Geum.ru

 

Социология управления Главная Социология Социология управления
Антохонова И.В.. Методы прогнозирования социально-экономических процессов, 2004

4.7. Многофакторные модели прогнозирования

Сложный характер социально-экономических процессов ставит задачу отбора наиболее существенных факторов, оказывающих влияние на вариацию исследуемых характеристик. Таких факторов достаточно много ввиду усложнения и неоднозначности экономической динамики. Тренды и уравнения парной регрессии имеют ограниченные возможности.
В регрессионном анализе, проводимом в пространстве, при наличии достаточного числа наблюдений, в соответствии с предпосылками, приметаются многофакторные модели, или уравнения множественной регрессии.
Они позволяют детально исследовать взаимозави-симость признаков, их соподчиненность и силу корреляционного взаимодействия. Эта тема достаточно глубоко рассматривается в курсе многомерного статистического анализа и в то же время она является темой факторного анализа пространственно-временной информации.
Множественная корреляция исследует статистиче-скую зависимость результативного признака от нескольких факторных признаков. В общем виде уравнение регрессии имеет вид:
yt=f(xiДx2t,-,xpt) + et, (4.31) где t = l,2,...n - количество наблюдений, р - количество параметров, st - возмущающая переменная.
Для линейной зависимости
р
У, = = 1,2,...,п.
]=1
Выбор уравнения множественной регрессии включает следующие этапы:
отбор факторов-аргументов;
выбор уравнения связи;
Х определение числа наблюдений, необходимых для получения несмещенных оценок.
Одним из важнейших требований является отбор наиболее существенных факторов. Также необходим традиционный экономический анализ, в ходе которого глубже и полнее выявляется существо, направленность и теснота связи между факторами. Последовательное введение всех конкурирующих факторов в уравнение регрессии следует осуществлять с точки зрения минимизации остаточной дисперсии.
В процессе отбора факторных признаков особое внимание следует уделять выявлению и устранению муль- тиколлинеарности - тесной корреляционной связи между двумя (коллинеарности) и большим числом факторных признаков.
Если в модель включаются две или несколько связанных между собой лнезависимых переменных, то система нормальных уравнений не имеет однозначного решения, наряду с уравнением регрессии существуют и другие линейные соотношения.
Последствия мультиколлинеарности:
слабая обусловленность матрицы системы нормальных уравнений;
неопределенное множество коэффициентов регрессии а/,
сильная корреляция стандартных ошибок параметров и возрастание остаточных дисперсий;
чувствительность коэффициентов регрессии к
выборке.
Разрешение проблемы мультиколлинеарности можно разбить на несколько этапов:
Установление самого факта существования мультиколлинеарности.
Измерение степени мультиколлинеарности.
Определение области мультиколлинеарности на множестве независимых переменных.
Установление причин мультиколлинеарности.
Определение мер по устранению мультиколлинеарности.
Существует несколько методов выявления мультиколлинеарности, основанных на следующих процедурах :
а) анализ парных коэффициентов корреляции между независимыми переменными гхх ;
б) анализ множественных коэффициентов корреляции каждой из независимых переменных со всеми остальными ;
в) сравнение парных коэффициентов корреляции между независимыми переменными с парными коэффициентами между зависимой и независимыми переменными г г
XtXj J yxt J
г)сравнение множественненных коэффициентов корреляции между независимыми переменными с коэффициентом множественной корреляции между зависимой пе-ременной со всеми остальными.
Наряду с линейными моделями используются нелинейные зависимости, например, степенная зависмость
Д = arXu x2i ''' х1',' , которую путем простейших преобразований можно привести к линейному виду:
Inyt =lnа0 +ах lnxu +а2 \nx2t +... + ар lnx^.
Анализ временных рядов с учетом предпосылок регрессионного анализа позволяет определить общую направленность в процессе прогнозирования изменения величины исследуемого показателя. Для исключения атокор- реляции при необходимости используются рассмотренные выше процедуры для случая парной зависимости. Могут использоваться две вычислительные схемы прогнозирования на основе уравнений множественной регрессии:
1) анализ отклонений абсолютных уровней от трендов;
2) построение нескольких статических моделей (для каждого года предпрогнозного периода), параметры которых определяются в виде функций времени, после чего рассчитываются наиболее вероятные значения признаков в перспективе.
<< Предыдушая Следующая >>
= К содержанию =
Похожие документы: "4.7. Многофакторные модели прогнозирования"
  1. 7.3. Прогнозы как исходная основа для принятия эффективных тактических и стратегических решений рыночного поведения
    многофакторных экономико-математических моделей, разумеется, при том обязательном условии, что эти закупки или продажи входят в модель в качестве одного из значимых показателей - аргументов. Уста навливается это влияние, естественно, на опыте прошлого, т.е. базовом периоде. Критерием наибольшей эффективности в случае выступления на рынке в качестве продавца (экспортера) в течение заданного
  2. 2. Научные основы прогнозирования. Прогнозы и циклы
    многофакторно и неравномерно, связано с деятельностью людей и социальных групп, обладающих противоречивыми интересами. Поэтому прогнозы очень часто не сбываются. Тем не менее прогнозиро ванием социально-экономического развития приходится зани маться постоянно, совершенствуя применяемые формы орга низации и методы прогнозной работы. Предвидением будущего практически занимаются все
  3. 14.3. Формирование лновой экономики развитых стран
    многофакторной производительности, т.е. тех показателей, которые традиционно наиболее точно отражали динамику технического прогресса. При этом характерно, что в целом по группе высокоразвитых стран замедление второго из этих показателей оказалось ббльшим,. чем первого. По оценкам экспертов, уменьшение темпов экономического роста в развитых странах лишь на 2/5 было связано с замедлением прироста
  4. 1.4.3. Основные типы моделей, используемые в экономическом анализе
    многофакторной. Анализируются такие модели с помощью различных приемов. Детерминированный факторный анализ имеет достаточно жесткую последовательность выполняемых процедур: построение экономически обоснованной (с позиции факторного анализа) детерминированной факторной модели; выбор приема факторного анализа и подготовка условий для его выполнения; реализация счетных процедур анализа модели,
  5. АНАЛИЗ ДЕЛОВОЙ АКТИВНОСТИ ОРГАНИЗАЦИИ
    многофакторной модели коэффициента устойчивости экономического роста в учетно-аналитической практике состоит в прогнозировании темпов развития организации с учетом риска
  6. АНАЛИЗ ДЕЛОВОЙ АКТИВНОСТИ ОРГАНИЗАЦИИ
    многофакторной модели коэффициента устойчивости экономического роста в учетно-аналитической практике состоит в прогнозировании темпов развития организации с учетом риска
  7. 4.3. Анализ финансового состояния при оценке несостоятельности (банкротства) предприятия
    многофакторное регрессионное уравнение. В общем виде индекс кредитоспособности (Z-счет) имеет вид Z = 1,2 x X1 + 1,4 x X2 + 3,3 x X3 + 0,6 x X4 + 1,0 x X5. (4.40) Ликвидность по данной методике рассчитывается как отношение оборотного капитала к валюте баланса X1 = ОбС/К. (4.41) Совокупная прибыльность определяется отношением нераспределенной (чистой) прибыли к валюте баланса X2 = ЧП/К. (4.42)
  8. 8.2. Модели экономического роста.
    многофакторной. Эта модель была разработана в 1956 г. При анализе экономического роста неоклассики исходят: 1) из того, что стоимость про- дукции создается всеми производственными факторами; 2) из того, что каждый фактор производства вносит свой вклад в создание стоимости продукции; 3) из того, что существует количественная зависимость между выпуском продукции и ресурсами, необходимыми для ее
  9. 4.2. Методы диагностики вероятности банкротства
    многофакторное регрессионное уравнение. Таким образом, индекс Альтмана представляет собой функцию от некоторых показателей, характеризующих экономический потенциал предприятия и результаты его работы за истекший период. Индекс кредитоспособности (2) в общем виде имеет следующий вид (80): г = 3,3-Кг +\,0-К2+0,6-К3 +\,4-К4 + 1,2-К5, (80) где показатели К-К. рассчитываются по формулам (81)Ч(85):
  10. 3.1. Необходимость и содержание управления финансами
    многофакторный и противоречивый процесс, в основе которого заложена эволюция производительных сил и производственных отношений, происходящая, как правило, на основе расширенного воспроизводства. На процесс общественного воспроизводства, с одной стороны, влияет множество факторов: количество и качество материальных, финансовых, трудовых ресурсов, предпринимательские способности субъектов