FACTORS AFFECTING THE DIRECT HOUSEHOLD EXPENDITURES ON HEALTH. Jitka Bartošová

Rozměr: px
Začít zobrazení ze stránky:

Download "FACTORS AFFECTING THE DIRECT HOUSEHOLD EXPENDITURES ON HEALTH. Jitka Bartošová"

Transkript

1 FAKTORY OVLIVŇUJÍCÍ PŘÍMÉ VÝDAJE DOMÁCNOSTÍ NA ZDRAVÍ FACTORS AFFECTING THE DIRECT HOUSEHOLD EXPENDITURES ON HEALTH Jitka Bartošová Abstract This paper focuses on the search of factors affecting direct Czech household spending on health and the analysis of the degree of influence of individual factors on the total amount. Given the aging population can be expected as the growing trend of these expenditures. This trend can be expected, of course, not only in direct costs (for drugs and services not paid by insurance), but also indirect costs, realized through the utilization of health care and public health insurance system in general. The amount of health insurance depends on the amount of revenue; direct costs may be influenced by other factors such as age, sex and education of head of household, etc. They may also be related to consumption patterns and household behavior, such as its expenditures on alcohol cigarettes, etc. Keywords: household, regression analysis, consumer behaviour, spending, health Klíčová slova: domácnost, regresní analýza, spotřební chování, výdaje, zdraví Úvod Výdaje na zdraví jsou velmi diskutovaným a citlivým tématem současnosti z hlediska státu i z hlediska jedince. Celkové výdaje na zdraví lze rozdělit na výdaje přímé hrazené z rozpočtu domácností a nepřímé - hrazené ze zdravotního pojištění a veřejného systému obecně. Vzhledem ke stárnutí populace lze očekávat trvalý růst obou složek těchto výdajů, proto je důležité vědět, které faktory ovlivňují přímé, popřípadě nepřímé výdaje na zdraví a v jaké míře se na jejich velikosti podílejí. Výše zdravotního pojištění se odvíjí pouze od výše příjmů, takže v rozpočtu domácnosti představují relativně stabilní částku. Přímé výdaje však mohou být ovlivňovány mnoha dalšími faktory, jako je věk, pohlaví a vzdělání osoby v čele domácnosti, počet spotřebních jednotek v domácnosti (SJ) apod. Mohou také souviset s návyky a spotřebním chováním domácnosti, např. s jejími výdaji za alkohol, cigarety atd. Pracovní hypotézy Úkolem bude navrhnout regresní model popisující závislost výdajů na zdraví, které plynou přímo z rozpočtu domácností na financování zdraví, na příjmech a dalších vybraných faktorech. Vstupními daty k analýze jsou výběrové soubory ze Statistiky rodinných účtů, které obsahující výdaje domácností na různé typy statků (potraviny, zdravotnictví, vzdělání, doprava atd.) společně s dalšími důležitými charakteristikami, jako jsou příjmy, či počet členů 1

2 domácnosti, bydliště, dosažené vzdělání apod. Práce vychází z údajů za roky 2002, 2005, 2006 a Lze předpokládat, že na velikosti výdajů na zdraví se bude významně projevovat také způsob života domácností, jejich návyky a životní stereotypy. Proto by se na velikosti výdajů na zdrví mohly významně projevovat například výdaje za alkohol a cigarety. Z praxe je známo, že kuřáci a osoby spotřebovávající větší množství alkoholických nápojů odčerpávají vyšší částky na zdravotnickou péči ze zdravotního pojištění. Otázkou však je, zda tomu tak bude i v případě částky věnované na zdraví přímo z rodinného rozpočtu. Budeme se tedy zabývat mimo jiné otázkou, zda výdaje na alkohol souvisí s přímými výdaji na zdraví nebo zda je možné vysledovat tuto závislost pouze v případě veřejných výdajů na zdravotní péči. Obecně se můžeme domnívat, že výdaje na zdraví porostou současně s výší příjmů. Ale můžeme očekávat, že výdaje na zdraví bychom budou rostoucí i v závislosti na výši vzdělání osoby v čele domácnosti (vzdělanější lidé více investují do zdraví). Vyšší výdaje na zdraví budou zcela jistě u domácností důchodců (vyšší věk nese zdravotní potíže, které implikují zvýšené náklady přímé i nepřímé). Porostou tedy v souvislosti s věkem. Můžeme rovněž předpokládat, že rodiny se ženou v čele budou za zdraví vydávat více než rodiny, v jejichž čele je muž. Datová základna Datovou základnu tvoří data z výběrových šetření příjmů a výdajů domácností zvaného Statistiku rodinných účtů (SRÚ), která provádí každoročně Český statistický úřad. Tyto datové soubory obsahují informace o příjmech, výdajích a mnoha dalších sociálněekonomických, regionálních a demografických charakteristikách domácností. Pro každý rok je k dispozici kolem údajů, celkem se jedná o záznamů. Pro každou domácnost jsou sledovány výdaje za různé druhy zboží, jako jsou potraviny a nealkoholické nápoje, alkohol a tabák, oděvy a obuv, vzdělání, bydlení, vodu, energii a paliva, dopravu, pošty a telekomunikace atd. Z dalších charakteristik se pak zaznamenává počet členů domácnosti, počet ekonomicky aktivních členů, počet spotřebních jednotek dle OECD, věk osoby v čele domácnosti, jejich vzdělání, sociální skupina, pracovní zařazení atd. Z výběrového souboru můžeme získat informace nejen o celkových disponibilních příjmech a výdajích domácností a o příjmech přepočtených na jednoho člena domácnosti, ale také o ekvivalentních disponibilních příjmech, tj. o tzv. příjmech na spotřební jednotku, které je porovnatelné ve všech zemích EU. Při přepočtu příjmů (výdajů) na spotřební jednotku můžeme ve statistice rodinných účtů použít hodnotu definovanou podle metodiky OECD, kde osoba v čele domácnosti je brána s koeficientem 1,0 děti ve věku 0 až 13 let s koeficientem 0,5 ostatní děti a osoby s koeficientem 0,7 Počet spotřebních jednotek je tedy dán součtem vah (koeficientů) přiřazených jednotlivým osobám v domácnosti. Závisí na složení domácnosti a věku dětí. Počet spotřebních jednotek dle definice OECD je v souboru uložen do proměnné sj a je dán vztahem: sj 1 0,5 mladsi _ det i 0,7 ostatni _ osoby. (1) Důležitou součástí výběrových souborů jsou i kalibrační váhy domácnosti pkoef, které slouží k přepočtu výsledků z výběru na celek. Výběrové charakteristiky polohy i variability tedy byly počítány jako vážené charakteristiky. Vzhledem k tomu že příjmy i výdaje mají přibližně lognormální rozdělení, bylo při modelování vhodné použít logaritmickou transformaci. Transformované proměnné mají 2

3 přibližně normální rozdělení. To ovšem znamená, že ještě před transformací bylo potřeba ze souboru vyloučit všechna pozorování s nulovými hodnotami příjmů či výdajů. Příjmy a výdaje bylo potřeba před zpracování také očištěny od vlivu inflace. Všechna data proto byla před zpracováním převedena do cen roku Hodnoty přepočítacích koeficientů jsou uvedeny v tabulce 1. Tab. 1: Koeficienty pro přepočet hodnot do cen roku Rok šetření Koeficient 1, , , , ,063 1 Kvalitativní proměnné, jako je pohlaví, sociální skupina, vzdělání apod., byly před konstrukcí modelu převedeny na proměnné kategoriální. Úroveň a variabilita příjmů a výdajů na zdraví a na alkohol a tabákové výrobky V tabulkách 2 a 3 jsou uvedeny vážené charakteristiky polohy a variability rozdělení měsíčních příjmů domácností a jejich výdajů na zdraví a na alkohol a tabákové výrobky. Pro výpočet byly použity hodnoty očištěné od inflace. Tab. 2: Úroveň příjmů a výdajů na domácnost. Charakteristiky polohy příjmy výdaje na zdraví výdaje na alkohol a tabák průměr (Kč) ,55 503,64 638,53 medián (Kč) ,30 397,80 dolní kvartil (Kč ,45 183,98 153,47 horní kvartil (Kč) ,83 653,94 828,84 minimum (Kč) ,09 0,91 maximum (Kč) Tab. 3: Variabilita příjmů a výdajů na domácnost. Charakteristiky variability příjmy výdaje na zdraví výdaje na alkohol a tabák směrodatná odchylka (Kč) ,62 547,26 737,46 kvartilová odchylka (Kč) ,38 469,96 675,37 variační koeficient 56,06% 108,66% 115,49% poměrná kvartilová odchylka 31,53% 56,09% 68,75% Tabulky 4 a 5 obsahují charakteristiky polohy a variability rozdělení měsíčních příjmů a výdajů přepočtené na spotřební jednotku sj. Tab. 4: Úroveň příjmů a výdajů na spotřební jednotku. Charakteristiky polohy příjmy výdaje na zdraví výdaje na alkohol a tabák průměr (Kč) ,71 294,61 359,25 medián (Kč) ,40 213,80 dolní kvartil (Kč ,88 106,45 92,87 horní kvartil (Kč) ,68 368,31 455,55 minimum (Kč) ,35 0,33 maximum (Kč) Tab. 5: Variabilita příjmů a výdajů na spotřební jednotku. Charakteristiky variability příjmy výdaje na zdraví výdaje na alkohol a tabák směrodatná odchylka (Kč) 6.995,07 328,72 422,58 kvartilová odchylka (Kč) 6.451,8 261,86 362,68 variační koeficient 48,47% 111,58% 117,63% poměrná kvartilová odchylka 23,44% 55,15% 66,13% 3

4 Z výše uvedených souhrnných charakteristik je patrné, že výdaje na zdraví jsou v průměru nižší než výdaje na cigarety a alkohol. To je v souladu se skutečnostmi zjištěnými v jiných průzkumech [6]. Trochu překvapivé jsou charakteristik variability pro obě sledované skupiny výdajů. Vzhledem k vysokým hodnotám variačního koeficientu je zřejmé, že ve výdajích na zdraví jsou v jednotlivých domácnostech velké rozdíly. Při porovnání relativních údajů vidíme že jejich variabilita je vyšší než u příjmů. Nicméně toto zjištění by taktéž mělo být v souladu s realitou. Zatímco příjmy jsou v podstatě nezávislé na individuálních preferencích jednotlivých domácností, a jsou závislé spíše na celkové situaci na trhu práce, výdaje na zdraví, ale i na alkohol a cigarety budou závislé na povaze jednotlivých domácností. A vzhledem k faktu, že sledované domácnosti mohou mít velmi rozdílné preference, je možné že i variabilita jejich výdajů na spotřební statky je vysoká. Tvorba regresního modelu K tomu, abychom mohli rozhodnout, které faktory budou pro modelování závislosti statisticky významné, musíme otestovat závislost výdajů na zdraví na těchto faktorech. Na základě získaných výsledků vybereme ty proměnné, které mají statisticky významný vliv na výši výdajů na zdraví. Budeme uvažovat následující faktory: příjmy přepočtené na spotřební jednotku sj, věk osoby v čele domácnosti, pohlaví osoby v čele domácnosti, vzdělání osoby v čele domácnosti, sociální skupina osoby v čele domácnosti, počet spotřebních jednotek, výdaje na alkohol a tabákové výrobky přepočtené na spotřební jednotku sj. Všechny tyto faktory budeme na počátku považovat za proměnné s významným efektem na přímé výdaje na zdraví a pokusíme se vytvořit model se všemi uvažovanými proměnnými. Poté jej budeme podle potřeby redukovat tak, aby došlo ke zlepšení schopnosti modelu vystihnout skutečný vztah mezi proměnnými. K vystižení závislosti použijeme multiplikativní model, který lze po zlogaritmování vyjádřit vztahem: ln E a0 a1 ln I a2x1 a3x2 a4x4 a5x5..., (2) kde: E výdaje na zdraví přepočítané na spotřební jednotku (sj) I příjmy přepočítané na spotřební jednotku (sj) x 1 věk osoby v čele domácnosti x 2 pohlaví (osoba v čele domácnosti je muž) x 3, x 4, x 5, x 6, x 7, x 8 sociální skupina osoby v čele domácnosti x 9, x 10 vzdělání osoby v čele domácnosti Proměnné x 2 x 10 jsou umělé proměnné, které v modelu zastupují původní kategoriální proměnné. V modelu jsou pak při výpočtu hodnoty odpovídající pozorování nahrazeny hodnotou jedna (například je-li v čele domácnosti muž, pak x 2 = 1, je-li v čele domácnosti žena, x 2 = 0). Tím dojde ke zohlednění vlivu kategoriálních proměnných v modelu. Odhady regresních koeficientů, jejich statistická významnost a významnost modelu jsou na obrázku 1, kde je zachycen výstup z programu R. Vidíme že koeficienty u proměnných výdaje na alkohol a počet spotřebních jednotek (sj) mají vyšší p-hodnoty. Nejsou tedy pro náš model významné (jsou zřejmě korelované s jinými proměnnými) a je možné je z modelu vypustit. Ostatní proměnné se jeví jako 4

5 významné a v modelu bychom je tedy měli ponechat. Dalším problémem je, bohužel, nízká hodnota korigovaného koeficientu determinance. V případě tohoto modelu je to pouze 0,1733. Což znamená, že model jako celek je sice díky nízké p-hodnotě u Fischerova F-testu v pořádku, nicméně jeho výstižnost je poměrně nízká (necelých 18%). Obr.1: Odhad parametrů modelu (výstup z programu R) V dalším kroku budeme model redukovat odebráním konstanty a proměnných alkohol_sj a sj. Výstup z programu R s odhady parametrů redukovaného modelu je na obr. 2. Obr.2: Odhad parametrů modelu (výstup z programu R) 5

6 V tomto případě je korigovaný koeficient determinance na úrovni 0,97, výstižnost tohoto modelu je tedy 97%, což je velmi vysoká hodnota. Konečný model by tedy mohl vypadat následovně: ln E 0,77405ln I 0,01493vek _ p 3,172175pohl _ pmuz 0,15072skup2 0,11722skup3 0,32674skup4 0,40563skup5 0,10855skup6 0,57007skup7 0,05428vzd22 0,23117vzd23 (3) Obr.3: Graf přímých výdajů na zdraví porůzné volby parametrů(výstup z programu Derive) Po odlogaritmování dostaneme multiplikativní model závislosti přímých výdajů na zdraví ve tvaru: 0,77405 vek _ p pohl_ pmuz skup2 skup3 skup4 skup5 E I 1,015 0,0419 1,1627 1,1244 1,3864 1,5002 (4) skup6 skup7 vzd 22 vzd 23 1,1147 1,7684 1,0558 1,2601 Použité značení: ln E logaritmus výdajů na zdraví přepočtených na spotřební jednotku (sj) ln I... logaritmus příjmů přepočtených na spotřební jednotku (sj) vek_p věk osoby v čele domácnosti pohl_pmuz osoba v čele domácnosti je muž 6

7 skup2 osoba v čele domácnosti je samostatné výdělečně činná skup3 osoba v čele domácnosti je vyšší zaměstnanec skup4. osoba v čele domácnosti je důchodce v rodině s ekonomicky aktivním členem skup5 osoba v čele domácnosti je důchodce v rodině bez ekonomicky aktivního člena skup6 osoba v čele domácnosti je nezaměstnaná skup7 osoba v čele domácnosti patří do skupiny ostatní vzd22 osoba v čele domácnosti má nejvýše střední vzdělání vzd23 osoba v čele domácnosti má vysokoškolské vzdělání Závěr Pokud se podíváme na hodnoty regresních koeficientů, můžeme vysledovat závislosti mezi jednotlivými proměnnými v modelu. Můžeme například tvrdit, že domácnosti v jejichž čele je osoba s vyšším vzděláním investují do zdraví více, než domácnosti v jejichž čele stojí osoba se středním či nižším vzděláním. Nemám tím na mysli absolutní částky, ale relativní částky v poměru k příjmům. Stejně tak můžeme vysledovat že domácnosti v jejich čele stojí vyšší zaměstnanec či důchodce vydávají na zdraví, v poměru ke svým příjmům, vyšší částky než ostatní skupiny. Nejvyšší přímé výdaje na zdraví má skupina ostatní. Ovšem nejvýraznější rozdíl ve výdajích na zdraví je jednoznačně mezi pohlavími. Podle odhadnutého modelu můžeme tvrdit, že ženy v čele domácnosti (tj. v případě, že pohlavi_muz = 0) implikují podstatně vyšší výdaje na zdraví v poměru k příjmům. Potvrdili jsme tak v úvodu stanovené hypotézy. Literatura BARTOŠOVÁ J Modelování v ekonomii, podpůrný text k on-line kurzu, Praha: Oeconomica, s., ISBN KOMÁREK, A Úvod do statistiky, Text doplňující přednášky Statistika A a B, KOMÁREK, A. KOMÁRKOVÁ, L Statistická analýza závislostí, Skroptum pro přednášku Statistika B, STUCHLÝ J Ekonometrie učební text, FM VŠE Jindrichův Hradec, 174 s., HINDLS, R. HRONOVÁ, S. SEGER,J Statistika pro Ekonomy (páté vydání), Praha: Professional Publishing, 2004, 420 s., ISBN Týden.cz Za pivo a cigarety utrácíme více než za zdraví, online, [cit ] Adresa autora RNDr. Jitka Bartošová, Ph.D. Vysoká škola ekonomická v Praze Fakulta managementu Jarošovská 1117/II Jindřichův Hradec 7

VÝVOJ INDEXŮ SPOTŘEBITELSKÝCH CEN

VÝVOJ INDEXŮ SPOTŘEBITELSKÝCH CEN ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE Fakulta provozně ekonomická Katedra statistiky Studijní obor: Veřejná správa a regionální rozvoj Teze k diplomové práci VÝVOJ INDEXŮ SPOTŘEBITELSKÝCH CEN Vypracovala:

Více

Spotřeba domácností má významný sociální rozměr

Spotřeba domácností má významný sociální rozměr Spotřeba domácností má významný sociální rozměr Výdaje domácností výrazně přispívají k celkové výkonnosti ekonomiky. Podobně jako jiné sektory v ekonomice jsou i ony ovlivněny hospodářským cyklem. Jejich

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

TECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD

TECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD TECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD Umělé (dummy) proměnné se používají, pokud chceme do modelu zahrnout proměnné, které mají kvalitativní či diskrétní charakter,

Více

Zápočtová práce STATISTIKA I

Zápočtová práce STATISTIKA I Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru

Více

Robust 2010 31. ledna 5. února 2010, Králíky

Robust 2010 31. ledna 5. února 2010, Králíky Modelování rozdělení ročních příjmů českých domácností J. Bartošová 1 M. Forbelská 2 1 Katedra managementu informací Fakulta managementu v Jindřichově Hradci Vysoká škola ekonomická v Praze 2 Ústav matematiky

Více

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru

Více

Analýza dat na PC I.

Analýza dat na PC I. CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika

Více

FAKTORY PŮSOBÍCÍ NA CESTUJÍCÍ V DOPRAVNÍM SYSTÉMU FACTORS WHICH HAVE EFFECT ON PASSENGERS IN TRANSPORT SYSTEM

FAKTORY PŮSOBÍCÍ NA CESTUJÍCÍ V DOPRAVNÍM SYSTÉMU FACTORS WHICH HAVE EFFECT ON PASSENGERS IN TRANSPORT SYSTEM FAKTORY PŮSOBÍCÍ NA CESTUJÍCÍ V DOPRAVNÍM SYSTÉMU FACTORS WHICH HAVE EFFECT ON PASSENGERS IN TRANSPORT SYSTEM Kateřina Pojkarová 1 Anotace:Pro uskutečňování svých cest si lidé vybírají různé způsoby, a

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

VLIV DEMOGRAFICKÝCH A SOCIOEKONOMICKÝCH CHARAKTERISTIK NA VÝDAJE VE ZDRAVOTNICTVÍ

VLIV DEMOGRAFICKÝCH A SOCIOEKONOMICKÝCH CHARAKTERISTIK NA VÝDAJE VE ZDRAVOTNICTVÍ Univerzita Karlova v Praze Přírodovědecká fakulta Katedra demografie a geodemografie VLIV DEMOGRAFICKÝCH A SOCIOEKONOMICKÝCH CHARAKTERISTIK NA VÝDAJE VE ZDRAVOTNICTVÍ KRISTÝNA RYBOVÁ Úvod Úvod Vývoj výdajů

Více

Popisná statistika. Komentované řešení pomocí MS Excel

Popisná statistika. Komentované řešení pomocí MS Excel Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,

Více

Měření ekonomiky. Ing. Jakub Fischer Katedra ekonomické statistiky VŠE v Praze

Měření ekonomiky. Ing. Jakub Fischer Katedra ekonomické statistiky VŠE v Praze Měření ekonomiky Ing. Jakub Fischer Katedra ekonomické statistiky VŠE v Praze Struktura přednášky Nezaměstnanost Inflace Hrubý domácí produkt Platební bilance Nezaměstnanost Základem je rozdělení osob

Více

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D. Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní

Více

31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě

31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě 31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty

Více

SPOTŘEBITELSKÝ KOŠ CONSUMER BASKET. Martin Souček

SPOTŘEBITELSKÝ KOŠ CONSUMER BASKET. Martin Souček SPOTŘEBITELSKÝ KOŠ CONSUMER BASKET Martin Souček Abstrakt: Práce se zabývá spotřebitelským košem a jeho vztahem k marketingu. Snaží se popsat vzájemné souvislosti a význam spotřebitelského koše pro marketing

Více

Česká zemědělská univerzita v Praze

Česká zemědělská univerzita v Praze Česká zemědělská univerzita v Praze Provozně ekonomická fakulta Katedra statistiky Statistická analýza struktury výdajů domácností v závislosti na vybraných faktorech Teze Vedoucí diplomové práce: Doc.

Více

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl)

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl) Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12. 12. 2002 60 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl) Tato

Více

Statistika chudoby v České republice:

Statistika chudoby v České republice: Statistika chudoby v České republice: Kritický pohled na evropské ukazatele Martina Mysíková, Jiří Večerník 18. SLOVENSKÁ ŠTATISTICKÁ KONFERENCIA, KOŠICE 23.-25.6.2016 2 Data EU-SILC (European Union-Statistics

Více

{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků

{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků Příklad: Test nezávislosti kategoriálních znaků Určete na hladině významnosti 5 % na základě dat zjištěných v rámci dotazníkového šetření ve Šluknově, zda existuje závislost mezi pohlavím respondenta a

Více

Název testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů)

Název testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů) VYBRANÉ TESTY NEPARAMETRICKÝCH HYPOTÉZ TESTY DOBRÉ SHODY Název testu Předpoklady testu Testová statistika Nulové rozdělení test dobré shody Očekávané četnosti, alespoň 80% očekávaných četností >5 ( ) (p

Více

Obecné, centrální a normované momenty

Obecné, centrální a normované momenty Obecné, centrální a normované momenty Obsah kapitoly 4. Elementární statistické zpracování - parametrizace vhodnými empirickými parametry Studijní cíle Naučit se počítat centrální a normované momenty pomocí

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

CENOVÁ KONVERGENCE K EU: Poznatky z mezinárodního srovnání

CENOVÁ KONVERGENCE K EU: Poznatky z mezinárodního srovnání CENOVÁ KONVERGENCE K EU: Poznatky z mezinárodního srovnání Martin Čihák (MMF) Tomáš Holub (ČNB) Seminář MF ČR Smilovice, 2. prosince 2003 Osnova Základní poznatky z 1999 ICP (vývoj cenové hladiny a reálného

Více

Korelace. Komentované řešení pomocí MS Excel

Korelace. Komentované řešení pomocí MS Excel Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne

Více

INFLACE V ČR A EU V LETECH

INFLACE V ČR A EU V LETECH INFLACE V ČR A EU V LETECH 2000 2014 Jiří Mrázek Tisková konference, 9. února 2015, Praha Obsah prezentace Vývoj spotřebitelských cen v letech 2000 2014 Srovnání s Evropskou unií HICP: Harmonizovaný index

Více

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2014/15 Cvičení 5: Vícenásobná regrese, multikolinearita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Jednoduchá

Více

Měření závislosti statistických dat

Měření závislosti statistických dat 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě

Více

EKONOMIKA PASIVNÍCH DOMŮ. Nejsem tak bohatý, abych investoval do laciného života. Ing. Tomáš Vanický

EKONOMIKA PASIVNÍCH DOMŮ. Nejsem tak bohatý, abych investoval do laciného života. Ing. Tomáš Vanický EKONOMIKA PASIVNÍCH DOMŮ Nejsem tak bohatý, abych investoval do laciného života Ing. Tomáš Vanický ForPasiv 2014 Obsah Investice můj dům, můj hrad Investice do života Investice do energie MŮJ DŮM, MŮJ

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

ENGELOVA KŘIVKA V DOPRAVĚ

ENGELOVA KŘIVKA V DOPRAVĚ ENGELOVA KŘIVKA V DOPRAVĚ Kateřina Pojkarová 1 Anotace:Engelova křivka (EC) vyjadřuje závislost mezi celkovým (nominálním) důchodem a nakupovaným množství určitého statku. Článek popisuje tuto křivku pro

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie Úvod do předmětu obecné informace Základní pojmy ze statistiky / ekonometrie Úvod do programu EViews, Gretl Některé užitečné funkce v MS Excel Cvičení 1 Zuzana Dlouhá Úvod do

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie Logistická křivka Umělé proměnné Cvičení 11 Zuzana Dlouhá Logistická křivka log-lineární model patří mezi poptávkové funkce, ty dělíme na: a) klasické D = f (příjem, cenový index,

Více

Písemná práce k modulu Statistika

Písemná práce k modulu Statistika The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem

Více

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Kouření (V. díl)

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Kouření (V. díl) Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 8.11.2002 55 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Kouření (V. díl) Kouření je dalším

Více

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces

Více

MĚŘENÍ CHUDOBY A PŘÍJMOVÁ CHUDOBA V ČESKÉ REPUBLICE

MĚŘENÍ CHUDOBY A PŘÍJMOVÁ CHUDOBA V ČESKÉ REPUBLICE MĚŘENÍ CHUDOBY A PŘÍJMOVÁ CHUDOBA V ČESKÉ REPUBLICE Šárka Šustová ČESKÝ STATISTICKÝ ÚŘAD Na padesátém 81, 100 82 Praha 10 czso.cz 1/X MĚŘENÍ CHUDOBY KONCEPTY Objektivní x subjektivní Objektivní založena

Více

Úspory domácností a hrubý pracovní příjem

Úspory domácností a hrubý pracovní příjem Úspory domácností a hrubý pracovní příjem Předkládaný dokument je pracovním podkladovým materiálem pro Poradní expertní sbor ministra financí a ministra práce a sociálních věcí připravený odborem Ministerstva

Více

DRG systém klasifikuje případy akutní hospitalizační péče do DRG skupin DRG skupiny = nákladově homogenní a klinicky příbuzné skupiny případů

DRG systém klasifikuje případy akutní hospitalizační péče do DRG skupin DRG skupiny = nákladově homogenní a klinicky příbuzné skupiny případů AGENDA Definice kvality DRG systému Statistické metody hodnocení kvality DRG klasifikace Identifikace nenáhodného rozložení případů Využití regresní analýzy nákladů při hledání důvodů v rozdílných nákladech

Více

POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS

POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS Kateřina Pojkarová Anotace:Dopravu vužívají lidé za různým účelem, mimo jiné i ke svým cestám

Více

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné

Více

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12. 8. 2009 40 Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví European

Více

Jednofaktorová analýza rozptylu

Jednofaktorová analýza rozptylu I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých

Více

Příjmy domácností ve vybraných regionech České republiky Household Income in Some Regions in the Czech Republic

Příjmy domácností ve vybraných regionech České republiky Household Income in Some Regions in the Czech Republic Příjmy domácností ve vybraných regionech České republiky Household Income in Some Regions in the Czech Republic Jitka Bartošová Abstract: The article deals with characterization of present income distribution

Více

Regresní analýza 1. Regresní analýza

Regresní analýza 1. Regresní analýza Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému

Více

Karta předmětu prezenční studium

Karta předmětu prezenční studium Karta předmětu prezenční studium Název předmětu: Číslo předmětu: 545-0250 Garantující institut: Garant předmětu: Ekonomická statistika Institut ekonomiky a systémů řízení RNDr. Radmila Sousedíková, Ph.D.

Více

Determinanty vzniku kardiovaskulárních onemocnění v české populaci

Determinanty vzniku kardiovaskulárních onemocnění v české populaci Determinanty vzniku kardiovaskulárních onemocnění v české populaci Michala Lustigová Státní zdravotní ústav XLIII. konference České demografické společnosti, XLIII. konference České demografické společnosti,

Více

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je = Příklad 1 Metodou nejmenších čtverců nalezněte odhad lineární regresní funkce popisující závislost mezi výnosy pšenice a množstvím použitého hnojiva na základě hodnot výběrového souboru uvedeného v tabulce.

Více

TECHNICKÁ UNIVERZITA V LIBERCI EKONOMICKÁ FAKULTA

TECHNICKÁ UNIVERZITA V LIBERCI EKONOMICKÁ FAKULTA TECHNICKÁ UNIVERZITA V LIBERCI EKONOMICKÁ FAKULTA Semestrální práce Semestrální práce z předmětu Statistický rozbor dat z dotazníkového šetření Vypracoval: Bonaconzová, Bryknarová, Milkovičová, Škrdlová

Více

Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík

Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická

Více

Pearsonův korelační koeficient

Pearsonův korelační koeficient I I.I Pearsonův korelační koeficient Úvod Předpokládejme, že náhodně vybereme n objektů (nebo osob) ze zkoumané populace. Často se stává, že na každém z objektů měříme ne pouze jednu, ale několik kvantitativních

Více

Stav Svobodný Rozvedený Vdovec. Svobodná 37 10 6. Rozvedená 8 12 8. Vdova 5 8 6

Stav Svobodný Rozvedený Vdovec. Svobodná 37 10 6. Rozvedená 8 12 8. Vdova 5 8 6 1. Příklad Byly sledovány rodinné stavy nevěst a ženichů při uzavírání sňatků a byla vytvořena následující tabulka četností. Stav Svobodný Rozvedený Vdovec Svobodná 37 10 6 Rozvedená 8 12 8 Vdova 5 8 6

Více

Celopopulační studie o zdravotním stavu a životním stylu obyvatel v České republice - Charakteristika výběrového souboru

Celopopulační studie o zdravotním stavu a životním stylu obyvatel v České republice - Charakteristika výběrového souboru Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 13.4.2005 10 Celopopulační studie o zdravotním stavu a životním stylu obyvatel v České republice - Charakteristika

Více

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,

Více

Vývoj indexů spotřebitelských cen v 1. čtvrtletí 2016

Vývoj indexů spotřebitelských cen v 1. čtvrtletí 2016 11. 4. 2016 Vývoj indexů spotřebitelských cen v 1. čtvrtletí 2016 V 1. čtvrtletí 2016 vzrostly spotřebitelské ceny proti 4. čtvrtletí 2015 o 0,4 %. V meziročním srovnání vzrostly spotřebitelské ceny v

Více

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC Kateřina Pojkarová 1 Anotace:Článek se věnuje železniční přepravě mezi kraji v České republice, se zaměřením na

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině

Více

4. Zpracování číselných dat

4. Zpracování číselných dat 4. Zpracování číselných dat 4.1 Jednoduché hodnocení dat 4.2 Začlenění dat do písemné práce Zásady zpracování vědecké práce pro obory BOZO, PÚPN, LS 2011 4.1 Hodnocení číselných dat Popisná data: střední

Více

STATISTIKA 1. Adam Čabla Katedra statistiky a pravděpodobnosti VŠE

STATISTIKA 1. Adam Čabla Katedra statistiky a pravděpodobnosti VŠE STATISTIKA 1 Adam Čabla Katedra statistiky a pravděpodobnosti VŠE KONTAKTY WWW: sites.google.com/site/adamcabla E-mail: adam.cabla@vse.cz Telefon: 777 701 783 NB367 na VŠE, konzultační hodiny: Pondělí

Více

Regrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA

Regrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA Regrese používáme tehd, jestliže je vsvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA Specifikace modelu = a + bx a závisle proměnná b x vsvětlující proměnná Cíl analýz Odhadnout hodnot

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK Základy ekonometrie Odhad klasického lineárního regresního modelu II Cvičení 3 Zuzana Dlouhá Klasický lineární regresní model - zadání příkladu Soubor: CV3_PR.xls Data: y = maloobchodní obrat potřeb

Více

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D.

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Základní statistické charakteristiky

Základní statistické charakteristiky Základní statistické charakteristiky Základní statistické charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme Základní statistické

Více

ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK

ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní

Více

Vzorová prezentace do předmětu Statistika

Vzorová prezentace do předmětu Statistika Vzorová prezentace do předmětu Statistika Popis situace: U 3 náhodně vybraných osob byly zjišťovány hodnoty těchto proměnných: SEX - muž, žena PUVOD Skandinávie, Středomoří, 3 západní Evropa IQ hodnota

Více

4. Peněžní příjmy a vydání domácností ČR

4. Peněžní příjmy a vydání domácností ČR 4. Peněžní příjmy a vydání domácností ČR Národní účty a rodinné účty různé poslání Rychlejší růst spotřeby domácností než HDP Značný růst výdajů domácností na bydlení Různorodé problémy související s tvorbou

Více

2011 Dostupný z

2011 Dostupný z Tento dokument byl stažen z Národního úložiště šedé literatury (NUŠL). Datum stažení: 03.01.2017 Vývoj indexů spotřebitelských cen v 1. čtvrtletí 2011 Český statistický úřad 2011 Dostupný z http://www.nusl.cz/ntk/nusl-203700

Více

Spotřeba zdravotnických služeb v letech 2007 2010. Consumption of Health Services in the years 2007 2010

Spotřeba zdravotnických služeb v letech 2007 2010. Consumption of Health Services in the years 2007 2010 Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 7. 9. 2011 51 Spotřeba zdravotnických služeb v letech 2007 2010 Consumption of Health Services in the years 2007 2010

Více

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D. Př. : Stanovte jednotlivé četnosti a číselné charakteristiky zadaného statistického souboru a nakreslete krabicový graf:, 8, 7, 43, 9, 47, 4, 34, 34, 4, 35. Statistický soubor seřadíme vzestupně podle

Více

Vybrané mzdové charakteristiky v krajích ČR členěné podle věku a pohlaví v roce 2008

Vybrané mzdové charakteristiky v krajích ČR členěné podle věku a pohlaví v roce 2008 Vybrané mzdové charakteristiky v krajích ČR členěné podle věku a pohlaví v roce 2008 Luboš Marek, Michal Vrabec Souhrn: V tomto příspěvku jsme se zaměřili na zkoumání rozdílů u běžných charakteristik mzdových

Více

10. Předpovídání - aplikace regresní úlohy

10. Předpovídání - aplikace regresní úlohy 10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu

Více

Cvičení 12: Binární logistická regrese

Cvičení 12: Binární logistická regrese Cvičení 12: Binární logistická regrese Příklad: V roce 2014 konalo státní závěrečné zkoušky bakalářského studia na jisté fakultě 167 studentů. U každého studenta bylo zaznamenáno jeho pohlaví (0 žena,

Více

Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni

Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni Kvantifikace dat Pro potřeby statistického zpracování byly odpovědi převedeny na kardinální intervalovou

Více

Cvičení ze statistiky - 9. Filip Děchtěrenko

Cvičení ze statistiky - 9. Filip Děchtěrenko Cvičení ze statistiky - 9 Filip Děchtěrenko Minule bylo.. Dobrali jsme normální rozdělení Tyhle termíny by měly být známé: Inferenční statistika Konfidenční intervaly Z-test Postup při testování hypotéz

Více

VÝVOJ VYBRANÝCH UKAZATELŮ ŽIVOTNÍ ÚROVNĚ V ČESKÉ REPUBLICE V LETECH 1993 2012. Zpracoval Odbor analýz a statistik (65)

VÝVOJ VYBRANÝCH UKAZATELŮ ŽIVOTNÍ ÚROVNĚ V ČESKÉ REPUBLICE V LETECH 1993 2012. Zpracoval Odbor analýz a statistik (65) M I N I S T E R S T V O P R Á C E A S O C I Á L N Í C H V Ě C Í VÝVOJ VYBRANÝCH UKAZATELŮ ŽIVOTNÍ ÚROVNĚ V ČESKÉ REPUBLICE V LETECH 1993 2012 VÝVOJ VYBRANÝCH UKAZATELŮ ŽIVOTNÍ ÚROVNĚ V ČESKÉ REPUBLICE

Více

ŽIVOTNÍ PODMÍNKY DOMÁCNOSTÍ A DEMOGRAFICKÝ VÝVOJ V OLOMOUCKÉM KRAJI. ČESKÝ STATISTICKÝ ÚŘAD Na padesátém 81, Praha 10 czso.

ŽIVOTNÍ PODMÍNKY DOMÁCNOSTÍ A DEMOGRAFICKÝ VÝVOJ V OLOMOUCKÉM KRAJI. ČESKÝ STATISTICKÝ ÚŘAD Na padesátém 81, Praha 10 czso. ŽIVOTNÍ PODMÍNKY DOMÁCNOSTÍ A DEMOGRAFICKÝ VÝVOJ V OLOMOUCKÉM KRAJI ČESKÝ STATISTICKÝ ÚŘAD Na padesátém 81, 100 82 Praha 10 czso.cz 1/23 ŠETŘENÍ O PŘÍJMECH A ŽIVOTNÍCH PODMÍNKÁCH DOMÁCNOSTÍ - výběrové

Více

Vybrané ukazatele ekonomiky zdravotnictví v mezinárodním srovnání. Selected Economic Indicators of Health in International Comparison

Vybrané ukazatele ekonomiky zdravotnictví v mezinárodním srovnání. Selected Economic Indicators of Health in International Comparison Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 16. 7. 2009 35 Vybrané ukazatele ekonomiky zdravotnictví v mezinárodním srovnání Selected Economic Indicators of Health

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

Hedonický cenový index na datech poskytovatelů hypotečních úvěrů. Ing. Mgr. Martin Lux, Ph.D.

Hedonický cenový index na datech poskytovatelů hypotečních úvěrů. Ing. Mgr. Martin Lux, Ph.D. Hedonický cenový index na datech poskytovatelů hypotečních úvěrů Ing. Mgr. Martin Lux, Ph.D. Proč nový index? V ČR existuje již několik cenových indexů například index ČSÚ (na transakčních i nabídkových

Více

Vybrané ukazatele ekonomiky zdravotnictví v mezinárodním srovnání. Selected Economic Indicators of Health Care in International Comparison

Vybrané ukazatele ekonomiky zdravotnictví v mezinárodním srovnání. Selected Economic Indicators of Health Care in International Comparison Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 31. 8. 2012 42 Vybrané ukazatele ekonomiky zdravotnictví v mezinárodním srovnání Selected Economic Indicators of Health

Více

ŽIVOTNÍ PODMÍNKY ČESKÝCH DOMÁCNOSTÍ

ŽIVOTNÍ PODMÍNKY ČESKÝCH DOMÁCNOSTÍ ŽIVOTNÍ PODMÍNKY ČESKÝCH DOMÁCNOSTÍ Jaromír Kalmus a kol. Tisková konference, ČSÚ Praha, 26. června 2013 ČESKÝ STATISTICKÝ ÚŘAD Na padesátém 81, 100 82 Praha 10 czso.cz 1/19 ÚVOD Výběrové šetření ČSÚ odráží

Více

STATISTICA Téma 7. Testy na základě více než 2 výběrů

STATISTICA Téma 7. Testy na základě více než 2 výběrů STATISTICA Téma 7. Testy na základě více než 2 výběrů 1) Test na homoskedasticitu Nalezneme jej v několika submenu. Omezme se na submenu Základní statistiky a tabulky základního menu Statistika. V něm

Více

Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry

Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Obecný postup 1. Určení statistické hypotézy 2. Určení hladiny chyby 3. Výpočet

Více

KDO JE CHUDÝ A KDO JE BOHATÝ? CO VYPLÝVÁ Z DAT STATISTIKY RODINNÝCH ÚČTŮ

KDO JE CHUDÝ A KDO JE BOHATÝ? CO VYPLÝVÁ Z DAT STATISTIKY RODINNÝCH ÚČTŮ KDO JE CHUDÝ A KDO JE BOHATÝ? CO VYPLÝVÁ Z DAT STATISTIKY RODINNÝCH ÚČTŮ WHO ARE THE POOR AND WHO ARE THE RICH? WHAT CAN WE DERIVE FROM THE HOUSEHOLD BUDGET SURVEY Robert Jahoda Anotace Příspěvek se snaží

Více

Organizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika?

Organizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika? Organizační pokyny k přednášce Matematická statistika 2012 2013 Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hudecova@karlin.mff.cuni.cz http://www.karlin.mff.cuni.cz/

Více

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech

Více

Renáta Bednárová STATISTIKA PRO EKONOMY

Renáta Bednárová STATISTIKA PRO EKONOMY Renáta Bednárová STATISTIKA PRO EKONOMY ZÁKLADNÍ STATISTICKÉ POJMY Statistika Statistický soubor Statistická jednotky Statistický znak STATISTIKA Vědní obor, který se zabývá hromadnými jevy Hromadné jevy

Více

Ilustrační příklad odhadu LRM v SW Gretl

Ilustrační příklad odhadu LRM v SW Gretl Ilustrační příklad odhadu LRM v SW Gretl Podkladové údaje Korelační matice Odhad lineárního regresního modelu (LRM) Verifikace modelu PEF ČZU Praha Určeno pro posluchače předmětu Ekonometrie Needitovaná

Více

DŮSLEDKY STÁRNUTÍ POPULACE NA POTŘEBU SOCIÁLNÍCH SLUŽEB PRO SENIORY NA PÍSECKU

DŮSLEDKY STÁRNUTÍ POPULACE NA POTŘEBU SOCIÁLNÍCH SLUŽEB PRO SENIORY NA PÍSECKU DŮSLEDKY STÁRNUTÍ POPULACE NA POTŘEBU SOCIÁLNÍCH SLUŽEB PRO SENIORY NA PÍSECKU Ladislav Průša Abstrakt Stárnutí populace se nedotýká pouze systému důchodového pojištění, ale bezprostředně se dotýká rovněž

Více

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2 Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik

Více

Popisná statistika. Statistika pro sociology

Popisná statistika. Statistika pro sociology Popisná statistika Jitka Kühnová Statistika pro sociology 24. září 2014 Jitka Kühnová (GSTAT) Popisná statistika 24. září 2014 1 / 31 Outline 1 Základní pojmy 2 Typy statistických dat 3 Výběrové charakteristiky

Více

ČISTÁ PENĚŽNÍ VYDÁNÍ CELKEM

ČISTÁ PENĚŽNÍ VYDÁNÍ CELKEM STATISTIKA RODINNÝCH ÚČTŮ Tab. 7b Úplné rodiny a ostatní domácnosti podle vzdělání Skupiny peněžních vydání - průměry na osobu v Kč za rok, struktura v % Domácnosti celkem z toho úplné rodiny 1 - základní

Více

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy Ekonometrická analýza proces, skládající se z následujících fází: a) specifikace b) kvantifikace c) verifikace d) aplikace Postupné zpřesňování jednotlivých

Více

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Spotřeba alkoholu (VI. díl)

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Spotřeba alkoholu (VI. díl) Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 3. 12. 2002 58 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Spotřeba alkoholu (VI. díl) V této

Více