27日のテストの結果が散々だったので、
もうどうすればいいのかわかりません。
3-1. 統計表の見方
・クロスセクションデータ
・時系列データ
・パネルデータ
・統計表の見方
縦横軸にどんな特性の分類を置いているか注目
・クロスセクションデータの場合
縦、横軸に地域や産業分類などを置く。様々な組み合わせがある。
地域別データの場合、縦軸に地域を置き、横軸に様々なデータを置くことが多いです。
分類→質的分類
標準統計分類を設定
※しかしデータによっては期間などが違う場合があるので注意
時系列データの場合
縦に時間軸をとり、横軸に様々な特性の分類をとることが多い
データは並び順は通常、上から古いー＞新しいとなることが多いが、
たまに金融市場データなどでは逆の場あいがあるので要注意
3-2. 比率の見方（1）-クロスセクションデータ
比率を求めるときはどのような数を分母に置くかがポイントです。
構成比
ここでの構成比は各産業の就業者数/地域の総就業業者数
構成比と総数とその内訳の比率
例：15歳未満人口割合＝15歳未満の人数/総人口
相対比
異なるデータを分子、分母に取った比率
例：人口密度＝人口/面積
3-3. 比率の見方（2）-使い方と注意点
相関係数
同じ変数を分母とする構成比同士の相関係数では、
変数が１つ減っていることに注意。
3-4. 時系列データの見方（1）-基礎編
よく用いられるのは以下の通り
例えば年次データ→政府の財政データなんかはそうなんですけども
あるいは半期、半年に一回観測されるようなデータ
あるいは四半期に一回観測されるデータ
あるいは月次データ
週次データ、日次データ
あるいは1時間当たりのデータ
こういうふうな感じで各例はあります
※注意点
暦年と年度
暦年データ、1年間データ。
年度はいつ始まるかは国によって違う
ストックデータとフローデータ
3-5. 時系列データの見方（2）-発展編
GDPデータ→物価の水準を考慮する必要がある
実質値と名目値
これは金額を扱う統計で使われるものでして
この物価の変動をいかに除去するか
除去したものを実質値
その除去する前のものを名目値というふうに呼びます
なぜこういうことをするかと言いますと
50年前の1万円と例えば今の1万円では価値が違ってくるわけですね
同じ1万円でも昔の1万円と今の1万円では価値が違ってくる
だから金額で集計されているような統計では
そのまま、その当時の金額で表されています
そうすると名目で、その当時表せるようなデータを
現在の価値の金額と比べると不都合が起きてしまいます
実質値＝ 名目値
——-
価格指数
季節性
クーラー代、ビール代。教育費、ボーナス
前年同月比＝当月の値
———— -1
前年の同月の値
前年同月比がプラスなんだけど
季節調整値の前月比はマイナスになってしまうという
両者の符号が一致しないという場合が出てきます
こういった場合には傾向に変化が生じている場合があるので
非常に注意が必要になります
一般には前年同月比は前月比よりも
変化が表れるのが遅れる場合があります
なので注意をしたいと思います
一方、前月比はより細かいノイズでも
変化することがあるのでこれも注意が必要になってきます3-6. 時系列データの見方（3）-分析編
同時相関（同時点で相関）相互相関（時間差で相関）
見せかけの相関
例：消費者物価と東京都の気温
時系列予測
多項式回帰による予測 𝑥𝑡 = 𝑎 + 𝑏𝑡 + 𝜺 𝑡
自己回帰モデルによる予測 𝑥𝑡 = 𝑎 + 𝑏𝑥𝑡−1 + 𝜺𝑡(t=1,2,3・・・,N)
多項式回帰による予測
・はっきりしたトレンドがある場合、時間の多項式を当てはめて予測することができる
・ 直線的なトレンドの場合は1次関数が良く用いられる。
・ あまり、高次の多項式を当てはめることは望ましくない。
・ 大きな構造変化が起こるときにはうまく予測できない。
多項式回帰による予測
・はっきりしたトレンドがある場合、時間の多項式を当てはめて予測することができる
・ 直線的なトレンドの場合は1次関数が良く用いられる。
・ あまり、高次の多項式を当てはめることは望ましくない。
・ 大きな構造変化が起こるときにはうまく予測できない。
▼確認テスト
やっと75%で合格点とれました。
コメント