Микро-цензы - статистическое наблюдение, организованное на основе использования выборки. Микро ценз проводится, когда проведение сплошного наблюдения не имеет смысла, невозможно по организационным причинам или экономически нецелесообразно из-за ресурсных затрат, требующихся на его осуществление. В некоторых случаях М. –единственно возможный способ получения информации. Напр., контроль качества отдельных видов продукции невозможен без нарушения ее потребительских свойств, поэтому он может осуществляться только на основе низкопроцентной, предпочтительно малой выборки. При маркетинговых обследованиях в большинстве случаев также невозможно полностью обследовать всю совокупность потенциальных потребителей того или иного товара. К достоинствам М. следует отнести более короткие сроки обследования, что повышает оперативность и актуальность статистической информации, и экономию трудовых, материальных и денежных затрат. Следовательно, М. повышают эффективность статистики. Существенно сокращается количество ошибок регистрации. С учетом возможности планирования и оценки ошибок репрезентативности выборки, точность результатов М. позволяет применять его для проверки данных сплошного учета. Объем работы по сбору и обобщению результатов обследования значительно меньше, поэтому результаты выборочного обследования можно получить значительно быстрее, чем при сплошном наблюдении.

Т.к. наблюдению подвергается лишь часть элементов общей совокупности, появляется возможность расширения программы обследования, т.е. более широкого и детального наблюдения каждой единицы в отдельности. При проведении обследования выборочным методом общий объем работы меньше, поэтому можно лучше подготовить и более тщательно контролировать его проведение и обработку данных. Следовательно, при правильной организации выборочное обследование может дать более достоверные результаты, чем соответствующее сплошное.

В результате М. получают: среднее значение признака; суммарное значение признака; долю единиц, обладающих определенным значением признака или долю суммарного объема признака определенной группы единиц в совокупности. Для оценки результатов М. обычно рассчитывают дисперсию, стандартную ошибку, коэффициент вариации (относительную стандартную ошибку); доверительный интервал.

Для того чтобы выявить тенденцию развития в рядах динамики, необходимо провести выравнивание по следующим зависимостям: линейная, логарифмическая, полиномиальная, степенная, экспоненциальная. Дальше построить графики к каждой зависимости и линии тренда к графикам. Если исследуемая совокупность содержит некоторые группы и имеется информация о принадлежности элементов к той или иной группе, то может быть удобным вначале осуществить случайную выборку из этих групп, а затем в целях экономии средств и времени не проводить обследование всех единиц отобранных групп, как при гнездовом отборе, а отобрать лишь часть элементов в каждой выбранной группе, т.е. использовать ступенчатую выборку. В отдельных случаях применяется М. на основе комбинированной выборки. Комбинированная выборка имеет два аспекта: чередование во времени и одновременное использование, когда часть совокупности наблюдается на сплошной основе, а часть – выборочно (напр., перепись нас.).

Чередование периодических выборочных обследований со сравнительно редкими структурными сплошными переписями необходимо для уточнения детализированного состава исследуемой ген. совокупности и для получения значений осн. классифицирующих и количественных признаков для всех единиц. М. на основе выборок квазислучайного типа используются, в основном, в социологических исследованиях. При этом предполагается наличие вероятностного отбора на том основании, что эксперт – специалист, организующий и рассматривающий выборку – считает это допустимым. Выборки, построенные на основе суждения эксперта, наилучшим образом проявляют себя там, где выборка мала; исследуемая ген. совокупность весьма невелика и обозрима, или же хорошо известна организатору наблюдения; исследуемое свойство элементов общей совокупности весьма существенно варьирует; специалист, формирующий выборку, является большим и признанным мастером своего дела. Среди таких методов наиболее распространены метод «фильтра», метод «снежного кома», метод отбора по косвенным признакам. Выборки, сформированные на основе направленного отбора, извлекаются с помощью объективной процедуры, но без использования вероятностного механизма. Широко известен метод осн. массива, при котором в выборку включаются наиболее крупные (существенные) единицы наблюдения, обеспечивающие основной вклад в показатель, напр., суммарное значение признака, представляющего осн. интерес обследования.

Метод «фильтра» состоит в том, что по программе наблюдения опрашивается более широкий массив респондентов, чем требуется для решения осн. задачи исследования, однако часть вопросов анкеты (интервью) задается лишь представителям целевой группы, выступающей объектом в данном исследовании. В качестве «фильтра» при этом служит вопрос относительно предмета исследования. Окончательно выборка формируется не до, как в классической схеме, а после проведения опроса. При этом общий массив опрошенных распадается на две подвыборки: осн., включающую только представителей целевой группы, и дополнительную, в которую входят лица, которые попали в предварительную выборку, но не относятся к объекту исследования. Метод «фильтра» применим в осн. тогда, когда изучаемая группа достаточно многочисленна и компактно расселена в пределах терр. обследования. Однако в практике исследований нередки случаи, когда представители интересующей исследователя группы составляют лишь незначительную долю от численности единиц всего региона, в котором проводится исследование, и к тому же дисперсно рассеяны по его терр. Формирование выборки по методу «снежного кома» начинается с выбора нескольких «стартовых точек», т.е. индивидов, заведомо относящихся к объекту исследования. Такой отбор может быть случайным (не в статистическом, а в бытовом смысле этого слова). Однако лучше пользоваться регулярным методом, напр., с использованием данных ведомственной статистики. Затем среди отобранных стартовых единиц проводится опрос, а в дополнение к стандартной анкете их просят назвать несколько фамилий и адресов других представителей целевой группы, которые проживают в том же городе и к которым можно обратиться с вопросами обследования. Эта процедура повторяется до тех пор, пока итоговая выборка не достигнет некоторой заранее установленной величины, достаточной для проверки гипотез исследования. Особое внимание при таком методе проведения М. необходимо уделить подбору «стартовых» персон. Они должны быть не только достаточно известны и авторитетны, но и, что немаловажно, представлять разные слои изучаемой целевой группы.

Метод отбора по косвенным признакам предполагает целенаправленный отбор респондентов по признакам, хотя и косвенно, но достаточно тесно связанным с фамилией единицы наблюдения, с четким определением которой имеются существенные затруднения. Напр., при этносоциологических исследованиях в качестве такого косвенного признака используется фамилия индивида. При отборе по фамилии обычно используются поименные, списки постоянно или временно прописанного нас., подготовленные для последних по очереди выборов. В целом этот источник очень не надежен. Зачастую невозможно правильно определить национальную принадлежность из-за того, что фамилии близкородственных по языку народов могут звучать одинаково. Но самая гл. трудность при использовании пофамильных списков как этнического идентификатора состоит в том, что представители разных народов, принявшие одну веру или использующие один и тот, же язык в быту, часто имеют практически неразличимые фамилии. Это относится и к таким странам, как США, Канада, Австралия; но в наибольшей, пожалуй, степени характеризует Россию. Напр., Яковлев может быть рус., чувашем, марийцем, якутом, эрзя, мокша, удмуртом, бурятом и т.д. Поэтому метод отбора по косвенным признакам можно применять для проведения М. только в узко определенных случаях, с большой осторожностью и, по возможности, используя не отдельные признаки векторы признаков в качестве косвенных критериев отбора.

Таблица 1 – Выравнивание ряда динамики аналитическим методом по линейной функции

Годы	Порядковый номер года	Численность городского населения, тыс.чел.	Линейная функция
			Yt	Yi-Yt	(Yi-Yt)^2
1991	1	109357,7	107718,04	1639,66	2688484,916
1992	2	108668,4	107664,48	1003,92	1007855,366
1993	3	108304,8	107610,92	693,88	481469,4544
1994	4	108321,7	107557,36	764,34	584215,6356
1995	5	108310,6	107503,80	806,8	650926,24
1996	6	108187,8	107450,24	737,56	543994,7536
1997	7	108110,8	107396,68	714,12	509967,3744
1998	8	108053,2	107343,12	710,08	504213,6064
1999	9	107419,5	107289,56	129,94	16884,4036
2000	10	107071,7	107236,00	-164,3	26994,49
2001	11	106725,3	107182,44	-457,14	208976,9796
2002	12	106321,2	107128,88	-807,68	652346,9824
2003	13	106039,5	107075,32	-1035,82	1072923,072
2004	14	105182,1	107021,76	-1839,66	3384348,916
2005	15	104818,6	106968,20	-2149,6	4620780,16
2006	16	104731,7	106914,64	-2182,94	4765227,044
2007	17	104865,1	106861,08	-1995,98	3983936,16
2008	18	104915,5	106807,52	-1892,02	3579739,68
2009	19	105061,4	106753,96	-1692,56	2864759,354
2010	20	105421,2	106700,40	-1279,2	1636352,64
2011	21	105742	106646,84	-904,84	818735,4256
2012	22	106118,3	106593,28	-474,98	225606,0004
2013	23	106548,7	106539,72	8,98	80,6404
2014	24	108282,2	106486,16	1796,04	3225759,682
2015	25	108657,4	106432,60	2224,8	4949735,04
2016	26	109032,4	106379,04	2653,36	7040319,29
2017	27	109326,9	106325,48	3001,42	9008522,016

Рисунок 1 – Выравнивание аналитическим методом полинейнойфункции По выравниванию ряда динамики аналитическим методомполинейной функции видно, что городское население за 1991-2017 гг., а также в прогнозируемых 2018 и 2019 годах имеют тенденцию снижения. В 2018г.

данный показатель достигнет 106271,92 тыс.чел., в 2019 г. – 106218,36 тыс.чел.

Таблица 2 – Выравнивание ряда динамики аналитическим методом по логарифмической функции

Годы	Порядковый номер года	Численность городского населения, тыс.чел.	Логарифмическая функция
			Yt	Yi-Yt	(Yi-Yt)^2
1991	1	109357,7	107713,13	1644,57	2704610,47
1992	2	108668,4	107659,29	1009,11	1018309,17
1993	3	108304,8	107605,47	699,329	489061,35
1994	4	108321,7	107551,68	770,018	592928,436
1995	5	108310,6	107497,92	812,681	660450,128
1996	6	108187,8	107444,18	743,616	552965,226
1997	7	108110,8	107390,48	720,325	518868,025
1998	8	108053,2	107336,79	716,407	513238,594
1999	9	107419,5	107283,14	136,362	18594,5048
2000	10	107071,7	107229,51	-157,81	24904,0611
2001	11	106725,3	107175,91	-450,61	203048,37
2002	12	106321,2	107122,33	-801,13	641816,27
2003	13	106039,5	107068,79	-1029,3	1059430,95
2004	14	105182,1	107015,27	-1833,2	3360496,28
2005	15	104818,6	106961,77	-2143,2	4593183,75
2006	16	104731,7	106908,3	-2176,6	4737604,72
2007	17	104865,1	106854,86	-1989,8	3959157,54
2008	18	104915,5	106801,45	-1885,9	3556804,18
2009	19	105061,4	106748,06	-1686,7	2844828,04
2010	20	105421,2	106694,7	-1273,5	1621805,18

2011	21	105742	106641,37	-899,37	808861,309
2012	22	106118,3	106588,06	-469,76	220674,318
2013	23	106548,7	106534,78	13,9208	193,789267
2014	24	108282,2	106481,53	1800,67	3242429,95
2015	25	108657,4	106428,3	2229,1	4968896,97
2016	26	109032,4	106375,1	2657,3	7061259,72
2017	27	109326,9	106321,92	3004,98	9029888,63

Выравнивание ряда динамики аналитическим методом по логарифмической функции

 

	f(x)=2930 R² = 0.07	42.66exp(−0x	)

110000

109000

108000

107000

106000

105000

104000

103000

102000

1985 1990 1995 2000 2005 2010 2015 2020

Рисунок 2 – Выравнивание ряда динамики аналитическим методом по логарифмической функции

Выравнивание ряда динамики аналитическим методом по логарифмической функции показывает,что за 1991-2017 гг., а также в прогнозируемых 2018-2019 гг. численность городского имеет тенденцию к снижению.

Таблица 3 – Выравнивание ряда динамики аналитическим методом по полиномиальной функции

Годы	Порядков ый номер года	Численность городского населения, тыс.чел.	Полиномиальная функция
			Yt	Yi-Yt	(Yi-Yt)^2
1991	1	109357,7	109090,00	267,70	71663,29
1992	2	108668,4	108490,64	177,76	31600,17
1993	3	108304,8	108140,03	164,77	27149,17
1994	4	108321,7	107891,27	430,43	185268,90

1995	5	108310,6	107698,32	612,28	374887,98
1996	6	108187,8	107540,67	647,13	418782,95
1997	7	108110,8	107407,37	703,43	494811,66
1998	8	108053,2	107291,91	761,29	579567,19
1999	9	107419,5	107190,06	229,44	52642,76
2000	10	107071,7	107098,95	-27,25	742,82
2001	11	106725,3	107016,54	-291,24	84820,71
2002	12	106321,2	106941,30	-620,10	384525,52
--	13	106039,5	106872,09	-832,59	693203,26
2004	14	105182,1	106808,01	-1625,91	2643573,99
2005	15	104818,6	106748,35	-1929,75	3723931,17
2006	16	104731,7	106692,54	-1960,84	3844903,43
2007	17	104865,1	106640,12	-1775,02	3150697,50
2008	18	104915,5	106590,70	-1675,20	2806280,10
2009	19	105061,4	106543,94	-1482,54	2197935,57
2010	20	105421,2	106499,59	-1078,39	1162925,65
2011	21	105742	106457,40	-715,40	511799,23
2012	22	106118,3	106417,18	-298,88	89326,62
2013	23	106548,7	106378,74	169,96	28887,03
2014	24	108282,2	106341,94	1940,26	3764621,08
2015	25	108657,4	106306,64	2350,76	5526081,63
2016	26	109032,4	106272,72	2759,68	7615812,05
2017	27	109326,9	106240,09	3086,81	9528396,83

Выравнивание ряда динамики аналитическим методом по полиномиальной функции

 

	f(x)=−10 R² =0.07	7901.18ln(x)+9	27383.14

110000

109000

108000

107000

106000

105000

104000

103000

102000

1985 1990 1995 2000 2005 2010 2015 2020

Рисунок 3 – Выравнивание ряда динамики аналитическим методом по полиномиальной функции

Выравнивание ряда динамики аналитическим методом по полиномиальной функции показывает, что за 1991-2017 гг., а также в

прогнозируемых 2018-2019 гг. численность городского населения имеет тенденцию кснижению.

Таблица 4 – Выравнивание ряда динамики аналитическим методом по

степенной функции

Годы	Порядковый номер года	Численность городского населения, тыс.чел.	Степенная функция
			Yt	Yi-Yt	(Yi-Yt)^2
1991	1	109357,7	110267,9	-910,219	828498,6
1992	2	108668,4	109625,9	-957,516	916836,9
1993	3	108304,8	109031	-726,191	527353,4
1994	4	108321,7	108483,1	-161,444	26064,17
1995	5	108310,6	107982,4	328,225	107731,7
1996	6	108187,8	107528,7	659,116	434433,9
1997	7	108110,8	107122,1	988,729	977585
1998	8	108053,2	106762,5	1290,664	1665814
1999	9	107419,5	106450,1	969,421	939777,1
2000	10	107071,7	106184,7	887	786769
2001	11	106725,3	105966,4	758,901	575930,7
2002	12	106321,2	105795,2	526,024	276701,2
2003	13	106039,5	105671	368,469	135769,4
2004	14	105182,1	105594	-411,864	169632
2005	15	104818,6	105564	-745,375	555583,9
2006	16	104731,7	105581,1	-849,364	721419,2
2007	17	104865,1	105645,2	-780,131	608604,4
2008	18	104915,5	105756,5	-840,976	707240,6
2009	19	105061,4	105914,8	-853,399	728289,9
2010	20	105421,2	106120,2	-699	488601
2011	21	105742	106372,7	-630,679	397756
2012	22	106118,3	106672,2	-553,936	306845,1
2013	23	106548,7	107018,9	-470,171	221060,8
2014	24	108282,2	107412,6	869,616	756232
2015	25	108657,4	107853,4	804,025	646456,2
2016	26	109032,4	108341,2	691,156	477696,6
2017	27	109326,9	108876,2	450,709	203138,6

Выравнивание ряда динамики аналитическим методом по степенной функции

 

	f(x) =23. R²=0.76	54x²−94396.22	x +94744272.0	5

110000

109000

108000

107000

106000

105000

104000

103000

102000

1985 1990 1995 2000 2005 2010 2015 2020

Рисунок 4 – Выравнивание ряда динамики аналитическим методом по

степенной функции

Выравнивание ряда динамики аналитическим методомпо степенной функции показывает, что за 1991-2017 гг., а также в прогнозируемых 2018-2019 гг. численность городского населения имеет тенденцию к снижению и возрастанию.

Таблица 5 – Выравнивание ряда динамики аналитическим методом по экспоненциальной функции

Годы	Порядковый номер года	Численность городского населения, тыс.чел.	Экспоненциальная функция
			Yt	Yi-Yt	(Yi-Yt)^2
1991	1	109357,7	109100	257,7	66409,29
1992	2	108668,4	108496,6954	171,7045978	29482,46889
1993	3	108304,8	108145,3326	159,4674229	25429,85895
1994	4	108321,7	107896,727	424,9730228	180602,0701
1995	5	108310,6	107704,2871	606,3128755	367615,3031
1996	6	108187,8	107547,3071	640,4928708	410231,1175
1997	7	108110,8	107414,761	696,0390497	484470,3587
1998	8	108053,2	107300,0763	753,1237237	567195,3433
1999	9	107419,5	107199,0189	220,4811345	48611,93069
2000	10	107071,7	107108,7006	-37,00058348	1369,043178
2001	11	106725,3	107027,0633	-301,7633148	91061,09816
2002	12	106321,2	106952,5887	-631,3886611	398651,6414
2003	13	106039,5	106884,1244	-844,6243854	713390,3525
2004	14	105182,1	106820,7754	-1638,67544	2685257,198
2005	15	104818,6	106761,8327	-1943,232732	3776153,451
2006	16	104731,7	106706,725	-1975,024953	3900723,565
2007	17	104865,1	106654,9851	-1789,885062	3203688,536

2008	18	104915,5	106606,2264	-1690,726373	2858555,667
2009	19	105061,4	106560,1251	-1498,725124	2246176,998
2010	20	105421,2	106516,4075	-1095,207536	1199479,546
2011	21	105742	106474,84	-732,8400244	537054,5014
2012	22	106118,3	106435,2217	-316,9217073	100439,3685
2013	23	106548,7	106397,3786	151,3214292	22898,17493
2014	24	108282,2	106361,1589	1921,041114	3690398,962
2015	25	108657,4	106326,4296	2330,97044	5433423,193
2016	26	109032,4	106293,0732	2739,326794	7503911,284
2017	27	109326,9	106260,9858	3065,914233	9399830,086

Выравнивание ряда динамики аналитическим методом по экспоненциальной функции

 

	f(x) =2361	45100.62x^-1.0	1
	R² = 0.08

110000

109000

108000

107000

106000

105000

104000

103000

102000

1985 1990 1995 2000 2005 2010 2015 2020

Рисунок 5 – Выравнивание ряда динамики аналитическим методом по экспоненциальной функции

Выравнивание ряда динамики аналитическим методомпо степенной функции показывает, что за 1991-2017 гг., а также в прогнозируемых 2018-2019 гг. численность городского населения имеет тенденцию к снижению.

Список литературы

Аблеева, А. М. Статистика [Электронный ресурс] : учебное пособие / А. М. Аблеева ; М-во сел. хоз-ва РФ, Башкирский ГАУ. - Уфа, 2018.- 173с.

Бережной В. И. Статистика в примерах и задачах [Электронный ресурс]:учебноепособие/В.И.Бережной,О.Б.Бигдай,О.В.Бережная,

Киселева О.А. - М.: НИЦ ИНФРА-М, 2016. - 288 с.– Режим доступа: http://znanium.com/bookread2.php?book=502176

Глинский, В. В. Статистика: учебник / В.В. Глинский, В.Г. Ионин, Л.К. Серга [и др.] ; под ред. В.Г. Ионина. — 4-е изд., перераб. и доп. — М. : ИНФРА- М, 2017. — 355 с. – Режим доступа: http://znanium.com/bookread2.php? book=552459

Гужова,О.А. Статистика в управлении социально-экономическими процессами : учеб. пособие / О.А. Гужова, Ю.А. Токарев. — М. : ИНФРА-М, 2017. — 172 с. — Режим доступа: http://znanium.com/bookread2.php? book=556718

Ефимова М. Р. Общая теория статистики [Электронный ресурс]: учебник / М.Р. Ефимова, Е.В. Петрова, В.Н. Румянцев. - 2-e изд., испр. и доп. - М.: ИНФРА-М, 2011. - 416 с. – Режим доступа: http://www.znanium.com/bookread.php?book=251320

Федеральная служба государственной статистики – Режим доступа:http://www.gks.ru/

Код для цитирования: Скопировать