Метод сглаживания динамического ряда
Прогнозирование социальных процессов
Прогнозирование в социологии – это способ научного предвидения с той или иной степенью вероятности итога, направленности, или характера протекания социальных процессов в течение некоторого, преимущественно короткого промежутка времени
Момент времени, на который в распоряжении социолога имеются исходные данные социальной статистики (результатов исследования), и до момента, к которому относится прогноз, называется периодом упреждения. Максимальная величина периода упреждения в прикладной социологии не превышает нескольких месяцев.
Главная особенность прогнозирования – нацеленность на будущее и попытка преодолеть неопределенность, обусловленную отсутствием знаний о точном значении статистических параметров характеристик социальных процессов
Для любой обоснованной прогностической модели обходимы два критерия: 1) Форма числовой оценки характеристик социальных явлений; 2) Степень погрешности оценки, её точность
Рассмотрим ряд требований к любой прогностической модели. Эти требования: обоснованность, полнота, валидность, точность и устойчивость.
Под обоснованностью прогностической модели понимается её соответствие цели прогноза на весь период упреждения.
Полнота прогностической модели зависит от объема, достоверности и устойчивости исходной социальной статистики.
Валидность прогностической модели – это её способность учитывать изменение структурных элементов именно прогнозируемого явления. От валидности модели во многом зависит точность прогноза.
|
|
|
Точность прогностической модели – это её способность давать количественную оценку параметров изучаемого процесса на период упреждения, минимально отличающуюся от их фактического значения.
Устойчивость прогностической модели заключается в её способности быть валидной на весь период упреждения. Фактор, в значительной степени противодействующий устойчивости прогностических моделей в социологии, – нормативность абсолютного большинства социальных явлений, основанных на функционировании и взаимодействии социальных институтов. В связи с этим уместно ввести в оборот понятие инерционности протекания социального процесса как предмета прогнозирования, непосредственно воздействующей на устойчивость прогностической модели.
Под инерционностью социального явления или процесса подразумевается степень устойчивости, длительность её обусловленности теми или иными социальными нормами.
По методам в прикладной социологии различают три вида прогноза: 1) аналогия, 2) экспертиза и 3) статистический прогноз.
|
|
|
Аналогия – это метод исторического соотнесения двух или более идентичных явлений, порожденных схожими социальными обстоятельствами в разные временные периоды. Виды прогнозирования: анализ, обобщение и прогноз по аналогии. Степень точности такого прогноза не всегда поддается определению из-за возможного вмешательства в социальный процесс новых, не имевших место в предшествующей социальной практике факторов.
Экспертная оценка как метод прогнозирования является способом аккумуляции научных знаний и практического опыта профессионалов по вопросам, имеющим непосредственное отношение к предмету прогноза. Степень точности прогноза во многом зависит от уровня компетентности экспертов. Перечисленные два метода прогнозирования наименее точны, однако они применимы для долгосрочных прогнозов.
Статистические методы прогнозирования основаны на формулах и приёмах математической статистики, однако пригодны они в прикладной социологии для краткосрочного прогнозирования (до одного года). Это не вина методов, а следствие многофакторности, нормативности и высокой вариабельности социальных явлений.
Прогнозируемая динамика ряда распределения количественных параметров исследуемого социального процесса состоит из взаимосвязанных компонент: тренда, интервала циклов и тенденции.
|
|
|
Тенденция – это направление развития социального процесса (в наиболее общем случае – прогресс и регресс).
Тенденция, механизм реализации которой функционально зависит от времени, называется трендом. Тренд описывает фактическую усредненную для периода упреждения тенденцию изучаемого социального процесса во времени.
Рассмотрим два простейших метода определения наличия тренда, основанных на правилах статистической проверки гипотез.
1. Метод разности средних уровней :
Этот метод предполагает разбиение объекта исследования на две подвыборочные совокупности, идентичные по основным контролируемым параметрам (социально-демографическим показателям). Для каждой из совокупности вычисляется средняя по показателю, после чего определяется разность значений средних. Если расхождение существенное, то тренд имеет место. Если незначительное, то его можно приписать воздействию случайных факторов и гипотеза о наличии тренда отвергается.
Значение рассчитанного при помощи приведенной формулы критерия сравнивается с его табличным значением. Если расчётное значение F меньше табличного, то гипотеза о статистическом равенстве дисперсий принимается. Если расчётное значение F больше его табличного значения, то гипотеза о равенстве дисперсий отклоняется, а это означает, что вышеприведенные формулы не могут быть применены для проверки гипотезы о наличии тренда изучаемого социального процесса. Следует также учитывать тот факт, что вышеизложенные формулы достаточно точны для малых и менее точны для больших выборочных совокупностей.
|
|
|
Метод среднего темпа роста
Это – наиболее простой метод прогнозирования. Средний темп роста можно получить как геометрическую среднюю ряда последовательных темпов роста. Последовательный темп роста характеризует отношение какого-либо уровня динамического ряда к предыдущему уровню и выражается в процентах или в долях единицы. В последнем случае его называют коэффициентом роста.
Для социальных процессов точность прогноза при помощи расчета темпов роста невысока. В целях повышения точности в уровневые значения прогнозируемого процесса приходится вносить коррективы. Отметим также, что для получения значений, являющих собой минимальный набор для прогнозирования, необходимо провести не менее трех повторных исследований, числовые данные которых полностью сопоставимы.
Метод сглаживания динамического ряда
Используется как относительно простой метод выявления тенденций развития социальных явлений. Суть этого метода заключается в замене фактических уровней динамического ряда расчетными, имеющими значительно меньшую колеблемость, чем исходные данные. Один из приемов сглаживания вариации заключается в расчете скользящих средних. Применение этого метода в прикладной социологии требует проведения не менее 6 повторных исследований.
Прогнозирование в опоре на расчет трендов опирается на гипотезу, согласно которой общая тенденция развития социального процесса во времени сохраняется на весь период упреждения. Прогноз в этом случае заключается в экстраполяции трендов. Прогнозирование, базирующееся на подобной экстраполяции, заключается в создании моделей трендов. Подобные модели могут быть построены при помощи регрессионного анализа, в особенности, если взаимосвязь признаков удается представить в виде регрессионного уравнения. В таком уравнении интегрирована взаимосвязь исследуемого признака с рядом факторных признаков, предопределяющих вариацию исследуемого признака.
Регрессионный анализ
Расчет подобных моделей – математически сложный и трудоемкий процесс, требующий привлечения математики и ЭВМ. Результат прогноза в этом случае будет представлять собой оценку среднего значения, исследуемого (зависимого) признака при заданных уровнях факторных признаков. Для уравнения регрессии определяют доверительные интервалы. Их расчет позволяет определить область, в которой следует ожидать значение прогнозируемой величины. При помощи регрессионного уравнения измеряют степень зависимости контролируемого признака от факторных. Регрессионный анализ позволяет строить прогностические модели и осуществлять теоретический эксперимент. В качестве примера – можно построить регрессионную модель, позволяющую прогнозировать электоральное поведение населения в зависимости от ряда факторных признаков: пола, возраста, профессии, места проживания, национальности, образования и уровня дохода. Регрессионный анализ предполагает решение двух задач: 1) Выбор взаимно независимых (факторных) переменных, влияющих на вариацию значений исследуемого показателя и определение формы уравнения регрессии; 2) Оценку параметров при помощи того или иного статистического метода обработки первичной социологической информации. Для оценки параметров регрессий удобно использовать метод наименьших квадратов. В зависимости от числа признаков, взаимосвязь которых исследуется, регрессия может быть парной или множественной. Наиболее простая форма модели парной регрессии (взаимосвязи двух признаков х и у) – линейное уравнение: yi = a + bxi + ai , где: ai – случайная величина погрешности уравнения при вариациях признаков, иными словами – отклонение уравнения от «линейности». Коэффициенты a и b в прикладной социологии могут быть оценены только статистически, то есть «вероятностно».
Пример:
Общая логика выбора модели прогноза может быть представ лена схемой
Дата добавления: 2019-07-15; просмотров: 369; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!