Краткосрочное прогнозирование макроэкономических показателей СНС на основе месячных индикаторов тема диссертации по экономике, полный текст автореферата
Автореферат
| Ученая степень | кандидат экономических наук |
| Автор | Эскин, Владимир Леонидович |
| Место защиты | Москва |
| Год | 2004 |
| Шифр ВАК РФ | 08.00.05 |
Диссертация
Автореферат диссертации по теме "Краткосрочное прогнозирование макроэкономических показателей СНС на основе месячных индикаторов"
На правахрукописи
Эскин Владимир Леонидович
Краткосрочное прогнозирование макроэкономических показателей СНС на основе месячных индикаторов
Специальность: 08.00.05-Экономика и управление народным хозяйством (специализация - макроэкономика)
АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук
Москва-2004 г.
Работа выпонена в Институте народнохозяйственного прогнозирования Российской академии наук
Научный руководитель -
Научный консультант -
Официальные оппоненты:
Ведущая организация -
кандидат экономических наук, Белоусов Андрей Рэмович
лауреат Нобелевской премии по экономике, профессор Лоренс Клейн
доктор экономических наук, Баранов Эдуард Филаретович
кандидат экономических наук, Горюшин Олег Александрович
Центральный экономико-математический институт РАН
Защита диссертации состоится 26 января 2005 года в 12 часов на заседании Диссертационного совета Д 002.061.01 в Институте народнохозяйственного прогнозирования РАН по адресу: 117418, г. Москва, Нахимовский пр-т, д. 47, ауд. 520.
С диссертацией можно ознакомится в библиотеке Института народнохозяйственного прогнозирования РАН.
Автореферат разослан декабря 2004 года.
Ученый секретарь
диссертационного совета Д 002.061.01,
кандидат экономических наук, доцент ^^^^Галецкая Р.А.
Актуальность темы.
Реализация экономического потенциала России требует качественного совершенствования управления и регулирования экономики. Однако, коренное совершенствование управления экономикой на основе рыночных механизмов, как правило, сопровождается ростом рисков неопределенности и увеличением уязвимости самой экономики. В этих условиях резко возрастает потребность в экономическом прогнозировании, призванном отслеживать связь между ключевыми факторами развития экономики и макроэкономическими пропорциями, которые определяют темпы экономического роста, бюджетное напонение и другие существенные процессы развития. К сожалению, методологический аспект этой проблемы до сих пор не решен не только в России, но и в ряде других стран с переходной экономикой. Данная работа призвана воспонить этот пробел в отношении краткосрочного прогнозирования.
Набор оперативных показателей, которые применяются для краткосрочного прогнозирования российской экономики и других стран, содержит показатели, отражающие текущую месячную (квартальную) динамику и смешанные показатели, используемые для вариантных прогнозов. Для практического использования оперативной информации необходима разработка инструментария, который способен установить динамическую связь между краткосрочными факторами и макроэкономической динамикой. В связи с этим темой данного исследования является краткосрочное прогнозирование макроэкономических показателей в системе национальных счетов.
Важность данной темы обусловлена потребностью правительственных структур и крупных бизнес-структур в экономических краткосрочных прогнозах.
Степень разработанности темы исследования.
Проблемы макроэкономического эконометрического моделирования достаточно хорошо разработаны в трудах зарубежных ученых, таких как: Я. Тинберген, О. Экштейн, и А. Годбергер. Особенное внимание этой проблематике уделено в работах Л. Клейна. В России этой проблематикой занимались С. А. Айвазян, Ю. В. Яременко,
Э. Б. Ершов, М. Н. Узяков, другие ведущие удачьчуграпч
I РОС НАЦИОНАЛЬНАЯ 1
ученые.гтряны
РОС НАЦИОНАЛЬНАЯ| БИБЛИОТЕКА СП 08
!>Яцц1нг л > ж>1т 7
Обзор существующих эконометрических моделей включает ретроспективный анализ моделей за последние 70 лет. Большинство моделей этого времени базировалось на постулатах Кейнсианской теории. Эта же схема использована в наиболее успешной модели последних десятилетий - модели Клейна-Годбергера, которая была впервые реализована в середине 1950-ых годов. Другие четыре широко известных модели этого периода: модель Валаваниса, модель Сьюта (как модификация модели Клейна-Годбергера), модель Брукингса и модель Дьюсенбери-Экштейна-Фромма. Позже модель Клейна-Годбергера, была преобразована в ежеквартальную модель Вартон, а затем объединена с моделью Брукингса. Эта объединенная эконометриче-ская модель нашла признание во многих странах мира. Ключевым моментом стало ее использование в модели глобального развития - проект LINK. В период 1970 - 2000-х годов были разработаны эконометрические модели для Великобритании, Японии, Франции, Италии, Израиля, Канады, Мексики и многих других стран. Общим для всех этих моделей является то, что концептуально все они восходят к методологии, развитой профессором Л. Клейном в Университете штата Пенсильвания. Очевидно, что из-за структурных различий экономик разных стран и разного качества статистической базы данных эти модели не поностью идентичны друг другу, но все они построены по единым принципам, в предположении единой базовой структуры.
В России разработаны и используются несколько межотраслевых эконометрических моделей, в частности модель Рим, разработанная под руководством М.Н. Узякова. В отличие от предлагаемой модели, модель Рим не является высокочастотной и, следовательно, реагирует на экономические воздействия со значительным запаздыванием. Межотраслевая эконометрическая модель Рим, в отличие от предлагаемой в данной работе модели, не предусматривает дезагрегации по компонентам ВВП (только по укрупненным отраслям).
Целью исследования является разработка краткосрочных прогнозов основных показателей Системы национальных счетов (СНС) на основе использования еже-
месячных (сигнальных) индикаторов. Это позволяет оперативно выявлять изменения тенденций экономического роста и улавливать сдвиги в пропорциях воспроизводства.
| Задачи исследования;
1. Выявить основные тенденции и факторы развития российской экономики, в
наибольшей степени влияющие на пропорции воспроизводства в краткосрочной перспективе.
2. Сформулировать требования к модели краткосрочного прогнозирования и на основе сравнительного анализа существующих эконометрических моделей обосновать выбор типа модели краткосрочного прогнозирования.
3. Разработать концепцию и спецификацию модели прогнозирования российского ВВП, рассчитать ее параметры, проверить адекватность и оценить точность.
, 4. На основе разработанной модели произвести расчеты и построить для россий-
ской экономики краткосрочные прогнозы основных макроэкономических показателей СНС.
| Объектом исследования является российская экономика в переходный пе-
риод ее развития.
Предмет исследования - разработка метода краткосрочного прогнозирова-
| ния, позволяющего учитывать взаимосвязь между сигнальными (высокочастотными) индикаторами экономики и показателями СНС.
Информационной базой анализа являются официальные публикации Госком-статата РФ за период 1992-2002 гг. и база данных индикаторов мировой экономики компании Global Insight (США).
Научная новизна результатов исследования: 1. Предложен новый метод краткосрочного макроструктурного прогнозирования основных элементов Системы национальных счетов российской экономики, на основе сочетаний методов высокочастотного и структурного моделирования. Для этого используются месячные (сигнальные) индикаторы.
2. Разработана высокочастотная модель структурных связей между сводными макроэкономическими параметрами экономического роста и частными показателями, которые характеризуют конъюнктуру производства, потребления и обращения.
3. По высокочастотной структурной модели выпонен краткосрочный прогноз величины и структуры ВВП по трем вариантам - по сумме элементов производства, сумме конечных расходов и агрегированным способом на два квартала вперед
Теоретическая и практическая значимость работы. Разработана методология краткосрочного прогнозирования основных элементов СНС, которая позволяет органам государственного управления экономикой и крупным бизнес-структурам решать практические задачи. Концепция краткосрочного прогнозирования, разработанная в данной диссертации в декабре 2003 г., была внедрена и используется в Министерстве экономического развития и торговли РФ. Кроме того, ежемесячно прогнозные данные, разработанные на основе предложенной модели, передаются в отдел перспективного прогнозирования МЭРиТ для использования в работе.
Апробация результатов исследования была проведена на конференциях и семинарах в следующих организациях:
1. Министерство экономического развития и торговли Российской Федерации, Москва, ноябрь 2003 г.
2. Центр макроэкономического анализа и краткосрочного прогнозирования, Москва, январь 2004 г.
3. Проект IRIS - USAID, Словения, июнь 2004 г.
Структура и обьем диссертации обусловлена целью исследования и поставленными задачами. Структура работы призвана способствовать раскрытию темы диссертации. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложения. Работа изложена на 137 страницах машинописного текста, содержит 7 таблиц, 5 рисунков, 16 приложений. В списке использованной литературы - 92 источника.
Основные результаты диссертационного исследования изложены в 8 работах общим объемом 3,75 п.л.
Структура работы следующая: Во введении обоснована актуальность исследования, определены его объект и предмет, охарактеризована степень разработанности темы, сформулированы цели и задачи исследования.
В первой главе Базовые предпосышки развития системы краткосрочного прогнозирования исследованы основные тенденции развития российской экономики в 1992-2002 гг.; отдельно рассматриваются условия, предшествующие августовскому кризису 1998 г., а также новые экономические обстоятельства, возникшие в по-слеризисный период. В ходе исследования выявлены факторы и тенденции, которые будут определять развитие экономики России в ближайшем будущем.
Проведенный анализ позволил определить основные тенденции, которые могут стать решающими для экономического развития России в краткосрочной перспективе. Однако, наряду с тенденциями, обуславливающими экономический рост, существуют условия, тормозящие этот рост.
Факторы, способствующие экономическому росту
1. Расширение рынков потребительских товаров с динамикой 8 - 10% в год, базирующееся на росте реальных доходов населения.
2.Увеличение инвестиций в основной капитал в ближайшей перспективе, с темпом до 10-12% в год;
3. Импортозамещение как локальный фактор для отдельных товарных рынков (в лёгкой и пищевой промышленности и машиностроении)
4. Поддержание баланса между спросом и предложением денег как важнейший фактор экономической динамики в перспективный период.
Условия, ограничивающие возможность увеличения темпов экономической динамики
1. Наличие крупномасштабного сегмента товарного производства (экспортно-сырьевые отрасли), слабо эластичного по отношению к внутреннему спросу.
2. Снижение конкурентоспособности отечественного производства как следствие ожидаемых сдвигов в отраслевой структуре цен.
3. Опережающий, по сравнению с расширением внутренних рынков, рост конкурирующего импорта.
4. Избыточный приток валюты, что может вызвать усиление несбалансированности финансовых рынков.
Отдельно исследовалось влияние конъюнктуры мировых рынков на экономическое развитие России. Показано, что влияние на экономику цен на нефть и экспорта нефти после кризиса 1998 г. еще более усилилось.
Необходимость отражения отмеченных факторов в прогнозных расчетах обуславливает повышенные требования к их информационному обеспечению.
Для разработки модели необходимо, чтобы данные отвечали следующим требованиям:
1) статистические индикаторы дожны охватывать базовые сектора экономики и отражать основные экономические изменения, происходящие в стране;
2) методология обработки данных и расчета относительных величин дожна быть понятной и позволять осуществлять обратный переход к абсолютным значениям;
3) временные ряды дожны быть достаточно длинными для обеспечения необходимой надежности статистических оценок;
4) данные дожны отражать взаимосвязи различных секторов экономики. Существует распространенное мнение, что российская статистическая база не
поностью удовлетворяет перечисленным требованиям. К недостаткам российской
статистической базы следует отнести не только ее несопоставимость по ряду показа-
телей, но также и некоторые методологические ошибки, имеющие место при формировании основных экономических индикаторов. Однако, изучение базы данных ежемесячных индикаторов, характеризующих различные сектора российской экономики, позволило сделать вывод, что временные сопоставимые статистические ряды все же достаточны для разработки эконометрического прогноза российской экономики.
База данных, на основе которых оцениваются параметры модели, содержит более 100 ежемесячных временных рядов экономических индикаторов. Большинство рядов имеет 120 наблюдений (с января 1993 г. по декабрь 2002 г.).
Во второй главе Особенности прогнозирования российской экономики формулируются требования к модели краткосрочного прогнозирования. На основе сравнительного анализа существующих эконометрических моделей обосновывается выбор типа модели для прогнозирования российской экономики.
При краткосрочном прогнозировании развития российской экономики, наряду с внутренними закономерностями, следует учитывать и существующие глобальные тенденции. Однако, при краткосрочном прогнозировании на первый план выступают особенности развития национальной экономики и такие управляющие воздействия на нее как специфика производства и потребления, отраслевая структура национальной экономики, ее приоритеты, влияние сезонных факторов.
При этом краткосрочное прогнозирование дожно носить непрерывный характер, обеспечивать преемственность и согласованность прогнозных оценок по разным горизонтам и при различной степени агрегации.
Для моделирования экономики России с целью краткосрочного прогнозирования предлагается:
1. Принять ВВП в качестве основного показателя экономического развития, подлежащего моделированию и прогнозированию;
2. Моделировать ВВП в соответствии с концепцией СНС и с учетом необходимого баланса доходов и расходов;
3. Не стремиться к максимальной замкнутости модели в национальных границах, так как впоследствии возможна и желательна ее интеграция в единую глобальную экономическую модель. Это позволяет использовать вместо системы структурных уравнений отдельные уравнения регрессии, что существенно упрощает оценку их параметров;
4. В качестве переменных модели использовать факторы и индикаторы, отражающие изменение ВВП;
5. Использовать прогнозные оценки на среднюю и отдаленную перспективу в качестве переменных уравнений регрессии;
6. Для перспективной оценки факторов и индикаторов в максимальной мере использовать опережающую информацию, и в тех случаях, когда это невозможно, оценки одномерных высокочастотных моделей авторегрессии и скользящего среднего;
7. Использовать модели авторегрессии (AR) и скользящего среднего (СС) также для уточнения прогнозов, полученных на основе регрессионных уравнений.
Применительно к России представляется целесообразным апробировать обобщенную эконометрическую модель, базирующуюся на хорошо зарекомендовавшей себя методологии высокочастотного эконометрического прогнозирования, с параметрами, оцененными на основе российской базы статистических данных.
Структура российской модели принята по аналогии с моделью США (Current Quarter Model - CQM), наиболее адекватной и оперативной из подобных моделей. Она еженедельно обновляется на основе официальных данных: осуществляется экстраполяция на месяцы текущего квартала и на следующий квартал, а также пересчиты-ваются параметры всех уравнений модели.
Согласно методологии CQM, ежеквартальная оценка ВВП на основе экономических индикаторов осуществляется тремя различными методам: 1) по сумме конечных расходов, 2) первичных доходов и 3) на основе регрессионной модели зависимости ВВП от основных индикаторов. В качестве официальной оценки ВВП принимается среднее значение этих трех оценок.
Первый метод предполагает чисто эконометрический подход и не использует структурные построения СНС - оценка базируется на уравнении регрессии с использованием метода главных компонент.
В соответствии со вторым методом, ВВП равен сумме основных элементов конечных расходов: потребительских расходов, инвестиций, правительственных расходы, внешнеторгового сальдо.
Третий метод основывается на представлении ВВП в виде суммы первичных доходов, включающих: прибыль, доходы в виде дивиденда, личные доходы и т.д.
Российский ВВП предлагается оценивать тремя различными способами: по модели регрессии на основные экономические индикаторы; по сумме элементов производства ВВП; по сумме элементов конечного использования. На основе полученных оценок строится окончательный прогноз.
Уравнения регрессии строятся для ВВП в целом и для каждого из его элементов (как по элементам производства, так и по элементам конечного использования). Сбалансированность модели достигается путем минимизации расхождений между оценками ВВП, полученными по регрессии, посредством суммирования по элементам производства и по элементам конечного использования. Таким образом, в модели реализуется баланс доходов и расходов.
Модель не является системой одновременных взаимосвязанных структурных уравнений, а состоит из отдельных уравнений регрессии. В этом смысле модель не замкнута. Однако для краткосрочного прогнозирования этот недостаток не существен.
В качестве зависимых переменных уравнений модели выступают:
Х совокупный объем ВВП;
Х ВВП-дефлятор;
Х элементы производства ВВП;
Х элементы ВВП по конечному использованию.
В качестве независимых переменных применяются различные индикаторы российской и мировой экономики, причем некоторые из них оказывают реальное влияние на ВВП, а другие - лишь подчиняются тем же законам роста, что и ВВП, и имеют тесную корреляционную взаимосвязь с ним. Включение в модель таких индикаторов имеет целью использование содержащейся в них опережающей информации (официальные данные по некоторым таким индикаторам появляются раньше, чем ряду показателей СНС) для прогнозирования искомого показателя.
Среди факторов, влияние которых будет обусловливать основные закономерности развития российской экономики в ближайшие годы, следует отметить:
Х объем инвестиций;
Х объемы экспорта и импорта;
Х курс российского рубля к долару США;
Х реальные доходы населения;
Х денежную массу в обращении.
Цена на нефть оказывает решающее воздействие на российскую экономику, поэтому она включена в качестве независимой переменной во многие уравнения модели, причем в некоторые уравнения даже в качестве самостоятельной переменной (не в составе главных компонент).
Построение моделей осуществляется на основе метода главных компонент. Он используется для сокращения размерности модели и для устранения избыточности сигнала. Из поного набора ежемесячных индикаторов, содержащихся в российской статистической базе, выбираются индикаторы для моделирования ВВП в целом и отдельно для каждого моделируемого элемента. Из этих ежемесячных индикаторов формируются главные компоненты. При вычислении главных компонент используется нормированная форма переменных с нулевым средним и единичной дисперсией, т.к. математический аппарат метода главных компонент чувствителен к единице измерений. Количество основных компонент, включаемых в уравнения регрессии, оп-
ределяется статистически. В модель включаются основные компоненты, объясняющие 80 - 90% вариации зависимой переменной.
Из поного набора ежемесячных индикаторов выбираются индикаторы, включаемые в уравнения модели. Эти индикаторы представляют факторы, влияющие на изменение ВВП в целом, а также на каждый из его элементов. Набор ежемесячных индикаторов для каждого элемента прогнозируемого ВВП индивидуален. В каждом случае они отбираются с учетом экономических закономерностей и тесноты статистических взаимосвязей.
В тех случаях, когда во временном ряду моделируемого показателя имеются аномальные значения, для их отражения в модель вводятся статистически значимые фиктивные переменные.
Для моделирования случайных колебаний в остатках используются модели авторегрессии (АК) и/или скользящего среднего (МА), это позволяет реализовать высокочастотный подход к моделированию и повысить точность моделей.
Для выявления степени влияния факторов (индикаторов) используются частные производные главных компонент по каждому индикатору, включенному в уравнение. Главные компоненты являются линейными функциями исходных индикаторов. Частные производные рассчитываются посредством умножения главных компонент на коэффициенты кросс-регрессии всех основных компонент. Частные производные позволяют оценивать влияние каждого индикатора на зависимую переменную и чувствительность уравнения модели к каждому индикатору. Используя частные производные, можно определить наиболее существенные факторы роста ВВП. Положительные значения частных производных свидетельствует о прямой связи между зависимой переменной и соответствующими индикаторами, отрицательные - об обратной. Частные производные могут использоваться и в других целях. Так, поскольку некоторые из ежемесячных данных обычно становятся известными раньше других, на их основе можно предварительно оценивать ВВП, подставив в уравнение модели фактические значения известных индикаторов. А для индикаторов, фактические значения ко-
торых пока остаются неизвестными, используются их оценки по модели ДЫМА. Поэтому частные производные весьма полезны для анализа чувствительности модели, оперативного прогнозирования и поиска управляющих воздействий.
Для оценки прогностических возможностей модели использован ретроспективный прогноз.
В третьей главе Построение макроэкономической эконометрической модели России представлены результаты моделирования и прогнозирования ВВП в трех вариантах: совокупного (уравнение регрессии ВВП на основные факторы и индикаторы и уравнение ВВП-дефлятора), со стороны основных элементов конечного потребления (6 уравнений) и со стороны секторов экономики (7 уравнений).
При построении модели регрессии для совокупного ВВП первоначальный список переменных содержал около 50 ежемесячных индикаторов. Однако, после отбора наиболее значимых переменных в модель вошли только 22.
Для построения основных компонент переменные представлены в форме разностей логарифмов цепных индексов. Это позволяет исключить тенденцию из рядов индикаторов и сократить мультиколинеарность. После построения главных компонент, модель регрессии строится методом последовательного исключения менее значимых компонент из регрессионного уравнения.
В результате в модель вошли только две основные компоненты (РС1 и РС2). Окончательный вид модели представлен уравнением (1). Коэффициент детерминации уравнения К2=0,89, соответственно, коэффициент множественной корреляции Я=0,94, что свидетельствует о высоком качестве аппроксимации. Адекватность модели подтверждается значением коэффициента Дарбина-Уотсона (Б^^=1,92) - оно близко к 2, что свидетельствует об отсутствии автокорреляции в остатках. Для проверки прогностических возможностей модели использован метод ретроспективного прогнозирования на III и IV кварталы 2003 г. В результате ретроспективного прогнозирования на два квартала отклонения прогнозных значений от фактических не превысили одной
стандартной ошибки, то есть уравнения могут считаться достаточно хорошими и использоваться для прогнозирования.
Уравнение 1. Оценка DLOG ВВП
DLOGGDP = 0.00459 + 0.01563 * РС1 - 0.01509 * РС2 + 0.93190 * МА
(1.20) (18.19) (-7.00) (22.93)
Adjusted R-squared = 0.89294 Durbin-Watson = 1.9203 F-statistic = 78.844490 Sample (adjusted) = 1996Q2-2003Q2
-Residual---- Actual ---Fitted
Ч Остаток Ч-- Факт --- Расчет
Рисунок DLOGGDP Регрессия
Оценки ретропрогноза абсолютных значений индексов ВВП для третьего и четвертого кварталов 2003 г. составят 6,05% и 6,82% к соответствующим кварталам 2002 г.
Анализ частных производных БЬОООБР, характеризующих влияние каждого из включенных в модель индикаторов на объем совокупного ВВП, показал, что только две частные производные (реального обменного курса рубля к долару США и удельного веса оборонных расходов в совокупных расходах бюджета) отрицательны. Это означает, что обесценивание рубля ведет к снижению реального ВВП. Отрицательное значение частной производной по удельному весу оборонных расходов в совокупных расходах бюджета может быть объяснено тем фактом, что оборонные расходы относятся к непроизводительным расходам и являются бременем для экономики.
Аналогично построены и проанализированы модели оценки ВВП по элементам его производства (7 уравнений) и по сумме элементов конечного использования (6 уравнений - для каждого элемента расходов). Отдельно построена модель ВВП дефлятора. Результаты ретроспективного прогнозирования ВВП по элементам производства представлены в таблице 1.
Таблица 1
Оценка ВВП по элементам производства в 1 - 4 кв. 2003 г. (в % к соответствующему периоду предшествующего года)
Факт Ретропрогноз
1 кв. 2 кв. Зкв. 4 кв.
Промышленное производство 106.00 107.60 106.67 107.19
Сельскохозяйственное производство 101.12 98.85 82.00 109.50
Строительство 113.64 114.72 114.71 114.09
Рыночные услуги 107.98 107.49 106.34 106.36
Нерыночные услуги 102.10 102.02 102.77 102.55
ВВП 106.90 107.18 103.79 106.97
Оценки ретропрогноза по элементам конечного использования представлены в таблице 2.
Таблица 2
Оценка ВВП по элементам конечного использования в 1 - 4 кв. 2003 г.
(в % к соответствующему периоду предшествующего года)
Факт Ретропрогноз
1 кв. 2 кв. 3 кв. | 4 кв.
Домашнее потребление 107.82 107.92 107.03 107.23
Государственное потребление 102.45 102.25 102.83 103.16
НКО 98.24 97.42 96.78 97.77
Инвестиции 114.0 117.39
Изменение материальных запасов 114.16 122.60 116.11 101.99
ВВП, исключая экспорт 107.55 109.78 108.84 105.11
ВВП 106.83 107.16 110.04 106.65
* НКО Ч некоммерческие организации, оказывающие услуги населению
В результате получены три варианта прогноза совокупного ВВП, среднее значение из этих оценок является окончательной оценкой ВВП (таблица 3).
Таблица 3
Итоговая оценка ВВП в 3 - 4 кв. 2003 г.
(в % к соответствующему периоду предшествующего года)
3 кв. 4 кв.
ВВП совокупный 106.06 106.82
ВВП потребления 110.04 106.65
ВВП производства 103.79 106.97
Итоговый (средний) ВВП 106.63 106.82
Результаты расчетов по трем предложенным методам заметно различаются в третьем квартале, но в четвертом весьма близки между собой, что подтверждает правильность исходной концепции модели, но свидетельствует о еще недостаточной ее сбалансированности. Для получения итоговых значений ретропрогноза совокупного ВВП рассчитано среднее значение трех полученных прогнозных оценок. Согласно ретроспективному прогнозу, в третьем квартале 2003 г. ВВП дожен вырасти на 6.6% по сравнению с третьим кварталом 2002 г, а в четвертом квартале 2003 г. соответст-
вующий рост составит 6.8%. Это близко к реальным значениям III и IV кварталов
2003 г. и позволяет утверждать, что прогностические возможности модели достаточно ,
высоки.
В заключении сформулированы основные выводы и предложения. Для их |
обоснования в диссертационном исследовании была разработана краткосрочная кон- |
цепция прогнозирования ВВП России. Предложенная в диссертации высокочастотная (
сбалансированная модель, открывает методические перспективы эконометрического прогнозирования экономики России и методологически выводит его на качественно i
новый уровень: приводит в соответствие с действующей СНС и обеспечивает учет I
высокочастотных колебаний.
В результате проведенных исследований решены поставленные в диссертации j
задачи. |
I. На основе обзора российских и зарубежных публикаций выявлены основные тенденции и факторы развития российской экономики, наиболее сильно влияющие на
пропорции воспроизводства в краткосрочной перспективе, и определены основные источники экономического роста российской экономики.
II. На основе анализа основных закономерностей развития российской экономи- f ки и сравнительного исследования существующих эконометрических моделей обоснован выбор типа модели краткосрочного прогнозирования российской экономики. Среди существующих эконометрических моделей наиболее подходящей признана квартальная эконометрическая модель, соединившая достоинства модели Клейна- | Годбергера и модели Брукингса. Признано целесообразным использовать эту мето- ^ дологию в качестве основы моделирования экономического развития России.
III. В рамках диссертационного исследования разработана общая концепция и количественно-определенная модель прогнозирования, рассчитаны ее параметры, проверена адекватность, оценена точность и прогностические возможности модели.
1. Модель прогнозирования ВВП предлагается оценивать тремя различными способами в соответствии со структурой СНС: по сумме элементов производства, сумме элементов конечного использования и модели регрессии на основные экономические индикаторы. Затем результаты оценок дожны быть подвергнуты обобщению для получения окончательного прогноза.
2. Предложено использовать высокочастотное моделирование в сочетании со структурным моделированием. В целях повышения объективности прогноза результаты высокочастотных моделей рекомендовано применять в качестве входной информации для структурной модели. Уравнения регрессии модели строятся с применением метода главных компонент. Отклонения от модели регрессии моделируются на основе адаптивных методов.
3. Информационная база модели обеспечивает ее представительность, так как статистические индикаторы отражают основные экономические изменения в стране; охват индикаторов достаточно широк и учитывает все экономические сектора; данные отражают взаимосвязи различных секторов экономики и баланс между производством и потреблением; временные ряды достаточно длинны для обеспечения надежности статистических оценок. Соответствующая база данных индикаторов содержит более 100 ежемесячных временных рядов. Каждый из которых включает 120 наблюдений.
4. Для включения в модель из поного набора ежемесячных индикаторов, характеризующих состояние российской экономики, выбираются индикаторы для моделирования ВВП в целом, дефлятора ВВП и элементов ВВП (в разрезе производства и по элементам конечного использования). Набор ежемесячных индикаторов для каждого уравнения модели индивидуален. На их основе формируются ежемесячные основные компоненты. Количество основных компонент, включаемых в уравнения регрессии, определяется статистически. В модель включаются основные компоненты, объясняющие 80 - 90% вариации зависимой переменной. Степень влияния факторов
(индикаторов) оценивается на основе частных производных главных компонент по каждому индикатору исходной базы данных.
5. Все построенные уравнения модели адекватны по критерию Дарбина-Уотсона и имеют высокие значения коэффициентов множественной корреляции. По результатам ретроспективного прогнозирования на два квартала (III и IV кварталы 2003 г.) отклонения прогнозных значений от фактических не превысили одной стандартной ошибки, что свидетельствует об адекватности и достаточной точности модели и, следовательно, о возможности ее использования для краткосрочного прогнозирования.
IV. На основе разработанной модели построены ретроспективные прогнозы основных макроэкономических показателей российской экономики на два квартала вперед.
Оценки ретропрогнозов индексов ВВП, полученные по регрессионной модели для третьего и четвертого кварталов 2003 г., составляют 6,05% и 6,82% к соответствующим кварталам 2002 г.
Аналогично построены и проанализированы модели оценки ВВП по сумме элементов конечных расходов (6 уравнений для каждого элемента расходов) и по секторам экономики (7 уравнений), отдельно построена модель дефлятора ВВП. В результате были получены три варианта ретропрогноза совокупного ВВП.
Для получения итоговых прогнозных значений совокупного ВВП рассчитано среднее значение трех полученных оценок. Согласно ретропрогнозу третьему кварталу 2003 г. ВВП соответствует рост на 6,6% по сравнению с третьим кварталом 2002 г, а четвертому кварталу 2003 г. - рост на 6,8%. Это достаточно близко к реальным значениям, так что прогностические возможности модели достаточно высоки.
Решение задач исследования привело к реализации его цели: на основе набора ежемесячных российских экономических индикаторов разработана такая модель российской экономики, которая может быть использована для прогнозирования величины и структуры российского ВВП на два квартала вперед.
Результаты прогнозирования по трем вариантам оценки совокупного ВВП, предложенным в диссертации, показывают, что российская экономика, как и экономики развитых стран, при использовании эконометрических моделей подается прогнозной оценке. Следует отметить высокую зависимость российской экономики от мировых рынков, и, главным образом, от цен на природные ресурсы. Поэтому в дальнейших исследованиях автор планирует включить в предложенную модель мировые цены на основные российские товары и сырье (нефть, газ, металы), которые повысят точность разрабатываемых прогнозов.
Предложенный в работе подход может быть использован для оперативного анализа и краткосрочного прогнозирования не только совокупного ВВП, но и в любой отрасли экономики, развитие которой определяется как собственной инерцией, так и составляющими ее элементами.
Основные публикации по теме исследования (на русском и английском языках):
1. Эскин В. Модель краткосрочного прогнозирования развития Российской экономики. //Научные труды ИНП РАН // М.: МАКС Пресс, 2004,0.5 пл.
2. Эскин В., Рудой А. Развитие частного сектора и интеграция переходных экономик в мировое хозяйство. - Филадельфия: БЫ-^ЕРА, 2002, 0.3 п.л. (личный вклад)
3. Эскин В. Обзор догосрочных перспектив обменного курса новозеландского долара. - Филадельфия: ""ЕРА-Огоир, 2001, №3,0.2 п.л.
4. Эскин В. Обзор азиатской экономики. - Филадельфия: ""ЕРА-Огоир, 2000, №4,0.5 п.л.
5. Эскин В. Обзор финансовых рынков США. - Филадельфия: Global Insight, 2003,№7,0.2п.л.
6. Эскин В. Месячный мониторинг развитая экономического состояния развитых стран. - Филадельфия: WEFA-Group, 2001, №1, п.л. 0.3
7. Эскин В. Обзор мировой экономики. - Филадельфия: WEFA, 2001, №1В,
0.7 п.л.
8. Эскин В. Влияние состояния финансового сектора США на туризм. - Филадельфия: DRI-WEFA, 2001,0.5 п.л.
Эскин Владимир Леонидович
Краткосрочное прогнозирование макроэкономических показателей СНС на основе месячных индикаторов
АВТОРЕФЕРАТ
Подписано в печать 17 ./<? 2004 Формат 60 х 84 1/16. Бумага офсетная Печ. л. 1,1 Тираж 100 экз. Заказ № 197 Участок оперативной печати ИЭ РАН
--20 t
Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Эскин, Владимир Леонидович
Введение.
Глава 1. Базовые предпосыки развития системы краткосрочного прогнозирования
1.1. Стартовые условия и период, предшествующий августовскому кризису 1998 года.
1.2. Посткризисный период.
1.3. Факторы, определяющие развитие России на ближайшую перспективу
Глава 2. Особенности прогнозирования российской экономики.
2.1. Приоритеты учета тенденций и факторов в зависимости от горизонта прогноза.
2.2. Принципы построения модели и предпосыки использования методов моделирования.
2.3. Исторический обзор макро эконометрического прогнозирования и обоснование выбора типа модели.
Глава 3. Построение макроэкономической эконометрической модели России.
3.1. Методологические принципы разработки модели прогнозирования ВВП России.
3.2. Анализ информационной базы.
Диссертация: введение по экономике, на тему "Краткосрочное прогнозирование макроэкономических показателей СНС на основе месячных индикаторов"
Реализация экономического потенциала России требует качественного совершенствования управления и регулирования экономики. Однако, коренное совершенствование управления экономикой на основе рыночных механизмов, как правило, сопровождается ростом рисков неопределенности и увеличением уязвимости самой экономики. В этих условиях резко возрастает потребность в экономическом прогнозировании, призванном отслеживать связь между ключевыми факторами развития экономики и макроэкономическими пропорциями, которые определяют темпы экономического роста, бюджетное напонение и другие существенные процессы развития. К сожалению, методологический аспект этой проблемы до сих пор не решен, Отметим, что он не решен не только в России, но и в ряде других стран с переходной экономикой. Данная работа призвана воспонить этот пробел в отношении краткосрочного прогнозирования.
Набор оперативных показателей, которые применяются для краткосрочного прогнозирования российской экономики, а также и других стран, содержит как показатели, отражающие текущую месячную (квартальную) динамику, так и смешанные, используемые для вариантных прогнозов. Для практического применения оперативной информации необходима разработка инструментария, который способен установить динамическую связь между краткосрочными факторами и макроэкономической динамикой. В связи с этим темой данного исследования является краткосрочное прогнозирование макроэкономических показателей в Системе национальных счетов.
Важность данной темы обусловлена потребностью правительственных структур и крупных бизнес-структур в экономических краткосрочных прогнозах.
Степень разработанности темы исследования
Проблемы макроэкономического эконометрического моделирования достаточно хорошо разработаны в трудах зарубежных ученых, таких как Я. Тинберген, О. Экштейн и А. Годбергер. Однако, особое внимание этой проблематике уделено Л. Клейном в его работах. В России этими вопросами занимались С. А. Айвазян, Ю. В. Яременко, Э. Б. Ершов, М. Н. Узяков, другие ведущие ученые страны.
Обзор существующих эконометрических моделей включает ретроспективный анализ моделей за последние 70 лет. Большинство моделей этого времени базировалось на постулатах Кейнсианской теории. Эта же схема использована в наиболее успешной модели последних десятилетий - модели Клейна-Годбергера, которая была впервые реализована в середине 1950-ых годов. Другие четыре широко известных модели этого периода: модель Валаваниса, модель Сьюта (как модификация модели Клейна-Годбергера), модель Брукингса и модель Дьюсенбери-Экштейна-Фромма. Позже модель Клейна-Годбергера была преобразована в ежеквартальную модель Вартон, а затем объединена с моделью Брукингса. Эта объединенная эконометрическая модель нашла признание во многих странах мира. Ключевым моментом стало ее использование в модели глобального развития - проект LINK. В период 19702000-х годов были разработаны эконометрические модели для Великобритании, Японии, Франции, Италии, Израиля, Канады, Мексики и многих других стран. Общим для всех этих моделей является то, что концептуально все они восходят к методологии, развитой профессором JI. Клейном в Университете штата Пенсильвания. Очевидно, что из-за структурных различий экономик разных стран и разного качества статистической базы данных эти модели не поностью идентичны друг другу, но все они построены по единым принципам.
В России разработаны и применяются несколько межотраслевых эконометрических моделей, в частности модель Рим, разработанная под руководством М.Н. Узякова. В отличие от используемой в проекте LINK модели, модель Рим не является высокочастотной и, следовательно, реагирует на экономические воздействия со значительным запаздыванием. Межотраслевая эконометрическая модель Рим от предлагаемой в данной работе модели отличается тем, что она не предусматривает дезагрегации компонентов ВВП (только по укрупненным отраслям).
Целью исследования является разработка краткосрочных прогнозов основных показателей Системы национальных счетов (СНС) на основе использования ежемесячных (сигнальных) индикаторов. Это позволяет оперативно выявлять изменения тенденций экономического роста и улавливать сдвиги в пропорциях воспроизводства. Задачи исследования:
1. Выявить основные тенденции и факторы развития российской экономики, в наибольшей степени влияющие на пропорции воспроизводства в краткосрочной перспективе.
2. Сформулировать требования к модели краткосрочного прогнозирования и на основе сравнительного анализа существующих эконометрических моделей обосновать выбор типа модели краткосрочного прогнозирования.
3. Разработать концепцию и спецификацию модели прогнозирования российского ВВП, рассчитать ее параметры, проверить адекватность и оценить точность.
4. На основе разработанной модели произвести расчеты и построить для российской экономики краткосрочные прогнозы основных макроэкономических показателей СНС.
Объектом исследования является российская экономика в переходный период ее развития.
Предмет исследования - разработка метода краткосрочного прогнозирования, позволяющего учитывать взаимосвязь между сигнальными (высокочастотными) индикаторами экономики и показателями СНС.
Информационной базой анализа являются официальные публикации Госкомстатата РФ за период 1992-2002 гг. и база данных индикаторов мировой экономики компании Global Insight (США).
Научная новизна результатов исследования:
1. Предложен новый метод краткосрочного макроструктурного прогнозирования основных элементов Системы национальных счетов российской экономики, на основе сочетаний методов высокочастотного и структурного моделирования. Для этого используются месячные (сигнальные) индикаторы.
2. Разработана высокочастотная модель структурных связей между сводными макроэкономическими параметрами экономического роста и частными показателями, которые характеризуют конъюнктуру производства, потребления и обращения.
3. По высокочастотной структурной модели выпонен краткосрочный прогноз величины и структуры ВВП по трем вариантам - по сумме элементов производства, сумме конечных расходов и агрегированным способом на два квартала вперед.
Теоретическая и практическая значимость работы. Разработана методология краткосрочного прогнозирования основных элементов СНС, которая позволяет органам государственного управления экономикой и крупным бизнес-структурам решать практические задачи. Концепция краткосрочного прогнозирования, разработанная в данной диссертации, в декабре 2003 г. была внедрена и используется в Министерстве экономического развития и торговли РФ. Кроме того, ежемесячно прогнозные данные, разработанные на основе предложенной модели, передаются в отдел перспективного прогнозирования МЭРиТ для использования в работе.
Апробация результатов исследования была проведена на конференциях и семинарах в следующих организациях:
1. Министерство экономического развития и торговли Российской Федерации, Москва, ноябрь 2003 г.
2. Центр макроэкономического анализа и краткосрочного прогнозирования, Москва, январь 2004 г.
3. Проект IRIS - USАШ, Словения, июнь 2004 г.
Структура и обьем диссертации обусловлена целью исследования и поставленными задачами. Структура работы призвана способствовать раскрытию темы диссертации. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложения. Работа изложена на 137 страницах машинописного текста, содержит 7 таблиц, 5 рисунков, 15 приложений.
Диссертация: заключение по теме "Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда", Эскин, Владимир Леонидович
Заключение
Предложенная в диссертации высокочастотная сбалансированная модель, открывает методические перспективы эконометрического прогнозирования экономики России и методологически выводит его на качественно новый уровень: приводит в соответствие с действующей СНС и обеспечивает учет высокочастотных колебаний.
В результате проведенных исследований решены поставленные в диссертации задачи.
I. На основе обзора российских и зарубежных публикаций выявлены основные тенденции и факторы развития российской экономики, наиболее сильно влияющие на пропорции воспроизводства в краткосрочной перспективе, и определены основные источники экономического роста российской экономики. И. На основе анализа основных закономерностей развития российской экономики и сравнительного исследования существующих эконометрических моделей обоснован выбор типа модели краткосрочного прогнозирования российской экономики. Среди существующих эконометрических моделей наиболее подходящей признана квартальная эконометрическая модель, соединившая достоинства модели Клейна-Годбергера и модели Брукингса. Признано целесообразным использовать эту методологию в качестве основы моделирования экономического развития России.
III. В рамках диссертационного исследования разработана общая концепция и количественно-определенная модель прогнозирования, рассчитаны ее параметры, проверена адекватность, оценена точность и прогностические возможности модели.
1. Модель прогнозирования ВВП предлагается оценивать тремя различными способами в соответствии со структурой СНС: по сумме элементов производства, сумме элементов конечного использования и модели регрессии на основные экономические индикаторы. Затем результаты оценок дожны быть подвергнуты обобщению для получения окончательного прогноза.
2. Предложено использовать высокочастотное моделирование в сочетании со структурным моделированием. В целях повышения объективности прогноза результаты высокочастотных моделей рекомендовано применять в качестве входной информации для структурной модели. Уравнения регрессии модели строятся с применением метода главных компонент. Отклонения от модели регрессии моделируются на основе адаптивных методов.
3. Информационная база модели обеспечивает ее представительность, так как статистические индикаторы отражают основные экономические изменения в стране; охват индикаторов достаточно широк и учитывает все экономические сектора; данные отражают взаимосвязи различных секторов экономики и баланс между производством и потреблением; временные ряды достаточно длинны для обеспечения надежности статистических оценок. Соответствующая база данных индикаторов содержит более 100 ежемесячных временных рядов. Каждый из которых включает 120 наблюдений.
4. Для включения в модель из поного набора ежемесячных индикаторов, характеризующих состояние российской экономики, выбираются индикаторы для моделирования ВВП в целом, дефлятора ВВП и элементов ВВП (в разрезе производства и по элементам конечного использования). Набор ежемесячных индикаторов для каждого уравнения модели индивидуален. На их основе формируются ежемесячные основные компоненты. Количество основных компонент, включаемых в уравнения регрессии, определяется статистически. В модель включаются основные компоненты, объясняющие 80 - 90% вариации зависимой переменной. Степень влияния факторов (индикаторов) оценивается на основе частных производных главных компонент по каждому индикатору исходной базы данных.
5. Все построенные уравнения модели адекватны по критерию Дарбина-Уотсона и имеют высокие значения коэффициентов множественной корреляции. По
92 результатам ретроспективного прогнозирования на два квартала (III и IV кварталы 2003 г.) отклонения прогнозных значений от фактических не превысили одной стандартной ошибки, что свидетельствует об адекватности и достаточной точности модели и, следовательно, о возможности ее использования для краткосрочного прогнозирования.
IV. На основе разработанной модели построены ретроспективные прогнозы основных макроэкономических показателей российской экономики на два квартала вперед.
Оценки ретропрогнозов индексов ВВП, полученные по регрессионной модели для третьего и четвертого кварталов 2003 г., составляют 6,05% и 6,82% к соответствующим кварталам 2002 г.
Аналогично построены и проанализированы модели оценки ВВП по сумме элементов конечных расходов (6 уравнений для каждого элемента расходов) и по секторам экономики (7 уравнений), отдельно построена модель дефлятора ВВП. В результате были получены три варианта ретропрогноза совокупного ВВП.
Для получения итоговых прогнозных значений совокупного ВВП рассчитано среднее значение трех полученных оценок. Согласно ретропрогнозу третьему кварталу 2003 г. ВВП соответствует рост на 6,6% по сравнению с третьим кварталом 2002 г, а четвертому кварталу 2003 г. - рост на 6,8%. Это достаточно близко к реальным значениям, так что прогностические возможности модели достаточно высоки.
Решение задач исследования привело к реализации его цели: на основе набора ежемесячных российских экономических индикаторов разработана такая модель российской экономики, которая может быть использована для прогнозирования величины и структуры российского ВВП на два квартала вперед.
Результаты прогнозирования по трем вариантам оценки совокупного ВВП, предложенным в диссертации, показывают, что российская экономика, как и экономики развитых стран, при использовании эконометрических моделей подается прогнозной оценке. Следует отметить высокую зависимость российской
93 экономики от мировых рынков, и, главным образом, от цен на природные ресурсы. Поэтому в дальнейших исследованиях автор планирует включить в предложенную модель мировые цены на основные российские товары и сырье (нефть, газ, металы), которые повысят точность разрабатываемых прогнозов.
Предложенный в работе подход может быть использован для оперативного анализа и краткосрочного прогнозирования не только совокупного ВВП, но и в любой отрасли экономики, развитие которой определяется как собственной инерцией, так и составляющими ее элементами.
Диссертация: библиография по экономике, кандидат экономических наук , Эскин, Владимир Леонидович, Москва
1. Аболенцев Ю.И., Кильдишев Г.С. Многомерные группировки. - М.: Статистика, 1978. - 160 с.
2. Адамов В.Е. Факторный индексный анализ (Методология и проблемы). М.: Статистика, 1977. - 199 с.
3. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, 1974. - 240 с.
4. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешакин Л.Р. Прикладная статистика: классификация и снижение размерности: Справочник. М.: Финансы и статистика. - 1989. - 607 с.
5. Айвазян С.А., Мхитарян B.C. Прикладная статистика. Основы эконометрики. В 2-х т. 2-ое изд., испр.- М: ЮНИТИ-ДАНА. - 2001.
6. Андерсон Т. Статистический анализ временных рядов. Пер. с англ. М.: Экономика, 1973. - 294 с.
7. Анчишкин А.И. Прогнозирование темпов и факторов экономического роста,-М.: МАКС Пресс.- 2003. с.9-179.
8. Бальсис О.А., Заскявичюс В.А. Методы анализа макроэкономических структурных сдвигов.: Аналит. обзор / Лит. НИИНТИ и техн.-экон. исслед. Вильнюс. - 1988. - 64 с.
9. Белоусов А.Р. Экономический рост в условиях догосрочных вызовов и стратегической неопределенности. Материалы семинара Стратегия развития 4 марта 2001г.- М.: 2002.
10. Белоусов А.Р. Развитие российской экономики в посткризисный период. -Проблемы прогнозированиям 2003.- №6.
11. Белоусов А.Р. Развитие российской экономики в среднесрочной перспективе: анализ угроз. Проблемы прогнозирования.- 2004.- №1.
12. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. - 262 с.
13. Богачев В.В. Альтернативные представления адаптивных моделей прогнозирования. В сб.: Модели и методы экономической кибернетики. -М.: МЭСИ, 1988.
14. Богачев В.В. Метод прогнозирования одномерного временного ряда. В сб.: Применение методов вычислительной математики в экономических исследованиях. М.: МЭСИ, 1985.
15. Бокс Д., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Пер. с англ. М.: Мир, вып. 1,2, 1974. - 406 е., 197 с.
16. Боч Б., Хуань К. Дж. Многомерные статистические методы для экономики. -М.: Статистика, 1979. 316 с.
17. Вайну Я. Корреляция рядов динамики. М.: Статистика.- 1977. 118 с.
18. Вишнев С.М. Основы комплексного прогнозирования. М.: Наука.- 1977. -287 с.
19. Вишнев С.М. Экономические параметры. М.: Наука. - 1968,- 189 с.
20. Горчаков А.А., Половников В.А. Одномерные методы и модели экономического прогнозирования. Ташкент: 1990.
21. Горчаков А.А и др. Методы экономико-математического моделирования и прогнозирования в новых условиях хозяйствования. М.: ВЗФЭИ, 1991.
22. Горчаков А.А. Использование адаптивных моделей для краткосрочного экономического прогнозирования. Автореферат дисс., представленной на соискание уч. ст. к.э.н. М.: МЭСИ.- 1982.-23 с.
23. Горчаков А.А. Орлова И.В. Компьютерные экономико-математические модели. М.'Издательское объединение ЮНИТИ.- 1995. - 134 с.
24. Горчаков А.А. Половников В.А., Синилов Д.А. Оценивание точности и адекватности моделей экономического прогнозирования. В кн.: Математические методы моделирования экономических процессов. М.: МЭСИ, 1986.
25. Горчаков А.А., Синилов Д.А. Обработка временных рядов наблюдений с использованием ПЭВМ. М.: МЭСИ, 1988.
26. Госсовет РФ. Концепция стратегического развития России до 2010 года. М.: 2001
27. Гранберг А.Г. Динамические модели народного хозяйства. М.: Экономика, 1985. - 240 с.
28. Гранберг А.Г. Статистическое моделирование и прогнозирование. М.: Финансы и статистика, 1990. - 383 с.
29. Гуляев А.И. Временные ряды в динамических базах данных. М.: Радио и связь, 1989. - 128 с.
30. Добров Г.М. и др. Экспертные оценки в научно-техническом прогнозировании. Киев: Наукова Думка. - 1974. - 160 с.
31. Енюков И.С. Методы агоритмы, программы многомерного статистического анализа. М.: Финансы и статистика. 1986. - 232с.
32. Ершов Э.Б., Яременко Ю.В. Методы структурного прогноза. Блок межотраслевого моделирования . Гл.1, параграф 1 в кн. Методы народнохозяйственного прогнозирования.-М.: Наука.-1985.
33. Ершов Э.Б., Левченко Н.А. Структурная пропорциональность народного хозяйства и ее макроэкономический анализ . Экономика и математические методы.- 1984.- т.ХУП. - №4
34. Ершов Э.Б., Смышляев А.С., Яременко Ю.В. Модель межотраслевых взаимодействий. Экономика и математические методы. -1975.- №3
35. Информатика в статистике/Словарь-справочник. М.: Финансы и статистика. -1994.- 207 с.
36. Кендал М. Дж., Стьюарт А. Многомерный статистический анализ. Пер. с англ. М.: Наука, 1976. - 736 с.
37. Кильдишев Г.С. Френкель А.А. Анализ временных рядов и прогнозирование. М.: Статистика, 1973. - 100 с.
38. Ковалева Л.Н. Многомерное прогнозирование на основе рядов динамики. М.: Статистика, 1980. - 102 с.
39. Кондратьев Н.Д. Избранные сочинения. М.: Экономика, 1993.- 543 с.
40. Корхин А.С. Моделирование экономических систем с распределенным лагом. М.: Финансы и статистика. 1981. - 160 с.
41. Крамер Г. Математические методы и задачи.- М.:СтатистикаД971.-141 с.
42. Левицкий Е.М. Адаптивные экономические модели.- Новосибирск:-Наука.-Сибирское отделение .-1981. 223 с.
43. Лукашин Ю.П. Адаптивные методы красочного прогнозирования. М.: Статистика, 1979. - 253 с.
44. Маленво Э. Статистические методы эконометрии. М.: Статистика, 1976.-Вып. 2.-325 с.
45. Математико-статистические методы исследования взаимосвязей в экономике. М.: Статистика, 1977. - 181 с.
46. Методы и модели экономического прогнозирования. М.: МЭСИ, 1981. -78с.
47. Мхитарян B.C., Трошин Л.И. Вопросы статистического оценивания и сравнения в экономических исследованиях: Учеб. пособие. М.: МЭСИ. 1986.- 112с.
48. Национальные счета Россиив 1996-2003 годах. Официальное издание. М.:2004.
49. Основы экономического и социального прогнозирования/Под ред. В.Н. Мосина, Д.М. Крука. М.: Высшая школа, 1985. - 200 с.
50. Осокин К.Б. Экономика: путь к рынку. Нижний Новгород: Воговятское книжное издательство, 1991. - 187 с.
51. Песаран М., Слейтер Л. Динамическая регрессия: Теория и агоритмы. -М.: Финансы и статистика, 1984. 310 с.
52. Половников В.А., Скучалина Л.М. Обобщение моделей экономического прогнозирования. М.: МЭСИ.-1982. - 115 с.
53. Раяцкас Р.Л. Система моделей планирования и прогнозирования. М.: Экономика, 1976. - 268 с.
54. Региональная экономика. Под ред. проф. Т.Е. Морозовой. М.: Издательское объединение ЮНИТИ. - 1995. - 304 с.
55. РозинБ.Б.(ред.) Распознавание образов при построении экономико-статистических моделей. Новосибирск: Наука.-Сибирское отделение- 1975.
56. Российский статистический ежегодник. 2003. М.: Госкомстат России, 2003.
57. Рябушкин Б.Т. Применение статистических методов в экономическом анализе и прогнозировании. М.: Финансы и статистика, 1987.- 79 с.
58. Смирнов А.Д. Моделирование и прогнозирование социалистического воспроизводства. М.: Экономика, 1970. - 215 с.
59. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания. М.: Статистика. 1980. - 206 с.
60. Статистические методы анализа (Агоритмы и программы). М.: ИМЭМО. 1973.
61. Статистический анализ экономических временных рядов и прогнозирование. М.: Наука, 1973. - 295 с.
62. Статистическое моделирование экономических показателей. Новосибирск: Наука.- Сибирское отделение. 1976.
63. Статистическое моделирование и прогнозирование: Учеб. пособие/ Общ. ред. Рабиновича П.М. М.: МЭСИ, 1982.- 137 с.
64. Статистическое моделирование и прогнозирование. /Под ред. Гранберга А.Г. М.: Финансы и статистика. - 1990. - 384 с.
65. Стоун Р. Метод затрат-выпуск и национальные счета. /Пер. с англ. под ред. Исаева БА. М.: Статистика -1964. -286с.
66. Стратегия определения цен и физического объема во внешней торговле. Технический доклад.- Нью-Йорк: ООН. -1982. 82 с.
67. Теория статистики/Под. ред. Р.А. Шмойловой. М.: Финансы и статистика. 1996. - 459 с.
68. Узяков М.Н. Трансформация российской экономики: возможности экономического роста. М.: Издательство ИСЭПН. 2000. - 360 с.
69. Устинов И.Н. Внешнеэкономические связи России. Статистико-аналитический справочник. М.: Международные отношения, 2001.
70. Устинов И.Н. Мировая торговля. Статистическо-аналитический справочник. М.: Экономика, 2000.- 357 с.
71. Френкель А.А., Адамова Е.В. Корреляционный и регрессионный анализ в экономических приложениях: Учеб. пособие. М.: МЭСИ, 1987. - 96 с.
72. Хаупггейн Т.С. Методы прогнозирования в социалистической экономике. М.: Прогресс, 1971.-398 с.
73. Хеннан Э. Анализ временных рядов. М.: Статистика, 1964. - 215 с.
74. Черников Д.А. Темпы и пропорции экономического роста. М.: Экономика, 1982. - 222 с.
75. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1977. - 200 с.
76. Четыркин Е.М. Комплексное прогнозирование в экономике и международных отношениях. Сборник научных трудов./Отв. ред. Е.М. Четыркин. М.: ИМЭМО.-1975.- 266 с.
77. Четыркин Е.М. и др. Теория и практика статистического моделирования экономики. М.: Финансы и статистика; Братислава: Альфа, 1986. - 272 с.
78. Четыркин Е.М. Статистические методы анализа (Агоритмы и программы) Математические кривые роста (Подбор кривых для выравнивания динамических рядов). М.: ИМЭМО.- 1973. - 34 с.
79. Яковец Ю.В. Экономика России: перемены и перспективы. М.:1996.-280с.
80. Яковец Ю.В. Перспективы динамики российской экономики. Догосрочный прогноз на период до 2020 г. М.: МФК, 1996.
81. Яковец Ю.В. Прогнозирование циклов и кризисов. М.: МФК, 2000.
82. Яковец Ю.В. Русский циклизм : Новое видение прошлого и будущего. Lewiston (NY) etc.: Mellon.- 1999.- 560 с.
83. Яременко Ю.В. Теория и методология исследования многоуровневой экономики,- М.: Наука.- 1997.- 400 с.
84. Яременко Ю.В. Прогнозы развития народного хозяйства и варианты экономической политики. М.: Наука. - 1997. - 479 с.
85. Яременко Ю.В. Приоритеты структурной политики и опыт реформ. -М.:1999.- 409 с.
86. Список иностранной литературы
87. Bodkin, R.G. and Klein, L.R. and Marwah. K, "A History of Macroeconomic Model-Building", Edward Elgar, 1991.
88. Green, W.H., Econometric Analysis. 3rd Ed, Prentice Hall, New Jersey, 1997.
89. Inada, Y., "High frequency model for the Japanese economy", Konan University 1997.
90. Jolliffe, I.T., " Principal Component Analysis, New York, Inc, 1986
91. Keynes, J., "The General Theory of Employment, Interest and Money (1935)", Harcourt Brace Jovanovich, Inc., 1953.
92. Klein, L.R. and Park, J.Y., "Economic Forecasting of High Frequency Intervals, Journal of Forecasting", 1993.
93. Klein, L.R. and Park, J.Y., "The University of Pennsylvania Model for High-Frequency Economic Forecasting", Economic and Financial Modeling, 1995.
94. Klein, L.R. and Sojo. E, "Combination of High and Low Frequency Data in Macroeconometric Models", University of Pennsylvania 1991.
95. Klein, L.R. and Young, R.M., " An Introduction to Econometric Forecasting and Forecasting Models", Lexington Books, 1980
96. Klein, L.R., "An Essay on the Accuracy of Economic Prediction", International Journal of Applied Econometrics, 2000.
97. Klein, L.R., "Economic Theory and Econometrics", University of Pennsylvania Press, 1985
98. Klein, L.R., "Project LINK", 1997
99. Klein, L.R., and Coutino, A., "High Frequency Model for the Mexican Economy", WEFA 2001.
100. Leontief, W., "Essays in Economics", Transaction Books, 1990
101. Уравнение 2. Оценка DLOG ВВП-дефлятора
102. DLOGDEF = -0.02799 + 0.02962 * РС1-4.84) (12.30) Adjusted R-squared = 0.848473 F-statistic = 151.1864
103. Durbin-Watson = 2.413465 Sample (adjusted) = 1996Q2-2003Q2
104. Рисунок 2a. Результаты прогнозирования ВВП-дефлятора
105. Residual -----Actual---Fitted
106. Реальное сельскохозяйственное производство 0.00122
107. Потребительские цены на акогольную продукцию 0.00703
108. Цены производителей в химической промышленности 0.00793 Цены производителей в промышленности строительных материалов 0.00714 Расходы консолидированного бюджета в номинальном выражении,мрд. руб. 0.00153
109. Цены в строительстве 0.00280
110. Реальные объемы строительства 0.00053
111. Цены производителей на электричество 0.00482
112. Цены производителей на продукцию черной металургии 0.00723
113. Потребительские цены на продовольственную продукцию 0.00718
114. Цены производителей на продукцию пищевой промышленности 0.00844
115. Цены производителей на продукцию топливной отрасли 0.00523
116. Цены производителей на продукцию газовой промышленности 0.00046
117. Реальное производство промышленной продукции 0.00173
118. Индекс цен производителей на промышленную продукцию 0.00884
119. Цены производителей на продукцию легкой промышленности 0.005381. М2, мн. руб. 0.00877
120. Цены производителей на продукцию машиностроения 0.00421 Номинальный официальный обменный курс рубля к долару США,на конец месяца 0.00371
121. Номинальная среднемесячная заработная плата, руб 0.00677
122. Цены производителей на продукцию цветной металургии 0.00637
123. Потребительские цены на непродовольственную продукцию 0.00481 Цены производителей на продукцию нефтедобывающейпромышленности 0.00784 Цены производителей на продукцию нефтехимическойпромышленности 0.00373
124. Цены на грузовые перевозки 0.00855
125. Уравнение 1. Оценка DLOG потребления домохозяйств DLOGCONS = 0.00668 + 0.009617 * РС1 + 0.025546 * РС2 0.040927 * РС5 (1.92) (4.34) (4.29) (-5.61)- 0.029331 *РС7 0.057333 * РС8 + 0.041816 * РС13 (-4.32) (-4.98) (2.54)
126. Adjusted R-squared = 0.814334 F-statistic = 21.46803
127. Durbin-Watson = 1.996556 Sample (adjusted) = 1996Q2-2003Q2
128. Рисунок la. Регрессия DLOG потребления домохозяйств
129. Residual -----Actual---Fitted
130. Рисунок lb. Прогнозные оценки DLOG потребления домохозяйств вЗ и 4 кварталах 2003 года и их стандартные ошибки-DLOGCONS Х DLOGCONS UPPER1------DLOGCONS1 DLOGCONS. .LOWER1
131. Уравнение 2. Оценка DLOG государственного потребления DLOGGOV = 0.000658 + 0.009422 * РСЗ 0.055909 * DUMMY 1 (0.56) (2.20) (-4.61)0.063701 * DUMMY2 0.95538 * МА(4) (0.064) (-18.72)
132. Adjusted R-squared = 0.768484 Durbin-Watson = 2.051848 F-statistic = 19.91615 Sample (adjusted) = 1996Q2-2003Q2
133. Рисунок 2a. Регрессия DLOG государственного потребления
134. Рисунок 2b. Прогнозные оценки государственного потребления в 3 и 4 кварталах 2003 года и их стандартные ошибкиф DLOGGOV UPPER1------DLOGGOV 1 т DLOGGOV. .LOWER1
135. Рисунок За. Регрессия DLOG инвестиций в основной капитал
136. Рисунок ЗЬ. Прогнозные оценки инвестиций в основной капитал в 3 и 4 кварталах 2003 года и их стандартные ошибки-DLOGINV Х DLOGINV UPPER1------DLOG IN V1 * DLOGINV. .LOWER1
137. Уравнение 4. Оценка DLOG изменения материальных запасов
138. DLOGINVRATIO = -0.038345 + 5.816066 * DLOGREALINVENT (-4.88) (8.00)-0.763196 * DUMMY2 + 1.076968 * DUMMY4 (-5.97) (7.12)-0.162702 * РС2 + 0.219607 * РСЗ + 0.254233 * РС4 (-3.12) (3.99) (3.48)0.258216 * РС11 -0.960557 * МА(1) (5.47) (-34.81)
139. Adjusted R-squared = 0.92498 Durbin-Watson = 2.009845 F-statistic = 44.15444 Sample (adjusted) = 1996Q2-2003Q2
140. Вводимые фиктивные переменные:
141. DUMMY1=1 for 1998Q3 and 0 otherwise DUMMY2=1 for 1998Q4 and 0 otherwise DUMMY3=1 for 1999Q1 and 0 otherwise DUMMY4=1 for 1999Q2 and 0 otherwise DUMMY5=1 for 1999Q3 and 0 otherwise
142. Рисунок 4a. Регрессия DLOG изменения материальных запасов
143. Residual -----Actual---Fitted
144. Рисунок 4b. Прогнозные оценки изменения материальных запасов в 3 и 4 кварталах 2003 года и их стандартные ошибки
145. DLOGINVRATIO Х DLOGINVRATIOJJPPER1 DLOGINVRATIQ1 * DLOGINVRATIO L0WER1
146. Уравнение 5. Оценка DLOG соотношения ВВП к внутреннему потреблению DLOGDPRATIO = -0.003498 + 0.055368 * РСЗ + 0.052685 * PC 10 (-0.61) (3.08) (2.92)0.047495 * РС12 + 0.056952 * РС13 + 0.033978 * PCl(-l)2.92) (3.04) (6.66)- 0.017467 * РС1(-2) (-3.80)
147. Adjusted R-squared = 0.620103 F-statistic = 8.345309
148. Durbin-Watson = 1.980976 Sample (adjusted) = 1996Q3-2003Q2
149. Рисунок 5a. Регрессия DLOG соотношения ВВП к внутреннему потреблению
150. Residual -----Actual---Fitted.
151. Рисунок 5b. Прогнозные оценки соотношения ВВП к внутреннему потреблению и их стандартные ошибки-DLOGGDPRATIO Х DLOGGDPRATIOUPPER1------DL0GGDPRATI01 Х DLOGGDPRATIO LOWER1
Похожие диссертации
- Неформальная институционализация конкурентной среды и факторы легализации теневого бизнеса в российской промышленности
- Развитие методов макроэкономического анализа и прогнозирования на основе показателей национальных счетов
- Методология статистического исследования состояния и развития рынка ценных бумаг в России
- Статистический анализ монетарного фактора инфляции в России
- Методы оценки и управления обменным курсом валют