5.6 Збір і обробка початкової інформації

На стадії вибору форми зв'язку будується абстрактна модель, оскільки вона тільки в загальних рисах відображає взаємозв'язок змінних за допомогою встановленого алгебраїчного рівняння. Щоб перетворити абстрактну модель у робочу, її необхідно наповнити внутрішнім змістом, або, іншими словами, вона повинна бути реалізована на основі початкової інформації.

Дані, які використовуються для обчислення виробничих функцій, з урахуванням певних ознак можна розділити на:

• експериментальні і неекспериментальні;

• просторові і часові.

Експериментальні дані формуються на основі спеціально поставлених експериментів; неекспериментальні дані формуються на основі матеріалів бухгалтерської, статистичної і оперативної звіт­ностей, спостережень і обстежень, які здійснюються у відповідності з планом проведення дослідження.

Видається, що до моделей, побудованих на основі експериментальних даних, повинні бути висунуті "жорсткіші" вимоги при оцінці їх надійності з точки зору вимог до рівня певних статистичних показників у порівнянні з моделями, побудованими на основі неекспериментальних даних, оскільки для перших більш характерна помилка спостереження, у той час, як другі базуються на, так званих, "даних факту".

Просторові або, по-іншому, перехресні дані характеризують сукупність елементів за одночасними ознаками, наприклад, вироб­ництво продукції на підприємствах галузі за рік.

Якщо певні показники взяті по одному і тому ж об'єкту за ряд років, то вони утворюють часові дані, які звичайно називаються динамічними рядами або рядами динаміки.

Виробничі функції, побудовані на підставі перехресних даних, відображають взаємозв'язки тільки за досліджуваний період. Вони зручні для проведення міжзаводського порівняльного аналізу, однак практично не придатні для прогнозування.

Виробничі функції, обчислені на основі динамічних рядів, дозволяють оцінити не лише взаємозв'язок показників, але і тенденцію їх змін, тому вони успішно використовуються для побудови прогнозів.

Важливою проблемою у побудові виробничих функцій є вели­чина вибіркової сукупності, тобто кількість об'єктів при використанні перехресних даних, або число рівнів у використанні динамічних рядів. Для формалізації зазначеної проблеми зроблена спроба встановити межі величини вибірки в залежності від кількості введених у модель факторів. Вважається, що кількість елементів вибірки повинно переважати кількість параметрів рівняння принаймні в 5-6 раз [41].

Вважаємо, що зазначені вимоги не можуть бути однозначними відносно перехресних даних і динамічних рядів. Для перехресних даних слід прагнути максимально, наскільки це можливо, збільшити вибіркову сукупність.

Відносно величини динамічного ряду (тривалість "передісторії") є різні тлумачення. Одні автори вважають, що для побудови виробничої функції необхідно використати потужний статистичний масив [4]; інші ж висловлюють думку, що цінність ретроспективної інформації по мірі зростання її давності зменшується, знижується в результаті цього її передбачувальна сила [40]. Існує навіть матема­тичне доведення, згідно якого для побудови прогнозу оптимальна довжина динамічного ряду повинна знаходитися у межах 10-ти елементів [21].

Досвід свідчить, що рекомендації щодо довжини динамічного ряду не можуть бути однозначними. Величина "передісторії" визна­чається метою дослідження, особливостями об'єкта дослідження та іншими чинниками.

До початкової інформації, яка використовується для обчислення виробничої функції, пред'являються певні вимоги. Передусім, вибіркова сукупність повинна відзначатися якісною однорідністю. Згідно з цією вимогою із вибірки виключаються нетипові елементи. Це можуть бути, наприклад, підприємства, які виробляють нехарактерну для досліджуваної галузі продукцію. При аналізі підприємств первинної переробки сільськогосподарської сировини із динамічних рядів виключають періоди, у яких природні умови мали суттєвий вплив на результати їх діяльності.

В окремих випадках вся вибіркова сукупність ділиться на декілька однорідних груп.

Початкова інформація повинна бути однозначною, достовірною, повною, приведеною до єдиних цін і умов та, по можливості, первинною, тобто такою, яка вибирається безпосередньо зі звітних даних. У такому випадку за наявності певного програмного забезпечення видається можливість сформувати масив інформації згідно векторів-стовпців змінних.

Вибіркова сукупність даних, яка складається із окремих елементів, характеризується низкою узагальнюючих показників. Окремі з цих показників універсальні, тобто єдині для будь-якої вибірки (перехресної або часової: середні, середнє квадратичне відхи­лення, дисперсія, середнє абсолютне відхилення, розмах, коефіцієнт варіації), інші використовуються тільки для обробки рядів динаміки (абсолютний приріст, середній абсолютний приріст, темп зростання, середній темп зростання та ін.).

Враховуючи критичні зауваження відносно статистичних методів обчислення середніх значень аналітичних показників рядів динаміки, висувається пропозиція щодо вдосконалення існуючої методики, суть якої полягає у наступному.

Зазвичай середній абсолютний приріст і середній темп зростання розраховуються відповідно за такими формулами:

(2.4)

Наведені формули мають один суттєвий недолік: значення середніх величин залежать тільки від крайніх рівнів динамічного ряду, і, отже, не відображають реальні тенденції, що склалися у досліджуваному періоді.

Щоб усунути зазначені недоліки, при розрахунках середніх значень динамічного ряду рекомендується використовувати не початкові дані, а розрахункові, визначені на основі часового тренда [30].

Зважаючи на вищевикладене, формули (2.4) набувають такого вигляду:

; , (2.5)

де , - розрахункові на підставі рівняння тренда значення крайніх рівнів динамічного ряду.

Крайні розрахункові значення динамічного ряду, отримані на основі апроксимуючої функції, знаходяться у певному взаємозв’язку зі всіма елементами динамічного ряду. Тому використання їх у розрахунках середніх значень рівнів динамічного ряду дозволяє отримати точніші й обґрунтованіші значення шуканих показників.