Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Методы несплошного статистического наблюдения. Учебное пособие
.pdf
1.2 Виды несплошного статистического наблюдения
Какой-либо стандартной классификации методов несплошного
статистического наблюдения в современных реалиях нет возможности
выделить. Тем не менее, можно отметить следующий перечень методов:
- выборочный метод со всеми его разновидностями;
- систематический (механический) отбор;
- типический отбор;
- многоступенчатый отбор;
- многофазный отбор;
- моментные наблюдения;
- малая выборка;
- метод основного массива;
- монографический метод;
- анкетный метод;
- корреспондентский метод;
- цензовое наблюдение.
Рассмотрим кратко указанные методы.
Выборочный метод представляет собой широкий спектр различных
методов, отличающихся друг от друга, основанных обычно на принципе
случайного отбора единиц изучения из всего исследуемого множества. Этот
метод наиболее разработан с теоретической точки зрения, так как основан на
случайном отборе, где каждая единица из общего множества имеет равные
шансы попасть в выборку. Например, при проведении розыгрыша лотереи
применяется этот принцип, где каждый номер билета имеет равные шансы на
победу. Случайный отбор также используется при жеребьевке. Если нужно
выбрать 600 студентов из 5000 для изучения их успеваемости в университете,
можно написать фамилии всех студентов на листочках и случайным образом
выбрать 600.
11
Случайный отбор может быть бесповторным и повторным. Обычно
применяется бесповторный отбор, где единица, попавшая в выборку, не
возвращается обратно в общую совокупность, что приводит к уменьшению
численности генеральной совокупности. Такой подход используется при
проведении розыгрышей различных лотерей. При повторном отборе
выбранная единица возвращается обратно в исходную совокупность, что
сохраняет постоянную численность генеральной совокупности в процессе
проведения выборочного исследования. В контексте студентов это означало
бы, что если листок с фамилией случайным образом попадал в выборку, то
он возвращался обратно и имел равные шансы попасть в нее снова. Важно,
чтобы никакие факторы или лица не влияли на случайность отбора.
Внедрение принципа случайности в статистическую практику часто
вызывает трудности. Для специалиста, хорошо знающего предмет, трудно
полностью довериться случаю и проигнорировать собственные знания и
опыт при отборе наблюдений. Иногда экспертные методы отбора (например,
выбор товаров для расчета индекса цен или состав "корзин" для оценки
стоимости жизни) используются из-за различных обстоятельств. Отказ от
случайного отбора может повысить точность оценок, но может лишить их
объективности и возможности количественной оценки ошибки, так как все
будет зависеть от профессионализма эксперта [10].
Из всех методов несплошного наблюдения на практике чаще всего
реализуется систематический (механический) отбор. Например, следует
произвести отбор 1000 студентов из 10000. В этом случае всех студентов
располагают в алфавитном порядке и осуществляют отбор каждого десятого,
так как интервал равен 10 (10000 делим на 1000), то есть осуществляется 10процентный отбор. Если в первой десятке это оказался 3-й студент (это
можно сделать путем жребия), то отобранными окажутся 13-й, 23-й, 33-й . . .
и т.д. до 9993-го студента. Таким образом, генеральная совокупность
механически делится на определенное количество групп, и из каждой группы
берется одна единица (один студент). Систематический (механический)
12
отбор всегда бывает бесповторным. Отобранные с помощью него единицы
распределяются по генеральной совокупности более равномерно.
В статистической практике встречаются наблюдения, когда изучаемая
совокупность в целом неоднородна. В этом случае она делится на группы по
типичному признаку, и в группе проводится систематический (механический)
отбор. Этот метод является типическим с механическим отбором или
предварительным районированием. В любом случае, существует сочетание
типического и механического отбора.
Что касается нашего примера со студентами, то в этом случае мы
сначала разделим всю совокупность студентов на группы по факультетам
(финансы и экономика, транспортный, физико-математический,
архитектурно-строительный и т.д.), и внутри каждой группы будет
происходить механический отбор студентов.
Если же типический отбор производится в несколько стадий, то он уже
становится многоступенчатым. Сущность данного отбора в том, что каждая
ступень (стадия) имеет свою единицу отбора. К примеру, при изучении
посещаемости обучающихся университета, можно реализовать отбор в
четыре ступени. На первой ступени произвести отбор факультетов (единица
отбора – факультет), на второй ступени отобрать профили обучения из
каждого факультета (единица отбора – профиль), на третьей ступени выбрать
число групп (единица отбора – студенческая группа) и, на последней ступени
отобрать уже обучающихся (единица отбора – обучающийся). Таким
образом, как видим, с каждой последующей ступенью отбора единица отбора
уменьшается (от факультета до обучающегося).
В случае если на каждой ступени отбора единица не изменяется, а
сохраняется, то такой отбор становится многофазным. Допустим, на первой
ступени (фазе) по более сокращенной программе обследуется 40 % всей
совокупности, на второй по более расширенной программе обследуется 20 %,
а на третьей фазе по полной программе обследованию подлежит 10% единиц
совокупности. Как видим, фазы отбора различаются не только объемом
13
между собой, но и полнотой обследования [10].
В некоторых случаях используется не непрерывное наблюдение в
течение времени, а моментное наблюдение, которое фиксирует наличие
отдельных элементов статистической совокупности в определенные моменты
времени. Наиболее распространенным примером такого наблюдения
является его применение при анализе использования рабочего времени на
производстве. На определенном этапе наблюдения (например, каждые
четыре часа работы) исследователь регистрирует, работает ли каждый станок
в цеху завода или находится в простое. С точки зрения охвата станков это
наблюдение является сплошным, так как оно охватывает все станки в цеху.
Однако с точки зрения времени это несплошное наблюдение, поскольку оно
охватывает лишь определенные моменты, а не все время работы.
В ряде случаев из-за различных обстоятельств приходится
ограничиться небольшим количеством наблюдений. Такая выборка
называется малой. Она используется тогда, когда технически невозможно
провести больше наблюдений или если отобранная единица уничтожается
(например, при проверке качества продукции на производстве). В этом
случае на основе небольшого количества наблюдений сложно
охарактеризовать всю общую совокупность. Однако это можно сделать с
помощью математической статистики, которая корректирует расчеты с
учетом небольшого числа наблюдений.
Метод основного массива основан на выборе единиц наблюдения
исходя из их значимости и размера. Суть метода заключается в том, что часто
именно крупные единицы наблюдения определяют основные статистические
показатели. Например, из-за того, что несколько крупных предприятий
концентрируют производство в определенной отрасли экономики, они могут
производить основной объем продукции, в то время как мелкие предприятия
производят лишь небольшую часть. В таких случаях целесообразно
наблюдать только за крупными предприятиями, а мелкие можно либо не
учитывать вовсе, либо учитывать их долю в общем объеме производства.
14
Поскольку их доля невелика, ошибка будет незначительной.
Разработке теории этого метода уделялось меньше внимания, чем
выборочному методу, однако его применение весьма широко. Особенно
эффективно использовать метод основного массива, когда исследуемая
совокупность четко разделяется на крупные и мелкие единицы наблюдения.
Такая ситуация часто встречается в сфере торговли, сельского хозяйства и
некоторых отраслях промышленности.
Численность основного массива может быть небольшим, но его
влияние на обобщенные показатели является определяющим.
Монографический метод подразумевает глубокое исследование только
одной единицы наблюдения, которая является типичной для всей
совокупности или ее части. В настоящей статистической практике этот метод
используется редко, но был широко распространен в прошлом, например, в
земской статистике. Логика земцев заключалась в том, что если разделить
крестьянские хозяйства на три группы: состоятельные, средние и бедные, то
каждая группа будет иметь примерно одинаковые крестьянские дворы,
поэтому достаточно было исследовать по одному хозяйству из каждой
группы, чтобы понять общую картину губернии.
Анкетный метод заключается в отправке анкет респондентам без
предварительной договоренности с получателями. Методические разработки
для данного метода касаются организационных и психологических аспектов
обеспечения приемлемого уровня ответов, а также учета возможных
искажений информации. Эффективность метода во многом зависит от уровня
социального сознания и моральной атмосферы в обществе.
Корреспондентский метод практически аналогичен анкетному, за
исключением того, что с респондентами заключается предварительное
соглашение, часто сопровождаемое определенными формами
вознаграждения.
Цензовое наблюдение реализуется в виде отбора единиц,
соответствующих какому-либо критерию (цензу). В условиях современной
15
реальности цензом может быть, к примеру, определенное число работников
предприятия. Следует отметить, что необходимо проводить различие между
использованием ценза при проведении несплошного наблюдения и его
использованием при определении единицы отбора и объекта исследования.
Так, численность занятых на предприятии может служить для определения
малого предприятия в определенном виде экономической деятельности, например, не более 100 человек. И если ставится задача обследования малых
предприятий, то предприятия с числом занятых более 100 человек не
наблюдаются и не усчитываются, так как не относятся к объекту
исследования [10].
В условиях развития цифровой экономики в современных реалиях все
актуальнее последние десятилетия использование «больших данных» (Big
Data), которые в мировой статистической практике начали использоваться в
крупнейших международных организациях – ОЭСР, МВФ, ВБ, ЕЭК ООН и
ЕС, Статистической комиссии ООН.
Большие данные – это огромные объемы разнородной цифровой
информации конечной совокупности, которые автоматически накапливаются
или объединяются из нескольких источников и редко являются результатом
спланированных опросов. Для достижения цели вывода предлагается
выбирать выборку наблюдений, которая содержит большую часть
информации о неизвестных параметрах изучаемой совокупности.
Чтобы большие данные были как-то полезны, следует обнаружить в
них полезные закономерности: схожесть, отличия, совместные категории и
так далее. Процедура поиска данных закономерностей называют data mining-
добыча данных, или глубинный анализ данных.
Данный процесс реализуется следующим образом. Из совокупности
больших данных «добывают» новые полезные данные путем использования
различных технологий, которые включают методы классификации,
моделирования и прогнозирования, основанные на применении деревьев
решений, нейросетей, генетических алгоритмов и других методик. Таким
16
образом, можно сказать, что большие данные есть основа для проведения
выборочного наблюдения. Если при проведении несплошных наблюдений за
один раз отбирается одна единица совокупности, то имеет место
индивидуальный отбор (число приемов может повторяться много раз). Если
за один прием отбирается несколько единиц (группа или серия), то
используется групповой отбор. Сочетание индивидуального и группового
отбора представляет комбинированный отбор.
Итак, рассмотрев список методов несплошного наблюдения,
невозможно указать конкретную систему, классифицирующую признаки, по
которым составлен этот список, и на самом деле, если разница между
первыми двумя методами и последним заключается в принципе выбора
единиц наблюдения, а вот анкетный и корреспондентский способы
различаются по способу сбора данных.
Возможность разобраться в сложных взаимосвязях рассматриваемых
методов дает следующая схема классификации, которая представляет собой
иерархическую систему наиболее важных классифицирующих признаков.
Если методы в совокупности считать нулевым иерархическим уровнем,
то к первому уровню классификации относятся следующие признаки:
1) объектно-временные характеристики наблюдения определяются
особенностями объекта и протяженностью наблюдения во времени;
2) тип отбора единиц наблюдения определяет способ формирования
наблюдаемой части изучаемой совокупности;
3) организационный способ получения данных представляет
организационную форму сбора первичных статистических данных;
4) метод распространения (досчета) результатов несплошного
наблюдения на всю обследуемую совокупность;
5) объем отбора — количество выбранных единиц наблюдения,
которое в значительной степени определяет способ расчета погрешности
статистических показателей.
17
1.3 Выборочное наблюдение в системе методов несплошного
статистического наблюдения
В рамках методологии статистического исследования массовых
социально-экономических явлений с точки зрения охвата единиц
совокупности можно выделить сплошное и несплошное статистическое
наблюдение. В современной отечественной статистической практике более
распространенным видом несплошного наблюдения является выборочное.
При проведении выборочного наблюдения статистическому
обследованию подвергаются единицы изучаемой совокупности, отобранные
по специально разработанной схеме, базирующейся, как правило, на
принципе случайности.
Совокупность, из которой отбираются варианты для совместного
изучения, называется генеральной, а отобранная из генеральной
совокупности часть ее членов называется выборкой, или выборочной
совокупностью.
Теория выборочных обследований исходит из следующих положений:
- выбор той или иной конкретной единицы для обследования должен
быть независим от воли, субъективного подхода лица, производящего отбор;
- выбор должен быть независим от значений изучаемых статистических
характеристик, которыми обладают отдельные единицы совокупности;
- процесс отбора должен быть организован так, чтобы все единицы
совокупности имели равные шансы быть отобранными [10].
Предметом выборочного обследования является количественная
сторона массовых социально-экономических явлений в неразрывной связи с
качественной стороной в конкретных условиях места и времени, которая
исследуется на основе принципов выборочного метода.
В методологии выборочного статистического исследования можно
выделить три элемента:
18
1 Выборочное наблюдение – на данном этапе собираются сведения о
каждой единице совокупности, сформированные на основе того или иного
способа отбора из общей совокупности единиц.
2 Сводка и группировка полученных на основе выборочного
обследования материалов – на данном этапе сведения, которые относятся к
каждой единице выборочной совокупности, объединяются в группы и
подгруппы по заранее разработанной программе.
3 Собранные и сгруппированные данные анализируются и
распространяются на всю изучаемую совокупность, при этом
рассчитываются абсолютные, относительные, средние показатели [25].
Сущность выборочного метода заключается в том, чтобы по
характеристикам выборки судить о численных характеристиках генеральной
совокупности.
Правильно осуществленная выборка хорошо представляет или
репрезентирует (от лат. Represento – представляю) структуру и состояние
генеральной совокупности. Тем не менее, идентичного совпадения
выборочных данных с данными генеральной совокупности, как правило, не
бывает. В этом и заключается недостаток выборочного метода, на фоне
которого видны преимущества сплошного описания генеральной
совокупности.
Так как при выборочном наблюдении неполно отображаются
характеристики генеральной совокупности, то исследователь должен
учитывать и соблюдать условия, при которых выборка наилучшим образом
репрезентирует генеральную совокупность, а также в каждом конкретном
случае устанавливать, с какой достоверностью можно перенести результаты
выборочного наблюдения на всю генеральную совокупность.
Репрезентативность выборки зависит от того, как она осуществляется
– или по заранее намеченной схеме, или путем непланомерного отбора
единиц из генеральной совокупности. В любом случае выборка должна быть
типичной и вполне объективной.
19
Прежде чем обрабатывать материал, собранный в ходе выборочного
наблюдения, следует его тщательно проверить и освободить выборку от
всего того, что нарушает условия репрезентативности. Также при
формировании выборной совокупности нельзя включать в ее состав только
те единицы, которые кажутся типичными, а все остальные отсеивать.
Доброкачественная выборка должна быть объективной, т. е.
производиться без предвзятых побуждений, при исключении субъективных
влияний на ее состав. Выполнению этого условия репрезентативности
отвечает принцип рендомизации (от англ. rendom–случай), или случайного
отбора вариант из генеральной совокупности. Этот принцип положен в
основу теории выборочного метода и должен соблюдаться во всех случаях
образования репрезентативной выборочной совокупности, не исключая и
случаев планомерного или преднамеренного отбора [5].
1.4 Ошибки наблюдения и методы их контроля
Важным критерием верно проведенного любого (сплошного или
несплошного) наблюдения является его точность, которая отражает степень
соответствия величины изучемого показателя, определенной по материалам
статистического наблюдения, действительной его величине.
Выделяют следующие виды точности:
а) формальная точность, измеряемая значением единицы последнего
разряда в количественном значении показателя;
б) реальная точность, измеряемая значением единицы последнего
разряда, достоверность которого гарантируется;
в) фиктивная точность, возникающая в случае превышения
формальной точности над реальной.
При осуществлении расчетов по данным проведенных наблюдений
20
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]