Современные проблемы статистики кратко

Обновлено: 30.06.2024

В статье статистика рассмотрена как наука. Обоснована ее роль и значение в развитии современного общества, а в частности в системе управления предприятием. Определены задачи статистики и направления ее развития после перехода от командно - административных форм управления к экономическим.

Ключевые слова

Текст научной работы

В современных условиях развития общества значительно вырос интерес к статистике как науке и ее широкому применению в практической деятельности. Сегодня уже никто не может отрицать значение и недооценивать роль статистики в общественной жизни.

Статистические данные способствуют формированию адекватного представления о нынешнем состоянии дел в стране. Благодаря этому в случае выявления каких-либо отклонений или несоответствий становится возможным своевременно предпринять ряд корректирующих мер и существенно улучшить ситуацию. [5]

постоянное владение ситуацией, отслеживание положительных и отрицательных тенденций;
оценка любой операции по критериям ее успешности;
выработка дальнейшей стратегии развития на основе статистических данных;
дает руководителю чувство уверенности и безопасности за счет использования достоверных данных;
оперирование только фактами, которые имеют достоверное происхождение;
выделение областей, которым наиболее необходима корректировка или улучшение.

Систематическое ведение статистики – это залог качественного и профессионального управления, показатель хорошей информированности руководителя. Любое новое начинание строится, прежде всего, на оценке существующих фактов, состояния в данной отрасли. [1]

Коренные экономические преобразования, связанные с переходом на рыночные условия хозяйствования, изменили статистическую систему, действующую в России. Страна вынуждена быстро и активно включаться в работу по адаптации к международным стандартам. Изменились методики статистического учета. Разрабатываются новые методики сбора и обработки статистической информации.

Коренным вопросом осуществления радикальной экономической реформы в России явился переход от командно - административных форм управления к экономическим. Это поставило перед статистикой, как составной частью системы управления национальным хозяйством новые задачи. Исходя из изменений управления, роли и места предприятий, фирм, межрегиональных отношений, основными задачами для статистики на современном ее этапе являются:

выявление имеющихся резервов эффективности общественного производства;
своевременное обеспечение надежной информацией законодательной власти, управленческих исполнительных и хозяйственных органов;
всестороннее исследование происходящих в обществе глубоких преобразований экономических и социальных процессов на основе научно обоснованной системы показателей;
обобщение и прогнозирование тенденций развития национального хозяйства. [2]

В условиях изменения социально политической роли статистики как фактора формирования общественного сознания особое значение имеет существенное расширение гласности и доступности сводной статистической информации при сохранении принципа конфиденциальности индивидуальных данных. Это является одним из крайне необходимых направлений демократического общества. Расширение публикаций статистической информации позволяет лучше видеть положение дел на местах в отдельных регионах, сосредоточить внимание на недостатках и упущения для их устранения.

Возвращение статистике широкого общественного предназначения определяет главные направления ее развития:

совершенствование анализа статистической информации;
упорядочение отчетности;
обеспечение достоверности отчетности.

Перед статистикой встают проблемы теоретического обоснования обьема и структуры статистической информации, отвечающей современным и перспективным условиям развитой экономики, перехода к функциональным принципам управления.[3]

Важной задачей статистики является осуществление расчетов величины прожиточного минимума и определение численности населения. Имеющего доходы ниже черты бедности, сбор информации о распределении пенсионеров по размеру пенсий, работающих на предприятиях всех форм собственности – по уровню получаемой зарплаты, продолжительности рабочего времени, отпусков.

Статистика занимается изучением формирования новых отношений собственности, её приватизации, развития новых форм хозяйствования и видов предпринимательской деятельности. При этом, наряду с количественным измерениями становления многоукладной экономики, значительно расширяется информация о качественных показателях предприятий различных форм собственности и хозяйствования с тем, чтобы проводить сопоставительный анализ эффективности их деятельности.

О роли и значении статистики в развитии общества, в научном познании окружающего мира и в управлении предприятием свидетельствует система и виды статистических показателей.

Без статистической информации невозможно познание закономерностей природных и социальных массовых явлений, их предвидение, а значит, и регулирование либо прямое управление, будь то на уровне отдельного предприятия, города или региона, на государственном или межгосударственном уровне.

В период перехода экономического комплекса на принципиально новые методы и формы хозяйствования очень важно определить место и роль статистике в экономики страны.

В заключение следует сказать, что статистика это наука, которая является неотъемлемой в жизни каждого общества, она определяет динамику развития, спада, роста общественных явлений. Это наука, которая решает определенные задачи благодаря наличию и развитию статистических методов, а также благодаря развивающимся информационным технологиям. Результаты исследования массовых явлений методами статистики являются объективной базой в других науках, являются залогом достоверности сделанных ими выводов.

Список литературы

Цитировать

В настоящее время весь мир вступает в эпоху больших данных. В Китае быстро развиваются информационные технологии, социальная экономика страны развивается стремительными темпами, что вносит серьезные изменения в жизнь народа. В эпоху больших данных уровень жизни народа постоянно повышается, в экономической структуре обществе происходят серьезные изменения, что создает беспрецедентные проблемы для экономической статистики. В данной статье изложены результаты исследования экономической статистики в стране, проанализированы проблемы использования экономической статистики в эпоху больших данных и предложены разумные контрмеры с целью оказания поддержки работе по проведению экономической статистики.

Ключевые слова: эпоха больших данных, экономическая статистика, проблемы, разумные контрмеры.

Введение

Производство и жизнь народа тесно связаны с экономикой. Правительство должно подтвердить экономические данные перед разработкой различных направлений политики, чтобы разработать разумные меры и предложения деятельности государства в интересах народа. С развитием информационных технологий и наступлением эпохи больших данных в экономической статистике Китая происходят серьезные изменения. Современная экономическая статистика обладает определенными характеристиками, которые значительно отличают ее от традиционной экономической статистики. В данной статье дан краткий анализ экономической статистики, исследованы существующие проблемы применения ее в эпоху больших данных и разработаны методы решения этих проблем.

1. Проблемы применения экономической статистики в эпоху больших данных

1) Концепция экономической статистики устарела.

2) Методы экономической статистики являются отсталыми.

3) Оборудование и инструменты экономической статистики.

В традиционной работе по экономической статистике для расчета и подсчета данных в основном используется компьютер. Этот метод и используемые инструменты не могут удовлетворить потребности экономической статистики в эпоху больших данных [2] .

В эпоху больших данных объем информации данных постоянно увеличивается, типы данных также достаточно сложные, поэтому сложность статистики данных также увеличивается. Это требует внедрения более совершенных инструментов для оказания поддержки экономической статистике. На данном этапе работа по сбору экономических данных требует увеличения возможностей сбора. Традиционное оборудование и механизмы сбора данных не могут соответствовать этим требованиям, с их помощью нельзя эффективно и достоверно собрать и передать данные. Несовершенное оборудование будет влиять на работу по экономической статистике, и ограничивать ее развитие.

4) Нехватка талантов в организации работы по экономической статистике.

В эпоху больших данных нам нужно не только использовать передовые технологии, но и совершенствовать поиски талантов с целью улучшения общего уровня экономической статистики. В настоящее время количество талантливых или очень способных сотрудников в сфере экономической статистики Китая явно недостаточно. В данной сфере существуют серьезные проблемы старения сотрудников и нехватка молодых специалистов. Многие сотрудники недостаточно активны в своей работе, и это тоже является большой проблемой. Эти две причины обуславливают современное состояние в экономической статистике и влияют на точность результатов ее данных. Эффективность экономической статистики также сильно ограничена [3] .

2. Предложения по улучшению применения экономической статистики в эпоху больших данных

1) Изменение традиционной концепции экономической статистики.

2) Внедрение передовых статистических методов.

В эпоху больших данных постоянно появляется большой объем экономических данных, и традиционные методы экономической статистики не могут удовлетворить потребности эпохи, что в конечном итоге затрудняет развитие этой работы. Сотрудники в сфере экономической статистики должны полностью освоить методы экономической статистики, иметь определенную проницательность, своевременно обнаруживать тенденции развития, затем сочетать их с характеристиками экономической статистики, использовать разумные статистические методы для ведения работы. На данном этапе работа по экономической статистике Китая непрерывно развивается, и метод нейронной системы непрерывно применяется в статистике данных, что может гарантировать точность данных. Этот метод в основном заключается в моделировании человеческого мозга, обработке экономических данных и осуществлении интеллектуального анализа. Применение этого метода в экономической статистике не только повышает эффективность обработки, но и достоверно отражает связь между данными, повышает надежность статистических результатов. Среди статистических методов также существует метод дерева решений. Этот метод в основном заключается в целостной обработке расширенной информации данных, извлечении и разработке ценной информации с целью обеспечения максимального повышения операционной эффективности экономической статистики [5] . Для повышения уровня развития экономической статистики необходимо комплексное использование различных статистических методов вместо традиционных статистических методов с целью всестороннего повышения эффективности экономической статистики и более эффективного решения экономических проблем.

3) Увеличение финансовой поддержки оборудования и инструментов.

С непрерывным развитием информационных технологий в Китае многие электронные устройства в значительной степени помогают нашему производству и облегчают жизнь. Однако какими бы передовыми ни были информационные технологии, они не могут заменить человеческие операции, поэтому нельзя игнорировать подготовку талантливых специалистов. Для повышения уровня экономической статистики необходимо усилить привлечение талантов в сферу статистики, повысить уровень их подготовки, постоянно улучшать общие способности и всесторонние качества талантливых специалистов. С этой целью можно создать профессиональные возможности роста для талантливых специалистов, улучшить их способности в освоения знаний в сфере статистики, усилить их техническое руководство, чтобы талантливые сотрудники могли полностью удовлетворить потребности экономической статистики. В то же время необходимо привлечь большое количество профессионалов в сферу больших данных, обеспечить высокий уровень их профессиональных способностей, чтобы они могли эффективно применить технологии больших данных [6] . Соответствующие профессиональные организации регулярно проводят агитацию и подготовку статистиков, чтобы обеспечить непрерывное развитие направления этой работы. Необходимо укрепить управление экономическими статистиками, повысить их профессиональную грамотность в области больших данных, непрерывно воодушевлять статистиков на использование инновационных методов в своей работе, создать механизм наказания и поощрения в процессе обучения, мотивировать статистиков к повышению своих профессиональных способностей и эффективности работы.

Заключение

Из сказанного выше можно сделать вывод, что экономическая статистика является ключевым звеном в социально-экономическом развитии страны и постоянно демонстрирует законы социально-экономических данных. С наступлением эпохи больших данных экономическая статистика сталкивается с огромными проблемами. Традиционная концепция экономической статистики не может соответствовать современным потребностям, с помощью традиционных статистических методов нельзя получить точные информационные данные. В данной статье проведено исследование современного состояния экономической статистики, выявлены и исследованы проблемы применения экономической статистики на нынешнем этапе в эпоху больших данных, предложены эффективные решения с целью непрерывного содействия устойчивому развитию социальной экономики.

Основные термины (генерируются автоматически): экономическая статистика, данные, работа, традиционная концепция, проблема, эпоха, Китай, наступление эпохи, сфера статистики, экономическая статистика Китая.

Нулевая гипотеза и P-value

Сейчас довольно тяжело представить ситуацию, когда современное научное знание может быть признано обществом, научным сообществом, институтами без доказанного статистического бэкграунда.

Но так было не всегда — строгое требование подтверждать гипотезы и теории эмпирическими данными стало считаться обязательным совсем недавно. Еще в середине прошлого века существовало множество влиятельных теорий в социологии, экономике, психологии, которые были теориями в чистом виде. Самый известный пример — теория Зигмунда Фрейда о психоанализе. Она оказала огромное влияние на культуру, общество и науку, при этом сама была создана при отсутствии каких-либо экспериментов, проверок, четких эмпирических данных.

Если же сегодня посмотреть на структуру типичной научной статьи, мы обязательно найдем в ней некое эмпирическое исследование с сопутствующей математической обработкой.

Допустим, ученые, например, биологи или врачи, хотят проверить какую-то гипотезу: у них есть десять пациентов, которых они хотят исследовать, и на основании этой небольшой выборки они планируют сделать какое-то научное высказывание обо всей генеральной совокупности. Вначале они должны выдвинуть нулевую гипотезу — это предположение, которое формулируется как отсутствие различий, отсутствие влияние фактора, отсутствие эффекта.

Допустим, эти ученые изобрели новую вакцину, эффективность которой они хотят проверить. Нулевой гипотезой будет предположение, что новая вакцина будет работать с той же эффективностью, что и плацебо, то есть пустышка. Дальше эти ученые проводят тесты, наблюдают и сравнивают полученные данные со своей нулевой гипотезой. Они видят, что в выборке людей, на которых тестировалась вакцина, на 20% больше выздоровевших, чем в плацебо-группе. Учитывая, что испытуемых в выборке было очень мало, можно заявить, что это всего лишь совпадение, случайность или влияние скрытых, неизвестных факторов.

Но математики придумали такой трюк: несмотря на то, что выборка всего одна и она весьма мала, мы все равно можем предположить, как вела бы себя изучаемая реальность, если бы мы проводили не один эксперимент, сделали бы не одну выборку, а бесконечное их количество. Можно представить самую простую аналогию: на доске для игры в дартсе вокруг центра всегда очень много следов от попаданий, а чем дальше от центра — тем их меньше. Даже несмотря на то, что ни одна попытка попасть в цель не удалась, если мы усредним все эти попытки, то все равно окажемся где-то очень и очень близко к центру доски.

То, что мы сделали один эксперимент или кинули дротик один раз, нам ничего не говорит. Но мы можем предположить, как бы выглядело распределение этих бросков нашего эксперимента в изучаемой реальности. И дальше происходит несложная математика, которая просто позволяет нам показать, насколько хорошо наблюдаемый результаты согласуются с нашей изначальной гипотезой.

В случае с вакциной исследователи при полученных ими эмпирических данных вполне могут отказаться от нулевой гипотезы и заявить, что их вакцина работает, потому что вероятность получить прирост выздоровления в 20% случайным образом очень и очень мала. Такой метод подтверждения или опровержения гипотезы называется P-value или P-значение — вероятность получить для данной вероятностной модели распределения значений случайной величины такое же или более экстремальное значение статистики (среднего арифметического, медианы и др.), по сравнению с ранее наблюдаемым, при условии, что нулевая гипотеза верна.

Статистика и проблемы современной науки

Подавляющее большинство современных научных публикаций и вообще представление о том, что такое научное знание, базируется на одном из основных критериев — статистической достоверности. Особенно справедливо это в случае каких-либо эмпирических исследований.

Статистика помогает нам отличать науку от ненауки, понимать, правильные это данные или неправильные, можно им верить или нельзя. Другое дело, что те же самые статистические методы, просто неверно истолкованные, используют и различные лженаучные исследователи — и это является огромной проблемой.

Всю современную статистику, по сути, заложили два человека — биологи и математики Карл Пирсон и Рональд Фишер. Они придумали практически всю методологию, которую мы сегодня используем: теорию корреляции, теорию распределения, алгоритмы принятия решений и множество других методов.

Вся статистика отвечает на один общий вопрос: если наша нулевая гипотеза верна, то какова вероятность получить такие же результаты или еще более выраженные, то есть насколько хорошо наблюдаемая эмпирическая реальность согласуется с нулевой гипотезой. Это основополагающее определение того, как статистика проверяет вопросы окружающего мира.

Во всем современном академическом сообществе применяется золотой стандарт — магическое правило, что P-value должно быть меньше 0,05. Если наше P-value меньше 0,05, то мы считаем это основанием отклонить нулевую гипотезу и принять альтернативную.

P-value стал социальным элементом в науке — на его основании принимается множество важных решений: обнародовать ли результаты исследований для широкой общественности, публиковать ли их в научном журнале, выделять ли ресурсы на проведение дальнейших экспериментов и т.д.

Например, серьезные рецензируемые журналы отдают предпочтение тем работам, в которых были получены значимые результаты, то есть P-value меньше 0,05. И это породило массу проблем в современном научном знании, потому что система подстроилась под те правила игры, в которую ее заставили играть. Принуждение исследователей получать статистически важные результаты привело к тому, что те сами стали отказываться от своих работ, которые не прошли этот порог в 0,05, перестали сдавать их для публикации. Хотя, очевидно, что это равноценное знание — подтвердилась гипотеза или не подтвердилась. Отрицательные результаты не менее, а чаще и более важны, чем положительные.

Вторая весьма серьезная проблема получила даже специальное название — p-hacking. Даже в самых рецензируемых журналах, таких как Nature, регулярно происходят большие скандалы из-за того, что ученые, чтобы их работы были опубликованы, допускали различные манипуляции с цифрами, чтобы получить пороговую P-value.

Решит ли проблему отказ от статистических методов

Но как понять, что статистику применили правильно и результатам можно верить? Мы неизбежно попадаем в ловушку: как только мы ввели правила игры, система начинает под них подстраиваться. Всегда найдутся люди, которые вместо того, чтобы честно отправлять только те результаты, где статистика была применена максимально правильно и показала необходимый P-value, пытаются эту систему обмануть. Подобные скандалы возникают на самых высоких уровнях современной науки.

Какого-то понятного решения у этой проблемы нет. С одной стороны, иногда слышатся предложения, вроде того, что давайте полностью отменим такую концепцию, при которой необходим какой-то порог, пусть ученые публикуют все как есть — такая идиллическая идея open science. Главное — идея, а статистика — это уже детали. Это левый край шкалы, который действительно возникает в качестве оппозиции к деспотичному правилу, которое довольно долго господствует в научных журналах.

Но эту идею довольно тяжело реализовать. Понятное дело, что какой-то порог входа все же должен быть. Поэтому пытаются придумать новый подход: давайте оставим концепцию порога входа, но будем играть честно. Например, сейчас все больше и больше набирает популярность идея, что при публикации научной статьи необходимо прилагать все данные, все логи, по которым производились расчеты, вплоть до скриптов, на R, на Python, других языках программирования, которые позволяли бы любому другому человеку эти результаты воспроизвести. Понятно, что человек, который просто нарисовал себе нужные цифры, с трудом сможет пройти такой порог. Но проблема в том, что как только придумываются новые защиты, находятся и новые способы их обойти.

Поэтому ученые идут еще дальше — они предлагают помимо всего перечисленного еще и заранее писать, какие гипотезы предполагалось проверить. То есть перед тем, как опубликовать статью в каком-то журнале, исследователи говорят: мы сейчас проводим эксперимент в лаборатории, в котором мы хотим проверить разные гипотезы. Проблема в том, что это почти всегда лукавство: обычно у исследователей уже есть какие-то наработки, уже полученные минимальные результаты, но преподносятся они как чистые гипотезы. Опять же, это объясняется чисто социальными факторами.

Не новость, что финансирование науки осуществляется через систему грантов. Как это работает? Исследователь пишет заявку на грант, в которой расписываются все гипотезы и ожидаемые результаты. По итогу работы составляется отчет об успешности или неуспешности проверки гипотезы.

Так уж сложилось, что большинство всех отчетов носит чисто положительный характер: что изначально заявили, то и получилось. Ровно по тем же самым причинам, что и в случае с публикациями в журналах — негативные данные там принимаются неохотно. Получается, что вроде дали человеку или научному коллективу какую-то внушительную сумму, они год работали, а в результате не получили ничего, кроме опровержения всех своих гипотез.

С точки зрения научного знания это абсолютно нормальная ситуация, так бывает в 99% случаев. Прорывное открытие — это следствие многих лет работы и тысячи неудачных попыток. Но как только мы сталкиваемся с каким-либо социальным институтом, сразу становится тяжело признаваться, что у нас ничего не вышло.

Это очень сложная проблема, из которой тяжело выбраться, но, тем не менее, мы хотя бы подошли к этапу, когда начали говорить об этой проблеме. Современная наука вообще испытывает в данный момент серьезные потрясения. Например, недавно разгоревшийся кризис воспроизводимости классических экспериментов 70 — 80-х годов в психологических и социальных науках. Эта одержимость науки недавнего прошлого публиковать только хорошие, положительные результаты и привела к такому кризису.

Сейчас акцент с обсчитывания всевозможных статистических данных смещается именно к репликации полученных результатов, повторению эксперимента другими специалистами в других условиях. Только так можно убедиться в том, что полученное знание действительно объективно. Это правило хорошего тона, которое в будущем, скорее всего, станет обязательным условием для научных публикаций. Потому что идея, что объективность можно измерить всего лишь одним P-value — это, конечно, иллюзия.

Это одна из самых больших проблем на сегодняшний день, с которой все борются. Сейчас даже появились журналы, которые вообще запрещают публиковать результаты с P-value, отказываясь от нее в пользу баесовской статистики, которая в последнее время набирает все большую популярность.

Баесовская статистика — это метод подсчета обоснованности гипотез и предположений на основе имеющихся доказательств в виде данных и эмпирических наблюдений. Проще говоря, достоверность гипотезы зависит от того, насколько сильно она объясняет существующие факты. Чем больше вариантов объяснения фактов, тем менее достоверна гипотеза.

Если P-value довольно абстрактный способ измерения научности знания, он не проверяет вероятность гипотез, то Байесовская статистика, по мнению некоторых, считает более правильно.

Наука и лженаука

Как сейчас проверяется объективность научного знания и степень доверия к нему? Первая, самая высокоуровневая концепция, подразумевает вопрос: вписывается ли знание в современную научную картину мира? Второй вопрос — корректно ли было проведено исследование? Третий — корректно ли обработаны данные? И четвертый — корректно ли обработаны данные третьими лицами, удалось ли воспроизвести результат. Последнему пункту сейчас придается особенное значение.

В РАН есть целый отдел, который занимается псевдонаучными исследованиями. Это огромная и очень важная проблема, ведь псевдонаука — это не просто что-то неправильное, но еще и потенциально вредное для людей и окружающего мира.

Возникает вопрос, как разграничить научное и ненаучное знание? У Карла Поппера была целая концепция классификации научного знания, он считал, что научным может считаться только то знание, истинность которого может быть опровергнута. Это называется принципом фальсифицируемости — и он противоположен принципу верифицируемости: при верификации гипотезы исследователь ищет подтверждающие ее примеры, при фальсифицируемости — примеры, опровергающие ее.

Это и есть самый главный принцип научности, а вовсе не статистическое подтверждение. Например, теория психоанализа так сильно критиковалась именно потому, что в классическом понимании эту теорию очень тяжело опровергнуть.

Читайте также: