Росстат — Статистическая отчетность в электронном виде

Росстат в соцсетях

Подписывайтесь и следите за деятельностью Федеральной службы государственной статистики в социальных сетях

Сдать отчётность

expand_moreРазвернуть

expand_lessСвернуть

Нормативные документы

DOC

Приказ Росстата от 07.07.2011г. №313 «Об утверждении Унифицированного формата транспортного сообщения при обмене электронными документами между территориальными органами Росстата и респондентами»

29 Кб, 31.07.2018

DOC

Приложение к приказу: Унифицированный формат транспортного сообщения при обмене электронными документами между территориальными органами Росстата и респондентами

2.53 Мб, 31.07.2018

GIF

Приказ Росстата от 28.10.2010г. №372 «Об утверждении Унифицированного формата электронных версий форм статистической отчетности»

155 Кб, 31.

07.2018

DOC

Приложение к приказу: Унифицированный формат электронных версий форм статистической отчетности

404.5 Кб, 31.07.2018

GIF

Приказ Росстата от 27.10.2010г. №370 «Об утверждении Порядка организации обработки первичных статистических данных по формам федерального статистического наблюдения, поступивших от респондентов в электронном виде по телекоммуникационным каналам связи»

161.92 Кб, 31.07.2018

DOC

Приложение к приказу: Порядок организации обработки первичных статистических данных по формам федерального статистического наблюдения, поступивших от респондентов в электронном виде по телекоммуникационным каналам связи

78 Кб, 31.07.2018

JPG

Приказ Росстата от 02.08.2010г. №267 «О подготовке проектов Указаний по заполнению форм федерального статистического наблюдения»

1.36 Мб, 31.07.2018

PDF

Приказ Росстата от 16. 07.2010г. №251 «Об организации сети доверенных удостоверяющих центров Федеральной службы государственной статистики»

14.89 Мб, 31.07.2018

Программные средства для сдачи отчетности

Актуальные версии XML-шаблонов форм содержатся в Альбоме форм федерального статистического наблюдения по ссылке: https://www.gks.ru/monitoring

expand_moreРазвернуть

expand_lessСвернуть

XLSX

Таблица соответствия кодов справочников s_time и s_mes, используемых в XML-шаблонах в разрезе форм федерального статистического наблюдения (ОКУД) (на 18.08.2014)

37.03 Кб, 18.08.2014

call_madeWEB

ФОРУМ ВЗАИМОДЕЙСТВИЯ С РЕСПОНДЕНТАМИ ПО ВОПРОСАМ ПРЕДОСТАВЛЕНИЯ СТАТИСТИЧЕСКОЙ ОТЧЕТНОСТИ В ЭЛЕКТРОННОМ ВИДЕ

04.09.2018

expand_moreРазвернуть

expand_lessСвернуть

Архив форм статистической отчетности

DOC

Формы статистической отчетности сплошного наблюдения субъектов малого и среднего предпринимательства — ИНСТРУКЦИЯ ПО ЗАПОЛНЕНИЮ ЭЛЕКТРОННЫХ ФОРМ

335 Кб, 04. 09.2018

RAR

Формы статистической отчетности сплошного наблюдения субъектов малого и среднего предпринимательства — Форма № МП-сп. Сведения об основных показателях деятельности малого предприятия за 2010 год — (1,5Мб — обновлено 4.02.2011)

1.41 Мб, 04.09.2018

RAR

Формы статистической отчетности сплошного наблюдения субъектов малого и среднего предпринимательства — Форма №-1-предприниматель. Сведения о деятельности индивидуального предпринимателя за 2010 год — (1,5Мб — обновлено 4.02.2011)

1.41 Мб, 04.09.2018

call_madeWEB

XML-шаблоны форм федерального статистического наблюдения в 2019 году

05.03.2020

call_madeWEB

XML-шаблоны форм федерального статистического наблюдения в 2017 году (на 22.01.2018г.)

04.09.2018

call_madeWEB

XML-шаблоны форм федерального статистического наблюдения в 2016 году (на 09.01. 2017г.)

04.09.2018

call_madeWEB

XML-шаблоны форм федерального статистического наблюдения в 2018 году (на 28.12.2018г.)

28.12.2018

call_madeWEB

XML-шаблоны форм федерального статистического наблюдения в 2015 году (на 30.12.2015г.)

04.09.2018

Предоставление организациями в территориальные органы Росстата годовой бухгалтерской отчетности

Предоставление организациями в территориальные органы Росстата годовой бухгалтерской отчетности в электронном виде осуществляется на основе XML-шаблонов, утвержденных приказами Федеральной налоговой службы:

Приказ

call_madeWEB

Приказ Федеральной налоговой службы от 13 ноября 2019 г. № ММВ-7-1/570@ «Об утверждении форматов представления экземпляра составленной годовой бухгалтерской (финансовой) отчетности и аудиторского заключения о ней в виде электронных документов в целях формирования государственного информационного ресурса бухгалтерской (финансовой) отчетности» (зарегистрировано Минюстом России 17 декабря 2019 г.

, регистрационный № 56836)

11.02.2020

Как сделать интересную статью из статистических данных?

Марина!

Вы как будто исходите из предположения, что статистические данные — это неинтересно.

Артём Горбунов рассказал историю, как в 2006 году, когда он работал в студии Лебедева, принёс Тёме полосу для журнала Раша:

Тёма сказал, что это скучновато. На что Артём ответил: «А ты присмотрись к эпиграфу»:

И Лебедев сказал: «А тогда ладно».

Данные бывают разными, здесь многое зависит от темы. Если вы будете рассказывать статистику, от чего умирали люди в России в 2019 году, это наверняка привлечёт внимание. Тема смерти всегда вовлекает, поэтому и статистику читать о ней интересно. Читатель смотрит на данные и прикидывает, какие у него шансы от чего умереть. Ещё интересно читать статистику про аборты, гомосексуализм, пенсии и заработки чиновников, потому что это болезненные и спорные темы.

Конечно, способ подачи материала тоже важен, а если тема не такая уж вовлекающая, то в ней особенно придётся уделить внимание тому, как структурировать информацию. В работе с цифрами я советую попробовать контринтуитивное правило:

Чтобы сделать статистические данные интересными, надо перестать пытаться делать их интересными

Это значит, что если считать цифры по умолчанию неинтересными, то можно слишком увлечься в попытках собрать более захватывающий материал. Например, вы пишете о российском бизнесе в цифрах, но цифры приводите внутри историй героев, исторической справки, комментариев экспертов из разных отраслей. Наверняка у вас получится хороший материал, но это будет уже не статистика, а исследование. Фокус статьи сместится, задачи будут другими. Поэтому не надо пытаться превратить цифры в историю с сюжетом и героями.

Чтобы цифры стали интересными, их нужно выбрать, сформулировать, правильно подать. Это глубокая редакторская работа.

Цифры интересно показывать в динамике и сравнивать с чем‑то знакомым. Если говорите, сколько людей в России живут без горячего водоснабжения, покажите данные за предыдущие годы. Если называете расстояние до Луны, скажите, сколько времени понадобилось бы, если бы мы летели до неё на обычном самолёте.

У Нассима Талеба в книге «Антихрупкость» есть вот такой фрагмент:

В США мы сжигаем 12 калорий топлива на транспортировку пищи, чтобы получить одну калорию при питании. В СССР это соотношение было один к одному

Если бы Талеб просто сказал, сколько тратится топлива на доставку пшеницы, это была бы скучная цифра, из которой трудно сделать какой‑то вывод. Но он показал эту цифру в соотношении и сравнил с другой страной. И читатель сразу делает вывод об эффективности транспортировки.

P. S. Это был воскресный совет о редактуре текста. Присылайте вопросы

Текст, редактура и информационный стиль

Отправить

Поделиться

Поделиться

Запинить

Твитнуть

Свежак

Статистика – Центр письма • Университет Северной Каролины в Чапел-Хилл

Есть ложь, наглая ложь и статистика.
—Марк Твен

О чем эта брошюра

Цель этого пособия — помочь вам использовать статистику для максимально эффективной аргументации.

Введение

Числа — это сила. По-видимому, освобожденные от всей мягкости и двусмысленности слов, цифры и статистика являются мощными доказательствами, которые могут эффективно усилить любой аргумент. Но статистика не панацея. Какими бы простыми и понятными ни казались эти маленькие цифры, статистика, если ею не пользоваться осторожно, может создать больше проблем, чем решить.

Многим авторам не хватает твердого понимания статистики, которую они используют. Средний читатель не знает, как правильно оценивать и интерпретировать статистику, которую он или она читает. Основной причиной плохого использования статистики является непонимание того, что может и что не может статистика. Многие считают, что статистика может говорить сама за себя. Но цифры столь же неоднозначны, как и слова, и требуют не меньше объяснений.

Во многом эта проблема очень похожа на проблему с прямыми кавычками. Слишком часто ожидается, что цитаты сделают всю работу и рассматриваются как часть аргумента, а не как доказательство, требующее интерпретации (см.

наш раздаточный материал о том, как цитировать). знает, какие нестандартные интерпретации могут возникнуть? Единственный способ избежать этой опасности — предоставить интерпретацию самостоятельно.

Но прежде чем мы начнем писать статистику, давайте прочитаем некоторые из них.

Чтение статистики

Как уже было сказано, числа обладают большой силой. Это одна из причин, почему статистика может быть таким убедительным доказательством. Однако эта же сила может сделать цифры и статистику пугающими. То есть мы слишком часто принимаем их как евангелие, никогда не подвергая сомнению их правдивость или уместность. Хотя это может показаться положительной чертой, когда вы подключаете их к своей статье и молитесь, чтобы ваш читатель подчинился их силе, помните, что прежде чем мы напишем статистику, мы будем читателями. А чтобы быть эффективным читателем, нужно задавать трудные вопросы. Ниже вы найдете полезный набор сложных вопросов, которые можно задать найденным числам.

1. Ваши доказательства получены из надежных источников?

Это важный вопрос не только для статистики, но и для любых доказательств, которые вы используете в своих документах. Как мы увидим в этом материале, существует много способов, которыми можно играть со статистикой и искажать ее, чтобы получить желаемый результат. Поэтому вы хотите получать статистику из надежных источников (для получения дополнительной информации о поиске надежных источников см. наш раздаточный материал по оценке печатных источников). Это не означает, что надежные источники непогрешимы, а только то, что они, вероятно, с меньшей вероятностью будут использовать методы обмана. Имея надежный источник, вам, возможно, не придется так сильно беспокоиться о следующих вопросах. Тем не менее, помните, что чтение статистики немного похоже на войну: никому не доверяйте; подозревать всех.

2. Какова предыстория данных?

Данные и статистика не падают с неба в готовом виде. Они всегда являются продуктом исследований. Поэтому, чтобы разобраться в статистике, следует также знать, откуда она берется. Например, если статистика получена из опроса или опроса, можно задать следующие вопросы:

• Кто задавал вопросы в опросе/опросе?
• Какие именно были вопросы?
• Кто интерпретировал данные?
• Какой вопрос вызвал опрос/опрос?
• Что (политика/процедура) потенциально зависит от результатов опроса?
• Кому выгодна конкретная интерпретация данных?

Все эти вопросы помогут вам сориентироваться в отношении возможных предубеждений или недостатков в данных, которые вы читаете. Цель этого упражнения состоит не в том, чтобы найти «чистые, объективные» данные, а в том, чтобы выявить любые предубеждения, чтобы более точно интерпретировать данные.

3. Все ли данные сообщаются?

В большинстве случаев ответ на этот вопрос прост: нет, не являются. Поэтому лучший способ подумать об этом вопросе — спросить, все ли данные были представлены в контексте. Но все становится намного сложнее, когда вы рассматриваете более важный вопрос, а именно: достаточно ли доказательств в тексте или источнике, чтобы вы могли сделать собственный вывод. Надежный источник не должен исключать данные, которые противоречат представленной информации или ослабляют ее.

Пример можно найти в вечерних новостях. Если вы думаете о ледяных бурях, которые так усложняют жизнь зимой, вы наверняка вспомните, как ведущие новостей предупреждали людей держаться подальше от дорог, потому что они коварны. Чтобы проверить этот момент, вам сообщают, что дорожная полиция уже сообщила о 25 авариях в течение дня. Их цель — напугать вас, чтобы вы остались дома с этим номером. Хотя это число кажется высоким, некоторые исследования показали, что количество несчастных случаев на самом деле снижается в дни с суровой погодой. Почему это? Одно из возможных объяснений состоит в том, что при меньшем количестве людей на дороге, даже в опасных условиях, количество аварий будет меньше, чем в «средний» день. Важный урок здесь заключается в том, что даже когда общая интерпретация «точна», данные могут на самом деле не свидетельствовать в пользу конкретной интерпретации. Это означает, что у вас нет возможности проверить, верна ли интерпретация на самом деле.

Обычно при использовании статистики подразумевается сравнение. Как можно провести корректное сравнение, не располагая всеми фактами? Хороший вопрос. Возможно, вам придется обратиться к другому источнику или источникам, чтобы найти все необходимые данные.

4. Правильно ли интерпретированы данные?

Если автор предоставляет вам свои статистические данные, всегда разумно интерпретировать их самостоятельно. То есть, хотя и полезно читать и понимать интерпретацию автора, это всего лишь интерпретация. Это не последнее слово в этом вопросе. Кроме того, иногда авторы (включая вас, так что будьте осторожны) могут использовать совершенно хорошие статистические данные и выдавать совершенно плохие интерпретации. Вот две распространенные ошибки, на которые следует обратить внимание:

• Запутанная корреляция с причинно-следственной связью. То, что две вещи изменяются вместе, не означает, что одна из них является причиной другой. Это может быть не более чем совпадение, или оба могут быть вызваны третьим фактором. Такая связь называется ложной. Классическим примером является исследование, которое показало, что чем больше пожарных отправляется на тушение пожара, тем больший ущерб наносит огонь. Ой! Я думал, пожарные должны делать лучше, а не хуже! Но прежде чем мы начнем закрывать пожарные депо, было бы полезно рассмотреть альтернативные объяснения. Этот, казалось бы, противоречивый вывод можно легко объяснить, указав на третий фактор, являющийся причиной обоих: размер пожара. Урок здесь? Корреляция не равна причинности. Поэтому важно думать не только о том, чтобы показать, что две переменные совместно изменяются, но и о причинном механизме.
• Игнорирование погрешности. Когда сообщаются результаты опроса, они часто включают погрешность. Вы можете увидеть, что это написано как «погрешность плюс-минус 5 процентных пунктов». Что это значит? Простая история заключается в том, что опросы обычно генерируются на основе выборок большей совокупности, и поэтому они никогда не бывают точными. Всегда существует доверительный интервал, в который, как ожидается, попадет генеральная совокупность. Таким образом, если я скажу, что количество студентов UNC, которым трудно использовать статистику в своих письменных работах, составляет 60%, плюс-минус 4%, это означает, что при нормальном доверительном интервале 95%, то с уверенностью 95% мы можем сказать, что фактическое число составляет от 56% до 64%.

Почему это важно? Потому что, если после представления этого раздаточного материала студентам UNC новый опрос обнаружит, что только 56%, плюс-минус 3%, испытывают трудности со статистикой, я мог бы пойти к директору Центра письма и попросить о повышении, так как у меня есть внес значительный вклад в развитие навыков письма студентов в кампусе. Однако она, несомненно, указала бы на то, что а) это может быть ложная связь (см. выше) и б) фактическое изменение не является значительным, поскольку оно находится в пределах погрешности первоначальных результатов. Урок здесь? Границы погрешности имеют значение, поэтому вы не можете просто сравнивать простые проценты.

Наконец, вы должны иметь в виду, что источник, который вы на самом деле просматриваете, может не быть исходным источником ваших данных. То есть, если вы найдете эссе, в котором приводится ряд статистических данных в поддержку своего аргумента, часто автор эссе использует чужие данные. Таким образом, вам нужно учитывать не только ваш источник, но и источники автора.

Запись статистики

Когда вы пишете со статистикой, помните о своем собственном опыте чтения статистики. Не забывайте, как вы были разочарованы, когда столкнулись с нечеткой статистикой, и как вы были благодарны, когда прочитали хорошо представленную статистику. Это знак уважения к вашему читателю, чтобы быть настолько ясным и прямолинейным, насколько вы можете быть со своими числами. Никто не любит, когда его разыгрывают как дурака. Таким образом, даже если вы думаете, что небольшое изменение цифр поможет вашему аргументу, не поддавайтесь искушению.

Когда вы начнете писать, помните следующее. Во-первых, ваш читатель захочет узнать ответы на те же вопросы, которые мы обсуждали выше. Во-вторых, вы хотите представить свою статистику в ясной и недвусмысленной форме. Ниже вы найдете список некоторых распространенных ошибок в мире статистики, а также советы, как их избежать.

1. Ошибка «среднего» писателя

Никто не хочет быть средним. Более того, никто не хочет просто видеть слово «средний» в письме. Почему? Потому что никто точно не знает, что это значит. В статистике существует не одно, не два, а три различных определения «среднего», и когда вы используете это слово, ваш читатель имеет только 33,3% шансов правильно угадать, какое из них вы имеете в виду.

Для следующих определений используйте этот набор цифр: 5, 5, 5, 8, 12, 14, 21, 33, 38

• Среднее (среднее арифметическое)
  Это может быть самое среднее определение среднего (что бы это ни значило). Это средневзвешенное значение — сумма всех включенных чисел, деленная на количество представленных чисел. Таким образом, среднее значение приведенного выше набора чисел равно 5+5+5+8+12+14+21+33+38, все это делится на 9, что равно 15,644444444444 (Вау! Это много чисел после запятой — что что мы можем с этим сделать? Точность — это хорошо, но слишком много ее чрезмерно; это не обязательно делает ваш аргумент сильнее. Рассмотрите разумную степень точности, основанную на ваших входных данных, и округлите ее соответствующим образом. В этом случае 15.6 должно помочь.)

• Медиана
  В зависимости от того, есть ли у вас нечетный или четный набор чисел, медиана представляет собой либо а) число посередине нечетного набора чисел, либо б) значение посередине между двумя средними числами в четном наборе . Для приведенного выше набора (нечетный набор из 9 чисел) медиана равна 12. (5, 5, 5, 8 < 12 < 14, 21, 33, 38)

• Режим
  Режим — это число или значение, которое чаще всего встречается в серии. Если по какой-то жестокой иронии судьбы два или более значения встречаются с одинаковой частотой, вы берете среднее значение значений. Для нашего набора мода будет равна 5, так как она встречается 3 раза, тогда как все остальные числа встречаются только один раз.

Как видите, цифры могут значительно различаться, как и их значение. Поэтому автор всегда должен сообщать читателю, какое среднее значение он или она использует. В противном случае неизбежно возникнет путаница.

2. Сопоставьте свои факты с вашими вопросами

Убедитесь, что ваши статистические данные действительно применимы к точке/аргументу, который вы делаете. Если мы вернемся к нашему обсуждению средних значений, в зависимости от вопроса, на который вы хотите ответить, вы должны использовать соответствующую статистику.

Возможно, это поможет проиллюстрировать пример. Ваш профессор возвращает промежуточный экзамен. Оценки распределяются следующим образом:

Марка	# Получено
100	4
98	5
95	2
63	4
58	6

Профессор считал, что тест должен быть слишком простым, потому что средняя (медианная) оценка была 95.

Когда коллега спросил ее о том, как складываются промежуточные оценки, она ответила, зная, что ее занятия приобретают репутацию «слишком простых», что средняя (средняя) оценка составляет 80.

Когда ваши родители спрашивают вас, как вы можете оправдать такую ​​плохую успеваемость на промежуточном экзамене, вы отвечаете: «Не беспокойтесь о моих 63. Это не так плохо, как кажется. Средняя (режимная) оценка была 58».

Я оставляю на ваше усмотрение право выбора. Выбор подходящих фактов или статистических данных очень поможет вашему аргументу. Они не только фактически поддержат вашу точку зрения, но и не подорвут легитимность вашей позиции. Подумайте, как ваши родители отреагируют, когда узнают от профессора, что средний (медианный) балл был 9.5! Лучший способ сохранить точность — указать, какую из трех форм «среднего» вы используете.

3. Показать всю картинку

Иногда вы можете исказить свои показания случайно или по недоразумению. В других случаях, однако, введение в заблуждение может быть менее невинным. Это можно легко увидеть в наглядных пособиях. Не формируйте и не «массируйте» репрезентацию, чтобы она «лучше всего поддерживала» ваш аргумент. Это может быть достигнуто путем представления диаграмм/графиков различными способами. Либо можно сократить диапазон (чтобы вырезать точки данных, которые не подходят, например, слишком поздно начать временной ряд или закончить его слишком рано), либо можно манипулировать масштабом, чтобы небольшие изменения выглядели большими, и наоборот. Кроме того, не изменяйте пропорции ни по вертикали, ни по горизонтали. Тот факт, что USA Today, кажется, избегает этих методов, не делает их приемлемыми для академического аргумента.

Диаграммы A, B и C используют одни и те же точки данных, но истории, которые они рассказывают, совершенно разные. Диаграмма А показывает небольшой рост, за которым следует медленное снижение. Диаграмма B, с другой стороны, показывает крутой скачок, за которым сразу следует резкий спад. Наоборот, Диаграмма C, кажется, демонстрирует, что со временем практически не произошло никаких изменений. Эти вариации являются результатом изменения масштаба диаграммы. Один из способов решить эту проблему — дополнить диаграмму, используя фактические цифры в вашем тексте, в духе полного раскрытия информации.

Другую проблему можно увидеть на диаграммах D и E. Обе используют те же данные, что и диаграммы A, B и C за 1985–2000 годы, но дополнительные временные точки с использованием двух гипотетических наборов данных был добавлен еще в 1965 г. Учитывая различные тенденции, ведущие к 1985 г., подумайте, как может измениться значение недавних событий. На графике D нисходящий тренд с 1990 по 2000 год идет против долгосрочного восходящего тренда, тогда как на графике E это просто продолжение более крупного нисходящего тренда после краткого восходящего поворота.

Одна из трудностей с наглядными пособиями заключается в том, что не существует жесткого и быстрого правила о том, что включать и что исключать. Суждение всегда вовлечено. В общем, обязательно представьте свои наглядные пособия, чтобы ваши читатели могли сделать собственные выводы из фактов и проверить ваши утверждения. Если то, что вы вырезали, может повлиять на интерпретацию ваших данных читателем, вы можете сохранить это.

4. Приведите основания всех процентов

Поскольку проценты всегда выводятся из определенного основания, они не имеют смысла, пока не связаны с основанием. Так что, даже если я скажу вам, что после прочтения этого раздаточного материала вы станете на 23% более убедительны как писатель, это не очень значимое утверждение, потому что вы понятия не имеете, на чем оно основано — на 23% более убедительно, чем на чем?

Давайте посмотрим на уровень преступности, чтобы понять, как это работает. Предположим, у нас есть два города, Спрингфилд и Шелбивилль. В Спрингфилде уровень убийств вырос на 75%, а в Шелбивилле — только на 10%. В каком городе больше проблем с убийствами? Ну это же очевидно, да? Это должен быть Спрингфилд. В конце концов, 75% больше, чем 10%.

Подождите секунду, потому что на самом деле это гораздо менее ясно, чем кажется. Чтобы действительно узнать, в каком городе проблема хуже, мы должны посмотреть на реальные цифры. Если бы я сказал вам, что в Спрингфилде было 4 убийства в прошлом году и 7 в этом году, а в Шелбивилле было 30 убийств в прошлом году и 33 убийства в этом году, вы бы изменили свой ответ? Может быть, потому что 33 убийства — это значительно больше, чем 7. В Спрингфилде, конечно, было бы безопаснее, не так ли?

Не так быстро, потому что у нас еще нет всех фактов. Мы должны провести сравнение между ними на основе эквивалентных стандартов. Чтобы сделать это, мы должны посмотреть на показатель на душу населения (часто дается в расчете на 100 000 человек в год). Если в Спрингфилде проживает 700 человек, а в Шелбивилле — 3,3 миллиона, то в Спрингфилде уровень убийств составляет 1000 на 100 000 человек, а в Шелбивилле — всего 1 на 100 000 человек. Гадзуки! Жители Спрингфилда мрут как мухи. Думаю, я останусь в милом, безопасном Шелбивилле, большое спасибо.

Проценты на самом деле ничем не отличаются от любой другой формы статистики: они обретают свое значение только благодаря своему контексту. Следовательно, проценты должны быть представлены в контексте, чтобы читатели могли сделать свои собственные выводы, когда вы выделяете факты, важные для вашей аргументации. Помните, если ваши статистические данные действительно подтверждают вашу точку зрения, то вы не должны бояться раскрыть более широкий контекст, который их обрамляет.

Важные вопросы, которые нужно задать (и ответить) о статистике

• Актуален ли заданный вопрос?
• Данные поступают из надежных источников?
• Допустимая погрешность/доверительный интервал — когда изменение действительно является изменением?
• Сообщаются ли все данные или только лучшие/худшие?
• Представлены ли данные в контексте?
• Правильно ли интерпретированы данные?
• Автор путает корреляцию с причинно-следственной связью?

Заключение

Теперь, когда вы усвоили уроки статистики, у вас есть два варианта. Используйте эти знания, чтобы манипулировать цифрами в свою пользу, или используйте эти знания, чтобы лучше понимать и использовать статистику, чтобы приводить точные и справедливые аргументы. Выбор ваш. Однако девять из десяти писателей предпочитают последнее, а один позже сожалеет о своем решении.

---

Эта работа находится под лицензией Creative Commons Attribution-NonCommercial-NoDerivs 4.0 License.
Вы можете воспроизводить его для некоммерческого использования, если вы используете весь раздаточный материал и указываете источник: The Writing Center, University of North Carolina at Chapel Hill

Сделать подарок

Статистика 101: Что нужно знать о статистике

Резюме: Нежное введение в статистику и то, как они делают необработанные числа более понятными. Давайте посмотрим на статистику 101.

Статистика — это процесс преобразования данных в информацию, пригодную для использования людьми. Людям трудно понять наборы чисел напрямую. Статистика — это набор инструментов, которые помогают людям понять значение количественных данных. Эти инструменты могут сравнивать наборы данных, чтобы увидеть, насколько они похожи друг на друга, насколько внутренне согласованы данные и характеристики данных.

Одна большая идея статистики: нормальная кривая

Если в статистике нужно понять одну большую идею, то это нормальное распределение или нормальная кривая , иногда также известная как кривая нормального распределения , которая показывает, как распределяется группа чисел. Оказывается, такие природные явления, как возраст, рост и почти любой другой атрибут, имеют сходное распределение значений. Есть несколько маленьких, много посередине и несколько больших.

Например, если мы хотим увидеть, как группа людей различается по росту, мы измерим каждого и нарисуем их рост, как показано на графике ниже:

В крайнем случае не так уж много людей ниже четырех футов или выше семи футов, причем большинство людей примерно посередине. То, как эти числа изменяются от низкого к высокому, называется их распределением. Точнее, это распределение их частоты или количества раз, когда они встречаются в наборе данных. Среднее значение всех этих высот составляет от 65 до 70 дюймов, и большинство людей скапливаются там.

Если бы мы измеряли людей в Швеции, мы ожидали бы увидеть больше людей справа, а если бы мы измеряли в Перу, мы увидели бы больше людей слева, но общая форма была бы похожей: меньше на концах и большинство примерно посередине. Поскольку очень многие природные атрибуты следуют этой форме распределения, мы можем использовать кривую для прогнозирования значений.

Стандартное отклонение

Стандартное отклонение (SD) — это показатель степени изменчивости набора данных. Это измеряется путем наблюдения за тем, насколько далеко каждое отдельное значение от среднего среднего, и дает хорошее представление о том, является ли среднее значение репрезентативным для всех членов набора данных.

Высокое стандартное отклонение означает, что существует много значений выше и/или ниже среднего, и знание среднего значения не будет столь полезным для прогнозирования какого-либо конкретного значения. Низкое стандартное отклонение означает, что все значения близки друг к другу, а среднее значение, вероятно, близко к любому заданному значению.

Например, если бы нам нужно было измерить результаты SAT группы студентов Лиги плюща, мы ожидали бы, что их оценки будут близки к среднему, а стандартное отклонение будет низким. Результаты SAT в классе средней школы, вероятно, будут более разнообразными и будут отличаться от среднего, что приведет к высокому SD.

Например, тесты на коэффициент интеллекта (IQ) имеют средний средний балл 100 баллов и стандартное отклонение 15 баллов. Это означает, что 68% людей набрали по тестам от 85 до 115 баллов (±1 SD), что 95% людей набрали по тестам от 70 до 130 баллов (±2 SD), а 99,7% людей набрали по тестам от 55 до 145 баллов (±3 SD). Это означает, что вероятность того, что кто-то наберет меньше 55 или больше 145 баллов, составляет 0,3%, что делает таких людей действительно редкостью.

Описательная статистика

Описательная статистика описывает набор данных в декларативных терминах и предоставляет сводное представление набора данных, которое часто более показательно, чем просмотр данных напрямую. Эти виды статистики описывают распределение значений (диапазон) в наборе данных, их тенденцию группироваться вокруг средних значений, называемую центральной тенденцией (среднее, медиана и мода), и то, как значения распределяются вокруг средних значений (дисперсия). и стандартное отклонение).

Центральная тенденция: среднее значение, медиана и мода

Это основные статистические данные, которые принимают группу значений и предлагают одно число, представляющее группу. Среднее будет говорить о том, каковы средние значения данных, медиана — это самое среднее значение по количеству, а мода — это значение, которое встречается чаще всего. Взгляд на все три вместе может дать представление о природе набора данных. Если среднее значение и медиана близки, это предполагает нормальное распределение значений в наборе.

Дисперсия: дисперсия и стандартное отклонение

Вариация (измеряемая стандартным отклонением) представляет собой степень отклонения любого заданного значения данных от средней кривой, которую мы обычно ожидаем. Значения могут быть сгруппированы вокруг определенного уровня, предполагая, что за группировкой что-то стоит (например, количество прыщей в возрасте 15 лет). Значения могут быть равномерно распределены по кривой нормального распределения, предполагая, что данные представляют собой нормальный диапазон естественных явлений, или быть неустойчивыми, предполагая отсутствие основных факторов, стоящих за значениями.

Логическая статистика

Логическая статистика выходит за рамки описания характеристик наборов данных и использует вероятность и почти универсальный характер нормального распределения, чтобы делать прогнозы и делать выводы из набора данных, которые выходят за рамки того, на что прямо указывают числа. Эти методы полезны для определения того, похожи ли две группы друг на друга, и если да, то в какой степени. Логическая статистика используется для проверки того, насколько вероятно, что человек является частью другой популяции, и влияет ли конкретный фактор на какой-либо другой фактор. Для анализа данных было разработано почти неограниченное количество различных логических статистических тестов, но наиболее часто используемые из них перечислены ниже.

Корреляция

Корреляции полезны, чтобы увидеть, как любые два фактора в наборе данных связаны друг с другом. Чаще всего это визуализируется диаграммой рассеяния, где один фактор откладывается по оси x, а другой — по оси y. Форма распределения точек будет отражать взаимосвязь между факторами. Если они не связаны, то это будет выглядеть как облако, и степень, в которой они образуют прямую линию, показывает степень их родства. Если взаимосвязь положительная (т. е. сигареты и эмфизема), то большее количество одного будет сопровождаться большим количеством другого, и линия будет подниматься вверх (рис. 10.3, слева). Если взаимосвязь отрицательна (т. е. доход и преступность), то больше одного будет сопровождаться меньшим количеством другого, и линия будет наклонена вниз (рис. 10.3, справа). Это выражается статистическим тестом, таким как Корреляция Пирсона как число от –1 (отрицательная корреляция) до 0 (отсутствие корреляции) до +1 (положительная корреляция).