года на основе первоначальной тенденции, и наблюдаемым значением.
Согласно рис.4.1, для 1995 г. результат воздействия реорганизации на расходы
служб составляет 50 долларов. Если данные оказываются такими, как
показывает рис.4.2, предсказываемые и наблюдаемые значения будут совпадать
и можно будет считать, что реорганизация не оказала воздействия на расходы.
Рис.4.3 иллюстрирует случай, когда реорганизация вначале уменьшила
расходы, но не повлияла на тенденцию. В то время как рис.4.1 демонстрирует,
что общий результат реорганизации за четыре года составил 325 долларов,
рис.4.3 демонстрирует результат лишь в размере 25 долларов.
В некоторых случаях тенденция, с которой мы имеем дело, не так отчетлива и
устойчива, как в данном примере. Пусть, например, городская полиция,
озабоченная ростом количества арестов за проституцию, организует кампанию
по борьбе с этим явлением и затем хочет узнать, насколько она была успешна.
Рис.4.4 демонстрирует, какого рода данные могли быть собраны на протяжении
десятилетнего периода. Значения зависимой переменной (аресты за
проституцию) [c.142] в разные годы на протяжении указанного периода то
возрастают, то уменьшаются. Задача исследователя – определить, есть ли
существенное отличие между общей тенденцией, следующей за проведенной
кампанией, и общей тенденцией, предшествующей проведению кампании.
Один из способов решить эту задачу заключается в сравнении среднегодового
количества арестов за проституцию в годы, предшествующие кампании и
следующие после нее. (Среднее количество арестов в том и другом случаях
равно в данном примере девяти.) Если мы будем считать, что без проведения
кампании тенденция осталась бы прежней, то различие между двумя средними
значениями можно использовать как показатель воздействия кампании на
уровень арестов за проституцию. Другой способ – сравнить линии тенденций
(представленные на рис.4.4 пунктирной линией), проходящие через разбросы
значений зависимой переменной в период до кампании и после нее, чтобы
определить, различаются ли общие тенденции.
Этот пример иллюстрирует одно из важных достоинств программ измерения
временного ряда. Если мы отмечаем количество арестов только в 1994 и 1996
гг. (как в типичном [c.143] исследовании “до введения стимула – после
введения стимула”), мы можем сделать вывод, что полицейская кампания
уменьшила количество арестов за проституцию. Однако данные измерений
временного ряда позволяют увидеть, что падение числа арестов с 1994 по 1996
г. – нормальная флуктуация относительно общей тенденции (представленной
пунктирной линией), которая остается не затронутой полицейской акцией.
Помимо сильной стороны, программы измерения временных рядов имеют и
свою слабую сторону. Во многих случаях у нас нет контрольной группы, и
поэтому мы не можем с уверенностью сказать, каковы результаты воздействия
независимой переменной, так как не знаем точно, каким было бы значение
зависимой переменной в отсутствие независимой переменной; мы можем лишь