Теория экономического прогнозирования
Информация - Экономика
Другие материалы по предмету Экономика
?женный и условный характер. Поэтому применение методов экстраполяции не должно становиться самоцелью, а при разработке социально-экономических прогнозов должна привлекаться дополнительная информация, на основе которой в полученные методом экстраполяции количественные оценки вносятся соответствующие коррективы.
Экономико-математическое моделирование
Методы экономико-математического моделирования применяются преимущественно в" среднесрочном, а также в долгосрочном прогнозировании.
В данной группе методов можно выделить корреляционно-регрессионное моделирование, которое используется для объектов, имеющих сложную многофакторную природу (объем инвестиций, затраты, прибыль, объемы продаж и т.п.). Для осуществления регрессионного моделирования необходимо [30]:
- наличие ежегодных данных по исследуемым показателям;
- наличие одноразовых прогнозов, то есть таких, которые не корректируются с поступлением новых данных.
Наиболее разработанной в теории прогнозирования является методология так называемой парной корреляции, рассматривающей влияние факторного признака х на результативный у. Методы оценки параметров уравнения регрессии аналогичны приемам при экстраполяции (т.к. фактор времени ? можно рассматривать как частный случай параметра х). На практике же гораздо чаще приходится исследовать зависимость результативного признака от нескольких факторных. В этом случае статистическая модель является многофакторной. Например, линейная регрессия с т независимыми переменными имеет вид:
yi = ?0 x0 + ?1 x1 + ?2 x2 +...+ ?m xm. (2.18)
Оценки параметров находят по МНК.
Отбор факторов для построения многофакторных моделей производится на основе качественного и количественного анализа социально-экономических явлений с использованием статистических и математических критериев.
Общепринятым является трехстадийный отбор факторов:
1. На первой стадии осуществляется априорный анализ, и на факторы, включаемые в состав модели, не накладываются ограничения.
2. Нг второй стадии производится оценка и отсев части факторов. Это достигается путем анализа парных коэффициентов корреляции и оценкой их значимости. Для этого составляется матрица парных коэффициентов корреляции (табл. 2.3).
Анализ таблицы ведется с использованием следующих критериев:
ryi > rij ; ryj > rij ; rij > 0,8 , (2.19)
где rij парные коэффициенты корреляции.
3. На заключительной стадии производят окончательный отбор факторов путем анализа значимости вектора оценок параметров различных вариантов уравнений множественной регрессии с использованием критерия Стьюдента:
tрасч > tk,a, (2.20)
где k - число степеней свободы,
а- уровень значимости.
В процессе анализа решается проблема мультиколлинеарности, которая заключается в том, что между факторными признаками может существовать значительная линейная связь, что приводит к росту ошибок оценок параметров регрессии.
Таблица 2.3
Матрица парных коэффициентов корреляции множественной модели регрессии
У
X1
Х2
…
xj
…
xm
у
1
rylrу2
…
ryj
…
rут
X1
r!у
1
R12
…
rlj
…
rml
Х2
r2у
R2l1
…
R2j
…
r2т
…
…
…
…
…
…
…
…
X1
riyrilRi2
…
1
…
rim
…
…
…
…
…
…
…
…
Хm
rту
rmlRm2
…
rmj
…
1
Приемы построения регрессионных и авторегрессионных моделей достаточно хорошо описаны в экономико-статистической литературе [11, 14, 24, 26, 30, 38, 39] и не являются предметом описания настоящего учебного пособия. Наличие прогрессивных информационных технологий позволяет достаточно оперативно рассчитывать параметры этих моделей. Во внутрипроизводственном прогнозировании используются:
модели внутренней среды фирмы, так называемые корпоративные модели;
макроэкономические модели, к которым относят эконометрические модели, модели затраты-выпуск [1].
Корпоративные модели обычно представляют набор формул (уравнений), которые отражают отношение ряда переменных к определенному объекту, например к объему продаж.
Большая часть математических моделей имеет форму компьютерных программ (например, АРМ СтОД (автоматизированное рабочее место для статистической обработки данных), ОЛИМП, МЕЗОЗАВР, СИГАМД и др.) [13], Такие программы позволяют придать моделям динамический характер.
К недостаткам применения методов экономико-математического моделирования в рамках прогнозирования можно отнести:
необходимость серьезных затрат на организацию прогнозирования;
невозможность охватить в моделях все наиболее существенные тенденции развития;
высокая вероятность внезапных изменений, разрушительных событий, существенно снижающих полезный эффект модели.
Следует иметь в виду, что в условиях переходной экономики происходят кардинальные изменения в организационно-производственных системах и структурах (спроса, потребностей, цен и т.п.), а следовательно, достаточно проблематично сделать вывод о т?/p>