Методы типологии данных в социально-экономических исследованиях

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора экономических наук

Методы типологии данных в социально-экономических исследованиях

Специальность 08.00.12 - Бухгалтерский учет, статистика

Глинский В.В.

Санкт-Петербург - 2009

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Новосибирский государственный университет экономики и управления»

Научный консультант - доктор экономических наук, профессор, член-корреспондент РАН, заслуженный Деятель науки РФ Елисеева Ирина Ильинична

Официальные оппоненты: доктор экономических наук, профессор Мхитарян Владимир Сергеевич

доктор экономических наук, профессор Максимова Татьяна Геннадиевна

доктор экономических наук, профессор Афанасьев Владимир Николаевич

Ведущая организация - Федеральное государственное образовательное учреждение высшего профессионального образования «Санкт-Петербург-ский государственный университет»

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы диссертационного исследования. Двадцать первый век должен стать столетием расцвета российской статистики. Для этого есть все предпосылки. Формируется правовая база статистической деятельности. В 2007 г. принят Закон о статистике, укрепилась законодательная база муниципальных образований, которая способствует усилению независимости статистики. В законодательном порядке устанавливаются принципы статистического наблюдения важных сегментов российской экономики, в частности, среднего и малого бизнеса и т.п.

Подходит к концу период вынужденной международной «изоляции», уходят в прошлое «принципы партийности» и жесткого детерминизма, возвращается и начинает доминировать стохастический подход в построении статистических показателей. Лавинообразно растут потребности в статистической информации и исследованиях, причем на всех уровнях - от правительства до домохозяек. На это Росстат отвечает проведением масштабных статистических работ: 2000 год - сплошное наблюдение субъектов малого предпринимательства, 2002 год - Всероссийская перепись населения, 2006 год - Всероссийская сельскохозяйственная перепись (проведенная впервые за последние сто лет), ежеквартальные обследования занятости, в скором будущем, в 2010 году - следующая Всероссийская перепись населения. Это далеко не полный перечень крупных статистических работ на уровне страны. Федеральные округа, администрации субъектов федерации, муниципальные образования, различные слои и группы населения становятся реальными потребителями статистической информации, заинтересованными также в знании методов ее обработки.

Типология информации является одной из основных задач во всяком научном исследовании. Классификация, типологическая группировка, кластерный анализ - центральный этап статистического исследования, обеспечивающий корректность всего последующего анализа. Соответственно, проблема типологии данных актуальна всегда. Можно отметить несколько обстоятельств, с нашей точки зрения, усиливших потребность в решении данной задачи в современных условиях. Это, прежде всего, возникновение новых объектов наблюдения (малое предпринимательство, муниципальные образования и т.п.). Все эти объекты являются качественно неоднородными. Корректная статистическая оценка их изменения и развития возможна только при условии предварительного качественного анализа и адекватного использования методов типологии.

В качестве дополнительных отличительных особенностей современного периода развития российской экономики можно отметить значительное расширение числа субъектов, вынужденных принимать управленческие решения на статистической основе, ужесточение последствий ошибочных решений, возросшее влияние факторов внешней среды. Новые условия функционирования предприятий и отраслей делают актуальным применение статистических технологий в управлении, в частности; методов типологии, позволяющих формировать однородные среды, как в статике, так и в динамике с целью реализации в них гомогенных стратегий.

Ограниченность современных экстраполяционных подходов в прогнозировании макроэкономических тенденций стала очевидной в свете финансовых кризисов 1998, 2008 годов. Механистический подход к прогнозированию, как правило, игнорирующий обеспечение однородности динамических рядов, показал свою несостоятельность и должен быть пересмотрен.

Степень разработанности научной проблемы. Задача выделения однородных статистических множеств решается достаточно давно, с середины XIX-го столетия, причем в рамках двух концепций - вариационной (индуктивной) и дедуктивной. У истоков первой стоял А. Кетле (1796-1876), и ее последующее развитие принадлежат западным ученым, тогда как формулировка второй концепции принадлежит русскому статистику Д.П. Журавскому (1851). Он был первым, кто обозначил проблему. Существенный вклад в развитие дедуктивного подхода, который воплотился в методе типологической группировки, внесли представители российской академической науки: А.И. Чупров, Ю.Э. Янсон, Н.А. Каблуков, А.А. Кауфман, А.А. Чупров, Р.М. Орженцкий, земские статистики А.П. Шликевич, Ф.А. Щербина, С.П. Прокопович, марксисты И.А. Гурвич, В.И. Ленин, А.И. Хрящова, В.Г. Громан, Г.И. Баскин. В дальнейшем работы в этой области были выполнены М.Н. Смит, В.С. Немчиновым. Заметный вклад в развитие теории группировок внесли Г.С. Кильдишев, Ю.М. Аболенцев, Б.Г. Миркин, О.В. Иванов.

Центральное место в становлении, развитии и продвижении метода типологической группировки принадлежит ленинградской (санкт-петербургской) научной школе: теоретические исследования Л.В. Некраша, Б.Г. Плошко, И.И. Елисеевой, работы Э.К. Васильевой, С.В. Курышевой, М.А. Клупта, О.Г. Грачевой-Дивеевой, И.П.Суслова и других. Все названные ученые принадлежат к научной школе ЛФЭИ, работы которой ввели в систему статистических категорий понятие периодизации временных рядов, осуществили постановку задачи периодизации, сделали попытку обоснования ее необходимости, показали аналогичность задач периодизации динамики и типологической группировки.

Вместе с тем, условия применения, возможности осуществления, методы периодизации динамических рядов в статистических публикациях практически не рассматривались. В лучшем случае можно найти указания на периодичность жилищного строительства или же в распространении новых платежных средств (банковских карточек и т.д.). Чаще всего выделение периодов производится только на основе качественного анализа без применения количественных методов.

В настоящее время появились новые возможности для развития теории типологической группировки и периодизации на базе теории портфельного анализа. Как известно, основной вклад в развитие этой концепции внесли представители теории управления. Первая модель портфельного анализа была построена американским ученым русского происхождения И. Ансоффом, заметный вклад в развитие метода внесли представители Бостонской консалтинговой группы, консультационной группы МакКинзи, компания Артур Д. Литл, Д. Абель, Г. Джонсон, К. Шульс, А. Хекс, Н. Мейджмур, Р. Кох, А. Шарплин, А. Роу, Р. Мейсон, Т. Вилен, Т. Нейлор, Д. Монайсен, Г. Дэй, Р. Ойсел, Р. Райт. Сходство идей типологической группировки и портфельного анализа в специальной литературе пока что не исследовано. Этим объясняется выбор темы диссертационного исследования.

Цель и задачи диссертационного исследования. Целью данной работы является развитие теории и методологии типологии статистических данных в социально-экономических исследованиях с позиций интегрированного подхода с учетом достижений портфельного анализа.

Для достижения поставленной цели в диссертации последовательно решены следующие взаимосвязанные задачи:

§ систематизированы и рассмотрены основные методы и алгоритмы типологии информационных массивов, дан критический анализ их возможностей в поддержке управленческих решений;

§ обоснована возможность и разработаны концептуальные основы статистической методологии временной периодизации;

§ рассмотрены основные матрицы портфельного анализа, выявлены статистические аспекты методологии их построения;

§ исследованы особенности применения метода периодизации в практических задачах, в том числе, при построении моделей портфельного анализа;

§ проведены исследования однородности массовых экономических процессов на различных уровнях хозяйствования: на уровне экономики страны в целом, его отдельного сегмента (малый бизнес), отдельной отрасли (книгоиздание), а также на уровне предприятия.

Объект исследования - совокупности массовых социально-экономических явлений и процессов в пространственных и временных измерениях на различных уровнях агрегирования.

Предмет исследования - совокупность методов и алгоритмов выявления однокачественных типов (однородных частных совокупностей) в пространстве и во времени.

Область исследования. Содержание диссертации соответствует следующим пунктам Паспорта научной специальности 08.00.12. «Бухгалтерский учет, статистика»:

п. 3.2. Методология построения статистических показателей, характеризующих социально-экономические совокупности; построения демографических таблиц; измерения уровня жизни населения; состояния окружающей среды;

п. 3.3. Методы обработки статистической информации: классификация и группировки, методы анализа социально-экономических явлений и процессов, статистического моделирования, исследования экономической конъюнктуры, деловой активности, выявления трендов и циклов, прогнозирования развития социально-экономических явлений и процессов;

п. 3.6. Методология экономико-статистических исследований, направленных на измерение эффективности функционирования предприятий и организаций;

п. 3.8. Прикладные статистические исследования воспроизводства населения, сфер общественной, экономической, финансовой жизни общества, направленные на выявление, измерение, анализ, прогнозирование, моделирование складывающейся конъюнктуры и разработки перспективных вариантов развития предприятий, организаций, отраслей экономики России и других стран.

Теоретические и методологические основы исследования. Теоретической и методологической основой диссертационного исследования послужили фундаментальные и прикладные работы ведущих российских и зарубежных ученых в области типологии данных и проведения периодизации динамики, а также стратегического управления в части портфельного анализа. Использованы нормативные документы, регламентирующие организацию и ведение статистического учета органами государственной статистики, деятельность отдельных сегментов и видов экономической деятельности. В качестве исследовательского и аналитического аппарата применялись методы статистического наблюдения, выборочные обследования, группировки, многомерный статистический анализ, эвристические методы типологии, факторный и компонентный анализ, матричные модели. Обработка исходной информации, моделирование и расчеты выпол-нены с использованием пакетов прикладных программ MS Excel и Statistica 8.0.

Информационная база исследования включает официальные данные Росстата, материалы выборочных обследований бюджетов домашних хозяйств по Новосибирской, Омской, Кемеровской, Томской областям, Алтайскому краю, Республике Хакассия, официальные данные Книжной палаты Российской Федерации, данные выборочных обследований предприятий малого бизнеса г. Новосибирска, проведенных автором в 2004-2007 годы, внутрихозяйственная статистика одного из новосибирских издательств за 1990-2008 гг.

Научная новизна диссертационного исследования заключается в развитии совокупностной концепции типологии данных путем интеграции методов типологической группировки, портфельного анализа и периодизации.

Основной научный результат, полученный автором - создание комплексной методологии периодизации рядов динамики, основанной на совместном использовании разных подходов и методов. Впервые предложены и апробированы на конкретных совокупностях и процессах основные методы проведения периодизации - историческая, параллельная периодизация, периодизация комплексных рядов динамики средствами многомерной статистики.

К существенным результатам, обладающим научной новизной и выносимым на защиту, относятся:

· введенное понятие «турбулентная совокупность»;

· выявление и определение «ошибки исчезающей совокупности»;

· поставлен вопрос о целесообразности проведения сплошных обследований субъектов малого предпринимательства с использованием традиционной схемы статистического вывода;

· формулировка подхода к измерению параметров турбулентных совокупностей путем построения системы исторических, фундаментальных и стратегических показателей. Построена модель фундаментальной численности предприятий малого бизнеса г. Новосибирска в 2007 году;

· построение и апробирование на данных конкретного предприятия модели жизненного цикла товара (серий книг) с использованием метода периодизации;

· разработка способа оценки основной составляющей емкости издательского рынка России на основе данных бюджетных обследований домашних хозяйств, позволивший дать реальную оценку негативных тенденций в отрасли;

· оценка перспектив с помощью метода периодизации национального проекта по улучшению демографической ситуации в России и Новосибирской области;

· предложенные методические подходы к решению проблемы определения главного конкурента предприятия на реальных рынках на базе типологий;

· разработка и адаптация к конкретной хозяйственной ситуации вариант матрицы клиентов как пример типологического анализа;

· реализация комплексного подхода к оценке структурной привлекательности книжной отрасли; определение методом ретроспективной исторической периодизации момента начала системного кризиса российского книгоиздания в качестве примера применения предложенного интегрированного подхода.

Теоретическая и практическая значимость работы. Теоретические и методологические положения, выдвинутые и обоснованные в диссертационном исследовании, значительно расширяют область применения и возможности алгоритмов, основанных на совокупностной концепции, в решении задачи типологии данных в статистических исследованиях реальных совокупностей. Разработанный методологический и методический аппарат анализа динамических рядов (периодизация) позволяет улучшить качество прогнозирования на основе экстраполяционных подходов.

Практическое значение определяется возможностью использования выводов, результатов и рекомендаций для решения прикладных задач на различных уровнях и направлениях деятельности.

Методы и алгоритмы типологии данных, рассмотренные в работе, показали свою применимость на реальных информационных массивах, и могут быть рекомендованы к использованию в таких направлениях, как разработка планов социально-экономического развития регионов и муниципальных образований, оценка перспектив реализации национальных проектов, исследование структурной привлекательности отраслей и видов экономической деятельности, для определения инвестиционной привлекательности и эффективности деятельности предприятий реального сектора экономики.

Результаты авторских исследований по малому предпринимательству могут использоваться Росстатом и его территориальными органами для уточнения и корректировки методики сплошных и выборочных обследований малого бизнеса, проведение которых планируется в ближайшем будущем.

Апробация и внедрение результатов исследования. В 1993 году автором была выполнена НИР по гранту Государственного комитета по науке и образованию РФ «Периодизация и конъюнктура макроэкономических процессов».

В течение 2004-2007 гг. выполнено шесть научно-исследователь-ских проектов по проблемам малого бизнеса по заказу мэрии г. Новосибирска (акты о внедрении). Результаты диссертационного исследования были применены ТО ФСГС по Новосибирской области при разработке методологии статистических обследований малого предпринимательства (акт о внедрении). Исследования по оценке структурной привлекательности книжной отрасли, расчеты емкости российского и регионального книжного рынка, матричные модели жизненного цикла продукта и клиентов использовались Новосибирским филиалом «Российского книжного союза» при составлении «Комплексного плана мероприятий по пропаганде и поддержке чтения в Новосибирской области на 2007 г.» (акт о внедрении).

Результаты работы докладывались на международных, всероссийских, региональных конференциях и семинарах, в том числе, на международной конференции по проблемам рыночной экономики (Германия, Бад-Хоннеф, 1996); по проблемам реструктуризации предприятий (Германия, Штудгарт, 1996); на семинаре в рамках первого Всероссийского съезда предпринимателей (Москва, 1997); в рамках программы Британского совета по обучению менеджмента издательской отрасли на семинарах в Новосибирске (2004), в Москве (2004), на международной конференции в Екатеринбурге (2005); на всероссийской конференции в Новосибирске, Белокурихе (2006); на международной конференции в Санкт-Петербурге (2008); на Всероссийском совещании статистиков (2009).

Публикации и результаты исследования нашли свое применение и используются при чтении лекций по следующим дисциплинам: теория статистики, анализ временных рядов и прогнозирование, статистический анализ нечисловой информации, бизнес-статистика, статистические методы в принятии управленческих решений, демографические прогнозы в ГОУ ВПО Новосибирский государственный университет экономики и управления - «НИНХ» (справка о внедрении).

Научные публикации. По результатам выполненного диссертационного исследования опубликовано 43 научные работы, из них 2 монографии объемом 27,0 п.л., (в том числе 20,2 п.л. - авторские), 7 - учебников, учебных пособий - авт. 23,3 п.л., статьи и доклады объемом 20,67 п.л., (в том числе авторские - 17,74 п.л.), из них в изданиях ВАК, рекомендованных для докторских диссертаций 10 статей, общим объемом 6,0 п.л.

Объем и структура работы. Диссертация состоит из введения, пяти глав, заключения, библиографического списка.

Во введении обосновывается актуальность выбранной темы диссертационного исследования, формулируются цели и задачи работы, анализируется степень разработанности проблематики, предмет и объект исследования, отмечаются основные положения и результаты, имеющие научную новизну и выносимые на защиту, обуславливается теоретическая и практическая значимость работы.

В первой главе «Развитие методов получения однородных данных. Исторический и теоретический аспекты анализа» дан критический анализ развития основных методов выделения однородных данных: типологическая группировка, классификации, периодизация, портфельный анализ; оценены состояние, проблемы и перспективы применения методов типологии в прикладных исследованиях.

Вторая глава «Теория, методология периодизации временных рядов» посвящена периодизации временных рядов, обоснованию необходимости и возможности проведения периодизации, концептуальным основам методов проведения периодизации.

В третьей главе «Методологические вопросы построения основных матриц портфолио-анализа» исследованы статистические аспекты построения основных матриц портфельного анализа; обосновано сопоставление этого метода с методом типологической группировки.

В четвертой главе «Современные приложения периодизации социально-экономических процессов» исследованы возможности методов периодизации применительно к периодизации экономики современной России, демографической ситуации России и Новосибирской области.

Пятая глава «Статистическая поддержка управленческих решений. Опыт прикладных исследований» включает апробацию результатов исследования на различных уровнях управления: сегмент, отрасль, предприятие.

В заключении сделаны выводы, предложения.

2. ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ

Методы типологии данных в социально-экономических исследованиях. Проблема однородности данных - центральная в статистическом исследовании. Решение этой проблемы везде и всегда считается необходимым условием корректной статистики. Сравнивая подходы российской и западно-европейской статистических школ можно констатировать, что к решению задачи однородности они шли разным путем: российские ученые через - качественно-количественный подход (совокупностная концепция - дедуктивная), западные - количественно-качественный (вариационная концепция - индуктивная).

Задача типологии данных в рамках совокупностной концепции решается средствами типологической группировки и портфельного анализа, в обработке временных рядов эту проблема решает периодизация. Методы, в основе которых лежит вариационная концепция столь подробно в работе не рассматриваются. Тем не менее, они используются в диссертации с целью верификации полученных результатов.

Среди алгоритмов получения однородной информации, типологическая группировка - один из самых привлекательных инструментов, не случайно типологическая группировка рассматривается рядом ученых в качестве самостоятельного этапа статистического исследования. Решая задачу типологии, группировка обеспечивает возможность последующей корректной сводки информации, построения адекватных систем обобщающих показателей, возможность исследования строения полученных частных совокупностей, измерение взаимосвязей в гомогенных средах, и создает основу для принятия адекватных управленческих решений.

Эффективным инструментом оценки деятельности бизнеса является портфельный анализ. Большинство зарубежных корпораций используют его в управлении. В последние годы он находит все большее применение в российской практике. Портфельный анализ - исследование, с помощью которого менеджмент организации оценивает различные виды продукции и направления хозяйственной деятельности с целью определения наиболее эффективных из них на основе применения специально разработанных нормативных стратегий. Выполнение всех этапов портфельного анализа позволяет: идентифицировать стратегические единицы; позиционировать их на рынке; определить перспективы развития стратегических единиц и их вклад в корпоративный портфель компании.

В работе проведен сравнительный анализ содержания, возможностей, преимуществ и перспектив типологической группировки и портфельных исследований.

Применение рассматриваемых методов разбивается на ряд взаимосвязанных этапов: определение объекта исследования, постановка задачи, наметка типов, выбор группировочных признаков, определение интервалов разбиения, способа группирования, количества фактически полученных типов, представление результатов. Отметим полную согласованность алгоритмов типологической группировки и портфельного анализа по решаемым вопросам, причем типологическая группировка на каждом этапедает более широкую трактовку, чем портфельный анализ. Типологической группировкой рассматриваются все неоднородные множества (общие совокупности), тогда как область применения портфельного анализа ограничена задачами оценки эффективности бизнеса. Соответственно, им исследуются совокупности бизнес-единиц предприятия, ассортимент товаров и услуг, клиентская база. Теоретическим анализом устанавливают типические формы процесса в изучаемой отрасли. В портфельном анализе этот этап также конкретизирован - в качестве теоретической основы исследования используют в основном концепции жизненного цикла товара и отрасли, меню стратегических альтернатив, теорию кривой опыта. Следующий этап - это наметка типов или частных совокупностей, которые раскрывают структуру общей совокупности. В типологической группировке нет ограничений на число теоретически возможных типов, тогда как в портфельном анализе, это количество задается самим алгоритмом (от 4-х (матрица Ансоффа) до 20 (модель жизненного цикла продукта)). При решении вопроса о группировочных признаках и типологическая группировка и портфельный анализ опираются на общий принцип- выполняются только по существенным признакам Однако в типологической группировке число признаков не лимитировано (можно использовать один признак, допускается также разбиение совокупности по всем существенным признакам), тогда как большинство матричных моделей строится в двух координатах, в редких случаях используются три признака. Но в том и другом методах способ группирования представляет собой, по сути, комбинационную группировку. Возможна ситуация, когда типологическая группировка проводится по одному признаку, кроме того, типологическая группировка может быть выполнена как многомерная. Число фактически полученных типов в обоих случаях определяется в результате исследования, оно детерминировано реальной структурой общей совокупности и соответствует числу имеющихся частных совокупностей. Представление результатов одним и другим методом различается: в типологической группировке- это таблицы, в портфельном анализе - графические образы (матричные модели) . Следует также отметить, что алгоритм типологической группировки содержит приемы, которых нет в портфельном анализе, такие как специализация признаков и интервалов.

Проведенное сравнение позволяет сделать вывод о том, что типологическая группировка может рассматриваться в качестве статистической основы теории портфельного анализа.

Возможности и перспективы совместного применения этих методов весьма широкие, хотя современное место теории типологической группировки в системе научных ценностей достаточно непростое. Все без исключения общественные науки в той или иной степени используют идеи типологической группировки. Тем не менее, необходимо констатировать, что типологическая группировка в прикладных исследованиях используется недостаточно. Более того, портфельный анализ, статистическая идеология которого полностью определяется теорией и методологией типологической группировки, в настоящий момент можно рассматривать как ребрендинг типологической группировки. Отметим следующее. Практика показывает, что если какое-либо научное направление становится закрытым, не взаимодействует с другими направлениями - оно начинает постепенно деградировать, напротив, интеграция различных идей и технологий, как правило, усиливает как отдельные составляющие процесса, так и увеличивает совокупный эффект. В этой связи использование преимуществ портфельного анализа (компактное и наглядное отображение позиций и основных проблем бизнеса; простота и доступность; акцент на качественные стороны анализа; возможность немедленного внедрения результатов и главное, активное включение опыта, интуиции, знаний специалистов отрасли, для которой задача решается), интеграция возможностей рассматриваемых методов, появление новых общих совокупностей, таких как турбулентные, открывает новые перспективы применения совокупностной концепции типологии данных в прикладных исследованиях в целом, типологической группировки в частности.

Теория, методология периодизации временных рядов. Периодизация занимает особое место в совокупности методов получения однородных данных.

Как правило, качественному скачку в динамике процесса, приводящему к смене закономерности, предшествует его непрерывное количественное изменение. Следовательно, при изучении хронологических рядов, охватывающих большие периоды времени, важно разбивать их на однокачественные интервалы. Более того, динамическое моделирование всякого сложного процесса невозможно без подробного ретроспективного анализа, существенным аспектом которого является выделение однородных периодов, этапов развития. Периодизация важна с точки зрения определения однородных периодов общественного развития.

Периодизация динамики представляет собой процесс выделения однокачественных этапов (периодов) развития, разбиения динамических рядов на однородные интервалы (см. рис 1). Периодизация, с одной стороны, дает важную информацию о процессе, с другой - закладывает основы для последующего анализа динамики, так как обеспечивает возможность применения методов многомерной статистики, адекватное использование которых возможно лишь в однородных средах. Однако периодизация исключительно редко используется в расчетах. Причин тому несколько, и, основная, с нашей точки зрения, заключается в противоречивости различных условий применения алгоритмов корреляционно-регрессионного анализа (КРА) в рядах динамики. Как известно, к числу основных условий применения КРА относятся:

1) наличие случайной выборки из генеральной совокупности;

2) достаточно большое число наблюдений;

3) независимость наблюдений;

4) значительное превышение численности единиц совокупности числа факторов (в 6 - 8 раз);

5) однородность совокупности;

6) количественное выражение переменных.

Рис. 1. Концептуальная схема методологии периодизации.

Нельзя не заметить противоречие между пунктом 5, с одной стороны, и пунктами 2 и 4 - с другой. Интервалы однокачественной динамики в реальности могут быть небольшими по величине; в то же время значительные хронологические промежутки часто формируются разными законами развития. В анализе рядов динамики приоритет отдается количественным подходам, что связано с выполнением условий 2 и 4 и, соответственно, с игнорированием условия 5. С учетом подобной практики определения и моделирования тенденций во временных рядах не вызывает удивления почти полное отсутствие адекватных моделей, сбывшихся прогнозов; более того, странно, что удачные прогнозы все-таки встречаются.

Следует отметить, что для рядов динамики не представляется возможным выполнить условия 1, 3. Совокупность уровней ряда не может представлять случайную выборку, а наблюдения являются зависимыми. Можно резюмировать, что применение методов математической статистики в обработке временных рядов в любом случае может рассматриваться как компромисс. Соответственно, в этой области мы совершенно вправе оставаться в пределах совокупностной концепции, выбрав в качестве обязательного условия - требование однородности ряда.

Возможность проведения периодизации обеспечивается наличием алгоритмов ее реализации. В работе предложены и апробированы на различных информационных массивах три группы методов периодизации: историческая, параллельная, периодизация методами многомерной статистики.

Историческая периодизация. Наметка однокачественных периодов осуществляется в соответствии с теоретическим анализом применительно к той науке, в рамках которой рассматривается изучаемый процесс. При этом стараются учитывать, прежде всего, крупные аномалии (войны, эпидемии, землетрясения), смену руководства страны, радикальные реформы управления, целевые комплексные программы и пр. Это позволяет иногда достаточно точно выделить однородные этапы, пользуясь средствами качественного анализа.

Параллельная периодизация. Идея метода параллельной периодизации заключается в следующем. Пусть Y - анализируемый показатель развернут в динамический ряд, где- значения уровня ряда в момент (интервал) времени . В этом случае существует такой показатель X, которому соответствует динамический ряд, полностью детерминирующий исследуемый показатель Y. Тогда в качестве однокачественных периодов развития Y можно взять периоды развития X.

Ограниченность применения параллельной периодизации заключается в сложности нахождения детерминирующего показателя временного ряда. Более того, во многих случаях такой параметр вообще невозможно найти, так как он должен обладать редкими, особыми свойствами связи с анализируемым параметром и, главное, иметь известную периодизацию. К тому же получить адекватное отображение однокачественного периода в развитии процесса с помощью лишь одного показателя весьма трудно. Возьмем, например, народное здоровье, уровень развития сельскохозяйственного производства и др. Очевидно, что даже такие комплексные показатели, как смертность, продолжительность жизни, заболеваемость, не являются эквивалентными столь сложному интегрированному явлению, как здоровье. Здесь необходима система показателей или комплексных хронологических рядов. Преимущества системы показателей при осуществлении периодизации состоит в том, что, во-первых, появляется возможность учесть многообразие аспектов, во-вторых, амортизируется искажающее воздействие недостоверных и неточных статистических данных, наконец, в-третьих, множество показателей повышает надежность статистических выводов. В случае использования комплексных динамических рядов периодизация производится методом многомерной средней и методами факторного анализа.

Использование многомерной средней для выделения однокачественных периодов. Для каждого временного момента (интервала) определяем

Где k - число показателей комплексного динамического ряда;

- значение j-го показателя в i-й интервал (момент) времени;

- максимальное по абсолютной величине значение j-го показателя за весь исследуемый промежуток;

Далее находим фактическое значение статистики Стьюдента:

Здесь - средняя ошибка разности средних, которая определяется по формуле:

;

;

где - дисперсия показателей комплексного ряда для момента ;

- нормированный уровень процесса j для момента .

Полученное значение t- статистики сравнивается с (? = 0,05, l = k - 2). При и принадлежат разным этапам развития процесса, в противном случае - одному.

В качестве можно взять уровень ряда, цепной абсолютный прирост, вторую разность уровней, цепной темп роста. Важное значение в таких расчетах имеет коррекция отдельных показателей c позиции их воздействия на многомерную среднюю. Например, при построении многомерной средней здоровья продолжительность жизни, рождаемость учитываются со знаком «+», смертность, заболеваемость, инвалидизация со знаком «-». Эта операция позволяет перейти к однонаправленным слагаемым (поэтому чаще считается средняя скорректированная). В тех случаях, когда используются уровни ряда, будем говорить о периодах состояния процесса, в остальных ситуациях (абсолютные приросты, вторые разности, темп роста) - о периодах динамики процесса.

Применяя t-статистику, получаем естественное разбиение ряда на периоды. При этом мы показываем очень жесткие ограничения. В очевидных ситуациях можно использовать более простые схемы, приводящие к достаточно «хорошим» разбиениям. Так, если заранее известно число периодов, можно воспользоваться следующим алгоритмом, являющимся как бы переходным между «естественным» и «искусственным» разбиением. Преимущества предлагаемой нормированной многомерной средней заключаются, кроме прочего, в заранее известных границах ее изменения. Пусть это интервал []. Величину периода (интервал однокачественной динамики) в этом случае можно оценить как , где - максимальная средняя ошибка. Тогда можно выделить следующие периоды: .

Использование факторного анализа для проведения периодизации. В работе обоснована возможность проведения и дана реализация на конкретных ситуациях периодизации комплексного динамического ряда с помощью факторного анализа, в частности, использовались метод главных компонент и метод главных факторов. Решение задач включает, во-первых, формирование исходной матрицы наблюдений , где - уровень (или абсолютный прирост) k-го показателя в момент времени t_i (обычно в i-м году); во-вторых, поиск факторного решения в виде , где - время, - общие факторы, - специфический фактор.

Общие факторы предлагается рассматривать в качестве оснований для выделения периодов. Понятно, что в данном случае, как и в ситуации с многомерной средней, период будет представлять совокупность лет, не обязательно хронологически следующих друг за другом. Включение в (иначе, года в однородный период ) детерминируется величиной a_ij - факторной нагрузкой, представляющей линейный коэффициент корреляции между и соответствующим годом . Общий фактор может включать в себя два периода с разнонаправленной динамикой одинаковой интенсивности (рост и снижение) в том случае, если есть отрицательные и положительные нагрузки на этот фактор.

Применение портфельного анализа для выделения периодов. Задачи, решаемые с помощью методов периодизации, не ограничиваются получением однородных интервалов развития временного ряда. В частности, в работе рассмотрена возможность использования периодизации в построении одной из важных матриц портфельного анализа - модели жизненного цикла товара. Модель «жизненный цикл - конкурентная позиция» - результат сопряжения четырех стадий жизненного цикла товара и пяти конкурентных позиций бизнеса (доминирующая, сильная, прочная, заметная, слабая). Эта задача привлекательна тем, что имеется четкая постановка проблемы: стадии жизненного цикла (внедрение, рост, зрелость, спад) можно рассматривать как периоды однокачественной динамики. Это позволяет корректно и быстро решить проблему наметки теоретически возможных типов. На следующем этапе имеется примерная система рекомендуемых параметров, значения которых позволяют, с одной стороны, искать критические точки перехода количественных изменений в качественные скачки развития процесса, с другой - дают возможность построить на основе этих параметров комплексный ряд динамики и провести его периодизацию; кроме того, разработаны нормативные стратегии развития товаров, адекватные фактически полученным типам динамики - стадиям жизненного цикла (например, уточненные стратегии ADL). Особенности и проблемы построения модели жизненного цикла исследованы на данных одного из новосибирских книжных издательств.

Применение периодизации в прикладных исследованиях.. Ограниченное число публикаций по данной проблематике потребовало, помимо уточнения и развития теории и методологии, значительных усилий по апробации предложенных алгоритмов. Одним из важных направлений типологии данных является анализ клиентов. Цель анализа состоит в определении типов клиентов, выявлении важнейших клиентов и выяснения их покупательского поведения. В оценке клиентской составляющей достаточно широко используется портфельный анализ. Общей особенностью используемых в практике управления матричных моделей клиентов является их направленность на нужды крупного и среднего бизнеса, в частности таким инструментом является известная модель ABCD. В этой связи определенный практический и научный интерес может представлять разработанная нами матрица клиентов, ориентированная на потребности малого предпринимательства

В диссертации приведены результаты, полученные в ходе выполнения хоздоговорных работ, госбюджетных исследований, гранта Комитета по науке и образованию РФ (1993-1994 гг.). Такие исследования проводились в течение 1988-2007 гг. На реальных данных апробированы алгоритмы периодизации состояния и динамики здоровья и здравоохранения г. Новосибирска (1965-1995), Шарыповского района Красноярского края (1981-1989), периодизация развития здравоохранения г. Рубцовска (1976-1989), проведена периодизация развития сельского хозяйства России (1960-1991). Были проведены работы по периодизации экономики России (1991-2004), демографической ситуации в России и Новосибирской области (1980-2006).

Ошибка исчезающей совокупности. Малое предпринимательство постепенно становится заметным явлением российской действительности. Для экономики это означает создание рабочих мест, конкурентной среды, особого вклада в ВВП, налоговых поступлений. В политике и социальной сфере малый бизнес - это среда формирования среднего класса. Как следствие этих позитивных ожиданий можно рассматривать принятие очередного закона («О развитии малого и среднего предпринимательства в Российской Федерации» № 209-Ф3 от 24 июля 2007 года), который создает нормативную основу деятельности государственной российской статистики в исследовании результатов деятельности малого бизнеса. Законом, в частности, предусматривается порядок проведения, примерные сроки и периодичность сплошных статистических наблюдений (раз в пять лет, начиная с 2010 года) и выборочных наблюдений (ежемесячно и (или) ежеквартально). Микропредприятия (с численностью работников до 15 чел.) предполагается обследовать на основе репрезентативных выборок раз в год.

С помощью сплошного обследования может быть сформирована генеральная совокупность субъектов малого предпринимательства, которая в дальнейшем выступает в качестве основы для текущих выборочных наблюдений. Определенный опыт проведения таких наблюдений уже накоплен. В частности, Федеральной службой государственной статистики в 2000 году было проведено сплошное наблюдение малого предпринимательства. Проводятся выборочные обследования, апробируются соответствующие методики.

Но имеется еще одна сторона проблемы. В процессе обследования 2000 года был получен очень интересный результат (тогда Росстат признал его как негативный) - удалось в реальности обследовать лишь около 80% субъектов малого предпринимательства из числа зарегистрированных. К сожалению, этот результат не был своевременно должным образом проанализирован, и, судя по всему, не вполне эффективные алгоритмы наблюдения предполагается применять и в дальнейшем, только уже на «законном» основании.

Рассмотрим подробней принципиальную схему статистического вывода для оценок деятельности малого предпринимательства (рис. 2).

Рис. 2. Алгоритм статистического вывода о деятельности малого бизнеса.

портфельный информационный статистический

Генеральную совокупность образуют, внесенные в единый государственный реестр субъекты малого предпринимательства (потребительские кооперативы и коммерческие организации), а также физические лица, внесенные в единый государственный реестр индивидуальных предпринимателей с учетом установленных ограничений: по численности занятых (до 100 человек); доля в уставном капитале не должна превышать 25% как для государства, его субъектов, муниципальных образований, нерезидентов, фондов, так и для предприятий среднего и крупного бизнеса; по выручке или активам (предельные значения этих показателей в настоящий момент не заданы).

Формирование основы выборки есть не что иное, как упорядоченный перечень объектов, содержащихся в генеральной совокупности (регистре). Из него производится выборка, то есть формируется случайным образом отобранная часть генеральной совокупности. Для ее характеристики используют статистики - показатели, рассчитанные по выборке. Затем производится оценка параметров - тех же характеристик для генеральной совокупности. Все это проводится в рамках статистического вывода, т.е. распространения результатов выборки на генеральную совокупность.

Итак, алгоритм оценки деятельности и вклада малого предпринимательства выглядит следующим образом. По данным регистрации определяется и отграничивается генеральная совокупность, формируется основа, проводится случайная выборка из основы, по результатам выборки делается статистический вывод - оцениваются параметры генеральной совокупности (например, объем ВВП или ВРП, созданный малым бизнесом). Остановимся подробней на тех этапах, где, с нашей точки зрения, присутствуют наиболее существенные риски смещений будущих оценок (табл. 1).

Таблица 1

Риски получения смещенных оценок для этапов статистического вывода

Этап статистического вывода	Область риска	Вид ошибки	Характер ошибки	Уровень возможного смещения оценки
1. Формирование генеральной совокупности	Неполная регистрация	Ошибка отказа	Систематическая	Незначительный, можно даже пренебречь в рамках сформулирован-ной задачи - обследуется зарегистрированный малый бизнес
2. Формирова- ние основы	Фирмы-однодневки	Ошибка охвата	Систематическая	Значительный
	Собственно малый бизнес	Ошибка отказа	Систематическая	Значительный
	Аффилированные структуры	Нет	Нет	Отсутствует
3. Выборка	Отступление от принятой схемы отбора	Ошибка выборки	Случайная	Практически отсутствует
4. Статистичес-кий вывод	Генеральная совокупность	Ошибка «исчезающей» совокупности	Систематическая	Значительный

Совокупность субъектов малого предпринимательства не является качественно однородной с позиций возможности проведения статистического наблюдения. В этой связи можно выделить как минимум три типа предприятий: фирмы-однодневки, собственно малый бизнес, аффилированные структуры. Фирмы-однодневки полностью выпадают из статистического учета, что вовсе не означает отсутствие результатов деятельности этой категории. Налицо систематическая ошибка наблюдения - ошибка охвата. В течение нескольких последних лет нами были проведены выборочные обследования организаций малого бизнеса (по заказам мэрии г. Новосибирска). Было обследовано около 600 организаций, изучались различные вопросы - отношение к налогам, административные барьеры, факторы роста, продолжительность жизни малых предприятий и прочее. Малый бизнес в принципе не расположен предоставлять о себе хоть какую-то информацию. По ряду видов экономической деятельности процент отказов доходил до 80. В этой категории значителен риск ошибки отказа, а также систематической ошибки наблюдения.

Особенностью малого предпринимательства является его стремительное обновление. Так, по данным Всемирного банка из вновь организуемых малых предприятий, через год действующими остаются примерно 50%, через три года - 8%, через пять лет - не более трех процентов (банкротства для основной их части, переход в средний и крупный бизнес для других). Структура российского малого предпринимательства отличается от структуры малого бизнеса развитых стран, и мы в своих расчетах получили несколько иные, но достаточно близкие результаты. В первый год со сцены уходит около 60% субъектов малого бизнеса (за счет фирм-однодневок). В то же время пятилетний срок удается прожить 5-7% зарегистрированных предприятий (аффилированные структуры менее подвержены рискам реального бизнеса). Даже при постоянной общей численности малых предприятий (заметим, что в реальности этого нет, их численность в последние годы увеличивалась в среднем на 5% в год) коэффициент обновления превышает 60%. Меняется структура генеральной совокупности, предприниматели переходят в более рентабельные отрасли, идут вслед за налоговыми льготами и т.п. В итоге статистический вывод делается для генеральной совокупности, которой уже нет. Налицо систематическая ошибка наблюдения, которую мы предлагаем называть «ошибкой исчезающей совокупности».

Совокупности и показатели. Совокупность - фундаментальная категория статистики. В современной теории и практике статистики применяется ограниченное число классификаций совокупностей, назовем основные из них: по степени однородности (общие, частные), по представительности (генеральная, основной массив, выборочная), по сущности, т.е. характеристике качества совокупности (население, рабочие, малое предпринимательство, муниципальные образования и т.п.). С нашей точки зрения, необходимо включить еще один признак классификации совокупностей - динамический. С этой целью предлагается ввести понятия стационарной, стабильной и турбулентной совокупностей.

Стационарная совокупность - множество единиц одного качества, в котором численность и структура по образующему совокупность признаку инвариантны во времени. Стабильная совокупность - та, в которой изменение численности происходит в соответствии с известным законом, структура при этом не претерпевает в динамике значимых изменений. Турбулентная (нестабильная) совокупность - это совокупность, численность и структура которой радикально меняются с течением времени.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис. 3. Примеры показателей оценки деятельности предприятия
во временном разрезе.

Также с позиций времени мы рекомендуем подходить к классификации показателей (рис. 3). Заметим, что приведенные классификации показателей довольно часто используются в прикладных задачах (например, в управлении). Исторические показатели дают основу для анализа прошлого (иногда такую статистику называют посмертной), фундаментальные - для оценки настоящего, стратегические - для оценки шансов или рисков будущего. На рисунке 3 показан пример данного подхода на уровне отдельного предприятия.

Пока что в статистике весьма редко используется такая классификация. Причины этого, на наш взгляд, состоят в том, что в основном системы обобщающих показателей строятся для стационарных и стабильных совокупностей, и представляют собой исторические системы показателей.

В стационарных совокупностях исторические характеристики несут фундаментальное и стратегическое содержание. Для стабильных совокупностей оценка будущего может быть получена путем построения системы исторических и фундаментальных параметров. С ростом вариации изучаемой совокупности во времени снижается информационная ценность исторических и фундаментальных показателей. Для турбулентных совокупностей информационное значение исторических параметров стремится к нулю, определяющую роль играют оценки настоящего и шансов (рисков) будущего. Множество субъектов малого предпринимательства является турбулентной совокупностью, и поэтому традиционная схема статистического вывода приводит не только к значительным рискам смещения, но и традиционно ориентирует на получение исторических показателей, что в сумме никоим образом не повышает адекватность принимаемых решений.

В этой связи нами были предприняты попытки достроить систему традиционных параметров оценки деятельности малого предпринимательства фундаментальными и стратегическими характеристиками. В частности, была формализована и выполнена оценка параметров модели численности предприятий малого бизнеса в г. Новосибирске в 2007 году на основе формулы:

,

где: S(t) - фундаментальный параметр численности предприятий;

- исторический показатель численности (основан на численности зарегистрированных субъектов малого предпринимательства);

- значимые и измеряемые ограничители роста численности;

- значимые катализаторы роста численности малых предприятий. Были выделены следующие параметры модели: - уровень арендной платы; - давление налоговой службы РФ посредством «системы признаков подозрительной компании»; - воздействие оборотных и фиксированных налогов (НДС, ЕНВД и проч.), - индекс предпринимательской активности населения, - уровень материальной поддержки малого предпринимательства.

В качестве информационной базы исследования использовались данные ТО ФСГС по Новосибирской области, результаты собственных выборочных исследований предприятий малого бизнеса. Ряд характеристик пришлось оценивать экспертным путем.

...