Практические занятия группы ЗМ-2-18

Семинар от 14.06.20 в 09:40

 
Изображение пользователя Эльмира Ильдаровна
Семинар от 14.06.20 в 09:40
от Эльмира Ильдаровна - Monday, 14 June 2021, 07:14
 

Добрый день! Прикрепляю темы докладов на сегодня.

Напоминаю, что первые 3 занятия я буду выкладываю темы докладов. Вам нужно будет выбрать одну из тем и подготовить ответ в форме доклада на занятии. Прикрепляете в эту же тему обсуждения, не создавая новую, в формате текста, чтобы всем было удобно прочитать до 11:10 14.06.21. Прикрепленные работы после занятия - проверяться не будут. На 4 семинар, необходимо будет подготовить  контрольную работу на проверку (если у вас нет тем - отпишитесь, чтобы можно было отправить и темы контрольных)


1.      Базы статистических данных.

2.      Основные макроэкономические показатели, их взаимосвязь

3.      Средние величины как обобщающие статистические показатели.

4.      Количественные и качественные показатели.

5.      Абсолютные и относительные величины 

6.      Классификация статистических показателей.

7.      Методы достижения сопоставимости статистических показателей, примеры переходных ключей

8.      Натуральные, условно-натуральные, стоимостные и трудовые единицы измерения.

9.      Понятие об экономических индексах, сфера их применения.

10.  Территориальные индексы. Индексы-дефляторы.

11.  Свойства общих индексов. 

12.  Взаимосвязь индексов и определение роли отдельных факторов в динамике сложных показателей.

13.   Индексы Пааше, Ласпейреса, Лоу, Фишера и ЭКШ. Эффект Гершенкрона и условия его проявления.

14.  Индексы переменного и постоянного состава.

15.  Агрегатные индексы.

16.  Индивидуальные и общие индексы.

17.  Индексы сезонности. Сезонные колебания 

18.  Средняя арифметическая, ее свойства.

19.  Средняя гармоническая. Другие виды средних.

20.  Ряды динамики (абсолютный прирост, темп роста и прироста,  другие показатели динамики).

21.  Понятие группировок, классификаций и номенклатур в экономической статистике.

22.  Единая Система Классификации и Кодирования информации.

23.  Основные международные статистические классификации.

24.  Общероссийский классификатор информации об общероссийских классификаторах

25.  Общероссийский классификатор стандартов (ОКС)


Изображение пользователя Илья Мещанов
Re: Семинар от 14.06.20 в 09:40
от Илья Мещанов - Monday, 14 June 2021, 09:41
 

Тема 9 - Понятие об экономических индексах, сфера их применения.


Индекс — это обобщающий относительный показатель, характеризующий изменение уровня общественного явления во времени, по сравнению с программой развития, планом, прогнозом или его соотношение в пространстве.

В статистической практике индексы являются незаменимым инструментом исследования в тех случаях, когда необходимо сравнить во времени или пространстве две совокупности, элементы которых непосредственно суммировать нельзя. В целом, индексный метод направлен на решение следующих задач:

- характеристика общего изменения уровня сложного социально-экономического явления;

- анализ влияния каждого из факторов на изменение индексируемой величины путем элиминирования воздействия прочих факторов;

- анализ влияния структурных сдвигов на изменение индексируемой величины.

Простейшим показателем, используемым в индексном анализе, является индивидуальный индекс, который характеризует изменение во времени экономических величин, относящихся к одному объекту:

индекс цены;

- индекс физического объема реализации (количества товара);

- индекс товарооборота;

- индекс себестоимости произведенной продукции.

В тех случаях, когда исследуются не единичные объекты, а состоящие из нескольких элементов совокупности, используются сводные (общие) индексы


Изображение пользователя Алмаз Абубакиров
Re: Семинар от 14.06.20 в 09:40
от Алмаз Абубакиров - Monday, 14 June 2021, 09:47
 

Абубакиров А.А. ЗМ-2-18 Тема №1 "Базы статистических данных"


Современные информационные технологии в социально-экономической статистике применяются на всех этапах разработки и проведения статистического наблюдения, включающих: разработку форм статистического наблюдения, формирование плана выборки, сбор и ввод данных, обработку и анализ данных, предоставление информации пользователю.

Базы статистических данных можно классифицировать на два типа, в зависимости от того, что принято за единицу хранения в базе данных:

·           к документографическим относятся базы данных, в которых единицей хранения является документ, например таблица, текст и т.д.;

·           к фактографическим — базы данных, в которых единицей хранения является статистический показатель.

Процесс формирования и ведения информационного фонда на основе статистических баз первого типа менее трудоемок.

В такую базу помещаются, как правило, готовые отчеты со статистическими данными, текстовые документы. Для облегчения их использования создается приложение, обеспечивающее поиск необходимых форм по контексту, по заданным темам, а также программное приложение для отслеживания выполнения актуализации отчетов, т.е. уточнение и дополнение их новыми данными. Для организации таких баз данных могут быть использованы широко распространенные программные пакеты, такие, как Microsoft ExcelWord и др., с аналогичными функциональными возможностями. 

Базы данных второго типа — фактографические, более сложные в проектировании и ведении, но при этом они более удобны для проведения аналитической обработки данных. Программное обеспечение фактографических баз статистических данных может полностью строится на прикладном программном обеспечении. В этом случае программист-разработчик создает свою систему управления базами данных. Такой подход в ряде случаев имеет преимущества по временным характеристикам и параметрам использования ресурсов хранения информации. Однако, как правило, нарушается принцип масштабируемости системы, т.е. удобных средств интеграции с другими системами, кроме того, возникает полная зависимость от разработчика СУБД.

В настоящее время программное обеспечение статистических баз данных в основном строится на унифицированном подходе, включающем:

·           промышленную систему управления базами данных — MS SQL Server;

·           прикладное программное обеспечение, реализующее удобный интерфейс проектировщика, администратора и пользователя базы данных.


Изображение пользователя Владислав Нуреев
Re: Семинар от 14.06.20 в 09:40
от Владислав Нуреев - Monday, 14 June 2021, 09:52
 

Нуреев В.А. ЗМ-2-18. Тема 11

Индексы – относительные показатели, предназначенные для описания изменения величины какого-либо явления во времени, пространстве или по сравнению с любым эталоном.

Когда рассматривается сопоставление уровней изучаемого явления во времени, то говорят об индексах динамики, в пространстве – о территориальных индексах, при сопоставлении с уровнем, например, договорных обязательств – об индексах выполнения обязательстви т.д.

Основной элемент индексного соотношения – индексируемая величина, которая представляет собой значение признака статистической совокупности, изменение которой является объектом изучения.

С помощью индексов решаются следующие основные задачи:

1)характеризуется общее изменение сложных социально-экономических явлений: изучается развитие национальной экономики в целом и ее отдельных отраслей, определяется уровень жизни населения и т.д. (например, требуется определить, насколько увеличился (или уменьшился) в данном году по сравнению с прошлым годом физический объем всей произведенной сельскохозяйственной продукции района. Мы знаем, что продукция разного вида и качества не поддается непосредственному суммированию. Для характеристики изменения таких сложных явлений во времени применяют индексы динамики. В качестве меры соизмерения (весов) можно использовать цену, себестоимость, трудоемкость продукции и т.д.);

2) определяется роль отдельных факторов в формировании важнейших экономических показателей (например, влияние изменения уровня цен и изменения количества проданных товаров на объем товарооборота);

3) являются показателями сравнений не только с прошлым периодом (сравнение во времени), но и с другой территорией (сравнение в пространстве), а также с нормативами, планами, прогнозами и т.д. (например, интересно сравнить среднедушевое потребление какого-либо продукта в России и в развитых странах, а также провести сравнение с нормативом рационального питания);

4) используются в международных сопоставлениях макроэкономических показателей, то есть производится пересчет значений показателей из фактических цен в сопоставимые.

Приведем символику обозначений, используемых при составлении формул:

i – индивидуальный индекс;

I – общий (агрегатный) индекс;

pi – цена за единицу продукции за i-й период;

qi – количество продукции одного вида в натуральном выражении;

pi qi – товарооборот, стоимость продукции;

zi – себестоимость единицы продукции;

qi zi – полная себестоимость;

ti – производительность, затраты труда (рабочего времени) на единицу продукции.

Знак внизу справа означает период: 0 – базисный, 1 – отчетный.

Свойства индексов:

а) синтетические свойства общих индексов – характеризуются тем, что они выражают и обобщают относительные изменения сложных явлений, отдельные части и элементы которых непосредственно несоизмеримы;

б) аналитические свойства общих индексов – следуют из взаимосвязи индексов и состоят в том, что с помощью индексного метода определяется влияние факторов не изменение изучаемого показателя.




Изображение пользователя Олег Запасов
Re: Семинар от 14.06.20 в 09:40
от Олег Запасов - Monday, 14 June 2021, 09:54
 

Запасов О.А. Группа ЗМ 2-18 Тема 25 Общероссийский классификатор стандартов 

Общероссийский классификатор стандартов (ОКС) предназначен для использования при построении каталогов, указателей, выборочных перечней, библиографических материалов, формировании баз данных по международным, межгосударственным и национальным стандартам и другим нормативным и техническим документам, обеспечивая предоставление информации и распространение этих документов в национальном, межгосударственном и международном масштабах.

Объекты классификации

Объектами классификации ОКС являются стандарты и другие нормативные и технические документы.

Система классификации и кодирования

Настоящий классификатор устанавливает коды и наименования классификационных группировок, используемых для классификации и индексирования объектов классификации.

Классификатор представляет собой иерархическую трехступенчатую классификацию с цифровым алфавитом кода классификационных группировок всех ступеней иерархического деления и имеет следующую структуру:

ХХ.ХХХ.ХХ,

где: 
1-й и 2-й знаки - обозначают раздел; 
3-й, 4-й и 5-й знаки - группу; 
6-й и 7-й знаки - подгруппу.

Длина кода - от 2 до 7 разрядов в зависимости от уровня классификационного деления.

На первой ступени (раздел) классифицируются предметные области стандартизации, имеющие дальнейшее деление на второй и третьей ступенях классификации (группа, подгруппа). 
Раздел идентифицируется двузначным цифровым кодом; код группы состоит из кода предметной области и трехзначного цифрового кода группы, разделенных точкой; код подгруппы состоит из кода группы и собственного двузначного кода, разделенных точкой.

Например:

31Электроника
31.060Конденсаторы
31.060.70Силовые конденсаторы
* Конденсаторы для сети электропитания см. 29.240.99

Если область распространения стандарта полностью соответствует содержанию группы, которая разделяется на подгруппы, то он классифицируется в группе. 

Например:

Стандарт "Тракторы сельскохозяйственные и лесохозяйственные" классифицируется в группе:

65.060Сельскохозяйственные машины, инвентарь и оборудование
* Шины сельскохозяйственных машин см. 83.160.30,

а не в подгруппах:

65.060.01Сельскохозяйственные машины и оборудование в целом
65.060.10Сельскохозяйственные тракторы и прицепы
65.060.20Орудия для обработки почвы
65.060.25Оборудование для хранения, приготовления и внесения удобрений
65.060.30Оборудование для сева и посадок
65.060.35Ирригационное и дренажное оборудование
65.060.40Оборудование для ухода за растениями
65.060.50Оборудование для уборки урожая
65.060.60Оборудование для виноградарства и виноделия
65.060.70Садово-парковый инвентарь
* Включая луговые сенокосилки, инвентарь для выращивания и производства маслин
65.060.80Оборудование для лесного хозяйства
* Включая цепные пилы и кусторезки
65.060.99Сельскохозяйственные машины и оборудование прочие,

так как каждая из них распространяется на область более узкую, чем та, которую охватывает стандарт.

В ряде случаев для обеспечения точности индексирования и облегчения поиска классификационные группировки содержат помеченные звездочкой (*) пояснения и ссылки на коды других классификационных группировок.

В целях сохранения преемственности с международным и межгосударственным классификаторами ОКС имеет следующие особенности:

  • в кодовых обозначениях разделы, группы и подгруппы разделяются между собой точками;
  • стандарты, классифицируемые по ОКС, в отдельных случаях могут быть включены в две или более группы или подгруппы.

Например:

Следующий стандарт - "Трубы и фитинги из полипропилена. Плотность. Определение и технические условия" будет включен в две подгруппы:

23.040.20Пластмассовые трубы
23.040.45Пластмассовые фитинги.

При этом не рекомендуется присваивать одному документу более четырех кодов.

При необходимости учета в ОКС национальных особенностей народного хозяйства Российской Федерации в процессе ведения ОКС может производиться последующее (после 7-го разряда кода) разделение подгрупп без изменения кодов и наименований этих подгрупп.




Изображение пользователя Руслан Шарипов
Re: Семинар от 14.06.20 в 09:40
от Руслан Шарипов - Monday, 14 June 2021, 09:58
 

Шарипов Р. Р. 

Тема №19.  Средняя гармоническая. Другие виды средних. 

Средняя величина - это обобщающий показатель статистической совокупности, который погашает индивидуальные различия значений статистических величин, позволяя сравнивать разные совокупности между собой.

Существует 2 класса средних величин: степенные и структурные.

К структурным средним относятся мода и медиана, но наиболее часто применяются степенные средние различных видов.

Степенные средние величины

Степенные средние могут быть простыми и взвешенными.

Простая средняя величина рассчитывается при наличии двух и более не сгруппированных статистических величин, расположенных в произвольном порядке по следующей общей формуле:

img-KytCru.png

Взвешенная средняя величина рассчитывается по сгруппированным статистическим величинам с использованием следующей общей формулы:

img-XLNXU6.png

где X – значения отдельных статистических величин или середин группировочных интервалов; m - показатель степени, от значения которого зависят следующие виды степенных средних величин:

при m = -1 средняя гармоническая; при m = 0 средняя геометрическая; при m = 1 средняя арифметическая; при m = 2 средняя квадратическая; при m = 3 средняя кубическая.

Используя общие формулы простой и взвешенной средних при разных показателях степени m, получаем частные формулы каждого вида, которые будут далее подробно рассмотрены.

Средняя гармоническая.

Средняя гармоническая применяется, когда исходные данные не содержат частот f по отдельным значениям X, а представлены как их произведение Xf. Обозначив Xf=w, выразим f=w/X, и, подставив эти обозначения в формулу средней арифметической взвешенной, получим формулу средней гармонической взвешенной:

img-m_dbFd.png


Таким образом, средняя гармоническая взвешенная применяется тогда, когда неизвестны частоты f, а известно w=Xf. В тех случаях, когда все w=1, то есть индивидуальные значения X встречаются по 1 разу, применяется формула средней гармонической простой:

img-MKyXWO.png

Средняя геометрическая

Средняя геометрическая применяется при определении средних относительных изменений.

Геометрическая средняя величина дает наиболее точный результат осреднения, если задача стоит в нахождении такого значения X, который был бы равноудален как от максимального, так и от минимального значения X.

img-JNczGX.png

Средняя квадратическая

Средняя квадратическая применяется в тех случая, когда исходные значения X могут быть как положительными, так и отрицательными, например при расчете средних отклонений.

img-CeXtKF.png

Главной сферой применения квадратической средней является измерение вариации значений X.

Средняя кубическая

Средняя кубическая применяется крайне редко, например, при расчете индексов нищеты населения для развивающихся стран (ИНН-1) и для развитых (ИНН-2), предложенных и рассчитываемых ООН.

img-DpzPvM.png

Структурные средние величины.

К наиболее часто используемым структурным средним относятся статистическая мода и статистическая медиана.

Статистическая мода

Статистическая мода - это наиболее часто повторяющееся значение величины X в статистической совокупности.

Если X задан дискретно, то мода определяется без вычисления как значение признака с наибольшей частотой. В статистической совокупности бывает 2 и более моды, тогда она считается бимодальной (если моды две) или мультимодальной (если мод более двух), и это свидетельствует о неоднородности совокупности.

Если X задан равными интервалами, то сначала определяется модальный интервал как интервал с наибольшей частотой f. Внутри этого интервала находят условное значение моды по формуле:

img-XQlTC8.png

где Мо – мода; ХНМо – нижняя граница модального интервала; hМо – размах модального интервала (разность между его верхней и нижней границей); fМо – частота модальноого интервала; fМо-1 – частота интервала, предшествующего модальному; fМо+1 – частота интервала, следующего за модальным.

Статистическая медиана.

Статистическая медиана – это значение величины X, которое делит упорядоченную по возрастанию или убыванию статистическую совокупность на 2 равных по численности части. В итоге у одной половины значение больше медианы, а у другой - меньше медианы.

Если X задан дискретно, то для определения медианы все значения нумеруются от 0 до N в порядке возрастания, тогда медиана при четном числе N будет лежать посередине между X c номерами 0,5N и (0,5N+1), а при нечетном числе N будет соответствовать значению X с номером 0,5(N+1).

Если X задан в виде равных интервалов, то сначала определяется медианный интервал (интервал, в котором заканчивается одна половина частот f и начинается другая половина), в котором находят условное значение медианы по формуле:

img-BItcxG.png

где Ме – медиана; ХНМе – нижняя граница медианного интервала; hМе – размах медианного интервала (разность между его верхней и нижней границей); fМе – частота медианного интервала; img-cORGyC.pngfМе-1 – сумма частот интервалов, предшествующих медианному.

Также как и в случае с модой, при определении медианы если размах интервалов h разный, то вместо частот f необходимо использовать плотности интервалов, рассчитываемые путем деления частот f на размах интервала h.


Изображение пользователя Ляйсан Гамбина
Re: Семинар от 14.06.20 в 09:40
от Ляйсан Гамбина - Monday, 14 June 2021, 10:04
 

Тема № 21.

Классификации, группировки и номенклатуры представляют собой важный инструмент изучения социально-экономических явлений и организации информации. В статистике различаются понятия классификации, группировки и номенклатуры.

Классификация в статистике -- это систематизированное распределение явлений и объектов на определенные секции, группы, классы, позиции, виды на основании их сходства и различия. Основанием классификации служит признак (критерий) или несколько признаков (критериев).

Классификатор в статистике -- это систематизированный перечень объектов (отраслей, предприятий, продукции, занятий, основных фондов и т. п.), каждому из которых присваивается код. Код заменяет название объекта и служит средством его идентификации, так как код -- это знак или совокупность знаков, принятых для обозначения классификационных группировок и объектов классификации.

 Система экономических классификаций является условием упорядочения, анализа, хранения и эффективного поиска информации. Основные классификации, обязательные для применения, имеют силу стандарта. Классификации обычно согласовываются статистическими службами с потребителями информации и являются предметом гармонизации на международном уровне.

Для установления принадлежности явлений и объектов к определенным классам и группам к классификатору составляются подробные инструкции и указатели в виде словарей. Классификатор дополняется и конкретизируется в номенклатуре -- в стандартном перечне объектов и их фупп, например, Товарная номенклатура внешнеэкономической деятельности.

 Классификационные группировки могут иметь иерархическую или фасетную (списочную) структуру либо их сочетание. Каждый фасет строится на основе последовательного порядкового перечисления объектов классификации по одному признаку. Если объект описывается с помощью набора независимых фасетов (списков), не имеющих жесткой взаимосвязи друг с другом, то эти фасеты можно использовать отдельно для решения различных задач.

 Иерархический метод классификации -- это последовательное распределение множества объектов на подчиненные классификационные группировки. Сначала множество объектов подразделяется по некоторому выбранному признаку на крупные группы, затем каждая из них -- по другому признаку на ряд последующих группировок, при этом конкретизируется объект классификации. Таким образом, между классификационными группировками устанавливается подчиненность (иерархия).

 Группировка позволяет сложные по своему составу совокупности распределить на группы, однородные по какому-либо существенному признаку, а также имеющие одинаковые или близкие значения группированного признака. При этом для анализа чаще всего используются структурные, динамические и структурно-динамические группировки, сформированные по одному признаку или сочетанию нескольких.

 

В экономической статистике используется большое количество группировок конкретного назначения. В зависимости от определяющих их признаков наиболее часто применяются группировки предприятий по размерам, населения по доходам, по административно-территориальному делению и др.

 Группировка, установленная для всей информации об объектах данной совокупности, по существу превращается в классификацию, например, распределение предприятий на малые, средние и крупные по признаку наличия на предприятии определенного числа работников. Так, к малым относятся предприятия, в которых средняя численность работников за отчетный период не превышает следующих предельных уровней: в промышленности, строительстве и на транспорте -- 100 человек; в сельском хозяйстве и научно-технической сфере -- 60 человек; в оптовой торговле -- 50 человек; в розничной торговле и бытовом обслуживании населения -- 30 человек; в остальных отраслях и при осуществлении других видов деятельности -- 50 человек.

 В классификациях используются цифровые коды для группировки преимущественно по признакам назначения (или другим признакам) объекта кодирования.

 Группировки объектов в основном строятся по иерархическому методу. Как правило, высшим уровнем агрегирования является раздел. За ним идут подразделы, характеризующие следующий уровень распределения группировок объектов классификации. Дальнейшая детализация характеристик объектов классификации производится на уровне классов, которые в ряде случаев могут оказаться наименьшим уровнем группировок. Тем не менее, во многих классификаторах можно выделить подклассы, для которых имеется информация с более детальными характеристиками объектов. Не исключается еще более детальный уровень классификаторов -- группы, подгруппы, виды.

В современных условиях перехода страны к рыночным отношениям и развития процессов интеграции с международным сообществом важным средством достижения достоверности и сопоставимости показателей является созданная в Единая система классификации и кодирования информации (ЕСКК).


1
Re: Семинар от 14.06.20 в 09:40
от Эльза Ахметова - Monday, 14 June 2021, 10:15
 
Ахметова Э.Т. ЗМ-2-18 4. Количественные и качественные показатели 

Чаще всего эффективность оценивается на качественном уровне и выражается динамикой объемных и качественных показателей: производства продукции, товарооборота, издержек производства и обращения, прибыли и других, отражающих результаты деятельности коллектива предприятия в целом. При этом, как правило, не выделяется эффективность поэтапная (разработки и реализации решений). В состав качественных показателей эффективности разработки управленческих решений могут быть включены: — своевременность представления проекта решения; — степень научной обоснованности решений (использование научных методов разработки, современных подходов); — многовариантность расчетов; — применение технических средств; — ориентация на изучение и использование прогрессивного отечественного и зарубежного опыта; — расходы, связанные с разработкой проектов решений; — численность занятых в разработке решений (специалистов, привлеченных работников предприятия); — стоимость и сроки реализации проекта; — количество соисполнителей на этапе разработки решений; — использование внешних консультантов в ходе разработки вариантов решений; — степень риска в реализации решений и др. Все вышеперечисленное относится, прежде всего, к управленческим решениям перспективного характера, связанным с кардинальными изменениями на предприятии. Количественная оценка эффективности управленческих решений во многом затруднена из-за специфических особенностей управленческого труда. Они состоят в том, что: — управленческий труд, в том числе по выработке и принятию решений, преимущественно творческий, трудно поддается нормированию и учету из-за различных психофизиологических возможностей людей; — фактические результаты, как и затраты на реализацию конкретного решения, далеко не всегда можно учесть количественно из-за отсутствия соответствующей документации; — реализация решения сопряжена с определенными социально-психологическими результатами, количественное выражение которых еще более затруднительно, чем экономических; — результаты реализации решений проявляются опосредованно через деятельность коллектива предприятия в целом, в котором сложно выделить долю затрат труда управленческого. В итоге отождествляются результаты труда разработчиков решений и исполнителей, на которых направлено управленческое воздействие; — из-за существующих трудностей нередко отсутствует текущий контроль за реализацией решений, в результате деятельность оценивается за прошедший период, устанавливается ориентация на будущее с учетом факторов, оказавших влияние в прошлом, хотя в будущем они могут и не проявиться; — временной фактор затрудняет оценку эффективности решений, поскольку их реализация может быть как оперативной, так и развернутой во времени (в течение дней, недель, месяцев и даже лет); — динамизм хозяйственной жизни может в совокупности привносить нюансы, искажающие величину ожидаемой результативности решений; — затруднено и количественное выражение характеристик качества решений как основной предпосылки их эффективности, а также действий и взаимодействия отдельных работников. Спектр причин, затрудняющих количественную оценку управленческих решений, достаточно широк. Тем не менее теорией и практикой управления разработаны некоторые методологические подходы и методические приемы для ее проведения. При всех сложностях оценки эффективности управленческого труда в большей мере разработаны теоретико-методологические и методические приемы оценки эффективности отдельных мероприятий, чем управления в целом. Так, известны методы оценки эффективности внедрения новой техники, автоматизированных систем управления и др. До недавнего времени для характеристики экономической эффективности управления на государственном уровне среди других показателей использовался обобщающий показатель — национальный доход (вновь созданная стоимость) за конкретный период времени; на уровне какой-либо отрасли — показатель производительности труда, на уровне отдельного предприятия — прибыль. Один из известных подходов к оценке эффективности управления состоит в использовании понятий «эффективность в широком смысле» и «эффективность в узком смысле». В узком смысле эффективность отражает результативность собственно управленческой деятельности. В одном и другом смыслах для характеристики эффективности применяются обобщающие показатели и система частных показателей экономической и социальной эффективности. Для оценки, экономической эффективности управления в широком смысле используются обобщающие показатели. Частных показателей экономической эффективности деятельности трудового коллектива очень много. Среди них можно отметить: • рентабельность; • оборачиваемость оборотных средств; • окупаемость капиталовложений; • фондоемкость; • фондоотдачу; • производительность труда; • соотношение роста заработной платы и производительности труда и т. д. Обобщающими показателями социальной эффективности в широком смысле могут быть: • степень выполнения заказов потребителей; • доля объема продаж фирмы на рынке и др. Частными показателями социальной эффективности являются: • своевременность выполнения заказа; • полнота выполнения заказа; • оказание дополнительных услуг; • послепродажный сервис и др. Частными показателями производственной деятельности могут быть: • доля административно-управленческих расходов в общей сумме затрат предприятия; • доля численности управленческих работников в общей численности работающих на предприятии; • нагрузка управляемости (фактическая численность работающих на одного работника аппарата управления) и др. Обобщающими показателями социальной эффективности в узком смысле являются: • доля решений, принятых по предложению работников трудового коллектива; • количество работников, привлеченных к разработке управленческого решения. К частным показателям социальной эффективности относятся: • степень технической оснащенности управленческого труда; текучесть работников аппарата управления; квалификационный уровень кадров и т. п.

Изображение пользователя Элина Ижболдина
Re: Семинар от 14.06.20 в 09:40
от Элина Ижболдина - Monday, 14 June 2021, 10:33
 

Ижболдина Э.Л., ЗМ-2-18, Тема 1

БАЗЫ СТАТИСТИЧЕСКИХ ДАННЫХ

Базы статистических данных можно классифицировать на два типа, в зависимости от того, что принято за единицу хранения в базе данных:

  • к документографическим относятся базы данных, в которых единицей хранения является документ, например таблица, текст и т.д.;
  • к фактографическим — базы данных, в которых единицей хранения является статистический показатель.

Процесс формирования и ведения информационного фонда на основе статистических баз первого типа менее трудоемок. В такую базу помещаются, как правило, готовые отчеты со статистическими данными, текстовые документы. Для облегчения их использования создается приложение, обеспечивающее поиск необходимых форм по контексту, по заданным темам, а также программное приложение для отслеживания выполнения актуализации отчетов, т.е. уточнение и дополнение их новыми данными. Для организации таких баз данных могут быть использованы широко распространенные программные пакеты, такие, как Microsoft ExcelWord и др., с аналогичными функциональными возможностями. В государственной статистике для организации документогра-фических баз данных используется прикладная программа «БГД». Функциональные возможности данной системы не обеспечивают организацию обработки статистической информации от сбора статистических данных до предоставления информации. Она используется для предоставления статистической информации внешним пользователям.

Базы данных второго типа — фактографические, более сложные в проектировании и ведении, но при этом они более удобны для проведения аналитической обработки данных. Программное обеспечение фактографических баз статистических данных может полностью строится на прикладном программном обеспечении. В этом случае программист-разработчик создает свою систему управления базами данных. Такой подход в ряде случаев имеет преимущества по временным характеристикам и параметрам использования ресурсов хранения информации. Однако, как правило, нарушается принцип масштабируемости системы, т.е. удобных средств интеграции с другими системами, кроме того, возникает полная зависимость от разработчика СУБД. Использование промышленных СУБД лишено этих недостатков, разработка баз данных в промышленных системах имеет хороший сервис, что позволяет осуществлять разработки достаточно быстро при тщательном предварительном информационном проектировании.

В настоящее время программное обеспечение статистических баз данных в основном строится на унифицированном подходе, включающем:

  •  промышленную систему управления базами данных — MS SQL Server;
  • прикладное программное обеспечение, реализующее удобный интерфейс проектировщика, администратора и пользователя базы данных. Наиболее применяемым в качестве такого программного обеспечения в настоящее время является инструментальный пакет прикладных программ статистика-экономиста «СТАТЭК». 

На основе унифицированного подхода к применению программного обеспечения построения статистических баз данных, унификации кодирования на базе общероссийских классификаторов создается система интегрированных информационных ресурсов. В систему интегрированных информационных ресурсов входят следующие базы данных:

  • автоматизированный банк классификаторов (АБК);
  • база данных «Электронный каталог статистических показателей» (КСП);
  • база данных «Генеральная совокупность объектов статистического наблюдения» (ГС);
  • центральная база статистических данных (ЦБСД);
  • оперативная статистическая база данных;
  • отраслевые статистические базы данных;
  • проблемно-ориентированные базы статистических данных. 

Базы данных АБК, ГС и КСП создают основу для интеграции информационных ресурсов и создания унифицированной системы метаданных.

Единая метаинформация содержит рубрикатор входящих в систему баз данных и описания правил организации доступа к ним пользователей с разграничением их полномочий. При этом каждая физически отдельно созданная база данных включает две основные составляющие: метаданные данной базы и фонды данных.

Метаданные — совокупность информационных массивов, содержащих описание (метаданные) информации, хранящейся в базе данных. Она включает различные справочники и каталоги, задающие технологию организации и ведения баз данных. Фонд данных содержит количественные значения показателей, помещенных в базу данных.

Основными компонентами, закладываемыми в основу моделирования структур баз данных в АБД, являются объект статистического наблюдения и экономический показатель. В качестве объектов наблюдения выступают как отдельные предприятия, организации, стройки н т.д. — первоначальные источники информации, так и агрегированные объекты, к которым относятся отрасли экономики, территории, министерства и ведомства.

Агрегированный объект представляет собой совокупность сгруппированных элементарных объектов на основе некоторых признаков. Такими признаками являются отрасли экономики, ведомственная подчиненность, территориальная принадлежность и др., определяемые прежде всего общесоюзными классификаторами отраслей народного хозяйства, системой обозначений органов государственного управления и системой обозначений административно-территориальных объектов. Базы данных, входящие в систему интегрированных ресурсов, в зависимости от объекта наблюдения делятся на микробазы и макробазы данных. Микробазы содержат информацию по объектам статистического наблюдения. Макробазы данных содержат агрегированные данные, полученные после обработки информации.

Для проектирования, ведения и представления социально-экономической информации пользователям на основе создания микро- и макробаз данных, как было описано ранее, применяется промышленная система управления базами данных и создан и развивается инструментальный пакет прикладных программ «СТАТЭК». Эта система характеризуется следующими параметрами:

  • эксплуатируется в ЛВС с использованием различных СУБД: MS SQL ServerAccess, (ORACLE при развитии);
  • реализована в архитектуре клиент-сервер;
  • интегрирована с программными средствами Word,ExcelSPSSAccessMicrosoftmap;
  • разработана на объектно-ориентированном языке программирования Power Builder 5.0.

В последние годы в мире сформировались новые направления (концепции) хранения и анализа статистической информации в виде баз данных, использующих новые, перспективные технические и промышленные программные средства их реализации. К ним относятся:

1) концепция построения баз данных как хранилища данных (Data Warehouse);

2) оперативная аналитическая обработка (On-Line Analytical ProcessingOLAP);

3) интеллектуальный анализ данных — ИАД (Data Mining). Инструментальная система «СТАТЭК» базируется на комплексном использовании всех трех перечисленных направлений.

В основе концепции хранилища данных лежат две основные идеи:

1) интеграция в едином хранилище данных, описывающих конкретные факты социально-экономических явлений, событий, характеристик объектов статистического наблюдения. В процессе интеграции должно выполняться согласование рассогласованных микроданных по объекту наблюдения и, возможно, их агрегация. Данные могут поступать из внешних источников;

2) разделение наборов данных и приложений, используемых для оперативной обработки и применяемых для решения задач анализа.

Инструментальный пакет «СТАТЭК» имеет трехуровневую архитектуру. Реализация функции проектирования и ведения хранилища статистических данных осуществляется подсистемами первого и второго уровней пакета «СТАТЭК».

Третий уровень включает программные подсистемы, обеспечивающие обработку информации и предоставление информации пользователям.

Программные средства этого уровня рассчитаны на разные категории пользователей и содержат как статические, так и динамические системы формирования запросов. Информационно-аналитические системы, создаваемые в расчете на непосредственное использование лицами, принимающими решения, чрезвычайно просты в применении, но жестко ограниченны в функциональности. Такие системы называются статическими информационными системами руководителя (ИСР). Они содержат в себе предопределенные множества запросов и, будучи достаточными для повседневного обзора, не способны ответить на все вопросы к имеющимся данным, которые могут возникнуть при принятии решений. Результатом работы такой системы, как правило, являются многостраничные отчеты, после тщательного изучения которых у аналитика появляется новая серия вопросов. Однако каждый новый запрос, не предусмотренный при проектировании такой системы, должен быть сначала формально описан, закодирован программистом и только затем выполнен. Время ожидания в таком случае может составлять часы и дни, что не всегда приемлемо. Таким образом, внешняя простота статических систем планирования и принятия решений, за которую активно борется большинство заказчиков информационно-аналитических систем, оборачивается катастрофической потерей гибкости.

Динамические системы, напротив, ориентированы на обработку нерегламентированных запросов аналитиков к данным. Работа аналитиков с этими системами заключается в интерактивной последовательности формирования запросов и изучения их результатов. Динамические системы запросов строятся на основе генератора отчетов с использованием стандартных средств аналитической обработки пакетов типа SASSPSS, технологии OLAP. Оперативная аналитическая обработка данных по технологии OLAP обеспечивает многомерный статистический анализ, т.е. представление анализируемых фактов как функций от большого числа характеризующих их параметров.

Полная структура информационно-аналитической системы, построенной на основе хранилища данных. В конкретных задачах отдельные компоненты этой схемы часто отсутствуют.

Особенно подвержено влиянию новых информационных технологий предоставление информации пользователю. Все большее распространение получает электронный вид предоставления информации пользователю. Осуществляется электронное предоставление данных различными способами, каждый из которых определяется в зависимости от потребностей пользователя. К ним относятся предоставление информации на магнитных носителях — дискетах или лазерных дисках; организация удаленного доступа пользователя к базе данных; рассылка абонентам в их почтовые ящики информации для обновления их собственных баз данных; обслуживание пользователей через сеть Internet. Все перечисленные способы электронного распространения статистической информации внедрены и используются в системе государственной статистики.

Таким образом, применение современных методов автоматизации и информационных технологий оказывает влияние на все этапы технологического процесса разработки статистической информации — от проектирования формы статистического наблюдения до предоставления статистических данных пользователю. При этом модернизация осуществляется одновременно по трем направлениям: техническое переоснащение, применение новых системных программных средств, промышленных программ, а также изменение прикладного программного обеспечения. Процесс модернизации информационных технологий позволяет качественно изменить многие этапы разработки статистических данных, предоставив экономисту инструмент непосредственной работы с информационными массивами и возможность применения мощных средств редактирования и аналитической обработки.