|
Подавляющее большинство методик экономического анализа удовлетворяется подобными результатами, на которых далее выстраиваются всевозможные гипотезы. 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 экономистов, 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. Струмилин в этой связи отмечает, что «распространенным и естественным приемом межрегиональных сравнений является анализ определенным образом нормированных основных показателей регионального развития» [118]. Естественно, что качество первичной обработки статистических данных во многом определяет адекватность будущей модели. При анализе процессов, происходящих в экономической системе, нами используется показатель темпа темпов роста или ускорения движения. Здесь опять же очевидны преимущества предварительного сглаживания, практически полностью отсутствует фазовый сдвиг, что обеспечивается процедурой нормирования данных в предложенном методе сглаживания временных рядов. После процедуры нормирования исходных данных начинается третий этап построения модели формируются фактические ранговые ряды движения показателей. Для этого выполняются следующие действия: • рассчитываются темпы роста показателей (анализ темпов позволяет оценить изменение условий, в которых происходит функционирование исследуемой системы); • рассчитываются ускорения изменения величин показателей; • ранжируется список показателей по убыванию величины ускорения их движения, т.е. первый ранг закрепляется за показателем с наибольшим ускорением, а последний за показателем, имеющим наименьшее ускорение. I ll |
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 ния не дает такого результата. Решается проблема с нулевыми компонентами, когда темп роста рассчитать нельзя, и отрицательными, когда темп роста имеет отрицательный знак, а сам такой показатель весьма загадочное экономическое содержание. При анализе процессов, происходящих в экономической системе, нами используется показатель темпа темпов роста или ускорения движения. Здесь опять же очевидны преимущества медианного преобразования, практически полностью отсутствует фазовый сдвиг, что обеспечивается процедурой нормирования данных в предложенном методе сглаживания временных рядов. После процедуры нормирования исходных данных начинается третий этап построения модели формируются фактические ранговые ряды движения показателей. Для этого выполняются следующие действия: • рассчитываются темпы роста показателей (анализ темпов позволяет оценить изменение условий, в которых происходит функционирование исследуемой системы); • рассчитываются ускорения изменения величин показателей; • ранжируется список показателей по убыванию величины ускорения их движения, т.е. первый ранг закрепляется за показателем с наибольшим ускорением, а последний за показателем, имеющим наименьшее ускорение. Одна из проблем, с которой можно столкнуться при выполнении расчетов, проблема дифференциации показателей с равными ускорениями. Для решения этой задачи ранги показателей, имеющих одинаковые ускорения, можно определить по содержательным соображениям, вытекающим из конкретных задач исследования. В результате выполнения этого этапа получаем несколько ранговых рядов (табл. 3.7), которые отражают структуру движения анализируемых показателей в разные периоды функционирования экономической системы. Четвертый этап заключается в сравнении двух ранговых рядов критериального и фактического. Как известно, ранговые ряды отличаются друг от друга по двум основным характеристикам: во-первых, разностью между номерами |