Тула, Тульская область, Россия
Представлены результаты анализа статистических выбросов для показателей среднедушевых денежных доходов и потребительских расходов по федеральным округам Российской Федерации. Исключение аномальных точек позволило уточнить средневзвешенные значения исследуемых показателей. Наиболее значительно скорректированы показатели Центрального федерального округа, так как аномальным стал столичный регион с высоким уровнем доходов и расходов и значительным удельным весом в численности населения.
среднедушевые денежные доходы и потребительские расходы, аномальные значения, среднеквадратическое отклонение, критерий Ирвина, среднегодовая численность населения
1. Магомедгаджиев Ш.М., Гасанова Н.Р., Шарифов М.Ш. Оценка связей и зависимостей между показателями цифровой экономики и социально-экономическими показателями регионов России // Фундаментальные исследования. 2020. №8. – С. 45-49. DOI:https://doi.org/10.17513/fr.42825 – Режим доступа: https://elibrary.ru/download/elibrary_43918184_85386483.pdf EDN: https://elibrary.ru/KHDAXE
2. Басовский Л.Е., Аверина Т.Н. Влияние структуры ВРП на характер взаимосвязи производительности труда в регионе с научно-техническими и информационными факторами развития // Научные исследования и разработки. Экономика. - 2021. - №1. - С.17-20. DOI:https://doi.org/10.12737/2587-9111-2021-17-20. – Режим доступа: https://elibrary.ru/item.asp?id=44785095 EDN: https://elibrary.ru/DIRRBU
3. Кисляков А. Н., Поляков С. В. Иерархические методы кластеризации в задаче поиска аномальных наблюдений на основе групп с нарушенной симметрией // Управленческое консультирование. 2020. №5(137). – С.116-127. – DOI:https://doi.org/10.22394/1726-1139-2020-5-116-127 - Режим доступа: https://elibrary.ru/item.asp?id=43019029 EDN: https://elibrary.ru/IYPITV
4. Куркина М.В., Пономарев И.В. Обобщенный алгоритм поиска выбросов в регрессионной модели // Известия АлтГУ. Математика и механика. 2021. №4 (120). – С. 102-105. – Режим доступа: https://cyberleninka.ru/article/n/obobschennyy-algoritm-poiska-vybrosov-v-regressionnoy-modeli DOI: https://doi.org/10.14258/izvasu(2021)4-16; EDN: https://elibrary.ru/NMINAU
5. Орлова И.В. Вопросы методики обнаружения аномальных наблюдений во временных рядах // Современная математика и концепции инновационного математического образования. 2020. №1. – С. 419-426. – Режим доступа: https://elibrary.ru/item.asp?id=43009263 EDN: https://elibrary.ru/YRTAFH
6. Даев Ж.А., Нурушев Е.Т. Применение статистических критериев для улучшения эффективности методов оценки рисков // Надежность. 2018. №2. – С. 42-45. – Режим доступа: https://www.elibrary.ru/item.asp?id=35162114 EDN: https://elibrary.ru/XROPRZ
7. Шуленин В. П. Математическая статистика. Ч. 2. Непараметрическая статистика: учебник. – Томск: Изд-во НТЛ, 2012. – 388 с. – Режим доступа: https://core.ac.uk/download/pdf/287482466.pdf
8. Федеральная служба государственной статистики. – Режим доступа: https://rosstat.gov.ru/folder/13723
9. Регионы России. Социально-экономические показатели. 2023: Стат. сб. / Росстат. - М., 2023. – 1126 с.
