Прогнозирование социально-экономической деятельности активности населения

а) сезонную, которая распространена в видах деятельности, имеющих сезонный характер (сельское хозяйство, рыболовство, охота и т.д.);

б) технологическую, связанную с технологическими особенностями производства в некоторых видах деятельности;

в) фрикционную, которая представляет собой добровольный уход с работы с целью поиска нового места жительства или занятия.

Важное значение в экономическом анализе имеет деление занятого населения по социально-профессиональным группам. В настоящее время выделяются следующие группы:

1) законодатели, старшие  должностные лица, менеджеры;

2) специалисты;

3) техники и младшие  специалисты;

4) служащие;

5) работники сферы обслуживания  и торговли;

6) квалифицированные работники  сельского и лесного хозяйства, рыбаки и охотники;

7) производственные рабочие  и ремесленники;

8) фабрично-заводские операторы  и сборщики;

9) простейшие занятия (во  всех отраслях экономики);

10) вооруженные силы.

По своему содержанию к этой группировке примыкает группировка, отражающая распределение занятых работников по отраслям экономики. Статистическая комиссия ООН рекомендует выделять следующие отрасли:

1) сельское хозяйство, лесное  хозяйство, рыболовство и охота;

2) добывающая промышленность;

3) обрабатывающая промышленность;

4) производство энергии, газа и воды;

5) строительство;

6) торговля, отели, рестораны;

7) транспорт, связь, складское  хозяйство, коммунальные услуги;

8) финансы, страхование, услуги  предприятиям;

9) индивидуальные, коллективные  услуги;

10) прочие виды экономической  деятельности.

Весьма важной является также группировка занятого населения по продолжительности рабочего времени (обычно рабочей недели). При этом фактическую продолжительность сравнивают с официально установленной продолжительностью, определяя коэффициент использования рабочего времени.

Для безработных дополнительно используются группировки по длительности безработицы (при этом рекомендуемые МОТ интервалы составляют: до 3 мес.; от 3 мес. до 1 года; от 1 до 2 лет; свыше 2 лет); по отношению к получению пособия по безработице; по желаемому времени искомой работы; по гражданству; по участию в общественных работах. Для характеристики рынка труда ведется также статистика вакантных рабочих мест.

Классификация населения по статусу в занятости, действующая в российской статистике, полностью согласуется с Международной классификацией статуса занятых. По статусу в занятости по сути определяется социальное положение индивидуума в обществе.

Индекс представляет собой относительную величину, которая показывает, во сколько раз уровень изучаемого явления в данных условиях отличается от уровня того же явления в других условиях. Различие условий может проявляться во времени (применяются индексы динамики), в пространстве (используются территориальные индексы), в выборе в качестве базы сравнения планового задания (индекс планового задания) или выполнения обязательств (индекс выполнения обязательств).

В зависимости от сложности сравниваемых уровней выделяют три типа индексов:

- индивидуальные индексы;

- общие индексы;

- индексы средних величин.

Индивидуальный индекс – это относительная величина, получаемая при сравнении уровней, если исследователь не интересуется структурой изучаемого явления и количественную оценку уровня в данных условиях сравнивает с такой же конкретной величиной уровня этого явления в других условиях.

Если известно, что изучаемое явление неоднородно и сравнение уровней можно осуществить только после приведения их к общей мере, анализ выполняется с помощью общих индексов.

Индекс становиться общим, когда в расчетной формуле показывается неоднородность исследуемой совокупности (пример, общая масса товаров в разных единицах измерения – тоннах, метрах и т.д.).

Если сравнение во времени или пространстве выполняется по совокупностям, состоящим из объектов, допускающих суммирование количественного показателя, то в анализе используются индексы средних величин. 

С помощью индексов характеризуется развитие экономически и отдельных отраслей, результаты деятельности отдельных предприятий и организаций, исследуется роль отдельных факторов в формировании важнейших экономических показателей, проводятся международные сопоставления.

Период, который сопоставляется, называется отчетным, а период, с которым сопоставляют – базисным.

Индекс изменения численности работников в отчетном и базовом периоде – применяется для определения степени изменения общего движения рабочей силы. Этот показатель недостаточно точно отражает степень движения рабочей силы. Может создаться ситуация, когда на предприятии в течение отчетного периода было движение рабочей силы по приему и увольнению, но только в размерах замещения рабочей силы, т. е. численность работников осталась неизменной.

Всякое движение рабочей силы отрицательно сказывается на деятельности предприятия: снижаются уровень производительности и качества продукции, рост оплаты труда и себестоимости продукции.

Одной из наиболее важных задач статистики в области исследования взаимосвязей является количественная оценка их наличия и направления, а также характеристика силы и формы влияния одних факторов на другие. Для ее решения применяются методы корреляционного и регрессионного анализа, которые трансформируются в метод корреляционно-регрессионного анализа.

Объединение методов корреляционного и регрессионного анализа обусловлено рядом обстоятельств: наличием общих вычислительных процедур, взаимодополнением при интерпретации результатов и др. Поэтому можно говорить о корреляционном анализе в широком смысле: связь характеризуется всесторонне, что требует привлечения регрессионного анализа.

В то же время выделяют корреляционный анализ в узком смысле, в процессе которого исследуется сила связи, и регрессионный анализ, в ходе которого оцениваются ее форма и воздействие одних факторов на другие.

Задачи собственно корреляционного анализа сводятся к измерению тесноты связи между варьирующими признаками, определению неизвестных причинных связей и оценке факторов, оказывающих наибольшее влияние на результативный признак. Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значений зависимой переменной. 

Глава 2. Прогнозирование социально-экономической деятельности

2.1 Статистика  и прогнозирование

Под прогнозом понимается научно обоснованное описание возможных состояний объектов в будущем, а также альтернативных путей и сроков достижения этого состояния. Процесс разработки прогнозов называется прогнозированием. Прогнозирование – вид познавательной деятельности человека, направленной на формирование прогнозов развития объекта, на основе анализа тенденций его развития. Прогнозирование должно отвечать на два вопроса: что вероятнее всего можно ожидать в будущем? Каким образом нужно изменить условия, чтобы достичь заданное состояние? Прогнозирование является важным связующим звеном между теорией и практикой во всех областях жизни общества. В зависимости от степени конкретности и характера воздействия на ход исследуемых процессов и явлений различают три формы предвидения: гипотезу (общенаучное предвидение), прогноз и план. Эти формы предвидения тесно связаны в своих проявлениях друг с другом и с исследуемым объектом в системе управления и планирования, представляют собой последовательные ступени познания поведения объекта в будущем.

Прогнозы можно подразделять в зависимости от целей, задач, объектов, времени упреждения, методов организации прогнозирования, источников информации и т. д. Большое количество таких признаков и отсутствие их строго определенных характеристик затрудняют создание единой классификации. Задачи экономико-статистического прогнозирования следующие:

 выявление перспектив  ближайшего или более отдаленного  будущего в исследуемой области  на основе реальных процессов  действительности;

- выработка оптимальных  тенденций и перспективных планов  с учетом составленного прогноза  и оценки принятого решения  с позиций его последствий в прогнозируемом периоде.

Статистические методы прогнозирования - научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных (в том числе непараметрических методов наименьших квадратов с оцениванием точности прогноза, адаптивных методов, методов авторегрессии и др.); развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования, в том числе методов анализа субъективных экспертных оценок на основе статистики нечисловых данных; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей.  Статистические методы прогнозирования основаны на использовании количественной информации о состоянии и поведении исследуемого объекта. Эта информация является ретроспективной, т.е. она описывает состояние и поведение объекта в прошлые моменты времени. Исследователь, анализируя эту информацию, выявляет качественную картину поведения объекта в прошлом, определяет тенденцию его развития. 

 

 

 

 

 

 

2.2 Основные методы прогнозирования в статистике

Под методом прогнозирования понимается совокупность приемов и способов мышления, позволяющих на основе анализа ретроспективных данных, экзогенных (внешних) и эндогенных (внутренних) связей объекта прогнозирования, а также их измерения в рамках рассматриваемого явления или процесса вывести суждения определенной достоверности относительно будущего развития объекта. По степени формализации методы экономического прогнозирования можно подразделить на интуитивные и формализованные.

Интуитивные методы базируются на интуитивно-логическом мышлении. Они используются в тех случаях, когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования или объект слишком прост и не требует проведения трудоемких расчетов. Такие методы целесообразно использовать и в других случаях в сочетании с формализованными методами для повышения точности прогнозов. В нашей курсовой, мы взяли следующие методы:

средней арифметической

- средней арифметической  с ошибкой

- скользящей средней

- индексным

- наименьшей величины

В математике и статистике среднее арифметическое - одна из наиболее распространённых мер центральной тенденции, представляющая собой сумму всех наблюденных значений, деленную на их количество. Сущность средней состоит в том, что она отражает типичный уровень признака и абстрагируется от индивидуальных особенностей, присущих отдельным единицам. Средняя величина только тогда будет отражать типичный уровень признака, когда она рассчитана по качественно однородной совокупности.

Метод скользящей средней основан на свойстве средней погашать случайные отклонения от общей закономерности. Расчет скользящей средней осуществляется по средней арифметической простой из заданного числа уровней ряда, с отбрасыванием, при вычислении каждой новой средней, предыдущего уровня и присоединением следующего. Сглаживание методом простой скользящей средней заключается в том, что вычисляется средний уровень из 3, 5, 7 и т.д. уровней. В результате, расчет средней, как бы, скользит от начала ряда динамики к его концу. При нечетном шаге каждая вычисленная скользящая средняя соответствует реальному интервалу (моменту) времени, находящемуся в середине шага (интервала), а число сглаженных уровней, меньше первоначального числа уровней на величину шага скользящей средней, уменьшенного на единицу.

Индексный метод основан на относительных показателях динамики, пространственных сравнений, выполнения плана, выражающих отношение фактического уровня анализируемого показателя в отчетном периоде к его уровню в базисном периоде (или к плановому или по другому объекту).

 

 Метод наименьшей величины Математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов некоторых функций от искомых переменных. Он может использоваться для «решения» переопределенных систем уравнений (когда количество уравнений превышает количество неизвестных), для поиска решения в случае обычных (не переопределенных) нелинейных систем уравнений, для аппроксимации точечных значений некоторой функцией. МНК является одним из базовых методов регрессионного анализа для оценки неизвестных параметров регрессионных моделей по выборочным данным.