Материал: Метод группировок в статистике, его значение в использовании социально-экономических явлений

.   Данные статистики населения выделяются в следующие группировки по:

численности населения по областям и г.Минску,

численности мужчин и женщин по областям и г. Минску,

удельному весу основных возрастных групп в численности населения,

итогам миграции населения по областям и г. Минску и др.;

.   Трудовых ресурсов и занятости:

трудовым ресурсам по областям и г. Минску,

численности экономически активного населения и уровню экономической активности,

численности экономически активного населения по полу,

численности занятого населения по отраслям экономики в городах, поселках городского типа и сельских населенных пунктах,

среднесписочной численностиь работников организаций по отраслям промышленностии и др.;

.   Безработици и трудоустройства:

- численности безработных, зарегистрированных в органах по труду, занятости и социальной защите, по возрастным группам, областям и г. Минску,

численности безработных, зарегистрированных в органах по труду, занятости

и социальной защите, по уровню образования, областям и г. Минску.,

численности безработных, зарегистрированных в органах по труду, занятости и социальной защите, по причинам увольнения с работы и по их последнему занятию и др.

Изучая количественную сторону массовых общественных явлений в неразрывной связи с их качественными особенностями, статистика стремится показать совокупность явлений в дифференциации, в многообразии их типов, рассматривает взаимосвязи и соотношения между ними. В результате группировки выделяют социально-экономические типы как выражение конкретного общественного процесса, его форм и разветвлений; существенных черт, общих для множества единичных явлений.

Изучая количественную сторону массовых общественных явлений в неразрывной связи с их качественными особенностями, статистика стремится показать совокупность явлений в дифференциации, в их типов, рассматривает взаимосвязи и соотношения между ними.

2. Группировки трудовых ресурсов

2.1 Задачи и принципы построения группировок показателей трудовых ресурсов

Трудовые ресурсы являются первой производительной силой общественного производства, а производительность труда - определяющий критерий социально-экономического развития общества в целом.

Актуальность исследования обусловлена тем, что от обеспеченности общества трудовыми ресурсами и эффективности их использования зависят объем и своевременность выполнения всех работ, степень использования оборудования, машин, механизмов и как следствие - объем производства продукции, ее себестоимость, прибыль и ряд других экономических показателей.

Метод группировки позволяет получить общее представление о различных сторонах изучаемого объекта или процесса, выявить закономерности изменения основных показателей в совокупности, установить взаимосвязи и зависимости различных сторон, изучаемых явлений, определить влияние факторов на изменение результативного признака.

Повышение экономической эффективности и качества продукции требуют полной мобилизации всех имеющихся резервов. Это предполагает максимальное развитие хозяйственной инициативы трудовых коллективов предприятий. Прежде всего, необходимо определить какие изменения в использовании труда произошли в процессе производства по сравнению с заданием. Эти изменения могут носить двоякий характер: положительный и отрицательный. Задача анализа хозяйственной деятельности состоит в том, чтобы обнаружить все изменения, определить их характер и в последующем либо содействовать, либо противодействовать их развитию.

На макроуровне изучается структура трудовых ресурсов и занятости:

численности экономически активного населения по полу,

трудовым ресурсам по областям и г. Минску (Приложение Б),

численность занятого населения Республики Беларусь по отраслям экономики,

среднесписочная численность работников организаций по отраслям промышленности

численности занятого населения по отраслям экономики в городах, поселках городского типа и сельских населенных пунктах (Приложение С) и т.п.

Так, например, по группировке трудовых ресурсов по областям и г.Минску 2000-2010 гг., можно сделать вывод, что в на протяжении 10 лет г. Минск лидирует, на во втором месте - Гомельская область и Минская - на третьем. Однако, процент лиц старше и младше трудоспособного возраста, занятых в экономике (2000-2010 гг.) в Минской области выше, чем в Гомельской. В 2010 году по г. Минску доля трудоспособного населения в трудоспособном возрасте составила 22,7 , что значительно больше, чем по Минской области (13,2).

В процессе анализа трудовых ресурсов на уровне организации изучаются:

. Степень обеспеченности рабочих мест производственного подразделения персоналом в требуемом для производства профессиональном и квалификационном составе (обеспеченности производства трудовыми ресурсами);

. Степень качественного использования трудовых ресурсов (рабочего времени) в процессе производства.

. Степень эффективности использования трудовых ресурсов (изменение производительности труда).

Таким образом, целью анализа труда является выявление резервов и неиспользованных возможностей, разработка мероприятий по приведению их в действие. [1, с. 236]

Для всесторонней характеристики трудовых ресурсов широко применяется метод группировок. Так, для характеристики качественного состава трудоспособного населения применяют группировки по уровню образования и классификации, по занятиям и профессиям и др. Трудовые ресурсы группируются по полу, возрасту, занятости, отраслям, секторам экономики, формам собственности, регионам, роду занятий, стажу работы и т.п. [10, С. 216]

Группировка по уровню образования. Уровень образования является одним из показателей качества трудовых ресурсов. Для его изучения обычно применяется следующие группировочные атрибутивные признаки:

1. Неграмотен;

2. Читает и пишет;

3. Начальное образование;

4. Незаконченное среднее образование;

5. Общее среднее образование;

6. Среднее специальное образование;

7. Незаконченное высшее образование;

8. Высшее образование;

9. Научная степень: кандидата и доктора наук;

10.Учёное звание.

Структура численности занятого населения по уровню образования реализуется в группировке по признакам: работающие по найму, лица не наёмного труда. Например, в 2007 году из общей численности лиц, работающих по найму, имели высшее профессиональное образование 20,2%, а среди лиц ненаёмного труда - только 19%.

Для исследования квалификационного состава трудоспособного населения также применяется ряд группировок. Изменение квалификационного состава объясняется внедрением в экономику достижений науки и научно-технического прогресса. Это влечёт за собой повышение уровня квалификации занятого населения. Следует отметить, что показателем уровня квалификации для работников физического труда является тарифный разряд. Однако необходимо подчеркнуть, что его можно рассчитать только для работников одной и той же профессии.

Группировки трудоспособного населения по занятиям и профессиям позволяет изучать распределение работников по конкретным формам трудовой деятельности. Профессия определяется полученной работником подготовкой, суммой профессиональных навыков, необходимых для конкретных видов экономической деятельности. Более узким понятием по отношению к профессии является специальность, которая отражает конкретную область приложения труда работников (например, профессия - экономист, специальность - статистика). Группировка занятого населения по профессиям отражает те качественные изменения, которые происходят в экономике. При определении общей численности работников одной и той же профессии необходимо учитывать их во всех отраслях экономики. [10, с. 217]

Занятие часто не совпадает с профессией. Занятие определяется местом работы и должностью работника. В основе изучения профессии лежат классификации, которые разрабатываются статистическими органами при проведении переписей населения и переписей профессионального состава. Материалы переписей дают большие возможности для анализа качественного состава трудоспособного населения.

Фактическая занятость населения не по профилю профессиональной подготовки часто ведёт к утрате образовательного, а, следовательно, и трудового потенциала, и поэтому должна быть учтена.

Основной группировкой, отражающей степень использования трудовых ресурсов в экономике, является их деление на занятых и незанятых. В свою очередь, занятое население группируется по секторам, отраслям и сферам деятельности. Характеристика занятого населения по сферам деятельности, т.е. на занятых производством товаров и оказанием услуг, имеет важное значение для характеристики трудового потенциала этих сфер.

Эффективность использования трудового потенциала рассматривается в качестве фактора его изменения, в зависимости от которого при одной и той же численности трудовых ресурсов заключённый в них потенциал может быть разным, а при одном и том же потенциале может быть достигнут больший или меньший результат в зависимости от наличия потерь и уровня использования каждой единицы потенциальных ресурсов.

.2 Практическое применение метода группировок при анализе кадрового состава организации

Применение метода группировок проиллюстрировано на примере трудовых ресурсов, персонала работающих ОАО «Белшина».

ОАО «Белшина» - одно из крупнейших предприятий в Европе, выпускающее более 200 типоразмеров шин для легковых, грузовых, подъемно-транспортных, строительно-дорожных, сельскохозяйственных и других машин. ОАО «Белшина» включает в себя: завод крупногабаритных шин, завод массовых шин, завод сверхкрупногабаритных шин, механический завод, цеха и другие подразделения, необходимые для организации производства и сбыта продукции, а также объекты социальной сферы.

К конкурентным преимуществам сильных сторон деятельности ОАО «Белшина» можно отнести значительный производственный потенциал, высокую квалификацию персонала, гибкость предприятия, разнообразие номенклатуры. ОАО «Белшина» обладает большим экспортным потенциалом.

Стратегической целью дальнейшего развития ОАО «Белшина» является техническое перевооружение с внедрением эффективного технологического оборудования и передовых технологий производства шин в соответствии с инвестиционной программой. Это позволит за счет освоения новых типоразмеров шин укрепить конкурентные позиции и расширить долю рынка, укрепить финансовое состояние и получить достаточный объем прибыли.

Благодаря надежности, долговечности, комфортабельности белорусские шины завоевали высокую репутацию как у отечественных, так и у зарубежных производителей. Общество экспортирует свою продукцию в 68 стран мира.

Численность работающих на предприятии составляет около 13357 человек, в том числе промышленно - производственный персонал - около 10804. Ведущие специалисты предприятия - это профессионалы высокого уровня, имеющие многолетний стаж работы.

Структура кадров предприятия, характеризующая соотношение различных категорий работников представлена на рисунке 1.

Рисунок 1 - Структура кадров предприятия

Из рисунка 1 видно, что управленческий персонал занимает небольшой удельный вес в общей численности - 7 %, специалисты и служащие - 11%. Относительно большой удельный вес работников непромышленной группы обусловлен наличием большого количества объектов непромышленной сферы, в том числе социальной.

По данным ОАО «Белшина» построена группировка работающих подготовительного цеха№1 по стажу (структурная), а также группировка, характеризующая зависимость отработанного времени от стажа работающих (аналитическая группировка).

Группировка рабочих цеха по стажу.

Построен ряд распределения рабочих по стажу работы, с равными интервалами, вычислен удельный вес рабочих по каждой образовавшейся группе. Исходные данные представлены в ПРИЛОЖЕНИИ А.

Стаж работы - группировочный признак, число групп - 5, число единиц изучаемой совокупности - 34. Величина интервала (i) - это отношение разности максимального и минимального значения признака к числу образуемых групп: = (21,0 - 1,0) : 5 = 4 (года).

Границы групп составили:

первая группа: от 1 - до 5 лет;

вторая группа: от 5 - до 9 лет;

третья группа: от 9 - до 13 лет;

четвёртая группа: от 13 - до 17лет;

пятая группа: от 17 - до 21 года.

Таблица 1 - Группировка рабочих подготовительного цеха №1 ОАО «Белшина» за ноябрь 2009 года

Наибольшим удельным весом обладают рабочие в группе со стажем от 1 до 5 лет; наименьшим - рабочие с большем стажем работы (от 17 до 21 лет); рабочие со стажем от 5 до 9 лет на втором месте; за ними следуют рабочие со стажем от 9 до 17 лет (рисунок 2).

Рисунок 2 - Удельный вес работников подготовительного цеха №1 по каждой группе.

Очевидна тенденция уменьшения численности работников в группах с большим стажем. Для цеха характерна текучесть кадров - почти половина рабочих (44%) имеет стаж до 5 лет.

Зависимость отработанного времени от стажа рабочих.

Факторный группировочный признак - стаж, результативный - отработанное время, число групп - 4.

Найдём величину интервала: i = (21,0 - 1,0) : 4 = 5 (лет).

Найдём группы:

первая группа от 1 - до 6 лет;

вторая группа от 6 - до 11 лет;

третья группа от 11 - до 16 лет;

четвёртая группа от 16 - до 21 года.

Для того, чтобы охарактеризовать каждую образовавшуюся группу, необходимо составить исходную рабочую таблицу (таблица 2).

Таблица 2 - Исходные данные для расчётов зависимости между стажем и числом отработанных человеко-часов по подготовительному цеху №1 ОАО «Белшина»

Итоговые данные рабочей таблицы и рассчитанные на их основе средние показатели занесены в свободную аналитическую таблицу (таблица 3).

Таблица 3 - Зависимость отработанного времени от стажа рабочих по подготовительному цеху №1 ОАО «Белшина»

Вывод: на основе полученных данных можно сказать, что увеличение среднего стажа работы прямо влияет на количество отработанных человеко-часов. С увеличением стажа работы увеличивается число отработанных человеко-часов в среднем на одного работника, т.е. его выработка растет. Предполагается, что наличие большего стажа свидетельствует о большем опыте, более высокой квалификации.

Метод группировок имеет широкую область применения. Из больших объёмов совокупностей можно получить малые, сгруппировав их по какому-либо признаку и на этой основе можно выявлять зависимость одних признаков от других, например зависимость выработки от стажа, определить экономические тенденции (рост текучести кадров и т.д).

2.3 Изучение размера вариации признаков на основе метода группировок

Для изучения тенденции явления можно использовать метод средних, для характеристики отклонения от тенденции - показатели колеблемости или вариации.

По данным подготовительного цеха №1 рассчитано среднее число выходов (явок) на работу в течение месяца, модальное и медианное значение, а также показатели вариации.

Имеются следующие данные о числе выходов на работу (дней): 17, 3, 15, 16, 15, 15, 11, 12, 8, 6, 14, 10, 14, 15, 16, 15, 16, 15, 15, 16, 17, 14, 16, 8, 3, 5, 15, 8, 16, 8, 4, 8, 11. Для анализа распределения рабочих цеха по числу выходов на работу построены:

.   Интервальный ряд распределения.

2.      Среднего значения и показателей центра распределения (мода, медиана).

.        Вычислены показатели вариации.

При построении интервального ряда определено количество групп по формуле Стерджесса (1). Число единиц совокупности равно 33, подставив данные в формулу (1) получили:

= 1 + 3,322 lg 33 = 1 + 3,322 * 1,52 = 1 + 5,05 = 6,05 ≈ 6 групп

Таким образом, необходимо образовать 6 групп с равным интервалом.

Теперь определим интервал группировки по формуле (2).= (17 - 3) : 6 = 2 (явок)

На основе интервала группировки образуем 6 групп. Данные занесём в таблицу (таблица 4).

Таблица 4 - Распределение работников подготовительного цеха №1 ОАО «Белшина» по числу явок на работу за ноябрь 2009 года

Средние показатели.

Среднее число явок рабочих определяется по формуле средней арифметической взвешенной:

, (4)

 = = =11,3=11 (явок).=31-8=23; kисп=11/23=0,47=48%

Среднее число выходов -11 из максимально возможного- 23, т.е. рабочее время используется на 48%.

Вычисление показателей центра распределения применяются для изучения внутреннего строения и структуры рядов распределения. К таким средним относятся мода и медиана.

Мода (Мо) - это значение признака, которое наиболее часто встречается в данном ряду распределения.

В интервальных рядах распределения мода определяется по формуле:

, (3)

где x_мо - нижняя граница модального интервала;_мо - величина модального интервала;_мо - частота модального интервала;_мо-1 - частота интервала, предшествующего модальному;_мо+1 - частота интервала, следующего за модальным.

Модальным интервалом является тот интервал, у которого накопленная частота будет не менее (либо равна, либо больше) половины всех частот. В качестве модального интервала принимается интервал, с наибольшей частотой.

Определим моду вариационного ряда. Модальным интервалом будет являться интервал - 13 и более, так как частота наибольшая (f=19).

М_о= 11+2=11,9=12 (дней).

Таким образом, наиболее часто работники работают по 12 дней в месяц.

Медиана - это значение признака, которое находится в середине варьирующего ряда. Она определяется по формуле:

, (5)

где x_Mе - нижняя граница медианного интервала;_Me - величина медианного интервала;

 - половина всех частот;_Me-1 - сумма всех частот, накопленных до медианного интервала;_Ме - частота медианного интервала.

Медианным интервалом будет тот интервал, у которого накопленная частота будет равна или больше половины всех частот.

 - половина всех частот, т.е. в нашем случае медианный интервал - 13 и более.

Ме=11+2 =14,6=15 (дней).

Теперь можно сделать вывод о том, что половина работников работают до 15 дней, другая же половина свыше этой величины.

Показатели вариации.

Исходные данные для расчета показателей вариации приведены в таблице 5.

Таблица 5 - Расчеты показателей вариации явок рабочих по подготовительному цеху №1 ОАО «Белшина» за ноябрь 2009 года

На основе рассчитанных в таблице данных определим размах вариации, среднее линейное отклонение, дисперсию, среднее квадратическое отклонение и коэффициент вариации.

Размах вариации - это разность между максимальным и минимальным значениями признака, расчитывается по формуле:

 (6)

x_max=13+2=15

x_min=3

Этот показатель предназначен для определения допустимых размеров колебаний, которые сравнивают с установленными.

R=15-3=12 (дней)

Среднее линейное отклонение представляет собой среднюю арифметическую абсолютных значений отклонений вариант от их средней величины. Среднее линейное отклонение бывает простым и взвешанным. Мы определим взвешанное, которое находится по формуле:

 (7)

=  =3 (дня)

Дисперсия или средний квадрат отклонений представляет собой среднюю арифметическую величину из квадратов отклонений каждой варианты от их средней величины. Взвешанная дисперсия определяется по формуле:

 (8)

ϭ²= =12,6

Среднее квадратическое отклонение - это обобщающая характеристика размеров вариации в совокупности. Оно показывает, на сколько в среднем отклоняются конкретные варианты от их среднего значения. Взвешанное среднее квадратическое отклонение определяется по формуле:

 (9)

ϭ ==3,5

Чем меньше значение дисперсии и среднего квадратического отклонения, тем однороднее (количественно) совокупность и тем более типичной будет средняя величина для данной совокупности.

Коэффициент вариации представляет собой процентное отношение среднего квадратического отклонения к средней арифметической. Он определяется по формуле:

 (10)

=  *100 =30%

По данному показателю судят о колеблемости признака и считается, что если его значение не превышает 33%, то изучаемая совокупность является количественно-однородной и средняя величина, рассчитанная для этой совокупности, является типичной, т.е. характерной.

Для подготовительного цеха №1 ОАО «Белшина» были сгруппированы данные по различным варьирующим признакам, а затем на основе группировки рассчитаны конкретные показатели, характерные для всей изучаемой совокупности: наибольшим удельным весом обладают рабочие в группе со стажем от 1 до 5 лет; прослеживается зависимость отработанного времени от стажа; рабочее время используюется на 48%; наиболее часто работники работают по 12 дней, половина - до15,а другая половина свыше этой величины; а так как коэффициент вариации равен 30%, то изучаемая совокупность является количественно-однородной, и среднее число невыходов на работу является типичной.

3. Выявление взаимосвязи социально-экономических явлений на основе многомерных группировок

3.1    Этапы изучения взаимосвязей социально-экономических явлений

Изучаемые статистикой совокупности общественных явлений формируются в результате взаимодействия многообразных, имеющих различную природу факторов. Задача статистики - выявить эти факторы, установить существующие между ними взаимосвязи и конкретную форму зависимости, выявить отношения межу факторами и явлениями в форме числовых характеристик.

Процесс изучения взаимосвязей состоит из ряда этапов. На первом этапе устанавливаются статистические показатели, выявляются в процессе статистического наблюдения каждого объекта или каждой единицы совокупности; на втором - получают количественное подтверждение наличия или отсутствия связи между признаками, обобщение результатов статистического наблюдения по всей совокупности; на третьем этапе - устанавливаются аналитические зависимости между признаками. [2, с. 43]. Вид конкретной аналитической зависимости выбирается исходя из содержательного анализа явления. Третий этап исследования выполняется чаще всего методами регрессионно-корреляционного анализа. При этом определяется поведение среднего уровня одного признака (результативного) в зависимости от изменения фактических значений других показателей (факторов)(множественная регрессия); четвёртый этап изучения взаимосвязей - оценка достоверности полученных результатов. Здесь используется аппарат, разработанный теорией вероятностей и математической статистикой. Оценка достоверности базируется на гипотезе, что полученные данные наблюдений и результаты их обработки являются выборкой из нескольких генеральных совокупностей. Эти результаты взаимосвязи признаков позволяют уточнить гипотезу о наличии и форме связи, отобрать наиболее существенные признаки, построить систему взаимосвязи и группировки показателей и т.д.

Связи между явлениями и их признаками классифицируются по степени тесноты связи, направлению и аналитическому выражению.

По направлению выделяют связь прямую и обратную. При прямой связи с увеличением или уменьшением значении факторного признака происходит увеличение или уменьшение значений результативного. [9, с. 111] Так, рост производительности труда способствует увеличению уровня рентабельности производства. В случае обратной связи значения результативного признака изменяются под воздействием факторного. Так, с увеличением уровня фондоотдачи снижается себестоимость единицы производимой продукции.

По аналитическому выражению выделяют также связи прямолинейные (или просто линейные) и криволинейные (нелинейные). Если статистическая связь между явлениями может быть приближенно выражена уравнением прямой линии, то ее называют линейной связью; если же она выражается уравнением какой-либо кривой линии (параболы, гиперболы, степенной, показательной, экспоненциальной и т.д.), то такую связь называют нелинейной или криволинейной.

Для выявления наличия связи, ее характера и направления в статистике используются следующие методы: анализ параллельных рядов, графический метод, метод корреляции, а также аналитические группировки. Особое место при изучении взаимосвязей занимают многомерные группировки, позволяющие не только выявитьь зависимость результата от одного или нескольких факторов.

3.2 Многомерные группировки

Многомерные группировки формируются на основе одного из методов статистической теории распознавания образов - кластерного анализа (от англ. cluster - скопление, группа элементов, характеризуемые каким-то общим свойством). Кластерный анализ включает в себя большое количество вычислений и обязательно связан с использованием быстродействующих ЭВМ, что в настоящее время не является препятствием. Эти вычисления производятся не последовательно по отдельным признакам (как при комбинированной группировке), а одновременно по большому набору признаков. Этот набор образует так называемое признаковое пространство.

Каждому признаку придается смысл координаты. Если в наборе Г большое число (обозначим его символом п) признаков, то каждый объект рассматривается как точка в n-мерном пространстве. Задача многомерной группировки сводится к выделению сгущений точек (группы объектов) в этом пространстве. Геометрическая близость двух или нескольких точек (объектов) в этом пространстве означает как бы их количественную однородность по описываемым признакам. Мерой близости (сходства) между объектами могут служить различные критерии: коэффициент корреляции, евклидово расстояние между объектами и др. Чем меньше это расстояние, тем больше сходства.

Кластерный анализ выполняет следующие основные задачи:

·    разработка типологии или классификации;

·              исследование полезных концептуальных схем группирования объектов;

·              порождение гипотез на основе исследования данных;

·              проверка гипотез или исследования для определения, действительно ли типы (группы), выделенные тем или иным способом, присутствуют в имеющихся данных.

Задача многомерной группировки сводится к выделению сгущений точек объектов в образуемом пространстве. Группы объектов (кластеры), сформированные на основе "близости", описывают объект одновременно по всему комплексу признаков. На основании многомерных группировок совокупность статистических признаков расчленяют на однородные группы таким образом, что различия между признаками, попавшими в одну группу, оказываются менее значительными, чем между признаками, попавшими в разные группы. Освоение многомерных группировок юридическими статистиками на основе современных компьютерных программ поможет решить многие сложные проблемы в криминологии, деликтологии и социологии права в тех случаях, когда число различных факторов (объектов) исчисляется сотнями и даже тысячами, а их взаимосвязи при обычных статистических методах выявляются с трудом.

Цели кластеризации:

) Понимание данных путём выявления кластерной структуры. Разбиение выборки на группы схожих объектов позволяет упростить дальнейшую обработку данных и принятия решений, применяя к каждому кластеру свой метод анализа (стратегия «разделяй и властвуй»).

) Сжатие данных. Если исходная выборка избыточно большая, то можно сократить её, оставив по одному наиболее типичному представителю от каждого кластера.

) Обнаружение новизны (англ. novelty detection). Выделяются нетипичные объекты, которые не удаётся присоединить ни к одному из кластеров.

В первом случае число кластеров стараются сделать поменьше. Во втором случае важнее обеспечить высокую степень сходства объектов внутри каждого кластера, а кластеров может быть сколько угодно. В третьем случае наибольший интерес представляют отдельные объекты, не вписывающиеся ни в один из кластеров.

Во всех этих случаях может применяться иерархическая кластеризация, когда крупные кластеры дробятся на более мелкие, те в свою очередь дробятся ещё мельче, и т. д. Такие задачи называются задачами таксономии. Результатом таксономии является древообразная иерархическая структура. При этом каждый объект характеризуется перечислением всех кластеров, которым он принадлежит, обычно от крупного к мелкому.

В основу построения многомерной группировки положен принцип перехода от величин, имеющих определённую размерность (рубли, тонны, гектары и т.д.), к безразмерным относительным величинам. На основе многомерной группировки можно построить уравнение регрессии, количественно отражающее степень связи между признаками. [13, с. 94]

Эти методы получили распространение благодаря использованию ЭВМ и пакетов прикладных программ. Цель этих методов - классификация данных, иначе говоря, группировка на основе множества признаков. Задачи этого класса широко распространены в науках о природе и обществе, в практической деятельности по управлению массовыми процессами. Например, выделение типов предприятий по финансовому положению, по экономической эффективности деятельности производится на основе множества признаков: выделение и изучение типов людей по степени их пригодности к определенной профессии; диагностика болезней на основании множества объективных признаков и т. д. [3, c. 133]

Простейшим вариантом многомерной классификации является группировка на основе многомерных средних, алгоритм которых заключается в следующем:

. Составляется матрица абсолютных значений признаков по всем статистическим единицам.

. Абсолютные значения признаков заменяются их нормированными по среднему значению уровнями:

,

где Pij - нормированное значение j-ого признака у i-ой статистической единицы; x - среднее значение j-того признака,

. Для каждой статистической единицы рассчитывается многомерная средняя:

- число оснований группировки;

. В соответствии со значениями многомерной средней совокупность разделяется на однородные группы, то есть выполняется простая группировка по многомерной средней.

Многомерной средней называется средняя величина нескольких признаков для одной единицы совокупности. Поскольку нельзя рассчитать среднюю величину абсолютных значений разных признаков выраженных в разных единицах измерения, то многомерная средняя вычисляется из относительных величин, как правило, - из отношений значений признаков для единицы совокупности к средним значениям этих признаков:

, (11)

где  - многомерная средняя для i-единицы;

 - значения признака  для i-единицы;

 - среднее значение признака ;- число признаков;- номер признака;- номер единицы совокупности.

Многомерные средние дают обобщённую характеристику уровня интенсивности производства или другого показателя по группе факторов. При этом значимость признака для многомерной оценки институциональной единицы считается одинаковой, что экономически, конечно, неточно.

Обобщающей характеристикой в цехе или по организации в целом может выступать сводный показатель в виде условной нормированной многомерной средней, учитывающей различные аспекты экономической деятельности:

оплата труда рабочих;

доходы цеха (организаций);

оснащенность основными средствами;

финансовые характеристики.

Расчет подобного показателя уровня производства в виде многомерной средней проиллюстрирован на примере предприятия ОАО «Белшина» (Таблица 6). По каждому году рассчитаны 4 значения признака:

.   Среднемесячная оплата труда работников, руб., х₁.

2.      Валовый доход отчётного периода, руб., х₂.

.        Среднегодовая стоимость основных средств на конец отчётного периода, руб., х₃.

.        Отношение дебиторской задолженности к кредиторской задолженности, %, х₄.

Таблица 6 - Расчет многомерных средних, характеризующих уровень производства подготовительного цеха №1 ОАО «Белшина» 2007-2009гг.

Средняя арифметическая будет рассчитываться следующим образом:

.   Среднемесячная оплата труда работников:

(6800000 + 7000000 + 6200000) : 3 = 6667000 руб.

.   Валовый доход отчётного периода:

(541300000 + 562300000 + 884700000) : 3 = 662800000 руб.

.   Среднегодовая стоимость основных средств на конец отчётного периода:

(46940000 + 51260000 + 77240000) : 3 = 58150000 руб.

.   Отношение дебиторской задолженности к кредиторской задолженности:

(35 + 32 + 48) : 3 = 38 %

Значения признаков в % к средней будут рассчитываться следующим образом:

: 6667000 * 100% = 102 %;

: 6667000 * 100% = 105%;

: 6667000 * 100% = 93%.

Расчёты многомерной средней приведены ниже:

за 2007 год: (102 + 82 +81 + 92) : 4 = 89;

за 2008 год: (105 + 85 + 86 + 84) : 4 = 90;

за 2009 год: (93 + 133 + 133 + 126) : 4 = 121.

Эти признаки можно считать однонаправленными, так как большая их величина положительно характеризует экономику предприятия. Многомерные средние, приведенные в последней графе Таблицы 6 обобщают четыре признака. При этом значимость признаков для оценки предприятия полагается одинаковой.

При большом объеме совокупности для выделения групп на основе многомерной средней необходимо установить интервалы значений многомерной средней. Затем определить число групп, после чего следует провести группировку единиц: определить их количество в каждой группе и постараться указать, в чем состоят качественные различия между группами.

Данную многомерную среднюю, исчисленную аналогичным образом, можно применять в качестве группировочного признака по многомерной группировке цехов по уровню производства.

Судя по полученным оценкам, данные год, т.е. 2007, 2008 и 2009 год можно разделить на группы с многомерными средними ниже 100% (два года: 2007 и 2008) и резко превышающие 100% (один год - 2009).

Из расчета многомерной средней видно, что в течении трех лет уровень производства возрастает; четко выражен рост валового дохода и среднегодовой стоимости основных средств, несмотря на то, что по уровню заработной платы наблюдалось снижение.

Заключение

В результате проведенного исследования можно сделать следующие выводы:

. Группировки являются важнейшим статистическим методом обобщения данных, основой для правильного исчисления статистических показателей.

Группировка - это распределение множества единиц исследуемой совокупности по группам в соответствии с существенным для данной группы признаком. Метод группировки позволяет обеспечивать первичное обобщение данных, представление их в более упорядоченном виде.

. С помощью метода группировок решаются следующие задачи:

выделение социально-экономических типов явлений,

изучение структуры явления и структурных сдвигов, происходящих в нем

выявление связи и зависимости между явлениями.

Приёмы проведения статистических группировок весьма разнообразны. Это связано с разными задачами, которые в соответствии с целью исследования ставятся перед группировками. К ним можно отнести выбор группировочного признака, определение числа групп, установление границ интервалов группировки, а также установление для каждой группировки показателей, которыми должна характеризоваться данная группа.

. Метод группировки даёт возможность в первичном статистическом материале отделить существенные черты от несущественных; выделить общие черты, характерные для всех единиц изучаемой совокупности, рассчитать сводные показатели по группам, появляется возможность их сравнения, анализа причин различий между группами и изучение взаимосвязей между признаками.

Изучая количественную сторону массовых общественных явлений в неразрывной связи с их качественными особенностями, статистика стремится показать совокупность явлений в дифференциации, в многообразии их типов.

Таким образом, метод группировок - это необходимая часть применения решения задач, возникающих в ходе научного статистического исследования.

4. В практической части курсовой построены и проанализированы группировки кадров предприятия ОАО «Белшина», в частности по подготовительному цеху №1, а также произведен расчёт конкретных показателей, характеризующих работу цеха, выявление взаимосвязи, и оценку работы цеха ОАО «Белшина»:

.1 Построена группировка рабочих предприятия по стажу (общая средняя - 6,9лет).

В ходе вычислений определено, что наибольшим удельным весом обладают рабочие в группе со стажем от 1до5 лет; наименьшим - рабочие с большем стажем работы (от 17 до 21 лет); рабочие со стажем от 5 до 9 лет на втором месте; за ними

следуют рабочие со стажем от 9 до 17 лет. Отсюда следует, что чем больше стаж работы работников в группах, тем меньшее число лиц находится в каждой образовавшейся группе.

4.2 Выявлена зависимость между стажем работы и числом отработанных человеко-часов за месяц в среднем на одного работника (общая средняя по количеству отработанных часов 128,4 чел/час.). С увеличением стажа работы увеличивается число отработанных человеко-часов в среднем на одного работника.

.3 Произведено распределение работников цеха по числу явок на работу.

Среднее число явок - 11 дней. Наиболее часто работники работают по 12 дней (Мо=12дней). Половина работников работают до 15 дней, другая же половина свыше этой величины (Ме=15дней).

.4 Изучили размер вариации признаков на основе метода группировок:

коэффициент вариации R=12дней;

среднее линейное отклонение d ≈ 3 дня;

взвешенную дисперсию ϭ² = 12,6;

среднее квадратическое ϭ=3,5; (чем меньше значение дисперсии и среднего квадратического отклонения, тем однороднее (количественно) совокупность);

коэффициент вариации V=30% , по данному показателю судят о колеблемости признака и считается, что если его значение не превышает 33%, то изучаемая совокупность количественно-однородная , и среднее число невыходов на работу является типичной, характерной величиной для данной совокупности.

.5 Показаны возможности построения многомерных группировок, проанализирован уровень производства подготовительного цеха №1 ОАО «Белшина» за 2007-2009гг. по многомерной средней, отражающей обобщённую характеристику интенсивности производства по четырём факторам:

o Среднемесячная оплата труда работников составила 6667000 руб.

o     Валовый доход отчётного периода - 662800000 руб.

o     Среднегодовая стоимость основных производственных фондов на конец отчётного периода - 58150000 руб.

o     Отношение дебиторской задолженности к кредиторской задолженности - 38 %

Эти признаки можно считать однонаправленными, так как большая их величина положительно характеризует экономику предприятия. Предпочтительнее обобщать в многомерной средней признаки либо «положительные», либо «отрицательные». По многомерным средним, можно сделать вывод, что в течении 2007 - 2009гг. уровень производства цеха повышался; четко выражен рост валового дохода и среднегодовой стоимости основных средств; уровень заработной платы снижался.

В целом цех предприятия функционирует нормально, но ему, для более

Список использованных источников

1. Анализ хозяйственной деятельности в промышленности: учебник / Н.А. Русак, В.И. Стражев, О.Ф. Мигун и др. / под общ. ред. В.И. Стражева. - Мн.: Высш. шк., 2008. - 388с.

2.      Теория статистики: учебник/под ред. Г.Л. Громыко. -2-е изд., перераб. и доп. -М.: ИНФРА-М, 2005 . - 476 с.

.        Общая теория статистики: учеб.-практ. пособие/ Л.А. Сошникова [и др.]; под ред. И.Н. Терлиженко. - Минск: БГЭУ, 2004. - 134с.

.        Елисеева, И.И. Общая теория статистики: учебник / И.И. Елисеева, М.М. Юзбашев / под ред. чел-корр. РАН И.И. Елисеевой. - 4-е изд., перераб. и доп. - М.: Финансы и статистика, 2005. - 480с.

.        Статистика: учеб.пособие/ И.Е. Теслюк [и др.]; 2-е изд. - Минск: Ураджай. 2000. - 360с.

.        Ефимова, М.Р. Практикум по общей теории статистики: учебное пособие / М.Р. Ефимова, О.И. Ганченко, Е.В. Петрова. - М.: Финансы и статистика, 2007. - 208с.

.        Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: учебник / под ред. О.Э. Башиной, А.А. Стерина. - 5-е изд., перераб. и доп. - М.: Финансы и статистика, 2006. - 440с.

.        Теория статистики: учебник/ под ред. Г.Л Громыко. - 2-е изд., перераб. и доп. - М. : ИНФРА-М, 2005 . - 476 с.

.        Сиденко, А.В. и др. Статистика: учебник / А.В. Сиденко, Г.Ю. Попов, В.М. Матвеева. - М.: «Дело и Сервис», 2008. - 464с.

.        Социально-экономическая статистика: учебник для вузов / под ред. проф. Б.И. Башкатова. - М.: ЮНИТИ-ДАНА, 2007. - 703с.

.        Статистика: учебник / под ред. В.С. Мхитаряна. - М.: Экономистъ, 2007. - 671с.

.        Сулицкий, В.Н. Методы статистического анализа в управлении: учебное пособие / В.Н. Сулицкий. - М.: Дело, 2006. - 520с.

.        Теория статистики: учебник / под ред. Р.А. Шмойловой. - 2-е изд., доп. и перераб. - М.: Финансы и статистика, 2005. - 576с.

.        Бизнес-статистика и прогнозирование/ В.Г. Минашкин [и др.]; под ред. Н.А. Садовниковой. − М., 2008. - 154с.

.        Статистика: показатели и методы анализа: справ. пособие/ Н.Н. Бондаренко [и др.]: под ред. М.М. Новикова - Мн. : «современная школа», 2005.− 628с.

.        Экономическая статистика: учеб. / под ред. Ю.Н. Иванова, 2-е изд., доп.-М.: ИНФРА-М, 2008. - 480с.

.        Труд и занятость Республики Беларусь: статистический сборник/под ред. Е.И. Кухаревич, Е.М. Палковская, А.А. Тарасенко, А.Н. Пехтерева, В.П. Атрахимович, О.Н. Воронина. - Минск, 2011.

Приложение А

Стаж работы и отработанное время за месяц работников подготовительного цеха №1 ОАО «Белшина»