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 |
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 |
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 |
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 |
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.
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/