Professional Documents
Culture Documents
jegyzet
gazdasági informatikus,
műszaki menedzser,
munkaügyi és társadalombiztosítási igazgatási,
igazságügyi igazgatási,
nemzetközi tanulmányok szakos hallgatók részére
Írta:
Dr. Horváth Eszter Ph.D
ISBN 978-615-5837-41-8
1
Tartalomjegyzék
Tartalomjegyzék .............................................................................................................................. 2
Előszó ...................................................................................................................................................... 4
1.Bevezetés .............................................................................................................................................. 5
2. Viszonyszámok ................................................................................................................................. 10
2.1. Megoszlási viszonyszám ............................................................................................................ 10
2.2. Összehasonlító viszonyszámok .................................................................................................. 12
2.3.Teljesítmény viszonyszámok ...................................................................................................... 14
2.4. Intenzitási viszonyszám .............................................................................................................. 14
2.5. Koordinációs viszonyszámok ..................................................................................................... 14
2.6. Területi viszonyszámok .............................................................................................................. 15
3.Középértékek ...................................................................................................................................... 16
3.1. Számtani átlag ............................................................................................................................ 16
3.2. Helyzeti középértékek ................................................................................................................ 19
3.2.1. Módusz ................................................................................................................................ 20
3.2.2.Medián .................................................................................................................................. 20
3.2.3.Kvartilisek ............................................................................................................................ 21
3.3. Szóródási mutatók ...................................................................................................................... 23
3.3.1. Szóródás terjedelme ................................................................................................................ 23
3.3.2. Interkvartilis terjedelem........................................................................................................... 23
3.3.3. Átlagos (abszolút) eltérés ........................................................................................................ 24
3.3.4. Szórás ...................................................................................................................................... 24
3.3.5 Variancia .................................................................................................................................. 26
3.3.6. Relatív szórás .......................................................................................................................... 28
3.3.7. Átlagos különbség (G)............................................................................................................. 28
3.3.8. Aszimmetria ............................................................................................................................ 29
3.3.9.Koncentráció ............................................................................................................................ 32
4.Ismérvek közötti kapcsolatok ............................................................................................................. 35
4.1. Asszociáció................................................................................................................................. 35
4.2.Yule-féle asszociációs együttható ............................................................................................... 36
4.3.Csuprov-féle asszociációs együttható.......................................................................................... 37
4.4.Cramer-féle asszociációs együttható ........................................................................................... 38
5. Standardizálás.................................................................................................................................... 41
5.1. Főátlagok különbsége és a főátlag-index ................................................................................... 42
5.2. Részátlag-különbség és részátlag index ..................................................................................... 42
5.3.Összetétel-különbség és összetétel-index .................................................................................... 43
2
5.4. Példa a standardizálás módszerére ............................................................................................. 44
6. Indexszámítás .................................................................................................................................... 49
Gyakorló feladatok ................................................................................................................................ 55
Felhasznált irodalom ............................................................................................................................. 59
3
Előszó
„Egy napon a statisztikai gondolkodásmód a társadalom hasznos tagjává váló ember számára
az íráshoz és olvasáshoz hasonló alapvető készséggé válik.” (H.G.Wells)
„Ne higgy annak, amit a statisztika mond – mindaddig, míg meg nem győződsz róla.” (William
W. Watt)
„Volt idő, amikor a pápák és királyok asztrológusokat tartottak udvarukban, hogy segítsenek
nekik tervezni a jövőt. Ma ugyanezt a célt szolgálják a statisztikusok.” (M.J.Moroney)
„Ha egyik kezed forrásban lévő vízben van, a másik jeges vödörben – teljes kényelemben vagy”
a statisztikusok szerint.
Jó munkát és jó tanulást!
A szerző
4
1.Bevezetés
5
11. Naponta több, mint 300 millió új kép kerül feltöltésre Facebookra.
12. A videók egyre nagyobb teret nyernek a Facebookon. Ez olyannyira igaz, hogy a teljes
Facebook közösség napi szintű videó megtekintése 8 milliárd felett van.
13. 400 új felhasználó regisztrál a Facebookra minden egyes percben!
(https://thebusiness.blog.hu, 2018.09.10.)
De mi is a statisztika?
A statisztika a valóság, tömör számszerű jellemzésére szolgáló tudományos módszertan,
illetve gyakorlati tevékenység.
Leíró statisztika:
A vizsgálat tárgyát képező jelenség tömör, számszerű jellemzését adja,
Nem lép túl a megfigyelés körén, de a megfigyelt adatok legjobb megértésére,
bemutatására, összefoglaló jellemzésére törekszik.
Például:
Népszámlálási adatgyűjtések és kiértékelések,
Üzleti szféra (a befektetők, brókerek gyakran használnak áttekintéseket a
hozamok alakulásáról; gazdasági szervek működésének vizsgálata),
Sporteredmények bemutatása,
Egyszerű közvélemény kutatások,
stb.
Következtető statisztika:
Fő célja a mintából való következtetés, általánosítás a teljes sokaságra
vonatkozóan.
Például:
Minőség-ellenőrzés,
Jövedelmi helyzet vizsgálata,
Mezőgazdaság,
TV-nézetség vizsgálata,
Választási eredmények kiértékelése,
stb.
6
A statisztika eredete és rövid története
Eredetileg – ma már ritka, elavultnak számító értelmezés szerint – a statisztika matematikai
eszközöket igénybe vevő államháztartástant jelentett, vagyis azon módszerek gyűjteményét és
elméletét, amelyek segítségével az újkorban kialakuló modern államok számon tarthatták
erőforrásaikat és a társadalmi problémákat (népesség, állatállomány, katonák, termelés,
betegségek stb.). Erre utal a szó etimológiája is, minthogy a szót az újlatin statisticum collegium
(„államtanács”) és az olasz statista („államférfi”, politikus) kifejezésekből származtatják. A
statisztika atyja, Gottfried Achenwall is ilyen értelemben használta e szót munkáiban („az állam
tudománya”), először 1749-ben. A szó mai értelmét („az adatgyűjtés és adatfeldolgozás
általános tudománya”) csak a tizenkilencedik század elején nyerte el.
Az emberiség történelmével azonos a statisztika tudományának kialakulása, csak még nem
nevezték statisztika tudományának (a kapitalizmus korától nevezik annak). Számok, súlyok,
mértékek használatát jelentette főként.
Elsősorban az alábbi területeken alkalmazták:
népszámlálási, összeírási tevékenység,
leltározás,
országok gazdasági életére, polgárok vagyoni helyzetére vonatkozó összeírások,
mezőgazdasági összeírás,
hadászati összeírások.
A 15. század végétől, hódítások, nagy utazások, népességnövekedés, tőkés termelés gazdasági
társadalmi feltételei megteremtődtek, így megnőtt az igény az egyes országok társadalmi,
gazdasági és politikai viszonyainak megismerése iránt, amely a statisztika tudományát is útjára
indította. Matematikával, valószínűségszámítással, nagy tömegű adatok kezelésének,
feldolgozásának módszertanának fejlődésével teljesedett ki.
A statisztika az ok-okozati összefüggések és következtetések módszere.
Tervezés
- El kell dönteni: milyen típusú adatokat kívánunk begyűjteni, mely megfigyelési
egységekről,
- Meg kell határozni, hogy melyek lesznek a számbavételi egységek (egyes emberek,
korosztályok, csoportok, pártok), amelyekkel kapcsolatot hozunk létre az adatok begyűjtése
érdekében,
- El kell dönteni az adatgyűjtés jellemzőit: gyakoriság, köre, ideje (időpontra vonatkozik,
vagy időtartamra), helye, módja.
Az adatgyűjtés lehet:
- teljes: a vizsgálandó sokaság minden egysége,
- részleges: vizsgálandó sokaság egy részére terjed ki a mintavétel,
- egyéb: részleges.
7
Mindhárom lehet folyamatos és időszakos.
Forrásai:
• KSH,
• Kutatási adatbázisok,
• Minisztériumok,
• Eurostat,
• Wikipédia ne használjuk, nem megbízható!
3. Az adatok összegyűjtése
5.Adatok feldolgozása
6. Adatok közzététele:
- Statisztikai sorok,
- Statisztikai táblák,
- Grafikus ábrázolás.
8
Statisztikai alapfogalmak:
Statisztikai sokaság: a megfigyelést képző egyedek összessége, halmaza= populáció (magyar
felsőoktatás hallgatói, az országba érkező turisták, az ország lakásállománya, ipari vállalatok,
bruttó hazai termék, gyümölcsfogyasztás).
Adott időpontra vonatkozik=álló (stock) sokaság
Adott időszakra= mozgósokaság (flow) sokaság
Diszkrét sokaság: elemei jól elkülöníthetők egymástól (pl.: hallgatók)
Folytonos sokaság: elemei nem különülnek el, értékeit általában intervallumban adják meg (pl.:
hallgatók magassága)
Statisztikai ismérv változat: az ismérv lehetséges kimenetele. (Ford vagy Opel, férfi vagy nő,
KKV vagy nagyvállalat).
Ha csak két ismérvváltozattal rendelkezik akkor alternatív ismérvnek nevezzük. A kettőnél több
változattal rendelkező ismérvek átalakíthatók alternatív ismérvé. (fizetés bruttó 500.000 alatt
és fölött)
Amely ismérv alapján a sokaság elemei egyformák közös ismérvnek nevezzük, amely szerint
különböznek az a megkülönböztető.
9
2. Viszonyszámok
Képletük:
A
V
B
V: a viszonyszám
A: a viszonyítás tárgya
B: a viszonyítás alapja
xi
Vm *100
xi
10
A megoszlási viszonyszámot %-os formában értelmezzük, értéke így 0-100% lehet.
Együtthatós formában a relatív gyakoriságot fejezi ki, melynek értéke 0 és 1 között van:
x
gi i
xi
g i : relatív gyakoriság
2.táblázat
Telephely Árbevétel Megoszlási Relatív gyakoriság
(MFt) viszonyszám (%)
A 36,2 (36,2:119,3)*100=30,34 (36,2:119,3)=0,3034
B 43,5 36,46 0,3646
C 20,9 17,52 0,1752
D 18,7 15,68 0,1568
Összesen 119,3 100 1
Forrás: saját példa
11
A megoszlási viszonyszámok tipikus ábrázolási lehetősége a kördiagram, a torta-, illetve a
robbantott torta diagram.
1. ábra
Árbevétel (MFt)
D
16%
A
C 30% A
18% B
C
B D
36%
xi
Vö
xk
Az összehasonlító viszonyszámok a területi vagy idősorban bekövetkezett változást mutatják
meg a következőképpen:
Vö 1 növekedést jelent
csökkenést jelent
Vö 1
stagnálást jelent
Vö 1
12
1. Bázisviszonyszám: az idősor adatait egy állandó, bázisul választott adattal osztjuk.
Mindig tisztázni kell melyik érték a bázis. (lehet az idősor kezdeti értéke, de lehet
bármelyik érték az idősorból, sőt az idősoron kívül rendelkezésre álló adat is lehet)
Képlete:
y
Vb i
100
y 0
Képlete:
y
Vl i
100
y
i 1
yn
b y y
lt t 0 n
bt 1 yn1 yn1
y0
egymást követő láncviszonyszámok szorzata bázisviszonyszámot ad
bt lt * lt 1 * lt 2 * ... * lt n
yn y1 y2 y
* * ... * n
y0 y0 y1 yn1
yn
V l
n 1 Vl1 *Vl 2 * ... *Vl 3 n 1 Vln n 1
y0
13
2.3.Teljesítmény viszonyszámok
Valamely számokkal meghatározott kitűzött cél végrehajtását mutatja meg. Leginkább
munkateljesítmény kiszámolására használják; szálláshelyek árbevételének alakulásának
kimutatására.
A kitűzött célok elérésének vizsgálatára szolgál. Általában %-os formában adjuk meg.
Nagysága: bármekkora lehet - szakmai megfontolástól függ, hogy mekkora
teljesítményviszonyszám-nagyságot értékelünk jónak.
Képlete:
elért .eredmény
Vt
tervezett.eredmény
Példa
Egy vállalkozás 2016-ban 426 millió Ft árbevételt elérését tervezte, azonban abban évben 466
millió Ft-os árbevételt realizált.
466
Vt 1,0938 109,38% 9,98% -kal teljesítette túl a tervezetet.
426
Fajtái:
Reverzibilis (megfordítható): 2,5 t/ha 2,5 ha/t
Irreverzibilis (nem megfordítható): 2,5db/fő 2,5 fő/db
(nincs értelme)
Nyers: a viszonyítási alap és a viszonyítás tárgy között lazább a kapcsolat. Pl.:
születések száma/népesség
Tiszta: a viszonyítási alap és a viszonyítás tárgy között szorosabb a kapcsolat.
Pl.: születések száma/szülő képes korú
14
Mind a megoszlási, mind pedig a koordinációs viszonyszám a sokaság belső összetételét jelzi,
a két viszonyszám úgy is összefügg, hogy egymásból kiszámíthatók bizonyos feltételek mellett.
Pl. 1000 férfira jutó nők száma vagy 1000 nőre jutó férfiak száma
Képlete:
viszonyított részsokaság
Vk
viszonyítás alapjául szo lg áló részsokaság
xi
Vk
yi
Példa:
A Közép-dunántúli régióban 2017-ben 6039 db vendéglátó egység volt, a Nyugat-dunántúli
régióban 5763 db. Hasonlítsa össze a két értéket!
A Nyugat-dunántúli régióban 5, 42 %-kal volt kevesebb vendéglátó hely 2017-ben.
15
3.Középértékek
x
i 1
i
x
n
ahol
xi: az átlagolandó értékek (vagyis ezeket az adatokat kell átlagolni)
n: a sokaság elemeinek száma
i: az elemek sorszáma (1-től n-ig)
16
Példa egyszerű számtani átlag számításra:
Egy törvényszéki labor által vizsgált mérgezéses eseteket mutatja a következő táblázat.
Számolja ki átlagosan mennyi mérgezéses esete volt a labornak a 2006-2013-as időszakban!
3.táblázat
Év eset
2006 28
2007 12
2008 36
2009 57
2010 48
2011 27
2012 32
2013 45
Forrás: saját példa
Megoldás:
28 12 36 57 48 27 32 45
x 35,625 esete volt a labornak átlagosan a 8 év alatt.
8
r r
f i * xi si n
A súlyozott számtani átlag: x i 1
r
i 1
r
g i * xi
fi fi i 1
i 1 i 1
ahol
xi: az átlagolandó értékek (vagyis ezeket az adatokat kell átlagolni)
fi: gyakoriság vagy más néven súly (adott átlagolandó érték hányszor fordul elő)
i: az elemek sorszáma (1-től r-ig)
si: értékösszeg (részletesen lásd a mintafeladatokat)
gi: relatív gyakoriság
17
Példa súlyozott számtani átlag számítására
a) Diszkrét (az értékek jól elkülöníthetők) sorból
A sikeres vizsgát tett hallgatók félévi osztályzatát mutatja a táblázat statisztikából. Számolja ki
az évfolyam átlagát!
4.táblázat
Osztályzat gyakoriság
2 14
3 38
4 22
5 9
összesen 83
18
Összesen 200
Megoldás:
e Ft fő Osztályközép
51-100 55 75
101-150 87 125
151-200 36 175
201-300 16 250
301-400 6 350
Összesen 200
Forrás: saját példa
Ahogy azonban megfigyelhettük átlaggal azonos érték nem vagy csak igen ritkán található a
statisztikai sorban, illetve az értékek többsége kisebb-nagyobb mértékben eltér az átlagtól
(változékonyak). Ezért az átlag nem mindig elegendő az egyszerű statisztikai elemzéshez.
Helyette célszerű a sokaság valamelyik tényleges elemét kiválasztani (illetve becsülni), vagyis
valamelyik középértéket kijelölni, mert azok a sokaságban elfoglalt helyzetüknél fogva jól
jellemzik a vizsgált jelenséget vagy folyamatot.
A középérték kijelölés szabályai:
- Az egyedeket valamilyen szabály szerint sorba kell rendezni,
- Általában növekvő sorrendbe rendezzük az ismérveket=rangsort képzünk,
- A sor valamelyik elemét választjuk ki:
o diszkrét sor esetében kiválasztjuk,
o folytonos sor esetén becsüljük.
19
3.2.1. Módusz
f mo f mo 1
M o mo * hmo
( f mo f mo 1 ) ( f mo f mo 1 )
mo : modális osztályköz alsó határa
f mo : modális osztályköz gyakorisága
f mo 1 :modális osztályközt megelőző osztály gyakorisága
f mo 1 modális
: osztályközt követő osztály gyakorisága
3.2.2.Medián
o Jelentése: középszám,
o Nagyság szerint sorba rendezett számok közül a középső,
o Két egyenlő részre osztja a statisztikai sor adatait, előtte és utána ugyanannyi adat áll,
o Páratlan számú adatsor esetén a középső két adat számtani átlaga,
o Páros számú sor esetén a két középső számból számolunk számtani átlagot,
o Kiszámításához el kell készíteni a gyakoriságok halmozott (kumulált) sorát,
o Amelyik osztályhoz tartozó kumulált érték a felező értéknél (n/2) nagyobb annak az
osztálynak az alsó határával számolunk (illetve ennek az osztálynak az értéke a nyers
medián)
o Folytonos sor esetén az alábbi képlettel számoljuk ki:
n
f me,
1
M e xmea 2 * hme
f me
xmea :
mediánt tartalmazó osztályköz alsó határa
n
: középső elem
2
,
f me mediánt tartalmazó osztályt megelőző osztály kumulált gyakorisága
1 :
20
3.2.3.Kvartilisek
o A sokaságot három ponttal négy egyenlő részsokaságra bontjuk,
o Kiszámításához el kell készíteni a gyakoriságok halmozott (kumulált) sorát,
o Q1= megmutatja, hogy a sokaság ¼ része mely értéknél kisebb,
o Q2=középső kvartilis= megegyezik a mediánnal,
o Q3= a sokaság ¾-e mely értéknél kisebb, ¼-e mely értéknél nagyobb)
o Kiszámításuk az alábbi képlettel történik:
n
f q,1 1
Q1 q1 4 *h
f q1
n
3 * f q,3 1
Q3 q3 4 *h
f q3
Testmagasság Gyakoriság
(cm)
151-160 30
161-170 80
171-180 70
181-190 10
191-200 10
Összesen 200
Megoldás móduszra:
80 30
Mo 160 10 168,3cm
(80 30) (80 70)
21
Megoldás mediánra:
Testmagasság Gyakoriság fi'
(cm)
151-160 30 30
161-170 80 110
171-180 70 180
181-190 10 190
191-200 10 200
Összesen 200
100 30
M e 160 10 168,75cm
80
A diákok egyik fele 168,75 cm-nél alacsonyabb, másik fele ennél magasabb.
Megoldás kvartilisre
50 30
Q1 160 10 162,5cm
80
150 110
Q3 170 10 175,71cm
70
A diákok ¼-e 162,5 cm-nél alacsonyabb, illetve a diákok ¾-e 175,71 cm-nél alacsonyabb.
22
3.3. Szóródási mutatók
Mivel azonban csak a két legszélsőségesebb elemből számoljuk, így csak egy nagyon egyszerű,
közelítő mérőszáma a szóródásnak. A két szélső értéket alakíthatja a véletlen, azok kevésbé
jellemzik a sokaságot, arról, hogy a többi érték hol helyezkedik el nem nyújtanak információt.
23
Az alsó és felső kvartilis a vizsgált értékek 50 %-át foglalják magukban, az IQT alkalmas a
kiugró értékek ellenőrzésére.
r
i xi x f i xi x
i 1
illetve, gyakorisági sor esetén: i 1
r
n
fi
i 1
3.3.4. Szórás
Megkülönböztetjük:
a) tapasztalati szórást ( ),
b) elméleti szórást (s)
(x i x) 2
x 2
i nx 2
i 1
, vagy i 1
n n
24
2. Gyakorisági adatokból:
r
f (x
r
i i x)2 f i xi2 nx 2
i 1
, vagy i 1
n n
b) Elméleti szórás: a minta adatiból számoljuk.
1. Egyedi adatokból:
n
(x i x)2
s i 1
n 1
2. Gyakorisági adatokból:
n
f (x i i x)2
s i 1
n 1
A szórás mindig nagyobb értékű, mint az átlagos eltérés.
Példa szórás számítására:
Számítsa ki, hogy az egyes magyar családok nyaralással töltött ideje hogyan tér el az átlagtól!
Számítsa ki a relatív szórást is!
6.tablázat
Nyaralással
eltöltött idő
(nap) fő
0-1 134
2-4 256
5-7 101
7-10 45
Összesen 536
Forrás: saját példa
25
Megoldás:
7.táblázat
Nyaralással
eltöltött idő
(nap) fő xi osztályközepek
0-1 134 0,5
2-4 256 3
5-7 101 6
7-10 45 8,5
Összesen 536
Forrás: saját példa
x 3,4
i
nap
Szórás számítása:
r
f (x x)i i
2
134 (0,5 3,4) 2 .... 45 (8,5 3,4) 2
i 1
2,37 nap
n 536
Az egyes családok nyaralással töltött ideje az átlagtól átlagosan 2,37 nappal tér el.
Relatív szórás:
2,37
CV 0,68 azaz 68 % (szélsőségesen ingadozó)
x 3,4
Az egyes családok nyaralással töltött ideje 68 %-kal tér el az átlagtól.
3.3.5 Variancia
26
Teljes szórásnégyzet:
2 B2 K2
2 : teljes szórásnégyzet
B2 : belső szórásnégyzet
K2 : külső szórásnégyzet
Teljes szórás:
2
Azt fejezi ki, hogy a vizsgált sokaságban az egyes értékek átlagosan mennyivel térnek el a
főátlagtól.
Részsokaság szórásnégyzete:
j
2 ( xij x j ) 2
nj
Belső szórásnégyzet:
B2
n j 2j
n
Belső szórás:
B B2
Azt fejezi ki, hogy a részsokaságok egyes értékei átlagosan mennyivel térnek el a saját
részátlaguktól.
27
n
n
j 1
j * (x j x )2
K2
n
x j : a részsokaságok átlaga
x : főátlag
Külső szórás:
K K2
Azt fejezi ki, hogy a vizsgált sokaságban az egyes részsokaságok átlagai átlagosan mennyivel
térnek el a sokasági főátlagtól.
V (CV )
x
A variációs koefficiens meghatározásával lehetővé válik, hogy összevessük:
különböző vagy azonos tulajdonságú,
különböző szórású, de azonos átlagú,
különböző átlagú, de azonos szórású sokaságokat.
Az átlagos különbség (G) nevét Corrado Gini olasz közgazdászról kapta, ezért Gini-féle
mérőszámnak is nevezik.
28
Számítása: minden lehetséges módon párba állított ismérvértékek egymás közötti
különbségeinek abszolút értékeiből számított számtani átlag. Általában jövedelmi és jóléti
egyenlőtlenségek mérésére használják.
Súlyozatlan formában:
n n
x
i 1 j 1
i xj
G
nn 1
Súlyozott formában:
n n
f
i 1 j 1
i f j xi x j
G
nn 1
A táblázat kitöltése során a főátlóra szimmetrikus mátrixot kapunk, ezért a táblázatnak csak egy
részét töltjük ki, majd a harmadik táblázatban kapott eredmény megszorozzuk kettővel.
3.3.8. Aszimmetria
29
35
30
25
20
15
10
0
1 3 5 7 9 11 13 15 17 19
-5
3.ábra
30
25
20
15
10
0
1 3 5 7 9 11 13 15 17 19
Aszimmetrikus eloszlás: a módusz valamelyik szélső értékhez esik közelebb. Ferde eloszlásnak
is nevezzük, attól függően, hogy a módusz melyik szélsőértékhez esik közelebb jobb vagy
baloldali aszimmetriáról beszélünk.
30
30
25
20
15
10
0
1 3 5 7 9 11 13 15 17 19
-5
50
45
40
35
30
25
20
15
10
5
0
1 3 5 7 9 11 13 15 17 19
-5
Aszimmetria mutatószámai
A mutatószámok tulajdonságai:
31
az aszimmetria foka dimenzió nélküli szám
minél közelebb esik nullához, annál kisebb az aszimmetria
a mutató pozitív, akkor baloldali az aszimmetria
a mutató negatív, akkor jobboldali az aszimmetria
x Mo
A
Értéke 0 és 1 közé esik. A 0,5-nél nagyobb mutató már erős aszimmetriát jelez, szélsőséges
esetben 1-nél nagyobb érték is előfordulhat.
A „P mérőszám” azaz Pearson- féle mutatószám: azon empirikus összefüggésre
támaszkodik, amely szerint a mérsékelten aszimmetrikus gyakorisági eloszlások esetében a
medián az átlagtól az átlag és a módusz közötti teljes távolság mintegy egyharmadával balra
vagy jobbra esik.
3xa Me
P
Értéke -3 és +3 közé esik, ha -0,5 és 0,5 közé eső érték erős ferdeséget jelez.
2.Ferdeségi mutató
A ferdeségi mutató (F mutató) az alsó és a felső kvartilis mediántól való eltérésének egymáshoz
viszonyított nagyságán alapul.
Q3 Me Me Q1
F
Q3 Me Me Q1
Értéke -1 és +1 között alakul. Baloldali aszimmetria esetén a medián az alsó, jobboldali
aszimmetria esetén pedig a felső kvartilishez esik közelebb. 0,2-nél nagyobb érték esetén már
nagyfokú aszimmetriáról beszélünk.
3.3.9.Koncentráció
32
Koncentrációnak nevezzük a sokasághoz tartozó teljes értékösszeg jelentős részének vagy
egészének kevés egységére történő összpontosulását.
Az értékösszeg jele: Si
relatív gyakoriság:
fi
gi
n
relatív értékösszeg:
si
zi
s i
0,9
0,8
0,7
0,6
0,5
Átló
0,4
Lorenz
0,3
0,2
0,1
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Kumulált relatív gyakoriság (gi')
33
Ha az ábrázolt görbe az átlón fut, akkor a megfigyelt sokaságban nincs koncentráció, ha az
átlóhoz közeli akkor gyenge koncentrációról beszélünk. A görbe annál nagyobb fokú
koncentrációt jelez, minél távolabb van a rajzolt görbe az átlótól.
34
4.Ismérvek közötti kapcsolatok
Az eddig ismertetett statisztikai módszerekkel csak egy ismérvet tudunk vizsgálni. Egy ismérv
vizsgálata azonban a gazdasági összefüggések megismeréséhez ritkán elegendő. Azok a
gazdasági-társadalmi jelenségek, amelyekkel a statisztika foglalkozik kapcsolatban állnak
egymással, illetve más ágazatokkal, területekkel, az ott érvényesülő tendenciákkal.
Például:
az ár befolyásolja a megvásárolt élelmiszerek mennyiségét,
az egészségtudatos életmód követése hatással van az elfogyasztott élelmiszer
mennyiségére (és minőségére),
a város közelsége és a város közeli településeken épített házak száma közötti kapcsolat,
adott területi egység és a bűnözések száma közötti kapcsolat,
a nemiség és a házimunkával töltött idő közötti kapcsolat,
stb.
Vagyis a különböző típusú (mennyiségi, minőségi, területi, időbeli) ismérvek között kapcsolat
mutatható ki, amelyet tudunk vizsgálni.
4.1. Asszociáció
Az asszociáció két minőségi, két területi, vagy egy minőségi és egy területi ismérv közötti
kapcsolat elemzésére szolgál. (pl.: van e kapcsolat a nem és a filmnézési szokások között, a
születési hely és lakhely között, a lakóhely és a választott közlekedési eszköz között).
Az asszociáció elemzéséhez az adatokat ún. kontingencia táblázatba rendezzük. Két
ismérvváltozat esetén a táblázat általános képe:
35
2x2-es kontingencia –táblázat általános alakja
8.táblázat
Ismérvek 1 2 ∑
1 f11 f21 f1.
2 f21 f22 f2.
∑ f.1 f.2 n
Forrás: saját szerkesztés
f1. f f
11 12
n n
f 2. f f 22
21
n n
f11 f
12
f 21 f 22
azaz
f11*f22=f12*f21
vagyis ha f11*f22- f12*f21=0, akkor nincs kapcsolat a vizsgált ismérvek között, tehát függetlenek
egymástól.
36
Az összefüggésből a Yule-féle asszociációs együttható képlete:
f11 * f 22 f12 * f 21
A
f11 * f 22 f12 * f 21
A mutató értéke -1 és 1 közé esik. A kapcsolat teljes hiánya esetén az értéke 0, teljes kapcsolat
esetén ± 1.
Statisztikai vizsgálatok során gyakori eset, hogy a minőségi ismérveket kettőnél több csoportra
kell bontani, illetve több szinten jelentkeznek eltérések. Ezekben az esetekben a Yule-féle
asszociációs együttható nem alkalmazható, helyette a Csuprov-féle asszociációs együtthatót
használjuk.
Képlete:
2
T
n ( s 1) (t 1)
T: Csuprov-féle együttható,
s: az egyik ismérv változatainak száma
t: a másik ismérv változatainak száma
n: a sokaság elemszáma
Értelmezési tartománya:
s 1
ha s˂t akkor 0 és 4
t 1
fi . f. j
f ij*
n
37
3. táblázat: kiszámítjuk a tapasztalati és az elméleti értékek közötti különbségeket ( 2
értéket)
s t ( f ij f ij* ) 2
2
i 1 j 1 f ij*
Minőségi ismérvek közötti kapcsolat térbeli vagy időbeli vizsgálatakor előfordul, hogy
ugyanazon ismérv változatainak száma nem azonos a két helyen vagy a két időpontban. Ebben
az esetben a Cramer-féle asszociációs együtthatót alkalmazzuk.
Képlete:
2
C
n * ( s 1)
ha s≤t
vagy
2
C
n * (t 1)
ha s ›t
A C mutató értéke mindig 0 és 1 között van. Ha a két ismérv rétegeinek száma megegyezik
(azaz s=t), akkor T=C, vagyis a Csuprov-féle és a Cramer féle asszociációs mutató értéke
azonos.
9.táblázat
Beosztás Fiú Lány Összesen
Beosztott 20 40
Középvezető 60 40
Felsővezető 30 10
Összesen
38
Forrás: saját szerkesztés
Megoldás:
1.Elsőként számoljuk ki a peremgyakoriságokat, azaz töltsük ki az összesen oszlopot és az
összesen sort.
10.táblázat
Beosztás Fiú Lány Összesen
Beosztott 20 40 60
Középvezető 60 40 100 peremgyakoriságok
Felsővezető 30 10 40
Összesen 110 90 200
peremgyakoriságok
2.A következő lépéshez egy újabb kontingencia táblázatra lesz szükségünk, ez lesz az ún. f ij*
tábla. Ebbe kerülnek az elméleti értékek/gyakoriságok, amelyeket függetlenség esetében
vennének fel az egyes kategóriák, vagyis esetünkben abban az esetben ha nem lenne kapcsolat
a beosztás és a nemiség között.
A táblázatba az eredeti peremgyakoriságokat írjuk, azok, vagyis az elemszám nem változik,
csak az kategórián belüli megoszlások.
A beosztott fiú esetében az elméleti értéket/gyakoriságot a következőképpen számoljuk ki:
110 60
f ij* = 33 fő
200
Jelentése: ha nem lenne kapcsolat a beosztás és a nemiség között akkor 33 fiú dolgozott volna
beosztottként.
Minden egyes kategóriában így kell eljárni.
11.táblázat
Beosztás Fiú Lány Összesen
Beosztott 33 90 60 60
27
200
Középvezető 55 45 100
Felsővezető 22 18 40
39
Összesen 110 90 200
3.Harmadik lépésben az ún. 2 táblát készítjük el, ennek segítségével számoljuk ki, hogy a
eredeti (tapasztalati) értékek mennyivel térnek el az elméleti értékektől. Minél nagyobb a
különbség, annál valószínűbb, hogy van kapcsolat a vizsgált ismérvek között.
A peremgyakoriságokat ebbe a táblázatba már nem írjuk be, mert az összesen oszlopba és
összesen sorba a különbségek összege kerül, amely megadja a 2 értéket.
2 18,86
T = 0,26
n s 1t 1 200 2 13 1
2 1
T max= 4 0,84
3 1
Az értelmezési tartomány:
0< T< 0,84 vagyis 0< 0,26 < 0,84 tehát a nem és a beosztás között gyenge kapcsolat van.
40
5. Standardizálás
Társadalmi-gazdasági jelenségek vizsgálatánál szükség lehet két vagy több ország gazdasági
potenciáljának, az ott élő emberek életkörülményeinek, kultúrájának stb., illetve két vagy több
vállalkozás gazdálkodásának, működésének stb. összehasonlítására. Ezek közül a mikroszintű
vizsgálat egyik hatásos eszköze a standardizálásnak nevezett módszertani eljárás, amely az
adott vállalkozás menedzsmentjének munkáját nagymértéken támogató statisztikai elemzés.
Segítségével a vezetés tájékozódik a működés operatív adatiról, továbbá a bekövetkezett
változások, a megfigyelt jelenségek és folyamatok hátteréről is fontos információkra tehetnek
szert. Mikroszinten, azaz egy vállalkozás működésében a bekövetkezett változást, az észlelt
jelenség színvolát (pl. átlagbéreket, termékek önköltségét stb.) vizsgáljuk. Mindezen
vizsgálatokat nem homogén, hanem összetett, azaz heterogén, különnemű adatokból álló
sokaságon, annak részein végezzük el. Az egyes csoportokon, részeken elvégzett számítások
segítségével jutunk el az egészre, a fősokaságra vonatkozó értékes adatokhoz.
A módszer során intenzitási viszonyszámokat alkalmazunk. Az egyes részekre kiszámított
intenzitási viszonyszámokat intenzitási részviszonyszámnak, a sokaság egészére kiszámított
intenzitási viszonyszámokat összetett intenzitási viszonyszámnak nevezzük.
A standardizálás olyan eljárás, amellyel az összetett jelenségek eltérését tényezőkre bontjuk.
Ennek során az összetett jelenséget az egyik tényező vonatkozásában különbözővé, a másik
(vagy többi) tényező szempontjából azonossá/állandóvá (standarddá) tesszük. A számítás során
kimutatjuk együttesen az összes tényező hatását kifejező (valóságos) eltérést és változást,
illetve külön-külön az egyes tényezők okozta változást a másik tényező állandósága mellett
(ezeket fiktív eltéréseknek, változásoknak nevezzük).
Az eredményben, vagyis az eltérésben annak a tényezőnek az egyedi hatását tudjuk kimutatni,
amely nagyobb hatással volt/van a bekövetkezett változásra.
41
B: szerkezeti, összetételi mutató
V : főátlag
A standardizálás módszerének fő célja, hogy a vizsgált két (vagy több) sokaság főátlagát (
V 1,V 0 ) összehasonlítsuk. Ennek eszközei a főátlagok különbsége (K) és a főátlag-index (I):
• A főátlag-index a főátlag változását fejezi ki, azaz megmutatja, hogy hogyan változik a
heterogén sokaság főátlaga a részátlagok színvonalának és arányának együttes változása
esetén.
V1
I
Aij Bij * Vij f ij * xij
V0
Vi B
Bij
f ij
ij
K V 1 V 0 B1 * V1 B0 * V0
K
B1 B0
V sB0
Ebben az esetben a részátlag-index: I '
V0
42
B1 *V0
V s:B1
B1
V1
I'
Vs
5.3.Összetétel-különbség és összetétel-index
Az összetételindex:
V1
I ''
Vs:V1
Az összetételindex pedig:
V s:v0
I ''
V0
43
Hasonlóan a részátlag indexhez az összetételhatást is ki lehet fejezni a különbségek
felbontásával, azaz kiszámolhatjuk, hogy csak az összetétel-változás hatására mennyivel
változott a főátlag.
K '' Vs V 0 K'' V1 Vs
2012 2013
Átlagbér Átlagbér
Nem Létszám Létszám
(fő) (fő)
(Ft/fő/hó) (Ft/fő/hó)
Férfiak 50 200.000 60 220.000
Nők 80 190.000 70 205.000
á 130 - 130 -
Megoldás:
50 * 200.000 80 *190.000
V0 193.846 Ft/fő/hó
130
60 * 220.000 70 * 205.000
V1 211.923 Ft/fő/hó
130
211.923
I 1,09325 109,325 % + 9,325 %
193.846
44
50 * 220.000 80 * 205.000
Vst:B0 210.769 Ft/fő/hó lett volna a cégnél az átlagkereset
130
2013-ban, ha a létszám szerkezet állandónak tekintjük.
2.Példa
2000 2003
Bérátlag Megoszlás Bérátlag
Megoszlás (%)
(Ft/fő) (%) (Ft/fő)
Megoldás:
V 0 87.665,1Ft/fő
V 1 137.470,3 Ft/fő
K= 49.805,2 Ft/fő
45
I 1,5681 + 56,81 %
Mi okozta a változást?
I’=1,3 + 30 %
A férfiak és nők átlagbérének növekedése 30 %-os, azaz 26.244,98 Ft-os vállalati átlagbér
növekedést okozott volna.
K”=23.650,22 Ft/fő
I”= 1,206 20,6 %
A dolgozók összetételében bekövetkezett változás miatt a vállalati átlagbérek 20,6 %-kal
emelkedtek, ami 23.650,22 Ft-nak felel meg.
Következtetés: az 56,81 %-os 49.805,2 Ft-ot jelentő vállalati átlagbér növekedésben a
részátlagok változásának volt nagyobb hatása.
46
4.Példa
Töltse ki a hiányzó részeket! Válaszolja meg az alábbi kérdéseket:
55 95 4,8 1442100
Belföldi
- - -
Összesen
47
Megoldás:
1.442.10:261.250=
500.000- 95 5,52éj/fő 275.000*4,8=
225.000= 55 4,8 1442100
(275.000*0,95= 5,52:4,8= 1,15 1.320.000
275.000 261.250 fő)
Belföldi +15
225.000:0,45
=500.000
100 % - - - 2.040.000 2.122.500
Összesen
2.040.000
V0 4,08 nap/fő volt az átlagos tartózkodási idő 2010-ben.
500.000
2.122.500
V1 4,27 nap/fő volt az átlagos tartózkodási idő 2011-ben.
236.250 261.250
4,27
I 1,046 + 4,6 %-kal nőtt az átlagos tartózkodási idő 2010-ről 2011-re.
4,08
48
6. Indexszámítás
Alapösszefüggés:
v =p*q
p: ár
q: mennyiség
v: érték
Megoldás:
a)Egyedi mennyiségindex:
49
Tanuló és nyugdíjas bérlet:
q1 1520
iq 0,95 -5%
q0 1600
kq =q1-q0=1520-1600= -80 db
Felnőtt bérlet:
q1 1960
iq 0,98 -2%
q0 2000
kq =q1-q0=1960-2000= -40 db
b)Egyedi árindex:
Tanuló és nyugdíjas bérlet:
p1 1874
ip 1,0647 + 6,47 %
p0 1760
Felnőtt bérlet:
p1 3125
ip 1,1572 15,74 %
p0 2700
Felnőtt bérlet:
vi1 qi1 pi1
iv i q * i p = 0,98*1,1574=1,1342 13,42 %
vi 0 q i 0 pi 0
50
d) Értékindex és differencia:
Iv
q p 1 1
8.973.480
1,0922 + 9,22 %
q p 0 0 8.216.000
K v q1 p1 q0 p0 = 8.973.480-8.216.000= 757.480 Ft
Az egység árak és az eladott mennyiségek változásának hatása miatt a fuvarozó vállalat összes
árbevétele 2016. év szeptemberében 9,22 %-kal, azaz 757.480 Ft-tal volt több, mint 2015
szeptemberében.
e) Árindexek:
Az ár befolyásoló hatásának vizsgálatakor a mennyiséget vesszük állandónak. Vehetjük
állandónak a bázisévi vagy a tárgyévi mennyiséget is. Eltérő súlyokat alkalmazunk, így
árindexeket a következőképpen számolhatunk:
Paasche-féle árindex (tárgy időszaki súlyozás):
I pP I 1p
q p 1 1
8.973.000
1,1263 +12,63 %
q p1 0 7.967.200
I pL I p0
q 0 p1
9.248.400
1,1256 + 12,56 %
q 0 p0 8.216.000
Fisher-féle index:
I qF I qL I qP 1,1263 *1,1256 1,126 +12,6 %
f) Volumenindexek:
Az eladott mennyiségek befolyásoló hatásának vizsgálatakor az árat vesszük állandónak.
Vehetjük állandónak a bázisévi vagy a tárgyévi eladási árat is is. Eltérő súlyokat alkalmazunk,
így a volumenindexeket a következőképpen számoljuk:
Paasche-féle volumenindex (tárgy időszaki súlyozás):
I qP I q1
q p1 1
8.973.490
0,9703 - 2,97 %
q p0 1 9.248.400
I qL I q0
q p1 0
7.967.200
0,9697 -3,03 %
q p0 0 8.216.000
Fisher-féle index:
I pF I pL I pP 0,9703 * 0,9697 0,97 -3%
51
Csak az árváltozás hatására 12,6 %-kal emelkedett volna a cég összes árbevétele, illetve csak a
mennyiségi változás hatására 3 %-kal csökkent volna a vállalkozás árbevétele. A két változás
együttes hatása eredményezte a cég egészében a 9,22 %-os árbevétel növekedést a vizsgált
időszakban.
2.Példa indexszámításra
Határozza meg, hogyan változott a vendégéjszakák száma, a szállásdíj, valamint a realizált
árbevétel a 2008-2009-es időszakban a tanult indexek ill. indexdifferenciák segítségével!
Vendégéjszaka Szállásdíj
Szállodák besorolása (éjszaka) (ezer Ft/éjszaka)
2008 2009 2008 2009
Megoldás:
a)Egyedi mennyiségindex:
Négycsillagos:
iq 1,18 18 %
Háromcsillagos:
iq 1,04 +4 %
Kétcsillagos:
iq 1
b)Egyedi árindex:
Négycsillagos:
i p 1,16 + 16 %
Háromcsillagos:
i p 1,071 + 7,1 %
52
Kétcsillagos:
i p 1,1 + 10 %
c)Egyedi értékindex:
Négycsillagos
iv 1,3688 +36,88 %
Háromcsillagos
iv 1,1128 +11,28%
Kétcsillagos
iv 1,1 +10%
d) Értékindex és differencia:
I v 1,2543 + 25,43 %
K v =3089,4 eFt
I pP I 1p 1,126 +12,6 %
I pL I p0 1,123 + 12,3 %
Fisher-féle index:
I qF 1,1247 +12,47 %
53
f) Volumenindexek:
Paasche-féle volumenindex (tárgy időszaki súlyozás):
I qP I q1 1,1164 +11,64 %
I qL I q0 1,1138 +11,38 %
Fisher-féle index:
I pF 1,1151 11,51 %
Csak az árváltozás hatására 12,47 %-kal emelkedett volna az összes, vizsgált szálloda
árbevétele, illetve csak a mennyiségi változás hatására 11,51 %-kal emelkedett volna az
árbevétel. A két változás együttes hatása eredményezte a 25,41 %-os árbevétel növekedést.
54
Gyakorló feladatok
Árbevétel Reklámköltség
Év (Millió $) (Millió $)
2005 62 720 0,716
2006 64 060 0,977
2007 71 940 1,315
2008 75 940 1,569
2009 78 510 1,708
2010 81 670 1,681
2011 87 550 1,758
2012 88 400 1,746
2013 83 060 1,615
2014 81 180 1,427
2015 89 110 1,406
2016 96 500 1,335
Forrás: saját példa
55
7.2.Az alábbi táblázat és a tanult számítási módszerek segítségével készítsen komplett
elemzést a KKV helyzetéről a 2013-2016 közötti időszakra vonatkozóan!
Hozzáadott Export-
Egy Értékesítés
érték értékesítés
Kis- és középvállalkozási Vállalkozások Foglalkoztatottak foglalkoztatottra nettó
(tényező- árbevétele,
kategória száma, darab létszáma, fő jutó árbevétel, árbevétele,
költségen), millió
ezer forint/fő millió forint
millió forint forint
2013
0 fős mikrovállalkozások 9 220 – – 15 184 766 2 029
1 fős mikrovállalkozások 392 914 392 914 8 005 3 145 338 744 804 158 286
2–9 fős mikrovállalkozások 173 174 584 438 12 329 7 205 466 1 539 366 359 192
Kisvállalkozások 29 197 473 362 22 796 10 790 992 2 071 075 1 321 508
Középvállalkozások 4 961 370 187 34 739 12 859 847 2 405 628 3 655 769
Nem KKV körbe tartozó
szervezetek 5 368 840 940 53 235 44 767 593 8 500 312 20 636 010
Összesen 614 834 2 661 841 29 598 78 784 420 15 261 951 26 132 793
2014
0 fős mikrovállalkozások 2 063 – – 62 055 19 023 2 012
1 fős mikrovállalkozások 424 110 424 110 8 070 3 422 359 809 840 172 500
2–9 fős mikrovállalkozások 170 329 583 478 13 393 7 814 453 1 707 924 358 966
Kisvállalkozások 30 372 494 046 23 901 11 808 288 2 343 803 1 411 877
Középvállalkozások 5 041 369 244 35 654 13 164 862 2 453 271 3 501 490
Nem KKV körbe tartozó
szervezetek 5 514 880 855 54 821 48 289 173 9 513 235 23 107 818
Összesen 637 429 2 751 733 30 730 84 561 191 16 847 096 28 554 663
2015
0 fős mikrovállalkozások 6 439 – – 43 824 12 745 365
1 fős mikrovállalkozások 454 316 454 316 8 235 3 741 090 909 274 171 910
2–9 fős mikrovállalkozások 171 015 589 467 13 913 8 201 124 1 826 901 388 974
Kisvállalkozások 32 157 524 610 24 087 12 636 019 2 597 628 1 492 390
Középvállalkozások 5 221 388 394 35 429 13 760 345 2 604 002 3 427 453
Nem KKV körbe tartozó
szervezetek 5 719 960 275 53 524 51 398 190 10 462 195 25 838 155
Összesen 674 867 2 917 062 30 778 89 780 593 18 412 745 31 319 246
2016
0 fős mikrovállalkozások 5 846 – – 21 664 5 810 1 826
1 fős mikrovállalkozások 471 058 471 058 7 960 3 749 805 926 389 170 770
2–9 fős mikrovállalkozások 172 829 599 095 14 118 8 457 881 1 912 680 382 351
Kisvállalkozások 32 742 535 006 23 988 12 833 719 2 713 290 1 545 500
Középvállalkozások 5 223 384 127 33 861 13 006 864 2 507 850 3 185 274
Nem KKV körbe tartozó
szervezetek 5 964 1 002 566 51 646 51 778 122 10 778 406 25 216 677
Összesen 693 662 2 991 852 30 031 89 848 055 18 844 425 30 502 398
Forrás: KSH
56
7.3. Hasonlítsa össze a két táblázatot és készítsen rövid szöveges értékelést!
Forrás: Eurostat
Forrás: Eurostat
57
7.4. Az alábbi táblázat segítségével készítsen egyszerű kimutatást a cég bevételének
alakulásáról a vizsgált időszakban!
58
Felhasznált irodalom
59