Литература

1. Елисеева И.И., Юзбашев М.М. Общая теория статистики. - М.: Финансы и кредит, 1996. 170 с.

2. Справочник по прикладной статистике. Том 2 /Под. ред. Э. Ллойд У. Ледерман. - М.: Финансы и статистика, 1990. 176 с.

3. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. - М.: Финансы и статистика, 1995. 130 с.

4. Stevens C.E. (1974). On the Variability of Demand for Families of Items, Oper. Res. Quart. 25, 156-178.

5. Sofware С.E. Digst Rating Report. 1991, v. 8, N 5.

6. Дрейпер, Г. Смит. Прикладной регрессионный анализ. – М.: Финансы и статистика, 1986. 118 с.

7. Розин Б.Б., Ягольцер М.А. Конструирование экономико-статистических моделей с заданными свойствами. Новосибирск: Наука, 1981. 175 с.

8. Жуковская В.М., Мучник И.Б. Факторный анализ в социально-экономических исследованиях. - М.: Статистика, 1976. 152 с.

9. Елисеева Е.И. Статистические методы измерения связей /Под ред. А.Н. Жигарева. Ленинград.: Издательство Ленинградского Университета, 1982. 134 с.

10. Типология потребления /Под ред. С.А. Айвазяна, Н.М. Римашевской. - М.: Наука, 1978. 168 с.

11. Гришина Л.П. //Инвалидность как многофакторная проблема/ Здравоохранение Российской Федерации - М., 1993. - №12.

Содержание

1. ВВЕДЕНИЕ 3

2. ИСХОДНЫЕ СТАТИСТИЧЕСКИЕ ДАННЫЕ ПО ИНВАЛИДНОСТИ 10

3. ИССЛЕДОВАНИЕ МАТЕМАТИЧЕСКОГО И ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ ИНВАЛИДНОСТИ 15

3.1. Анализ математического обеспечения 15

3.2. Анализ программного обеспечения 18

3.3. Первичный статистический анализ данных 20

4. Использование корреляционно-регрессионной МОДЕЛИ ДЛЯ ПРОГНОЗИРОВАНИЯ ИНВАЛИДНОСТИ 25

5. АНАЛИЗ РЕЗУЛЬТАТА ВЕРИФИКАЦИИ МОДЕЛИ 33

6. МЕТОДИКА ПРОГНОЗИРОВАНИЯ ИНВАЛИДНОСТИ 37

7. КОНЦЕПЦИЯ ПРОГНОЗА ПЕРВИЧНОГО ВЫХОДА НА ИНВАЛИДНОСТЬ 41

7.1. Предпрогнозная ориентация 41

7.2. Методические проблемы 49

7.3. Информационная база исследования 74

8. ЗАКЛЮЧЕНИЕ 77

9. ПРИЛОЖЕНИЯ 81

Литература 98

ЦВЕТАЕВА И.Л.

ИВАНОВА А.Е.

ЯКОВЛЕВА М.Н.

Инновационные социальные технологии прогнозирование инвалидизации населения РФ

Корректор Л.С. Лытнева

ЛР № 020658

Подписано в печать с оригинал-макета 16.11.98. Формат бумаги: 60 84^1\16.

Гарнитура Таймс. Уч.-изд.л. 4,5. Тираж 200 экз. Заказ 22.

Издательство МГСУ “Союз”

107150, Г. Москва, ул. Лосиноостровская, 24

Отпечатано с оригинал-макета в Копировально-множительном центре МГСУ 107150, г. Москва, ул. Лосиноостровская, 24

1В качестве количественных характеристик связи между x_j и y часто используются показатели парных связей - коэффициенты парных корреляций. При этом в модель включаются факторы, тесно связанные с результативным признаком. Ориентация на парные коэффициенты корреляции оправдана только в случае их высоких, близких к единице значений. При таких значениях, несмотря на обычное для парных связей наложение влияния прочих факторов, роль данного фактора проявляется тем не менее достаточно отчетливо. Однако отбор на основе парных коэффициентов корреляции следует проводить осторожно, поскольку парные коэффициенты характерезуют связи в том виде, как они проявляются со стороны не одного данного фактора, а целого комплекса факторов, действие которых сомкнуто с коррелируемым. Как и коэффициенты парных регрессий, они выражают “условную эффективность” факторов.

Целесообразнее проводить отбор факторов на основе частных коэффициентов корреляции, которые измеряют тесноту связи между результатом и каждым из анализируемых факторов, включенных в анализ, при исключении влияния остальных факторов. Строго говоря, о “чистоте” таких коэффициентов можно говорить лишь условно, так как и тут отражается влияние на y других факторов (кроме x_j ), влияние опосредованное и отраженное. Вместе с тем, частные коэффициенты точнее измеряют связь и помогают оценить значимость факторов в ситуации, когда ряд взаимосвязанных признаков влияет на результат совместно.

Привлечение частных коэффициентов корреляции задает весь алгоритм построения многофакторного уравнения регрессии. Отталкиваясь от анализа парных связей, мы, естественно, приходим к построению уравнения множественной регрессии методом включения, начиная от ведущего аргумента и постепенно увеличивая число аргументов. Напротив, учет частных связей предполагает использование метода исключения - от максимально возможного числа аргументов к сужению их круга в результате отсева статистически незначимых аргументов.

93