Надежность статистических показателей

• тренд – основная тенденция развития динамического ряда (к увеличению или снижению его уровней);
• циклические (периодические колебания, в том числе сезонные);
• случайные колебания.

2.2.  Методы сглаживания и выравнивания динамических рядов.

 

Исключение случайных  колебаний значений уровней ряда осуществляется с помощью нахождения «усредненных» значений. Способы  устранения случайных факторов делятся  на две больше группы:

1. Способы «механического»  сглаживания колебаний путем  усреднения значений ряда относительно  других, расположенных рядом, уровней  ряда.

2. Способы «аналитического»  выравнивания, т. е. определения  сначала функционального выражения  тенденции ряда, а затем новых,  расчетных значений ряда.

2.2.1. Методы «механического» сглаживания.

 

Метод усреднения по двум половинам ряда, когда ряд делится на две части. Затем, рассчитываются два значения средних уровней ряда, по которым графически определяется тенденция ряда. Очевидно, что такой тренд не достаточно полно отражает основную закономерность развития явления.

Метод укрупнения интервалов, при котором производится увеличение протяженности временных промежутков, и рассчитываются новые значения уровней ряда.

Метод скользящей средней. Данный метод применяется для характеристики тенденции развития исследуемой статистической совокупности и основан на расчете средних уровней ряда за определенный период. Последовательность определения скользящей средней:

• устанавливается интервал сглаживания или число входящих в него уровней. Если при расчете средней учитываются три уровня, скользящая средняя называется трехчленной, пять уровней – пятичленной и т.д. Если сглаживаются мелкие, беспорядочные колебания уровней в ряду динамики, то интервал (число скользящей средней) увеличивают. Если волны следует сохранить, число членов уменьшают.
• Исчисляют первый средний уровень по арифметической простой:

y1 = Sy1/m, где

y1 – I-ый уровень ряда;

m – членность скользящей средней.

• первый уровень отбрасывают, а в исчисление средней включают уровень, следующий за последним уровнем, участвующем в первом расчете. Процесс продолжается до тех пор, пока в расчет y будет включен последний уровень исследуемого ряда динамики y_n.  
  
• по ряду динамики, построенному из средних уровней, выявляют общую тенденцию развития явления.

Отрицательной стороной использования  метода скользящей средней является образование сдвигов в колебаниях уровней ряда, обусловленных «скольжением»  интервалов укрупнения. Сглаживание  с помощью скользящей средней  может привести к появлению «обратных» колебаний, когда выпуклая «волна»  заменяется на вогнутую.

В последнее время стала  рассчитываться адаптивная скользящая средняя. Ее отличие состоит в  том, что среднее значение признака, рассчитываемое также как описано выше, относится не к середине ряда, а к последнему промежутку времени в интервале укрупнения. Причем предполагается, что адаптивная средняя зависит от предыдущего уровня в меньшей степени, чем от текущего. То есть, чем больше промежутков времени между уровнем ряда и средним значением, тем меньшее влияние оказывает значение этого уровня ряда на величину средней.

Метод экспоненциальной средней. Экспоненциальная средняя – это адаптивная скользящая средняя, рассчитанная с применением весов, зависящих от степени «удаленности» отдельных уровней ряда от среднего значения. Величина веса убывает по мере удаления уровня по хронологической прямой от среднего значения в соответствии с экспоненциальной функцией, поэтому такая средняя называется экспоненциальной. На практике применяется многократное экспоненциальное сглаживания ряда динамики, которое используется для прогнозирования развития явления.

Вывод: способы, включенные в первую группу, ввиду применяемых  методик расчета предоставляют  исследователю очень упрощенное, неточное, представление о тенденции  в ряду динамики. Однако корректное применение этих способов требует от исследователя глубины знаний о  динамике различных социально - экономических  явлений.

 

2.2.2.  Методы «аналитического» выравнивания

 

Более точным способом отображения  тенденции динамического ряда является аналитическое выравнивание, т. е. выравнивание с помощью аналитических формул. В этом случае динамический ряд выражается в виде функции у (t), в которой  в качестве основного фактора  принимается время t, и изменения  аргумента функции определяют расчетные  значения уt.

Фактическими (или эмпирическими) уровнями ряда динамики называют исходные данные об изменении явления, т. е. данные, полученные опытным путем, посредством наблюдения. Они обозначаются уi. Расчетными (или теоретическими) уровнями ряда называют значения, полученные в результате подстановки в уравнение тренда значений t, и обозначают их.

Целью аналитического выравнивания динамического ряда является определение  аналитической или графической  зависимости f(t). На практике по имеющемуся временному ряду задают вид и находят  параметры функции f(t), а затем  анализируют поведение отклонений от тенденции. Функцию f(t) выбирают таким  образом, чтобы она давала содержательное объяснение изучаемого процесса.

Чаще всего при выравнивании используются следующие зависимости:

линейная  ;

параболическая  ;

экспоненциальная 

или  ).

1) Линейная зависимость  выбирается в тех случаях, когда  в исходном временном ряду  наблюдаются более или менее  постоянные абсолютные и цепные  приросты, не проявляющие тенденции  ни к увеличению, ни к снижению.

2) Параболическая зависимость  используется, если абсолютные цепные  приросты сами по себе обнаруживают  некоторую тенденцию развития, но  абсолютные цепные приросты абсолютных  цепных приростов (разности второго  порядка) никакой тенденции развития  не проявляют.

3) Экспоненциальные зависимости  применяются, если в исходном  временном ряду наблюдается либо  более или менее постоянный  относительный рост (устойчивость  цепных темпов роста, темпов  прироста, коэффициентов роста), либо, при отсутствии такого постоянств, - устойчивость в изменении показателей  относительного роста (цепных  темпов роста цепных же темпов  роста, цепных коэффициентов роста  цепных же коэффициентов или  темпов роста и т.д.)

Таким образом, целью аналитического выравнивания является:

- определение вида функционального  уравнения;

- нахождения параметров  уравнения;

- расчет «теоретических»,  выровненных уровней, отображающих  основную тенденцию ряда динамики.

Графическое отображение  изменения уровней ряда играет большую  роль в применении данного вида выравнивания. Оно позволяет ускорить процедуру  анализа и увеличить степень  наглядности полученных результатов.

Сезонность – изменения динамических рядов, имеющих внутригодичную цикличность, зависящие от календарного периода года, явлениями природы, праздниками и др. Например, объем продаж продукции меховой фабрики вырастет в октябре, в ноябре достигнет максимума, снизится к марту, и затем до сентября - октября будет держаться на очень низком уровне. В качестве примера, интересно сравнить сезонные изменения уровня цен в России и странах Западной Европы. В России уровень цен в предпраздничные дни (например, рождество, Новый год, 9 мая, 1 сентября и т. д.) заметно растет. Тогда как в Западной Европе, как правило, в предпраздничные дни проводятся распродажи, т. е. в большинстве своем цены падают.

Явления, подверженные сезонным изменениям, необходимо исследовать  на предмет наличия основной тенденции  развития. Для этого необходимо распределить объем изменения явления между  сезонной составляющей и основной тенденцией.

Изучение и измерение  сезонности ряда динамики осуществляется с помощью специального показателя – индекса сезонности. Существует несколько вариантов анализа  динамики с помощью индекса сезонности.

Индексы сезонности показывают, во сколько раз фактический уровень ряда в момент или интервал времени t больше среднего уровня либо уровня, вычисляемого по уравнению тенденции f(t). При анализе сезонности уровни временного ряда показывают развитие явления по месяцам (кварталам) одного или нескольких лет. Для каждого месяца (квартала) получают обобщенный индекс сезонности как среднюю арифметическую из одноименных индексов каждого года. Индексы сезонности – это, по либо уровень существ, относительные величины координации, когда за базу сравнения принят либо средний уровень ряда, либо уровень тенденции. Способы определения индексов сезонности зависят от наличия или отсутствия основной тенденции.

Если тренда нет или  он незначителен, то для каждого  месяца (квартала) индекс рассчитывается по формуле 32:

где  -- уровень показателя за месяц (квартал) t;

-- общий уровень показателя.

Как отмечалось выше, для  обеспечения устойчивости показателей  можно взять больший промежуток времен. В этом случае расчет производится по формулам 33:

где   - средний уровень показателя по одноименным месяцам за ряд лет;

Т - число лет.

При наличии тренда индекс сезонности определяется на основе методов, исключающих влияние тенденции. Порядок расчета следующий:

1. для каждого уровня определяют выравненные значения по тренду f(t);
2. рассчитывают отношения  ;
3. при необходимости находят среднее из этих отношений для одноименных месяцев (кварталов) по формуле:

,(Т - число лет).

 

 

 

 

 

 

 

 

Заключение.

 

Возрастающий интерес  к правовой статистике вызван современным этапом развития в стране различных отношений. Это требует глубоких  знаний в области сбора, обработки и анализа юридической информации.

Статистическая грамотность  является неотъемлемой составной частью профессиональной подготовки каждого  юриста, экономиста, финансиста, социолога, политолога, а также любого специалиста, имеющего дело с анализом массовых явлений, будь то юридические, социально-общественные, экономические, технические, научные и другие. Работа этих групп специалистов неизбежно связана со сбором, разработкой и анализом данных статистического (массового) характера. Нередко им самим приходится проводить статистический анализ различных типов и направленности либо знакомиться с результатами статанализа, выполненного другими. В настоящее время от работника, занятого в любой области науки, техники, производства, бизнеса и прочее, связанной с изучением массовых явлений, требуется, чтобы он был, по крайней мере, статистически грамотным человеком. В конечном счете, невозможно успешно специализироваться по многим дисциплинам без усвоения какого-либо статистического курса. Поэтому большое значение имеет знакомство с общими категориями, принципами и методологией статистического анализа.

Сравнение различных юридических прогнозов имеет, прежде всего, методологическое значение - связанное с выявлением характера действующих причинно-следственных связей. Если последние изложены убедительно, определенный интерес представляют и конкретные количественные оценки, так и усредненные прогнозные значения.

 

Список литературы.

 

1. Башет К.В. «Статистика коммерческой деятельности», М: «Финансы и статистика», 1996.
2. Елесеева М.А. «Общая теория статистики», М.: «Статистика», 1988.
3. Финансы. Под ред. В.М. Родионовой. – М.: «Финансы и статистика», 1994.
4. Харченко Л.П. «Статистика» М: «ИНФРА – М», 1997.
5. prime-tass.

6. http://www.finam.ru/

7. http://www.rbc.ru/fm_wi.shtml

  8. Электронная версия «Российского статистического ежегодника»

 

 

 

 

 

 

 

 

 

 

 

Приложение