Санкт-Петербургский юридический институт (филиал) Академии

Генеральной прокуратуры Российской Федерации

Кафедра общегосударственных и социально-экономических

дисциплин

Е.А. Разумовская

Обработка динамических рядов

Практикум по курсу

«Правовая статистика»

Часть 2

Санкт-Петербург

2013

ОБРАБОТКА ДИНАМИЧЕСКИХ РЯДОВ

1. ОПИСАНИЕ РАБОТЫ

Цель работы

Анализ статистики преступности для выявления закономерностей, тенденций и прогнозирования развития процесса.

Метод выполнения

Обработка исходных данных методами укрупнения,сглаживания исмыкания.

ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ

Изучение статистики преступности имеет большое практическое значение. Анализ закономерностей развития этого процесса дает возможность правоохранительным органам прогнозировать будущее развитие преступности, оптимально распределять силы и средства для борьбы с ней.

Преступность – это сложный общественный процесс, его развитие определяют различные факторы, в первую очередь – экономические. Динамика (т.е. развитие во времени) преступности зависит также от политической ситуации, исторических традиций, наличия особо криминогенных зон и объектов. Деятельность правоохранительных органов тоже можно отнести к факторам, влияющим на развитие преступности.

Трудность анализа состоит в том, что на основные тенденции развития процесса накладываются случайные отклонения, колебания и выбросы. Основная задача статистической обработки состоит как раз в отсечении этой случайной компоненты и выявления основных тенденций, закономерностей развития. Именно такая обработка исходных данных должна быть проведена в данной работе.

Понятие динамического ряда

Рядв статистике – это упорядоченная совокупность числовых данных, полученных при наблюдении изучаемого явления.

Ряды позволяют производить следующие статистические исследования:

• сравнение явлений в процессе их развития во времени,

• сравнение явлений по различным их формам и видам,

• выявление взаимной зависимости явлений или зависимости от общей причины.

Пример явления, развивающегося во времени: число зарегистрированных преступлений данного вида на данной территории. Если регистрировать количество преступлений регулярно на протяжении достаточно длительного промежутка времени, затем правильно обработать полученный ряд данных, то можно выявить тенденции развития процесса, спрогнозировать будущие изменение ситуации и заранее подготовить адекватные меры борьбы с преступностью.

Процесс развития, изменения или движения социальных явлений во времени в статистике принято называть динамикой.

Динамический ряд- упорядоченная совокупность значений выбранного статистического показателя, изменяющихся во времени.

Величины ряда могут характеризовать явление по-разному:

Интервальный ряд отражает величину показателей, полученных за определённые периоды (интервалы) времени.

Например, ряд, содержащий количество гражданских дел, рассмотренных в суде за каждый месяц календарного года.

Моментный рядхарактеризует уровни правового процесса на определенные моменты времени (даты отчета).

Например, количество заключенных на начало каждого календарного года.

Важнейшее условие построения и исследования рядов динамики – это однородность (сопоставимость)значений, относящихся к различным периодам.

Однородность во временитребует, чтобы значения ряда соответствовали показателю, характеризующему явление, за один и тот же отрезок времени, или чтобы соседние значения ряда были разнесены во времени друг от друга на равные промежутки.

Однородность в пространстветребует, чтобы территория, которую характеризует каждый показатель ряда, не изменялась на исследуемом временном отрезке.

Однородность по кругу охватываемых объектовтребует, чтобы данные рядов относились к одинаковому количеству объектов (людей, административных единиц, возрастному промежутку и т.д.)

Однородность по сущности исследуемых величинтребует, чтобы на рассматриваемом временном отрезке не изменялось уголовное законодательство.

Однородность по методологиитребует, чтобы на рассматриваемом временном отрезке не изменялась методика получения показателя.

Методы укрупнения и сглаживания динамических рядов

Укрупнение и сглаживание – это математические операции над данными динамического ряда, которые позволяют выявлять тенденции, т.е. наиболее медленные составляющие изучаемого процесса, которые наблюдаются на фоне быстрых случайных всплесков и колебаний.

Такой подход к динамическому ряду, описывающему социальное явление, означает, что явление рассматривается как арифметическая сумма быстро и медленно меняющихся процессов.

РЯД(t) = МЕДЛ(t) + БЫСТР(t)

Целью обработки динамического ряда является разделение этих слагаемых. Во многих случаях такая модель социальных явлений правомерна.

Укрупнение динамического ряда - разбиение исходного ряда на неперекрывающиеся группы соседних данных (пары, тройки, и.т.д.), а затем вычисление суммы внутри каждой группы.

Получается новый ряд, число значений в котором будет меньше исходного в два, три или более раз, соответственно. Рассмотрим пример статистики женщин, совершивших преступления в период 2008 – 2010 годов по полугодиям.

Годы	2008			2009			2010
Месяцы	янв. – июнь	июль – дек.	янв. – июнь		июль – дек.	янв. – июнь		июль – дек.
Кол-во женщин	110 210	90 624	105 796		66 406	94 459		77 916

Наблюдаются сезонные колебания данных, для выявления тенденции применим укрупнение: сгруппируем данные по 2 и сложим в каждой группе.

Исходный ряд:x₁= 110 210,x₂= 90 624,…,x₆= 77 916.

Укрупнение по 2:y1 = 110 210 + 90 624 = 200 834,

y2 = 105 796 + 66 406 = 194 202,

y3 = 94 459 + 77 916 = 172 375.

Годы	2008	2009	2010
Кол-во женщин	200 834	194 202	172 375

Получим данные по годам, а не по полугодиям: вместо 6 чисел - 3, но стала явно видна тенденция к снижению показателя. Аналогичным образом можно проводить укрупнение по 3, 4 и более периодов в одной группе.

Сглаживание динамического ряда- разбиение исходного ряда на перекрывающиеся группы данных по два, три или более смежных значений, (сдвиг по исходному ряду на одно значение), а затем вычисление среднего арифметического в каждой группе (скользящее среднее).

После обработки остается на 1, 2 и т.д. значения меньше в зависимости от величины групп (2, 3,…).

Рассмотрим метод сглаживания на том же примере статистики женщин-преступниц, применим сглаживание по 3 (среднее арифметическое первых трех элементов, затем 2, 3 и 4 и т.д. – это пересекающиеся группы данных).

Сглаживание по 3:y₁= (x₁+x₂+x₃) / 3 = 102 210,

y₂ = (x₂ +x₃ +x₄) / 3 = 87 609,

y₃ = (x₃ +x₄ +x₅) / 3 = 88 887,

y₄ = (x₄ +x₅ +x₆) / 3 = 79 594.

Периоды	1	2	3	4
Кол-во женщин	102 210	87 609	88 887	79 594

После сглаживания можно отметить следующее поведение процесса: снижение, стабильность, снова снижение показателя, однако, данных явно недостаточно, чтобы отфильтровать сезонные колебания.

Укрупнение и сглаживание ведут к уменьшению случайных всплесков, особенно хорошо тенденции видны на графиках, построенных по укрупненным или сглаженным данным. Укрупнение применяют к интервальным динамическим рядам, а сглаживание - как к интервальным, так и к моментным рядам.

Метод смыкания динамических рядов

Для изучения закономерностей и тенденций правовых процессов нужны однородные совокупности данных, однако в правовой сфере происходят существенные сдвиги: изменения законодательства, форм учета, укрупнение и разукрупнение территориально-административных единиц (например, изменение перечня тяжких преступлений, объединение субъектов РФ и т.д.). Для компенсации возникшей неоднородности данных используют:

Метод смыкания динамических рядов– выбор промежутка времени, на котором известны старые и новые показатели, принятие его за базовый (100%) и пропорциональный пересчет старых показателей влево, а новых – вправо по временной оси.

Рассмотрим статистику преступности в условном городе Nза 1991 – 1996 годы, ряд не обладает свойством однородности, т.к. в 1994 году законодательно изменился перечень тяжких преступлений.

Показатели	1991	1992	1993	1994	1995	1996
Число тяжких прест. (старый перечень)	52	60	78	80
Число тяжких прест. (новый перечень)				150	155	167
Сомкнутый ряд	65	75	98	100	103	111

В переходный год известны показатели по старой и новой форме, примем этот год за базовый и присвоим ему значение 100% (проценты не пишем). Найдем коэффициенты пропорциональности для старых данных по 1994 году: 100 / 80 = 1,25, для новых данных: 100 / 150 = 0,67. Умножим старые данные 1991 – 1993 годов на 1,25, новые данные 1995 – 1996 годов – на 0,67 и получим сомкнутый ряд сопоставимых показателей, по которому можно изучать тенденции процесса.

Исходные данные задачи

В данной работе изучается статистика преступности (криминальная статистика) заданного вида в пределах одного населённого пункта, регистрировавшаяся помесячно на протяжении трех лет. Такой набор статистической информации является типичным примером динамического ряда интервального типа.

В приложении № 1 методического руководства дано общее описание листа Excel, на котором нужно выполнить задание. В приложении № 2 приведена статистическая таблица –сводка количества преступлений14 видов в двух городах. Информация представлена за три года: два года до изменения территориальных границ городов, один год – после, в первый месяц третьего года (январь) приведена статистика преступлений как в старых, так и в новых границах городов.

Рассмотрим информацию за первые два года - это двадцать четыре целых числа. Обозначим их:

а₁, а₂, … , а₂₄

Как отмечалось в предыдущем пункте, динамический ряд пригоден для статистического анализа, если он соответствует условиям однородности. В нашем случае первичные статистические данные за два года удовлетворяют критерию однородности:

• во времени - сведения о количестве преступлений собраны за одинаковые временные интервалы, следующие по порядку один за другим;

• в пространстве - данные относятся к одному территориальному объекту в одних и тех же границах;

• по сущности – данные относятся к одному классу явлений, в нашем случае, к одним видам преступлений.

Подразумеваются также выполненными следующие условия однородности: неизменность законодательства в части классификации данных преступлений, единство методики сбора и регистрации первичной информации на протяжении всего периода наблюдений.

Укрупнение ряда (кратности 2, 3, 4, 6)

Новый, укрупненный в два раза ряд формируется из исходных данных

а₁, а₂, … , а₂₄ по формуле:

b _{i / 2} = a _{i -1} + a _i, i = 2, 4, 6, … , 24 (1)

Иными словами, при формировании укрупненного вдвое ряда bпервое число исходного рядаaскладывается со вторым, третье с четвертым и т.д.

После укрупнения исходного динамического ряда в два раза (кратностьравна двум) данных становится в два раза меньше. Таким образом, метод укрупнения позволяет взглянуть на процесс в целом, выделить главное, опустив мелкие детали.

Аналогичным образом можно укрупнить ряд в три, четыре, шесть и более раз (задать различную кратность укрупненного ряда):

c_i/3 = a_i-2 + a_i-1 + a_i, i = 3, 6, 9, …, 24 (2)

d_i/4 = a_i-3 + a_i-2 + a_i-1 + a_i, i = 4, 8, 12, …, 24 (3)

e_i/6 = a_i-5 + a_i-4 + a_i-3 + a_i-2 + a_i-1 + a_i, i = 6, 12, 18, 24 (4)

При формировании ряда сисходные данные рядааразбиваются на группы по три штуки и складываются, для рядаd- в группы по четыре штуки, для рядаe– в группы по шесть штук. Соответственно, рядbполучился короче исходного рядаав два раза, рядс– в три раза, рядd – в четыре раза, рядe– в шесть раз.

Какая же кратностьукрупнения является оптимальной? Чтобы ответить на этот вопрос, нужно знать временные параметры изменения основной тенденции процесса: продолжительность роста или снижения, периодичность сезонных колебаний и т.д.

В реальных условиях эти параметры сами являются предметом изучения. Поэтому лишь эмпирическим путем можно определить оптимальную кратность укрупнения динамического ряда в нашей задаче. Метод эффективно работает, когда характер процесса (стабильность, рост, снижение и т.д.) проявляются достаточно долго.

Сглаживание ряда (кратности 3, 4, 5)

Сглаженный по три элемента (кратностьравна 3) ряд образуется на основе первичных данных по формуле скользящего среднего:

f_i = (a_i + a_i+1 + a_i+2) / 3, i = 1, 2, …, 22 (5)

Иными словами, берут первое, второе и третье число ряда a, находят среднее арифметическое (складывают их, и сумму делят на 3), получается первое число рядаf. Затем берут второе, третье и четвертое числа рядаa(со сдвигом на один элемент ряда – поэтому и называется метод скользящего среднего) и, проделав аналогичные операции, получают второй элемент рядаf, и т.д.

Следует обратить внимание на то, что новый ряд на два элемента короче исходного. В соответствии с формулой сглаживание проводится по трем соседним элементам исходного ряда.

Аналогичным образом можно применить сглаживание по четырем, пяти и более элементам (кратностьравна 4, 5 и т.д.):

g_i = (a_i + a_i+1 + a_i+2 + a_i+3) / 4, i = 1, 2, …, 21 (6)

h_i = (a_i + a_i+1 + a_i+2 + a_i+3 + a_i+4) / 5, i = 1, 2, …, 20 (7)

При формировании ряда gисходные данные рядааберут по четыре штуки и находят их среднее арифметическое, для рядаh- по пять штук. Соответственно, рядfполучился короче исходного рядаана два элемента, рядg– на три элемента, рядh– на четыре элемента.

Так же, как в методе укрупнения, параметр кратности(количество элементов исходного ряда, выбранное для вычисления среднего) нельзя рассчитать заранее, его следует определить эмпирически по полученным результатам.

Сглаженный ряд позволяет изучать средний уровень преступности и может служить основой для прогнозирования будущего развития процесса. Метод сглаживания особенно эффективен для выявления сезонных колебаний и поиска скачков в среднем уровне процесса.

Анализ результатов

После того, как проведена обработка первичных данных по формулам для различной кратности, построены графики укрупненных и сглаженных рядов, наступает следующий этап анализа – выявление тенденции изменения преступности.