre intervalové a skupinové triedenie početnosti a vtedy ak nevieme odhadnúť a matematicky definovať regresnú funkciu.

    - ak η = 0 lineárna závislosť

    - ak je hodnota bližšie k -1, 1 ide o nelineárnu závislosť

Medzi mierami závislosti platí vzťah:  η ≥ ryx ≥ Iyx

Výpočet korelačnej závislosti s intervalového rozdelenia hodnôt

Korelačná tabuľka

9. je špecifickým prípadom rozdelenia početnosti pre hodnoty závisle premennej, ktoré sú v intervaloch i nezávisle premenné, ktoré sú tiež v intervaloch.
10. je aj prostriedkom analýzy o akú závislosť medzi danými javmi ide, čo urobíme na základe koncentrácie hodnôt ( početnosti ) okolo uhlopriečok tabuľky.

Na zjednodušenie výpočtu sa intervalovo triedené hodnoty transformujú pomocou metódy vhodne zvoleného začiatku, čím sa zjednoduší výpočet parametrov funkcie.

Transformácia

     nezávislá                                       k- širka intervalu pre závislú hodnotu

 y` = a`+b`x`

Po výpočte parametrov musíme hodnoty transformovať do pôvodných hodnôt a to tak, že transformujúce hodnoty dosadíme do rovnice      y`= a` + b`x`

            a = y0 + k . a` - b`.(k/h) . x0                       b = b` . (k/h)

Nepravá korelácia

Ak je preukázaná závislosť medzi danými znakmi a korelačná úloha potvrdila silu tejto závislosti, musíme sa opäť vrátiť na začiatok a prehodnotiť otázky, príčiny a účinky. Existuje totiž tzv. pseudokorelácia, ktorú vieme matematicky vyjadriť, vypočítať silu, vzťahov medzi danými javmi, avšak dávať ich do takýchto vzťahov je nelogické.

                Pomerné čísla        Prednáška 7

- sú také čísla, ktoré uvádzajú štatistické údaje do vzájomných vzťahov a tým plnia dôležitú úlohu štatistiky (porovnávanie ).

Pomernými číslami vyjadrujeme:

11. vzťahy medzi časťami súborov
12. vzťahy medzi časťou súboru a celým súborom
13. vzťahy medzi viacerými súbormi

Umožňujú nám porovnávať rôznorodé veličiny.

Pomerné čísla môžu byť vyjadrené:

1. koeficientom
2. percentom

Rozdeľujeme ich:

1. rovnorodé – vyjadrujú pomer dvoch znakov vyjadrených v rovnakých merných jednotkách

 Patria tu:

1. pomerné čísla štruktúry, ktoré vyjadrujú podiel časti na celku, súvisia s triedením a môžu sa využívať pri kvantitatívnych aj kvalitatívnych jednotkách.
2. plnenia plánu – používajú sa na porovnávanie skutočného javu s plánovaným. Podľa toho aké údaje poznáme môžu  mať tvar váženého aritmetického priemeru.  Ak poznáme Pi a percento plnenia plánu.

                 Si - skutočnosť

        Pi - plán

           Tvar harmonického priemeru ak poznáme skutočnosť a percento plnenia plánu.

3. pomerné čísla vývoja – merajú vývoj hodnôt v čase a môžu byť:

    1. bázické – v bežnom období       Qtr / Qt0      t0 – základné obdobie, ( r = 1, 2, 3, .... n)

                   2. reťazové          Qtr / Qtr-1      

              Medzi týmito dvomi číslami platí vzťah – bázické  získame vynásobením reťazovým

                - reťazové získame z bázických delením

2. rôznorodé – porovnávajú ukazovatele rôzneho obsahu a charakteru, rozšírenosť alebo intenzitu určitého javu medzi inými javmi. Napr. dĺžka železničných tratí jednotlivých štátov vyjadruje určitý stav a porovnávať tento údaj nemá zmysel.

    Ak však vypočítame hustotu železničných tratí = ( dĺžka tratí / km2 územia ) dostaneme pomerné číslo,    

   ktoré umožňuje porovnávať takto zistenú intenzitu javu s inými krajinami.

Pomerné čísla spĺňajú dôležitú úlohu štatistiky, ktorou je porovnávanie a porovnávajú číselne informácie o ekonomických javov, ktoré nazývame ukazovatele. Pri porovnávaní musí byť splnená podmienka, že ak porovnávame z časového hľadiska údaje musia byť porovnateľné i z vecného a priestorového hľadiska.

INDEXY

Vznikajú vývojom pomerných čísel a prvých impulzov pre ich vznik bola potreba porovnávať zmeny cien jednotlivých tovarov a súčasne aj zmeny vývoja v čase do 2. sv. vojny prevládala tzv. klasická teória indexov, ktorá zohľadňovala len vecné hľadisko indexov. Od 50. rokov minulého storočia sa počíta vznik tzv. novodobej teórie indexov, ktorým impulzom indexov boli:

1. potreba porovnávania cien
2. tvorba menových kurzov
3. pomerovanie makroekonomických ukazovateľov
4. inflačné tendencie a ich vývoj

V rámci novodobej teórie indexov pôsobili dve školy:

1. západná škola
2. sovietska

Západná škola vyzdvihovala účelový prístup k tvorbe indexov, kde tvar indexu bol podmienený požiadavkám sledovaného javu. Požiadavky sa realizovali cez dva prístupy:

1. štatistický, ktorý vychádzal z teórie pravdepodobností, kde cena a množstvo tovaru boli dve nezávislé veličiny. Úlohou bolo nájsť index optimálny pre vopred zvolený štatistický aspekt, pričom odchýlky od všeobecnej cenovej hladiny sa považovali za náhodné veličiny.
2. funkčný (ekonomický ) prístup – vychádzal z teórie neoklasicizmu ( spotrebných a dopytových funkcii), kde cena a množstvo sú závisle veličiny medzi, ktorými je vzťah daný funkciou a indexom ktorý hľadáme.

Sovietska škola bola založená na ekonomickom obsahu veličín a existovali dva prístupy:

1. syntetický, ktorý zdôrazňoval nedeliteľnosť súhrnnej veličiny a sledoval sa len vývoj v čas
2. analytický, ktorý bol založený na princípy deliteľnosti, čím sa vytvárali analitické indexy na ktorých sa sledovali prírastky a tu boli považované za vplyvy spôsobujúce zmeny daného javu.

Indexy slúžia na porovnávanie ekonomických javov a procesov. Ukazovatele za zvolené jednotky, súbory, resp. ich časti môžeme porovnávať indexom a absolútnym rozdielom. Pri tvorbe indexov a absolútnych rozdielov musíme brať do úvahy charakter daných veličín, ktorý je dôležitý a rozlišujeme :

1. objemové ( extenzitné ) veličiny – označujeme q , vyjadrujú určitý objem, množstvo, počet.
2. úrovňové ( intenzitné ) veličiny – označujeme p , vyjadrujú úroveň alebo hladinu. Môžu vzniknúť pomerom dvoch objemových veličín ale tiež ako podiel dvoch zložených ( súčinových ) veličín s objemovými
3. zložené ( súčinové ) veličiny       Q = p . q

Súmerateľnosť a zhrňovanie objemových a úrovňových veličín

Objemové veličiny rozdeľujeme na dve skupiny:

1. rovnorodé – majú rovnaké kvalitatívne vlastnosti a naturálne vyjadrenie, sú teda súmerateľné a má význam ich zhŕňať. Ak sú vyjadrené v rovnakých merných jednotkách zhŕňame ich sčítaním.
2. rôznorodé – majú rôzne naturálne vyjadrenie, nemôžeme ich bezprostredne zhŕňať.

Úrovňové veličiny rozdeľujeme na dve skupiny:

1. rovnorodé – napr. jednotkové vlastné náklady jedného druhu výrobku sú súmerateľné a môžeme ich zhŕňať priemerovaním. Súmerateľnosť úrovňových veličín je podmienená ich spoločným rozmerom a umožňuje vyjadriť jednu úrovňovú veličinu ako násobok inej, čo je podmienkou ale nie postačujúcou pre zhŕňanie pomocou priemeru.
2. Rôznorodé úrovňové veličiny napr. jednotkové vlastné náklady za daný objem rôznorodej produkcie sú síce súmerateľné a však jednotky ku ktorým sa vzťahujú nie sú merateľné. Môžeme však uvažovať o ich zhrňovaní, ak vieme vytvoriť úhrn vlastných nákladov za rôznorodú produkciu a zistiť tržby za predaný rôznorodý tovar. Ak ide o nesúmerateľné úrovňové veličiny, ktoré sa vzťahujú k nesúmerateľným objemovým jednotkám produkcie napr. spotreba rôznych druhov materiálu z rôznorodej produkcie tak nemá význam uvažovať o ich zhrňovaní.

Vývojom vznikli indexy prvej a druhej a tretej generácie, pričom dôraz sa kládol hlavne na kvalitu indexov, ktorým je daná počtom, testov, ktoré má index vyhovovať, čím viacej testov vyhovuje tým je kvalitnejší.

Testy indexov:

1. test identity – požaduje aby index meral len zmenu stavu danej veličiny
2. test súmerateľnosti – zabezpečuje, že hodnota indexu je nezávislá od mernej jednotky
3. test zámena času – reciprocita – požaduje aby pri zámene období ( bežne za základné a naopak ) platí vzťah       im/j = ij/m = 1           im/j = 1 / ij/m  
4. test okružnosti (reťazovosti) – požaduje aby pri zaťažení indexov nevzniklo skreslenie, a ak okruh uzatvoríme, súčin indexov sa má rovnať 1      i1/0 . i2/1 . . . . . . . i m/m-1 . i0/m = 1
5. zámeny faktorov – požaduje aby súčin analitických indexov sa rovnal súhrnnému                                    

                      im/j = ik/j . im/k    

Klasifikácia indexov z rôznych hľadísk:                                                                                             Prednáška 8

1. podľa typu porovnávaných veličín

1. objemové (extenzitné) q
2. úrovňové (intenzitné)  p
3. zložené (súčinové)   p.q

2. podľa rovnorodosti porovnávaných veličín

1. individuálne – jednoduché a zložené
2. súhrnné – počítané pri rôznorodých veličinách

1. podľa prevahy porovnávania

1. vývojové
2. priestorové
3. vecné
4. zmiešané

2. podľa použitia základu pre porovnávanie

1. bázické
2. reťazové

1. podľa cieľa porovnávania

1. popisné – sú nástrojom porovnávania a charakteristické rozdiely hodnôt porovnávaných veličín
2. analytické – sú nástrojom analýzy a charakteristický vplyv faktorov na rozdiely javov

2. podľa použitých váh

1. indexy so stálymi váhami
2. indexy s premenlivými váhami

1. podľa úplnosti hodnôt porovnávaných údajov

1. vyčerpajúce,        b)  výberové

Objemové indexy (q)

1. jednoduchý index objemu

       iq = q1 / q0          1 – bežné obdobie, 0 – základné obdobie

   absolútny rozdiel

      Δq = q1 – q0     Δq > 0 zvýšenie,  Δq < 0 zníženie

Jednoduchý index objemu nám udáva na koľkonásobok základu sa zmenilo množstvo v bežnom období v porovnaní s množstvom základného obdobia. Ak index vynásobíme 100 a odpočítame 100 dostaneme zmenu v %.

Absolútny rozdiel predstavuje počet jednotiek o ktoré sa zvýšilo alebo znížilo množstvo v bežnom období oproti základnému obdobiu.

2. zložený index

absolútny rozdiel

   Δq = ∑q1j - ∑q0j

Zložený objemový index počítame ho z objemových veličín, ktoré sú rovnorodé a môžeme ich zhŕňať sčítaním.

Súhrnné indexy objemové

Počítame vtedy, ak veličiny sú charakteristické v rôznych merných jednotkách a teda nemôžeme ich zhŕňať sčítaním, ak môžeme urobiť tzv. agregát (súčinovú veličinu), ktorú už môžeme zhŕňať sčítaním.

                   n

    agregát  ∑ pxj . qxj          x – 0,1 (obdobia),  pxj - súmerateľ

           j = 1

Všeobecný tvar súmerateľného indexu

               q1j, q0j – porovnatele množstva v danom období,   pxj - súmeratele

absolútny rozdiel

                n                 n

      ΔQ = ∑ pxj . q1j - ∑ pxj . q0j

               j = 1             j = 1

Podľa súmerateľov rozlišujeme tieto druhy súmerateľných indexov:

1. Laspereysov (lasperézov) index

2. Pauscheho (pašeho) index

3. Edgenorthov (aidženortov) index

4. Loneho index

5. Fisherov index

6. Montgomeryho index

Absolútne rozdiely

1. rozdiel medzi čitateľom a menovateľom pri indexoch 1-4
2. pri indexe 5

3. pri indexe 6  

Súhrnné indexy informujú o tom, na koľkonásobok sa zväčšil objem bežného obdobia vplyvom váh, ktoré môžu byť v bežnom alebo základnom období (p1 alebo p0).

Úrovňové indexy

jednoduché úrovňové indexy – vypočítame:

            ip = p1 / p0    

Individuálne zložené indexy úrovňových veličín

Tieto sa nedajú zhŕňať sčítaním pretože úrovňová veličina je uvedená ako priemerná veličina a preto tieto veličiny zhŕňame priemerovaním a indexy sú počítané ako podiel 2 vážených priemerov.

Index premenlivého zloženia

Absolútny rozdiel

   ΔIpz =  p1 – p0

Ipz udáva na koľkonásobok priemeru v základnom období sa zmenil priemer v bežnom období. Tento index vyjadruje celkovú zmenu, tzn. aj p q.

Absolútny rozdiel vyjadruje o koľko merných jednotiek sa zmenil celkový priemer úrovňových veličín základného obdobia. Výsledok je priemerná zmena na jednotku danej veličiny a ak chceme vypočítať celkovú zmenu (na celkový objem veličiny) musíme absolútny rozdiel vynásobiť ∑ q1 .

Index stáleho zloženia

Isz vyjadruje priemernú zmenu úrovňovej veličiny (p) spôsobenú objemovou veličinou (q0) v základnom období alebo objemová veličina bežného obdobia.

Index štruktúry

Meria zmenu objemovej veličiny spôsobenú zmenou úrovňovej veličiny p1 v bežnom období, p0 v základnom období. Platí vzťah:    Ipz = Isz0(1) . Išt1(0)

Súhrnné indexy úrovňových veličín

1. Laspereysov (lasperézov) index

2. Pauscheho (pašeho) index

3. Edgenorthov (aidženortov) index

4. Loneho index

5. Fisherov index

6. Montgomeryho index

Súhrnné indexy objemové vyjadrujú zmenu objemu, kde súmerateľom je p (cena).

Súhrnné indexy cenové vyjadrujú zmenu ceny a súmerateľom je (q).

Celkovp zmenu objemovej aj cenovej veličíny nám vyjadruje súhrnný hodnotový index, ktorý vypočítame:

Pri suhrnových intervaloch platí vzťah:

                Časové rady a ich druhy        Prednáška 9

Každý jav sa v čase mení a vyvíja, pričom intenzita, rozsah, charakter a rýchlosť vývoja zmien v čase sú pri rôznych javoch rôzna. Analýza týchto zmien je súčasťou ich poznania ako aj prognózovania  z hľadiska ďalšieho vývoja daného javu v čase.

Časový rad – je postupnosť hodnôt o určitom kvantitatívnom jave, ktoré sú usporiadané chronologicky v čase.

Časové rady môžu byť:

1. absolútne–intervalové–napr. množstvo prepravených ton železničnou prepravou za roky 1999,2000,2001.
2. absolútne – okamihové – napr. počet pracovníkov k 1.1, 1.4
3. z odvodených veličín – intervalové, málo okamihové, napr. ukazovatele finančnej analýzy za roky 1999, 2000, 2001, 2002, ...

Uvedené časové rady sa líšia:

5. obsahom
6. typom skúmaných veličín
7. dĺžkou časového intervalu

Druhy časových radov a ich priemer

Podľa typu veličín, ktoré tvoria časový rad:

1. absolútne – sú výsledkom priameho pozorovania a môžu byť sledované v intervaloch alebo ako okamihové veličiny
2. z odvodených veličín – získavajú sa výpočtom (podielom, súčtom priemerov z absolútnych veličín a potom dostaneme časové rady, pomerných čísel, priemerov alebo súčtov veličín

Podľa charakteru zobrazovaných javov:

1. časové rady nepretržite vyvíjajúcich sa javov – vyskytujú sa nepretržite v ktoromkoľvek čase a okamihu
2. časové rady postupne vytváraných javov – vznikajú v časovom úseku a ich dĺžka býva spravidla obmedzená (tržby firiem, produkcia, spotreby firiem.
3. časové rady prechodne vytváraných javov – tzv. sezónne javy a vyskytujú sa pravidelne v časových obdobiach napr. výroba obilia

Podľa postupnosti pri zaznamenávaní údajov:

1. spojité – časové rady vyskytujúce sa nepretržite zaznamenávaných javov
2. diskrétne – nie sú zaznamenávané nepretržite ale iba v určitých nespojitých bodoch

Podľa frekvencie pri zaznamenávaní údajov:

1. pravidelné – rovnaká frekvencia – krátkodobá (1 rok)

                                                                - dlhodobá (viac ako 1 rok)

2. nepravidelné – z rôznou frekvenciou

Chronologický priemer

1. chronologický priemer sa vypočíta za časový interval určený jeho hornou a dolnou hranicou ako aritmetický priemer
2. chronologický priemer za časový úsek, ktorý sa skladá z  m čiastkových intervalov sa vypočíta ako aritmetický priemer týchto intervalov

Počítame ho vtedy ak intervaly medzi jednotlivými nameranými hodnotami majú rovnaké dĺžky.

Vážený chronologický priemer

Problémy konštrukcie časových radov

1.dĺžka časových radov – časový rad má byť dostatočne dlhý, čo závisí od charakteru skúmaného javu a od dynamiky jeho vývoja. Platí zásada, čím je jav menej dynamický, tým dlhší časový rad potrebujeme a pri javoch, ktoré sú dynamické stačia kratšie časové rady (min. 5 rokov)

2.porovnateľnosť údajov v časovom rade – tieto musia byť porovnateľné z vecného, časového a priestorového hľadiska.

     vecné – javy musia byť rovnaké, problémy:

1. ak nie sú údaje v rovnakých merných jednotkách, ak sa dá prepočítame ich pomocou koeficientu aby bol rad v rovnakých merných jednotkách
2. ak sa nedá prepočítavajú sa na tzv. dohovorené jednotky
3. peňažné veličiny ak sa jedna o zahraničné prepočítavajú sa platným kurzom, rovnakých cenách

     časové – údaje musia byť z hľadiska času porovnateľné a niektoré problémy vieme eliminovať a niektoré

                    nie. Jednou z možností je očistenie časových radov o kalendárne variácie – ide podstate o prepočet

                    na rovnaký počet kalendárnych dní (pracovných  dní) v roku. Prepočet sa robí podľa vzorca:

kt – priemerný počet dní v čiastkovom období a vypočíta sa pre mesiace v nepriestupnom roku 365:12=30,42 a v priestupnom 366:12=30,5

kt – skutočný počet dní v mesiaci

yt – hodnota nameraného ukazovateľa

y(o)t – očistený údaj

- údaje závisia od počtu pracovných dní tak isto ich môžeme očisťovať a prepočítavať na priemernú dĺžku pracovných dní

1. akumulácia hodnoť časových radov – znamená, že hodnoty kratších období sa sčítavajú a získavajú sa ročne hodnoty. Nie je vhodná ak chceme zisťovať sezónne výkyvy časových radov.
2. najčastejšie sa eliminujú výkyvy v počte víkendov,  pohyblivých sviatkov, ktorých vplyv treba zvlášť vyjadriť.
3. výskyt extrémnych hodnôt
4. priestorové hľadisko – problémy môžu byť:

1. ak sa zmenia hranice priestoru, údaje sa môžu upraviť na základe dostupných informácii a pri niektorých javoch tzv. prepočtovými koeficientmi
2. ak existuje priestorová porovnateľnosť niektorých údajov sa zabezpečí tak, že tieto sa prepočítavajú na jednotku priestoru.

Ak sú časové rady porovnateľné z vyššie uvedených hľadísk, môžeme ich analyzovať rôznymi metódami pričom pri ich výbere musíme brať do úvahy:

1. cieľ analýzy
2. typ časového radu
3. skúsenosti spracovateľa
4. technické prostriedky, ktoré sú k dispozícii

Analýza časových radov

Vlastnú analýzu časových radov môžeme vykonať dvomi spôsobmi:

1. ako faktorovú analýzu (viacnásobnú), ktorá skúma súvislosti medzi analyzovaným časovým radom a ďalšími časovými radmi, o ktorých sa domnievame, že nejakým spôsobom ovplyvňuje analyzovaný ČR.

Metódy sú rôzne:

1. box – jenkinsova
2. spektrálnej analýzy
3. a rôzne autoregresné modely

Jednoduchá analýza časových radov – znamená, že na časový rad sa pozeráme ako na súhrn rôznych druhov pohybov, ktoré sa snažíme kvantifikovať a popísať, to znamená    hodnota analýzy yt = f(t) + ξ    , ξ – náhodná hodnota. Takému časovému radu hovoríme jednorozmerný. Pri jeho analýze sa vychádza z predpokladu, že každý časový rad obsahuje 3. základné zložky (dekompozície): 1. trendovú, 2. periodickú, 3. náhodnú

Trendová zložka časového radu        Prednáška 10

Udáva tendenciu dlhodobého vývoja hodnôt analýzy ukazovateľa v čase pričom ČR môže ukazovať rastúci trend, klesajúce alebo môže byť bez trendu periodická.

1. sezónna – vyjadruje kolísanie, teda odchýlky ad trendu pravidelne a s periodicitou kratšou ako 1 rok
2. cyklická – vyjadruje kolísanie hodnôt okolo trendu s periodicitou dlhšou ako 1 rok

Náhodná zložka – nedá sa popísať žiadnou funkciou času a zostáva po odstránení predchádzajúcich zložiek.

ČR sa skladá:        yt = Tt + Sz + Ct +ξt

Modely ČR

Ak empirické hodnoty ČR vyjadrujú prítomnosť všetkých 4 zložiek, potom môžeme predpokladať, že veľkosť javu času „ t “ je súhrnom týchto zložiek a to v:

1. aditívnom modeli, yt = Tt + Sz + Ct + ξt  všetky zložky sú navzájom na sebe nezávislé
2. multiplikatívnom modeli, yt = Tt . Sz . Ct . ξt        súčin medzi jednotlivými zložkami, sú na sebe závislé.
3. stacionálny model – hodnoty nevykazujú výrazný trend ale kolíšu v dôsledku náhodných či sezónnych výkyvov okolo priemeru s konštantným rozptylom.

Vyrovnávanie ČR  

Najčastejšie používané:

1. graficky – skutočné hodnoty ČR sú zobrazené v korelograme alebo v spojnicovom grafe a tieto sa snažíme vyrovnať lineárnou alebo nelineárnou funkciou tak aby sústredenie bodov okolo tejto funkcie bola čo najtesnejšia. Tento spôsob je pomerne rýchly ale však je to odhad, ktorý je často veľmi subjektívny.
2. mechanicky – je založený na metóde kĺzavých priemerov, ktoré počítame z kĺzavých súčtov ak kĺzavé súčty delíme počtom období súčtom ktorým vznikli dostaneme kĺzavé priemery, ktorých hodnoty sa blížia k skutočným hodnotám , sú však zbavené sezónnych výkyvov. Vyrovnávajúca čiara je však kratšia lebo jednotlivé priemery priraďujeme k prostrednej hodnote obdobia, ktoré sme použili za základ pre kĺzavé súčty. Čím viac období budeme brať do úvahy, tým bude čiara kratšia ale vyrovnanejšia. V prípade párneho počtu období musíme kĺzavé súčty ešte centrovať t.j. vypočítať aritmetický priemer zo susedných dvoch hodnôt. Nevýhodou tejto metódy je, že je problematické určiť koľko období brať za základ a tento spôsob nemôže byť použitý na odhad vývoja ČR do budúcnosti.
3. analytický – je založený na predpoklade, že medzi hodnotami ČR a časovými určeniami existuje závislosť, ktorú môžeme vyjadriť funkciou času a náhodnej zložky  yt = f ( t; ξt )  jednorozmerný ČR ak je tvar funkcie  yt = f1b1 + f2b2 + ... + fpbp   hovoríme, že ide o viac rozmerný model ČR, kde j = 1,2,3..., sú ľubovoľné funkcie času, ktoré neobsahujú neznáme parametre a,bj  j=1...p  parametre, ktoré ovplyvňujú dané hodnoty v čase.

Základné charakteristiky ČR

Pred vlastnou analýzou ČR spočívajúcou v popise jeho jednotlivých zložiek je užitočné charakterizovať správanie sa ČR podľa jednotlivých charakteristík. Patria tu:

1. absolútne diferencie

       Δ(1)yt = yt – yt-1 ,   t = 2,3,....n   ak sú približne konštantné, ČR môžeme vyrovnať lineárnou funkciou

      Δ(2)yt = Δ(1)yt – Δ(1)yt-1 = yt – 2 yt-1 + yt-2     ak sú približne konštantné, môžeme vyrovnať

                                                                                      kvadratickou funkciou

2. priemerný absolútny prírastok

Ak je absolútny priemerný prírastok konštantný môžeme vyrovnať lineárnou funkciou.

3. relatívny prírastok

Ak tento relatívny prírastok relatívne rastie vyrovnávame parabolou, ak sú hodnoty približne rovnaké vyrovnávame modifikovanou exponenciálnou

kt – udáva koľko % vzrástla alebo poklesla hodnota ČR v okamžiku t oproti okamžiku t-1

4. priemerný koeficient rastu

Popis trendu v ČR

Spočíva vo vyrovnaní ČR a nahradení empirických hodnôt yt teoretickými hodnotami y`t , ktoré sú už očistené od sezónnej a náhodnej zložky.

Postup:

1. nájdenie vhodného typu funkcie (podľa korelogramu) alebo vodového grafu alebo charakteristík ČR
2. odhad parametrov tejto funkcie
3. posúdenie vhodnosti tejto funkcie

Ide v podstate o špeciálny prípad regresnej úlohy pričom yt je závislá premenná a čas t je vysvetľujúca premenná.

Najčastejšie trendové funkcie sú:

1. lineárna
2. parabolická             ich rast nie je obmedzený
3. exponenciálna
4. modifikovaná                   sú vhodné na modelovanie vývoja obmedzených zdrojov a však sa ťahšie s
5. logistická                          nimi odhadujú
6. gompertzova krivka

Najpoužívanejšou metódou odhadu parametrov je metóda najmenších štvorcov ale vyhovuje len pre prvé 3 funkcie, u ostatných je potrebná linearizujúca transformácia.

Metóda najmenších štvorcov MNŠ – minimalizuje súčet štvorcov

        Q (b0,b1 .... bm) = ∑ (yt – y`t)2 = min

  b0 – parametre trendu,         yt = skutočná hodnota,        y`t – teoretická hodnota,

  Q – hodnota súčtu štvorcov v príslušnom bode

Model trendu:

1. konštantný trend   Trt = β0     t = 1,2,.... n,   dosadíme do podmienky MNŠ a vypočítame b0 parameter β0 teda y`t = b0  

2. lineárny trend     Trt = β0 + β1.t     t = 1,2 ... n,    dosadíme do podmienky MNŠ

Pre zjednodušenie výpočtu parametrov b1, b0 ak platí ekvidištantnosť časovej premennej (vzájomný rovnaký odstup hodnôt časovej premennej t môžeme zaviesť časovú premennú t`, ktorú vypočítame: ak hodnoty ukazovateľa v čase usporiadame do tabuľky a čas t označíme 1,2...n

       t      1      2     3   .....    n – 1     n

      yt     y1    y2    y3   .....    yn-1      yn

t` = → t – t         pre nepárny počet pozorovaní

      → 2(t – t)    pre párny

t  =  (n + 1) / 2    ∑ t`(k) = 0    pre k nepárne

ak nahradíme t = t` dostaneme zjednodušený výpočet parametrov

b0 – aritmetický priemer pozorovaných hodnôt

b1 – absolútny prírastok pre dané obdobie

yt – hodnota premennej v čase

3. kvadratický – parabolický trend

Trt = β0 + β1.t + β2.t2     dosadíme do podmienky MNŠ

normálové rovnice

4. exponenciálna   yt = b0 . b1t  výpočet parametrov linearizujúcou transformáciou

         log yt = log b0 + t. log b1

5. modifikovaný exponenciálny trend    yt = k + b0 . b1t      b1>0   má nenulovú asymtotu

6. logistický trend

7. gompertzova krivka    

Voľba vhodného modelu trendu

kritéria: → vecne ekonomické

            → analýza grafu ČR (subjektívne)

            → metóda regresnej analýzy – minimalizácii súčtu štvorcov odchýliek skutočných hodnôt od

                 vyrovnaných

platí:    

1. index kolerácie

Vyhovuje tá funkcia, ktorá má najväčší index kolerácie. Vzniká nebezpečenstvo, že pri funkciách s vyšším počtom parametrov rastie aj hodnota indexu kolerácie.

2. F – test

Výhodný je ten pre ktorý je F – test ma najväčšiu hodnotu.

3. neskreslená štandardná odchýlka

Výhodná je tá funkcia, ktorá má najnižšiu hodnotu Srez

                Popis sezónnej zložky v ČR        Prednáška 11

Ak predpokladáme aditívny model ČR okrem trendovej zložky je dôležité určiť aj sezónnu zložku pričom ide o riešenie dvoch úloh:

1. kvantifikovať sezónnu zložku ako dôsledok pravidelne sa opakujúcich sezónnych vplyvov
2. očistenie ČR o sezónnu zložku (kĺzavé priemery alebo špeciálne filtre). Takto očistený ČR môžeme potom použiť pre skúmanie ostatných zložiek najmä trendovej.

Na očistenie ČR je potrebné vychádzať z dvoch podmienok:

1. musíme určiť či sezónne výkyvy sú štatisticky významné
2. musíme disponovať určitou metódou, ktorú použijeme

Poznáme niekoľko modelov sezónnosti ČR:

1. konštantnej sezónnosti               yij = Tij + Sij + ξij   i-ty rok, j-ty mesiac

∑ Sij sezónnosť v i- tom roku, j- teho mesiaca, ktorú sa snažíme vylúčiť, pričom vychádzame z normalizačnej požiadavky, že ∑ bj = 0 pričom bj je sezónny koeficient, ktorý udáva počet meniacich jednotiek ČR o ktorý v j- tej časti sezónneho cyklu jeho systematická časť prevyšuje alebo je menšia ako normálna veľkosť daného javu.

2. model konštantnej sezónnosti so schodovitým trendom    yij = ai + bj + εij    ai,bi – ročne priemery  

Trendová zložka nadobúda v i-dielčich obdobiach, j-teho roku hodnoty ai takže postupnosť týchto čiastkových hodnôt v jednotlivých rokoch predstavuje schodovitý trend

3. model konštantnej sezónnosti s ročným lineárnym trendom    yij = a0 + a1(i – i)  + bj + εij    

Dosiahnutá úroveň daného znaku v jednotlivých rokoch lineárne rastie a v časových obdobiach kratších ako rok ostáva konštantná

4. model proporcionálnej sezónnosti

Sij = Cj . Tij                               Cj – sezónny index

yij = Tij + Cj . Tij                       Cj > 0  sezónny nárast

yij = Tij .(1 + Cj)                       Cj < 0  sezónny pokles

(1 + Cj) = (yij / Tij)                   Cj = 0  nepôsobenie sezónnych vplyvov

yij = (1 + Cj) . Tij + εij

Sezónnosť sa proporcionálne mení s trendom. Sezónna zložka je priamoúmerná trendovej zložke.

Analýza cyklickej zložky

Podobne ako pri sezónnej zložke rozdiel je v dĺžke vlny, ktorá je väčšia ako rok. Touto analýzou sa sleduje zmena ekonomických mechanizmov a správaní hospodárskych subjektov v dôsledku rôznych vplyvov. Známe sú rozvojové cykly v dôsledku technického pokroku, inovácii.

Na odhad týchto cyklov sa používa množstvo metód, avšak ČR musí byť očistený od trendovej a sezónnej zložky. Pre prax je dôležité rozpoznať kde sú sedlá (recesia) a vrcholy (expanzia).

Popis náhodnej zložky ČR

Zdrojom  tejto zložky sú náhodné alebo nepodchytené drobné a vzájomne nezávislé náhodné výkyvy, ktoré je potrebné v ČR vykompenzovať. V bežnej praxi zdrojom týchto výkyvov môžu byť napr. živelné pohromy, záplavy, ohne, zmena ekonomiky, výkyvu na burzách.

Grafické znázornenie ČR

Najčastejšie sa na zobrazenie ČR používajú tieto typy grafov:

spojnicový graf,

Z – diagram , ktorý sa skladá z 3 kriviek, ktorých prvá znázorňuje údaje v bežných hodnotách, druhá sa skladá  kumulovaných hodnôt bežného obdobia, tretia  sú vyrovnané hodnoty kĺzavými súčtami, čiara kumulovaných hodnôt a vyrovnaných hodnôt sa musí stretnúť v jednom bode.

Danttov diagram – používa sa pri sledovaní plnenia plánovaných úloh.

Štatistika v hospodárskej praxi

Z hľadiska tvorby a použitia štatistických údajov môžeme rozlišovať určitú štruktúru zaznamenávaných údajov a to podľa úrovni na ktorých došlo k zberu a spracovaniu týchto údajov s ich následným využitím. S tohto pohľadu môžeme štatistiku rozdeliť na:

1. medzinárodná (SNU, ESA)
2. vrcholovú – týka sa údajov, ktoré sú agregované za celé národné hospodárstvo
3. odvetvová OKEČ
4. podniková – pre potreby vlastného podniku.

Medzinárodná štatistika

Systém národných účtov je vlastne usporiadaná sústava charakteristík procesu reprodukcie. Cieľom SNU je vytvoriť rámcové ukazovatele vhodné na charakterizovanie a rozbor fungovania ekonomických systémov. SNU poskytuje informácie o vývoji národného hospodárstva, jeho štruktúre a väzbami medzi jednotlivými časťami. Potreba zavedenia takéhoto systému vznikla po hospodárskej kríze 30. rokoch minulého storočia zo strany fiškálnej politiky, menovej politiky a podnikateľskej sféry. Neskôr i ako potreba dôsledku internacionalizácie svetovej ekonomiky. Skutočný rozvoj SNU v povojnových rokoch, jeho základ založil A. Keynes v diele „Obecná teória zamestnanosti, úrokov a peňazí“.

SNU sa skladal zo 6. hlavných účtov:

1. výroba
2. rozdelenie
3. akumulácia
4. vonkajšie transakcie → podniky

                                      → domácnosti a súkromné neziskové inštitúcie

                                      → štátny sektor

V 60. rokoch došlo k revízii SNU s cieľom získať podrobnejšie informácie o tokoch, stavových veličinách a o členení účtov výroby. V 68. bola ďašia revízia a tá sa opierala o medzinárodné uznávané definície, kvalifikácie a spôsob merania makroekonomických ukazovateľov. Išlo o vytvorenie porovnateľných štatistických informácii pre potreby OSN, MNF, svetovú banku, EÚ,....

V 1970 bol publikovaný prvý európsky sytém, ústav ESA, ktorý je podrobnejší ako SNU, OSN avšak su kompatabilné. V 80. rokoch bola ďalšia revízia, ktorá bola dokončená v 1993 a výsledkom je komplexný, konzistentný a pružný systém makroekonomických účtov pre potreby vlád, polotikov ale i pre podnikateľský sektor. V 1995 bola revízia ESA prvé údaje boli 98.

Význam národných účtov je, že slúžia:

5. ekonomickú analýzu NH,
6. tvorba hospodárskej politiky
7. rozhodovanie na medzinárodnej kolparácie
8. makroekonomické modelovanie

SNU zodpovedá na otázk, kto, čo robí, s akými prostriedkami, za akým účelom, výmenou za čo, a s akými stanovenými veličinami. Zjednodušený obraz SNU môžeme vyjadriť v nasledujúcej štruktúre:

1. inštitucionálne jednotky (kto) patria tu nefinančné podniky, finančné inštitúcie, štátna správa, ktorá poskytuje verejné statky na netrhovom základe, súkromné neziskové inštitúcie slúžiace domácnostiam
2. transakcie a toky

1. transakcie spojené s výrobou a spotrebou – výroba, medzispotreba, finálna spotreba, hrubá tvorba kapitálu, dovoz a vývoz tovaru a služieb
2. transakcie spojené s rozdeľovaním dôchodkov – tvorba prvotných dôchodkov (mzda, renta), tvorba druhotných dôchodkov (dane, odvody)
3. finančné transakcie – týkajúce sa zlata a zvláštnych práv čerpania obežív, vkladov, cenných papierov

1. na začiatku a na konci účtovného obdobia sa v celej ekonomike za jednotlivé inštitúcie robí bilancia aktív a pasív, Ak odpočítame A-P získame bilanciu bohatstva.
2. Inštitucionálne jednotky môžu vyrábať rôzne druhy výrobkov a služieb, pričom sa sleduje ich homogenizácia do rovnorodých skupín výrobkov, čo na úrovni jednotlivých hospodárstiev je vlastne OKEČ

Vrcholová štatistika        Prednáška 12

Predstavuje ekonomické hodnotenie výsledkov vývoja ekonomiky. Vrcholová štatistika vychádza z ESA a vyjadruje súhrne ekonomické  informácie o hospodárstve SR ako celku. Okrem súhrnných informácií je tu aj členenie hospodárstva podľa odvetví a v závere sú uvedené dlhodobé medzinárodné prehľady. Všetky údaje spracováva štatistický úrad SR a publikuje ich v štatistickej ročenke za príslušný rok.

Podniková štatistika

Rozsah a štruktúra sledovaných údajov závisí od veľkosti organizácie a jej činnosti. Každá firma, podnik sú v určenom rozsahu podľa zákona 540/2001 zbierky o štátnej štatistike povinné poskytovať v uvedenom rozsahu, periodicite údaje štatistickému úradu SR. Podniková štatistika býva najčastejšie zameraná na tieto oblasti:

1. štatistika zásob – sleduje sa stav a pohyb zásob, merná spotreba, chronologický priemer
2. štatistika hmotného a nehmotného majetku – sleduje sa stav majetku (prírastky, úbytky), koeficient opotrebenia, obnovenia, vybavenia práce ako aj štruktúra majetku
3. štatistika pracovného času – sleduje sa kalendárny fond pracovného fondu, nominálny fond (So, Ne, sviatky), použiteľný fond (čistý pracovný čas)
4. štatistika zamestnancov – stav zamestnancov, štruktúra, priemerná mzda, produktivita práce
5. štatistika nákladov – sledujú sa náklady z hľadiska druhového, kalkulačného
6. štatistika produkcie – objem výroby (naturálne aj peňažné jednotky)
7. štatistika odbytu – zmeny ceny, podiel na trhu, prírastok objemu predaja, prírastok (úbytok) objednávok
8. štatistika finančných ukazovateľov – zadĺženosť, rentabilita,...

Význam štatistiky

Správny a cieľavedomý chod ekonomiky v záujme maximalizácie jej efektívnosti je nemysliteľný bez kvalitnej informačnej sústavy. Štatistika poskytuje sústavu číselných informácii o hospodárstve ako celku a o jeho jednotlivých subsystémov. Nemôžeme ju stotožňovať len z elementárnym spracovaním údajov ale je to metodologická disciplína, ktorá nachádza uplatnenie vo všetkých odboroch. Spojenie údajov a štatistických metód (ich častá neznalosť) vyvolávajú nedôveru spracovávaných údajov (vypĺňanie výkazov) či vzbudzujú nedôveru k štatistike ako takej. Následne sa to môže odraziť na kvalite spracovávaných výsledkov s dopadom na zlý odhad a predpovede budúcnosti ako aj špecializáciou vytvárajú jej jednotlivé odbory napr. matematická štatistika, ekonomická štatistika, demografická štatistika.

Zákon 540/2001 z.z. o štátnej štatistike

Predmetom tohto zákona sú podmienky získania štatistických informácii. Postavenie a pôsobnosť orgánov vykonávajúcich štatistiku, úlohy verejnej moci oblasti štátnej štatistiky. Práva a povinnosti štatistiky, ochrana údajov, poskytovanie, zabezpečenie porovnateľnosti a plnenie zmlúv  vyplývajúcich z medzinárodných dohôd v oblasti štátnej štatistiky.

Základné pojmy:

9. štátna štatistika – sú systematicky a plánovité vykonávané činnosti ktorých predmetom je získavanie, spracovanie, poskytovanie a hodnotenie údajov o javoch hromadného charakteru. Ako aj zabezpečenie porovnateľnosti na posudzovanie sociálne – ekonomického vývoja SR.
10. spravodajská jednotka – PO alebo FO od ktorej sa požadujú údaje
11. spravodajská povinnosť – je povinnosť poskytnúť bezplatne úplné, správne, pravdivé a v čase.  ŠÚSR

Štatistické zisťovanie – je získavanie údajov od spravodajských jednotiek na štatistické účely podľa zákona.

Štatistický údaj – údaj o skúmanom jave a skutočnostiach získaných štatistickým zisťovaním.

Dôverný štatistický údaj – umožňuje priamu alebo nepriamu identifikáciu spravodajskej jednotky.

Štatistická informácia – je informácia sociálne ekonomicko technicko ekologického charakteru, ktorá neumožňuje priamu identifikáciu spravodajských jednotiek.

Štatistický účel – je to použitie štatistických údajov na číselný, slovný alebo graficky popis hromadných javov a procesov v spoločnosti.

Program štatistiky – určuje účel a využitie výsledkov štatistického zisťovania.

Princíp štátnej štatistiky:

Úrad ministerstva a štátnej organizácie sú nezávislé a nestranné pri získavaní, spracovaní a vyhodnocovaní štatistických informácii. Dbajú na efektívnosť nákladov a zachovanie dôvery verejnosti, pričom sa riadia princípmi spoľahlivosti, objektivity, prehľadnosti, otvorenosti a ochrany dôverných údajov.

Orgány vykonávajúce štátnu štatistiku

1. ŠÚSR zo sídlom v Bratislave
2. ministerstvá
3. štátne organizácie

Na čele štatistického úradu  je predseda a pri úrade je zriadená štátna rada ako stály odborný, poradný orgán predsedu.

Hlavné úlohy ŠÚSR:

12. vypracováva a zverejňuje koncepciu štátnej štatistiky
13. určuje metódy k štatistickému zisťovaniu
14. zostavuje program štátnych zisťovaní
15. zostavuje charakteristiky štátnych zisťovaní
16. organizuje a zabezpečuje projektovú a programovú prípravu spracovania údajov
17. určuje metodiku vedenia systému národných účtov
18. vytvára, zverejňuje a spravuje štatistické klasifikácie, číselníky a registre
19. určuje spôsob tvorby a priraďovanie identifikačných čísel
20. organizuje a vykonáva reprezentatívne výskumy
21. získava zahraničné štatistické informácie
22. poskytuje informácie zahraničným subjektom
23. zverejňuje výsledky štatistických zisťovaní

Program štatistického zisťovania sa vypracováva na 3 roky samostatnou vyhláškou a sčítanie obyvateľov domov a bytov sa upravuje osobitným zákonom.

Spravodajské jednotky, ktoré sú zaradené do programu zisťovania majú právo byť informované o účele rozsahu a opatrenia na zabezpečenie ochrany údajov. Spravodajská jednotka je povinná podľa tohto zákona poskytnúť informácie. V prípade porušenia a povinnosti môže byť spravodajská jednotka sankciovaná a to až vo výške 100 000 Sk za nesplnenie povinnosti.

ŠÚSR vedie tieto registre:

1. organizácie
2. poľnohospodársky
3. ubytovacích zariadení
4. sčítacích obvodov
5. priestorových jednotiek

2, 3, 4 – neverejné

Poskytovanie štatistických informácii bezplatne: prezidentovi, vláde, národnej rade, ministerstvá, NBSR, orgánov štátnej samosprávy. Ďalším medzinárodným orgánom ak ide o výmenu údajov.

Za odplatu ostatným za cenu dohodnutú v súlade s cenovými predpismi.