Статистические методы

Эти методы относятся к количественным. Они представляют собой совокупность количественных методов сбора, обработки и анализа массовых исходных данных и широко применяются в социально-экономических, политических науках. Они оперируют большим количеством исходной информации, что и обусловливает необходимость применения математико-статистических методов ее обработки. Что же касается географии населения, то ее изучение целиком и полностью основывается на использовании статистических материалов. Демографическая статистика представляет собой самостоятельную обширную область исследований.

Стаж применения статистических методов в науке уже довольно велик. Еще в XVIII в. в Германии сформировалась школа так называемой камеральной статистики, основная задача которой заключалась в сборе и систематизации справочной информации для нужд управления государством и подготовки чиновников.

В наши дни в зависимости от цели исследования и характера изучаемых объектов применяются как методы социально-экономической статистики, так и методы математической статистики.

Социально-экономическая статистика применяется, прежде всего, при изучении различного рода социальных, экономических и других явлений и процессов, в том числе и в территориальном, региональном разрезе.

Методы математической статистики позволяют оценивать надежность и точность выводов, сделанных на основе ограниченного статистического материала.

Все математико-статистические методы используются для решения следующих задач:

1) количественных параметров изучаемых явлений и процессов;

2) анализа природных и социально-экономических факторов территориальной дифференциации хозяйства и населения;

3) выявления статистических взаимосвязей между социально-экономическими системами;

4) изучения динамики развития территориальных систем на разных этапах их развития;

5) разработки обобщающих (интегральных) показателей функционирования геосистем;

6) разработки методов автоматизации типологии и районирования как основы для прогнозирования развития территориальных систем населения и хозяйства;

7) выявления пространственно-временных закономерностей;

8) научного обоснования устойчивого развития геосистем и использования результатов в управлении народным хозяйством.

При характеристике регионов наиболее распространен метод определения средних величин. Например, определение средней плотности населения (Р – численность населения, S – площадь), транспортной сети и т.д.

Пользование этими величинами позволяет точнее охарактеризовать специфику региона, сделать вывод о насыщенности территории теми или иными объектами. Средние величины рассчитываются при размещении и территориальной организации производства, планировке населенных мест, административно-территориальном устройстве и т.д.

Различают несколько видов средних величин: среднюю арифметическую, среднюю гармоническую, среднюю геометрическую, среднюю квадратическую и т.д.

Регионоведение, как известно, ориентировано, прежде всего, на выявление специфики, различий между территориями. Установление региональных различий осуществляется путем сопоставления природных предпосылок (природно-ресурсного потенциала) и социально-экономических факторов развития. Далеко не всегда можно сравнивать регионы по абсолютным показателям. Например, обеспеченность региона транспортом нельзя оценивать только по протяженности дорог, т.к. в данном случае важное значение имеют технико-экономические характеристики транспортных средств, влияющие на пропускную способность транспортной системы.

Количественные оценки влияния того или иного фактора на формирование и развитие регионального объекта осуществляется при помощи различных методов статистического анализа: дисперсного, корреляционного, регрессионного, корреляционно-регрессионного, ковариационного.

Статистический анализ – это собирательное понятие для ряда математических приемов обработки количественной информации, с помощью которых выявляются основные тенденции распределения показателей и степень корреляции между отдельными показателями.

Дисперсионный анализ используется для выявления влияния одного (однофакторный дисперсный анализ) или нескольких фактор-ных признаков (многофакторный анализ) на результативный признак при небольшом количестве наблюдений.

Корреляционный анализ применяется для выяснения формы и степени взаимосвязи между признаками изучаемого объекта.

Регрессионный анализ необходим для определения степени раздельного и совместного влияния факторов на результирующий признак и количественные оценки этого влияния на основе различных критериев.

Суть корреляционно-регрессионного анализа состоит в том, что из множества факторов выделяют генерирующий, а влияние второстепенных факторов искусственно затушевывается, рассматривается как случайное явление. Взаимосвязь между фактором и объектом прослеживается в виде функциональной зависимости.

Ковариационный анализ включает элементы дисперсионного и регрессионного анализа. Он используется для изучения линейной связи двух или более переменных по отдельным группам данных и оценке значимости различий между линиями регрессий внутри этих групп.

Статистические методы имеют как самостоятельное, так и сопряженное значение. Практически их используют во всех видах региональных прогнозно-аналитических исследований – социально-экономических, политических и т.д.

 

Моделирование

Это исследование определенных объектов путем воспроизведения их характеристик на другом объекте – модели. Последняя представляет собой аналог того или иного фрагмента действительности (вещного или мыслительного) – оригинала модели. Следовательно, при моделировании изучаемый объект (явление, процесс) заменяется другой вспомогательной или искусственной системой. Закономерности и тенденции, выявленные в процессе моделирования, затем распространяются на реальную действительность.

Существуют различные подходы к классификации и типологии моделей.

По форме представления информации модели делятся на материальные и идеальные.

К материальным относятся пространственно-подобные модели (макеты, муляжи и пр.), физически подобные модели, обладающие различными видами подобия с оригиналом (модели самолетов, судов и пр.) и математически подобные модели (аналоговые и цифровые машины).

Мысленные (идеальные) модели подразделяются на образные (зарисовки, фотографии и пр.), знаковые или символические (математические, кибернетические) и смешанные образно-знаковые модели (карты, чертежи, графики, блок-диаграммы и пр.). Различают модели дескриптивные и нормативные. Первые объясняют наблюдаемые факты или дают вероятный прогноз, вторые предполагают целенаправленную деятельность.

В зависимости от того, включают ли математико-географические модели пространственные факторы и условия или не включают, различают модели пространственные (континуальные) и точечные (дискретные).

Наиболее универсальными принципами моделирования являются подобие (аналогия), системность, выделение в изучаемом объекте главного, наиболее существенного, постоянное соотнесение модели с конкретным объектом.

С моделью можно экспериментировать, изучая различные варианты, пути воздействия. Это значит, что можно составлять много моделей одного и того же объекта.

Процесс моделирования включает в себя три элемента:

a) субъект (исследователь);

b) объект исследования;

c) модель, опосредующую отношения познающего субъекта и познаваемого объекта.

Этап построения модели предполагает наличие некоторых знаний об объекте-оригинале. Познавательные возможности модели обусловливаются тем, что модель отражает какие-либо существенные черты объекта-оригинала. Считается, что модель утрачивает свой смысл как в случае тождества с оригиналом, так и в случае чрезмерного во всех существенных отношениях отличия от оригинала.

Модели выполняют разнообразные функции:

· психологическую (возможность изучения тех объектов и явлений, которые трудно исследовать иными способами);

· собирательную (определение необходимой информации, ее сбор и систематизация);

· логическую (выявление и объяснение механизма развития конкретного явления);

· систематизирующую (рассмотрение действительности как совокупности взаимосвязанных систем);

o конструктивную (создание теорий и познание законов);

o познавательную (содействие в распространении знаний).

В настоящее время, пожалуй, нет такой области научного знания, в которой не применялся бы метод моделирования.

Моделирование территориальных систем, а регионы, безусловно, относятся к таковым, – сопряжено со многими сложностями. К последним относятся динамичность пространственных, географичес-ких процессов, изменчивость их параметров и структурных отношений. Вследствие этого они должны постоянно находится под наблюдением, которое призвано обеспечивать устойчивый поток обновляемых данных. Применение математического моделирования заострило проблему измерений и количественных сопоставлений различных аспектов и явлений социально-экономического развития, достоверности и полноты получаемых данных, их защиты от намеренных и технических искажений.

В соответствии с исследуемыми территориальными процессами и содержательной проблематикой можно выделить модели народного хозяйства в целом и его подсистем, отраслей, регионов, комплексы моделей производства, потребления, формирования и распределения доходов, трудовых ресурсов и т.д.

Большой интерес для анализа населения и хозяйства представляют диффузные модели. Первым ученым, разработавшим модель пространственной диффузии нововведений был шведский ученый Хагерстранд.

Нововведения возникают в «полюсах роста» (концепция «полюсов роста», теория «центральных мест», с которой она связана генетически, родились на Западе в 1930–1950-х гг. и в разных вариантах были положены в основу многих планов и программ региональной политики зарубежных стран) и в центрах развития, а из них передаются в окружающее их экономическое пространство. Обычно такими полюсами и центрами являются крупные города, где концентрируются квалифицированные научно-исследовательские структуры, высшие учебные заведения.

Хагерстранд в 50-х–60-х гг. XX в. исследовал восприятие различных агротехнических нововведений в Центральной Швеции и показал как они распространяются по территории. Он выделил четыре стадии диффузии: первоначальную, которая характеризуется резким контрастом между источником нововведений и периферийными районами, вторую, когда образуются новые быстро развивающиеся центры в отдаленных районах, стадию компенсации, на которой происходит одинаковое распространение нововведений во всех местах, и стадию насыщения, характеризующуюся медленным подъемом до максимума.

Одним из наиболее перспективных методов моделирования территориальных систем является имитационное моделирование. В основе этого метода теория вычислительных систем, статистика, теория вероятности, математика. Под имитационной моделью понимается модель, которая воспроизводит процесс функционирования систем в пространстве в определенный фиксированный момент времени путем отображения элементарных явлений и процессов с сохранением их логической структуры и последовательности. Это позволяет, используя исходные данные о структуре и главных свойствах территориальных систем, получать сведения о взаимосвязях между их компонентами и выявлять механизм формирования их устойчивого развития.

С 50-х–60-х гг. XX в. моделирование стало широко и активно применяться в политологии.

Проникает он и в науку о международных отношениях. Российским примером может быть работа М.А. Хрусталева «Системное моделирование международных отношений».

Особенно велика роль моделирования в изучении демографических процессов, ибо воспроизводство населения – это многосложный процесс. В демографии практически невозможен эксперимент, а исторические аналогии как средство исследования тоже чаще всего неприменимы.

Многие демографические показатели, используемые в практике демографического анализа, рассчитываются, исходя из демографических моделей. Речь идет о таких показателях, как средняя продолжительность жизни при рождении, нетто- и брутто-коэф-фициенты воспроизводства и т.д.

Демографические модели важны для практических расчетов. К примеру, модель передвижки по возрастам является основой демографического прогноза.

Сегодня в демографии широко используются математические модели населения, с помощью которых на основе фрагментарных и неполных данных, являющихся результатом непосредственного наблюдения, можно получить достаточно полное и достоверное представление о состоянии воспроизводства населения. Причем с помощью математических моделей можно получить более достоверные данные, чем с помощью статистического учета.

Преимущества метода моделирования очевидны:

1. он дает ключ к познанию многих объектов, которые не поддаются непосредственному измерению;

2. моделирование облегчает и упрощает исследование, делает его более наглядным;

1. с моделями можно экспериментировать.

Но у этого метода есть и слабые стороны. Так, в моделировании региональных систем должна находить отражение вся сложность взаимосвязанных процессов и явлений, протекающих в пространстве и времени. Вместе с тем модель должна быть максимально пригодна для практического использования, должна быть понятна тем, кто принимает решение, исходя из тех заключений, выводов, рекомендаций, прогнозов, которые делаются в результате изучения. Поиск оптимального варианта всегда приводит к разумной абстракции, к отвлечению от каких-то сторон реальных явлений и процессов. Но упрощение реальных ситуаций в сложных региональных системах таит в себе опасность получения неверных результатов. Следовательно, существует предел упрощения модели. Кроме того, всегда остаются проблемы, которые не поддаются формализации, и в этом случае математическое моделирование малоэффективно.