|
показатели, характеризующие результативность юридического оформления внешнеэкономических сделок; показатели, характеризующие правоохранительную деятельность таможенных органов. Показатели, включенные в этот перечень, разнородны по единицам измерения. Возникает проблема их сопоставления, которая решается на втором этапе с помощью процедуры сглаживания временных рядов. Процедура сглаживания временных рядов достаточно часто применяется при обработке разнообразных статистических данных в экономических исследованиях. Основной целью такой обработки является выделение тренда и уменьшение уровня белого шума. Известно достаточно много процедур сглаживания временных рядов, но наиболее часто используются процедуры скользящего среднего и экспоненциального сглаживания, которые дают удовлетворительные результаты при достаточно большом наборе значений того или иного показателя. Под удовлетворительными результатами мы здесь понимаем аппроксимацию преобразованных значений временного ряда полиномом „ первой или второй степени. Подавляющее большинство методик экономического анализа удовлетворяется подобными результатами, на которых далее выстраиваются всевозможные гипотезы. По нашему убеждению, в системе оценки результативности таможенных органов практически невозможно найти хотя бы пары показателей, характеризующих различные стороны деятельности таможенных органов, которые могли бы быть описаны линейной зависимостью. Такую точку зрения разделяют все больше экономистов, занимающихся проблемами моделирования таможенных процессов. Известно, что качество первичной обработки статистических данных во многом определяет адекватность будущей модели. Для первичной 100 |
критериальный порядок движения показателей, отобранных для характеристики регионального экономического пространства. Критериальный порядок представляет собой ранговый ряд, в котором показатели, включенные в список, упорядочены в соответствии с принятым критерием: • показатели, характеризующие основные экономические процессы; • показатели, характеризующие вспомогательные экономические процессы; • показатели, характеризующие процессы жизнеобеспечения; • показатели, характеризующие процессы, которые препятствуют реализации совокупного регионального экономического процесса. Показатели, включенные в этот перечень, разнородны по единицам измерения (стоимостные, натуральные и др.). Возникает проблема их сопоставления, которая решается на втором этапе с помощью процедуры сглаживания исходных данных. Процедуры сглаживания временных рядов достаточно часто применяются при обработке разнообразных статистических данных в экономических исследованиях. Основной целью такой обработки является выделение тренда и уменьшение уровня белого шума. Известно достаточно много процедур сглаживания временных рядов, но наиболее часто используются процедуры скользящего среднего и экспоненциального сглаживания, которые дают удовлетворительные результаты при достаточно большом наборе значений того или иного показателя. Под удовлетворительными результатами мы здесь понимаем аппроксимацию преобразованных значений временного ряда полиномом первой или второй степени. Подавляющее большинство методик экономического анализа удовлетворяется подобными результатами, на которых далее выстраиваются всевозможные гипотезы. По глубокому убеждению автора, в экономических системах практически невозможно найти хотя бы пары показателей, характеризующих различные стороны хозяйственной деятельности, которые могли бы быть описаны линейной зависимостью. Такую точку зрения разделяют все больше эко204 номистов, занимающихся проблемами экономического моделирования. Отсюда следует, что можно говорить о качестве первичной обработки статистической информации как о весьма важном моменте, во многом определяющем будущие результаты исследования. С. Суспицын и А. Поздняков в этой связи отмечают, что «распространенным и естественным приемом межрегиональных сравнений является анализ определенным образом нормированных основных показателей регионального развития» [296, с. 94]. Естественно, что качество первичной обработки статистических данных во многом определяет адекватность будущей модели. » Для первичной обработки временных рядов предлагается новая процедура нормирования (сглаживания) медианная. Пусть дан временной ряд А и Л2 — Лк, тогда каждый новый элемент сглаженного ряда С, вычислим как С) = 1 + (А,M e ) / ( A maxA min + 1), i= 1 .Х (3.1) где Me медиана временного ряда; А тах, А т1Пмаксимальный и минимальный члены ряда. Отметим некоторые преимущества предлагаемого подхода относительно других методов сглаживания. I Во-первых, уменьшается общая погрешность преобразования. Проведенные исследования показали, что при медианном сглаживании получаем погрешность около 4%, скользящем 8%, экспоненциальном 11%. Во-вторых, при медианном сглаживании в преобразованных временных рядах практически отсутствует смещение по локальным экстремумам. В-третьих, при попытке аппроксимации исходных данных и данных, сглаженных по медиане, имеем практически одинаковый вид функции. ► При расчете темпов роста после медианного преобразования получаем еще одно серьезное преимущество в преобразованном временном ряде отсутствуют нулевые и отрицательные компоненты при практически полном совпадении данного тренда с исходным. Это особенно важно, если в расчетах используются стоимостные показатели, например финансовые результаты хозяйственной деятельности. Ни один из других упомянутых методов преобразова205 |