11. Анализ временных рядов. Статистическое прогнозирование

Для анализа периодичных политических событий исследователи обращаются к анализу временных рядов, который используется как для ретроспективного объяснения событий, так и для прогнозирова­ния их дальнейшего развития (классические примеры — прогнозиро­вание итогов избирательных кампаний, развития забастовочного дви­жения). Некоторые самые простые виды анализа временных рядов можно выполнять вручную, при создании сложных моделей удобно пользоваться статистическими пакетами Эвриста и SPSS.

Временные ряды — комплекс наблюдений за одной переменной через определенные интервалы времени. Прогнозирование — способ предвидения развития политических событий на основе эмпирических данных мониторинговых исследований. Период упреждения — дли­тельность прогноза. Он относительно невелик, а вероятность ошибок увеличивается прямо пропорционально временному обмену отрезку прогноза. Требования к прогностической модели традиционны: обоснованность, полнота, валидность, точность, устойчивость.

Выделяют три вида прогнозирования:

аналогия, т. е. метод исторического соотнесения двух или более идентичных явлений, схожих по обстоятельствам развития —пригоден для долгосрочных прогнозов;

экспертиза — применяется для долгосрочных прогнозов;

статистический прогноз — он основан на математических фор­мулах и используется для краткосрочных прогнозов сроком до одного года.

Многие специалисты весьма скептически относятся к возможно­стям статистического прогнозирования развития политических про­цессов из-за огромного числа факторов, которые нужно учесть. По их мнению, модель развития политического процесса, использующая в качестве исходного материала данные опросов общественного мнения, не может учесть в полной мере тот факт, что сами разработчики нахо­дятся под влиянием «школьных» вульгаризированных представлений о социологии и статистических методах. Как считают некоторые круп­нейшие французские социологи, опросы общественного мнения, впи­сываясь в практику политической жизни и получая статус самодоста­точных научных исследований, тем не менее обретают лишь внешние признаки научности. Ни в коем случае нельзя, по их мнению, отожде­ствлять науку и институт опросов общественного мнения, тем более, что второй препятствуют качественному развитию первой. Это ради­кально негативное отношение тем не менее не мешает практике ис­пользования методов статистического прогнозирования.

В течение последних 20 лет прикладное моделирование в полити­ческих исследованиях получило широкое распространение* В качестве комплексного метода изучения политических объектов оно опирается на формирование с помощью системного подхода образа, формально тождественного изучаемому объекту. Системный подход позволяет избежать недостатков работ, опирающихся на впечатление или интуи цию ученого или делающих акцент на неповторимость явлении. При­кладное моделирование выполняется на основании специальных ста­тистических исследований в ряде научных центров, хотя наибольший опыт имеют специалисты США (Северо-Западный, Стэнфордский, Чикагский, Калифорнийский университеты, Массачусетский техноло­гический институт).

Выделяют три этапа моделирования: логико-интуитивный анализ (традиционная исследовательская практика, в ходе которой ученый, опираясь на свои представления, интуицию, логику, знание аналогич­ных исследований, создает теоретическую модель изучаемого явления с выделением ключевых понятий); формализация данных — данная процедура основывается на трансформации созданной содержательной статистической модели в динамическую; квантификация данных (соз­дание «образа искусственной реальности»). Полученные модели со­держат указание на объект исследования, структуру его связей с дру­гими политическими субъектами, интересы, ресурсы влияния, цели действий, нормативный (типичный) образ действий, противоречия между субъектами политического действия, соотношение их ресурсов и характер связей с другими объектами политической реальности.

Мы остановимся на самых простейших приемах статистического прогнозирования. Прогнозирование разлития ряда распределения ко­личественных параметров исследуемого социального процесса состоит из взаимосвязанных компонент;

тенденция ~ направление развития социального процесса (в са­мом широком понимании речь идет о прогрессе или регрессе); если в тенденции обнаруживается функциональная зависимость ее от време­ни, то исследователи говорят о наличии тренда;

тренд — описание фактической усредненной для периода упреж­дения тенденции изучаемого социального процесса во времени;

интервал циклов повторяемость показателей, зависящих от времени.

Здесь необходимо отметить, что достаточно часто событие-причина и событие-следствие отстоят друг от друга во времени. Сле­довательно, при построении прогнозны моделей также необходимо учитывать временной лаг. В идеальном случае модель прогноза долж­на учитывать секулярные тренды (долговременные тенденции к уве­личению или уменьшению), циклические отклонения (сезонность; классическими примерами являются «весеннее наступление на капи­тал» и снижение показателей неконвенционального поведения летом), случайные отклонения (известно, например, что в некоторых случаях на исход голосования оказывали влияние неблагоприятные погодные условия; дождь, снег, морозы). Случайные отклонения в электораль­ном поведении также провоцируются экстраординарными политиче­скими событиями и «феноменом последней недели» (согласно ему люди с невысоким образованием делают свой выбор именно в послед­ние дни перед выборами, в то время как высокообразованные избира­тели определяют свои политические симпатии намного раньше).

Одной из важнейших и наиболее простых статистических проце­дур, предшествующих прогнозированию, является проверка гипотезы о наличии или отсутствии тренда. Обычно пользуются простейшим методом определения наличия тренда — методом разности средних уровней. При использовании этого метода объект исследования разби­вают на две подвыборочные совокупности, идентичные по основным контролируемым параметрам (социально-демографическим факторам), Для каждой из совокупностей рассчитывается средняя по показателю* после чего определяется разность значений средних. Если расхожде­ние существенное, то тренд имеет место. Если расхождение незначи­тельное, то его можно приписать воздействию случайных факторов, а гипотеза о наличии тренда отвергается.

Формула f-статистики для проверки гипотезы о наличии тренда имеет следующий вид:

где x1 и x2 — средние соответственно первой и второй подвыборочной совокупности; а — среднее квадратическое отклонение разности средних.

Для определения истинности гипотезы о тренде вычисленное зна­чение t сравнивается с табличным значением tp (р — вероятность ошибки). При t ≥ tp гипотеза о наличии тренда подтверждается, при t < tp — отвергается. Значение tp берется с числом степеней свободы, равным n+п₂-2, где n1 и п₂ — соответственно объем двух подвыборочных совокупностей.

Среднее квадратическое отклонение разности средних (a):

Где и - соответственно дисперсии подвыборных совокупностей.