Анализ данных в государственном управлении

Функция	Назначение функции и ее аргументы	Тип
ЛИНЕЙН	Определяет параметры линейного тренда для заданного массива ЛИНЕЙН(знач.У; знач. X; констанста; стат.)	Встроенная
ТЕНДЕНЦИЯ	Определяет предсказанные значения в соответствии с линейным трендом для заданного массива (метод наименьших квадратов) ТЕНДЕНЦИЯ(знач.У; знач. X; новые знач.Х; константа;)	Встроенная
ПРЕДСКАЗ	Определяет предсказанное значение функции в заданной точке на основе линейной регрессии ПРЕДСКАЗ(Х; знач.У; знач. X)	Встроенная
НАКЛОН	Определяет коэффициент для независимой переменной в уравнении парной регрессии НАКЛОН(знач.У; знач. X)	Встроенная
ОТРЕЗОК	Определяет отрезок, отсекаемый на оси ординат линией линейной регрессии ОТРЕЗОК(знач.У; знач. X)	Встроенная
КВПИРСОН	Определяет квадрат коэффициента корреляции Пирсона КВПИРСОН(знач.У; знач. X)	Встроенная
ПИРСОН	Определяет коэффициент корреляции Пирсона (степень линейной зависимости между двумя множествами данных) ПИРСОН(массив 1 ; массив 2)	Встроенная
СТОШУХ	Определяет стандартную ошибку предсказанных значений У для каждого X СТОШУХ(знач.У; знач. X)	Встроенная
РОСТ	Аппроксимирует данные экспоненциальной кривой РОСТ(знач.У; знач. X; новые знач.Х; константа;)	Встроенная

Рис. 1. Установка пакета анализа

Если процесс установки Завершается успешно, то в меню Сервис появляется еще один пункт - Анализ данных (рис. 2), а также при создании формул становится доступной новая группа функций - статистические.

Проблема изучения взаимосвязей различного рода показателей является одной из важнейших в экономическом анализе. В конечном счете, основное содержание любой экономической политики может быть сведено к регулированию экономических переменных, осуществляемому на базе выявленной тем или иным образом информации об их взаимовлиянии.

Целью статистического исследования является обнаружение и исследование соотношений между статистическими (экономическими) данными и их использование для изучения, прогнозирования и принятия решений.

Рис. 2. Окно Анализ данных, вызываемое из меню Сервис > Анализ данных

Capital Asset Pricing Model (Модель оценки финансовых активов) (CAPM) - экономическая модель для оценки акций, ценных бумаг, деривативов и/или активов путем соотношения риска и ожидаемого дохода. CAPM основывается на той идее, что инвесторы требуют дополнительный ожидаемый доход (рисковую премию), если их просят взять на себя дополнительный риск.

Описание CAPM. Объяснение Capital Asset Pricing Model (Модель оценки финансовых активов). CAPM была разработана Treynor ('61), Sharpe ('64) и Lintner ('65). Введя понятия систематического и специфического риска, она расширила теорию портфельного выбора (portfolio theory). В 1990г. William Sharpe стал лауреатом Нобелевской премии по экономике. «За его вклад в теорию ценообразования финансовых средств, так называемую Capital Asset Pricing Model (Модель оценки финансовых активов) (CAPM).»

Модель CAPM утверждает, что ожидаемый доход, который потребуют инвесторы равен: ставке по безрисковой ценной бумаге плюс рисковая премия. Если ожидаемый доход не равен или выше, чем требуемая доходность, то инвесторы откажутся инвестировать, и инвестиции не будут сделаны.

CAPM анализирует портфельный риск в форме систематического риска (systematic risk) и специфического риска (specific risk). Систематическим риском обладает рыночный портфель (market portfolio). Когда происходят движения на рынке, каждый индивидуальный актив подвергается влиянию в той или иной степени. В той степени, в какой актив движется вместе с изменениями на рынке, он подвержен систематическому риску. Специфическим риском называется риск уникальный для индивидуального актива. Он представляет составляющую доходности актива, не взаимосвязанную с общими движениями на рынке.

Согласно CAPM, рынок компенсирует инвесторов за принятие систематического риска, но не за принятие специфического риска. Это потому, что специфический риск можно диверсифицировать. Когда инвестор держит рыночный портфель, каждый индивидуальный актив в портфеле подвержен специфическому риску. Но посредством диверсификации, чистая подверженность инвестора риску составляет лишь систематический риск рыночного портфеля.

Формула CAPM. Формула CAPM является следующей:

―     Ожидаемая доходность/Expected Security Return = Безрисковая доходность/Riskless Return + Beta x (Ожидаемая премия за рыночный риск/Expected Market Risk Premium)

или:

r = Rf + Beta x (RM - Rf)

{ Другой вариант формулы является следующим: r-Rf = Beta x (RM - Rf) },

где:

- r норма ожидаемого дохода по ценной бумаге;

- Rf ставка «безрисковой» инвестиции, т.е. по денежным средствам;

- RM норма доходности сопоставимого типа актива.

Beta - совокупный риск от инвестирования в общий рынок, как например, на Нью-Йоркской фондовой бирже. Beta, по определению приравнивается точно к 1.00000 .

Каждая компания также имеет Beta. Beta компании - риск компании по сравнению с Beta (риском) общего рынка. Если компания имеет Beta 3.0, то предполагается, что ее активы в 3 раза более рискованны, чем общий рынок. Beta показывает волатильность ценной бумаги, относительно типа актива.

Коэффициент Beta в данном уравнении (с точки зрения геометрической интерпретации он является угловым коэффициентом графика) служит важнейшей характеристикой риска изучаемого актива, о котором в зависимости от значения р можно заключить:

- Beta = 1 - риск ценной бумаги равен рыночному (рыночный риск - стандартное отклонение доходности рыночного портфеля), а доходность изменяется точно так же, как и рыночная;

-Beta>1 - риск ценной бумаги выше рыночного. В результате этого доходность ценой бумаги изменяется в том же направлении, что и рыночная, но в большей степени. Таким свойством, как правило, обладают ценные бумаги компаний, оперирующих в энергично развивающихся высокотехнологичных отраслях;

- 0<Beta<1 - риск ценной бумаги ниже рыночного, а ее доходность изменяется в том же направлении, что и рыночная, но в меньшей степени. Это часто встречается у компаний в традиционных отраслях, особенно связанных с пищевой промышленностью и коммунальным хозяйством;

- Beta<0 - данный теоретически возможный вариант означает, что доходность такой ценной бумаги изменяется в направлении, противоположном изменению рыночной доходности.

Если в качестве исходной информации мы имеем серии значений доходностей акций и доходностей рыночного (индексного) портфеля по периодам, то, применяя функцию НАКЛОН, мы можем легко получить оценку значения р-коэффициента (рис. 3). Заметим, что для оценки значения свободного члена линейного уравнения (ос) применяется функция ОТРЕЗОК.

В случае, если мы хотим провести полный статистический анализ имеющихся серий значений и, в частности, проверить статистические характеристики (значимость) полученных коэффициентов и всего уравнения регрессии в целом, нужно воспользоваться упомянутой выше надстройкой Пакет анализа (команда меню Пакет анализа > Регрессия).

Рис. 3. Определение значения коэффициента с помощью функции НАКЛОН

Компьютерная программа для статистической обработки SPSS – это мощное аналитическое программное обеспечение, эффективный инструмент, который позволит максимально использовать информацию, хранящуюся в виде необработанных данных.

Например, одно из областных Управлений здравоохранения смогло построить глубинные профили пациентов по их восприимчивости к различным опасным заболеваниям. Пользуясь статистическими методами анализа данных, сотрудники управления выделили поведенческие и демографические характеристики, которые определяли принадлежность человека к группе повышенного риска по отношению к тому или иному заболеванию. Этот анализ данных дал возможность эффективно информировать людей об опасности заболевания и обучать их мерам предотвращения этих заболеваний.

Еще один пример. Администрация области регулярно проводит мониторинг общественного мнения региона и пользуется SPSS как комплексным решением. В SPSS, кроме мощных аналитических возможностей, есть инструменты для разработки вопросников, ввода и чистки данных. Это позволяет Администрации постоянно быть в курсе изменений общественного мнения, влиять на эти изменения, а также направлять финансовые средства и усилия на поддержание определенных сфер жизни и групп населения.

Сегодня анализ данных позволяет делать обоснованные выводы на базе полученной информации. Вместо того, чтобы полагаться на интуицию, специалисты в области государственного управления анализируют данные и выбирают лучшие стратегии принятия решений.

Анализ данных опросов.

―     Мониторинг общественного мнения и анализ социально-экономической ситуации. Анализ данных нужен для выяснения ситуации в регионе и определения проблемных сфер.

―     Определение проблем, формирующих кризисную ситуацию. Анализ данных необходим не только для выявления проблем региона, но и для определения причин их возникновения.

―     Анализ реакции населения на внедрение различных федеральных и региональных программ. Возможность корректировки программ для повышения их эффективности.

―     Анализ экономического положения и уровня жизни населения.

Предвыборные исследования и прогнозирование результатов выборов.

―     Анализ эффективности политической рекламы.

―     Анализ средств массовой информации. Дает понимание того, к какой аудитории и насколько эффективно можно обратиться с помощью того или иного средства массовой информации.

―     Выявление наиболее эффективных средств влияния на мнения различных групп избирателей.

―     Диагностика предвыборной ситуации. Анализ данных применяют для определения шансов того или иного кандидата, постоянного контроля за рейтингом кандидатов и определения ниши каждого из кандидатов в свете образов конкурентов.

―     Анализ основных проблем избирателей. Необходим для разработки направленной предвыборной программы кандидата.

Общественная безопасность

―     Анализ преступности. Анализ данных необходим для того, чтобы понять, какие типы преступлений совершаются, и в каких районах они происходят.

―     Отслеживание уровня рецидивизма. Анализ данных нужен для обнаружения причин, по которым правонарушители снова совершают преступления.

Образование

―      Планирование школьных округов. Нахождение оптимального месторасположения новых школ, в зависимости от условий района, демографической ситуации и других факторов.

―     Отслеживание успеваемости учащихся, выявление факторов способствующих повышению успеваемости.

―     Администрирование - контроль за уровнем выполнения обязательных программ и тестов.

Трудоустройство

―     Анализ рынка труда - понимание состава и структуры рабочей силы.

―     Анализ заявлений о приеме на работу - разработка профилей претендентов.

Анализ прибыли

Сотрудник Налоговой Инспекции – "С помощью SPSS мы можем проводить полноценный анализ и ясно представлять результаты в виде графических изображений, а не колонок цифр."

―     Оценка соответствия размеров уплаченных налогов и имущества.

―     Анализ мошенничеств - выявление характеристик предприятий и физических лиц, имеющих предрасположенность к совершению мошенничеств.

Здравоохранение

―     Отслеживание болезней и создание отчетов о случаях заболеваний.

―     Эпидемиология - выявление причин заболеваний и территории их распространения, а также контроль заболеваемости.

―     Медицинская помощь - определение профилей тех, кому часто требуется медицинская помощь.

―     Профилактика - выявление групп риска и необходимости медицинского вмешательства.

Окружающая среда

―      Анализ экосистем - выяснение факторов, влияющих на здоровье экосистемы.

―      Оценка качества воды/воздуха - осуществление контроля за соответствием качества вод или воздуха имеющимся стандартам.

Транспорт

―     Планирование наиболее эффективных маршрутов для лучшей организации транспортных и пассажирских потоков.

―     Создание отчетов о дорожных происшествиях для выяснения факторов, влияющих на происшествия.

―     Моделирование программ поддержания надлежащего состояния дорожного покрытия, прогнозирование возможного ремонта дорог.

Стратегическое планирование

Анализ данных также является неотъемлемой составляющей оценки программ и стратегического планирования в каждой из сфер, упомянутых выше и используется для:

―     Анализа удовлетворенности клиентов и изучения изменений потребностей общественности.

―     Оценки программ - понимания факторов успешной реализации программы.

―     Профилирования населения - более эффективного направления действия программы на определенные слои населения.

―     Анализа затрат - выявления наиболее эффективных программ. в Анализа результатов выполнения программ.

Статистика - инструмент для анализа данных, который дает неоценимые преимущества сотрудникам органов государственного управления в принятии обоснованных решений и претворении в жизнь необходимых изменений.

Углубленный анализ данных позволяет подняться выше простых суммарных коэффициентов и таблиц для того, чтобы глубже заглянуть в данные.

Возможности специализированного программного обеспечения для анализа данных больше по сравнению с электронными таблицами и базами данных, потому что это программное обеспечение позволяет глубже погрузиться в данные. Даже если специалисты в области государственного управления максимально используют потенциал электронных таблиц для анализа данных, с их помощью нельзя получить такие же эффективные результаты, как с помощью применения специальных пакетов. Электронные таблицы хорошо использовать для того, чтобы понять, что происходит, но с их помощью нельзя ответить, почему это происходит.

Статистика, с другой стороны, эффективна для поиска закономерностей и связей, позволяя конечному пользователю делать обоснованные выводы и прогнозировать. Группируя данные и сравнивая различные группы, можно обнаружить скрытые закономерности. Более того, SPSS по сравнению с электронными таблицами позволяет работать с данными более продуктивно, быстро и просто создавая отчеты и строя графики.

Например, стандартные бизнес графики, такие как столбиковые диаграммы, линейные и секторные диаграммы, хорошо представляют суммирующую информацию. Статистические графики дают возможность получить исчерпывающую информацию о данных, например ящичковая диаграмма, является мощным аналитическим подспорьем для обнаружения тенденций, не лежащих на поверхности, которые не покажет обычный бизнес-график. Здесь представлено не только среднее значение, но также минимум, максимум и общее распределение баллов для каждой школы (рис.4).

Рассмотрим несколько примеров применения программного обеспечения SPSS для решения различных задач, с которыми сталкиваются органы государственного управления.

Сотрудники департамента образования городской администрации пользуются статистическими методами для того, чтобы понять распределение баллов за тесты среди учащихся школ. Перед использованием статистических методов, район создавал стандартные отчеты и графики, которые показывали только средние баллы за тест. Это значит, что на результаты могли повлиять экстремальные значения - очень низкие или высокие баллы, что часто ведет к неверной оценке успеваемости отдельно взятой школы. С помощью статистических графиков департамент образования сделал шаг вперед и получил более точную картину того, что происходит в районных школах.

Рис. 4. Ящичковая диаграмма - график, который позволяет администрации района глубже проникнуть в ситуацию.

 

Анализируя ящичковую диаграмму (рис. 4) специалисты могут визуально оценить общее распределение баллов учащихся. Выбросы и нетипичные значения данных просто выделить и даже исключить из анализа, чтобы они не оказывали побочного влияния на результаты (рис. 4).

Связь между количеством прогулов и баллами, полученными за тесты, представлены на рисунке 5. Она показывает, что чем выше уровень прогулов, тем ниже успеваемость.

Для того, чтобы понять причины прогулов, сотрудники департамента образования могут продолжить анализ различных групп учащихся. На рисунке 6 представлены возможные причины таких прогулов. Здесь мы видим, что "групповое давление" является одной из основных причин прогулов. Злоупотребления наркотиками и алкоголем также являются существенными предикторами. Информация, обнаруженная в ходе анализа данных, очень важна для департамента образования при разработке программ, которые направлены на выявление и устранение причин низкой успеваемости учащихся.

Рис. 5. Диаграмма рассеяния иллюстрирует связь между количеством прогулов и баллами, полученными за тесты. 

Рис. 6. Причины прогулов

Выборы. Рассмотрим еще один пример. В ходе кампании по выборам губернатора одной из областей сотрудники предвыборного штаба одного из кандидатов (для удобства назовем этого кандидата "А") использовали анализ данных для поиска наиболее эффективных путей привлечения дополнительных голосов избирателей. В ходе предвыборной кампании обозначился явный лидер, отрыв которого от остальных кандидатов был очень значителен. Рейтинг кандидата "А" за несколько месяцев до даты выборов был четвертым, причем был очень близок к рейтингу еще трех кандидатов. Был проведен опрос, который позволил выяснить наиболее эффективный и надежный для этого кандидата способ привлечения голосов избирателей. Было рассчитано, что использование выбранного способа агитации в масштабах, которые позволял бюджет предвыборной кампании, гарантирует получение кандидатом "А" существенно большего дополнительного количества голосов, чем могли получить его конкуренты.

Однако, очень большое отставание от лидера предвыборной гонки не гарантировало победы, поэтому необходимо было не только найти пути привлечения избирателей, но и способ отнять как можно больше голосов у лидера. Был проведен еще один опрос, целью которого было определить отношения избирателей к различным партиям и движениям, а также близости кандидатов, по мнению избирателей, к тем или иным партиям и движениям. Далее был проведен кластерный анализ для выделения групп избирателей, схожих по своим политическим предпочтениям и выбору кандидата. Одним из результатов кластерного анализа стал тот факт, что избиратели, собирающиеся голосовать за лидера предвыборной кампании, не симпатизировали одной определенной партии. Они разделялись на три большие подгруппы, каждая из которых отдавала предпочтение какой-либо одной партии. Причем, эти партии находились в разных частях политического спектра. В штабе кандидата "А" нашли возможность договориться с общероссийскими руководителями двух из трех партий о выступлениях по телевидению, в которых выражалось бы недоверие лидеру предвыборной гонки. При этом руководители партий выступали с поддержкой своих кандидатов, которые принимали участие в выборах. Эффект такого хода был потрясающим. Кандидат в губернаторы, лидировавший с большим отрывом в течение всей предвыборной кампании, всего за несколько дней до даты выборов потерял примерно четверть голосов избирателей и даже не прошел во второй тур. Кандидат "А" занял пост губернатора области.

Анализ данных помогает уменьшить неопределенность в процессе принятия решений. Вот другой пример. Управление областной администрации, отвечающее за снабжение населения электроэнергией, анализирует данные для того, чтобы обнаружить изменяющиеся закономерности в потреблении электричества. Применяя статистические методы исследования к своим данным, сотрудники администрации обнаружили, что они могут оценить влияние различной электротехники на общее потребление электроэнергии. С этой информацией они могут дальше исследовать свои данные и строить прогностические модели для того, чтобы оценить, как может измениться расход электроэнергии в различные периоды времени. И, что очень важно, на основе полученной информации можно оценить ресурсы, необходимые для того, чтобы встретить эти изменения.

В другом случае, аналитический отдел и отдел образования в быстро растущем жилом районе анализируют данные для планирования распределения свободных ресурсов при потенциальном росте населения, которое ожидается в их районе. Специалисты внимательно изучают тенденции изменения населения и демографические характеристики для того, чтобы решить, строить ли новые школы и вспомогательные сооружения. Они также следят за общей успеваемостью учащихся и эффективностью работы учителей для поддержания стандартов обучения, планируя ресурсы на будущее.

Быстрая реакция на требования общественности. Чем дольше руководители, принимающие решения, должны ждать специального доклада, тем мед-леннее их ответная реакция по внесению изменений, необходимых для лучшего проведения в жизнь политики и программ. Сегодня у государственных служащих есть возможность быстрого и простого доступа к данным, а также все необходимые аналитические инструменты на персональном компьютере. Статистический анализ помогает сотрудникам органов государственного управления быстро реагировать на изменения требований общественности, материального положения населения и других ключевых показателей. Возможность быстро выполнить анализ и создать отчет, позволяет руководителям быстро и уверенно принимать решения, основанные на фактах.

Пример. Городскому отделу социального обеспечения необходимо оценить, является ли отказ в оказании социальной помощи причиной того, что люди оказываются бездомными. Анализ данных позволил сотрудникам отдела установить, что предполагаемая связь не случайна. Они также проанализировали, как долго люди остаются бездомными и какие виды социальной помощи обычно получают.

Рисунок 7 показывает потенциальную связь между суммой социальной помощи и риском оказаться бездомным. Как видно, между этими показателями существует сильная зависимость. Получив подобную информацию, исследователь может двигаться дальше и построить модель, классифицирующую тех, у кого велик риск стать бездомным. Можно также выявить, какие другие социально-экономические и демографические факторы могут увеличивать количество бездомных.

---