Методы статистического анализа явлений

При анализе явлений деятельности организаций, на основе данных статистики используются чаще всего традиционные статистические методы: группировка, обобщающие показатели, сравнение, приведение параллельных рядов и др. Наряду с ними могут применяться также математические методы, в частности, регрессионно-корреляционный и факторный анализ.

Одним из наиболее эффективных методов анализа являются группировки. С их помощью изучаемое явление делится на части, каждая из которых характеризуется рядом показателей. Это позволяет выявить структуру изучаемого явления и взаимодействие между частями и показателями в пространстве и во времени. Именно такой подход предлагается использовать при изучении финансов и капитала, находящихся в юридическом распоряжении организации, а также капитала, авансированного в производство.

Весьма эффективным методом статистического анализа являются сравнения, позволяющие охарактеризовать ход выполнения бизнес-плана и соблюдение действующих нормативов, выявить резервы, установить подобие и различие в изучаемых явлениях, отразить их особенности.

Простым, однако, весьма эффективным способом познания действительности путем сравнения является построение таблиц параллельных данных. Такие таблицы строятся, например, для сопоставления результатов производственной деятельности организаций или их структурных подразделений, осуществляющих деятельность примерно в одинаковых условиях или относящихся к одному виду (например, сопоставление результатов деятельности вагонных или локомотивных депо).

Основное условие сравнений. При сопоставлении статистических данных необходимо строго соблюдать основное условие: сравниваемые данные должны быть сопоставимы. Несоблюдение этого условия приводит к ошибочным выводам.

Несопоставимость сравниваемых данных может быть обусловлена тем, что при определении объема совокупности в различные периоды использованы разные единицы счета. Несопоставимость данных может возникнуть также из-за различия продолжительности периодов, за которые определены размеры показателей. Например, несопоставимы абсолютные данные о погрузке грузов на конкретной дороге за январь и февраль, поскольку число календарных дней в этих месяцах различно. Неоднородность данных также может быть обусловлена различиями в методологии подсчета показателей. К причинам, порождающим несопоставимость данных, относятся изменения территориального деления, укрупнение и разукрупнение (укрупнение) министерств и другие структурные преобразования, например, изменение границ железных дорог. Однако даже в этих случаях одни и те же данные могут быть признаны сопоставимыми и несопоставимыми в зависимости от решаемых задач. Нельзя, например, сопоставлять протяженность железнодорожных линий до и после создания ОАО «РЖД», если характеризуется изменение длины железнодорожных линий ОАО «РЖД» за счет нового строительства. Вместе с тем вполне допустимо сопоставление этих данных при характеристике прироста линий ОАО «РЖД» за счет передачи ему ведомственных железнодорожных линий.

Способы приведения данных к сопоставимому виду. Несопоставимые данные, как правило, могут быть приведены к сопоставимому виду путем их пересчета и выражения в одних и тех же единицах. Так, данные о парке грузовых вагонов в физических единицах и в двухосном выражении можно привести к сопоставимому виду, пересчитав условные двухосные вагоны в физические с помощью коэффициентов.

Сопоставимость данных может быть также обеспечена, если вместо суммарных абсолютных показателей за определенный период использовать их средние размеры или относительные показатели. Так, данные о среднесуточной погрузке грузов в январе и феврале, полученные в результате деления объема погрузки за месяц на число календарных дней, вполне сопоставимы, поскольку в этом случае устранены различия в показателях погрузки, обусловленные неодинаковым числом календарных дней в этих месяцах.