Статистико – экономический анализ уровня безработицы на примере регионов ЦФО

 

, ,              (6)

 

Приведенные выше формулы можно применять только для ряда, уровни которого являются абсолютными величинами. 

Анализ рядов динамики предполагает выявление тренда — долговременной компоненты ряда динамики, которая характеризует основную тенденцию его развития, при этом остальные компоненты рассматриваются только как мешающие процедуре его определения. Для этого находят подходящую трендовую кривую, которая сгладила бы остальные колебания. После установления наличия тенденции в ряду динамики, производится ее описание с помощью методов сглаживания. 

Методы сглаживания разделяются на две основные группы: 

1) Сглаживание или механическое выравнивание отдельных членов ряда динамики с использованием фактических значений соседних уровней.

2) Выравнивание с применением кривой, проведенной между конкретными уровнями таким образом, чтобы она отображала тенденцию, присущую ряду, и одновременно освободила его от незначительных колебаний. 

Метод усреднения по левой и правой половине. Разделяют ряд динамики на две части, находят для каждой из них среднее арифметическое значение и проводят через полученные точки линию тренда на графике.

Метод укрупнения интервалов — основан на укрупнении периодов времени, к которым относятся уровни ряда.

Метод простой скользящей средней — вычисляется средний уровень из определенного числа (3–7) первых по порядку уровней ряда, затем - средний уровень из такого же числа уровней, начиная со второго, далее — начиная с третьего и т. д. Таким образом, при расчетах среднего уровня как бы «скользят» по ряду динамики от его начала к концу, каждый раз отбрасывая один уровень вначале и добавляя один следующий. Каждое звено скользящей средней — это средний уровень за соответствующий период, который относится к середине выбранного периода.

Определение скользящей средней по четному числу членов ряда динамики несколько сложнее, так как средняя может быть отнесена только к середине между двумя датами, находящимися в середине интервала сглаживания. Требуется выполнение дополнительного расчета — центрирования, которое заключается в нахождении средней из двух смежных скользящих средних для отнесения полученного уровня к определенной дате. 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1.5 Методы прогнозирования

 

Для понимания сущности данного вопроса необходимо предварительно дать определения некоторых понятий, в частности, таких, как: метод, методика, методология. 

В широком смысле слова – метод (гр. methodos) - это: 1) способ познания, исследования явлений природы и общественной жизни; 2) прием или система приемов в какой-либо деятельности. 

Применительно к экономической науке и практике - метод - это: 1) система правил и приемов подхода к изучению явлений и закономерностей природы, общества и мышления; 2) путь, способ достижения определенных результатов в познании и практике; 3) прием теоретического исследования или практического осуществления чего-нибудь, исходящий из знания закономерностей развития объективной действительности и исследуемого предмета, явления, процесса. 

Методика - это: 1) совокупность методов, приемов практического выполнения чего-либо; 2) учение о методах преподавания той или иной науки. 

Методология - это: 1) учение о методе; 2) основные принципы или совокупность приемов исследования, применяемых в какой-либо науке. 

Единого, универсального, метода прогнозирования не существует. В связи с огромным разнообразием прогнозируемых ситуаций имеется и большое разнообразие методов прогнозирования (свыше 150).

Вся совокупность методов прогнозирования может быть представлена двумя группами – в зависимости от степени их однородности: 

простые методы; 

комплексные методы. 

Группа простых методов объединяет однородные по содержанию и используемому инструментарию методы прогнозирования (например, экстраполяция тенденций, морфологический анализ и др.). 

Комплексные методы отражают совокупности, комбинации методов, чаще всего реализуемые специальными прогностическими системами (например, методы прогнозного графа, система “Паттерн” и др.). 

Кроме того все методы прогнозирования поделены еще на три класса: 

фактографические методы; 

экспертные методы; 

комбинированные методы. 

В основу их выделения положен характер информации, на базе которой составляется прогноз:

1) фактографические методы базируются на фактическом информационном материале о прошлом и настоящем развитии объекта прогнозирования. Чаще всего применяются при поисковом прогнозировании для эволюционных процессов; 

2) экспертные (интуитивные) методы основаны на использовании знаний специалистов-экспертов об объекте прогнозирования и обобщении их мнений о развитии (поведении) объекта в будущем. Экспертные методы в большей мере соответствуют нормативному прогнозированию скачкообразных процессов; 

3) комбинированные методы включают методы со смешанной информационной основой, в которых в качестве первичной информации наряду с экспертной используется и фактографическая. 

В свою очередь, каждый из перечисленных классов также подразделяется на группы и подгруппы. Так, среди фактографических методов выделяются группы: 

статистических (параметрических) методов; 

опережающих методов. 

Группа статистических методов включает методы, основанные на построении и анализе динамических рядов характеристик (параметров) объекта прогнозирования. Среди них наибольшее распространение получили экстраполяция, интерполяция, метод аналогий (модель подобия), параметрический метод и др. 

Группа опережающих методов состоит из методов, основанных на использовании свойства научно-технической информации опережать реализацию научно-технических достижений. Среди методов этой группы выделяется публикационный, основанный на анализе и оценке динамики публикаций. 

 

 

 

 

 

 

 

 

 

 

1.6 Методы изучения взаимосвязей между явлениями

 

В процессе статистического исследования зависимостей вскрываются причинно-следственные отношения между явлениями, что позволяет выявлять факторы (признаки), оказывающие основное влияние на вариацию изучаемых явлений и процессов. Причинно-следственные отношения – это связь явлений и процессов, когда изменение одного из них – причины, ведет к изменению другого – следствия.

Признаки по их значению для изучения взаимосвязи делятся на два вида: факторные и результативные.

Социально-экономические явления представляют собой результат одновременного воздействия большого числа причин. Следовательно, при изучении этих явлений необходимо выявлять главные, основные причины, абстрагируясь от второстепенных.

В основе первого этапа статистического изучения связи лежит качественный анализ изучаемого явления, т.е. исследование его природы методами экономической теории, социологии, конкретной экономики. Второй этап – построение модели связи. Третий, последний этап – интерпретация результатов, вновь связан с качественными особенностями изучаемого явления.

В статистике различают функциональную связь и стохастическую. Функциональной называют такую связь, при которой определенному значению факторного признака соответствует одно и только одно значение результативного признака. Такая связь проявляется во всех случаях наблюдения и для каждой конкретной единицы исследуемой совокупности. Если причинная зависимость проявляется не в каждом отдельном случае, а в общем, среднем при большом числе наблюдений, то такая зависимость называется стохастической. Частным случаем стохастической связи является корреляционная связь, при которой изменение среднего значения результативного признака обусловлено изменением факторных признаков.

Связи между признаками и явлениями ввиду их большого разнообразия классифицируются по ряду оснований: по степени тесноты связи, направлению и аналитическому выражению.

Степень тесноты корреляционной связи количественно может быть оценена с помощью коэффициента корреляции, величина которого определяет характер связи (табл. 1).

 

Таблица 1 - Количественные критерии тесноты связи

Величина коэффициента корреляции	Характер связи
До ½± 0,3½	Практически отсутствует
½± 0,3½ - ½± 0,5½	Слабая
½± 0,5½ - ½± 0,7½	Умеренная
½± 0,7½ - ½± 1,0½	Сильная

 

 

 

По направлению выделяют связь прямую и обратную.

При прямой связи с увеличением или уменьшением значений факторного признака происходит увеличение или уменьшение значений результативного. В случае обратной связи с увеличением значений факторного признака значения результативного убывают, и наоборот.

По аналитическому выражению выделяют связи: прямолинейные (или просто линейные) и нелинейные. Если статистическая связь между явлениями может быть приближенно выражена уравнением прямой линии, то ее называют линейной; если же она выражается уравнением какой-либо кривой линии (параболы, гиперболы, показательной, экспоненциальной и т.п.), то такую связь называют нелинейной или криволинейной.

Для выявления наличия связи, ее характера и направления в статистике используются методы: приведения параллельных данных; аналитических группировок; статистических графиков; корреляции.

Метод приведения параллельных данных основан на сопоставлении двух или нескольких рядов статистических величин. Такое сопоставление позволяет установить наличие связи и получить представление о ее характере.

 

 

График поля корреляции

 

 

Графически взаимосвязь двух признаков изображается с помощью поля корреляции. В системе координат на оси абсцисс откладываются значения факторного признака, а на оси ординат – результативного. Чем сильнее связь между признаками, тем теснее будут группироваться точки вокруг определенной линии, выражающей форму связи (рис.).

При отсутствии тесных связей имеет место беспорядочное расположение точек на графике.

Для социально-экономических явлений характерно, что наряду с существенными факторами, формирующими уровень результативного признака на него оказывают влияние многие другие неучтенные и случайные факторы. Это свидетельствует о том, что взаимосвязи явлений, которые изучает статистика, носят корреляционный характер.

Корреляция – это статистическая взаимосвязь между случайными величинами, не имеющими строго функционального характера, при которой изменение одной из случайных величин приводит к изменению математического ожидания (средней величины) другой.

В статистике принято различать следующие виды зависимостей.

1. Парная корреляция – связь  между двумя признаками (результативным  и факторным или двумя факторными).

2. Частная корреляция – зависимость  между результативным и одним  факторным признаками при фиксированном  значении других факторных признаков.

3. Множественная корреляция –  зависимость результативного и  двух или более факторных признаков, включенных в исследование.

Задачей корреляционного анализа является количественное определение тесноты связи между двумя признаками (при парной связи) и между результативным и множеством факторных признаком (при многофакторной связи).

Теснота связи количественно выражается величиной коэффициентов корреляции, которые дают возможность определить «полезность» факторных признаков при построении уравнений множественной регрессии. Кроме того, величина коэффициента корреляции служит оценкой соответствия уравнения регрессии выявленным причинно-следственным связям.

Оценка тесноты связи

Теснота корреляционной связи между факторным и результативным признаками может исчисляться с помощью таких коэффициентов: эмпирический коэффициент корреляционной связи (коэффициент Фехнера); коэффициент ассоциации; коэффициент взаимной сопряженности Пирсона и Чупрова; коэффициент контингенции; ранговые коэффициенты корреляции Спирмэна и Кендэла; линейный коэффициент корреляции; корреляционное отношение и др.

Наиболее совершенно тесноту связи характеризует линейный коэффициент корреляции:

 

 

                                                        (7),

где   – средняя из произведений значений признаков ху;   – средние значения признаков х и у;   - средние квадратические отклонения признаков х и у. Он используется в том случае, если связь между признаками линейная