Статистика как наука и практика

В результате освоения данной главы студент должен:

знать

• • предмет и метод науки;
• • основные категории статистики;
• • генезис статистической науки, современное ее состояние, основные принципы организации статистической деятельности в РФ;

уметь

• • использовать теоретические знания и методы статистического исследования во всех областях профессиональной деятельности;
• • ориентироваться в современных источниках статистической информации;
• • правильно выбирать методы и средства работы со статистической информацией;

владеть

• • специальной статистической терминологией и навыками статистического мышления в контексте решения профессиональных и социальноэкономических задач;
• • навыками обобщения и анализа статистической информации;
• • способностью анализировать и использовать различные источники статистической информации.

Введение

в статистику

Статистика — одна из древнейших отраслей знаний, которая возникла на базе хозяйственного учета. Первые примитивные учетные операции осуществлялись еще в древности: получение данных о численности населения, его составе и имущественном положении. Такие данные использовались при налогообложении и в военных нуждах. По мере развития производительных сил в обществе возрастал интерес к различного рода знаниям, расширялся круг учитываемых явлений и собираемых о них сведений, усложнялись сами учетные операции, они становились более полными и регулярными. Постепенно накапливался опыт проведения статистического наблюдения, обработки и анализа статистических данных, появлялись рекомендации о том, каким образом организовать отдельные учетные операции и обработать собранные сведения, чтобы обобщить их и выявить различные закономерности. Так формировалась отрасль знаний, которая была названа впоследствии статистикой.

Понятие «статистика» в научный обиход ввел немецкий ученый Г. Ахенваль в 1746 г. Первоначально эго слово обозначало сумму знаний о государстве, необходимых купцам, военным, политикам, ученым. Становление статистической науки осуществлялось в следующих направлениях:

• 1) государствоведение (описательная школа);
• 2) политическая арифметика;
• 3) математико-статистическое направление (представляет собой синтез первых двух направлений).

Важнейшими представителями государствоведения были Г. Конринг (1606—1681), Г. Ахенваль (1719—1772), А. Шлецер (1735—1809). Становление политической арифметики обычно связывают с именами У. Петти (1623—1687), Дж. Граунта (1620— 1674), Э. Галлея (1656—1742). Математико-статистическое направление формировалось усилиями таких ученых, как А. Кетле (1796−1874), Ф. Гальтон (1822−1911), Ф. Эджуорт (1845−1926), К. Пирсон (1857—1936) и многих других (рис. 1.1).

В России последователями школы государствоведения были И. К. Кириллов (1689−1737), В. Н. Татищев (1686−1750), М. В. Ломоносов (1711−1765), К. Ф. Герман (1767−1838), К. И. Арсеньев (1789—1865) и др. К направлению «политическая.

Рис. 1.1. Генезис основных направлений развития статистической науки арифметика" можно отнести таких знаменитых ученых-статистиков, как Д. П. Журавский (1810—1856) и П. П. Семенов-ТянШанский (1827—1914). Вторая половина XIX в. — начало XX в. в России были периодом бурного развития статистической науки и практики. Большая заслуга в этом принадлежит представителям так называемой академической статистики, к числу которых относят П. Л. Чебышева (1821—1894), Ю. Э. Янсона (1835—1893), А. И. Чупрова (1842−1908), А. А. Чупрова (1874−1926), А. А. Маркова (1856—1922), Я. М. Ляпунова (1857—1918). Многие идеи представителей академической статистики получили дальнейшее развитие в трудах их учеников и последователей и были предметом научного спора, обсуждения и обобщения на протяжении всего XX в.

В настоящее время термин «статистика» употребляется в нескольких значениях (рис. 1.2):

• 1) общеметодологическая наука, изучающая особенности массовых социально-экономических и природных явлений и процессов, в которых необходимость сочетается со случайностью;
• 2) отрасль практической деятельности, направленная на сбор, обработку, анализ и публикацию массовых данных об общественных и природных явлениях;
• 3) цифровой материал, служащий для характеристики какойлибо области общественных или природных явлений, или отдельные статистические показатели;
• 4) параметр ряда случайных величин.

Рис. 1.2. Значения термина «статистика»

В России статистика как научное знание традиционно подразделяется на два крупных раздела: (общая) теория статистики и социально-экономическая статистика, которая в свою очередь также подразделяется на экономическую статистику, статистику населения и социальную статистику (рис. 1.3).

Теория статистики (общая) служит для описания и систематизации научного инструментария; в рамках социально-экономической статистики разрабатываются методики и индикаторы.

Рис. 13. Классификация статистики в России.

статистического анализа закономерностей и особенностей развития социально-экономических и природных явлений и процессов в различных сегментах общества, экономики и природы. Экономическая статистика включает в себя отраслевые статистики: статистику промышленности, статистику сельского хозяйства, финансовую статистику, транспортную статистику, статистику здравоохранения и т. д. Статистики крупных отраслей могут быть подразделены на более мелкие отраслевые статистики. Например, статистика сельского хозяйства подразделяется на статистику растениеводства и статистику животноводства и т. д. Статистика населения исследует его численность и размещение, состав населения (по иолу, возрасту, образованию и т. д.), естественное движение населения (рождаемость, смертность, прирост и т. д.) Социальная статистика состоит из статистики политики, культуры, искусства, науки, правовой статистики и т. д.

Во второй половине XX в. вследствие широкого применения математики в экономике получило мощное развитие новое направление — эконометрика, представляющее собой, по сути, свод методов математической статистики, потенциально применимых для исследований в экономике.

Теория статистики (общая) — это основополагающая дисциплина, определяющая основные понятия и методы статистики. Статистика, как и любая другая наука, оперирует определенными категориями. Важнейшими категориями являются следующие: статистическая совокупность, единица статистической совокупности, статистическая единица наблюдения, признак, статистический показатель, система статистических показателей, статистическая закономерность (рис. 1.4).

Рис. 1.4. Важнейшие категории статистики.

Статистическая совокупность — это совокупность социально-экономических объектов или явлений общественной жизни, объединенных качественной основой, общей связью, но отличающихся друг от друга значениями признака. Примерами являются совокупность населения, совокупность работников (например, в секторе экономики) и т. д. Совокупности могут быть однородными и разнородными. Совокупность называется однородной, если один или несколько изучаемых существенных признаков ее объектов являются общими для всех единиц. Совокупность, в которую входят явления разного типа, считается разнородной. Совокупность может быть однородна по одному признаку и разнородна, но другому. В каждом конкретном случае однородность статистической совокупности устанавливается путем проведения качественного и количественного анализа, выяснения содержания изучаемого явления.

Единица статистической совокупности — это первичный элемент статистической совокупности, являющийся носителем признаков, подлежащих регистрации, и основой ведущегося при обследовании счета. Например, в совокупности населения единицей совокупности будет отдельный человек, в совокупности работников — отдельный работник.

Статистическая единица наблюдения — это часть объекта наблюдения, т. е. часть статистической совокупности, в которой протекают исследуемые процессы (например, население СанктПетербурга, группа работников отдельного предприятия и т. д.).

Качественная особенность единицы совокупности называется признаком. Признаками являются, например, пол, возраст, образование и т. п. Признаки, по которым отдельные единицы совокупности могут отличаться одна от другой, носят разный характер. Основные классификации признаков представлены на рис. 1.5.

Признаки по стадиям исследования классифицируют на первичные и вторичные (рис. 1.6).

Первичные признаки являются основой статистического наблюдения исследуемой совокупности, а вторичные возникают в процессе обработки и анализа данных статистического наблюдения.

Рис. 1.5. Основные классификации признаков.

Рис. 1.6. Классификация признаков по стадиям исследования исследуемой совокупности по первичным признакам. Так, например, результат написания ЕГЭ по английскому языку отдельных учащихся (балл) представляет собой первичный признак, а средний балл написания ЕГЭ по английскому языку по школе — вторичный признак.

Признаки по принадлежности к единице совокупности систематизируют на прямые и косвенные (рис. 1.7).

Примером прямого признака может служить продолжительность жизни отдельного человека, а косвенным — средняя продолжительность жизни человека из конкретной популяции.

Признаки по характеру взаимосвязи группируют на факторные и результативные (рис. 1.8).

Факторными признаками являются признаки, оказывающие влияние на связанные с ними другие признаки, а признаки, изменяющиеся под влиянием факторных признаков, представляют собой результативные признаки. Например, стаж работы рабочего является факторным признаком, а производительность труда рабочего — результативным признаком.

Признаки могут быть количественными (возраст, стаж работы, рост, вес и др.), и тогда отдельные единицы отличаются друг от друга по величине значений данного признака. Количественные признаки подразделяются на дискретные (прерывные) и непрерывные (рис. 1.9).

Рис. 1.7. Классификация признаков по принадлежности к единице.

совокупности.

Рис. 1.8. Классификация признаков по характеру взаимосвязи.

Рис. 1.9. Классификация признаков по форме выражения.

Признаки могут быть качественными (пол, семейное положение, занятия и т. п.), и тогда отдельные единицы наблюдения отличаются друг от друга наличием или отсутствием того или иного качества, т. е. признаки не поддаются прямому количественному (числовому) выражению. Качественные признаки бывают номинальными, бинарными и порядковыми. Номинальные признаки — это описательные признаки, по которым нельзя ранжировать данные (например, любимое блюдо, цвет и т. п.), а порядковые — это признаки, по которым можно ранжировать, упорядочивать данные. Приведем примеры значений порядкового признака: нравится, все равно, не нравится.

Качественные признаки подразделяются также на атрибутивные и альтернативные (рис. 1.10). В случае когда имеются несколько вариантов признака, говорят об атрибутивном признаке. Например, цвет автомобиля может быть черным, белым, серебристым, синим, красным; предприятие может заниматься различными видами деятельности и т. п. В случае когда имеются противоположные по значению варианты признака, говорят об альтернативном признаке (да, нет). Например, предприятие может быть прибыльным или убыточным; работник может иметь высшее образование или не иметь его, состоять в браке или не состоять.

Рис. 1.10. Классификация признаков по характеру вариации в нем, иметь детей или не иметь, у товара гарантия может быть или может отсутствовать и т. д. Номинальные и порядковые признаки являются атрибутивными, а бинарные — альтернативными.

Признаков, которыми можно охарактеризовать каждую единицу статистической совокупности, может быть множество. При статистическом наблюдении отдельных статистических единиц определяется величина количественного признака или регистрируется наличие или отсутствие тех или иных качественных признаков.

Особенностью статистического исследования является то, что в нем изучаются только варьирующие признаки, т. е. признаки, принимающие различные варианты (для атрибутивных, альтернативных признаков) или имеющие различные количественные значения у отдельных единиц статистической совокупности.

Статистический показатель — это обобщающая характеристика какого-либо свойства совокупности, единицы или группы. Статистические показатели могут быть объемными (численность работников на предприятии) и расчетными (средняя заработная плата работника в цехе). Они могут быть плановыми, отчетными, прогностическими (прогнозными) (рис. 1.11).

Рис. 1.11. Основы классификации статистических показателей.

Плановые показатели применяют при составлении планов для выражения плановых заданий. Отчетные показатели характеризуют достигнутый уровень состояния (развития) статистической единицы совокупности. Прогностические (прогнозные) показатели получают на основе прогноза фактически достигнутых уровней состояния статистической единицы совокупности за ряд моментов или интервалов времени, и они представляют собой наиболее вероятное будущее состояние единицы статистической совокупности. Следует отличать плановые показатели от прогностических (прогнозных), план от прогноза и планирование от прогнозирования. Под прогнозированием понимается научное предсказание о будущем состоянии (развитии) единицы статистической совокупности, основанное на исследовании специально отобранных для этого данных. В отличие от прогнозирования под планированием понимается директивное определение перечня и сроков действий исходя из определенных целей и ресурсов, выделяемых для достижения этих целей, и научно обоснованных нормативов расходования этих ресурсов.

Статистические показатели следует отличать от статистических данных. Статистические данные — это конкретные численные значения статистических показателей, они могут быть пространственными, временными и панельными (рис. 1.12).

Рис. 1.12. Основные виды статистических данных.

Пространственные данные — данные, полученные в результате статистического наблюдения за несколькими единицами статистической совокупности на один и тот же момент времени или за один и тот же период времени. Такие данные имеют два измерения: признаки — объекты. Пример пространственных данных приведен в табл. 1.1.

Таблица 1.1

Административно-территориальное деление в Центральном федеральном округе России на 1 января 2010 г.*.

* Регионы России. Социально-экономические показатели. 2011: стат. сб. [Электронный ресурс] / Росстат. М., 2011. URL: http://gks.ru.

Временные данные (динамические ряды) — данные, полученные в результате статистического наблюдения за одной единицей статистической совокупности за разные моменты или периоды времени. Временные данные имеют два измерения: признаки — время. Пример временных данных приведен в табл. 1.2.

Таблица 1.2

Численность зрителей театров на 1000 человек населения, человек*.

* Регионы России. Социально-экономические показатели. 2011: стат. сб. [Электронный ресурс| / Росстат. М., 2011. URL: http://gks.ru.

Панельные данные — данные, полученные в результате статистического наблюдения за несколькими единицами статистической совокупности за разные моменты или периоды времени. Панельные данные имеют три измерения: признаки — объекты — время. Их использование дает ряд преимуществ при оценке параметров регрессионных зависимостей, так как они позволяют проводить как анализ пространственных выборок, так и анализ временных рядов. Пример панельных данных приведен в табл. 1.3. Существуют также нсевдопанельные данные — объединенные по времени независимые одномоментные данные (например, данные, полученные в результате ежегодно повторяющейся случайной выборки).

Таблица 13

Число посещений музеев на 1000 человек населения*.

* Регионы России. Социально-экономические показатели. 2011: стат. сб. [Электронный ресурс] / Росстат. М., 2011. URL: http://gks.ru.

Совокупность показателей, отражающих взаимосвязи, которые существуют между изучаемыми явлениями, называется системой статистических показателей. Примерами являются система показателей анализа вариационного ряда, система показателей прибыли на предприятии и т. д.^[1]

Статистическая закономерность — это закономерность, которая проявляется не в каждом отдельном случае, а лишь в большой массе явлений (как средняя или как тенденция). Примеры: 1) жилая площадь зависит от количества членов семьи;

2) при повышении цен на определенный товар спрос на него уменьшается; 3) при увеличении дохода семьи в ее бюджете снижается доля расходов на питание. Статистические закономерности обнаруживаются при массовом наблюдении благодаря действию так называемого закона больших чисел, который выражает диалектику случайного и необходимого. Сущность закона больших чисел в наиболее простой и общей форме заключается в том, что количественные закономерности массовых явлений отчетливо проявляются только в достаточно большом их числе, которые не могут быть выявлены в небольшом числе наблюдений. По мере увеличения числа наблюдений влияние случайных факторов (причин), определяющих значение признака у единиц совокупности или соотношение между численностями единиц с определенными признаками, взаимопогашается в сводных (общих) характеристиках совокупности и выявляется действие основных факторов, которые и определяют закономерность. Статистические закономерности, выявленные с помощью закона больших чисел, характерны только для массовых явлений; существование и развитие отдельных статистических единиц совокупностей может им не соответствовать.

Предметом теории статистики выступает количественная сторона массовых явлений различных сторон социальной и экономической жизни общества в их неразрывной связи с качественной стороной или их содержанием, а также количественное выражение закономерностей общественного развития в конкретных условиях места и времени.

Метод статистики — это система приемов и способов, направленных на изучение количественных характеристик (структуры, распределений, взаимосвязей, динамики). Метод статистики реализуется в три этапа: 1) статистическое наблюдение; 2) сводка и группировка статистических данных; 3) анализ, моделирование и прогнозирование изучаемых явлений. Все эти этапы связаны между собой, отсутствие одного из них ведет к разрыву целостности статистического исследования (рис. 1.13).

Рис. 1.13. Взаимосвязь этапов метода статистики.

Так, проведение статистического наблюдения бессмысленно без дальнейшего анализа, а анализ невозможен без информации, полученной на стадии сводки и группировки статистических данных. Прохождение каждого этапа исследования связано с использованием специальных методов, объясняемых содержанием выполняемой работы. Данные методы могут быть как простыми, так и комплексными (рис. 1.14).

Статистическое наблюдение (массовое наблюдение) является основой статистики и одной из составляющих ее метода. Наблюдение как начальный этап статистического исследования представляет собой научно организованный сбор сведений об изучаемых социально-экономических процессах или явлениях. На этапе статистического наблюдения формируются цели и задачи наблюдения, разрабатываются программы исследования в целом и в отдельности по этапам статистического исследования, определяются объект (совокупности социально-экономических и природных явлений или процессов), предмет и единица наблюдения,.

Рис. 1.14. Основы классификации статистических методов.

определяются конкретные способы и методы, используемые на каждом этапе исследования, составляются программный и организационный планы проведения исследования. Характерным для этого этапа является метод массовых наблюдений, поскольку статистика изучает закономерности, которые выделяются через исследование многочисленных массовых явлений под действием закона больших чисел. Результатом статистического наблюдения является получение данных, характеризующих каждую единицу наблюдения. Целью исследования является получение характеристики объекта наблюдения в целом. Поэтому результаты статистического наблюдения представляют собой лишь исходный статистический материал, который требует обработки. Такая обработка является следующим после наблюдения этапом статистического исследования и представляет собой сводку исходных данных для получения обобщающих характеристик исследуемого процесса или явления, проводимую с помощью использования метода группировок и таблиц.

Сводка и группировка статистических данных, выражающие суть второго этапа статистического исследования, представляют собой комплекс последовательных действий по обобщению конкретных единичных фактов, образующих совокупность в целях выявления типичных черт и закономерностей, присущих изучаемому явлению в целом.

Статистическая сводка представляет собой научно-организованную обработку материалов наблюдения (по заранее разработанной программе), включает в себя кроме обязательного контроля собранных данных систематизацию, группировку данных, составление таблиц, получение итогов и производных показателей (относительных, средних величин). Кроме групповых и итоговых показателей сводка дает основу для последующего анализа и выявления различного рода закономерностей, поэтому от того, насколько правильно осуществлены сводка и группировка, зависят результаты исследования, проводимого на последующих этапах.

Статистической группировкой называется метод, в результате которого происходит либо объединение отдельных единиц статистической совокупности в группы, либо разъединение имеющихся групп изучаемой совокупности и создание новых групп по определенному существенному признаку. Двойственное определение группировки объясняется состоянием и качеством информационной базы.

На правильность выводов, получаемых в результате статистического исследования, оказывает существенное влияние обоснованный выбор грунпировочных признаков. Для правильного выделения качественно однородных групп следует выбирать основные, наиболее существенные для данного социально-экономического, природного явления или процесса признаки. В зависимости от числа и вида признаков, решаемых задач и исходных данных группировки подразделяются на простые и комбинационные; по количественным и качественным признакам выделяют следующие основные типы группировок: 1) типологические, структурные и аналитические; 2) одномерные и многомерные; 3) первичные и вторичные.

Одним из этапов процесса группировки является построение рядов распределения, т. е. группировка единиц наблюдения по вариантам или значению признака. Результаты статистической группировки и сводки излагаются в виде статистических таблиц и графиков, являющихся наиболее рациональной, систематизированной, компактной и наглядной формой представления массовых данных. Разновидностью табличных построений считают и различного рода матрицы абсолютных и относительных статистических показателей, построение которых связано с процессом компьютерной обработки информации.

Статистический анализ является заключительным этапом статистического исследования. Анализ (от греч. analysis — разложение, расчленение) — процесс практического или мысленного разложения совокупности на части и исследования этих частей, позволяющий изучить особенности существования и развития этой совокупности. В процессе статистического анализа исследуются структура, динамика и взаимосвязи социально-экономических и природных явлений или процессов. Выделяют следующие основные стадии анализа:

• 1) констатация фактов и их оценка;
• 2) установление характерных черт и причин явления;
• 3) сопоставление явления с другими явлениями, принятыми за базу сравнения (нормативными, плановыми и др.);
• 4) постановка гипотез и статистическая проверка выдвинутых гипотез с помощью специальных статистических показателей (характерным для статистических методов на этой стадии является применение обобщающих показателей — абсолютных, относительных и средних величин);
• 5) формирование выводов.

На этапе статистического анализа исследователями осуществляются анализ структуры и структурных сдвигов, расчет средних величин, изучение вариации, динамики, составление прогнозов, дисперсионный и корреляционно-регрессионный анализ, применяются табличный и графический методы. В зависимости от целей исследования, анализируемых статистических данных и целого ряда других факторов могут применяться как все методы, так и только некоторые из них.

Изучение структуры сложных явлений представляет собой исходный пункт статистического исследования. Конечной задачей статистического исследования структуры является выявление внутренних связей в объекте исследования. Характер этих связей более наглядно проявляется в динамике структурных изменений (структурных сдвигах).

Средние величины используются на этапе обработки и обобщения полученных первичных статистических данных. Необходимость определения средних величин вызвана тем, что у множества различных единиц исследуемых статистических совокупностей индивидуальные значения одного и того же признака, как правило, неодинаковы, а средняя величина заменяет большое число индивидуальных значений признака, выявляя общие свойства, присущие всем единицам статистической совокупности. Это, в свою очередь, позволяет раскрыть закономерности, обусловленные общими причинами.

Некоторые общие черты формирования обобщающих показателей устанавливаются посредством измерения их вариации. Изучение вариации, наряду с применением средних и относительных величин, имеет большое практическое и научное значение. Показатели вариации дополняют средние величины, за которыми скрываются индивидуальные различия. Они характеризуют степень однородности статистической совокупности по данному признаку. Показатели вариации определяют степень и границы вариации признака. Кроме того, соотношение показателей вариации может выявить взаимосвязь признаков.

Фиксация в динамике состояний социально-экономического или природного явления образует динамический ряд, который исследуется на основе обобщающих аналитических показателей, специальных приемов обработки и моделирования рядов динамики.

Основные виды статистических рядов представлены на рис. 1.15. При этом необходимо подчеркнуть, что вариация — различие значений признака у разных единиц одновременно существующеи совокупности, а динамика — изменение значении признака изучаемого явления в разные периоды времени.

Рис. 1.15. Основные виды статистических рядов.

На основе анализа динамического ряда можно сформировать прогноз, который является результатом специального процесса — прогнозирования, и выражается в словесной, математической, графической или другой форме суждения о возможном состоянии единицы изучаемой статистической совокупности и ее среды в будущий период времени.

Выделяют различные виды прогнозов в зависимости от признаков классификации прогнозов (табл. 1.4).

Таблица 1.4

Основные виды прогнозов.

Для различных прогнозов применяется также множество других признаков классификации прогнозов. В зависимости от временного охвата прогноз может разрабатываться на очень короткий период времени — до месяца (например, недельные, декадные и месячные прогнозы), на год, на два-три года (среднесрочный прогноз), пять лет и более (долгосрочный прогноз). Долгосрочные прогнозы называют также перспективными. По типам прогнозирования выделяют поисковые, нормативные и основанные на творческом видении прогнозы. Существуют два вида поискового прогнозирования, экстраполяционное (традиционное) и альтернативное (новаторское).

Экстраполяционное прогнозирование предполагает, что любое развитие происходит непрерывно, поэтому прогноз может быть простой проекцией прошлого в будущее (экстраполяцией). Экстраполяционный подход довольно часто применяется в прогнозировании и так или иначе отражается в большинстве методов прогнозирования.

Альтернативное прогнозирование основано на том, что внешняя и внутренняя среда единицы статистической совокупности подвержены постоянным изменениям, вследствие чего: развитие единицы статистической совокупности может происходить как непрерывно, так и прерывисто и скачкообразно; существует некоторое количество вариантов будущего развития единицы статистической совокупности. В рамках альтернативного прогнозирования: могут быть объединены различные проекции развития единицы статистической совокупности — непрерывная, прерывная, скачкообразная; формируется ряд прогнозов, включающих сочетание различных вариантов развития исследуемой единицы статистической совокупности. При этом каждый из вариантов развития лежит в основе особого сценария будущего. Альтернативный подход сравнительно молод (стал широко применяться в 80-е гг. прошлого века) и в настоящее время быстро распространяется в статистической практике (при планировании на предприятиях). Оба вида поискового прогнозирования опираются как на количественные, так и на качественные методы прогнозирования. Нормативное (нормативно-целевое) прогнозирование предусматривает: определение общих целей и стратегических ориентиров развития единицы статистической совокупности на будущий период; оценку развития единицы статистической совокупности исходя из этих целей. Нормативное прогнозирование применяется чаще всего тогда, когда исследователи не располагают необходимыми фактическими данными за прошлый период. Прогнозирование, основанное на творческом видении будущего, основано на субъективном знании исследователей, их интуиции.

По способу представления результатов прогнозы подразделяются на точечные и интервальные. Точечный прогноз представляет собой единственное значение показателя прогнозируемого развития исследуемой единицы статистической совокупности. Интервальный прогноз предусматривает интервал, в котором находится диапазон значений показателя прогнозируемого развития исследуемой единицы статистической совокупности.

В зависимости от степени вероятности будущих событий прогнозы подразделяются на инвариантные и вариантные. Инвариантный прогноз предполагает только один вариант прогнозируемого развития исследуемой единицы статистической совокупности. Такой прогноз возможен только в условиях высокой степени определенности будущей внешней и внутренней среды. Вариантный прогноз базируется на гипотезе о значительной неопределенности будущей внешней и внутренней среды и наличии нескольких вероятных вариантов развития исследуемой единицы статистической совокупности. Каждый из вариантов развития должен учитывать специфическое состояние будущей внешней и внутренней среды и исходя из этого определять основные параметры развития исследуемой единицы статистической совокупности. Такого рода варианты будущего состояния развития исследуемой единицы статистической совокупности называют сценарием, а прогнозирование называют сценарным. Сценарное пронозирование является сравнительно молодым видом прогнозирования (зародилось в конце прошлого тысячелетия) и в настоящее время стремительно проникает в статистическую практику.

Дисперсионный анализ позволяет осуществить проверку статистической значимости различия между средними (для групп или переменных), обнаружить эффекты взаимодействия между факторами.

Закономерности причинно-следственных связей социальноэкономических и природных явлений и процессов устанавливаются с помощью регрессионно-корреляционного анализа. Данный метод имеет две составные части — регрессионный анализ и корреляционный анализ. Регрессионный анализ — это количественный метод определения вида математической функции в причинно-следственной зависимости между вариацией изучаемых переменных величин. Корреляционный анализ — это количественный метод определения тесноты и направления взаимосвязи между вариацией выборочных переменных величин. Взаимосвязи явлений также изучаются с помощью статистических группировок, сопоставления параллельных рядов, построения систем взаимосвязанных индексов и т. д.

Широкое применение в статистике находят табличные и графические методы, позволяющие в наглядной форме представлять результаты статистических исследований. Наиболее рациональную и удобную для восприятия форму статистического представления информации об изучаемых социально-экономических и природных явлениях и процессах с помощью цифр, расположенных в определенном порядке, представляет собой таблица. Табличный материал существенно выразительнее и нагляднее текста, предоставляет возможность охватить статистические данные в целом как единую систему. Кроме того, показатели в таблицах занимают меньше места по сравнению с текстовым изложением и с помощью таблиц значительно легче прослеживаются связи между изучаемыми показателями.

Графики представляют собой масштабное изображение статистических показателей с помощью геометрических знаков (точек, линий, фигур) или условно-художественных образов. Они имеют большое иллюстративное и аналитическое значение. На графике более выразительно проявляются тенденции и связи изучаемых статистических показателей. В отличие от таблицы графическое представление информации позволяет выразить в общем виде состояние или развитие изучаемого социально-экономического, природного явления или процесса, позволяет зрительно обнаружить закономерности, содержащиеся в числовой информации.

Большое значение для развития статистической методологии имеет компьютеризация статистических исследований, позволяющая создавать базы статистических данных и программы их обработки, в значительной мере сокращать сроки обработки и наглядного представления информации, широко использовать многомерные методы, улучшать качество и наглядность проводимого анализа. Современные компьютерные технологии обработки данных значительно облегчают процесс построения статистических графиков и повышают их качество (выразительность, контрастность, масштабность, эстетичность).

• [1] Вероятно, уместно отметить, что в общем смысле под системой показателейпонимается совокупность взаимосвязанных величин, всесторонне отображающихсостояние и развитие данного субъекта или явления. Для практическогоиспользования в научной литературе разработан ряд требований, которымдолжна удовлетворять некоторая совокупность (набор) показателей для того, чтобы именоваться системой. Важнейшими из них, имеющими методологическоезначение, являются: 1) необходимая широта охвата показателями системы всехсторон изучаемого субъекта или явления; 2) взаимосвязь этих показателей; 3) верифицируемость. Кроме того, при построении системы показателейрекомендуется придерживаться ряда требований, в известном смысле носящихвспомогательный характер: а) древовидная структура системы показателей; б) ееобозримость; в) допустимая мультиколлинеарность показателей; г) разумноесочетание абсолютных и относительных показателей; д) неформальность; е) пространственно-временная сопоставимость показателей (подробнее см. 22, с. 393−399]).