Uvod

Metodologija kvantitativnih istraživnja razvijala se dugo i prerasla je u nezavisnu

multidisciplinarnu naučnu oblast. Najveći uticaj na formiranje ove oblasti imale su statistika,
informatika, sociologija i psihologija. Uloga statistike na ovom području se svodi na pružanje
alata za projektovanje uzoraka, analizu podataka, izvođenje zaključaka i testiranje hipoteza.

U određivanju mesta i značaja statističkog istraživanja, treba poći od činjenice masovnosti

pojava u prirodi i društvu. Radi preciziranja izvesnih pojava o masovnim predmetima objektivne
stvarnosti, nameće se brojanje, merenje i evidentiranje. Na taj način se dobijaju veliki skupovi
brojčanih podataka čije sažimanje omogućuje statistika, čime ih čini podesnim za praktičnu i
naučnu upotrebu.

Statistička istraživanja imaju veoma dugu istoriju i može se reći da su statističke akcije i
statistička istraživanja strari koliko i država. Kao najznačajniju statističku akciju u starom veku
izdvajamo „rimski cenzus“. To je popis stanovnika i njihove imovine koji je organizovan u
rimskoj republici svake pete godine. Popisivano je stanovništvo po sledećim obeležjima: pol,
starost, mesto stanovanja i imovinsko stanje.1

U pokušaju da pruži mali doprinos sagledavanju etapa statističkog istraživanja , ovaj rad
će se najpre pozabaviti pojmom i suštinom statističkog istraživanja, nakon čega će se fokusirati
na dve glavne etape ovog istraživanja – statističko posmatranje i statističku analizu sa osvrtom na
faze njihovog odvijanja.

1. Pojam statističkog istraživanja

1
Vera Đorđević: „Statistika u ekonomiji“, Univerzitet u Nišu, Ekonomski fakultet, Niš, 2003. god. str. 3.

~1~
 Pod statističkim istaživanjem podrazumevamo skup matematičko-statističkih i drugih
postupaka koji se primenjuju u nekoj statističkoj akciji. Predmet statističkog istraživanja su
masovne pojave, koje su po svojoj prirodi varijabilne, pa ih treba posmatrati na velikom broju
slučajeva i na osnovu tih posmatranja doneti odgovarajuće zaključke. Naime, da bi se neka
pojava mogla pravilno i pouzdano protumačiti, ona se mora posmatrati u velikom broju, odnosno
masovno. Masovna pojava predstavlja skup elemenata koji se odlikuju nizom zajedničkih, ali
varirajućih obeležja (karakteristika)2. Ova obeležja je moguće istraživati i na osnovu njih
otkrivati zakonitosti u celom skupu elemenata. Po zakonu velikih brojeva, pravilnosti u
ponašanju varijabilnih pojava ispoljavaju se samo pri posmatranju velikog broja slučajeva . Zbog
toga se statistika najčešće interpretira kao naučni metod kvantitativnog istraživanja masovnih
pojava. Drugim rečima, statistika istražuje masovne pojave i to istraživanje ima kvantitativan
karakter3. To znači da se prikupljeni statistički podaci i rezultati dobijeni statističkom analizom o
posmatranoj masovnoj pojavi mogu kvantitativno (numerički) iskazati.

Sa druge strane, kvantitativno istraživanje možemo definisati kao sistematski napor za

prikupljanje podataka o elementima nekog skupa entiteta (najčešće uzorak) sa ciljem
konstruisanja kvantitativnih pokazatelja cele populacije kojoj ti elementi pripadaju. 4 Statističko
istraživanje ima i kvalitativan karakter. To znači da nakon statističkog istraživanja, obrađeni
podaci treba da postanu informacije, odnosno da su od koristi onome ko treba da donese neku
odluku.

Statističko istraživanje se bazira na podacima koji su prikupljeni u prošlosti, ali na osnovu

kojih se može predvideti i ponašanje pojave u budućnosti (Savić, 2005., str. 10).

Cilj svakog istraživača koji se odlučio za statističko istraživanje jeste da dođe do najmanje
jednog, a najčešće do većeg broja kvantitativnih pokazatelja koji su rezultat sažimanja podataka,
a koji se kasnije mogu koristiti u različite svrhe i na različite načine.

2. Etape statističkog istraživanja

Statističko istraživanje se odvija u dve etape5: 1) statističko posmatranje; 2) statistička analiza.

U prvoj etapi statističkog istraživanja rešavaju se metodološki problemi istraživanja.

Statističko posmatranje se rašlanjava na nekoliko faza: izrada plana statističkog posmatranja,
prikupljanje statističkih podataka, sređivanje statističkih podataka, prikazivanje statističkih
podataka. Analiza uključuje: matematičku obradu podataka, analizu rezultata i objavljivanje
rezultata.

2
Mirko Savić: „Poslovna statistika“, Mirko Savić, Subotica, 2005. str. 10.
3
Mileva Žižić i drugi: „Metodi statističke analize”, Centar za izdavačku delatnost ekonomskog fakulteta, Beograd,
2004. str. 3.
4
Paskota Mira: „Metodologija kvantitativnih istraživanja“, Saobraćajni fakultet Univerziteta, Beograd, 2007. Sstr. 3.
5
Milutin Stojković: „Statistika u ekonomiji“, Ekonomski fakultet, Subotica, 1990. str. 30.

~2~
 ETAPE STATISTIČKOG
ISTRAŽIVANJA

Stastističko
Statistička analiza
posmatranje

Izrada plana Statička analiza

Prikupljanje podataka Dinamička analiza

Regres. i korelac.
Grupisanje podataka
analiza

Matematička obrada
Sređivanje podataka podataka

Prikazivanje podataka Analiza rezultata

Objavljivanje rezultata

Slika br. 1 – Etape i faze statističkog istraživanja6

Statistička teorija i praksa najčešće koristi tri vrste statističkih analiza, u zavisnosti od
toga da li se istraživanje pojava vrši u stanju njihovog mirovanja, stanju kretanja u vremenu ili
istražujemo međuzavisnost između pojava. Na osnovu ta tri stanja, statističku analizu delimo na:
statičku analizu, dinamičku analizu i regresionu i korelacionu analizu. Etape i faze statističkog
istraživanja se mogu prikazati na sledeći način:

Slika br. 1 ukazuje da sve tri vrste statističke analize – statička, dinamička i regresiona i
korelaciona imaju tri faze. U pitanju su matematička obrada podataka, analiza rezultata i
objavljivanje rezultata.

Jedno drugo gledište smatra da postoje četiri etape statističkog istraživanja7:

6
Milutin Stojković: „Statistika u ekonomiji“, Ekonomski fakultet, Subotica, 1990. str. 31.
7
Milanka Marković i Simka Petković: „Poslovna statistika“, Viša poslovna škola, Beograd, 1999. str. 5.

~3~
 1. Priprema posmatranja;
2. Statističko posmatranje – prikupljanje podataka;
3. Kontrola, sređivanje, grupisanje, obrada i prikazivanje podataka;
4. Analiza podataka i njihovo tumačenje.

Po ovom gledištu, statističkom posmatranju prethodi priprema posmatranja koja

obuhvata: program posmatranja (cilj istraživanja, definisanje predmeta posmatranja, jedinica i
obeležja posmatranja, izbor izveštajnih jedinica, metode obuhvatanja jedinica posmatranja, izradu
upitnika, uputstava, ...) i planiranje organizacije istraživanja (podela poslova na etape i faze,
rokove, potreban kadar i njegova obuka za rad, potrebni materijalni uslovi za rad i troškovi
istraživanja).

2.1. Statističko posmatranje

Statističko posmatranje je prva etapa statističkog istraživanja i od njegovog pravilnog

izvođenja u mnogome zavisi druga etapa. U pitanju je vrlo obimna etapa statističkog istraživanja.
U njoj treba formulisati cilj, predmet, jedinice posmatranja, obeležja jedinica posmatranja,
prikupiti statističke podatke, grupisati ih, srediti ih i na jedan od načina ih prikazati za etapu
statističke analize.

Veoma važno je da prikupljeni podaci tokom statističkog posmatranja budu tačni, potpuni
i istiniti. U suprotnom, ozbiljno se dovodi u pitanje vršenje statističke analize.

2.1.1. Plan statističkog posmatranja

Prva faza statističkog posmatranja jeste izrada plana posmatranja. Ovim planom treba
obuhvatiti sve ono što se odnosi na sve faze statističkog posmatranja, s tim da njime najpre treba
rešiti kadrovska, finansijska, organizaciona, tehnička i neka druga pitanja. Plan statističkog
posmatranja mora sadržati8 :

 Cilj posmatranja;
 Predmet posmatranja;
 Jedinicu posmatranja;
 Obeležja jedinice posmatranja;
 Redakciju upitnika i uputstava;
 Izvor i način posmatranja;
 Mesto i vreme posmatranja;
 Obim posmatranja;
 Pripremne radove; i
 Proveru rezultata posmatranja.
Cilj svakog posmatranja treba da bude sticanje određenog naučnog saznanja koje, pored
društvenih vrednosti, ima i svoju svrsishodnost. Cilj se određuje na osnovu toga šta se želi dobiti
8
Milutin Stojković: „Statistika u ekonomiji“, Ekonomski fakultet, Subotica, 1990. str. 32.

~4~
istraživanjem. Cilj posmatranja treba postaviti jasno, konkretno i precizno, kako bi se što bolje
definisali predmet, obeležja i jedinice posmatranja. Jasno, precizno i konkretno određenje cilja
posmatranja omogućuje da posmatranje bude adekvatno isplanirano, kako sadržinski, tako i
tehnički i organizaciono.

Predmet posmatranja je statistička masa. To je skup pojava određene vrste koji je u

žiži interesovanja istraživača9. U zavisnosti od postavljenog cilja, predmet posmatranja je uvek
određena masovna pojava definisana u prostoru, vremenu i po sadržini preko skupa
istovrsnih jedinica. Usled složenosti posmatranih pojava, utvrđivanje statističke mase, po
pravilu, nije nimalo lak i jednostavan posao, koji se sa određenim uspehom obavlja jedino na
osnovu plana istraživanja.

Prostorno odrediti statističku masu znači tačno defnisati prostor i mesto na kome će se
vršiti prikupljanje statističkih podataka, odnosno posmatranje statističke mase. Vremenski
odrediti predmet posmatranja znači tačno ustanoviti vreme u kome će se vršiti statističko
posmatranje. Sadržinski odrediti statističku masu znači da treba odrediti broj i vrstu jedinica
posmatranja.

Podela statističkih masa se može izvršiti na više načina. Prema dimeziji, razlikujemo
jednodimenzionalne i višedimenzionalne statističke mase10. Kod jednodimenzionalne statističke
mase postoji samo jedno obeležje koje je predmet istraživanja (na primer, u jednoj školi ispituje
se samo visina učenika). Kod višedimenzionalne statističke mase postoje više obeležja koja su
predmet istraživanja (na primer, u školi se pored visine učenika ispituje i njihova telesna masa,
zdravstveno stanje, broj članova domaćinstva i sl.).

U zavisnosti od cilja istraživanja i karakteristika jedinica posmatranja, stastistička

masa može biti homogena ili diferencirana11. Ukoliko ne postoji kriterijum po kojem bi jedinice
statističke mase trebalo podeliti na više delova, govorimo o homogenoj statističkoj masi. Na
primer, ako pri istraživanju korisnika mobilne telefonije nema potrebe da se korisnici dele u
skupove prema mreži koju koriste, radi se o homogenoj statističkoj masi. Kod diferencirane
statističke mase se sve jedinice posmatranja na osnovu određenog kriterijuma dele na
podskupove. Na primer, ako je bitno prilikom istraživanja mobilne telefonije koja se
distributerska mreža koristi, korisnici mobilne telefonije se dele u grupe na osnovu tog
kriterijuma.

Jednicu posmatranja nije uvek lako definisati u stastičkoj praksi. Ali, da bi se upoznala
statistička masa, neophodno je prikupiti statističke podatke o svakoj jedinici posmatranja ili
elementu posmatranja. Jedinica posmatranja je svaka jedinica statističke mase koja se posmatra.
Kada posmatramo stanovništvo jednog grada, onda je jedinica posmatranja svaki stanovnik toga
grada. Međutim, ako kažemo da posmatramo mala preduzeća, moramo tačno definisati šta su to
mala preduzeća - da li su to ona koja imaju do 50 zaposlenih, koja imaju imovinu manju od
određenog limita ili koja ostvaruju prihod manji od propisanog?

U društvenim naukama, jedinice posmatranja mogu biti:

9
Stojadinović Dragić: „Osnovi naučnog rada“, Ekonomski fakultet, Priština – Zubin Potok, 2003. str. 189.
10
Mirko Savić: „Poslovna statistika“, Mirko Savić, Subotica, 2005. str. 13.
11
Ibid str. 13.

~5~
  Individue. Pojedinci su u društvenim naukama najčešće jedinice posmatranja. Ovo zato što
sve društvene nauke na jedan ili drugi način pokušavaju da razumeju ljudsko ponašanje, a
ponašanje je po definiciji vezano za pojedince;
 Grupe. Društvene grupe su takođe veoma često jedinice posmatranja u društvenim
istraživanjima;
 Organizacije. Neretko, jedinice posmatranja u društvenim istraživanjima jesu organizacije
ili institucije. Tako na primer, predmet društvenog istraživanja mogu biti mala i srednja
preduzeća, a mi za cilj možemo imati da utvrdimo oblike organizacije, interakciju i
socijalnu mrežu koja postoji unutar organizacije, neformalne društvene grupe itd;
 Socijalni artefakti. Jedinice posmatranja u društvenim istraživanjima mogu biti proizvodi
ljudi ili njihovo ponašanje. Ovaj tip društvenih pojava naziva se socijalnim artefaktima.
Socijalni arefakti uključuju i različite predmete kao što su knjige, pisma, slike, automobili,
zgrade, naučna dostignuća itd.

Statistika poznaje i pojam izveštajne jedinice. Ona predstavlja izvor iz koga prikupljamo
statističke podatke i ona se u praksi uvek ne poklapa sa jedinicom posmatranja. Na primer, ako
posmatramo jednu firmu, svaki zaposleni u njoj može predstavljati jedinicu posmatranja, a
izveštajna jedinica je preduzeće, odnosno kadrovska služba, jer ona daje statističke podatke o
zaposlenima.

Obeležja jedinice posmatranja moraju jasno biti određena planom posmatranja. Ako je
jedinica posmatranja putnički automobil, obeležja mogu biti zapremina, snaga, masa, potrošnja
goriva, ubrzanje, broj sedišta, itd. Obeležja posmatranja se dele na atributivna i numerička.
Atributivna obeležja jedinice posmatranja su ona koja se mogu opisno izraziti. Na primer, ako
je jedinica posmatranja zaposleni, atributivna obeležja mogu biti pol, nacionalnost, mesto
rođenja, bračno stanje, itd. U statistici se i atributivna obeležja mogu izraziti i numerički, preko
kodova, rangova, procenata i slično (Marić, Ralević, Filipović, 2001. str. 1). Numerička
obeležja jedinice posmatranja su obeležja koja se mogu izraziti brojevima. Tako, u prethodnom
pomenutom slučaju gde je jedinica posmatranja zaposleni, numerička obeležja mogu biti starost,
broj godina radnog staža, visina zarade, iznos zaduženja po zaradi i sl. Opšte je pravilo da se u
posmatranje uzimaju samo bitna obeležja koja su u posrednoj i uzročnoj vezi sa pojavom koju
posmatramo. Ako su vrednosti numeričkog obeležja celi brojevi ono je prekidno, a ako su
vrednosti iz skupa realnih brojeva ono je neprekidno. Drugim rečima, neprekidna obeležja mogu
uzeti bilo koju vrednost iz mogućeg intervala vrednosti (npr. težina, visina starost,…), a do
vrednosti ovih obeležja se dolazi merenjem, dok prekidna obeležja mogu uzeti samo cele brojeve
iz mogućeg skupa vrednosti (broj dece, broj zaposlenih, broj izdržavanih lica,…), a do vrednosti
ovih obeležja se dolazi prebrojavanjem12.
Redakcija upitnika i uputstava. Statističko posmatranje zahteva obrasce, formulare i
uputstva na osnovu kojih će se lakše i pouzdanije vršiti prikupljanje statističkih podataka.
Najčešće primenjeni obrazac za prikupljanje ovih podataka jeste statistički upitnik. U pitanju je
obrazac na kome se nalaze razna pitanja, a na koja se traže odgovori, pri čemu će se kasnije ovi
odgovori grupisati, sređivati i analizirati. Upitnik je osnovno sredstvo za jednoobrazno
prikupljanje podataka sa jasno, precizno i kratko formulisanim nedvosmislenim pitanjima i
dovoljnim prostorom za unos odgovora (Marković, Petković, 1999, str. 5). Upitnici mogu biti

12
Marković Milanka i Petković Simka: „Poslovna statistika“, Viša poslovna škola, Beograd, 1999. str. 7

~6~
individualni i kolektivni. Za svako statističko posmatranje, u zavisnosti od cilja posmatranja,
izrađuju se posebni upitnici i uputstva, tako da za više statističkih posmatranja nema jedinstvenih
upitnika i uputstava.

Izvori i načini posmatranja. Prikupljanje podataka i njihov odabir predstavlja, zapravo,

predmet primene statističkog metoda. Proces prikupljanja podataka je neobično važna faza u
statističkom istraživanju, jer ukoliko sa terena ne dobijemo „dobre“podatke, čitav posao koji smo
obavili pre toga, kao i čitava potanja analize podataka neće imati naročitog smisla. Zato se ovoj
fazi istraživanja mora posvetiti posebna pažnja i metodološki oprez. Za svaku od metoda postoji
čitav niz preventivnih mera kao i mera kontrole koje istraživač mora da uključi kako bi došao do
podataka koji su validni i verodostojni. U statističkoj praksi najčešće se koriste tri izvora
prikupljanja statističkih podataka: 1) na neposredan način (ličnim uvidom); 2) preko
dokumentacije; 3) na posredni način (ispitivanjem lica).

Neposredno posmatranje se sastoji u tome što se statistički podaci dobijaju od nadležnih

organa koji su zaduženi za izveštajnu jedinicu. Međutim, ako se neki podaci ne mogu prikupiti od
nadležnih lica, onda se vrši posmatranje ličnim uvidom. Na primer, ako nas interesuje gustina
kupaca u nekoj prodavnici, lično ćemo, u nekom vremenu vršiti brojanje kupaca koji uđu u tu
prodavnicu. Neposredno posmatranje se može klasifikovati prema ulozi koju posmatrač ima u
njemu na (Mihailović, 1999, str. 157-158): 1) posmatranje bez učestvovanja posmatranča; 2)
posmatranje sa učešćem posmatrača.

Dokumentacija (kartoteke, matične knjige, inventarski zapisi, itd.) ako je pouzdana, može
se koristiti kao izvor posmatranja. Na primer, statistički podaci o studentima nalaze se u matičnoj
knjizi, statistički podaci o preduzećima nalaze se u spisima suda itd.

Posredan način posmatranja ili posmatranje ispitivanjem sastoji se u prikupljanju

podataka ispitivanjem lica koja mogu dati te podatke. Pri tome se pitanja postavljaju onim licima
koja mogu pružiti tačne odgovore u vezi sa obeležjem jedinice posmatranja.

Kada govorimo o načinu posmatranja, statistička praksa razlikuje pet načina

posmatranja, odnosno prikupljanja podataka: 1) ekspedicioni; 2) prijavni; 3) poštansko-
telegrafski; 4) korespodentni; 5) samoregistracijom.13
Ekspedicioni način statističkog posmatranja se sastoji u organizovanju mreže lica koja
vrše popunu upitnika u samom izvoru statističkog posmatranja. Ovaj način statističkog
posmatranja daje pouzdane podatke, ali je dosta skup.
Prijavni način statističkog posmatranja se veoma retko upotrebljava. Kod ovog načina
posmatranja tim koji rukovodi statističkim posmatranjem poziva određena lica da daju potrebne
statističke podatke. Na taj način se štede finansijska sredstva, ali ovaj način prikupljanja podataka
nije pouzdan zbog mogućnosti neodziva lica, te zbog vremena u kome će se statističko
posmatranje vršiti.
Poštansko-telegrafski način statističkog posmatranja podrazumeva slanje praznih upitnika
i uputstava izvšajnim jedinicama sa zahtevom da odgovarajuća lica daju statističke podatke i
potom poštom vrate popunjene upitnike. Ovaj način zahteva visoku svest lica koja popunjavaju

13
Stojković Milutin: „Statistika u ekonomiji“, Ekonomski fakultet, Subotica, 1990. str. 37.

~7~
upitnike. Statistički podaci se mogu prikupiti i telefonskim putem, ali se ovaj način koristi samo u
izuzetnim slučajevima.
Samoregistracija je način statističkog posmatranja u kome lica koja vrše posmatranje
odlaze u izveštajne jedinice i određenim licima dele upitnike i uputstva da ih ovi popune. Posle
izvesnog vremena popunjeni upitnici se prikupljaju i proveravaju na licu mesta da li su shodno
uputstvima popunjeni.

Mesto i vreme posmatranja. Jedinica posmatranja se ne može uvek posmatrati u

kritičnom momentu, kao i na mestu gde treba da se nalazi. Posebni problemi se javljaju kod
jedinica posmatranja koje su stalno u kretanju. Na primer, kod popisa stanovništva, u kritičnom
momentu, nisu svi stanovnici na mestu posmatranja.

Prema vremenu posmatranja, posmatranje može biti jednokratno, periodično i stalno.

Jednokratno posmatranje se vrši u određenom momentu ili periodu, bez obzira da li je

ranije vršeno ili nije. Ovo posmatranje se obično vrši nakon nekih neregularnih kolebanja
(poplave, zemljotresi, požari, itd.).
Periodično posmatranje se vrši po unapred utvrđenim periodima ili u kritičnom momentu
ili u intervalima vremena. Na primer, popis stanovništva se vrši svake desete godine u određenom
trenutku (ponoć između 31.03. i 01.04.).
Stalno statističko posmatranje se obavlja onda ako to zahtevaju potrebe zbog prirode
posla. Na primer, vođenje evidencije o prisutnosti na poslu, o dnevnom učinku, dnevnoj količini
proizvoda, itd.
Obim posmatranja. Statističkim posmatranjem se nekada mogu obuhvatiti sve jedinice
posmatranja, a nekada samo pojedine, u zavisnosti od vrste pojave koju posmatramo, ali i od
vremena i sredstava sa kojima raspolažemo. U statističkoj praksi su poznata dva načina
posmatranja prema obimu: potpuno i delimično posmatranje.

Potpuno posmatranje se deli na popisno i izveštajno. Drugim rečima, postoje dva

osnovna metoda potpunog statističkog posmatranja: statistički popis i izveštajni metod
(Marković, Petković, 1999, str. 8). Statistički popis obuhvata sve statističke jedinice statističke
mase, a vrši se u jednom određenom momentu koji se naziva kritičan momenat. On daje potpun
pregled strukture posmatranog skupa prema raznim obeležjima. Kao primer možemo navesti
godišnji inventar u preduzeću. Popisno posmatranje mora biti sveobuhvatno, jednovremeno,
periodično i zakonito. Sveobuhvatnost podrazumeva da se u popisu prikupe svi potrebni podaci
za svaku statističku jedinicu koja je u statističkoj masi. Jednovremenost u popisu znači da se
potrebni podaci za sve statističke jedinice posmatraju u jednom određenom trenutku.
Periodičnošću se obezbeđuje da se popisi ponavljaju u utvrđenim periodima. Zakonitost popisa
obezbeđuje se donošenjem odgovarajućih zakona za svaki popis. Statistički popis zahteva velike
troškove i pripremu.

Izveštajno posmatranje se sastoji u tome da se posmatranje svih statističkih jedinica izvrši

u redovnim određenim momentima ili u određenim intervalima vremena, i to tako da se podaci u
obliku izveštaja dostavljaju nadležnim organima ili službama. Drugim rečima, izveštajno
posmatranje kontinuirano prati događaje čiji je varijabilitet tokom vremena jače izražen. Obično
ga sprovode lica, odnosno institucije sistema, radi svojih poslovnih potreba. Ovde spadaju
izveštaji o poslovanju, izveštaji o prometu, izveštaj o rođenju, itd.
~8~
Delimično posmatranje obuhvata anketu, uzorak, procenu, selekciju i monografiju.

Anketa je delimično statističko posmatranje koje se izvodi na malom broju statističkih

jedinica statističke mase , koje su prethodno izabrane na osnovu kvantitativne analize. Kod izbora
jedinica, pre svega, vodi se računa da one predstavljaju određene tipove pojava. Anketa se
primenjuje u onim slučajevima kada ne postoje uslovi za potpuno posmatranje, a želi se dosta
detaljno statističko istraživanje.

Uzorkovano delimično posmatranje poznato je kao metod uzorka i najčešće se primenjuje

u statističkoj praksi. Kod ovog metoda posmatra se samo deo statističke mase koji je na slučajan
način izabran. Na osnovu posmatranje dela statističke mase, donose se zaključci o
karakteristikama cele mase, uz izvesni stepen verovatnoće. Uzorak predstavlja metodološki
specifičan način da se izvrši izbor finalnih jedinica koji reprezentuju čitavu populaciju. U pitanju
je reprezentativni deo osnovnog skupa, na osnovu koga se donose zaključci o karakteristikama
osnovnog skupa (Marković, Petković, 1999, str. 9). Pri planiranju uzorka, treba rešiti sledeća
pitanja: izbor tipa uzorka, način izbora jedinice za uzorak i veličina uzorka. U praksi postoji
čitav niz različitih uzoraka kao i čitav niz različitih procedura uzorkovanja, a ovo u zavisnosti od
problema samog istraživanja. Prema načinu izbora jedinica u uzorak postoje namerni i slučajni
uzorak. Statističari najčešće koriste slučajne uzroke na bazi teorije verovatnoće. Osnovni
kriterijum koji uzorak mora da ispuni jeste da on mora da poseduje sve ključne karakteristike
koje poseduje populacija (reprezentativnost). No, finalne jedinice mogu da se biraju i drugačijim
pristupom a ne metodom uzorkovanja. Tako npr. ako se opredelimo za analizu slučaja kao metod,
izbor slučaja se bazira na nekim kriterijumima koji su najadekvatniji za proces istraživanja.
Prema veličini, razvila se teorija malih uzoraka (n<30) i teorija velikih uzoraka (n>30).

Monografsko ispitivanje pripada vrsti delimičnog posmatranja kojim se obuhvata veoma

mali broj stastističkih jedinica. Ove jedinice obično imaju izražene uočljive karakteristike , pa su
interesantne za posmatranje. Na primer, posmatranje jedne eksperimentalne škole. Najčešće,
ciljano se bira onaj slučaj koji na najbolji način pokazuje obrazac ili vezu između društvenih
pojava koje su predmet našeg interesovanja.

Procenjeno statističko posmatranje sprovodi se na osnovu jednog dela statističke mase na

osnovu čega se donosi zaključak o celoj statističkoj masi. Kod ovog posmatranja se ne traži
velika tačnost ocene, već se zadovoljavamo procenom karakteristika statističke mase. Na primer,
procena prinosa žitarica u poljoprivredi.

Selekcija kao vrsta statističkog posmatranja je jedna varijanta metoda uzorka. U okviru
statističke mase ispitujemo manji deo statističkih jedinica koje imaju, a i ne moraju imati
određenu osobinu. Koristi se i onda ako vršimo uporedno posmatranje delova statističke mase
prema posedovanju ili neposedovanju nekih karakteristika.
Pripremni radovi obuhvataju sledeće poslove: izradu i nabavku statističkog materijala,
spiskova i adresara, kartografskog materijala, izbor i pripremu kadrova, propagandu itd. Svi ovi
poslovi moraju biti jasno objašnjeni u planu posmatranja.

~9~
 Definisanje provere rezultata posmatranja obuhvata definisanje radnji kojima će se
proveriti rezultati statističkog posmatranja. Provera se može vršiti kako u toku prikupljanja
podataka, tako i nakon završenog prikupljanja.

2.1.2. Prikupljanje statističkih podataka

Prikupljanje statističkih podataka zapravo predstavlja sprovođenje u delo svega što je

definisano u planu istraživanja. Pribavlja se dokumentacija, vrše se intervjui, anketiraju se
ispitanici i sl. Svi saradnici u toku istraživanja se moraju dosledno pridržavati datih uputstava.
Svi obrasci, formulari i upitnici moraju biti jednoobrazni.

Greške su neminovni pratilac statističkih istraživanja i mogu bit slučajne i sistematske

(Marković, Petković, 1999, str. 9). Slučajne greške se ne javljaju se na svakom podatku i nisu
konstantne veličine; nemaju naročit uticaj na rezultat istraživanja, jer se međusobno potiru.
Sistematske greške se javljaju se na svakom podatku, kao posledica neprecizno definisanih
obeležja statiostičkih jedinica ili nestručno primenjenih instrumenata posmatranja i merenja; ove
greške utiču na rezultat, pa se moraju otkloniti.

2.1.3. Grupisanje statistikih podataka

Klasifikacija prikupljene statističke građe koja se vrši kako tokom sakupljanja statističkih
podataka, tako i po okončanju te faze, znači sortiranje i grupisanje podataka po unapred
određenim kriterijumima. Tako se, na primer, posebno izdvajaju kvalitativni podaci
(stanovništvo se klasifikuje po polu, školskoj spremi, zanimanju, bračnom stanju, itd.). Na
odgovarajući način se predmet istraživanja klasifikuje i prema kvantitativnim obeležjima (na
primer, državljani jedne zemlje se klasifikuju po godinama starosti, visini ukupnog bogatstva ili
godišnjeg prihoda). Prikupljena građa može sadržavati i hronološke podatke, odnosno
vremenske odredbe stanja i kretanja posmatranih pojava, koji grade tzv. vremenske serije.
Prikupljeni podaci se mogu razvrstati i po geografskom kriterijumu, tj. određena pojava se
može posmatrati po kontitentima, državama, pokrajinama, srezovima, opštinama, gradovima,
selima i sl. Formirane serije statističkih podataka obično se dele u dve glavne grupe: statičke i
dinamičke. U statičkim serijama se nalaze podaci o stanju neke pojave, bez vremenske odredbe.
Dinamičke serije sadrže i vremensko obeležje, pošto se u njima beleže podaci o kretanju pojave
u određenom vremenskom razdoblju koje može biti veoma različite dužine.

2.1.4. Sređivanje statističkih podataka

Sređivanje statističkih podataka predstavlja tehničko-metodološku fazu statističkog

posmatranja. Grupisani podaci sređuju se u statističke serije, unose u tabele i grafički prikazuju,
što u suštini predstavlja statističko izražavanje prikupljenih statističkih podataka.

Prema mestu sređivanja imamo centralizovano, decentralizovano i kombinovano

sređivanje (Stojković, 1991., str. 49). Kod centralizovanog sređivanja statističkih podataka, svi
grupisani podaci se dostavljaju centralnom statističkom organu koji vrši sređivanje i obradu.
Decentralizovan način sređivanja statističkih podataka sprovodi se na više mesta, obično po
regionalnim statističkim centrima. Nakon sređivanja, podaci se dostavljaju centralnom
statističkom organu, pri čemu se ovo sređivanje mora vršiti na jedinstven način. Mešovitim
~ 10 ~
sređivanjem statističkih podataka, deo podataka se, do određenog nivoa, sređuje na više mesta, a
zatim se sve šalje u centralni statistički centar gde se vrši konačno sređivanje.

2.1.5. Prikazivanje statističkih podataka

Tabelarno i grafičko prikazivanje statičkih i dinamičkih serija statističkih podataka

takođe predstavlja jednu od bitnih faza statističkog metoda. Svrha ovog predstavljanja nije samo
slikovita klasifikacija i ilustracija prikupljene statističke građe, nego i sredstvo prikazivanja
matematičkih funkcija statističke računice (rast, stagnacija i opadanje). Grafički prikaz podataka
o raznim pojavama i procesima može biti u obliku tačkica, linija, geometrijskih slika (kvadrati,
pravougaonici, krugovi...) i geometrijskih tela. To znači da, u zavisnosti od oblika, postoje
tačkasti, linijski, površinski i prostorni dijagrami. U odnosu na to gde se crtaju, dele se na
grafičke prikaze u koordinatnom sistemu i grafičke prikaze van koordinatnog sistema. Posebnu
vrstu grafičkog prikazivanja čine kartogrami čiji okvir predstavlja geografska karta na kojoj se
pomoću tačaka, linija, slika, simbola, bojenja ili senčenja označava raspored i intenzitet
posmatrane prirodne ili društvene pojave po pojedinim područjima neke zemlje, kontitenta ili
čitavog sveta.

Primer sadržaja statističke tabele

Izvor: http://www.eccf.su.ac.yu/Download/statistika/mirko_savic_materijali/21-08-
08%20deskriptivna%20statisticka%20analiza.pdf

2.2. Statistička analiza

~ 11 ~
 Zadatak statističke analize je da na osnovu rezultata statističkog posmatranja raščlani i
uporedi podatke, otkrije i objasni zakonitosti i pravilnosti koje postoje u posmatranoj masovnoj
pojavi. (Savić, 2005., str. 17). Ovaj postupak se izvodi primenom različitih metoda matematičko-
statističke obrade. Statističkom analizom se jasno utvrđuje sastav, struktura i sve bitne osobine
statističke mase. Rezultati statističke analize predstavljaju informacije o posmatranoj masovnoj
pojavi koje su u obliku numeričkih pokazatelja, kao i pratećih komentara.

Ukoliko se dobijeni numerički pokazatelji odnose na ceo osnovni skup, oni se nazivaju
parametri skupa, a ako se odnose na uzorak, onda se nazivaju statistika uzorka.

Statistička analiza može biti statička, dinamička i korelaciona.

Statička analiza se fokusira na utvrđivanje rasporeda učestalosti (distribucije

frekvencija) određenih obeležja masovnih pojava koje se ispituju i to izraženih brojčanim
(numeričkim) vrednostima, ali vez vremenske odredbe. Ta raspodela (distribucija) učestalosti
pojava, razvrstana po određenim intervalima po veličini (od-do), predstavlja prvo sažimanje
statističke mase. Sledeće sažimanje vrši se oblicima statističke analize, pa prema tome i statičkom
analizom. Statička analiza obuhvata analizu numeričkih nizova podataka, pri čemu se
izračunavaju statističke srednje vrednosti (prosta aritmerička sredina, ponderisana aritmetička
sredina, modus, medijana) i opseg disperzije ili devijacije (rasturenosti, raspršenosti) članova
posmatranih grupa, odnosno intervala klasifikovanih podataka (srednja ili prosečna devijacija,
standardna devijacija, kvartilna devijacija). U rešavanju pitanja vezanih za distribuciju
frekvencija, izgrađena je čitava teorija čiju osnovu čini otkriće i primena više tipova
matematičkih funkcija distribucije, među kojima glavno mesto zauzima Gausova kriva. U
statističkom proučavanju pojava distribucije, itekako se koristi i teorija verovatnoće i metod
uzorka. Metodu uzorka se pribegava kada je statistička masa vrlo velika, ili čak beskonačna.
Tada se primenjuje delimično ili anketno posmatranje slučajno uzetih ili reprezentativnih
primeraka masovne pojave, koji se zovu uzorak.

Predmet dinamičke analize čine statističke vremenske serije, sa ciljem da se izračunaju

vremenske varijacije posmatranog obeležja ili vrste pojave. Među tim vremenskim varijacijama
glavna pažnja se posvećuje periodičnim oscilacijama (cikličnim i sezonskim kolebanjima
određenih pojava: saobraćajnih udesa, bolesti, ubistava i samoubistava, atmosferskih padavina,
vodostaja, potrošnje pojedinih vrsta roba i sl.) i dugoročnim tendencijama razvitka raznih
pojava, koje su dobije naziv trend. Radi uočavanja pravaca kretanja analiziranih grupa pojava, u
dinamičkoj analizi se koriste odgovarajuće matematičke funkcije. Osnovna karakteristika tih
funkcija je da vreme uzima kao nezavisnu promenljivu, dok se kretanje veličine date pojave
predstavlja kao zavisna promenljiva (varijabla). U dinamičkoj analizi vremenskih nizova
podataka, koriste se naširoko i indeksi (bazni i lančani), kao i druge srednje vrednosti
vremenskih nizova, posebno geometrijska sredina lančanih indeksa.

Korelaciona analiza je takođe nerazdvojni deo statističke analize. Ona rasvetljava

međusobnu zavisnost kvantitativnih svojstava u kretanju dve grupe ili više grupa pojava. Ako, na
primer, sa porastom, odnosno padom kvantitativnih osobina jedne pojave dolazi do istovremenog
povećanja, odnosno opadanja kvantitativnih osobina druge pojave, kaže se da postoji pozitivna
korelacija. U suprotnom slučaju, ukoliko rast jedne pojave izaziva pad druge, odnosno smanjenje
prve izaziva povećanje druge pojave, konstatujemo da se radi o negativnoj korelaciji. Za
~ 12 ~
izračunavanje mere korelacije koriste se adekvatni obrasci, a posebno za linearnu korelaciju,
korelaciju ranga, krivolinijsku korelaciju, parcijalnu korelaciju i multiplu korelaciju.
Statistika kao metoda, može se sistematizovati na deskriptivnu statistiku i statistiku
zaključivanja, odnosno na parametrijsku i neparametrijsku statistiku.14

Deskriptivna statistika se bavi opisivanjem pojava posredstvom prethodno obrađenih

podataka. Njome se na relativno sažet i racionalan način opisuje predmet istraživanja Pored
deskriptivnih operacija sređivanja, klasifikovanja i prikazivanja podataka, ona obuhvata i
izračunavanje mera proseka, korelacije i varijacije.

Statistika zaključivanja se zasniva na istraživanjima uzoraka, zbog čega se naziva još i

statistikom uzorka. Njeni postupci služe za zaključivanje o merama u populaciji, na osnovu
podataka dobijenih na uzorku iz te populacije. Sastavni deo statistike uzorka je proučavanje
standardne greške statističkih mera dobijenih na reprezentovanim uzorcima. Standardne greške
služe proceni mere u okviru cele populacije.
Statistička zaključivanja su posebno važna u postupcima provere postavljenih hipoteza.
To je naročito bitno kod empirijskih istraživanja i istraživanja koja se služe eksperimentom, gde
su hipoteze nezaobilazne. Proveravanje hipoteza o kojima su prikupljeni numerički podaci
obavlja se uz pomoć posebnih metoda statističkog zaključivanja.

U statistici je uobičajeno da se parametrima nazivaju populacijske mere proseka,

varijabilnosti i korelacije. Metode parametrijske statistike utemeljene su na Gausovoj
normalnoj krivi poznatijoj kao Verovatnoj normalnoj krivi (VNK). U pitanju je teorijska,
matematička kriva verovatnoće, a uzeta je kao model ili oruđe kojim se može lako posmatrati,
proučavati i tumačiti. Ovaj teorijski model se primenjuje i upoređuje sa proučavanim pojavama.
Model verovatne normalne krive se primenjuje u mnogim oblastima prirodnih i društvenih nauka.
Mnoge pojave se mogu proučavati i posmatrati po modelu ove krive, zato što se za njih može
izvesti pretpostavka o normalnoj raspodeli u okviru populacije. Takvim pojavama pripadaju
problemi rukovođenja, motivacije i produktivnosti, povređivanja na radu, apsentizma, fluktuacije
i sl. Zbog toga se primena statistike u istraživanjima organizacionih nauka, uglavnom, temelji na
metodama parametrijske statistike.

Neprametrijske statističke metode se primenjuju na pojavama za koje ne važi

pretpostavka o njihovoj normalnoj raspodeli, tj. da se pojava normalno raspodeljuju u okviru
populacije. Za te pojave se kaže da imaju tzv. „slobodnu distribuciju“. Na primer, stavovi radnika
prema nekoj organizaciji, prema određenoj promeni, prema rukovodstvu i sl., ne distribuiraju se
normalno. Njihova distribucija je, uglavnom, ekstremna, tako da je većina za, ili je većina protiv,
a najmanje je neutralnih. U ovakvim slučajevima je neracionalno koristiti modele statističke
analize koji se baziraju na normalnoj krivoj, već se moraju koristiti metode neparametrijske
statistike. Ove metode su, po pravilu, grublje i oskudnije od parametrijskih, a njihova
informativna vrednost je manja. Zbog toga se u istraživačkoj praksi teži primeni paramtrijskih
oblika obrade, što se postiže koncipiranjem instrumenata za prikupljanje podataka. Uopšte,
neparametrijske statističke metode se koriste kada je nemoguće utvrditi da li je raspodela
normalna, kada su podaci izraženi u frekvencijama modaliteta statističkih obeležja, te kada se
14
Mihailović Dobrivoje: „Metodologija naučnih istraživanja“, Fakultet organizacionih nauka, Beograd, 1999. str.
138.

~ 13 ~
radi o malim uzorcima – do 30 jedinica. Postupci ove statistike su hi-kvadrat test, medijana test,
test predznaka, test ekvivalentnih parova, test sume rangova, Mek Nemarov test, Kolmogorov-
Smirnovljev test itd.

2.2.1. Matematička obrada podataka

Pod matematičkom obradom statističkih podataka podrazumevamo raščlanjavanje i

upoređivanje podataka u cilju analize. U pitanju je tehnički postupak koji podrazumeva određenu
proceduru pripreme podataka za dalje analitičko-saznajne operacije. Obrada podataka je, u
suštini, njihova priprema do stepena kada će oni biti u mogućnosti da provere hipoteze.15
Kada govorimo o matematičkoj obradi, treba napomenuti da statistika raspolaže sa više
matematičkih metoda obrade podataka. Jedna od najčešćih podela ovih metoda jesu metod obrade
pomoću odnosa (razmere), metod obrade pomoću proseka (srednje vrednosti) i metod obrade
pomoću funkcija. Na osnovu matematičke obrade podataka dolazimo do pokazatelja statističke
serije pomoću kojih možemo otkriti neke pravilnosti i zakonitosti posmatrane statističke mase.

2.2.2. Analiza i tumačenje rezultata

Izvođenje zaključaka, tumačenje rezultata i pravljenje hipoteza o budućem kretanju

masovnih pojava jeste završni čin statističkog istraživanja. U izvesnim zaključcima ogleda se
istinska vrednost i saznajni značaj statističkog metoda. Suštinska vrednost i ogroman značaj
statističkog metoda istraživanja objektivne stvarnosti, dokazuje se dvema činjenicama
(Stojadinović, 2005, str. 193): prvo, statistički metod predstavlja jedini naučni metod saznavanja
neposredne kvantitativne određenosti masovnih pojava; drugo, statistički metod omogućuje
izvođenje zaključaka o opštim karakteristikama i zakonitostima posmatranih masovnih pojava i
pravljenje hipoteza o tendencijama njihovog budućeg kretanja isključivo na osnovu korišćenja
egzaktnog načina promišljanja stvarnosti, tj. upotrebom prikladnih matematičkih operacija.

2.2.3. Objavljivanje rezultata

Objavljivanje rezultata je završena faza statističkog istraživanja koja ima za svrhu da

zainteresovanim licima saopšti rezultate statističkog istraživanja s dovoljno pojedinosti i na način
da svaki korisnik može razumeti i oceniti valjanost zaključaka. Lica koja koriste rezultate
statističkog istraživanja su obično sami naručioci. Od ove završne faze zavisi dalja sudbina
rezultata do kojih je statističko istraživanje došlo. U objavljivanju rezultata statističkog
istraćivanja ključno mesto zauzima odvajanje onoga što će biti prezentovano od onoga što će
ostati u okviru istraživačke dokumentacije.

Zaključak

Danas je statistika posebna naučna disciplina koja, za realizaciju postavljenih ciljeva

istraživanja na organizovan način prikuplja, vrši odabir i grupisanje podataka, prezentuje i vrši
analizu podataka, te interpretira rezultate sprovedene analize. Poslovna statistika je skup
15
Mihailović Dobrivoje: „Metodologija naučnih istraživanja“, Fakultet organizacionih nauka, Beograd, 1999. str.
127.

~ 14 ~
statističkih metoda koje se koriste za pretvaranje podataka u korisne informacije u poslovnom
okruženju.16

Pod statističkim istaživanjem podrazumevamo skup matematičko-statističkih i drugih

postupaka koji se primenjuju u nekoj statističkoj akciji. Predmet statističkog istraživanja su
masovne pojave, koje su po svojoj prirodi varijabilne, pa ih treba posmatrati na velikom broju
slučajeva i na osnovu tih posmatranja doneti odgovarajuće zaključke.

Statističko istraživanje uključuje dve etape - statističko posmatranje i statističku analizu.

U okviru statističkog posmatranja razlikujemo izradu plana posmatranja, prikupljanje, grupisanje,
sređivanje i prikazivanje podataka. Statistička analiza uključuje matematičku obradu podataka,
analizu rezultata i njihovo objavljivanje, a može biti statička, dinamička i korelaciona. Veoma
zahtevna faza statističkog posmatranje je izrada plana posmatranja, kojim se obuhvata cilj
posmatranja, predmet posmatranja, jedinice posmatranja, obeležja jedinica posmatranja, redakcija
upitnika i uputstava, izvor i način posmatranja, mesto i vreme posmatranja, obim posmatranja,
pripremni radovi i provera rezultata posmatranja.

Po jednom drugom gledištu, statističko istraživanje obuhvata četiri faze - pripremu

posmatranja; statističko posmatranje – prikupljanje podataka; kontrolu, sređivanje, grupisanje,
obradu i prikazivanje podataka; te analizu podataka i njihovo tumačenje.

Literatura

1. Đorđević Vera: „Statistika u ekonomiji“, Univerzitet u Nišu, Ekonomski fakultet, Niš,

2003.
16
Krvrgić Goran: „Osnovi finansijske statistike“, Visoka poslovna škola Čačak, Čačak, 2008. str. 3-4.

~ 15 ~
2. Kvrgić Goran: „Osnovi finansijske statistike“, Visoka poslovna škola Čačak, Čačak,
2008.
3. Marić Nebojša i drugi: „Poslovna statistika“, Megatrend univerzitet primenjenih nauka,
Beograd, 2001.
4. Marković Milanka i Petković Simka: „Poslovna statistika“, Viša poslovna škola,
Beograd, 1999.
5. Mihailović Dobrivoje: „Metodologija naučnih istraživanja“, Fakultet organizacionih
nauka, Beograd, 1999.
6. Paskota Mira: „Metodologija kvantitativnih istraživanja“, Saobraćajni fakultet
Univerziteta, Beograd, 2007.
7. Rozga Ante: „Teorijske osnove s metodologijom rješavanja statističkih problema u
ekonomskoj praksi“, Ekonomski fakultet, Split, 1987.
8. Savić Mirko: „Poslovna statistika“, Mirko Savić, Subotica, 2005.
9. Stojadinović Dragić: „Osnovi naučnog rada“, Ekonomski fakultet, Priština – Zubin
Potok, 2003.
10. Stojković Milutin: „Statistika u ekonomiji“, Ekonomski fakultet, Subotica, 1990.
11. Šešić Bogdan: „Osnovi metodologije društvenih nauka“, Naučna knjiga, Beograd, 1982.
12. Žižić Mileva i drugi: ”Metodi statističke analize”, Centar za izdavačku delatnost
ekonomskog fakulteta, Beograd, 2004.

~ 16 ~