Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Prikl_Soc_full

.pdf
Скачиваний:
82
Добавлен:
12.03.2015
Размер:
3.57 Mб
Скачать

Глава 18. Прогнозирование социальных процессов

271

 

 

Последовательные темпы роста, выраженные в долях еди ницы, вычисляются по соотношению pn qn 1.

Если темп роста устойчивый, то для вычислений можно ис пользовать средний темп роста:

 

q

n

 

1 q

1

q

2

q

n

n

 

1 x

n

/ x

1

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Точность прогноза на основе расчета темпов роста для со циальных процессов невысока. В целях повышения точности в уровневые значения прогнозируемого процесса приходится вносить коррективы.

Для получения значений, являющих собой минимальный набор для прогнозирования, необходимо провести не менее трех повторных исследований, числовые данные которых пол ностью сопоставимы.

П р и м е р прогнозирования тенденций в опоре на темпы роста рассмотрен далее. Предмет прогнозирования – ожидае мое участие электората в голосовании за два месяца до выборов депутатов в Государственную Думу (17 декабря 1995 г.). Число вые уровневые значения получены в результате шести сопоста вимых всероссийских исследований, проведенных в июле, ав густе, сентябре, октябре, ноябре и в начале декабря 1995 г., т.е. базу прогноза составляют шесть значений, выраженных в про центах и структурированных в соответствии с использованной номинальной шкалой измерения.

Интервал упреждения при прогнозе равен 10 дням (от счет от последнего опроса 7 декабря и до дня голосования 17 декабря).

Рассмотрим три модели прогноза, дающие разную степень достоверности тенденций. Во всех трех случаях используется расчет темпов роста (геометрическая средняя) с последую щим расчетом прироста доли решивших участвовать в голосо вании.

Модель 1. В данной модели прогноз основан на предполо жении, что численность всех трех групп избирателей – решив ших голосовать, решивших не голосовать и «колеблющихся», хотя и будут изменяться, однако сохранятся до последнего мо мента времени голосования (табл. 18.1).

272 Раздел 3. Анализ и использование результатов исследования

Т а б л и ц а 18.1. Тенденция изменения доли избирателей, готовых участвовать или не участвовать в голосовании, %

 

Динамика доли избирателей, занимающих ту или

 

 

 

иную позицию

 

 

Установка избирателей

 

 

 

 

 

 

 

22

27 ав

27 сен

27 ок

Прогноз на дату

 

 

 

 

 

27 но

7 де

17 де

 

июля

густа

тября

тября

 

 

 

 

 

ября

кабря

кабря

 

 

 

 

 

 

 

 

Будут голосовать при

43,0

46,0

41,0

51,6

56,8

62,2

62,5

любых обстоятельствах

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Не будут голосовать ни

 

 

 

 

 

 

 

при каких обстоятель

27,0

13,0

22,0

17,1

13,6

11,3

10,8

ствах

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Еще не решили

30,0

41,0

37,0

31,3

29,6

26,5

26,7

 

 

 

 

 

 

 

 

Итого

100

100

100

100

100

100

100

 

 

 

 

 

 

 

 

Теоретически такое предположение правдоподобно, так как избиратели имели право «колебаться» вплоть до 22 часов 00 минут 17 декабря (окончание голосования). Естественно, не приняв решения голосовать, с 22.00 «колеблющиеся» приобре тут статус «не голосовавших». В этом случае прогноз может быть сформулирован так: 17 декабря придут голосовать 68,4 % и не придут голосовать 31,6 % избирателей. Расчет темпов рос та производился из соотношения для первого ряда уровневых значений: 46,0:43,0==1,071,1; 41,0:46,0 = 0,89; 51,6:41,0 = 1,26; 56,8:51,6 = 1,1;07; 62,5:62,2 = 1,0.

Средний темп роста равен 4107, 0,89 1,26 11, 10, 107, 11,. Уровневое значение (прогностическое) на 17 декабря равно

62,2 % 1,1 = 68,4 %.

Аналогично осуществляются прогностические расчеты и для других рядов распределения числовых показателей.

Модель 2 построена на гипотезе, что «колеблющиеся» в ито ге распределятся в той же пропорции, что и решившие голосо вать или не голосовать, т.е. если доля решивших голосовать со ставляла в октябре 51,6 %, а решивших не голосовать – 17,1 %, то 31,3 % «колеблющихся» имеют тенденцию «распасться» на две части, одна из которых – 75,1 % от численности «колеблю щихся», будет состоять из решивших примкнуть к голосую

Глава 18. Прогнозирование социальных процессов

273

 

 

щим, а 24,9 % – к не желающим голосовать. Расчет здесь прост: 51,6 + 17,1 = 68,7 – принимается за 100 %; после чего вычисля ется доля 51,6 % и 17,1 % в 68,7 % (соответственно 75,1 % и 24,9 %). Далее рассчитываются полученные доли в составе «ко леблющихся». Итогом является тенденция распределения электората по полярным установкам (табл. 18.2).

Т а б л и ц а 18.2. Тенденция изменения доли избирателей, готовых участвовать или не участвовать в голосовании, при пропорциональном разбиении «колеблющихся», %

 

Динамика доли избирателей, занимающих ту или иную по

 

 

 

 

зицию

 

 

 

Установка изби

 

 

 

 

 

 

 

 

 

 

 

Прогноз на дату

рателей

22

27 ав

27 сен

27 ок

 

 

 

 

27 но

7 де

17 де

 

июля

густа

тября

тября

 

 

 

 

 

ября

кабря

кабря

 

 

 

 

 

 

 

 

Однозначно будут

61,4

78,0

65,1

75,1

80,7

84,6

85,3

голосовать

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Однозначно не

38,6

22,0

34,9

24,9

19,3

15,4

14,7

будут голосовать

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Итого

100

100

100

100

100

100

100

 

 

 

 

 

 

 

 

Очевидно, что такой высокий процент явки электората к избирательным урнам, как получился в модели 2, маловероя тен. Следовательно, пропорциональная разбивка «колеблю щихся» на голосующих и не голосующих сообразно данным на тот или иной момент предвыборной кампании имеет весьма большую погрешность.

Модель 3 основана на коррекции данных табл. 18.1 не про порционально решившим голосовать и не голосовать (как в табл. 18.2), а с поправкой на «коэффициент устойчивости» ре шения избирателей на день исследования.

Коэффициент коррекции можно определить, если при нявшим решение (на момент опроса) голосовать или не голо совать задать вопрос, является ли их решение окончательным, а «колеблющихся» спросить, в каком направлении наиболее вероятно изменение их позиции: голосовать или не голосо вать.

274

Раздел 3. Анализ и использование результатов исследования

 

 

Дадим наиболее общее описание коэффициентной по правки, вычисленной в ходе исследования: 1) из числа тех, кто принял решение участвовать в выборах, к моменту собственно голосования к избирательным урнам не придут 13,7 %; 2) из числа, принявших решение не голосовать, 17 декабря все таки придут к избирательным урнам 23,6 %; 3) из числа «колеблю щихся» к избирательным урнам придут только 22,9 %. Прогноз с учетом этих поправок дан в табл. 18.3. В данном случае для уп рощения и иллюстративности модели коррекция осуществле на при помощи перечисленных поправок для уровневых значе ний каждого месяца.

Т а б л и ц а 18.3. Тенденция изменения доли избирателей, готовых участвовать или не участвовать в голосовании, с учетом окончательно принятого ими решения, %

 

Динамика доли избирателей, занимающих ту или иную по

 

 

 

 

зицию

 

 

 

Установка изби

 

 

 

 

 

 

 

 

 

 

 

Прогноз на дату

рателей

22

27 ав

27 сен

27 ок

 

 

 

 

27 но

7 де

17 де

 

июля

густа

тября

тября

 

 

 

 

 

ября

кабря

кабря

 

 

 

 

 

 

 

 

Однозначно будут

50,4

52,2

49,0

56,0

56,3

62,8

61,7

голосовать

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Однозначно не

49,6

47,8

51,0

44,0

43,7

37,2

38,3

будут голосовать

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Итого

100

100

100

100

100

100

100

 

 

 

 

 

 

 

 

Фактический выход на голосование составил 17 декабря 65,0 %, следовательно, погрешность по модели 1 равна 3,4 %, по модели 2 – 20,3 %, по модели 3 – 3,3 %. Модели 3 и 1 обеспе чили наиболее точный прогноз.

Один из существенных недостатков описанных прогности ческих моделей – ограниченный интервал упреждения. Мак симальный интервал упреждения для модели 1 (по первому го ризонтальному ряду уровневых значений) – 4 месяца, включая декабрь. Прогноз на 5 й месяц дает значение 100,1 %, что не корректно, так как более 100 % избирателей физически не мо гут прийти на выборы.

Глава 18. Прогнозирование социальных процессов

275

 

 

Для модели 2 максимальный интервал упреждения – 2 ме сяца, включая декабрь; для модели 3 – 7 месяцев, поэтому ее правомерно считать наиболее устойчивой.

Результаты очередного повторного исследования для полу чения дополнительного уровневого значения могут уточнить интервал упреждения и удлинить его.

1818..55..МетодМетодсгласглаживанияи динамическогого ряда

Данный относительно простой метод использу ется для выявления тенденций развития социальных явлений, но его применение в прикладной социологии требует проведе ния не менее шести повторных исследований. Суть его заключа ется в замене фактических уровней динамического ряда расчет ными, имеющими значительно меньшую колеблемость, чем ис ходные данные. Один из приемов сглаживания вариации сводится к расчету скользящих средних. При этом вычисляется среднее для 2, 3 и т.д. совокупностей уровней. Предпочтительно брать в совокупностях нечетное число уровней. Скользящее среднее для i й совокупности рассчитывается по формуле:

tk

xi

 

 

t

 

i t

 

k

,

 

x

 

 

 

 

 

 

 

 

 

m

где xt – скользящее среднее на момент t 1, 2 i; xi – факти ческое числовое значение уровня на момент i в интервале сгла живания; m – число уровней в интервале сглаживания.

Величина k определяется следующим образом:

km 1 (при нечетном m). 2

Пример рассчитаем, опираясь на данные табл. 18.3 и исходя из того, что представленные в таблице шесть уровней – фактиче ские (реально проведенные всероссийские опросы избирателей с 22 июля по 7 декабря). В целях прогноза необходимо сгладить ко лебания ряда, для чего вычисляем скользящие средние:

k3 1 1; t = 5 – общее число уровней ряда;

2

276

 

 

 

Раздел 3. Анализ и использование результатов исследования

 

 

 

 

 

 

 

 

 

2

1

 

 

 

 

 

 

 

 

xi

 

 

 

 

xt

2

 

1

 

 

x1

x 2 x 3

 

1516,

50,5%.

 

 

 

3

 

 

3

 

 

 

 

 

 

3

 

Соответственно

x 2 52,4%, x 3 53,8%, x 4 58,4%, x 5 60,3%.

Результат сглаживания ряда распределения отображен на рис. 18.1. Итоговый прогноз участвующих в выборах составля ет 66,6 %.

70

%

 

 

 

 

 

62,8

66,6

 

 

 

 

2

 

58,4

 

60

 

 

52

56,0

61,9

 

 

52,2

 

 

50,4

,4

 

 

56,3

 

 

50

 

50,5

 

 

53,8

 

 

 

49,0

 

 

 

 

 

1

 

 

 

 

 

40

 

 

 

 

 

 

 

 

 

 

 

 

 

 

22июля

 

27августа

27сентября

 

27октября

27ноября

7декабря

17декабря

 

 

Рис. 18.1. Линия тренда после сглаживания:

 

 

1 – распределение ряда уровней до сглаживания; 2 – распределение ряда уровней после сглаживания

Прогнозирование в опоре на расчет трендов основывается на гипотезе, согласно которой общая тенденция развития со циального процесса во времени сохраняется весь период упре ждения. Прогноз в этом случае сводится к экстраполяции трендов. Прогнозирование, базирующееся на экстраполяции, заключается в создании моделей трендов.

188..66..РегрессионныйРегрессионныйанализанализ

Модели прогноза могут быть построены с при влечением регрессионного анализа, в особенности, если взаи мосвязь признаков удается представить в виде регрессионного уравнения. В таком уравнении интегрирована взаимосвязь ис следуемого признака с рядом факторных признаков, опреде ляющих вариацию исследуемого признака.

Глава 18. Прогнозирование социальных процессов

277

 

 

Расчет подобных моделей – математически сложный и тру доемкий процесс, требующий привлечения математика. Ре зультат прогноза в этом случае будет представлять собой оцен ку среднего значения исследуемого (зависимого) признака при заданных уровнях факторных признаков.

Регрессионный анализ позволяет строить прогностические модели и осуществлять теоретический эксперимент. Для урав нения регрессии определяют доверительные интервалы с тем, чтобы найти область, в которой следует ожидать значение про гнозируемой величины. При помощи регрессионного урав нения оценивают степень зависимости контролируемого признака от факторных. В качестве примера можно построить регрессионную модель, позволяющую прогнозировать электо ральное поведение населения в зависимости от таких фактор ных признаков, как пол, возраст, профессия, место прожива ния, этническая принадлежность, образование и уровень до хода.

Регрессионный анализ предполагает решение двух задач: выбор взаимно независимых (факторных) переменных,

влияющих на вариацию значений исследуемого показателя, и определение формы уравнения регрессии;

оценку параметров с использованием того или иного статисти ческого метода обработки первичной социологической ин формации.

В зависимости от числа признаков, взаимосвязь которых исследуется, регрессия может быть парной или множествен ной.

Наиболее простая форма модели парной регрессии (взаи мосвязи двух признаков х и у) – линейное уравнение:

yi a bxi i ,

где i – случайная величина погрешности уравнения при ва риациях признаков, иными словами, отклонение уравнения от линейности.

Коэффициенты а и b в прикладной социологии могут быть оценены только статистически, т.е. вероятностно. Для этого используется метод наименьших квадратов.

Н а п р и м е р, пусть вариация решения электората участво вать в голосовании у зависит от возраста х избирателей. Пред

278

Раздел 3. Анализ и использование результатов исследования

 

 

положим, что проведено 8 повторных исследований, выявляю щих фактические значения хi и yi (i = 1, 2,...,8). Поиск линейно го уравнения регрессии можно провести графически (рис. 18.2).

у

 

 

 

 

6,95

 

 

 

6,5

6,45

у

 

 

5,4

 

 

 

4,9

4,95

5,95

 

 

 

5,7

 

 

4,3

5,45

 

 

 

 

3,45

 

 

 

3,4

4,45

4,7

 

 

2,45

 

3,95

 

 

 

2,95

3,0

 

 

 

 

х

 

 

 

 

 

 

 

Возраст

 

 

х

 

 

 

 

 

Р и с. 18.2. Линейная модель регрессии

 

 

Параметры a и b в линейном уравнении должны быть по добраны так, чтобы i2 min (была минимальной сумма

i

квадратов отклонений фактических значений регрессии от прямой). Тогда коэффициенты a и b могут быть вычислены из системы уравнений:

n

 

n

yi

na b xi ;

i 1

i

1

n

n

n

xi yi

a xi b xi2 .

i 1

i 1 i 1

Как следует из рис. 18.2, метод наименьших квадратов дает такие оценки коэффициентов a и b, при которых прямая про ходит через точку с координатами x и у (т.е. выполняется соот ношение y ax b).

Если вариация значений контрольной переменной (реше ние об участии в выборах) зависит от вариации нескольких признаков (возраст, образование, профессия и т.д.), тогда ли нейное уравнение множественной регрессии имеет вид:

yi a1 xi 1 a2 xi 2 ... an xin i .

Глава 18. Прогнозирование социальных процессов

279

 

 

Расчет подобной модели осуществляется при помощи ме тодов матричной алгебры, в связи с чем необходимо использо вать специальные компьютерные программы.

Общая логика выбора модели прогноза представлена на рис. 18.31.

Прогноз как поиск вероятностных эмпирических показателей периода упреждения

 

 

 

 

Требования

 

Компоненты ряда

 

 

 

Виды

 

 

 

распределения

 

Методы

 

 

к модели

 

 

прогнозирования

 

 

 

количественных

 

прогноза

 

 

прогноза

 

 

 

 

 

 

 

параметров

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Аналогия

 

 

Обоснованность

 

Тренд

 

Разность средних

 

 

 

 

уровней

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Экспертная

 

 

Полнота

 

Интервал циклов

 

Средний темп

оценка

 

 

 

 

 

 

роста

 

 

 

 

 

 

 

 

 

 

Валидность

 

 

 

 

 

 

 

 

 

 

 

 

Статистический

 

 

 

Тенденция

 

Сглаживание

прогноз

 

 

 

 

 

 

динамического

 

 

Точность

 

 

 

 

 

 

 

 

 

 

 

 

ряда

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Регрессионный

 

 

 

 

Устойчивость

 

 

 

 

 

 

 

 

 

 

 

 

анализ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Р и с. 18.3. Схема общей логики прогноза

 

 

ВОПРОСЫ ДЛЯ САМОКОНТРОЛЯ

ВОПРОСЫ ДЛЯ САМОКОНТРОЛЯ

1.Что такое период упреждения в прогнозе?

2.Какова максимальная длительность периода упреждения в прикладной со-

1.Что такое период упреждения в прогнозе?

циологии?

2. Какова максимальная длительность периода упреждения в приклад

3. От чего зависит оценка изменения числовых параметров социального яв-

ной социологии?

ления?

3. От чего зависит оценка изменения числовых параметров социального

4. Дайте определение обоснованности, полноты, валидности, точности, устой-

явления?

чивости модели прогноза.

4. Дайте определение обоснованности, полноты, валидности, точности,

5. Что такое инерционность социального явления?

устойчивости модели прогноза.

6. Назовите виды прогнозирования.

5. Что такое инерционность социального явления?

7. Из каких компонентов может состоять прогнозируемая динамика ряда рас-

6. Назовите виды прогнозирования.

пределения количественных параметров объекта прогноза?

7. Из каких компонентов может состоять прогнозируемая динамика ря

8. Назовите методы определения наличия или отсутствия тренда.

да распределения количественных параметров объекта прогноза? 8ПРЕДЛАГАЕМ. Назовите ВЕРНУТЬСЯметоды определенияВ МЕНЮ И РЕШИТЬналичияЗАДАЧИили отсутствияК ЭТОЙ ГЛАВЕтренда.

1 Четыркин Е.М. Статистические методы прогнозирования. М., 1977. С. 97.

280

Раздел 3. Анализ и использование результатов исследования

 

 

ГлаваГлава1919..ИспользованиеИспользованиерезультатоврезультатов социологическогосоциологическогоисследованияисследованияв

в управленческой деятельности

управленческой деятельности

...Ум заключается не только в знании,

...Ум заключается не только в знании,

но и в умении прилагать знание на деле...

но и в умении прилагать знание на деле...

Аристотель из Стагира

Аристотель из Стагира

1919.1.1. .ЦельЦельиизадачизадачииспользованияиспользованиярезультатоврезультатов исследованияисследования

Всесторонняя и квалифицированная интер претация результатов социологического исследования откры вает возможность их широкого применения в практике управ ленческой деятельности, так как уже в процессе объяснения социологических данных начинает у исследователя склады ваться единая количественно качественная оценка ключевых сторон изучаемого явления, постепенно вырисовываются те конкретные пути и средства, с помощью которых они могут быть «развязаны». Более детальное обоснование эти средства получают по мере формулировки выводов исследования и раз работки практических рекомендаций в соответствии с ними.

Однако одно дело дать социологическим данным грамотную интерпретацию, составить с учетом ее научно обоснованные и практически значимые рекомендации, а другое – перестроить исследуемые участки управленческой работы в соответствии с содержанием рекомендаций. Для этого недостаточно одного только умелого обращения с социологической информацией. Необходимо глубоко разбираться в механизме управленческо го процесса, быть психологически готовым к внесению в него необходимых изменений.

Основные заботы по использованию результатов социоло гического исследования и его рекомендаций возлагаются на руководителей и менеджеров. Их убежденность в практиче ской ценности выводов и рекомендаций исследования, в том, что использование полученных данных способно помочь раз решению изучавшейся проблемы, – фактор, во многом опре деляющий диапазон и глубину внедрения готовой социологи ческой продукции.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]