<<
>>

3.3. Алгоритмы компьютерной программы анализа взаимосвязи исторических рядов


Вводные замечания
Исторические явления и в природе, и в обществе связаны между собой прочной цепью сложных отношений. Наиболее ярко, выпукло и многообразно эта связь проявляется на примере вековых и многовековых событий и отношений, временем отсеивающих частности и по определению оставляющих в поле зрения только самое испытанное и главное, что в самой концентрированной форме представляется в виде комплексных рядов исторической динамики.
Находясь в непрерывном взаимодействии, дополняя и видоизменяя друг друга, обогащая или, напротив, нивелируя и подчас погашая и разрушая друг друга, отфильтрованные временем исторические явления, обобщаемые в виде долговременных рядов, выступают как самая объективно обусловленная данность, существование которой строго подчиняется законам природы и общества. Представления об этих явлениях и отношениях между ними на вербальном уровне в значительной мере очевидны, воспринимаются как продукт естественной жизни и регулируются на началах природного инстинкта или общественного договора, не требуя иных обоснований и доказательств.
Другая часть взаимосвязанных исторических явлений природы и общества неочевидна, законы их формирования и видоизменения скрыты, последствия изменения неопределенны, риски развития или крушения велики и труднопредсказуемы, а представления о них ограниченны и требуют каждый раз новых обоснований и доказательств.
Еще одна, пожалуй, самая масштабная и эволюционизирующая группа исторических явлений, существующих в природе и обществе, современному че-ловеку вовсе неизвестна. Отношения и взаимосвязи этих явлений на поверхности выступают как череда случайных и непостижимых событий, подчас как кошмар и хаос, о законах поведения которых можно только догадываться или что-то мистически измышлять, что в широких объемах и делают разного рода манипуляторы от имени (а нередко и за счет) истории.
Понимать и направлять развитие сложных и неоднородных исторических отношений в нужное человеку русло при помощи одних и тех же простых методов познания, включая известные методы элементарной математики и статистики, далеко не всегда можно. Более того, попытки такого упрощенного понимания дела, равнозначные попыткам втиснуть любое сложное историческое явление в прокрустово ложе существующих схем познания, приводят, как правило, к неудачам, компрометируют науку, низводя ее к примитиву обывателя.
Выявление и познание скрытых явлений, распознавание и истолкование случайностей как предельно сложных закономерностей, отделение познаваемого от непознаваемого предполагают везде (а в историческом анализе тем более и прежде всего) обращение к более сложным методам научного исследоS9Q
34 Симчера В. М. *
вания, среди которых наиболее доступными являются ныне статистические методы многомерного анализа.
* * *
Исторические ряды, отражающие динамику самых сложных и неоднородных социально-экономических процессов, без обращения к таким методам попросту не могут быть с толком не только выстроены, но и каким-либо продуктивным образом использованы. Находящиеся в естественной и неразрывной взаимосвязи, уровнем которой определяются полнота, репрезентатив-ность и целостность наблюдаемых общественно-политических и экономических явлений, а степенью ее тесноты — их устойчивость, массовые исторические явления вне построения исторических рядов и вне применения многомерных методов их изучения не могут быть не только адекватно измерены, но даже надлежащим образом идентифицированы, ранжированы и, сле-довательно, классифицированы.
Больше того, вне проведения такой работы не может быть речи о каком-либо дельном причинно-следственном анализе взаимосвязи массовых исторических явлений, объективном познании трендов, циклов и других закономерностей их изменения в пространстве и времени. Взаимосвязь исторических рядов — это взаимосвязь различных пространств и времени, без видения, понимания и восприятия которой прошлое мертво, искусственно отсекается и теряет всякий смысл для будущего.
Отсюда объективная необходимость анализа взаимосвязи исторических рядов с применением методов многомерного анализа, который рассматривается как одна из исходных задач полноценной их идентификации, представления и использования в целях не только познания, но и адекватного преобразования исторической динамики, освобождения ее от надуманных схем и фактов, приведения в подлинное состояние, систему истинных исторических координат, на базе чего только и можно выстраивать эффективное прогнозирование по-настоящему государственного управления страной.
Методов анализа взаимосвязи исторических рядов, как и методов определения их однородности, много, но они, требуя разных затрат сил и средств, равно как и разного объема исходной информации, неравноценные и в зави-симости от адекватности и точности предполагаемых измерений объективно нуждаются в предварительной квалификации и обоснованном отборе.
Для упрощенного анализа взаимосвязи исторических рядов используют обычно методы подобий и различий, которые при изучении исторической динамики, вообще говоря, необходимы, но недостаточны, поскольку не отвечают целостным критериям изучения.
И поэтому в последние годы здесь более широко обращаются к методам корреляционного анализа, в частности к методам парной корреляции, как более обоснованным и доказательным. Однако и эти методы, особенно методы парной корреляции, здесь недостаточны, поскольку и они неприемлемо упро-щают динамические взаимосвязи различных исторических явлений и времен, открывая возможность превратного их понимания и объяснения, в частности подмены детерминированных процессов стохастическими, причинных связей случайными совпадениями, а показателей реальной корреляции - мнимыми автокорреляционными суррогатами, дискредитирующими предпринимаемые расчеты и обесценивающими всю, в том числе полезную, работу.
В связи с изложенными недостатками и ограничениями в современном анализе взаимосвязи исторических рядов возникает необходимость в поиске и применении более адекватных методов, среди которых наиболее приемлемыми сегодня считаются методы многомерного компонентного и факторного анализа как представляющие органическое продолжение ранее представленных методов и алгоритмов компьютерного анализа однородности, взаимосвязи и прогнозирования исторических рядов .
Ниже в краткой форме излагается суть и иллюстрируются примеры использования этих методов применительно к целям в анализе взаимосвязи исторических рядов.
Исходное условие и конечная цель успешного применения этих методов — овладение основами активного познания их сути и отличий от обычных методов комплексного анализа рядов исторической динамики.
Что существенно важно при обращении именно к этим методам анализа исторической динамики? При применении этих методов анализа исследователь в первую очередь должен ориентироваться в существе наблюдаемых исторических явлений, определять и различать их единичные и массовые типы, владеть приемами адекватной идентификации и максимально быстрого и эффективного построения рядов исторической динамики. Одновременно он должен уметь отбирать необходимые источники информации, предъявляя такие требования к исходным данным, которые исключают дальнейшую их неопределенность и позволяют получать сходимые научные результаты и на их основе делать обоснованные и доказательные выводы.
Именно знание основ многомерного анализа выступает гарантией успешного его применения, предпосылкой принятия эффективных исторических решений. Поэтому, приступая к изучению методов многомерного анализа, исследователь должен знать, что от него требуется не только комплексное понимание целей и задач изучения этих методов и умение их истолковывать, но и умение аргументированно использовать для принятия доказательных исторических решений. При этом надо понимать и осознавать, что подобные решения могут быть найдены только с помощью таких методов, как эксклюзивные. В этом особенность и объективная необходимость применения методов многомерного анализа в современной статистике.
Задачи многомерного анализа в истории сводятся к нахождению однородных неизвестных выборочных данных о наблюдаемых объектах и их признаках на основе неоднородных известных данных (генеральной совокупности или обучающей выборки) или к нахождению неизвестных факторов, определению их размерности и значимости на основе и по отдельным признакам из-вестного общего результата. В классической научной постановке, как правило, неизвестен результат, а определяющие его объекты и факторы и их информационные характеристики обычно известны. В неклассической постановке, к которой по преимуществу относится почти всякая историческая постановка, напротив, известен результат, но неизвестно, как и на базе каких данных он получен.
При применении методов многомерного анализа в истории решающее значение имеют два положения: 1) идентификация подходов, обеспечивающих овладение элементарными методами анализа многомерных историче-ских пространств, умение пользоваться ими сообразно решаемым задачам и 2) наличная историческая информация, умение строить многомерные оценки наиболее разумным способом. Эти положения неразрывно связаны, составляя две части единого целого, поэтому применение любого метода должно проводиться с учетом характера фактического материала, иллюстрироваться конкретными примерами, а предметное рассмотрение — осуществляться с привлечением всех других доступных методов, в частности методов группировок, классификаций и корреляционных оценок связи.
Центр тяжести при этом должен смещаться к выбору эффективных методов исторического анализа, обеспечивающих сокращение размерности крупномасштабных матриц кратчайшими путями. Залог успешного применения этих методов - кропотливая предварительная работа по идентификации ко-личественно неизмеримых исторических событий, их квалификации и рандомизация, окольное представление в категориях, количественно измеримых. При этом все должно делаться прозрачно, научно аргументированно, так сказать, с цифрами в руках.
Толковая работа требует от исследователя-историка знания методических основ и проблем, беспрепятственного доступа к первичным источникам данных, умения формировать их репрезентативный набор и преодолевать существующие противоречия между ними.
В случае необходимости исследователь должен располагать навыками ком-пьютерной работы, которые только и позволяют по-настоящему оперировать существующими базами исторических данных и платформами исторических знаний, в частности базами и платформами ОЭСР, ЕС, ПР, ЮНИДО
Главное при применении методов многомерного анализа в изучении исторической динамики — это в первую очередь понимание смысла и назначения многомерных исторических решений (а иных в настоящей истории попросту нет и не бывает), умение корректно их формулировать и представлять и лишь во вторую очередь — владение многочисленными техническими процедурами решения исторических задач, изучение которых должно рассматриваться как предмет специальных занятий. Овладение многомерными методами анализа исторической динамики считается удовлетворительным в том случае, когда исследователь умеет самостоятельно не только вербально констатировать и формально обобщать череду наблюдаемых исторических фактов и событий, но и - и это главное — выстраивать законы их поведения и на этой единственно верной и перспективной базе предвосхищать их, выстраивать в единый ряд и тем самым продуктивно воздействовать на их общий ход. 532
Ниже излагаются основные положения, которым необходимо следовать в ходе конкретной работы, связанной с применением методов многомерного
анализа при изучении исторической динамики.
* * *
Как известно, предметом многомерного анализа являются сложные исторические системы, элементы которых характеризуются множеством зависимых между собой объектов и признаков, представляемые обычно в виде мат-рицы, строки которой соответствуют наблюдаемым объектам, а столбцы - характеризующим их признакам: *м х12 х,3 . •• Х1т *2| Х22 Х23 • •• Х2т х,з . •• Ът *„1 Хп2 *„з • •• Хпт
где п - число объектов (строк);
т - число признаков (столбцов);
хпт - конкретное значение признака m у элемента х n-го объекта.
Для параметрических признаков xt - числовое значение измеряемого свойства, для непараметрических - качественные характеристики признаков, а для полупараметрических признаков — комбинированные количественные и качественные их характеристики.
Исходным условием приемлемого изучения многомерного пространства является наличие в нем не менее 30 единиц наблюдаемых объектов и не менее 30 признаков, характеризующих поведение этих объектов.
Обращение к методам многомерного анализа при наблюдении меньшего количества объектов и признаков теряет смысл, лишая полученные много-мерные оценки достоверности.
С увеличением количества наблюдаемых единиц и признаков точность многомерных оценок повышается, что каждый раз выступает как важное условие улучшения параметров многомерного анализа.
Технология многомерного анализа в краткой формулировке сводится к следующему.
1. Распознавание и формирование образов существующих однородных групп наблюдаемых объектов и связей между ними по двум направлениям:
• выявляются группы объектов и признаков, в наибольшей степени соответствующих типу или «образу» изучаемого явления, т.е. распознаются и представляются однородные группы объектов;
выделяются группы признаков, находящихся в устойчивых и относительно тесных взаимосвязях, или, иначе говоря, распознаются и выделяются однородные связи.
Обычно эти направления переплетаются.
Обоснование и выбор эффективных методов решения той и другой задачи. Эффективнее при этом рассматриваются методы, требующие минимума затрат времени и средств, а также минимума информации для их реализации.
Обеспечение эффективного решения двух групп целевых задач:
выявление устойчивых тенденций (трендов) и далее закономерностей и законов в изменении наблюдаемых явлений на основе фильтрации путем измерения существенных их связей во времени;
идентификация множества наблюдаемых объектов путем объединения их в родственные группы, кратного снижения их размерности и представления в виде небольшого числа типов — образов, открывающих возможность фиксировать структурные тенденции (тренды) и далее закономерности — законы изменения наблюдаемых явлений в пространстве.
При решении первой группы задач применяются методы регрессионного, дисперсионного и ковариационного анализа. При решении второй группы за-дач используются методы многомерного факторного и компонентного анализа, в основе которых лежит гипотеза о возможности изучения существующих связей между наблюдаемыми явлениями косвенным путем, состоящим в построении корреляционных матриц2, и распознавания на их основе факторных оценок, искомые значения которых находятся методами многомерного анализа.
Следовательно, статистические методы многомерного анализа, представляют некоторое комбинированное применение и своего рода продолжение методов множественного корреляционного изучения связей, предметом изучения и целью использования которых является определение степени влияния идентифицированного набора факторов на результат по заранее известной или воображаемой схеме их взаимосвязи в одномерном режиме. В случае обращения к методам многомерного анализа набор факторов и схема их взаи-мосвязи рассматриваются заранее как неизвестные, существующие в двух гипотетически неоднородных пространствах и более, неоднозначно влияющие друг на друга и общий результат, образуя на поверхности явлений своеобразный информационный хаос, информационную энтропию, требующую упорядочения и преодоления.
При этом количество наблюдаемых факторов в многомерном анализе будет всегда больше двух (в принципе оно рассматривается всегда как множество факторов), а предметом изучения их будут разграниченные по определенным критериям-образам дискриминантные классы, кластеры или группы в зависимости от степени существенности (закономерности) или второстепенШ
При наличии функциональных связей строятся линейные матрицы, которые рассматриваются в гл. 2.
ности (случайности) влияния не только на результат, но и взаимного влияния друг на друга, включая ложное влияние, измеряемое и представляемое в статистике в виде автокорреляции.
Методы многомерного анализа всегда, при любом наборе факторов следует рассматривать как более сложную ступень одномерного анализа, их отли-чительным признаком является не только образное разграничение всегда сложного пространства факторов на существенные, менее существенные и второстепенные, но и вращение факторов, отслеживание их влияния друг на друга по спирали, многократно, в режиме прямых и обратных связей, в чем как раз и проявляется суть их многомерного представления.
Несмотря на сложности, связанные с проведением многомерного анализа, цель его будет та же, что и в случае применения других методов изучения однородности и связи, - установление на основе распознавания образов устойчивых зависимостей между наблюдаемыми явлениями, выявление существующих закономерностей их изменения в пространстве и времени, доказательное объяснение их причинно-следственной обусловленности.
Методов многомерного анализа много, поэтому они требуют предварительного сравнительного анализа и отбора по принципам адекватности представления, простоты понимания и эффективности применения.
Для решения практических задач в современной статистике наиболее час-то обращаются к методам дискриминантного, кластерного, факторного и компонентного многомерного анализа как наиболее простым и экономным по своим разрешающим возможностям.
Ниже излагается суть каждого из данных методов на примере иллюстрированного решения конкретных задач. При этом методы дискриминантного и кластерного анализа рассматриваются как методы изучения однородности наблюдаемых объектов и их признаков, а методы факторного и компонентного анализа — как методы изучения их взаимосвязи.
В отличие от одномерного факторного анализа, где предметом изучения является выявление степени влияния одного-двух заранее известных факторов-признаков на результат, многомерный компонентный анализ имеет дело с множеством неизвестных факторов и связей. При этом не только число таких факторов и характер их взаимосвязи заранее неизвестны, многие из них латентны и проявляются лишь опосредствованно через внешние признаки или их группы. Задача заключается в том, чтобы на основе множества внешних (и существенных, и малосущественных, и многочисленных ничтожных) признаков найти небольшое, но значимое число их гибридов, которые, детерминируя суть изучаемых процессов, коротко и ясно объясняя их причинно-следственные связи в пространстве и времени, представляются как компоненты, а процедуры их нахождения - как методы компонентного анализа.
Значения искомых компонент находятся методом индукции, т.е. объединением исходных первичных факторов в те или иные группы по тем или иным признакам их связи. Однако те же компоненты могут находиться также и методом дедукции, а именно путем разложения наблюдаемых укрупненных фак- торов на составляющие и шире — путем нахождения на основе известного ре-зультата неизвестных факторов, его определяющих.
В первом случае искомые компонентные значения находятся с помощью так называемого метода главных компонент, или метода максимального правдоподобия, путем выбора адекватной ортогональной системы координат в пространстве наблюдений. При этом в качестве первой главной компоненты выбирают фактор-признак, вдоль которого массив других наблюдаемых признаков имеет наибольший разброс, а в качестве каждой последующей — очередной по убывающему рангу фактор-признак с максимальным разбросом значений наблюдаемых признаков.
Находимые компоненты на всем протяжении расчетного процесса должны быть ортогональны по отношению друг к другу, что достигается путем их преобразования (вращения) и доведения до прозрачного логического смысла.
Процедура нахождения искомых компонент путем разложения укрупненных факторов на составляющие части аналогична процедуре разложения общей дисперсии на межгрупповые и внутригрупповые.
Реализуя эту процедуру, в ряде случаев можно достичь более высокого уровня идентификации и интерпретации искомых компонент в категориях, существенно и несущественно детерминирующих наблюдаемый процесс, представления наблюдаемых причинно-следственных связей, что делает данную процедуру предпочтительной при использовании ее в практических целях.
Здесь главное — разобраться в моделях компонентного анализа и научиться отличать их от других внешне похожих моделей многофакторного анализа. Для того чтобы делать это безошибочно, необходимо разбираться в типологии компонентных социально-экономических задач, уметь в предварительном порядке, на логическом уровне, ставить, решать и истолковывать смысл решения такого рода задач. Затем необходимо обратиться к рассмотрению его конкретных приемов, решению конкретных классов производственных задач. Следует помнить, что надо изменять не социально-экономические условия применительно к избираемым приемам компонентного анализа, а напротив — сами приемы. Отсюда встает самостоятельная задача отбора способов компонентного анализа, которая должна решаться в ходе предварительного качественного анализа изучаемых процессов.
Решение этой задачи требует освоения основ классификации истори- ко-экономических компонент, изучения принципов обоснования и выбора эффективных приемов их выявления, организации сбора и обработки необходимых исторических данных.
Говоря конкретно, надо научиться определять собственные исторические векторы и собственные исторические значения, весовые коэффициенты, различные формы главных компонент, двух-, трех- и конечномерных про-странств компонент. Работая самостоятельно над отдельными вопросами, особое внимание следует уделить моделированию при помощи главных компонент нестандартных исторических ситуаций, в частности концентрации со- бытий и потерь, формированию достаточных условий эффективного моделирования исторической динамики.
Зная методы компонентного анализа, каждый исследователь получит ясное представление о том, как использовать современные методы для выявления латентных исторических явлений, как обеспечить более полное использование в научных разработках всех существующих исторических событий, фактов, как их представить в подлинно правдивой, доступной и компактной форме. Вместе с тем исследователь должен уметь показать, как сами методы и модели компонентного анализа выступают дополнительным фактором выявления новых исторических фактов, какие объемы информации экономят (или могут экономить) историки при правильном и своевременном применении этих методов и моделей.
Модель компонентного анализа описывается уравнением
Z = AG,
где: Z — матрица (п х т) стандартизированных значений исходных объектов и их признаков;
G- матрица (п х г) индивидуальных значений г скрытых признаков, назы-ваемых компонентами;
А - матрица (т х г) компонентных нагрузок aip отражающих связь между */ и СуИсходная матрица компонентного анализа для случая т-п = 4 представляется в виде следующей системы уравнений:
Zx = auGx + anG2 + aX3G3 + д14<74,
Z2 = a2lG{ + a21G2 + a23G3 + a2AGA,
Z3 = a3XG{ + anG2 + a33G3 + <734(74,
Z4 = qaxGx + aA2G2 + aA3G3 + a„G4.
Исключая нагрузки, близкие к нулю, т.е. нагрузки, отражающие отсутствие связи между xi и Gj, и оставляя только существенные нагрузки, матрица упрощается (рис. 1). Xi Gi 1 2 3 4 1 + + + 2 + + + 3 + + 4 + +
Рис! 1
Каждому признаку x-t свойственна своя факторная структура, а каждой факторной структуре — свой набор признаков. Число существенных нагрузок признаках, на факторы называют его сложностью, а число признаков, формирующих каждую факторную структуру, — компонентой. Согласно рис. 1 признаки х, и *2 имеют трехуровневую сложность, а х3 и х4 — двухуровневую, характеризующуюся соответственно тремя и двумя признаками.
Задача компонентного анализа определить, сколько выделить компонент и каких именно, чтобы по возможности точно воспроизвести и объяснить с их помощью наблюдаемые связи, представляемые в виде корреляционной матрицы R.
Решение задачи предполагает поэтапное нахождение значений пяти нижеприведенных групп показателей (рис. 2).
I II III IV V
1 ml ml ml г I г X Z R А G W W
п п т т п
Рис. 2
Для нахождения фактических значений приведенных групп показателей необходимо выполнить стандартную процедуру расчетов и комментариев, включающую формирование матрицы признаков xip принадлежащих множеству наблюдаемых объектов хк, исчисление на этой основе производных значений наблюдаемых признаков, выявление их однородных групп и провести анализ их устойчивой и показательной взаимосвязи.
Задачи компонентного анализа решаются по шагам. Для решения любой такой задачи в обязательном порядке нужно проделать 17 шагов. Опишем каждый из них.
Шаг 1. Строим матрицу X: ~Х\ к Х = хи • •' Xik ••V ~Хпк j
Размерность матрицы (пхк), где Ху - значение j -го показателя у /-го наблюдения (/ = 1, 2,..., л; у = 1,2,..., к).
Шаг 2. Вычислим средние значения показателей х,,х2 ,...,хк , а также sl9 sk> Gx{, * * *'
Шаг 3. Построим матрицу нормированных (стандартизированных) откло-нений Z:
Z =
z = Xy Xj.
При этом: Gj =
Шаг 4. Формируем матрицу парных коэффициентов корреляции R: 1 гп Гц ¦ >21 1 г2к Г31 Г32 1 . •• r3t Гк\ Гц г„г ¦ гпк
^ ^ — Xj * Хе 1 л
При этом г1е = — , где XjXe =-^хух1е; j,e= 1, 2, ...Д.
Л /_1
SjSe
Шаг 5. Преобразуем матрицу А в диагональную матрицу X собственных значений многочлена \ХЕ - , где Е- единичная матрица.
Шаг 6. Решим уравнение
корнями которого являются К собственных значений:
X, >Х2 >...>Хк.
Х =
ҐХх о ... о
о х2 ... о о о ... хи
Шаг 7. Построим матрицу собственных значений:
Шаг 8. Найдем на основе приведенной матрицы собственные значения,
характеризующие вклады соответствующих главных компонент в суммарную
к
дисперсию исходных признаков, равную К , т.е. ^ X v = К.
v=l
При этом первая главная компонента оказывает наибольшее влияние на общую вариацию, а последняя К-я — наименьшее.
Шаг 9. Определим вклад К-й главной компоненты в суммарную дисперсию как
^•100%. К
Шаг 10. Определим суммарный вклад m первых главных компонент, доля которых должна составлять не менее 60-70%:
т
100%.
К
Шаг 11. Построим матрицу факторных нагрузок: (Ч • .. a,v . .. ахкл А = П,/2 = ал . .. ajv . •• ajk Ai • -
где V— матрица, составленная из нормированных векторов Vv.
Шаг 12. Определим собственно вектор Uy, соответствующий собственному значению Ху корреляционной матрицы R. Значение Uy находим как отличное от нуля путем решения уравнения
(\yE-R)Uy= 0.
Шаг 13. Найдем стандартизированное значение собственного вектора Vv как
к-JL.
" W,
Шаг 14. Исчислим матричный коэффициент aJy, где j= 1,2,..., к; у = 1,2,..., к — коэффициенты, отражающие тесноту связи между Х} показателем и fy-й главной компонентой, причем -1 < ajv < 1, а
у=і
Шаг 15. Интерпретируем матрицу факторных нагрузок А как линейных функций исходных признаков. При этом в ходе экономической интерпретации полученных функций fy используем лишь те Хр для которых \ajv\ =0,5.
Шаг 16. Построим сводную матрицу всего множества компонент для каждой компоненты в отдельности и для всей их совокупности в целом: (fn • •• /„ • ¦¦ А) F = •• Л • ¦¦ fin Kfn\ ' J ny •• fnk J
где F— матрица нормированных значений исходных показателей, на основе которой по алгоритму F = ZA~l = ZVA~l/2 происходит распознавание главных компонент, дающих в сжатом виде представление обо всей структуре наблюдаемых взаимосвязей.
Шаг 17. Интегрируя те главные компоненты, собственные значения которых больше единицы, определяем их вклад в суммарную дисперсию
п п \
УУ/ = У — и производим их оптимизацию. В разд. 3.3.1 далее на конкретных
Ы\ W т
примерах иллюстрируется изложенная техника компонентного анализа.
Другим эффективным методом изучения исторической динамики являются методы факторного анализа.
В факторном анализе, в отличие от компонентного, при нахождении главных характеристик взаимосвязи наблюдаемых исторических явлений имеют дело не с синтезом, а с разбиением обобщающих исторических оценок на части путем разложения вариации исторических признаков по образующим ее главным причинам.
Обращаясь к схемам факторного анализа, кроме техники расчетов следует уделить особое внимание возможным подходам к получению факторных оценок и их сравнению, в частности, исторических, эмпирических и теоретических оценок. При этом точные способы факторных оценок должны дополняться приближенными, получаемыми на основе методов распознавания образов, алгоритмов голосования, изучения общественного мнения и т.д.
При изучении техники расчетов должны быть рассмотрены вопросы, связанные с оценкой отдельных факторных значений и определением их влияния на результат, технологии построения факторного отображения и факторной структуры, методы оценки главных факторов и факторных общностей.
Особое внимание необходимо обратить на комплексное моделирование факторных показателей, взаимосвязь этих показателей с другими, в частности с показателями компонентного и кластерного анализа. Комплексное моделирование факторов предполагает овладение всем набором рекомендуемых методов и применение их, а также опору на все имеющиеся источники данных.
Активная работа каждого исследователя заключается в умении оперативно выявлять имеющиеся резервные факторы производства и грамотно определять наиболее эффективные пути дальнейшего совершенствования исторической работы.
Предмет применения методов факторного анализа включает также изучение разных аспектов технологии принятия решений, с одной стороны, и показателей эффективности принимаемых решений, с другой стороны. В поле зрения при этом должны находиться так называемые методы функционально-стоимостного анализа, предполагающие анализ затрат и эффективности развития исторических систем не только в целом, но и отдельных их функций — постановки задач, сбора и обработки исторических данных, принятия решений и проверки принятых решений, подведения итогов и анализа полу-ченных результатов, в том числе прямых и косвенных результатов. Особое внимание следует уделять моделированию стандартных исторических ситуаций и нормативной оценке эффективности анализа исторических процессов при помощи методов факторного анализа как наиболее приемлемых в данном случае.
Суть факторного анализа сводится к идентифицированному разложению составляющих каждого из наблюдаемых исторических признаков на части, варьирующие под влиянием общих, специфических и индивидуальных исто-рических факторов соответственно. Такое понимание дела предполагает развернутое представление общей модели факторного анализа в виде
Z=AG+Q
или Z, +
где: я/у — нагрузка общих факторов Gj\
q(— нагрузка специфических факторов 0.
Соответствующим образом расщепляют и дисперсию признака х{ на две части: объясняемую общими факторами (общность А,2) и объясняемую специфическими факторами, представляемую как характерность qf:
Суммарную общность ^ А,2, как и специфическую характерность qf, ис-пользуют при определении вклада отдельных факторов в общую вариацию наблюдаемых признаков X/.
Факторное решение можно рассматривать как итерационный процесс, определяя последовательно, на уровне каждого шага итерации, факторные нагрузки ау, воспроизводимую матрицу В! = А!А и матрицу существенности остаточной корреляции Ч* = R' - R как:

Процесс идентификации факторов прекращается, если остаточная корреляция несущественная, а след матрицы равен суммарной общности
Аналогичные оценки общих и специфических факторов можно находить геометрическим путем, осуществляя вращение системы координат наблюдаемых признаков в сторону угла 0 при фиксированном расположении независимых векторов Gj. В результате находят такую матрицу преобразования Г, которая удовлетворяет условию А Т = В, где А и В - факторные отображения в различных системах координат.
При вращении против часовой стрелки для z = 2 соответствующая матрица имеет вид
cos / sin /
-sin/ COS/
При вращении по часовой стрелке
cos / sin /
sin / COS / '
При г > 2 полная матрица преобразования будет представлять произведение матриц для всех парных комбинаций факторов.
Наилучшие конечные оценки факторов получают на основе первичной факторной структуры А, корреляционной матрицы Rx и стандартизированных переменных z:
G = A'R-XZ = {A'A)'XA'Z.
Необходимым и достаточным условием получения таких конечных оценок факторов является близкое к равенству или полное равенство парных коэф-фициентов корреляции:
Vsi ~гмГі5 =0.
Техника применения методов факторного анализа иллюстрируется на конкретных примерах, приведенных далее.
Алгоритмы компонентного анализа
Алгоритм 1. Приводится матрица R:
R =
1 0,8 0,8 1 0,6 0,2 0,6 1
Требуется определить собственные значения и собственные векторы приведенной матрицы.
Решение. Задача решается по шагам.
Шаг 1. Найдем обобщающий определитель матрицы:
1-Х 0,8 0,2 (R-XE) = 0,8 1-Х 0,6 =0. 0,2 0,6 1-Я
Шаг 2. Преобразуем представленный определитель в полином третьей сте-пени:
\R-XE\ = (-lfX' +(-l)2glX2 +(-1 )g2X + g, =0 Шаг 3. Определим по приведенному алгоритму коэффициент полинома g,:
(Щ),
где Я, =
g3=-tz(RB2),
где В2 = RB, -g2E.
Для матрицы R:
tz\F\ =1 + 1 + 1=3 — сумма диагональных элементов исходной матрицы;
tz\RBl | = (-1,32) + (-1,0) + (-1,60) = (-3,92) — сумма диагональных элементов произведения матриц ' 1 0,8 0,2N Ґ-2 0,8 0,2' '-1,32 -0,68 0,28' R = 0,8 1 0,6 • 0,8 -2 0,6 = -0,68 -1 -0,44 ; І0,2 0,6 0 І0-2 0,6 "2J ,0,28 -0,44 -1,60,
/z| KB21 — 0,152 + 0,152 + 0,152 = 0,456 — сумма диагональных элементов произведения матриц ' 1 0,8 0,2N Ґ R = 0,8 1 0,6 [0,2 0,6 0 V -0,64 0,8 0,28 0,68 -0,96 -0,44 0,28 -0,44 -0,36
N '0,152 0 0 N 0 -0,152 0 О 0 0,152 Отсюда g, = 3;
g2 =І(-3,93) = -1,96; g3=|o,456 = 0,152;
|Л = Х?| = -Х3 + ЗХ2 +0,152 = Я.3 + ЗА.2 + 1,96^-0,152 = 0.
Собственные значения равны:
X, =2,1; Х2 =0,81; Х3 =0,09.
Шаг 4. Проверим правильность проведенных вычислений путем идентификации параметровXу и gs:
X, + Х2 +Х3 = g, =2,1 + 0,81 + 0,09 = 3,
XtX2 +Х,Х3 +Х2Х3 =g2 =2,1-0,81 + 2,1-0,09 +0,81-0,09 = 1,96,
>.1*2*3 =6 =2,1-0,81-0,09=0Д52.
Шаг 5. Найдем собственные векторы и компонентные нагрузки соответствующих X J для первой компоненты. Для этого решим систему нормальных уравнений для X, = 2,1, которая имеет вид:
-1ДЛ +0М + 0,2д =0;
0,8/7, -1,1 р2 +0,6Л = 0;
545
35 Симчера В. М.
0,2р. +0,6р2 -1,1ft =0.
При ръ = 1 получим
0,2/1, +0М -1,1 р3 = 0
-3,5/? 2 =-5
р2 = +1,42857.
Отсюда 0,8/>, = 1,1 • 1,42857 - 0,6 = 0,971; Р\ =1,213.
Шаг 6. Используя постоянный множитель /],
31 = 0,68267,
v 4,51
представим искомые факторные нагрузки в табличной форме (табл. 1). Таблица 1 Р2 atJ = P^Xj / Ъ] 4 1,213 1,47136 0,828 0,6855 1,428 2,03918 0,975 0,9506 1,000 1,00000 0,683 0,4645 X 4,51054 X 2,1006
Шаг 7. Интерпретируем приведенные в табл. 1 факторные нагрузки, сумма которых равна собственному значению матрицы: 2 = А, = 2,1.
R =
0,828 -0,532 0,170 0,975 -0,052 0,221 0,683 0,723 0,109
Шаг 8. Вывод: на основе найденных компонентных нагрузок можно сделать вывод о наличии неоднородной связи главных компонент Gj с переменными xt: представленная в матрице в графе 1 первая компонента, как видим, тесно связана со всеми тремя переменными, вторая с первой и третьей, а третья - связана слабо со всеми тремя переменными и далее не должна приниматься в расчет при объяснении изменений.
Факторные нагрузки для Я2 =0,81 и Я3 =0,09, рассчитанные аналогичным образом, приводятся в матрице А:
Алгоритм 2. На основе корреляционной матрицы R получены следующие собственные значения (табл. 2):
Таблица 2 1 2 3 4 5 6 7 I к 3,62 1,48 1,05 0,53 0,27 0,09 0,06 7,1
Требуется определить, сколько и какие компоненты следует выделить для получения существенных оценок.
Решение. Суммарная дисперсия т равна 7. Если использовать критерий | dj > l|, то для получения существующих оценок нужно выделить три первые компоненты, первая из которых объясняет 51,0% (3,67/7,1) суммарной дисперсии, вторая - 20,8% (1,48/7,1), третья - 14,8% (1,05/7,1). На долю первых трех компонент приходится 88% суммарной дисперсии, что достаточно для того, чтобы именно этими тремя компонентами объяснить общее изменение наблюдаемого явления.
Алгоритм 3. Выделенные для семи показателей три компоненты имеют следующие факторные нагрузки (табл. 3):
Таблица 3 Показатель «Л Oil О/З 0,84 0,09 0,04 Х2 0,92 0,15 0,11 0,87 0,26 0,13 0,62 0,38 0,76 0,46 0,65 0,24 0,72 0,88 0,31 *7 0,48 0,21 0,68
По приведенным данным требуется определить главные факторные нагрузки и обобщенную оценку влияния, детерминирующую поведение наблюдаемых объектов в зависимости от изменения всех семи признаков-показате- лей, взятых вместе.
Решение.
Определяем коэффициент —, необходимый для нахождения значения
X,
Gki. Для*,, имеем: ^1 = 0,232; длях2:тт? = 0,254 и т.д. 3,62 3,62
(Коэффициент X, = 3,62 приведен в примере 3.1.)
По модели Z=AGнайдем главные компоненты по отдельно взятым объектам и всей их совокупности.
Зная, что матрица А всех т компонент обратима, имеем: G = A~lZ. Определив Z только для главных компонент (Z< /я), получим G = Х~1А1Z. Значение у-й компоненты для А:-го объекта совокупности будет находитьа. 2 аи
ся как — -гы , а для всей совокупности объектов G^ — как
Xj j^Xj
Полученные значения Gц можно интерпретировать как обобщенную оценку, детерминирующую состояние наблюдаемых объектов в зависимости от всех семи признаков, вместе взятых.
Результаты расчетов гы и Gkl представлены в табл. 4:
Таблица 4 Коэффициенты 0/1 / Объект 1 Объект 2 ^2/ 0,232 0,846 0,196 0,113 -0,026 0,254 0,428 0,109 0,326 0,083 0,240 0,242 0,058 0,553 0,133 0,171 0,289 0,049 1,067 0,182 0,127 -0,150 -0,019 0,111 0,014 0,199 0,211 0,042 -0,065 -0,013 0,133 -0,407 -0,054 0,455 0,061 Итого X X 0,381 X 0,434
Согласно полученным оценкам, главная компонента по объекту 2, имеющая значение 0,434 и обобщающая влияние семи признаков х, -х7, детерминирует его лучше, чем соответствующая компонента 0,381, найденная для объекта 1.
Судя по значениям приведенных факторных нагрузок и полученным компонентным оценкам, первую из них можно интерпретировать как опреде-ляющую, вторую - как промежуточную, а третью - как второстепенную.
Алгоритмы факторного анализа
Алгоритм 1. На основе анализа взаимосвязей пяти признаков выделены два фактора (табл. 5).
Таблица 5 а® Х2 *5 0,90 0,80 0,60 0,10 0,05 ап 0,10 0,05 0,20 0,70 0,80
Требуется определить общность и специфичность каждого признака, а также вклад выделенных факторов в суммарную дисперсию, используя приведенные ниже факторные нагрузки.
Решение.
Уточним, что под общностью в факторном анализе понимается сумма межгрупповых дисперсий по наблюдаемым множествам объектов (в нашем случае их 7), а под специфичностью (называемой также характерностью) - сумма внутригрупповых дисперсий.
Для получения суммарной дисперсии возведем факторные нагрузки ап и а{2соответственно в квадрат, найдем их общую сумму, равную 3,0050. Результаты расчетов представим в табл. 6.
Таблица 6 Общность факторная 6? Специфичность 0 1 2 3 4 0,8100 0,0100 0,8200 0,1800 0,640 0,0025 0,6425 0,3575 0,3600 0,0400 0,400 0,6000 0,0100 0,4900 0,5000 0,5000 0,0025 0,6400 0,6425 0,3575 Итого 1,8225 1,1825 3,0050 1,9950
Найдем общую дисперсию как 3,0050+1,9950 = 5,0000.
Найдем специфичность, вычитая из общей дисперсии факторную дисперсию, т. е. 5,0000 - 3,0050 = 1,9950 (гр. 4 табл. 3).
Определим долю факторной нагрузки в общей дисперсии как 3,0050:5 = =0,6010, в том числе долю дисперсий первого фактора.
Аналогично определим долю дисперсий второго фактора как 1,1825 : 5 = =0,2365.
Определим долю специфичности как 1,9950 : 5 = 0,3990.
Алгоритм 2. Известны пять парных коэффициентов корреляции. Требуется построить корреляционную матрицу.
Решение.
1. Представим в виде триангулированной табл. 7 заданные парные коэффициенты корреляции.
Таблица 7 * *2 *Э *4 *5 1 0,825 0,744 0,815 0,638 х2 1 0,517 0,694 0,843 1 0,748 0,575 1 0,787 *5 1
2. Ранжировав приведенные коэффициенты в возрастающем порядке и разместив их по диагонали, построим редуцированную корреляционную матрицу (табл. 8).
Таблица 8 * *2 *3 *4 *5 0,825 0,825 0,744 0,815 0,638 Х2 0,825 0,843 0,517 0,694 0,843 0,744 0,517 0,748 0,748 0,575 0,815 0,694 0,748 0,815 0,787 0,638 0,843 0,575 0,6787 0,843
Найдем минимальное значение усредненной корреляции редуцированной матрицы как меньшее по отношению к диагональному значению:
Л2 = 0,865+ 0,744+ 0,815 4-0,638 _ Q ?56 1 4
Определим общность по методу триад для этого случая:
Сравним найденные значения (0,756 и 0,969) и выберем минимальное 0,756 как искомую величину.
Алгоритм 3. Даны факторные нагрузки ап и ап для пяти признаков (табл. 9).
Таблица 9 аи * *4 *5 Я/1 0,60 0,40 -0,30 -0,20 -0,10 «12 0,40 0,50 0,60 0,80 0,70
Требуется преобразовать факторное решение путем вращения против часовой стрелки на 30°.
Решение.
Найдем sin 30° = 0,500,
cos 30° = 0,866.
Строим матрицу преобразования:
Г =
0,866 -0,500 0,500 0,866 3. Исходя из равенства В = Л~1 Т получаем: А т в 0,60 0,40 0,866 -0,500 0,7196 0,0462 0,40 0,50 0,500 0,866 0,5964 0,2330 -0,30 0,60 0,0402 0,6696. -0,20 0,80 0,2368 0,7928 -0,10 0,70 0,2634 0,9062
4. Проведя соответствующие расчеты, получим значения фактора = = 0,725, который имеет высокие нагрузки на признаки х, и х2, и значение фактораа2 =0,584, который имеет более низкие нагрузки на признаких3,х4 их5. Приложение 4
ВАЖНЕЙШИЕ НАТУРАЛЬНЫЕ ПОКАЗАТЕЛИ, ХАРАКТЕРИЗУЮЩИЕ РАЗВИТИЕ ЭКОНОМИКИ РОССИИ ЗА 100 ЛЕТ
Таблица 1. Производство важнейших видов промышленной продукции в России в 1914-1917 гг.* Вид продукции 1913 1914 1915 1916 1917 Уголь, млн т 6,0/29,0 6,5/31,9 6,0/31,4 6,7/34,4 8,7/31,2 Нефть, млн т 1,3/9,2 0,9/9,1 0,9/9,3 1,5/9,8 1,8/8,7 Железная руда, млн т 2,3/9,2 2,0/6,5 1,8/5,3 2,1/6,6 1,9/4,9 Чугун, млн т 1,3/4,2 1,3/4,1 1,1/3,7 1,2/3,8 0,9/3,0 Сталь, млн т 1,8/4,2 1,9/4,4 1,7/4,1 1,8/4,3 1,3/3,1 Прокат, млн т 1,4/3,5 1,3/3,6 1,2/3,3 1,2/3,3 0,8/2,4 Паровозы, шт. 385/654 411/763 508/917 397/600 290/420 Вагоны, тыс. шт. 8,7/14,8 9,8/21,6 11,0/24,4 10,3/17,3 7,8/13,0 Цемент, млн бочек 6,0/9,2 6,9/11,0 5,7/8,6 5,4/8,2 3,7/5,4 Кирпич, млрд шт. 2,3/31 2,2/3,4 1,0/1,4 0,9/1,9 0,5/1,7 Пиломатериалы, млн м3 6,0/11,9 3,9/10,0 1,8/7,7 . 0,7/5,8 4,1/5,6 Сахар, млн т 0,3/2,4 2,0/2,4 1,6/2,6 1,7/2,4 0,2/2,0 * В числителе приводятся данные по Российской Империи в границах РФ, в знаменателе - соответствующие данные в границах бывшего СССР.
Таблица 3. Производство важнейших видов промышленной продукции в России, 1970-2000 гг.
Вид продукции 1970 1980 1990 1998 1999 2000 Место в мире в 1999 г. Производство элек 470 805 1088 827 845 878 4 троэнергии, млн кВт • час Добыча нефти, млн т 285 547 516 303 295 324 2 Добыча газа, млрд м3 83,3 254 641 591 563 584 1 Добыча угля, млн т 345 391 395 232 249 258 каменный - 6; бурый - 2 Производство чугуна, 42 56,2 59,4 34,7 37,3 44,6 4 млн т Производство стали, 63,9 84,4 89,6 43,7 51,5 59,2 4 млн т Производство мяса, 3,6 4,5 6,6 1,3 1,1 1,2 млн т Производство сахара, 2,9 3,0 3,7 4,8 6,8 6,1 млн т Алкогольные напит 101 137 78,8 48,2 63,9 74,4 ... ки в абсолютном алкоголе, млн дкл Источники: Российский статистический ежегодник: Стат. сб. М„ 1999; Промышленность России: Стат. сб. М., 2000; Социально-экономическое положение России: Стат. сб. М., 2000; Российский статистический ежегодник: Стат. сб. М., 1994; Российский статистический ежегодник: Стат. сб. М., 2001. Таблица 2. Показатели, характеризующие проста промышленного потенциала СССР в 1928-1975 гг.
Вид продукции 1928 1932 1937 1940 1945 1950 1955 1960 1965 1970 1975 Электроэнергия, млрд кВт • 5,0 13,5 36,2 48,3 43,3 91,2 170 292,3 507 741 1039 час
Нефть, млн т 11,6 21,4 28,5 31,1 19,4 37,9. 70,8 147,2 243 349 491 Газ естественный, млрд м 0,3 1,0 2,2 3,2 3,3 5,8 45,3 127,7 128 198 289 Уголь, млн т 35,5 64,4 128 165,9 149 261 390 510 578 624 701 Сталь, млн т 4,3 5,9 17,7 18,3 12,3 27,3 45,3 65,3 91 116 141 Минеральные удобрения, 0,1 0,9 3,2 3,2 1,1 5,5 9,7 13,9 31,3 55,4 90,2 млн т (в условных единицах) Синтетические смолы и 0,3 2,4 8,0 10,9 21,3 67,1 160 312 803 1673 2840 пластические массы, тыс. т Целлюлоза, тыс. т 86 185 426 529 276 1100 1742 2282 3230 5110 6800 Химические волокна, тыс. т 0,2 2,8 8,6 11,1 1,1 24,2 110 211 407 623 955 Станки 2,0 19,7 48,5 58,4 38,4 70,6 117 156 186 202 232 металлорежущие, тыс. шт. Автомобили, тыс. шт. 0,84 23,9 200 145,4 74,7 362,9 445,3 523,6 616,3 946,1 1964 Тракторы, тыс. шт. 1,3 48,9 51 31,6 7,7 117 163 239 355 459 550 Цемент, млн т 1,8 3,5 5,5 5,7 1,8 10,2 22,5 45,5 72,4 95,2 122 Ткани всех видов, млн м 2198 2164 3013 3300 1353 3374 5347 6636 7498 8852 9956 Трикотаж, млн шт. 8,3 39 157 183 50 197 428 584 903 1229 1420 Обувь кожаная, млн пар 58 87 183 211 63 203 271 419 486 679 698 Радиоприемники, тыс. шт. 3,0 29 200 160 13,9 1072 3549 4165 5160 7815 8376 Телевизоры, тыс. шт. - - - 0,3 - 11,9 495 1726 3655 6682 7840 Холодильники, тыс. шт. - - - 3,5 0,3 1,2 151 529 1675 4140 6020 Мясо (промышленная 678 596 1002 1501 663 1556 2524 4406 5245 7144 9883 выработка), тыс. т Цельномолочная продук 0,1 0,1 0,8 1,3 0,6 1,1 2,6 8,3 11,7 19,г 23,6 ция (в пересчете на молоко), млн т Зерно, млн т 69,3 74 97,4 95,6 47,3 81,2 103,7 125,5 121,1 186,8 140,1 Хлопок-сырец, млн т 0,58 - 2,6 2,24 1,16 3,5 3,9 4,29 5,7 6,9 7,9 Таблица 4. Производство важнейших видов промышленной продукции в России в 1898-2001 гг.
Вид продукции 1898 1913 1928 1932 1937 1940 1945 1950 1955 1960 1965 1970 1975 Электроэнергия, 1,3 3,2 8,1 23,4 30,8 34,4 63,4 116 197 333 470 640 млрд вКт • ч Нефть, включая газо 1,4 1,3 3,7 8,8 5,7 7,0 5,7 18,2 49,3 119 200 285 411 вый конденсат, млн т Газ естественный, ... 0,1 0,5 0,2 0,4 1,6 3,8 4,3 24,4 64,3 83,3 115 млрд м3 Уголь, млн т 7,2 6,0 10,3 23,3 53,4 72,8 105 160 227 295 326 345 381 В том числе для ... 6,7 16,2 18,9 27,0 37,8 48,9 65,4 76,6 коксования, млн т Чугун, млн т 2,2 1,3 0,9 1,9 5,3 5,3 7,2 10,0 16,3 21,6 31,2 42,0 52,2 Сталь, млн т 1,1 1,8 1,8 2,6 9,0 9,3 10,8 18,5 26,8 36,6 50,1 63,9 79,9 Железная руда, млн т 2,3 1,4 3,6 10,6 9,7 12,0 18,6 30,9 39,7 54,1 66,5 88,8 Трубы стальные, млн т 0,1 0,1 0,4 0,4 0,5 1,1 1,7 2,8 5,2 7,0 8,9 Химические волокна и 0,2 1,8 6,0 7,0 1,1 18,7 94,7 177 313 432 571 нити, тыс. т Химические средства за ... ... ... ... ... 109 173 щиты растений1*, тыс. т Минеральные 0,03 ... 2,16 0,84 3,09 6,27 10,51 удобрения2*, млн т Тракторы, тыс. шт. ... 1,1 32,2 40,3 21,1 7,2 94,0 87,8 108 145 194 256 Электровозы - - 3 32 9 102 194 309 455 232 280 магистральные, шт. Вагоны пассажирские 387 1141 912 1051 5 687 1427 1289 1413 1257 1430 магистральные, шт. трамвайные, шт. ... 288 249 ... 300 200 716 1023 543 815 метрополитена, шт. - - - - 74 6 ... 61 59 90 140 250 300 Автомобили легковые, 0,05 0,03 18,3 5,5 5 64,6 108 138 161 257 1066 тыс. шт. Вид продукции 1898 1913 1928 1932 1937 1940 1945 1950 1955 1960 1965 1970 1975 Автобусы, тыс. шт. _ _ 0,05 0,1 1,3 3,9 1,1 3,9 8,7 19,4 27,4 35,1 46,4 Цемент, млн т 1,2 1,5 2,7 3,7 3,6 1,1 6,6 14,6 29,5 43,9 57,7 73,1 Холодильники бытовые, - - - - - 3,2 0,3 1,2 139 406 1164 2773 3529 тыс. шт. Телевизоры, тыс. шт. - - - - 0,3 ... 6,9 ... 3253 3749 3732 Обувь кожаная, млн пар 36 65 85 67 15 103 121 147 132 130 140 Трикотаж, млн шт 7,3 26 90 101 34 106 211 275 428 549 603 Бельевой, млн шт. 6 17 58 61 17 76 161 214 327 347 388 Верхний, млн шт. 1,3 9 32 40 17 30 50 61 101 202 215 Ткани всех видов, 2825 2924 2873 3690 4134 1641 4014 6150 6938 7467 7970 8053 млн пог. м. Вывозка древесины, 43,2 54,7 146 191 216 144 230 299 336 346 354 367 млн плотных м3 В том числе деловой 24,0 31,9 88,0 104 102 50,2 138 189 239 252 277 292 Пиломатериалы, млн м3 11,9 12,0 21,4 29,9 28,8 11,5 37,1 58,9 83,6 89,9 91,8 93,5 Целлюлоза, тыс. т 86,0 181 411 444 2664 1009 1583 2091 2942 4735 6409 Бумага, тыс. т. 161 240 418 741 691 297 980 1527 1882 2659 3476 4318 Масло животное, тыс. т 68 60 139 141 82,6 197 246 384 559 486 628 Масла растительные, 323 300 295 259 422 139 363 498 599 1186 983 1266 тыс. т Сахар-песок, тыс. т 249 235 260 517 359 62,8 429 708 1626 3086 2915 2844
Вид продукции 1980 1985 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 Электроэнергия, 805 962 1082 1068 1008 957 876 860 847 834 827 846 877,8 млрд вКт • ч Нефть, включая газо 547 542 516 462 399 354 318 307 301 306 303 305 324 вый конденсат, млн т Газ естественный, 254 462 641 643 641 618 607 595 601 571 591 592 584 млрд м3 Уголь, млн т 391 395 395 353 337 306 272 263 257 245 232 250 258 В том числе для 82,7 91,1 93,1 69,8 71,2 62,4 56,6 60,6 55,3 52,4 52,0 59,8 62,3 коксования, млн т Чугун, млн т 55,2 57,1 59,4 48,9 46,1 40,9 36,5 39,8 37,1 37,3 34,7 40,9 44,6 Сталь, млн т 84,4 88,7 89,6 77,1 67,0 58,3 48,8 51,6 49,3 48,5 43,7 51,5 59,2 Железная руда, млн т 92,4 104 107 90,9 82,1 76,1 73,3 78,3 72,1 70,9 72,6 82,2 86,8 Трубы стальные, млн т 10,7 11,5 11,9 10,5 8,1 5,8 3,6 3,8 3,6 3,6 2,9 3,4 5,0 Химические волокна и 624 725 673 529 474 349 198 216 134 129 133 136 164 нити, тыс. т Химические средства за 189 215 111 87,4 65,4 38,7 19,1 15,9 12,5 11,3 5,8 9,8 10,6 щиты растений1*, тыс. т Минеральные 11,77 17,30 15,98 15,04 12,30 9,92 8,27 9,64 9,08 9,55 9,38 11,50 12,2 удобрения2*, млн т Тракторы, тыс. пгг. 249 261 214 178 137 89,1 28,7 21,2 14,0 12,4 9,8 15,4 19,2 Электровозы 296 360 206 210 112 32 ... 15 8 5 8 20 19 магистральные, шт. Вагоны пассажирские 1348 1337 1226 1013 961 997 709 489 449 517 503 716 802 магистральные, шт. трамвайные, шт. 768 911 735 664 457 632 ... 293 142 105 75 77 72 метрополитена, шт. 309 365 307 311 299 282 200 202 177 163 70 38 32 Автомобили легковые, 1166 1165 1103 1030 963 956 798 835 868 986 840 954 969 тыс. шт. Автобусы, тыс. шт. 55,1 59,9 51,9 51,6 48,2 47,9 50,0 39,8 38,3 46,0 45,7 50,0 54,0
Вид продукции 1980 1985 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 Цемент, млн т 75,8 79,1 83,0 77,5 61,7 49,9 37,2 36,5 27,8 26,7 26,0 28,5 32,4 Холодильники бытовые, 3600 3332 3615 3566 2972 3049 2283 1531 966 1108 956 1041 1151 тыс. шт. Телевизоры, тыс. шт. 4013 4773 4717 4439 3672 3987 2240 1005 313 327 329 281 1116 Обувь кожаная, млн пар 126 137 123 90,5 72,4 52,5 ... ... ... ... Трикотаж, млн шт 671 689 770 677 456 340 190 108 60,7 52,7 44,7 80,5 121 Бельевой, млн шт. 464 489 509 446 282 201 ... ... ... Верхний, млн шт. 208 201 260 231 175 140 ... ... Ткани всех видов, млн пог. м.
Вывозка древесины, млн 7933 8054 8077 7399 4739 3935 ... ... 328 337 304 269 238 175 119 116 96,8 85,4 78,2 90,1 94,8 плотных м3 В том числе деловой 256 257 242 211 183 131 86,8 88,7 73,1 64,3 61,5 73 77,1 Пиломатериалы, млн м3 80,3 79,5 75,0 65,8 53,4 40,9 30,7 26,5 21,9 19,6 18,5 19,2 20,0 Целлюлоза, тыс. т 6765 7954 7525 6400 5676 4403 3314 4197 3075 3164 3210 4225 4960 Бумага, тыс. т. 4462 5030 5240 4765 3608 2884 2216 2773 2302 2226 2454 2968 3326 Масло животное, тыс. т 611 721 833 729 762 732 488 421 323 292 276 262 267 Масла растительные, тыс. т
Сахар-песок, тыс. т 823 775 1159 1165 994 1127 909 802 879 687 782 881 1375 2994 3642 3758 3425 3923 3918 2736 3155 3294 3778 4745 6808 6077 1* В 100%-ном исчислении по действующему веществу. 2* В пересчете на 100 % питательных веществ.
Источники: Россия: Энциклопедический словарь. СПб.: Издатели: Ф.А. Брокгаузъ и И.А. Ефронъ. 1898. Репринт. Д., 1991; Страна Советов за 50 лет. М., 1967; РСФСР за 40 лет: Стат. сб. М., 1958; Народное хозяйство РСФСР за 60 лет. Стат. сб. Мм 1977; Народное хозяйство РСФСР за 70 лет. Стат. сб. М., 1987; Народное хозяйство РСФСР в 1990 г. Стат. ежег. М., 1991; Народное хозяйство Российской Федерации, 1992. Стат. ежег. М.: Республиканский информационно-издательский центр, 1992; Российский статистический ежегодник: Стат. сб. М., 1994; Российский статистический ежегодник: Стат. сб. М., 2001; Транспорт и связь в России: Стат. сб. М., 2001.
Год Общий объем про-изводства, Прирост в % к Рост в разах к 1900 г. Темп прироста в целом, % Среднегодо-вой темп прироста по десятилети млрд кВт • ч предыдущему году За десяти-летие За период правления ям и перио-дам правле-ния, % 1900 0,800 - 1,000 1901 0,934 2,4 1,024 1902 0,877 93,6-6,1 1,105 1903 0,922 7,1 1,097 1904 1,003 13,9 1,238 1905 1,054 1,4 1,255 25,5 1,65 1906 1,107 13,2 1,421 13,2 13,2 1907 1,266 20,4 1,711 1908 1,475 -1,1 1,692 1909 1,475 10,0 1,692 1910 1,404 -4,8 1,611 61,1 4,9 1911 1,624 16,0 1,869 31,5 5,6 1912 1,783 9,8 2,052 1913 2,100 17,8 2,417 1914 2,302 9,6 2,649 1915 2,273 98,7-1,3 2,615 1916 2,482 9,2 2,856 1917 2,250 -9,3 2,590 38,6 5,6 1918 0,938 -58,3 1,076 1919 0,671 71,5 -28,5 0,770 1920 0,621 -7,5 -55,8 -7,7 1921 0,671 8,1 0,770 1922 0,743 10,8 0,853 -67,0 -19,8 1923 0,880 18,4 1,010 1924 1,200 36,4 1,378 1925 1,760 46,7 2,021 1926 2,480 40,9 2,848 1927 2,998 20,9 3,443 1928 3,613 20,5 4,149 1929 4,556 26,1 5,232 1930 5,746 26,1 6,597 825,3 24,9 1931 7,2 26,1 8,3 1932 9,1 26,1 10,5 1933 11,0 20,8 12,7 1934 13,3 20,8 15,3 1935 16,0 20,8 18,5 1936 19,4 20,8 22,4 . 1937 23,4 20,8 27,3 Год Общий объем про-изводства, Прирост в % к Рост в разах к 1900 г. Темп прироста в целом, % Среднегодо-вой темп прироста по десятилети млрд кВт • ч предыдущему году За десяти-летие За период правления ям и перио-дам правле-ния, % 1938 25,6 9,6 29,7 1939 28,1 9,6 32,5 1940 30,8 9,6 35,6 440,4 18,4 1941 31,5 2,2 36,4 1942 30,8 -2,2 35,6 1943 30,1 -2,3 34,8 1944 31,5 4,7 36,4 1945 34,4 9,2 43,0 1946 36,9 7,2 46,1 1947 41,9 13,6 52,3 1948 47,6 13,6 59,5 1949 55,1 15,8 68,9 1950 63,4 15,1 79,3 106,0 7,5 1951 71,9 13,1 89,9 1952 83,2 15,7 104,0 1953 92,7 11,4 115,9 149,5 7 раз 1954 104,1 12,3 130,1 раза 1955 115,9 11,3 144,9 1956 129,1 11,4 161,4 1957 140,6 8,9 175,8 1958 158,0 12,4 197,5 1959 178,9 13,2 223,6 1960 197,0 10,1 246,3 210,6 12,0 1961 220,5 11,9 275,6 1962 248,1 12,5 310,1 1963 275,3 11,0 344,1 1964 300,3 9,1 375,3 223,8 11,3 1965 332,8 10,8 416,0 1966 356,8 7,2 446,0 1967 3-79,8 6,4 474,8 1968 411,9 8,5 514,9 1969 441,0 7,1 551,3 1970 470,2 6,6 587,8 138,7 9,1 1971 503,1 7,0 628,9 1972 536,9 12,1 671,1 1973 567,7 5,7 709,6 1974 605,7 6,7 757,1 1975 640,0 5,7 800,0 1976 685,8 7,2 857,3 1977 708,1 3,3 885,1 1978 745,2 5,2 931,5 1979 765,9 2,8 957,4 1980 804,9 5,1 1006,1 71,2 5,5
Год Общий объем про-изводства, Прирост в % к Рост в разах к 1900 г. Темп прироста в целом, % Среднегодо-вой темп прироста по десятилети млрд кВт • ч предыдущему году За десяти-летие За период правления ям и перио-дам правле-ния, % 1981
1076.6 836,5 862,8 898,3 939,9 962,1 1001,5 1047,3
1082.2 1.7 3,9 3,1 4,1 4,6 2,4 4,1
1,0 0,5 1202.6 1045,6
1122,9 1174,9
1251,9 1309,1 1331,9 1345,8 1352,8 34,5 22,4 5,7 2,7 1991
1068,2 989,3 956,6 875,9 860,0 847,0 834 827,0 846,0 878,0 -1,3 -7,4 -3,3 -8,4 -1,8 -1,5
834,0 -0,8 2,3 3,8 1335,3 1236,6
1075,0 1058,8
-1,5 1033,8 1057,5 -18,9 1042,5 -18,9 11,0 -20,8 1,8
-2,9 -2,1 2003 Прирост за 100 лет 2001 891,0
Прирост в 2001-2004 877,2
891,0 0,0 916,0 932,0 54,0 7,3 1,5
1113,8 2,8 1,7 1096,5
1113,8
1145,0 1165,5 1,06 102,3 6,2 88,5 10,2 73,3; 7,3
1,5; 2,0
* Производство электроэнергии в России в первой четверти XX в., ввиду его ограниченных объемов, а в последующем, вплоть до окончания Второй мировой войны по соображениям секретности, определялось крайне противоречиво. Сведения о нем публиковались скупо и, как правило, разрознено. По этим соображениям приводимые в настоящей таблице за соответствующие годы данные представляют авторские оценки, полученные преимущественно методами приближенных (в современной терминологии - импортированных или вмененных) вычислений.
Расчеты искомых объемов производства электроэнергии за отсутствующие годы определялись двумя альтернативными методами: 1) путем интерполяции известных точечных их значений за 1900, 1913, 1928, 1932, 1937 и 1940 гг. и 2) косвенным путем на основе наличных данных о мощности двигателей 1900-1908 гг., производстве каменного угля 1909-1921 гг. и собственно производстве электроэнергии (с 1923 г.) за соответствующие годы - показателей, которые, среди всех известных других, наиболее тесно коррелируют с производством электроэнергии за все наблюдаемые годы.
В основу приводимых в таблице данных за отсутствующие годы приняты оценки, полученные методом косвенной корреляции как более обоснованные и точные.
Исходные данные для проведения соответствующих расчетов приведены в: КафенгаузЛ.Б. Эволюция промышленного производства России. М.: Эпифания, 1994; Струмилин. С.Г. Статистико- |кономические очерки. М.: Госстатиздат, 1958.
Подобными методами исчислялись (или доисчислялись) и многие другие отсутствующие в первоисточниках данные, которые в оценочном виде широко приводятся в настоящей работе.
36 Симчера В. М. Таблица 6. Динамика производства электроэнергии в России за 100 лет по десятилетиям Годы Прирост объема, млрд кВт/час Темп прироста по десятилетиям, % Среднегодовой тем прироста, % 1901-1910 0,604 61,1 4,9 1911-1920 -0,792 -55,8 -7,7 1921-1930 5,125 825,3 24,9 1931-1940 25,1 440,4 18,4 1941-1950 32,6 106,0 7,5 1951-1960 133,6 210,6 12,0 1961-1970 273,2 138,7 9,1 1971-1980 334,7 71,2 5,5 1981-1990 277,3 34,5 2,7 1999-2000 -204,2 -18,9 -2,9 2001-2004 54,0 6,2 1,5 В среднем 8,72 102,3 7,3
Таблица 7. Динамика производства электроэнергии в России за 100 лет по периодам правления
Годы Прирост объема, млрд кВт/час Темп прироста по периодам правления, % Среднегодовой темп прироста, % 1901-1910 0,254 25,5 1,65 1911-1920 0,053 13,2 13,2 1921-1930 0,517 31,5 5,6 1931-1940 0,626 38,6 5,6 1941-1950 -1,507 -67,0 -19,8 1951-1960 91,9 149,5 раза 1,9 раза 1961-1970 207,6 223,8 11,3 1971-1980 686,8 224,4 5,7 1981-1990 106,1 11,0 1,8 1990-2000 -222,2 -20,8 -2,9 2001-2004 86,0 10,2 2,0 В среднем 8,72 88,5 7,3 Страна 1913 1928 1937 1940 1945 1950 Россия 1,3 3,2 23,4 30,8 34,4 63,4 Великобритания2* 4,42 11,97 25,63 42,50 51,70 86,81 Германия 11,86 20,69 37,96 69,90 - - ФРГ - - — - 31,12 75,76 ГДР - - - - (13,07) 27,91 Италия 3,45 6,40 12,48 19,42 17,38 34,07 Польша 2,09 2,92 ... 7,00 16,98 СССР 2,04 5,00 36,17 48,6 43,26 91,23 Финляндия ... 0,65 2,09 2,26 3,06 6,18 Франция 2,42 10,72 17,95 19,62 25,16 48,58
Страна 1960 1970 1980 1990 1998 Россия 197 470 805 1082 827* Великобритания2* 174,47 255,09 273,00 319 359 Германия - - - 5404 552 ФРГ 166,41 308,35 369,75 - - ГДР 52,52 82,56 102,00 - - Италия 75,29 143,84 181,50 217 260 Польша 43,25 93,50 120,50 136 143 СССР 292,0 742,0 1294 - - Финляндия 13,69 27,01 39,33 54,4 70,1 Франция 98,24 183,28 274,75 420 508 Источники: Фишер В. Европа: экономика, общество и государство. 1914-1980. М., 1999; Россия и страны мира; Стат. сб. Мм 2000; Народное хозяйство СССР за 70 лет: Юб. стат. ежег. М., 1987; Народное хозяйство СССР 1922-1972 гг. Юб. стат. ежег. М., 1972; Официальный сайт Госкомстата РФ в Интернет - http://www.gks.ru.
1* 2001 г. - 888 млрд кВт • час;
2* По оценкам для 1915-1919 гг. и 1940-1945 гг.; Россия в окружающем мире: 2002. Мм 2002.
Таблица 9. Добыча, производство и экспорт сырьевой продукции в России в XX в. Продукция 1900 1917 1940 1970 1990 1999 2000 Экспорт 2000 Электроэнергия, 0,7 2,2 30,8 470 1008 834 878 15,1 млрд вКт • ч Нефть, включая 4,2 8,7 7,0 285 516 306 324 145* газовый конден сат, млн т Газ естественный, - - 0,4 83,3 641 571 584 194 млрд м3 Уголь, млн т 16,2 31,2 72,8 345 395 245 258 44,2 Чугун, млн т 2,4 3,0 5,3 42,0 59,4 37,3 44,6 Сталь, млн т 2,1 3,1 9,3 63,9 89,6 48,5 59,2 Прокат, млн т 1,7 2,3 5,7 43,2 63,7 37,8 46,7 Стальные трубы, - - ... 1,4 2,2 0,5 0,6 млрд м Железная руда, 2,7 5,3 7,9 66,5 107 70,9 86,8 19,2 млн т Минеральные - 0,0 2,1 6,7 16,0 9,5 12,2 2,9 . удобрения, млн т
Продукция 1900 1917 1940 1970 1990 1999 2000 Экспорт 2000 Внешнеторговый оборот, млрд долл. США 4,5 7,8 12,6 43 105 90 150,4 * Без нефтепродуктов, экспорт которых из России в 2000 г. составил 62,7 млн т. Суммарный экспорт черных металлов из России в 2000 г. составил 6,7 млрд долл. США.
Источники: Статистический ежегодник ЦСК России. СПб., 1904; Ежегодник России. СПб., 1916; Страна Советов за 50 лет. М.: Статистика, 1967; Российский статистический ежегодник. М.: Госкомстат, 1999, 2001; Россия 2002: Стат. справ. М.: Госкомстат. 2002.
Таблица 10. Среднегодовое производство золота и серебра в России в 1493-1891 гг. (в кг)
Год, период Золото Серебро Год, период Золото Серебро 1493-1850 13273 418510 1886-1890 167675 3680060 1851-1885 183222 1637054 1891 196586 4267400 1886 149338 3021200 1892 220910 4764500 1887 159155 3324600 1893 236676 5138300 1888 165809 3673300 1894 270787 5183000 1889 185809 4237000 1895 301500 5234400 1890 178268 4144200 1891-1895 245292 4917520 Примечание. В этой таблице приводимые данные за 1901-1917 гг. охватывают территорию Российской Империи в границах 1917 г, за 1918-1990 гг. - территорию РСФСР в границах 1990 г. и за 1991-2000 гг. территорию Российской Федерации в границах 2000 г. Соответствующие данные приводятся в том виде, в котором они опубликованы в используемом первоисточнике, без их пересчета с учетом наличия других данных, по тому же показателю за тот же год в других источниках. От-сутствующие в первоисточниках данные за отдельные годы получены расчетным путем на основе интерполяции или экстраполяции имеющихся нормативных оценок удельных показателей РСФСР в опубликованных показателях в целом по СССР за соответствующие годы.
Таблица 11. Золотые запасы (млн тройских унций1*) и резервные активы (без золота, млрд долл. США) России и других крупных стран мира (на конец года)
Страна 1990 1993 1998 Запасы Резервы Запасы Резервы Запасы Резервы Россия 10,20 5,84 14,742* 7,803* Бельгия 30,23 12,15 25,04 11,42 9,52 18,27 Великобритания 18,94 35,85 18,45 36,78 23,00 32,21 Германия 95,18 67,90 95,18 77,64 118,98 74,02 Италия 66,67 62,93 66,67 27,55 66,67 29,89 Китай 29,59 12,70 22,39 12,70 149,19 Нидерланды 43,94 17,48 35,05 31,34 33,83 21,42 США 261,91 72,26 261,79 62,35 261,61 70,71 Франция 81,85 36,78 81,85 22,65 102,37 44,31 Япония 24,23 78,50 24,23 98,52 24,23 215,47 1* тройская унция = 31, 1035 грамм.
2* 1999 г. - 13,33 млн тройских унций; 2000 г. - 12,36 млн тройских унций. 3* 1999 г. - 8,46 млрд долл. США; 2000 г. - 24,26 млрд долл. США.
Таблица 12. Использование производственных мощностей по выпуску отдельных видов продукции (%)
Продукция 1980 1990 1991 1992 1993 1994 Первичная переработка 87 88 83 74 60 нефти Уголь 94 93 85 86 79 72 Чугун 94 94 77 73 67 66 Готовый прокат черных 94 92 83 72 70 61 металлов Металлорежущие станки 87 81 77 64 54 27 Кузнечно-прессовые 94 83 83 66 35 17 машины Тракторы 98 81 71 58 42 15 Цемент 91 93 89 74 62 48 Обувь 89 87 82 61 48 29 Мясо (в парном весе) 71 76 67 57 50 42 Цельномолочная продук 88 76 72 41 35 30 ция (в пересчете на молоко)
Продукция 1995 1996 1997 1998 1999 2000 Первичная переработка 62 61 65 60 64 68 нефти Уголь 72 72 70 66 73 84 Чугун 70 70 73 71 84 86 Готовый прокат черных 66 65 67 59 63 72 металлов Металлорежущие станки 24 18 16 13 14 17 Кузнечно-прессовые 13 7,8 7,8 10 10 13 машины Тракторы 11 10 9,7 8,4 14 19 Цемент 45 36 36 36 39 44 Обувь 23 18 17 14 23 29 Мясо (в парном весе) 32 25 19 17 14 18 Цельномолочная продук 24 24 24 27 28 32 ция (в пересчете на молоко) Источник: Российский статистический ежегодник: Стат. сб. М., 2000, 2001; Россия в окружающем мире: 2002. М.; 2002.
Таблица 13. Основные фонды России за 100 лет (на конец года в составленных ценах 2000 г.)
Год Объем в сопоставимых ценах, млрд руб. Годовой прирост, % Прирост по десятилетиям, % Прирост по периодам правления, % Среднегодовой темп прироста по десятилетиям и периодам правления, % 1900 277 1901 277 0,0 1902 277 0,0 1903 277 0,0 1904 289 4,3 1905 289 0,0 4,3 1,05 1906 289 0,0 0,0 0,00 1907 289 0,0
Год Объем в сопоставимых ценах, млрд руб. Годовой прирост, % Прирост по десятилетиям, % Прирост по периодам правления, % Среднегодовой темп прироста по десятилетиям и периодам правления, % 1908 289 0,0 1909 289 0,0 1910 302 4,5 9,0 0,85 1911 302 0,0 4,5 0,90 1912 302 0,0 1913 302 0,0 1914 289 1915 289 0,0 1916 277 -4,2 1917 277 0,0 -8,3 -1,40 1918 289 4,3 1919 302 4,5 1920 314 4,0 4,0 0,40 1921 327 4,1 1922 352 7,7 27,1 4,90 1923 365 3,7 1924 377 3,3 1925 390 3,4 1926 415 6,4 1927 428 3,1 1928 453 5,8 1929 466 2,9 1930 491 5,4 56,4 4,55 1931 516 5,1 1932 541 4,9 1933 554 2,4 1934 579 4,5 1935 604 4,3 1936 642 6,3 1937 667 3,9 1938 692 3,8 1939 717 3,6 1940 755 5,3 53,8 4,40 1941 755 0 1942 768 1,7 1943 793 3,3 1944 831 3,1 1945 843 1,4 1946 868 3,0 1947 880 1,4 1948 906 3,0 1949 919 1,4 1950 944 2,7 25,0 2,25 1951 1032 9,3 1952 1145 11,0 1953 1258 9,9 257,4 3,60 1954 1384 10,0 1955 1510 9,1 Год Объем в сопоставимых ценах, млрд руб. Годовой прирост, % Прирост по десятилетиям, % Прирост по периодам правления,% Среднегодовой темп прироста по десятилетиям и периодам правления, % 1956
1661 1837 2014 2197 2417 10,0 10,6 9,6 9,1 10,0 156,0 9,85 1961
2622 2845 3093 3362 3644 3892 4157 4456 4786 5174 6.8 8,5 8,5 8,7
8,4
6,8 7,2 7,4 8,1 114,1 167,2 9,35 7,90 1971
5582 6035 6512 7027 7575 8120 8680 9305 9929 10594 6.9 7,9 8,1 7,9 7,9
7,2
7,2 6,7 6,7 104,7 7,40 1981
11293 12027 12773 13539 14284 15055 15793 16614 17428 18142 6,6 6,5 6,2 6,0 5,5 5,4 4,9 5,2 4,9 4,1 71,2 324,9 7,15 5,55 1991
2000 2004 18759 19115 19211 19173 19192 19173 19096 19020 19039 19115 18838 18882 3,4 1,9 0,5 -0,2 0,1 -0,1 -0,4 -0,4 0,1 0,4 4,3 4,3 5,4 52,4 52,4 31,3
1,5 0,4 46,7 46,7 4,65
0,20 0,50/0,4 4,3; 4,3 4,3; 4,3 Источник: Материалы представлены в: Симчера В.М., Федоренко Н.П. Строительство в России в XX веке. // Россия в окружающем мире. М., 2003.
Таблица 14. Объем и темпы прироста основных фондов России в XX в.
по десятилетиям
Годы Прирост объема, млрд руб. Темп прироста в целом по десяти-летиям, % Среднегодовой темп прироста, % 1901-1910 25 9,0 0,85 1911-1920 12 4,0 0,40 1921-1930 177 56,4 4,55 1931-1940 264 53,8 4,40 1941-1950 189 25,0 2,25 1951-1960 1473 156,0 9,85 1961-1970 2757 114,1 7,90 1971-1980 5420 104,7 7,40 1981-1990 7548 71,2 5,55 1991-2000 973 5,4 0,50 Прирост 1901-2000 18838 52,4 4,3 2001-2004 44 2,9 0,7
Таблица 15. Объемы и темпы прироста основных фондов России в XX в. по периодам правлений
Годы Прирост объема, млрд руб. Темп прироста в целом по десяти-летиям, % Среднегодовой темп прироста, % 1901-1905 12 4,3 1,05 1905-1906 0 0,0 0,00 1906-1911 13 4,3 0,85 1911-1917 -25 -8,3 -1,40 1917-1922 75 27,1 4,90 1922-1953 906 257,4 3,60 1953-1964 2104 167,2 9,35 1964-1985 10922 324,9 7,15 1985-1991 4475 31,3 4,65 1991-1999 280 1,5 0,20 2000-2004 33 2,2 0,45 1901-2000 18838 46,7 4,3
Таблица 16. Посевные площади основных сельскохозяйственных культур в России в 1901-2000 гг. (все категории хозяйств, млн га)
Из общей посевной площади Год Вся
посевная площадь Зерновые Подсол-нечник Сахарная свекла Всего В том числе кукуруза Картофель Овощи 1 2 3 4 5 6 7 8 1900
74,3 2,0
1 2 3 4 5 6 7 8 1906 1907 1908 1909 1910 78,9 ... ... 0,6 3,3 ... 1911 0,7 1912 0,7 1913 62,9 0,3 0,9 0,6 2,1 0,3 1914 0,8 1915 0,7 1916 0,6 1917 0,6 1918 0,4 1919 0,4 1920 47,9 0,4 0,4 0,2 1,1 ... 1921 59,7 1,0 0,8 0,2 1,5 1922 1923 1924 1925 1926 1927 1928 74,1 61,4 ... 2,1 ... 4,8 1929 1930 1931 1932 90,2 69,0 2,3 ... 6,1 ... 1933 1934 78,0 1,9 2,7 0,4 4,5 1,2 1935 77,6 1,7 2,5 0.4 5,4 1,1 1936 1937 92,4 73,1 ... 2,0 ... 5,3 ... 1938 1939 92,1 70,1 0,9 2,5 0,3 4,1 0,8 1940 1941 1942 1943 1944 1945 67,1 50,9 ... 1,9 6,4 ... 1946 1947 1948 1949 1950 88,9 64,9 1,1 2,3 0,3 5,0 0,7 1951 1952 1953 97,1 68,2 0,8 2,6 0,4 4,7 0,7 1954 1955 76,2 3,0 2,8 0,5 5,4 0,8 1956 75,8 3,1 2,7 0,5 5,2 0,8 1957 113,6 73,8 2,0 2,0 0,6 5,6 0,7 1958 114,7 74,1 3,1 2,4 1,0 5,4 0,7 1 2 3 4 5 6 7 8 1959 115,0 69,1 2,7 2,2 1,1 5,4 0,7 1960 120,7 73,6 3,5 2,3 1,3 5,1 0,7 1961 121,7 77,3 5,1 2,3 1,4 5,0 0,7 1962 129,7 79,2 2,4 5,9 ... 1963 130,5 79,4 2,5 5,7 1964 126,8 81,6 2,6 5,7 1965 124,0 77,6 0,6 2,7 1,7 4,7 0,6 1966 122,6 76,1 0,7 2,9 1,6 4,6 0,6 1967 122,7 74,9 0,8 2,7 1,6 4,5 0,6 1968 122,7 74,3 0,6 2,8 1,5 4,5 0,6 1969 122,6 73,5 0,8 2,8 1,4 4,4 0,6 1970 121,9 72,7 0,4 2,7 1,4 4,4 0,7 1971 71,8 0,5 2,5 1,4 4,3 0,7 1972 1973 1974 1975 126,5 77,0 0,5 21, 1,6 4,4 0,7 1976 126,8 77,2 0,7 2,5 1,6 3,9 0,6 1977 78,4 0,9 2,6 1,6 3,9 0,6 1978 77,0 0,6 2,6 1,6 3,9 0,7 1979 75,7 0,5 2,4 1,6 3,8 0,7 1980 124,8 75,5 0,6 2,4 1,6 3,8 0,7 1981 74,1 0,8 2,4 1,6 3,7 0,7 1982 72,0 1,1 2,4 1,5 3,7 0,7 1983 70,7 0,9 2,4 1,5 3,8 0,7 1984 69,7 0,8 2,1 1,5 3,7 0,7 1985 119,1 68,1 1,1 2,3 1,5 3,6 0,7 1986 67,5 0,7 2,1 1,5 3,5 0,7 1987 66,7 1,4 2,4 1,5 3,4 0,7 1988 119,6 66,0 1,3 2,4 1,5 3,3 0,7 1989 119,1 64,9 1,4 2,6 1,5 3,2 0,7 1990 117,7 63,1 0,9 2,7 1,5 3,1 0,6 1991 115,5 61,8 0,7 2,6 1,4 3,2 0,7 1992 114,6 61,9 0,8 2,9 1,4 3,4 0,7 1993 111,8 60,9 0,8 2,9 1,3 3,5 0,7 1994 105,3 56,3 0,5 3,1 1,1 3,3 0,7 1995 102,5 54,7 0,6 4,1 1,1 3,4 0,8 1996 99,6 53,4 0,6 3,9 1,1 3,4 0,7 1997 96,6 53,6 0,9 3,6 0,9 3,4 0,7 1998 91,2 50,7 0,8 4,2 0,8 3,3 0,7 1999 88,3 46,6 0,7 5,6 0,9 3,3 0,8 2000 85,4 45,6 0,8 4,6 0,8 3,3 0,8
Источники: Финнь-Енотаевский А. Современное хозяйство России (1890-1910). СПб., 1911; Социа-листическое строительство в СССР. М., 1936; РСФСР за 40 лет. Стат. сб. М., 1958; Народное хозяйство РСФСР в 1958 г. М., 1959; Народное хозяйство РСФСР в 1960 г. М., 1961; Народное хозяйство РСФСР в 1962 г. М., 1963; Народное хозяйство РСФСР в 1965 г. М., 1966; Народное хозяйство РСФСР в 1969 г. М., 1970; Народное хозяйство РСФСР в 1988 г. М., 1989; Народное хозяйство РСФСР за 60 лет. Стат. ежег. М., 1977; Народное хозяйство РСФСР за 70 лет. Стат. ежег. М., 1987; О состоянии и тенденциях развития сельского хозяйства России в 1992-1997 гг. М., 1998; Народное хозяйство в 1989 г. М., 1990; Основные показатели развития сельского хозяйства РСФСР. Стат. сб. М, 1981, 1982, 1983; Сельское хозяйство России. 2000. М., 2000; Сельское хозяйство России. 1998. М., 1998; Сельское хозяйство СССР. Стат. сб. М., 1960, 1971, 1988; Сельскохозяйственное производство России: динамика и эффективность (1970-1996 гг.). М., 1997; Российский статистический ежегодник. 1997; Российский статистический ежегодник. М., 2001.
Таблица 17. Урожайность основных сельскохозяйственных культур в России в 1913-2000 гг.
(все категории хозяйств, ц/га) Зерновые Подсол-нечник Сахарная свекла Год Всего В том числе кукуруза Картофель Овощи 1 2 3 4 5 6 7 1900
391 411 1911
8,0 7,5 171 496 76
465 421 364 386 363 1921
7,6 8,1 7,1 6,1 112 142 476 82 1931
6,9
9,1 8,7
7,9 13,0 7,4 4,1 5,8 63
86,1 124,9
96 69 89 77 1941
5,0 ... 1,8 28 68 56
1 2 3 4 5 6 7 1949 1950 7,2 ... 3,7 106 101 69 1951 7,0 ... 3,8 122 66 61 1952 7,6 4,5 98 81 69 1953 7,1 9,3 5,5 96 91 86 1954 7,8 4,5 84 89 85 1955 7,7 ... 7,0 126 78 90 1956 9,5 12,2 7,9 134 104 92 1957 8,0 8,7 7,1 134 90 102 1958 10,7 22,3 10,2 168 89 97 1959 9,8 9,4 6,4 107 91 107 1960 10,7 21,1 8,3 158 91 ИЗ 1961 9,9 18,9 9,2 120 94 125 1962 10,9 15,6 9,0 116 80 114 1963 8,3 15,2 86 88 82 108 1964 10,7 24,5 11,8 147 107 136 1965 9,0 23,8 8,6 126 105 129 1966 13,1 23,3 9,8 150 98 128 1967 11,9 26,1 12,1 189 117 154 1968 14,7 24,0 12,5 188 123 135 1969 12,2 21,7 10,3 156 116 133 1970 15,6 24,2 ИД 175 123 146 1971 14,6 18,8 103, 135 111 135 1972 12,5 20,3 9,3 114 79 109 1973 16,8 26,3 13,7 203 138 158 1974 14,6 28,7 12,8 134 889 142 1975 10,1 24,7 10,7 124 115 138 1976 16,5 30,8 11,2 173 100 138 1977 13,9 32,7 10,7 174 116 142 1978 17,7 28,5 9,8 168 103 147 1979 12,1 22,5 9,5 122 114 142 1980 13,9 24,5 8,4 150 98 141 1981 10,6 21,9 8,5 103 86 142 1982 14,6 34,5 10,4 153 109 162 1983 15,8 10,4 178 112 161 1984 13,3 32,3 9,2 188 116 170 1985 15,6 27,9 11,3 211 96 153 1986 17,5 25,4 11,2 197 123 161 1987 16,3 26,8 12,7 229 112 150 1988 15,6 30,2 12,1 222 102 152 1989 16,1 32,6 14,7 254 104 153 1990 19,5 31,5 13,7 240 104 167 1991 14,4 26,8 11,2 174 198 146 1992 17,2 26,4 108, 178 113 137 1993 16,3 30,5 9,4 191 106 135 1994 15,3 19,4 8,4 136 103 134 1995 13,1 28,7 10,6 188 118 148 1996 14,9 23,5 8,1 174 114 145 1997 17,8 31,3 8,6 186 111 147 1998 12,9 16,3 8,4 153 97 141 1999 14,4 19,7 8,3 185 97 149 2000 15,6 21,2 9,0 188 105 146 Источники: см. табл. 14.
Таблица 18. Валовый сбор основных сельскохозяйственных культур в России в 1903-2000 гг.
(все категории хозяйств, млн т)
Зерновые Год Всего В том числе кукуруза Подсол-нечник Сахарная свекла Картофель Овощи 1 2 3 4 5 6 7 1900
52,2 54,1 0,6 0,8 16.2
... 1911
18.1 50,5
52,8
1,0 0,3
0,6 0,7 0,2 2,0 20,5 16,1
14,9 5,3 1921
24,5 34,1
50,0 1,4 0,3 0,8
1,6 0А 1,7 8,2 31,0 1931
55.6
70,8 67,2
70,4
1,4 1,1 1,6 1,4 3.1 2,2
4,6
29,8 36,4 6,4 1941
25,4 0,8 0,3 0,8 34,7 0,6 1 2 3 4 5 6 7 1949 1950 46,8 1.2 0,9 3,6 50,1 5,0 1951 47,5 1Д 0,9 4,4 31,8 4,1 1952 51,9 1,1 1,1 3,7 37,9 4,6 1953 48,2 0,8 1,4 4,0 42,4 6,0 1954 56,3 1,0 1,2 3,7 42,6 6,7 1955 54,8 2,5 2,0 6,0 40,4 7,0 1956 71,2 2,8 2,2 7,3 55,7 7,5 1957 58,5 1,0 1,4 8,5 46,8 7,5 1958 76,8 3,4 2,4 16,1 48,2 7,1 1959 68,4 1,2 1,4 12,1 50,2 7,7 1960 76,2 2,7 1,9 20,8 46,7 8,1 1961 73,9 4,4 2,2 16,2 46,6 8,6 1962 86,8 3,0 2,3 15,7 39,8 8,0 1963 65,8 2,3 2,1 13,7 39,0 7,4 1964 87,0 3,4 3,0 26,7 50,8 9,4 1965 69,7 1,5 2,4 20,7 49,8 8,3 1966 99,9 1,7 2,8 23,8 44,5 8,2 1967 89,5 2,1 3,3 30,7 52,9 10,0 1968 109,6 1,5 3,5 28,0 55,3 8,6 1969 89,9 1,8 2,8 21,2 50,9 8,7 1970 113,5 1,0 3,1 23,9 53,9 10,1 1971 104,8 0,9 2,6 18,0 48,1 9,4 1972 91,6 1,4 2,1 16,1 34,8 8,0 1973 129,0 2,7 3,7 30,4 61,9 11,9 1974 111,8 2,1 3,4 20,4 39,6 10,8 1975 77,5 1,3 2,2 19,2 51,1 10,6 1976 127,1 2,2 2,8 27,8 38,9 9,3 1977 108,7 2,8 2,8 28,4 45,1 9,7 1978 136,5 1,6 2,5 27,2 39,9 10,9 1979 91,9 1,1 2,3 19,6 43,2 10,1 1980 105,0 1,4 2,0 24,1 37,0 11,1 1981 73,8 1,8 2,0 16,2 32,1 11,1 1982 98,0 3,8 2,5 23,1 40,7 12,7 1983 104,3 ... 2,6 26,8 42,1 12,8 1984 85,1 2,7 1,9 28,1 43,4 12,9 1985 98,6 3,0 2,6 31,5 33,9 11,1 1986 107,5 1,7 2,4 29,2 43,1 11,7 1987 98,6 3,8 3,0 34,0 38,0 11,1 1988 93,7 3,8 3,0 32,7 33,7 11,5 1989 104,8 4,7 3,8 37,4 33,8 11,2 1990 116,7 2,5 3,4 32,3 30,8 10,3 1991 89,1 2,0 2,9 24,3 34,3 10,4 1992 106,9 2,1 3,1 25,5 38,3 10,0 1993 99,1 2,4 2,8 25,5 37,7 9,8 1994 81,3 0,9 2,6 13,9 33,8 9,6 1995 63,4 1,7 4,2 19,1 39,9 11,3 1996 69,3 1,1 2,8 16,2 38,7 10,7 1997 88,6 2,7 2,8 13,9 37,0 11,1 1998 47,9 0,8 3,0 10,8 31,4 10,5 1999 54,7 1,1 4,1 15,2 31,3 12,3 2000 65,5 1,5 3,9 14,1 34,0 12,5 Источники: см. табл. 14.
Таблица 19. Поголовье скота и производство мяса и молока в России в 1916-2000 гг.
(все категории хозяйств, на начало года)
Поголовье скота, млн гол. Производство, млн т Год Крупный рогатый скот Мясо Всего В том числе коровы Свиньи Овцы и козы (убойный вес) Молоко 1900 30,0 3,2 1901 30,3 1902 30,5 1903 30,7 1904 31,0 1905 31,3 1906 31,5 1907 31,7 1908 32,1 1909 33,0 1910 33,6 1911 34,2 1912 33,3 1913 32,1 2,4 19,3 1914 31,9 1915 32,5 1916 33,0 17,3 11,3 47,0 2,6 17,8 1917 25,8 1918 21,6 1919 17,3 1920 14,7 1921 19,1 1922 22,9 1.1 16,9 1923 26,7 16,4 5,6 37,4 1924 29,8 1925 30,8 1926 33,1 1927 35,3 1928 37,6 19,9 13,1 59,3 1929 34,0 1930 30,4 17,9 6,9 49,7 1931 25,5 16,1 5,6 36,9 1932 23,4 14,6 5,5 28,1 1933 21,4 13,3 5,9 23,4 1934 21,8 13,2 7,0 23,7 1935 25,3 13,1 10,6 26,2 1936 29,8 13,6 15,9 31,5 1937 29,4 13,9 10,4 32,4 1938 31,2 14,8 14,4 41,0 1939
29,8 28,3 14,3 12,2 46,0 2,4 17,8 1941 27,8 14,2 12,1 51,2 1942 26,0 1943 23,5 1944 23,0 1945
27.1 26,2 25,4
12,9 13,0 13,4 4,9 4,1 4,7 35.8 32,5
1.5 1.8 1.4 1.7 16,9 18,6 20,6
1949 29,7 13,6 7,5 40,7 2,1 21,5 1950 31,5 13,7 10,7 45,7 2,6 21,4 1951 30,2 13,3 11,9 46,2 2,4 21,5 1952 31,1 13,6 13,9 53,3 2,9 21,3 1953 29,5 13,2 14,5 53,9 3,2 21,1 1954 28,4 13,4 16,1 56,5 3,3 22,0 1955 29,4 14,1 15,7 57,0 3,4 24,6 1956 30,4 14,7 16,1 58,6 3,5 27,6 1957 31,6 15,3 19,8 59,2 3,8 31,1 1958 33,9 16,5 22,2 61,6 3,9 33,0 1959 36,1 17,3 24,0 65,5 4,6 34,6 1960 37,6 17,6 27,1 67,5 4,5 34,5 1961 38,2 17,9 29,4 65,5 4,5 34,7 1962 41,7 18,7 33,0 68,6 4,9 35,8 1963 44,7 19,6 36,7 69,2 5,5 34,6 1964 43,4 19,7 19,2 62,3 4,2 35,7 1965 44,9 20,0 26,6 59,3 5,2 40,1 1966 48,2 20,7 29,5 61,4 5,5 42,0 1967 49,8 21,0 28,6 63,1 5,9 44,6 1968 50,2 21,0 25,5 63,9 6,0 45,9 1969 49,8 20,8 24,3 64,6 6,0 44,9 1970 49,4 20,4 27,4 63,4 6,2 45,4 1971 51,6 20,6 33,2 67,0 6,8 45,2 1972 53,2 20,7 35,6 67,7 7,0 44,3 1973 53,7 21,0 32,7 66,3 6,8 47,0 1974 54,7 21,4 35,0 67,3 7,4 48,9 1975 56,5 21,8 36,5 68,7 7,5 48,1 1976 57,6 21,7 27,8 66,1 6,7 46,8 1977 56,9 21,8 30,6 65,4 7,3 49,7 1978 58,0 22,1 34,8 66,7 7,8 49,3 1979 58,5 22,2 36,2 67,5 7,6 48,6 1980 58,6 22,2 36,4 66,9 7,4 46,8 1981 58,1 22,2 36,0 65,0 7,5 45,4 1982 58,1 22,2 36,0 64,5 7,6 47,4 1983 58,6 22,2 37,9 64,9 8,3 50,2 1984 59,6 22,2 39,1 66,3 8,5 50,4 1985 60,0 22,0 38,7 64,5 8,5 50,2 1986 59,6 21,6 39,0 63,4 8,9 52,2 1987 60,5 21,3 40,2 64,1 9,4 52,9 1988 59,8 21,0 39,2 62,9 9,8 54,5 1989 59,3 20,8 39,8 62,7 10,1 55,7 1990 58,8 20,8 40,0 61,3 10,1 55,7 1991 57,0 20,5 38,3 58,2 9,4 51,9 1992 54,7 20,6 35,4 55,3 8,3 47,2 1993 52,2 20,2 31,5 51,4 7,5 46,5 1994 48,9 19,8 28,6 43,7 6,8 42,2 1995 43,3 18,4 24,9 34,5 5,8 39,2 1996 39,7 17,4 22,6 28,0 5,3 35,8 1997 35,1 15,9 19,1 22,8 4,9 34,1 1998 31,5 14,5 17,3 18,8 4,7 33,3 1999 28,5 13,5 17,2 15,6 4,3 32,3 2000 28,0 13,1 18,3 14,8 4,4 32,3 2001 27,3 12,7 15,7 14,8 Источники: см. табл.14.
Таблица 20. Динамика транспорта России в 1913-2000 гг.
Показатель 19131* 1928 1940 1950 1960 1970 1980 1985 Произведенный национальный доход, % к 100 119 535 877 2327 5355 8721 10337 1913 г. Валовый общественный продукт, % к 1913 г. 100 132 510 821 2123 4884 8142 9613 Перевезено грузов транспортом общего пользования, млн т железнодорожным 132,4 89 334 498 1141 1648 2048 2165 автомобильным (включая ведомственный)2* ... 12 533 1194 4974 7853 13597 14137 внутренним водным 37 65 82 188 311 481 537 трубопроводным (нефть и нефтепродукты) 0,4 5 12 123 303 576 575 Грузооборот транспорта общего пользова ния, млрд т км железнодорожного 65,7 59 287 415 1047 1672 2316 2506 автомобильного (включая ведомственный) 0,1 0,1 6 13 55 116 241 265 морского 19,9 15 24 86 412 534 503 трубопроводного (нефть и нефтепродукты) 0,3 0,1 1,5 3,4 49 243 1087 1179 внутреннего водного 28,5 22 34 44 93 164 228 243 Перевезено пассажиров транспортом общего пользования, млн человек железнодорожным3* 249 ... 990 950 1606 2500 2971 3035 метрополитенами - - 377 629 1144 2047 3036 3319 автомобильным (включая ведомственный) 429 793 7445 15053 23356 26018 внутренним водным 17,1 64 48 98 117 103 98 воздушным 0,0 0,3 1,2 10 45 66 73 Пассажирооборот транспорта общего поль зования, млрд пассажиро-км железнодорожного 25,2 69 63 123 191 227 246 автомобильным (включая ведомственный) 2,2 3,5 35 100 210 240 внутреннего водного 2,0 3,3 2,4 3,9 4,8 5,3 5,1 воздушного 54,9 102,5 121,5 Показатель 1990 1995 1996 1997 1998 1999 2000 Произведенный национальный доход, % к 10337 10792 6700 6472 6530 6211 6409 1913 г. Валовый общественный продукт, % к 1913 г. 9613 ... ... Перевезено грузов транспортом общего пользования, млн т железнодорожным 2140 1028 911 887 835 947 1047 автомобильным (включая ведомствен 15347 6786 6305 5648 5210 5362 5702 ный)2* внутренним водным 562 140 100 100 94 91 106 трубопроводным (нефть и нефтепродук 558 309 302 306 303 303 318 ты) Грузооборот транспорта общего пользова ния, млрд т км железнодорожного 2523 1214 1131 1100 1020 1205 1373 автомобильного (включая ведомственный) 299 156 147 137 120 130 139 морского 508 297 227 209 150 121 100 трубопроводного (нефть и нефтепро дукты) внутреннего водного 1240 668 666 679 691 710 745 Перевезено пассажиров транспортом общего пользования, млн человек железнодорожными3* 214 90 71 75 66 61 65 метрополитенами 3143 1843 1663 1600 1471 1338 1419
Показатель 1990 1995 1996 1997 1998 1999 2000 автомобильным (включая ведомственный) 3695 4150 4173 4128 4146 4162 4186 внутренним водным 28626 22817 23185 23665 23103 22883 22033 воздушным 90 25 18 24 18 22 26 Пассажирооборот транспорта общего поль 91 32 28 26 23 22 23 зования, млрд пассажиро-км железнодорожного 274 192 181 170 153 141 167 автомобильным (включая ведомственный) 262 188 181 179 172 172 164 внутреннего водного 4,8 1,1 0,9 0,9 0,8 0,8 0,9 воздушного 159,5 71,7 64,5 61,5 55,5 53,4 53,4 1* В послевоенных границах СССР.
2* С 1996 г. - с учетом оценки объемов перевозок грузов, осуществляемых автомобильным транспортом без лицензий (неформальная деятельность). 3* 1996 г. - с учетом оценки объемов перевозок пассажиров, пользующихся правом бесплатного проезда в пригородном сообщении. В 1999 г. изменена система учета объемов перевозок работников железнодорожного транспорта; в сопоставимых условиях темп объемов перевозок пассажиров составил 110,7%, пассажирооборота 112,3% к уровню 1998 г.
Источники: Российский статистический ежегодник: Стат. сб. М., 2000; 2001; Россия в окружающем мире: 2002. М., 2002. Таблица 21. Эксплуатационная длина транспортных путей общего назначения
(на конец года, в тыс. км)
Показатель 1913 1928 1940 1950 1960 1970 1980 1985 Эксплуатационная длина путей сообще ния общего пользо вания (на конец года), тыс. км. железнодорож 71,1 51 59 67 72 78 83 85 ные пути в том числе 1,3 2,3 11 24 31 33 электрифици рованные Автомобильные 37,3 20 68 83 161 264 421 520 дороги с твердым покрытием (вклю чая ведомствен ные) Магистральные 1,1 0,7 1,7 3,6 15 30 54 65 трубопроводы (нефте- и нефте- продуктопроводы) внутренние вод 64,6 61 92 110 118 121 1220 108 ные судоходные пути
Показатель 1990 1995 1996 1997 1998 1999 2000 Эксплуатационная длина путей сооб щения общего поль зования (на конец года), тыс. км. железнодорож 87 87 87 87 86 86 86 ные пути в том числе элект 37 39 39 40 40 40 41 рифицированные Автомобильные 656 745 749 756 752 753 754 дороги с твердым покрытием (вклю чая ведомствен ные) Магистральные 66 62 62 62 62 61 61 трубопроводы (нефте- и неф- тепродуктопро- воды) внутренние вод 103 84 75 84 89 85 85 ные судоходные пути Источники: См. табл. 47.
Таблица 22. Динамика жилищного строительства в России в 1918-2000 гг.
(млн м2 общей площади жилищ)
Период СССР Россия 1918-1940 гг. (включая первое полугодие 1941 г.) 408,9 266,9 В том числе 1940 г. 24,5 Шестая пятилетка (1956-1960 гг.) 474,1 280,8 В том числе 1960 г. 109,6 ... Седьмая пятилетка (1961-1965 гг.) 490,6 279,6 В том числе 1965 г. 97,6 Восьмая пятилетка (1966-1970 гг.) 518,5 284,5 В том числе 1970 г. 106,0 58,6 Девятая пятилетка (1971-1975 гг.) 544,8 304,1 В том числе 1975 г. 109,9 61,9 Десятая пятилетка (1976-1980 гг.) 527,3 295,1 В том числе 1980 г. 105,0 59,4 Одиннадцатая пятилетка (1981-1985 гг.) 552,2 308,7 В том числе 1985 г. 113,0 62,6 1990-1994 гг. _ 233,6 В том числе 1994 г. — 39,2 1994-200 гг. — 240,2 В том числе 1999 г. — 32,0 2000 г. -• 30,3 Источники: Народное хозяйство СССР за 70 лет: Юб. стат. ежег. М., 1987; Российский статистический ежегодник: Стат. сб. М., 2001; Россия в окружающем мире: 2002. М., 2002.
Таблица 23. Доля отдельных стран в мировых итогах (1998 г., в %)
Страна Население ВВП (по ППС) Экспорт товаров и услуг Страна Население ВВП (по ППС) Экспорт товаров и услуг Страны ЕС 6,3 19,9 40,3 Россия 2,5 1,6 1,3 Великобри 1,0 3,3 5,6 США 4,6 20,8 13,8 тания Индия 16,5 4,4 0,7 Франция 1,0 3,4 5,7 Канада 0,5 1,8 3,6 ФРГ 1,4 4,5 9,3 Китай 21,2 12,0 3,1 Япония 2,2 7,4 6,5 Источники: Россия и страны мира. Стат. сб. М., 2000; Устинов И.Н. Мировая торговля: Стат. аналит. сп. М., 2000; The World Factbook, 2001. http:7www.cia.gov.
Таблица 24. Обменный курс валют в России в 1913 г.
Наименование валюты Руб. Наименование валюты Руб. Доллар (США) 1,94 Фунт стерлингов (Англия) 9,46 Марка (Германия) 0,46 Йена (Япония) 0,97 Франк (Франция) 0,37 Источник: Россия, 1913 год. Стат. док. спр. СПб., 1995. Таблица 25. Официальные курсы иностранных валют по отношению к российскому рублю1* (на конец года; руб. за единицу иностранной валюты)
Страна Наименование национальной валюты 1994 1995 1996 1997 1998 1999 2000 Австралия Доллар 2760,48 3457,73 4431,88 3912,74 12,62 17,44 15,59 Австрия Шиллинг 323,21 460,87 508,27 477,56 17,552* 19,792* 19,002* Азербайджан Манат 0,83 1,05 1,35 1,52 5,313* 6,173* 6,173* Армения Драм 9,35 11,90 12,82 12,21 4,044* 5,254* 5,124* Белоруссия Рубль 0,34 0,40 0,36 0,19 0,203* 84,255* 23,833* Бельгия Франк 1106,37і2* 1578,392* 1735,282* 1628,862* 5,992* 67,504* 64,814* Великобритания Фунт стерлингов 5514,22 7239,33 9387,50 9991,34 34,69 43,63 42,01 Германия Марка 2274,18 3242,94 3576,25 3360,02 12,35 13,92 13,37 Грузия Лари6* 2,983* 4000,00 4545,45 4587,16 11,63 14,25 14,39 Дания Крона 579,21 837,70 934,77 881,93 32,422* 36,612* 35,072* Испания Песета 268,352* 383,192* 424,012* 396,882* 14,514* 16,374* 15,714* Италия Лира 216,994* 293,374* 363,46 342,16 12,473* 14,Об3* 13,50а* Казахстан Тенге 61,92 71,89 73,53 76,92 23,314* 19,884* 19,384* Канада Доллар 2527,41 3413,77 4064,92 4150,42 13,32 18,61 18,76 Киргизия Сом 335,01 414,94 332,67 342,70 0,68 0,59 0,58 Молдавия Лей 961,54 1952,63 1200,48 1282,05 2,53 2,39 2,31 Нидерланды Гульден 2030,08 2896,74 3186,25 2982,09 10,96 12,36 11,86 Норвегия Крона 520,83 734,82 862,42 816,82 27,542* 33,682* 31,682* США Доллар 3550,00 4640,00 5560,00 5960,00 20,65 27,00 28,16 Таджикистан Рубл - 16,67 17,86 8,06 20,1 б3* 18,803* 12,807* Туркмения Манат 43,29 23,20 1,37 1,43 З,943* 5,153* 5,373* Турция Лира 0,922* 0,772* 0,522* 0,292* 6,578* 49,955* 42,045* Узбекистан Сум 140,45 130,72 101,52 74,29 17,704 19,124* 8,674* Украина Гривна9* 3,214* 2,594* 2941,18 3134,80 6,02 5,18 5,18 Финляндия Марка 748,55 1066,96 1197,30 1109,75 4,07 45,802* 43,972* Франция Франк 657,89 947,71 1061,47 1004,13 3,68 41,512* 39,862* Швеция Крона 474,75 697,70 809,78 765,98 25,582* 31,812* 29,522* Япония Йена 355,602* 451,852* 479,642* 458,642* 17,924* 26,414* 24,554*
х* По данным Банка России, кроме курсов валют стран СНГ; по странам СНГ-данные национальных (центральных) банков. С 1998 г. - в масштабе цен, действующем с 1 января 1998 г. См. Российский статистический ежегодник. М., 2001. С. 656. 2* За 10 единиц национальной валюты. 3* За 1000 единиц национальной валюты. 4* За 100 единиц национальной валюты. 5* За 1000000 единиц национальной валюты. 6* 1994 г. - курс купоан. 1 лари = 1 млн купонов. 7* Курс сомони. 1 сомони = 1000 таджикиских рублов. 8* За 100000 единиц национальной валюты. 9* До 1996 г. - курс карбованца. 1 гривна = 100000 карбованцев.
Таблица 26. Динамика официального курса доллара США по отношению к российскому рублю*
(на конец месяца) Месяц Курс Курс Курс Руб.долл. США В % к предыду-щему месяцу Руб./долл. США В % к предыду-щему месяцу Руб./долл. США В % к предыду-щему месяцу 1992 1998 2000 Декабрь 414,5 92,7 Январь 6,026 101,1 Январь 28,55 105,7 1993 Февраль 6,072 100,8 Февраль 28,66 100,4 Декабрь 1247 102,7 Март 6,106 100,6 Март 28,46 99,3 1994 Апрель 6,133 100,4 Апрель 28,40 99,8 Декабрь 3550 109,8 Май 6,164 100,5 Май 28,25 99,5 1995 Июнь 6,198 100,6 Июнь 28,07 99,4
Таблица 26 (окончание)
Месяц Курс Курс Курс Руб.долл. США В % к предыдущему месяцу Руб./долл. США В % к предыду-щему месяцу Руб./долл. США В % к предыду-щему месяцу Декабрь 4640 101,4 Июль 6,238 100,6 Июль 27,80 99,0 1996 Август 7,905 126,7 Август 27,75 99,8 Декабрь 5560 100,9 Сентябрь 16,065 203,2 Сентябрь 27,75 100,0 1997 Октябрь 16,010 99,7 Октябрь 27,83 100,3 Январь 5629 101,2 Ноябрь 17,880 111,7 Ноябрь 27,85 100,1 Февраль 5676 100,8 Декабрь 20,650 115,5 Декабрь 28,16 101,1 Март 5726 100,9 1999 2001 Апрель 5762 100,6 Январь 22,60 109,4 Январь 28,37 100,7 Май 5773 100,2 Февраль 22,86 101,2 Февраль 28,72 101,2 Июнь 5782 100,2 Март 24,18 105,8 Март 28,74 100,1 Июль 5798 100,3 Апрель 24,23 100,2 Апрель 28,83 100,3 Август 5830 100,6 Май 24,44 100,9 Май 29,09 100,9 Сентябрь 5860 100,5 Июнь 24,22 99,1 Июнь 29,07 99,9 Октябрь 5887 100,5 Июль 24,19 99,9 Июль 29,27 100,7 Ноябрь 5919 100,5 Август 24,75 102,3 Август 29,37 100,3 Декабрь 5960 100,7 Сентябрь 25,08 101,3 Сентябрь 29,39 100,1 Октябрь 26,05 103,9 Октябрь 29,70 101,1 Ноябрь 26,42 101,4 Декабрь 27,00 102,2 * По данным Банка России. С 1998 г. - в масштабе цен, дествующем с 1 января 1998 г. Российский статистический ежегодник. М., 2001.
Lh OO
j
Таблица 27. Динамика официальных курсов иностранных валют по отношению к российскому рублю (на конец месяца)
Евро Немецкая марка Месяц Руб./евро В % предыдуще Руб./ немецкая В % к предыду му месяцу марка щему месяцу 1999 Январь 25,79 — 13,18 106,8 Февраль 25,11 97,4 12,84 97,4 Март 25,94 103,3 13,26 103,3 Апрель 25,73 99,2 13,16 99,2 Май 25,52 99,2 13,05 99,2 Июнь 25,107 98,2 12,82 98,2 Июль 25,94 103,5 13,26 103,4 Август 25,92 99,9 13,25 99,9 Сентябрь 26,46 102,1 13,53 102,1 Октябрь 27,43 103,7 14,03 103,7 Ноябрь 26,84 97,8 13,72 97,8 Декабрь 27,23 101,5 13,92 101,5 2000 Январь 28,23 103,7 14,43 103,7 Февраль 27,44 97,2 14,03 97,2 Март 27,13 98,9 13,87 98,9 Апрель 25,89 95,4 13,24 95,5 Май 26,19 101,2 13,39 101,1 Июнь 26,48 101,1 13,54 101,1 Июль 25,92 97,9 13,25 97,9 Август 24,74 95,4 12,65 95,5 Сентябрь 24,42 98,7 12,48 98,7 Октябрь 23,42 95,9 11,98 96,0 Ноябрь 23,88 102,0 12,21 101,9 Декабрь 26,14 109,5 13,37 109,5 2001 Январь 26,00 99,5 13,29 99,4 Февраль 26,22 100,8 13,40 100,8 Март 25,29 96,5 12,93 96,5 Апрель 25,67 101,5 13,13 101,5 Май 24,87 96,9 12,71 96,8 Июнь 24,57 98,8 12,56 98,8 Июль 25,60 104,2 13,09 104,2 Август 26,67 104,2 13,64 104,2 Сентябрь 26,86 100,7 13,73 100,7 Октябрь 26,87 100,0 13,74 100,1
Страна Единиц национальной валюты за 1 доллар США Отношение валютного курса к ППС (ППС=1) Сопоставимый уровень цен (от-ношение ППС к валютному курсу) США=100 ППС валютный курс Россия 220 ^ 51241* 2,32 43 Европа Австрия 13,6 10,6 0,780 128 Албания 29,72 104,53 3,517 28 Белоруссия 3462 13534 3,910 26 Бельгия 36,8 31 0,841 119 Болгария 41,93 174,84 4,170 24 Великобритания 0,644 0,641 0,996 100 Венгрия 72,55 152,65 2,104 48 Германия 2,03 1,50 0,742 135 Греция 214 241 1,126 89 Дания 8,33 5,80 0,696 144 Ирландия 0,673 0,625 0,930 108 Исландия 76,76 66,71 0,869 115 Испания 124 127 1,024 98 Италия 1583 1544 0,975 103 Латвия 0,225 0,552 2,453 41 Литва 1,48 4,0 2,705 37 Люксембург 39,7 31 0,780 128 Македония 21,34 40,0 1,875 53 Молдавия 1,01 4,61 4,547 22 Нидерланды 2,04 1,69 0,825 121 Норвегия 9,11 6,46 0,709 141 Польша 1,36 2,66 1,950 51 Португалия 122 154 1,260 79 Румыния 727 3083 4,241 24 Словакия 12,20 30,65 2,513 40 Словения 97,08 135,39 1,395 72 Украина 0,48 1,83 3,816 26 Финляндия 5,89 4,59 0,780 128 Франция 6,57 5,12 0,779 128 Хорватия 3,80 5,44 1,432 70 Чехия 11,69 27,15 2,322 43 Швейцария 2,05 1,24 0,602 166 Швеция 9,68 6,71 0,693 144 Эстония 5,37 12,04 2,241 45
Страна Единиц национальной валюты за 1 доллар США Отношение валютного курса к ППС (ППС=1) Сопоставимый уровень цен (от-ношение ППС к валютному курсу) США=100 ППС валютный курс Азия Азербайджан 942 4229 4,48 22 Армения 89,08 409,83 4,61 22 Бангладеш2* 10,57 41,80 3,95 25 Вьетнам2* 2176 11065 5,08 20 Грузия 0,33 1,17 3,48 29 Израиль 3,25 3,19 0,98 102 Индонезия2* 770,64 2342 3,04 33 Иран2* 537,57 1751 3,26 31 Казахстан 19,41 70,18 3,62 28 Киргизия 2,45 12,85 5,23 19 Республика 642,1 804,5 1,25 80 Корея2* Лаос2* 269,52 921,1 3,42 29 Малайзия 1,55 2,51 1,62 62 Монголия 179,1 548,80 3,07 33 Непал2* 10,34 56,69 5,48 18 Пакистан2* 10,10 36,08 3,57 28 Сингапур2* 1,63 1,41 0,86 116 Сянган 7,77 7,73 1,00 100 (Гонконг)2* Таджикистан 56,55 283,45 5,03 20 Таиланд2* 11,19 25,34 2,26 44 Туркмения 436 3516 8,06 12 Турция 32275 81405 2,07 48 Узбекистан 12,06 40,25 3,33 30 Филиппины2* 8,86 26,22 2,96 34 Шри Ланка2* 17,56 55,28 3,15 32 Япония 166 109 0,66 152 Америка Канада 1,19 1,36 1,15 87 Мексика 3,79 7,60 2,00 50 США 1.00 1,00 1,00 100 Австралия и Океания Австралия 1,30 1,28 0,98 102 Новая Зеландия 1,48 1,45 0,98 102 Фиджи2* 0,85 1,40 1,64 61 Источник: Российский статистический ежегодник. М., 2001.
1* В фактически действовавших ценах; в масштабе цен 1996 г. 2* Оценки ЭСКАТО ООН на базе сопоставлений по данным за 1993 г.
*
Таблица 29. Обменный курс доллара США в России в 1991-2002 гг. (на конец месяца) Год/Месяц 1 2 3 4 5 6 1991 37,1 37,9 42,0 1992 230,0 139,0 160,3 143,6 113,0 144,0 1993 572,0 593,0 684,0 823,0 994,0 1 060,0 1994 1 542,0 1 657,0 1 753,0 1 820,0 1 916,0 1 989,0 1995 4 048,0 4 473,0 4 897,0 5 100,0 4 995,0 4 538,0 1996 4 732,0 4 815,0 4 854,0 4 932,0 5011,0 5 108,0 1997 5 629,0 5 676,0 5 726,0 5 762,0 5 773,0 5 782,0 1998 6,03 6,07 6,11 6,13 6,16 6,20 1999 22,60 22,86 24,18 24,23 24,44 24,22 2000 28,55 28,66 28,46 28,40 28,25 28,07 2001 28,37 28,72 28,74 28,83 29,09 29,07 2002 30,685 30,9274 31,1192 31,1951
Год/Месяц 7 8 9 10 11 12 1991 50,0 51,9 56,0 73,1 110,0 169,2 1992 162,2 205,0 254,0 398,0 447,0 414,5 1993 989,5 992,5 1169,0 1186,0 1231,0 1247,0 1994 1 2052,0 2 153,0 2596,0 3055,0 3232,0 3550,0 1995 4415,0 4 447,0 4 508,0 4 504,0 4 580,0 4 640,0 1996 5 191,0 5 345,0 5 396,0 5 455,0 5511,0 5 560,0 1997 5 798,0 5 830,0 5 860,0 5 887,0 5 919,0 5 960,0 1998 6,24 7,91 16,06 16,01 16,88 20,65 1999 24,19 24,75 25,08 26,05 26,42 27,00 2000 27,8 27,75 27,75 27,83 27,85 28,16 2001 29,27 29,37 29,39 29,70 29,90 30,14 2002 * До 1997 г. в недоминированных рублях. Курс фиксируется по результатам торгов на Московской Межбанковской валютной бирже; Курс устанавливается Банком России для целей учета и та-моженных платежей. Источник: Российский статистический ежегодник: стат. сб. М., 1997. Таблица 30. Территория России в 1897-2000 гг.
Год 1897 1922 1925 1940 1944 1946 1954 1957 Млн км2 21,7 20,8 20,0 16,8 16,7 16,9 16,9 17,1 Год
1960
1970
1980
1990
1998
1999
2000
й
17,1
17,1
17,1
17,1
17,1
17,1
17,1
Млн км2 Примечание. Российской Империи (1725-1917), Российской Социалистической Федеративной Советской Республики - РСФСР (1917-1922), Российской Советской Федеративной Социалистической Республики - РСФСР в составе СССР (1922-1991 гг.), Российской Федерации (с 1991 г.).
1897 г. - в границах Российской Империи. Причины изменения территории: 1924 г.- образование Узбекской и Туркменской ССР; 1936 г. - образование Казахской и Киргизской ССР и передача в состав Узбекской ССР Каракалпакской АССР; 1940 г. - образование Карело-Финской ССР; 1944 г. - в состав РСФСР принята Тувинская автономная область; 1945-1946 гг. - в состав РСФСР вошли: Калининградская обл., Южный Сахалин и Курильские о-ва; 1954 г. - Крымская обл. передана Украине; 1956 г. - в состав РСФСР вошла Карельская АССР.
Источники: Россия: Энциклопедический словарь. СПб.: Издатели: Ф.А. Брокгаузъ и ИЛ Ефронъ. 1898. Репринт. JI., 1991; Народное хозяйство РСФСР: Стат. сб. М., 1957; Российский статистический ежегодник: Стат. сб. М., 2000; Россия в окружающем мире: 2002. М., 2002.
Таблица 31. Доля России и других стран в мировых показателях экономического развития в 2003 г., (в %) Страна Население ВВП Экспорт товаров и услуг Россия 2,5 1,6 1,3 Страны ЕС 6,3 19,9 40,3 Великобритания 1,0 3,3 5,6 Индия 16,5 4,4 0,7 Канада 0,5 1,8 3,6 Китай 21,2 12,0 3,1 США 4,6 20,8 13,8 Франция 1,0 3,4 5,7 ФРГ 1,4 4,5 9,3 Япония 2,2 7,4 6,5 Источник: Устинов И.Н. Мировая торговля: Стат. аналит. спр. М., 2000 (данные за 1970-1999 гг.) и последующие авторские доисчисления. Приложение 5
<< | >>
Источник: В.М.Симчера. РАЗВИТИЕ ЭКОНОМИКИ РОССИИ ЗА 100 ЛЕТ1900 -2000. 2007

Еще по теме 3.3. Алгоритмы компьютерной программы анализа взаимосвязи исторических рядов:

  1. 3.1. Алгоритм компьютерной программы прогнозированияисторических рядов(Алгоритм построен с использованием методовтригонометрического анализа)
  2. 3.2. Алгоритм компьютерной программы взаимосвязиисторических рядов(построен с использованием методов дискриминантного анализа)
  3. 7. ПРОГРАММА ИЗДАНИЯ ИСТОРИЧЕСКИХ РЯДОВ
  4. 5.5. Компьютерная реализация алгоритма ЦИКЛ
  5. ЗАРУБЕЖНЫЙ ОПЫТ ПОСТРОЕНИЯ И ПУБЛИКАЦИИ ДОЛГОВРЕМЕННЫХ ИСТОРИЧЕСКИХ РЯДОВ
  6. 13.11. Информационные технологии и применение компьютерных программ
  7. 7.2. РЕАЛИЗОВАННЫЕ ИСТОРИЧЕСКИЕ ПРОГРАММЫ РАЗВИТИЯСТРОИТЕЛЬНОГО ПРОИЗВОДСТВА В РОССИИ
  8. 4.2. Анализ товарооборота и производственной программы ресторанного хозяйства
  9. ГЛАВА 2. Исторический обзор развития методологии объектно-ориентированного анализа и проектирования сложных систем
  10. КОМПЬЮТЕРНЫЕ ПРЕСТУПЛЕНИЯ - преступления в сфере компьютерной информатики.
  11. 6.4. ПЕРЕХОД ОТ ИСТОРИЧЕСКИХ МИНИМУМОВК ИСТОРИЧЕСКИМ МАКСИМУМАМ В РАЗВИТИИСЕЛЬСКОГО ХОЗЯЙСТВА РОССИИ
  12. Результативность и эффективность использования бюджетных программ.15 Роль и значение бюджетных программ в развитии бюджетного процесса в Казахстане.Г л а в а 7 Межбюджетные отношения в системе государственных финансов
  13. 5.3. Свойства алгоритма ЦИКЛ
  14. Часть I Компьютерная безграмотность
  15. 5.6. Сравнение алгоритмов классификации
  16. 80. КОМПЬЮТЕРНЫЕ ИНДИКАТОРЫ
  17. 85. КРИМИНАЛИСТИЧЕСКАЯ ХАРАКТЕРИСТИКА КОМПЬЮТЕРНЫХ ПРЕСТУПЛЕНИЙ
  18. АЛГОРИТМ