Концептуальный прогноз
тяжесть заболевания, а именно прогрессирование болезни, приведшее к инвалидности, несмотря на то, что все меры медицинской и социально-трудовой реабилитации были использованы правильно и в полной мере;
ошибки в экспертном освидетельствовании (неверная трудовая рекомендация, несвоевременный перевод на другую работу, необоснованное установление группы инвалидности, неиспользование возможностей продления временной нетрудоспособности, отсутствие своевременного рационального трудоустройства через ВКК лечебно-профилактических заведений). Для профилактики инвалидности важна такая функцию ВТЭК, как продление больничных листов, которая эффективна для предотвращения инвалидности, сохранения трудовой направленности больного, его связи с коллективом, предупреждения социальной дезадаптации. Отмечено, что чем чаще продлевается больничный лист, тем меньше показатель инвалидности.
Чем больше измененных решений по контролю и обжалованию, тем меньше этот показатель.
Приведенные материалы позволяют сделать ряд содержательных
заключений.
? Инвалидность - сложный медико-социальный феномен, определяемый комплексом факторов различной природы, включая не только объективные параметры внешней среды, но и субъективные, зачастую неизмеряемые признаки.
? Адекватная оценка инвалидности требует учета ее сложной внутренней структуры, включая нозологические, возрастно-половые и другие аспекты, что предполагает использование в качестве выходных параметров модели описания и прогноза инвалидности не одного, а системы показателей.
? При отсутствии сопоставимой динамики основных параметров первичной инвалидизации населения за продолжительное время следует ориентироваться при построении прогнозов не на динамические, а на пространственные распределения инвалидности и описывающие их модели, поскольку различия между развитыми и отсталыми территориями в пространственных рядах можно интерпретировать как результат динамики конкретной территории в определенном направлении: по пути прогресса, или, наоборот, регресса тех или иных показателей.
Концептуальный прогноз
Изложим в систематизированном виде основные принципы концептуального прогноза инвалидности.
С этой целью рассмотрим три круга вопросов:
? здоровье в контексте индивидуальной и общественной системы ценностей;
? инвалидность в структуре потерь здоровья;
? границы прогнозного коридора: соотношение медицинских и социальных составляющих прогноза.
О месте здоровья в системе социальных ценностей и приоритетов однозначно свидетельствуют следующие аргументы:
расхождение между конституционными нормами и реальной политикой в социальной сфере;
нищенское и продолжающее сокращаться финансирование всей социальной инфраструктуры, обеспечивающей воспроизводство здорового населения, а именно здравоохранения, образования, культуры, природоохранной деятельности, сферы социальной поддержки;
отсутствие основы для преодоления отношения к социальной сфере как исключительно затратной.
Место здоровья в системе индивидуальных ценностей характеризуется противоречием между нормативными представлениями и реальной практикой. Здоровье не рассматривается индивидом как ценность фундаментальная, а как средство достижения других индивидуально значимых целей - высокооплачиваемой работы, жилья и т.д.
Эксплуатация здоровья как единственного источника позитивной социальной мобильности говорит об отсутствии у населения иных резервов и возможностей.
Существенно то, что отмеченные процессы характерны не только для кризисного этапа развития России. Переход от советского к современному этапу развития ничего принципиально не изменил в отношении к здоровью ни на уровне социума, ни на уровне индивида.
Единственное, что можно констатировать, так это то, что с уходом социализма ушел и лозунг о том, что здоровье является важнейшей социальной ценностью.
В прогностическом плане существенно, что процессы, определяющие лицо периода реформ, ведут к дальнейшему снижению цены человека и, следовательно, к дальнейшей деградации социальной инфраструктуры, ответственной за здоровье населения. Очевидно при этом, что число людей, нуждающихся в медицинской и социальной помощи и поддержке, не только не сократится, но и возрастет.
Конкретизация прогноза инвалидности во многом зависит от того, какое место она занимает в структуре потерь здоровья.
Приоритеты в охране здоровья четко сформулированы в стратегии Всемирной организации здравоохранения Здоровье для всех к 2000 году: снижение смертности и рост продолжительности жизни; увеличение продолжительности здоровой жизни без болезней и инвалидности и, наконец, максимально полная интеграция в полноценную активную жизнь лиц с ограниченными вследствие болезней возможностями. Для экономически развитых стран на первый план выходят задачи улучшения качества жизни больных и инвалидов.
Это связано с тем, что на фоне роста продолжительности жизни населения Европы за последнее время произошло неадекватное увеличение больных, инвалидов и нуждающихся в поддержке. В настоящее время в странах Европы продолжительность жизни в состоянии инвалидности составляет от 11% до 27% общей продолжительности жизни.
Отечественная статистика не позволяет получить аналогичные показатели по России, поэтому можно использовать только косвенные оценки. По продолжительности жизни населения Россия отстала не только от всех развитых, но и от многих развивающихся стран, занимая 113-ое место в мире по продолжительности жизни мужчин и 90-ое - для женщин.
Вместе с тем, по официальным данным, в России насчитывается как минимум вдвое меньше инвалидов, чем в странах, придерживающихся близких критериев в определении этого понятия. Характерно, что среди российских инвалидов 4/5 составляют лица практически полностью утратившие трудоспособность (1 и 2 группы инвалидности), тогда как в цивилизованных странах соотношение тяжелых и легких инвалидов обратное.
Кроме того, ухудшение здоровья населения России проявляется прежде всего в росте смертности, тогда как инвалидизация остается относительно стабильной. В отличие от экономически развитых стран структура потерь здоровья населения России носит преимущественно безвозвратный характер.
В прогностическом плане очевидно, что число людей с ограниченной трудоспособностью будет расти, тогда как учтенная инвалидизация будет отставать. То есть динамика здоровья населения по-прежнему будет характеризоваться динамикой смертности, тогда как социально контролируемые характеристики (инвалидность) окажутся менее подвижны.
Вместе с тем, некоторая динамика инвалидизации будет сопровождаться ее структурными изменениями.
Концептуальная конкретизация параметров прогноза во многом зависит от принятой позиции в отношении плохо формализуемых субъективных обстоятельств.
Коридор возможных сценариев в ближайшей перспективе определяется, видимо, двумя основными процессами.
Первый - это стремительный рост экономического компонента мотивации обращения за медицинской помощью. Обычно мы обращаем внимание лишь на сокращение числа обращений в связи с боязнью лишиться работы и т.д.
Однако этот этап уже закончился и статистика свидетельствует о возвращении тенденции роста заболеваемости.
Причины этого различны, но тенденция носит не коньюнктурный, а долгосрочный характер. О том, что существуют и другие аспекты, свидетельствует опыт стран, раньше нас столкнувшихся с проблемами здоровья населения в период реформ. Новый феномен был обозначен термином экономическая инвалидность".
Суть этого понятия состоит в том, что в качестве причины инвалидности, понимаемой как стойкая утрата трудоспособности, выступила не объективная тяжесть заболевания, а неспособность значительного числа лиц с пограничными состояниями найти свое место в новых экономических условиях. Можно себе представить, что аналогичная мотивация будет влиять на рост числа госпитализаций одиноких, пожилых, экономически несостоятельных людей, объективно не нуждающихся в госпитализации. Та же аргументация справедлива и в отношении обращения за инвалидностью. Таким образом, речь идет о попытках переложить на медико-социальные службы дополнительные функции социальной защиты.
Усиление экономической мотивации приведет к существенному росту спроса на медицинские услуги.
Методические проблемы Достоинства и ограничения классических экономико-статистических моделей
Применение экономико-статистических моделей в практическом социально-экономическом исследовании сталкивается с серьезными затруднениями. Оно обусловлено тем, что при использовании классических подходов трудно обеспечить адекватность модели изучаемому процессу.
Формальные критерии адекватности модели определить заранее крайне трудно, особенно для случая прогнозирования. Наиболее часто для решения этого вопроса пользуются ретроспективной проверкой точности модели. В конечном счете главным критерием адекватности созданной модели является практика. Вопрос применимости некоторой модели к описанию социально-экономической системы не является чисто математическим, он должен решаться в рамках конкретной задачи, для которой строится модель.
Оценку адекватности экономико-статистической модели никогда нельзя считать абсолютной. Установить условия ее применимости и наметить пути уточнения модели в тех случаях, когда эти условия перестают выполняться, позволяет анализ практики приложения моделей. Вторая задача оценки адекватности связана с типичностью ситуации, при которой одну и ту же задачу можно решить с помощью разных видов моделей.
В этих случаях возникает необходимость сравнения моделей между собой и выбора из них наиболее простой, обеспечивающей в то же время необходимую точность результатов.
Уровень адекватности модели определяется на всех этапах ее построения: при постановке задачи, разработке содержательной концепции о структуре и динамике изучаемого процесса, при формировании исходной совокупности признаков и в самом процессе конструирования модели.
Одна из основных причин нарушения требования адекватности на этапе построения модели - несоответствие условий и посылок классического аппарата теории вероятностей и математической статистики специфике экономических процессов. Теория вероятностей и математическая статистика разрабатывались для исследования природных явлений, и ряд их постулатов не выполняется в реальных экономических задачах.
Рассмотрим эти положения для наиболее распространенного типа экономико-статистической модели - уравнения линейной множественной регрессии. Для того чтобы модели подобного типа адекватно описывали изучаемое явление или процесс, необходимо соблюдение целого ряда содержательных и формальных требований к исходной информации. К основным содержательным требованиям относятся (7):
однородность совокупности;
устойчивость структуры совокупности и зависимостей во времени;
возможность описания моделируемого объекта одной или несколькими не связанными в систему регрессиями;
количественное измерение всех показателей;
достаточный объем выборки;
линейная или приводимая к линейной форма связи;
отсутствие априорных ограничений на параметры модели;
постоянство структуры модели во времени.
Среди формальных условий важнейшими являются:
отсутствие линейной корреляции среди входных переменных;
отсутствие ошибок измерения входных переменных.
Для реальных экономических данных эти предпосылки полностью не удовлетворяются, имеет место большее или меньшее отступление от них. В зависимости от цели построения модели невыполнение всех или некоторых предпосылок влечет за собой различные последствия.
В одних случаях построенная модель, даже при нарушении предпосылок, может иметь практическое значение, в других - нарушение предпосылок приводит к результатам трудно интерпретируемым, а зачастую и абсурдным.
Рассмотрим наиболее важные причины и следствия нарушения основных содержательных и формальных условий адекватности классической регрессионной модели изучаемому экономическому явлению.
Весьма существенной причиной, вызывающей нарушение адекватности моделей реальным процессам, является использование жестких фиксированных конструкций моделей для описания всей совокупности. Между тем, для экономических явлений характерна изменчивость, нестабильность структуры влияния как в пространстве, так и во времени. Анализ показывает, что совокупности объектов большинства экономических систем даже в фиксированный момент неоднородны, они распадаются на ряд подсовокупностей, имеющих свой специфический характер зависимости экономических показателей от влияющих факторов.
Еще большую изменчивость претерпевает структура влияния в динамике.
При рассмотрении таких изменений как структура модели (набор переменных) и параметры модели (коэффициенты при переменных), обычно изучается поведение параметров модели во времени при фиксированной структуре. Однако факт существования пространственной и временной неоднородности в статистических совокупностях определяет настоятельную необходимость поиска способов учета этого обстоятельства при построении модели.
Неадекватность модели часто может возникнуть из-за того, что при оценке ее параметров с использованием классических процедур не предусматривается наличие априорных ограничений на значение параметров и допустимые комбинации переменных. Для отдельных переменных или оцениваемых коэффициентов могут быть сформулированы некоторые ограничения как на основе содержательного анализа социально-экономических процессов, так и исходя из здравого смысла.
Актуальность этих проблем возрастает при построении многофакторных моделей. При увеличении числа факторов в модели возрастает вероятность того, что хотя бы при одном из них значение коэффициента примет знак, не соответствующий теоретическим предпосылкам.
В этом случае модель носит формальный характер, не отражая истинной взаимосвязи экономических показателей. Она годится лишь для аппроксимации на исследуемый период, по данным которого ее строили, и не пригодна для прогнозов и экстраполяции на будущее.
Для экономических совокупностей характерен малый объем выборки. Для пространственных выборок это связано с относительно небольшим числом объектов в генеральной совокупности или с неоднородностью рассматриваемых наблюдений. Для временных рядов причиной ограниченности выборки зачастую является подвижность социально-экономических процессов, их изменчивость во времени. В силу этого приходится ограничиваться короткими рядами.
Количество информации в выборке заданного объема неразрывно связано с возможностью достижения вполне определенной точности и достоверности оценок.
Экономико-статистическое моделирование на базе классической схемы регрессионного анализа преимущественно сводится к построению одного регрессионного уравнения или, реже, к построению не связанных в единую модель нескольких регрессий, каждая из которых оценивается независимо друг от друга. В результате сам моделируемый объект рассматривается как простая сумма регрессионных зависимостей.
Однако в экономической науке укрепилось понимание модели объекта как определенной системы взаимосвязанных соотношений, каждое из которых описывает наиболее существенные стороны его функционирования. Таким образом, необходим системный подход к моделированию, учитывающий, что почти всегда моделируемый объект описывается не одним, а системой показателей, между которыми, как правило, имеются весьма существенные связи.
Коротко остановимся на последствиях несоблюдения основных формальных условий применимости метода наименьших квадратов для оценивания параметров экономико-статистических моделей.
Экономические данные очень часто содержат различного рода погрешности, вытекающие из самой природы данных, различного рода их агрегирования и способов их получения. Если эти погрешности незначительны по сравнению с величинами независимых переменных, то при проведении регрессионного анализа ими можно пренебречь. Наличие значительных погрешностей приводит к искажению коэффициентов корреляции и регрессии. Пока не найдены удовлетворительные пути преодоления влияния ошибок наблюдений в переменных, характерезующих экономические показатели.
В этом случае при статистической оценке как самого уравнения регрессии, так и его параметров, значительную роль должен играть качественный, содержательный анализ.
Нарушение условия независимости входных переменных приводит к возникновению явления мультиколлинеарности, которое представляет собой одну из самых сложных проблем статистического исследования зависимостей. Под мультиколлинеарностью понимается наличие сильной корреляции между независимыми переменными, входящими в уравнение регрессии.
Присутствие этого эффекта затрудняет проведение анализа (усложняется процесс выделения наиболее существенных факторов), искажает смысл коэффициентов регрессии при попытке их экономической интерпретации.
Анализ признакового пространства
Построение и использование экономико-статистической модели во многом зависит от описания экономической сущности решаемой задачи. Этот этап в практике экономико-статистического моделирования получил название априорного анализа пространства признаков. Основными моментами этого этапа являются:
1. Формирование признакового пространства;
2. Анализ структурных связей переменных и их формализация;
3. Сужение круга переменных, отбор существенных факторов для моделирования.
Рассмотрим каждый из этапов подробнее.
Формирование признакового пространства, в свою очередь, складывается из решения нескольких подзадач.
Первая из них - априорная оценка информативности признаков. Сбор информации связан с большими затратами времени, сил и средств.
Кроме того, для многих экономических исследований типична ситуация, когда общее число единиц совокупности ограничено. Поэтому на практике число учитываемых характеристик значительно меньше, чем хотелось бы исследователю по его первоначальной гипотезе.
Для решения задачи априорной оценки информативности признаков может быть использован обобщенный опыт специалистов. В частности, одной из форм обобщения коллективного мнения специалистов может быть анкетный опрос. С помощью такого опроса выявляются оценки значимости факторов и на их основе устанавливаются критерии, по которым следует вести сбор информации.
Материалы опроса могут оказаться полезными и на других этапах экономико-статистического исследования, например, при определении очередности введения переменных в модель. Организация экспертного опроса, анализ полученных результатов и их интерпретация - это самостоятельные научные проблемы, которые здесь не рассматриваются.
Еще одна форма обобщения коллективного опыта - аналитический обзор литературы по интересующей проблеме.
Следующей задачей является формирование информационного массива (8). На стадии формирования информационного массива можно выделить два основных относительно независимых момента: определение списка исследуемых переменных (списка признаков), то есть определение профиля исследуемого явления; определение объектов наблюдения как в смысле уровня наблюдений или уровня агрегирования исходных данных, так и в смысле широты охвата, то есть списка объектов.
Обе задачи должны решаться в точном соответствии с целью исследования, так как результаты всей работы в очень большой степени предопределяются именно на стадии отбора признаков и объектов.
Набор признаков должен включать те из них, которые несут самую существенную информацию об исследуемом явлении. При отборе признаков исследователь в неявной форме производит взвешивание различных характеристик явления: наиболее существенные свойства или характеристики, как правило, представлены в исследуемом наборе наибольшим числом признаков.
Весьма часто при формировании исходного массива информации приходится считаться с доступностью информации. По этой причине анализируются не те признаки и объекты, включение которых представляется желательным, а те, которые доступны исследователю и лишь косвенно отражают интересующий нас признак. В таких случаях необходимо попытаться заранее оценить влияние вынужденного искажения профиля или единиц наблюдения.
Следует ответить на вопрос: отражает ли искаженный профиль изучаемое явление с достаточной степенью приближения.
Не всегда принятый в статистике или поддающийся непосредственному измерению показатель адекватно отражает то или иное свойство, интересующее исследователя. Если адекватность вызывает сомнение, целесообразно привлечь несколько дополнительных показателей, отображающих изучаемую исследователем характеристику с разных сторон.
Важным критерием отбора является точность. Следует оценить точность анализируемых данных и сопоставить ее с допустимой величиной ошибки.
Важно учитывать надежность и сопоставимость: совпадают ли определения признаков и отражаемых ими свойств для различных наблюдений, то есть не изменяется ли содержание признаков от объекта к объекту. Изложенное подчеркивает важность строгого содержательного отбора показателей.
При формировании исходного информационного массива необходимо определить тот уровень агрегирования данных - уровень наблюдений, на котором будет осуществляться сопоставление признаков.
Полученные выводы, как правило, действительны для определенного уровня агрегирования и не могут без специального обоснования распространяться на другие уровни. В зависимости от выбранного уровня наблюдения могут быть получены диаметрально противоположные выводы.
Следующим этапом определения информационной среды исследования является задача преобразования матрицы данных с целью изменения характера эмпирического распределения для приведения его в соответствие с целью исследования. Чаще всего таким образом пытаются ослабить влияние экстремальных значений признаков на результаты расчетов, компенсировать влияние возможных ошибок в исходных данных, сделать сопоставимыми изменения значений признаков на разных участках шкалы его значений.
Это сводится к решению следующих проблем.
? Влияние характера распределения на результаты расчетов весьма велико. В социально-экономических исследованиях преобладают ряды, имеющие правую скошенность (резкий спад частот с ростом значений признака). При работе с такими распределениями часто переходят к логарифмической шкале. Переход от xj к 
уменьшает интервалы по мере роста значений xj.
В результате становится возможным исследование сильно различающихся по масштабу данных в одной задаче.
? Как правило, признаки, отобранные исследователем для всестороннего описания того или иного явления, имеют различную размерность, а потому и различные единицы масштаба. Чтобы устранить влияние размерности и сопоставлять признаки, матрицу исходных данных обычно нормируют, вводя единый для всех признаков масштаб.
? Для учета качественной априорной информации об исследуемых данных, непосредственно в исходной матрице не содержащейся, используют специальные преобразования. К таким преобразованиям относятся различные способы пополнения исходной матрицы данных производными параметрами.
Часто в качестве новых параметров фигурируют отношения некоторых из исходных параметров или отношения сумм одних из исходных параметров к суммам других.
Анализ структуры причинно-следственных связей (7) является важным этапом экономико-статистического моделирования.
Даже в случае неполной информации о логике поведения моделируемого процесса практически всегда могут быть высказаны некоторые профессиональные соображения о характере и направлении связей.
Необходимость поиска методов априорного анализа связей в первую очередь вызвана тем, что связи признаков, описывающих процесс функционирования реального объекта, всегда имеют определенную структуру и ориентацию. Одним из способов решения данной проблемы является использование аппарата теории графов (8).
Известно, что первоначальный набор переменных весьма избыточен.
