Министерство образования Российской Федерации

Всероссийский заочный финансово – экономический институт

Ярославский филиал

Кафедра статистики

Курсовая работа

по дисциплине:

«Статистика»

задание № 19

Студент: Курашова Анастасия Юрьевна

Специальность «Финансы и кредит»

3 курс, периферия

Руководитель: Сергеев В.П.

Ярославль, 2002 г.

План

1. Введение……………………………………………………………3 стр.

2. Теоретическая часть…………………………………………… …4 стр.

2.1 Основные понятия о рядах динамики…………………………...4 стр.

2.2 Методы сглаживания и выравнивания динамических рядов……………………………………………………………….6 стр.

2.2.1 Методы «механического сглаживания»………………………6 стр.

2.2.2 Методы «аналитического» выравнивания…………………. 8 стр.

3. Расчетная часть……………………………………………… ……11 стр.

4. Аналитическая часть……………………………………………. .16 стр.

5. Заключение ………………………………………………………. 25 стр.

6. Список литературы……………………………………………… 26 стр.

7. Приложения………………………………………………………. 27 стр.

Введение

Полная и достоверная статистическая информация является тем необходимым основанием, на котором базируется процесс управления экономикой. Вся информация, имеющая народнохозяйственную значимость, в конечном счете, обрабатывается и анализируется с помощью статистики.

Именно статистические данные позволяют определить объемы валового внутреннего продукта и национального дохода, выявить основные тенденции развития отраслей экономики, оценить уровень инфляции, проанализировать состояние финансовых и товарных рынков, исследовать уровень жизни населения и другие социально-экономические явления и процессы.

Овладение статистической методологией - одно из условий познания конъюнктуры рынка, изучения тенденций и прогнозирования, принятия оптимальных решений на всех уровнях деятельности.

Сложной, трудоемкой и ответственной является заключительная, аналитическая стадия исследования. На этой стадии рассчитываются средние показатели и показатели распределения, анализируется структура совокупности, исследуется динамика и взаимосвязь между изучаемыми явлениями и процессами.

На всех стадиях исследования статистика использует различные методы. Методы статистики - это особые приемы и способы изучения массовых общественных явлений.

I. Теоретическая часть.

1.1 Основные п онятия о рядах динамики.

Ряды динамики – статистические данные, отображающие развитие во времени изучаемого явления. Их также называют динамическими рядами, временными рядами.

В каждом ряду динамики имеется два основных элемента:

1) показатель времени t ;

2) соответствующие им уровни развития изучаемого явления y;

В качестве показаний времени в рядах динамики выступают либо определенные даты (моменты), либо отдельные периоды (годы, кварталы, месяцы, сутки).

Уровни рядов динамики отображают количественную оценку (меру) развития во времени изучаемого явления. Они могут выражаться абсолютными, относительными или средними величинами.

Ряды динамики различаются по следующим признакам:

1) По времени. В зависимости от характера изучаемого явления уровни рядов динамики могут относиться или к определенным датам (моментам) времени, или к отдельным периодам. В соответствии с этим ряды динамики подразделяются на моментные и интервальные.

Моментные ряды динамики отображают состояние изучаемых явлений на определенные даты (моменты) времени. Примером моментного ряда динамики является следующая информация о списочной численности работников магазина в 1991 году (таб. 1):

Таблица 1

Списочная численность работников магазина в 1991 году

Особенностью моментного ряда динамики является то, что в его уровни могут входить одни и те же единицы изучаемой совокупности. Хотя и в моментном ряду есть интервалы – промежутки между соседними в ряду датами, -- величина того или иного конкретного уровня не зависит от продолжительности периода между двумя датами. Так, основная часть персонала магазина, составляющая списочную численность на 1.01.1991 , продолжающая работать в течение данного года, отображена в уровнях последующих периодов. Поэтому при суммировании уровней моментного ряда может возникнуть повторный счет.

Посредством моментных рядов динамики в торговле изучаются товарные запасы, состояние кадров, количество оборудования и других показателей, отображающих состояние изучаемых явлений на отдельные даты (моменты) времени.

Интервальные ряды динамики отражают итоги развития (функционирования) изучаемых явлений за отдельные периоды (интервалы) времени.

Примером интервального ряда могут служить данные о розничном товарообороте магазина в 1987 – 1991 гг. (таб. 2):

Таблица 2

Объем розничного товарооборота магазина в 1987 - 1991 гг.

Объем розничного товарооборота, тыс. р.

Каждый уровень интервального ряда уже представляет собой сумму уровней за более короткие промежутки времени. При этом единица совокупности, входящая в состав одного уровня, не входит в состав других уровней.

Особенностью интервального ряда динамики является то, что каждый его уровень складывается из данных за более короткие интервалы (субпериоды) времени. Например, суммируя товарооборот за первые три месяца года, получают его объем за I квартал, а суммируя товарооборот за четыре квартала, получают его величину за год, и т. д. При прочих равных условиях уровень интервального ряда тем больше, чем больше длина интервала, к которому этот уровень относится.

Свойство суммирования уровней за последовательные интервалы времени позволяет получить ряды динамики более укрупненных периодов.

Посредством интервальных рядов динамики в торговле изучают изменения во времени поступления и реализации товаров, суммы издержек обращения и других показателей, отображающих итоги функционирования изучаемого явления за отдельные периоды.

Структура ряда динамики:

Всякий ряд динамики теоретически может быть представлен в виде составляющих:

1) тренд – основная тенденция развития динамического ряда (к увеличению или снижению его уровней) ;

2) циклические (периодические колебания, в том числе сезонные);

случайные колебания.

1. 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.

1.2. 1 Методы «механического» сглаживания .

Сюда относятся:

а. 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.

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

в. 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.

Перейдем к вопросу о сглаживании временных рядов экономических показателей. Очень часто уровни рядов динамики колеблются, при этом тенденция развития экономического явления во времени скрыта случайными отклонениями уровней в ту или иную сторону. С целью четко выявить тенденцию развития исследуемого процесса, в том числе для дальнейшего применения методов прогнозирования на основе трендовых моделей, производят сглаживание (выравнивание) временных рядов. Таким образом, сглаживание можно рассматривать как устранение случайной составляющей  t из модели временного ряда.

Самым простым методом механического сглаживания является метод простой скользящей средней. Сначала для временного ряда y 1 , y 2 , y 3 ,…, y n определяется интервал сглаживания т (т < п). Если необходимо сгладить мелкие беспорядочные колебания, то интервал сглаживания берут по возможности большим; интервал сглаживания уменьшают, если нужно сохранить более мелкие колебания. При прочих равных условиях интервал сглаживания рекомендуется брать нечетным. Для первых т уровней временного ряда вычисляется их средняя арифметическая; это будет сглаженное значение уровня ряда, находящегося в середине интервала сглаживания. Затем интервал сглаживания сдвигается на один уровень вправо, повторяется вычисление средней арифметической и т.д.

Для вычисления сглаженных уровней ряда применяется формула

при нечетном m ;

для четных т формула усложняется.

В результате такой процедуры получаются п - т + 1 сглаженных значений уровней ряда; при этом первые р и последние р уровней ряда теряются (не сглаживаются).

Особенность метода экспоненциального сглаживания заключается в том, что в процедуре нахождения сглаживания i -го уровня используются значения только предшествующих уровней ряда (i -1, i -2,…), взятые с определенным весом, причем вес наблюдения уменьшается по мере удаления его от момента времени, для которого определяется сглаженное значение уровня ряда.

Если для исходного временного ряда y 1 , y 2 , y 3 ,…, y n соответствующие сглаженные значения уровней обозначить через S t , t = 1,2, …, п, то экспоненциальное сглаживание осуществляется по формуле

здесь S 0 – величина, характеризующая начальные условия.

В практических задачах обработки экономических временных рядов рекомендуется выбирать величину параметра сглаживания в интервале от 0,1 до 0,3.

Пример 4.4. Вернемся к примеру 1, в котором рассматриваются квартальные объемы продаж компании «Lewplan». Мы уже выяснили, что этим данным отвечает аддитивная модель, т.е. фактически объемы продаж можно выразить следующим образом:

Y = U + V + E.

Для того чтобы элиминировать влияние сезонной компоненты, воспользуемся методом скользящей средней. Просуммировав первые четыре значения, получим общий объем продаж в 1998 г. Если поделить эту сумму на четыре, можно найти средний балл продаж в каждом квартале 1998 г., т.е.

(239 + 201 +182 + 297)/4 = 229,75;
(201+182+297+324)/4 и т. д.

Полученное значение уже не содержит сезонной компоненты, поскольку представляет собой среднюю величину за год. У нас появилась оценка значения тренда для середины года, т.е. для точки, лежащей в середине между кварталами II и III. Если последовательно передвигаться вперед с интервалом в три месяца, можно рассчитать средние квартальные значения на промежутке апрель – март 1998 (251), июль – июнь 1998 (270,25) и т.д. Данная процедура позволяет генерировать скользящие средние по четырем точкам для исходного множества данных. Получаемое таким образом множество скользящих средних представляет наилучшую оценку искомого тренда.

Теперь полученные значения тренда можно использовать для нахождения оценок сезонной компоненты. Мы рассчитываем:

Y – U = V + E .

К сожалению, оценки значений тренда, полученные в результате расчета средних по четырем точкам, относятся к нескольким иным моментам времени, чем фактические данные. Первая оценка, равная 229,75, представляет собой точку, совпадающую с серединой 1998 г., т.е. лежит в центре промежутка фактических значений объемов продаж во II и III кварталах. Вторая оценка, равная 251, лежит между фактическими значениями в III и IV кварталах. Нам же требуются десезонализированные средние значения, соответствующие тем же интервалам времени, что и фактические значения за квартал. Положение десезонализированных средних во времени сдвигается путем дальнейшего расчета средних для каждой пары значений. Найдем среднюю из первой оценок, центрируя их на июль – сентябрь 1998 г., т.е.

(229,75 + 251)/2 = 240,4.

Это и есть десезонализированная средняя за июль – сентябрь 1999 г. Эту десезонализированную величину, которая называется центрированной скользящей средней , можно непосредственно сравнивать с фактическим значением за июль – сентябрь 1998 г., равным 182. Отметим, что это означает отсутствие оценок тренда за первые два или последние два квартала временного ряда. Результаты этих расчетов приведены в табл.4.5.

Для каждого квартала мы имеем оценки сезонной компоненты, которые включают в себя ошибку или остаток. Прежде чем мы сможем использовать сезонную компоненту, нужно пройти два следующих этапа. Найдем средние значения сезонных оценок для каждого сезона года. Эта процедура позволит уменьшить некоторые значения ошибок. Наконец, скорректируем средние значения, увеличивая или уменьшая их на одно и тоже число таким образом, чтобы общая их сумма была равна нулю. Это необходимо, чтобы усреднить значения сезонной компоненты в целом за год.

Таблица 4.5. Оценка сезонной компоненты

	Объем продаж Y , тыс. шт.	за четыре квартала	Скользящая средняя за четыре квартала	Центрированная скользящая средняя U	сезонной компоненты Y - U = V + E
Январь-март 1998
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
Январь-март 1999
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
Январь-март 2000
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
Январь-март 2001

Таблица 4.6. Расчет средних значений сезонной компоненты

Рассчитываемые компоненты		Номер квартала
Среднее значение
Оценка сезонной компоненты						Сумма = -0,2
Скорректированная сезонная компонента 1

Корректирующий фактор рассчитывается следующим образом: сумма оценок сезонных компонент делится на 4. В последнем столбце табл. 4.5 эти оценки записаны под соответствующими квартальными значениями. Сама процедура приведена в табл. 4.6.

Значение сезонной компоненты еще раз подтверждает наши выводы, сделанные в примере 4.1 на основе анализа диаграммы. Объемы продаж за два зимних квартала превышают среднее трендовое значение приблизительно на 40 тыс. шт., а объемы продаж за два летних периода ниже средних на 21 и 62 тыс.шт. соответственно.

Аналогичная процедура применима при определении сезонной вариации за любой промежуток времени. Если, например, в качестве сезона выступают дни недели, для элиминирования влияния ежедневной сезонной компоненты также рассчитывают скользящую среднюю, но уже не по четырем, а по семи точкам. Эта скользящая средняя представляет собой значение тренда в середине недели, т.е. в четверг; таким образом, необходимость в процедуре центрирования отпадает.

а) сглаживание способом укрупнения интервалов рядов динамики – заключается в преобразовании первоначальных рядов динамики в более крупные по продолжительности временные периоды (укрупнение периодов), что позволяет более четко выявить действие основной тенденции (основных факторов) изменения уровней.

б) сглаживание рядов динамики с помощью скользящей средней – заключается в формировании укруп­ненных интервалов, состоящих из одинакового числа уровней, путем замены исходных уровней ряда средними величинами, которые получают из данного уровня и нескольких уровней симметрично его окружающих. Каждый по­следующий интервал получают, постепенно сдвигаясь от начального, на один уровень. Целое число уровней, по которым рассчитывается среднее значение, называют интервалом сглаживания .

3. Аналитическое выравнивание ряда динамики – определение основной проявляющейся во времени тенденции развития изучаемого явления. В итоге выравнивания временного ряда получают наиболее общий, суммарный, проявляющийся во времени результат действия всех причинных факторов. Отклонение конкретных уровней ряда от уровней, соответствующих общей тенденции, объясняют действием факторов, проявляющихся случайно или циклически. В результате приходят к трендовой модели.

Выравнивание может быть проведено по прямой или другой линии, выражающей функциональную зависимость (параболе второго порядка, показательной (логарифмической) кривой и т.д.). При этом эмпирические уровни заменяются уровнями, которые рассчитываются на основе определенной кривой, где уравнение рассматривается как функция времени.

101 Принятие (прием) сообщения о преступлении – получение сообщения о преступлении должностным лицом, правомочным или уполномоченным на эти действия.

102 Признак – это качественная особенность единицы совокупности. По характеру отображения свойств единиц изучаемой совокупности признаки делятся на две основные группы:

количественные признаки – признаки, имеющие непосредственное количественное выражение, например возраст, стаж работы, средний заработок, количество детей и т.д. Они могут быть дискретными и непрерывными ;

атрибутивные признаки – признаки, не имеющие непосредственного количественного выражения. В этом случае отдельные единицы совокупности различаются своим содержанием (например, по половому признаку, профессии, месту рождения, уровню образования и т.д.).

альтернативный признак качественный признак, имеющий две взаимоисключающие разновидности (например, мужчины и женщины), т.е. противоположные по значению варианты признака, (да, нет). Альтернативный признак принимает всего два значения: 1 – наличие признака; 0 – отсутствие признака.

103 Причинно-следственные отношения – связь явлений и процессов, когда изменение одного из них, причины, ведет к изменению другого, следствия.

104 Программно-методологические вопросы плана – это перечень пунктов, которые уточняют: для чего проводится обследование (цель наблюдения); что обследуется (объект об­следования); составные части объекта (единица совокупности); источник информации (единица наблюдения); на какие вопро­сы планируется получить ответы (программа наблюдения).

105 Пространственные ориентиры графика – система координат­ных сеток.

106 Прямая связь – с увеличением или уменьшением значений факторно­го признака увеличивается или уменьшается значение результативного.

107 Разброс – количество изменчивости или неоднородности в расположении наблюдений выборки.

108 Размах вариации (R) (размах колебаний) – показатель колеблемости признака, дающий возможность увидеть только крайние отклонения, не учитывающий повторяемость промежуточных значений, что ограничивает область его применения. Размах вариации есть результат вычитания наименьшего наблюдаемого значения из наибольшего наблюдаемого значения.

109 Ранг – порядковый номер значения признака, расположенного в по­рядке возрастания или убывания величин.

110 Ранжированный ряд – это распределение отдельных единиц совокупности в порядке возрастания или убывания исследуемого признака. Ранжирование позволяет легко разделить количественные данные по группам, сразу обнаружить наименьшее и наибольшее значения признака, выделить значения, которые чаще всего повторяются.

111 Регистрация – присвоение регистрационного номера объектам регистрации.

112 Регистрация сообщения о преступлении – внесение уполномоченным должностным лицом в книгу, предназначенную для их регистрации в соответствии с ведомственными нормативными правовыми актами, краткой информации, содержащейся в принятом сообщении о преступлении, а также отражение в этом сообщении сведений о его фиксации в вышеуказанной книге с присвоением соответствующего регистрационного номера.

113 Регрессия – зависимость среднего значения какой-либо случайной величины от некоторой другой величины или нескольких величин.

114 Регрессионный анализ – вид статистического анализа, позволяющий выявить количественную (численную) зависимость среднего значения изменений результативного признака (объясняемой переменной) от изменений одного или нескольких признаков-факторов (объясняющих переменных). Регрессионный анализ выявляет аналитическую форму связи результативного признака и определенного фактора, при этом воздействия множества всех прочих факторов, также оказывающих влияние на зави­симую величину, принимаются за постоянные и средние значения. Выражается линией регрессии – линией, построенной по средним значениям первого признака, соответствующим средним интервалам признаков-факторов.

115 Результативный признак – признак, изменяющийся под действием факторных признаков.

116 Репрезентативность – представительность выборки необходимая для того, чтобы можно было бы по выборке сделать вывод о свойствах генеральной совокупности. Репрезентативность выборки может быть обеспечена только при объ­ективности отбора данных. Возможны три способа отбора: случайный отбор; отбор единиц по определенной схеме; сочетание первого и второго способа .

117 Рядами динамики в статистике называют ряды последовательно расположенных в хронологическом порядке показателей, характеризую­щих развитие процессов и явлений.

Ряд динамики включает в себя два обязательных элемента:

1) показатели периодов времени (годы, кварталы, месяцы, дни или даты);

2) показатели, характеризующие исследуемый объект за временные периоды или на соответствующие даты, которые называют уровнями ряда .

По времени ряды динамики подразделяются на моментные и интер­вальные.

Моментный динамический ряд – ряд, в котором время задано в виде конкретных дат (моментов вре­мени). Накопленные итоги не рассчитываются, рассчитывается только разность явлений, отражающая изменение уровня ряда между определенными датами.

И нтервальный динамический ряд – ряд, в котором время задано в виде промежутков (лет, месяцев, су­ток). Накопленные итоги рассчитываются, т.е. уровни ряда можно суммировать, получая объем явления за более длительный период.

118 Ряд распределения – это группировка, в которой для характеристики групп (упорядоченно расположенных по значению признака) применяется один показатель – численность группы. Другими словами, это ряд чисел, показывающий, как распределяются единицы некоторой совокупности по изучаемому признаку.

Ряды, построенные по атрибутивному признаку, называются атрибутивными рядами распределения. Ряды распределения, построенные по количественному признаку, называются вариационными рядами .

119 Сводка – особая стадия статистического исследования, в ходе которой систематизируются первичные материалы статистического наблюдения. Проведение сводки включает три этапа: 1) предварительный контроль материалов, т.е. проверку исходных данных; 2) группировка данных по заданным признакам, определение производных показателей; 3) оформление результатов сводки в виде статистических таблиц, удобных для восприятия информации.

120 Сезонные колебания (сезонная неравномерность) – рассчитываются по динамическому ряду – под ними понимают устойчивые внутригодовые колебания, причиной которых являются многочисленные факторы, в том числе и природно-климатические. Сезонные колебания измеряются с помощью индексов сезонности .

121 Система статистических показателей – совокупность взаимо­связанных показателей, имеющая одноуровневую или многоуровне­вую структуру и нацеленная на решение конкретной статистической задачи или комплекса задач.

122 Смыкание рядов динамики – метод обработки динамического ряда, предполагающий объединение в один ряд (более длинный) двух или нескольких рядов динамики, уровни которых являются несопоставимыми.

123 Сопоставимость статистических данных – данные должны быть сопоставимы по территории, кругу охватываемых объектов, единицам измерения, времени регистрации, ценам, методологии расчета . Территориальная и объемная сопоставимость обеспечивается смыканием рядов динамики, при этом либо абсолютные уровни заменяются относительными, либо делается пересчет в условные абсолютные уровни.

124 Средней величиной называют показатель, который характеризует обобщенное значение признака или группы признаков в исследуемой совокупности. Средняя всегда обобщает количественную вариацию признака, т.е. в средних величинах погашаются индивидуальные различия единиц совокупности, обусловленные случайными обстоятельствами. Средний показатель отрицает то общее, что характерно (типично) для всех единиц изучаемой совокупности, в то же время он игнорирует различия отдельных единиц.

125 Стандартное отклонение – корень квадратный из суммы квадратов отклонений (наблюдений выборки от среднего) деленный на N. Стандартное отклонение выборки обозначается – s ; стандартное отклонение генеральной совокупности – σ

126 Статистика – термин «статистика» произошел от латинского слова «статус» (status), что означает «состояние и положение вещей», первоначально употреблялся в значении «политическое состояние». В настоящее время термин «статистика» используется в двух основных значениях: во-первых, как особая отрасль практической деятельности по сбору, обработке и анализу массовых количественных данных о социально-экономическом состоянии страны, ее отдельных отраслей и регионов; во-вторых, как наука, которая разрабатывает теоретические положения и методы, используемые статистической практикой.

Цель статистического исследования заключается в раскрытии сущности и закономерностей массовых явлений и процессов. Основными понятиями статистической науки являются: совокупность, показатель, вариация и закономерность .

Общая теория статистики – наука о наиболее общих принципах правилах законах цифрового освещения социально-экономических явлений.

Экономическая статистика – формирует систему показателей, отражающих состояние национальной экономики, взаимосвязи отраслей, особенности размещения производительных сил, наличие материальных, трудовых и финансовых ресурсов, достигнутый уровень их использования.

Социальная статистика – формирует систему показателей для характеристики образа жизни населения и различных аспектов социальных отношений.

Демографическая статистика изучает количественные характеристики населения страны, региона, города – численности населения, структуры населения (по половозрастным, социальным, профессиональным и другим группам), размещения населения; движения населения в виде естественного движения, то есть воспроизводства населения (рождаемость, смертность), а также виде миграции, то есть передвижения населения.

Моральная статистика как раздел социальной статистики изучает количественные характеристики явлений и процессов, отражающих моральный облик личности и общества. Она охватывает статистику преступности и правонарушений, включая гражданско-правовые деликты, а также такие негативные социальные явления как алкоголизм, наркомания, проституция бродяжничество, попрошайничество, самоубийства.

Правовая статистика – это основанная на общих принципах и содержании юридических наук система положений и приемов общей теории статистики, применяемых к области изучения правонарушений и мер социального контроля над ними.

Административно-правовая статистика раздел социальной статистики, основным предметом которой являются учет и анализ административных правонарушений по их видам, причиненному ущербу, характеру административных взысканий, органам административной юрисдикции, административному судопроизводству.

Гражданско-правовая статистика раздел социальной статистики, предметом которой являются учет и анализ гражданских правонарушений и споров о гражданском праве, находящихся на разрешении общих и арбитражных судов, а также результаты их деятельности по стадиям гражданского судопроизводства. Гражданско-правовая статистика включает в себя статистику:

Уголовно-правовая статистика раздел социальной статистики. Основной задачей которой является: статистический учет и анализ преступлений и преступности, судимости и деятельности государственных органов по борьбе с преступностью, а также мер, применяемых к преступникам. Отражает количественную сторону совершаемых преступлений и связанных с ними социальных явлений и процессов, обеспечивают науку и практику борьбы с преступностью необходимыми сведениями эмпирического характера. Подразделяется на следующие разделы:

статистику предварительного расследования , учитывающую преступность и деятельность органов предварительного расследования (количество возбужденных уголовных дел, зарегистрированных преступлений, совершивших их лиц, задержанных, арестованных, сроки расследования, раскрываемость, возвращенных на дополнительное расследование дел и другие показатели);

статистику уголовного судопроизводства , охватывающую учет судимости и деятельности судов (количество рассмотренных уголовных дел, осужденных, освобожденных от уголовной ответственности и наказания, оправданных, меры наказания, работу кассационной и надзорной инстанций, мировых судей и т. п.);

статистику исполнения приговоров , включающую учет деятельности прокуратуры по надзору за местами лишения свободы и исправительными учреждениями, а также работу судов по условно-досрочному освобождению и замене наказания более мягким (учет осужденных заключенных, подследственных заключенных, по срокам наказания, срокам содержания под стражей, видам преступлений и другим показателям).

пенитенциарную статистику , отражающую данные о лицах, отбывающих наказания в виде лишения свободы и местах лишения свободы (следственные изоляторы, различные исправительные учреждения и тюрьмы).

криминологическую статистику , включающая в себя состояние, структуру и динамику зарегистрированных преступлений, их «географию» (распределение по территориям), а также латентную преступность и другие показатели. Позволяет обоснованно решать многие вопросы прогнозирования преступности и индивидуального преступного поведения, а также вопросы организации борьбы с преступностью.

127 Статистический анализ – это разработка методики, основанной на широком применении традиционных статистических методов с целью контроля адекватного отражения исследуемых явлений и процессов, определения и оценки специфики и особенностей изучаемых явлений и процессов, изучения их структуры, взаимосвязей и закономерностей их развития.

Этапы статистического анализа : формулировка цели анализа; критическая оценка данных; сравнительная оценка и обеспечение сопоставимости данных; формирование обобщающих показателей; фиксация и обоснование существенных свойств, особенностей, сходств и различий, связей и закономерностей изучаемых явлений и процессов; формулировка заключений, выводов и практических предложений о резервах и перспективах развития явления.

128 Статистическая закономерность – это форма проявления повторяемости, последовательности, порядка изменений в массовых явлениях под воздействием определенных причин. Позволяют определить тенденции развития, типические массовые явления, выделить случайные, единичные явления.Закономерность, проявляется лишь в большой массе явлений через преодоление свойственной ее единичным элементам случайности. Динамическая закономерность – закономерность, проявляющаяся в отдельном явлении. Статистическая закономерность – закономерность изменения в пространстве и времени массовых явлений и процессов общественной жизни в результате действия объективных законов.

129 Статистические карточки (или документы первичного учета) :

на выявленное преступление (форма N 1);

о результатах расследования преступления (форма N 1.1);

на лицо, совершившее преступление (форма N 2);

о движении уголовного дела (форма N 3);

о результатах возмещения материального ущерба и изъятия предметов преступной деятельности (форма N 4);

о потерпевшем (форма N 5);

о результатах рассмотрения дела судом первой инстанции (форма N 6);

приложение к статистической карточке формы N 6 на преступление по делу частного обвинения.

130 Статистические карты – графическое изображение статистичес­ких данных на схематической географической карте, характеризую­щих уровень или степень распространения того или иного явления на определенной территории.

131Статистическое наблюдение – это спланированная, научно организованная регистрация массовых данных о со­циально-экономических явлениях и процессах. Статистическое наблюдение может быть первичным и вторичным.

первичное – это регистрация данных, поступа­ющих непосредственно от объекта, который их продуцирует (текущий учет количества зарегистрированных браков в ЗАГСе).

вторичное – сбор ранее зарегистрированных и об­работанных данных (отчет о лицах, совершивших преступления; единый отчет о преступности).

132 Статистический показатель – это количественное выражение исследуемого явления, или иначе – это количественная характеристика социально-экономических явлений и процессов в условиях качествен­ной определенности. Статистические показатели можно подразделить на два основных вида: учетно-оценочные показатели (размеры, объемы, уровни изучаемого явления) и аналитические показатели (относительные и средние величины, показатели вариации и т.д.). Величина статистического показателя – это численное значение, выраженное в определенных единицах измерения.

Статистические показатели условно подразделяют на первичные (объемные, количественные, экстенсивные) – характеризуют либо общее число единиц совокупности, либо сумму значения какого-либо их признака, по статистической форме эти показатели являются суммарными статистическими величинам и вторичные (производные, качественные, интенсивные) – производные показатели обычно выражаются средними и относительными величинами.

133 Статистическая сводка – второй этап исследования массовых общественных явлений. Научно организованная обработка материалов наблюдения (по заранее разработанной программе), включающая в себя кроме обязательного контроля собранных данных систематизацию, группировку материалов, составление таблиц, получение итогов и производных показателей (средних, относительных величин).

Различают: простую сводку – операция по подсчету общих итогов совокупно­сти единиц наблюдения; сложную сводку – представляет собой комплекс операций, вклю­чающий группировку единиц наблюдения, подсчет итогов по каждой группе и по всему объекту в целом и представление результатов в виде статистических таблиц.

Этапы сводки состоят из определения: 1)групп и подгрупп – осуществляется систе­матизация, группировка материалов, собранных при наблюде­нии; 2) системы показателей – уточняется преду­смотренная планом система показателей; 3) видов таблиц – обобщённые данные для наглядности и удобства пред­ставляются в таблицах, статистических рядах, графиках, диа­граммах; исчисляются сами показа­тели.

134 Статистическая совокупность – это множество однородных элементов или явлений, связанных общими чертами и признаками, существование которых обусловлено общими причинами. С точки зрения статистической методологиистатис­тическая совокупность – это множество единиц, обладающих такими характеристиками, как массовость, однородность, оп­ределенная целостность; взаимозависимость состояния от­дельных единиц, наличие вариации. Однородность не означает полного соответствия всех единиц совокупности. Речь идет о наличии общего свойства или признака для всех единиц совокупности.

135 Статистическая связь – взаимосвязь между двумя (или более) переменными. Говорят, что между двумя переменными существует связь, если распределение одной переменной изменяется при различных значениях или частотах другой переменной.

136 Статистическая таблица – форма наглядного изложения цифровых характеристик исследуемых явлений и его составных частей. По логическому содержанию статис­тическая таблица рассматривается как "статистическое пред­ ложение" , подлежащим которого является объект исследо­вания, а сказуемым – система показателей, характеризующих объект. Основными элементами статистической таблицы являются: заголо­вок, подлежащее и сказуемое.

В заголовке (названии) таблицы указывается, к какой категории и к какому времени относятся данные таблицы.

Подлежащим таблицы являются единицы статистической сово­купности или их группы. Подлежащее статистической таблицыхарактеризует объект исследования. По характеру подлежащего статистические таблицы подразделяют­ся на простые, групповые, комбинационные.

В простой таблице в подлежащем дается простой перечень каких-либо объектов или территориальных единиц. При этом части подлежащего не являются группами одинакового качества, отсутствует систематизация изучаемых единиц. Сказуемое этих таблиц содержит абсолютные величины, отражающие объемы изучаемых процессов.

В групповой таблице объект изучения подразделяется на группы по какому-либо одному признаку – количественному или атрибутивному, при этом каждая группа характеризуется рядом показателей.

В комбинационной таблице в подлежащем совокупность подраз­деляется на группы не по одному, а по нескольким признакам, которые распределяются на группы сначала по одному признаку, а затем на подгруппы по другому признаку внутри каждой из уже выделенных групп.

Сказуемое таблицы отражает характеристику подлежащего в ко­личественной форме – в виде системы показателей.

Простая разработка сказуемого – показатели в сказуемом даны параллельно один другому, без разделения на подгруппы.

Сложная разработка сказуемого – показатели в сказуемом даны в комбинации друг с другом.

137 Структура – совокупность элементов социально-экономических явлений, обладающих определенной устойчивостью внутригрупповых связей, при сохранении основных свойств, характеризующих эту совокупность как целое.

Интервальная структура – структура, характеризующая строение социально-экономических явлений за определенные периоды времени (дни, недели, месяцы, кварталы, годы).

Моментная структура – структура, характеризующая строение социально-экономических явлений по состоянию на определенные моменты времени (на определенную дату, начало или конец периода).

138 Таблица сопряженности – таблица, которая содержит сводную числовую характеристику изучаемой совокупности по двум и более атрибутивным признакам или комбинации количественных и атрибутивных признаков. Матрица – прямоугольная таблица числовой информации, состоящая из т строк и n столбцов.

139 Тенденция ряда динамики представляются в виде гладкой кривой (траектории), которая аналитически выражается некоторой функцией времени, называемой трендом .

140 Тренд – основная тенденция развития динамического ряда (к увеличению либо снижению его уровней), характеризует основную закономерность движения во времени, свободную в основном (но не полностью) от случайных воздействий. Непосредственное выделение тренда может быть произведено тремя методами: у крупнения интервалов; с кользящей средней; а налитического выравнивания .

141 Уравнение регрессии – представляет собой математическую модель, в которой усредненное значение результативного признака рассматривается как функция одного или нескольких факторных признаков.

142 Уровень ряда – количественная оценка изучаемого явления.

143 Учет – фиксирование в учетных документах сведений об объектах учета с последующим включением информационным центром в статистическую отчетность сведений об объектах, отраженных в учетных документах.

144 Уровни ряда – статистические показатели в динамическом ряду, выражаются абсолютными, средними и относительными показателями.

145 Учетные документы – являются статистические карточки, журналы учета, талон-уведомление о передаче уголовного дела по подследственности, представленные в электронном виде документы и иные материальные носители, отражающие количественное значение сведений об объектах учета.

146 Учтенный объект – объект учета, сведения о котором включены в статистическую отчетность. Корректировка данных статистической отчетности в зависимости от результатов расследования и судебного рассмотрения уголовного дела допускается только в пределах отчетного года, являющегося законченным отчетным периодом.

147 Факторный анализ позволяет в компактной форме представить обобщенную информацию о структуре связей между признаками изучаемого объекта.

148 Факторный признак – признак, оказывающий влияние на измене­ние результативного признака.

149 Функциональная связь – связь, при которой определенному значению факторного признака соответствует одно и только одно значение ре­зультативного признака.

150 Ценз – ограничительный признак, которому должны удовлетворять все единицы изучаемой совокупности.

151 Централизация – сосредоточение объема признака у отдельных единиц или неравномерность его распределения с учетом объема совокупности. При нулевой концентрации вполне возможна сильная централизация и, наоборот, на фоне слабой централизации допустима высокая концентрация.

152 Экспликация – словесное описание содержания графика.

153 Экстраполяция – нахождение неизвестного значения динамическо­го ряда за его пределами путем механического переноса тенденций про­шлого на будущее. Иначе – нахождение уровней за пределами изучаемого ряда, т.е. продление ряда на основе выявленной закономерности изменения уровней в изучаемый отрезок времени.

Арендный блок

Существует несколько методов обработки рядов динамики, а именно: метод укрупнения интервалов, метод скользящей средней и аналитическое выравнивание. Во всех методах вместо фактических уровней при обработке ряда рассчитываются иные уровни, в которых тем или иным способом взаимопогашается действие случайных факторов и тем самым уменьшается колеблемость уровней. Последние в результате становятся как бы «выравненными», «сглаженными» по отношению к исходным фактическим данным. Такие методы обработки называются сглаживанием или выравниванием рядов динамики.

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.

Методы «механического» сглаживания.

Сюда относятся:

а. 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.

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

в. 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 = (y1/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 yn.

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.

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 следующий зависимости:

линейная ;

параболическая ;

экспоненциальная

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 постоянства, -- 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.

У нас самая большая информационная база в рунете, поэтому Вы всегда можете найти походите запросы

Эта тема принадлежит разделу:

Анализ Данных

Табличные и графические представления данных, анализ, обработка. Выборка. Группировка данных. Прогнозирование

К данному материалу относятся разделы:

Табличные и графические формы представления данных, их построение и анализ

Обработка и анализ нечисловых (категорийных) данных с помощью сводных таблиц

Генеральная совокупность и выборка. Виды выборок

Методы группировки данных

Методы группировки данных с помощью функции ЧАСТОТА

Понятие о временных рядах и их виды. Компоненты временного ряда

Показатели изменения уровней ряда динамики

Обобщающие характеристики ряда динамики (средние уровней ряда; средние показатели уровней ряда)

Методы сглаживания динамических рядов

Аналитическое выравнивание динамического ряда. Виды трендовых моделей

Прогнозирование на основе экспоненциального сглаживания

Автокорреляция уровней ряда. Свойства коэффициентов автокорреляции. Коррелограмма

Сезонные колебания. Расчетов индексов сезонности.

Построение аддитивных и мультипликативных моделей прогнозирования

Доверительные интервалы прогноза. Оценка адекватности и точности моделей

Вопросы по религиоведению

Предмет и структура религиоведения. Структура религии. Мировые религии. Русская православная церковь, Католицизм, Римско-католическая церковь. Религиозная ситуация в современной РФ.

Имя числительное

Урок по теме. Технология критического мышления. Образовательная: сформировать понятие о новой части речи. Развивающая: развитие критического мышления. Воспитательная: формирование умения организовывать свою работу.

Санкт-Петербургский юридический институт (филиал) Академии

Генеральной прокуратуры Российской Федерации

Кафедра общегосударственных и социально-экономических

дисциплин

Е.А. Разумовская

Обработка динамических рядов

Практикум по курсу

«Правовая статистика»

Часть 2

Санкт-Петербург

ОБРАБОТКА ДИНАМИЧЕСКИХ РЯДОВ

1. ОПИСАНИЕ РАБОТЫ

Цель работы

Анализ статистики преступности для выявления закономерностей, тенденций и прогнозирования развития процесса.

Метод выполнения

Обработка исходных данных методами укрупнения ,сглаживания исмыкания .

ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ

Изучение статистики преступности имеет большое практическое значение. Анализ закономерностей развития этого процесса дает возможность правоохранительным органам прогнозировать будущее развитие преступности, оптимально распределять силы и средства для борьбы с ней.

Преступность – это сложный общественный процесс, его развитие определяют различные факторы, в первую очередь – экономические. Динамика (т.е. развитие во времени) преступности зависит также от политической ситуации, исторических традиций, наличия особо криминогенных зон и объектов. Деятельность правоохранительных органов тоже можно отнести к факторам, влияющим на развитие преступности.

Трудность анализа состоит в том, что на основные тенденции развития процесса накладываются случайные отклонения, колебания и выбросы. Основная задача статистической обработки состоит как раз в отсечении этой случайной компоненты и выявления основных тенденций, закономерностей развития. Именно такая обработка исходных данных должна быть проведена в данной работе.

Понятие динамического ряда

Ряд в статистике – это упорядоченная совокупность числовых данных, полученных при наблюдении изучаемого явления.

Ряды позволяют производить следующие статистические исследования:

сравнение явлений в процессе их развития во времени,

сравнение явлений по различным их формам и видам,

выявление взаимной зависимости явлений или зависимости от общей причины.

Пример явления, развивающегося во времени: число зарегистрированных преступлений данного вида на данной территории. Если регистрировать количество преступлений регулярно на протяжении достаточно длительного промежутка времени, затем правильно обработать полученный ряд данных, то можно выявить тенденции развития процесса, спрогнозировать будущие изменение ситуации и заранее подготовить адекватные меры борьбы с преступностью.

Процесс развития, изменения или движения социальных явлений во времени в статистике принято называть динамикой .

Динамический ряд - упорядоченная совокупность значений выбранного статистического показателя, изменяющихся во времени.

Величины ряда могут характеризовать явление по-разному:

Интервальный ряд отражает величину показателей, полученных за определённые периоды (интервалы) времени.

Например, ряд, содержащий количество гражданских дел, рассмотренных в суде за каждый месяц календарного года.

Моментный ряд характеризует уровни правового процесса на определенные моменты времени (даты отчета).

Например, количество заключенных на начало каждого календарного года.

Важнейшее условие построения и исследования рядов динамики – это однородность (сопоставимость) значений, относящихся к различным периодам.

Однородность во времени требует, чтобы значения ряда соответствовали показателю, характеризующему явление, за один и тот же отрезок времени, или чтобы соседние значения ряда были разнесены во времени друг от друга на равные промежутки.

Однородность в пространстве требует, чтобы территория, которую характеризует каждый показатель ряда, не изменялась на исследуемом временном отрезке.

Однородность по кругу охватываемых объектов требует, чтобы данные рядов относились к одинаковому количеству объектов (людей, административных единиц, возрастному промежутку и т.д.)

Однородность по сущности исследуемых величин требует, чтобы на рассматриваемом временном отрезке не изменялось уголовное законодательство.

Однородность по методологии требует, чтобы на рассматриваемом временном отрезке не изменялась методика получения показателя.

Методы укрупнения и сглаживания динамических рядов

Укрупнение и сглаживание – это математические операции над данными динамического ряда, которые позволяют выявлять тенденции, т.е. наиболее медленные составляющие изучаемого процесса, которые наблюдаются на фоне быстрых случайных всплесков и колебаний.

Такой подход к динамическому ряду, описывающему социальное явление, означает, что явление рассматривается как арифметическая сумма быстро и медленно меняющихся процессов.

РЯД(t ) = МЕДЛ(t ) + БЫСТР(t )

Целью обработки динамического ряда является разделение этих слагаемых. Во многих случаях такая модель социальных явлений правомерна.

Укрупнение динамического ряда - разбиение исходного ряда на неперекрывающиеся группы соседних данных (пары, тройки, и.т.д.), а затем вычисление суммы внутри каждой группы.

Получается новый ряд, число значений в котором будет меньше исходного в два, три или более раз, соответственно. Рассмотрим пример статистики женщин, совершивших преступления в период 2008 – 2010 годов по полугодиям.

Наблюдаются сезонные колебания данных, для выявления тенденции применим укрупнение: сгруппируем данные по 2 и сложим в каждой группе.

Исходный ряд :x 1 = 110 210,x 2 = 90 624,…,x 6 = 77 916.

Укрупнение по 2 :y1 = 110 210 + 90 624 = 200 834,

y2 = 105 796 + 66 406 = 194 202,

y3 = 94 459 + 77 916 = 172 375.

Получим данные по годам, а не по полугодиям: вместо 6 чисел - 3, но стала явно видна тенденция к снижению показателя. Аналогичным образом можно проводить укрупнение по 3, 4 и более периодов в одной группе.

Сглаживание динамического ряда - разбиение исходного ряда на перекрывающиеся группы данных по два, три или более смежных значений, (сдвиг по исходному ряду на одно значение), а затем вычисление среднего арифметического в каждой группе (скользящее среднее).

После обработки остается на 1, 2 и т.д. значения меньше в зависимости от величины групп (2, 3,…).

Рассмотрим метод сглаживания на том же примере статистики женщин-преступниц, применим сглаживание по 3 (среднее арифметическое первых трех элементов, затем 2, 3 и 4 и т.д. – это пересекающиеся группы данных).

Сглаживание по 3 :y 1 = (x 1 +x 2 +x 3) / 3 = 102 210,

y 2 = (x 2 +x 3 +x 4) / 3 = 87 609,

y 3 = (x 3 +x 4 +x 5) / 3 = 88 887,

y 4 = (x 4 +x 5 +x 6) / 3 = 79 594.

После сглаживания можно отметить следующее поведение процесса: снижение, стабильность, снова снижение показателя, однако, данных явно недостаточно, чтобы отфильтровать сезонные колебания.

Укрупнение и сглаживание ведут к уменьшению случайных всплесков, особенно хорошо тенденции видны на графиках , построенных по укрупненным или сглаженным данным. Укрупнение применяют к интервальным динамическим рядам, а сглаживание - как к интервальным, так и к моментным рядам.

Метод смыкания динамических рядов

Для изучения закономерностей и тенденций правовых процессов нужны однородные совокупности данных, однако в правовой сфере происходят существенные сдвиги: изменения законодательства, форм учета, укрупнение и разукрупнение территориально-административных единиц (например, изменение перечня тяжких преступлений, объединение субъектов РФ и т.д.). Для компенсации возникшей неоднородности данных используют:

Метод смыкания динамических рядов – выбор промежутка времени, на котором известны старые и новые показатели, принятие его за базовый (100%) и пропорциональный пересчет старых показателей влево, а новых – вправо по временной оси.

Рассмотрим статистику преступности в условном городе Nза 1991 – 1996 годы, ряд не обладает свойством однородности, т.к. в 1994 году законодательно изменился перечень тяжких преступлений.

Показатели
Число тяжких прест. (старый перечень)
Число тяжких прест. (новый перечень)
Сомкнутый ряд

В переходный год известны показатели по старой и новой форме, примем этот год за базовый и присвоим ему значение 100% (проценты не пишем). Найдем коэффициенты пропорциональности для старых данных по 1994 году: 100 / 80 = 1,25, для новых данных: 100 / 150 = 0,67. Умножим старые данные 1991 – 1993 годов на 1,25, новые данные 1995 – 1996 годов – на 0,67 и получим сомкнутый ряд сопоставимых показателей, по которому можно изучать тенденции процесса.

Исходные данные задачи

В данной работе изучается статистика преступности (криминальная статистика) заданного вида в пределах одного населённого пункта, регистрировавшаяся помесячно на протяжении трех лет. Такой набор статистической информации является типичным примером динамического ряда интервального типа .

В приложении № 1 методического руководства дано общее описание листа Excel, на котором нужно выполнить задание. В приложении № 2 приведена статистическая таблица –сводка количества преступлений 14 видов в двух городах. Информация представлена за три года: два года до изменения территориальных границ городов, один год – после, в первый месяц третьего года (январь) приведена статистика преступлений как в старых, так и в новых границах городов.

Рассмотрим информацию за первые два года - это двадцать четыре целых числа. Обозначим их:

а 1 , а 2 , … , а 24

Как отмечалось в предыдущем пункте, динамический ряд пригоден для статистического анализа, если он соответствует условиям однородности. В нашем случае первичные статистические данные за два года удовлетворяют критерию однородности:

во времени - сведения о количестве преступлений собраны за одинаковые временные интервалы, следующие по порядку один за другим;

в пространстве - данные относятся к одному территориальному объекту в одних и тех же границах;

по сущности – данные относятся к одному классу явлений, в нашем случае, к одним видам преступлений.

Подразумеваются также выполненными следующие условия однородности: неизменность законодательства в части классификации данных преступлений, единство методики сбора и регистрации первичной информации на протяжении всего периода наблюдений.

Укрупнение ряда (кратности 2, 3, 4, 6)

Новый, укрупненный в два раза ряд формируется из исходных данных

а 1 , а 2 , … , а 24 по формуле:

b i / 2 = a i -1 + a i , i = 2, 4, 6, … , 24 (1)

Иными словами, при формировании укрупненного вдвое ряда b первое число исходного рядаa складывается со вторым, третье с четвертым и т.д.

После укрупнения исходного динамического ряда в два раза (кратность равна двум) данных становится в два раза меньше. Таким образом, метод укрупнения позволяет взглянуть на процесс в целом, выделить главное, опустив мелкие детали.

Аналогичным образом можно укрупнить ряд в три, четыре, шесть и более раз (задать различную кратность укрупненного ряда):

c i/3 = a i-2 + a i-1 + a i , i = 3, 6, 9, …, 24 (2)

d i/4 = a i-3 + a i-2 + a i-1 + a i , i = 4, 8, 12, …, 24 (3)

e i/6 = a i-5 + a i-4 + a i-3 + a i-2 + a i-1 + a i , i = 6, 12, 18, 24 (4)

При формировании ряда с исходные данные рядаа разбиваются на группы по три штуки и складываются, для рядаd - в группы по четыре штуки, для рядаe – в группы по шесть штук. Соответственно, рядb получился короче исходного рядаа в два раза, рядс – в три раза, рядd – в четыре раза, рядe – в шесть раз.

Какая же кратность укрупнения является оптимальной? Чтобы ответить на этот вопрос, нужно знать временные параметры изменения основной тенденции процесса: продолжительность роста или снижения, периодичность сезонных колебаний и т.д.

В реальных условиях эти параметры сами являются предметом изучения. Поэтому лишь эмпирическим путем можно определить оптимальную кратность укрупнения динамического ряда в нашей задаче. Метод эффективно работает, когда характер процесса (стабильность, рост, снижение и т.д.) проявляются достаточно долго.

Сглаживание ряда (кратности 3, 4, 5)

Сглаженный по три элемента (кратность равна 3) ряд образуется на основе первичных данных по формуле скользящего среднего:

f i = (a i + a i +1 + a i +2) / 3, i = 1, 2, …, 22 (5)

Иными словами, берут первое, второе и третье число ряда a , находят среднее арифметическое (складывают их, и сумму делят на 3), получается первое число рядаf . Затем берут второе, третье и четвертое числа рядаa (со сдвигом на один элемент ряда – поэтому и называется метод скользящего среднего) и, проделав аналогичные операции, получают второй элемент рядаf , и т.д.

Следует обратить внимание на то, что новый ряд на два элемента короче исходного. В соответствии с формулой сглаживание проводится по трем соседним элементам исходного ряда.

Аналогичным образом можно применить сглаживание по четырем, пяти и более элементам (кратность равна 4, 5 и т.д.):

g i = (a i + a i+1 + a i+2 + a i+3) / 4, i = 1, 2, …, 21 (6)

h i = (a i + a i+1 + a i+2 + a i+3 + a i+4) / 5, i = 1, 2, …, 20 (7)

При формировании ряда g исходные данные рядаа берут по четыре штуки и находят их среднее арифметическое, для рядаh - по пять штук. Соответственно, рядf получился короче исходного рядаа на два элемента, рядg – на три элемента, рядh – на четыре элемента.

Так же, как в методе укрупнения, параметр кратности (количество элементов исходного ряда, выбранное для вычисления среднего) нельзя рассчитать заранее, его следует определить эмпирически по полученным результатам.

Сглаженный ряд позволяет изучать средний уровень преступности и может служить основой для прогнозирования будущего развития процесса. Метод сглаживания особенно эффективен для выявления сезонных колебаний и поиска скачков в среднем уровне процесса.

Анализ результатов

После того, как проведена обработка первичных данных по формулам для различной кратности, построены графики укрупненных и сглаженных рядов, наступает следующий этап анализа – выявление тенденции изменения преступности.