1. Понятие факторного и результативного признака

Вид материала

Документы

Содержание 43 Исходные данные для статистического анализа и прогнозирования S Релевантность. S Надежность и точность. S Сопоставимость. S Представительность (репрезентативность). 44. Основные этапы прогнозирования и типы прогнозов Виды прогнозов 45. 1. В зависимости от горизонта прогнозирования Экстраполятивный подход Альтернативный подход Нормативное (нормативно-целевое) прогнозирование 47. 3. В зависимости от степени вероятности будущих событий Вариантный прогноз Точечный прогноз Интервальный прогноз 1-й этап {постановочный) 2-й этап (априорный, предмодельный) 3-й этап (информационно-статистический) 4-й этап (спецификация модели) 5-й этап (исследование идентифицируемости и идентификация модели) ... Полное содержание

Подобный материал:

• Методика факторного анализа: сущность, результативный показатель, понятие «фактора»., 30.47kb.
• Бизнес-план: понятие, строение. Виды смет. Понятие лигистического анализа. Модели детерминированного, 26.87kb.
• Дисперсионный анализ, 123.95kb.
• Тест. Вопросы/Варианты ответов Средняя величина представляет собой: а уровень признака, 121.7kb.
• По данным наблюдения провести корреляционно-регрессионный анализ (кра) зависимости, 134.2kb.
• Генетика человека, 33.55kb.
• Тематика дисциплины «Психогенетика» Вводная информация, 39.84kb.
• Литература 20 понятие государства и его сущность, 168.97kb.
• Применение Признака Паскаля. 9 Выводы. 10 Заключение. 10 Список используемой литературы., 93.57kb.
• Постановление Совета Министров Республики Беларусь 02. 02. 2011 n 119 Настоящим Положением,, 1528.36kb.

43 Исходные данные для статистического анализа и прогнозирования

Статистический анализ исследуемого явления или процесса всегда опирается на исходные статистические данные. Выводы статистического анализа составляют существенный компонент системы поддержки принятия стратегических решения. Форма и содержание исходных статистических данных зависят от конечных прикладных целей исследования и используемых источников. В частности, конечные прикладные цели статистического анализа механизма функционирования фирм (предприятий) и связанных с этим задач прогнозирования обусловливают состав и структуру показателей (так называемое фазовое пространство), наблюдение за которыми и образует массив исходных статистических данных.

Прогнозирование заключается в основанном на соответствующем статистическом анализе описании состояния изучаемой системы или процесса через один, два или большее число тактов времени по отношению к текущему моменту времени, т.е. к настоящему. Следует отличать прогноз от предсказания. Прогноз обладает свойством научного результата. Другими словами, в его основе лежит научное обоснование, которое может быть воспроизведено и без автора прогноза. Предсказание же порождается другими инструментами - интуицией, экстрасенсорными способностями, магией, наконец. Оно воспринимается на веру, как данность. Экспертная оценка, т.е. прогноз специалиста в данной конкретной области, представляет собой некоторый промежуточный (между прогнозированием и предсказанием) вариант подхода к формированию представления о будущем. С одной стороны, эта оценка основана на субъективном представлении эксперта о возможном развитии прогнозируемого процесса, с другой, - она учитывает многие факторы, если и не поддающиеся непосредственному измерению и формализации, то допускающие объективную интерпретацию в рамках научного обоснования эксперта. Поэтому организацию и статистический анализ экспертных оценок обычно включают в состав математического инструментария прогнозирования.

Требования, предъявляемые к исходным статистическим данным. Формируя массив исходных статистических данных из первичных или вторичных источников, следует помнить об основных требованиях к качеству этих данных.

S Релевантность. Это свойство означает, что используемые данные (т.е. выбранные для анализа переменные,

методология и время их измерения) должны отражать именно анализируемые стороны деловой деятельности и должны быть «привязаны» к нужным объектам и соответствующим моментам времени.

S Надежность и точность. Это свойство исходных данных достигается с помощью различных (прямых и

косвенных) методов проверки надежности используемых источников, соблюдения принятой методологии измерений, достоверности ответов респондентов, вылавливания сбоев и опечаток в их записи.

S Сопоставимость. Сами данные должны сопровождаться такими комментариями и пояснениями,

касающимися смысла анализируемых показателей и методологии их измерения, которые позволили бы сохранить возможность их сопоставления (во времени и пространстве) и «приведения к общему знаменателю» в ситуациях, характеризующихся изменениями в методологии измерений и корректировкой состава анализируемых переменных.

S Представительность (репрезентативность). Соблюдение этого свойства достигается таким способом

организации выборки, при котором она полно и адекватно представляет изучаемые свойства всей анализируемой совокупности (т.е. той совокупности, от которой эта выборка отбиралась). Наиболее распространенными способами отбора респондентов в выборку, обеспечивающими ее репрезентативность, являются простой случайный, расслоенный случайный, систематический, одноступенчатый гнездовой и др. Так, если нас интересует распределение потенциальных клиентов по величине среднедушевого дохода, то мы должны обеспечить наличие в контрольной выборке пропорционального представительства всех социально-экономических слоев населения анализируемого региона, что будет достигнуто с помощью правильно организованного расслоенного случайного отбора. К сожалению, приходится достаточно часто сталкиваться с нарушениями этого важнейшего требования даже в традиционной практике выборочных обследований Госкомстата РФ.

44. Основные этапы прогнозирования и типы прогнозов

Прогноз - это результат процесса прогнозирования, выраженный в словесной, математической, графической или другой форме суждения о возможном состоянии объекта (в частности предприятия) и его среды в будущий период времени.

Выделяются различные признаки классификации прогнозов. Мы воспользуемся подходом, разработанным в Финансовой академии при Правительстве РФ и на его основе составим следующую классификационную таблицу. .

Таблица 1. Виды прогнозов________________________________________________________________

№ п/п	Признаки классификации прогнозов	Виды прогнозов
1 1	Временной охват (горизонт прогнозирования)	краткосрочные, среднесрочные, долгосрочные
2	Типы прогнозирования	поисковые, нормативные, основанные на творческом видении
	Степень вероятности будущих событий	вариантные, инвариантные
4	Способ представления результатов прогноза	точечные, интервальные

Ниже дана характеристика каждого из перечисленных в табл.1 видов прогнозов.


45. 1. В зависимости от горизонта прогнозирования прогноз может разрабатываться на очень короткий период времени - до месяца (например, недельные и месячные прогнозы объемов продаж, движения наличности), на год, а также на 2-3 года (среднесрочный прогноз), 5 и более лет (долгосрочный прогноз).

Долгосрочные прогнозы называют также перспективными. Нередко пятилетние прогнозы относят к среднесрочным.

46. 2. По типам прогнозирования выделяют поисковые, нормативные и основанные на творческом видении прогнозы.

2.1. Поисковое прогнозирование - способ научного прогнозирования от настоящего к будущему: прогнозирование начинается от сегодняшнего дня, опирается на имеющуюся информацию и постепенно проникает в будущее.

Существуют два вида поискового прогнозирования:

• экстраполятивное (традиционное),

• альтернативное (новаторское).

Экстраполятивный подход предполагает, что экономическое и прочее развитие происходит гладко и непрерывно, поэтому прогноз может быть простой проекцией (экстраполяцией) прошлого в будущее. Для составления такого прогноза необходимо вначале оценить прошлые показатели деятельности предприятия и тенденции их развития (тренды), затем перенести эти тенденции в будущее.

Экстраполятивный подход очень широко применяется в прогнозировании и так или иначе отражается в большинстве методов прогнозирования.

Альтернативный подход базируется на том, что внешняя и внутренняя среда бизнеса подвержена постоянным изменениям, вследствие чего:

• развитие предприятия происходит не только гладко и непрерывно, но и скачкообразно и прерывисто;

• существует определенное число вариантов будущего развития предприятия. Исходя из этого, в рамках альтернативного подхода:

во-первых, альтернативное прогнозирование может объединять в единой логике два способа развития предприятия -гладкий и скачкообразный, создавая синтетическую картину будущего;

во-вторых, создаются прогнозы, включающие сочетание различных вариантов развития выбранных показателей и явлений. При этом каждый из вариантов развития лежит в основе особого сценария будущего.

Альтернативный подход сравнительно молод (стал широко применяться в 80-е годы) и в настоящее время быстро распространяется в практике внутрифирменного планирования.

Оба вида поискового прогнозирования опираются как на количественные, так и на качественные методы прогнозирования.

2.2. Нормативное (нормативно-целевое) прогнозирование предполагает:

о во-первых, определение общих целей и стратегических ориентиров предприятия на будущий период;

о во-вторых, оценку развития предприятия, исходя из этих целей.

Нормативное прогнозирование применяется чаще всего тогда, когда предприятие не располагает необходимыми историческими данными. В силу этого оно опирается на качественные методы исследования и, как и экстраполятивное, является в большой степени традиционным подходом к предсказанию будущей среды предприятия.

2.3. Прогнозирование, основанное на творческом видении будущего, - использует субъективное знание прогнозиста, его интуицию.

Прогнозы такого рода часто имеют формы "утопий" или "антиутопий" - литературных описаний вымышленного будущего. Несмотря на кажущуюся отдаленность от мира экономики, подобные произведения являются хорошим дополнением к сухому количественному прогнозу.

Данный вид прогнозирования может использоваться для непосредственного предсказания будущих результатов деятельности предприятия.

47. 3. В зависимости от степени вероятности будущих событий прогнозы делятся на вариантные и инвариантные. Инвариантный прогноз предполагает только один вариант развития будущих событий. Он возможен в условиях

высокой степени определенности будущей среды. Как правило, такой прогноз базируется на экстраполятивном подходе (простом продолжении сложившейся тенденции и в будущем).

Вариантный прогноз основывается на предположении о значительной неопределенности будущей среды и, следовательно, наличии нескольких вероятных вариантов развития.

Каждый из вариантов развития учитывает специфическое состояние будущей среды предприятия и, исходя из этого, определяет основные параметры данного бизнеса. Такого рода вариант будущего состояния предприятия называют сценарием.

48. .4. По способу представления результатов прогнозы делятся на точечные и интервальные.

Точечный прогноз исходит из того, что данный вариант развития включает единственное значение прогнозируемого показателя, например, среднедневной товарооборот в следующем месяце возрастет на 5%.

Интервальный прогноз - это такое предсказание будущего, в котором предполагается некоторый интервал, диапазон значений прогнозируемого показателя, например: среднедневной товарооборот в следующем месяце возрастет на 5-8%.

Построение прогноза и связанные с ним построение и экспериментальная проверка (верификация) вероятностно-статистической модели обычно основаны на одновременном использовании информации двух типов:

- априорной информации о природе и содержательной сущности анализируемого явления, представленной, как правило, в виде тех или иных теоретических закономерностей, ограничений, гипотез;

- исходных статистических данных, характеризующих процесс и результаты функционирования анализируемого явления или системы.

49. Можно выделить следующие основные этапы прогнозирования.

1-й этап {постановочный) включает в себя определение конечных прикладных целей прогнозирования; набора факторов и показателей (переменных), описание взаимосвязей между которыми нас интересует; роли этих факторов и


показателей -. какие из них, в рамках поставленной конкретной задачи, можно считать входными (т.е. полностью или частично регулируемыми или хотя бы легко поддающимися регистрации и прогнозу; подобные факторы несут смысловую нагрузку объясняющих в модели), а какие - выходными (эти факторы обычно трудно поддаются непосредственному прогнозу; их значения формируются как бы в процессе функционирования моделируемой системы, а сами факторы несут смысловую нагрузку объясняемых).

2-й этап (априорный, предмодельный) состоит в предшествующем построению модели анализе содержательной сущности изучаемого процесса или явления, формировании и формализации имеющейся априорной информации об этом явлении в виде ряда гипотез и исходных допущений (последние должны быть подкреплены теоретическими рассуждениями о механизме изучаемого явления или, если возможно, экспериментальной проверкой).

3-й этап (информационно-статистический) заключается в сборе необходимой статистической информации, т.е. регистрации значений участвующих в анализе факторов и показателей на различных временных и (или) пространственных тактах функционирования моделируемой системы.

4-й этап (спецификация модели) включает в себя непосредственный вывод (опирающийся на принятые на 2-м этапе гипотезы и исходные допущения) общего вида модельных соотношений, связывающих между собой интересующие нас входные и выходные переменные. Говоря об общем виде модельных соотношений, мы имеем в виду то обстоятельство, что на данном этапе будет определена лишь структура модели, ее символическая аналитическая запись, в которой наряду с известными числовыми значениями (представленными в основном исходными статистическими данными) будут присутствовать величины, содержательный смысл которых определен, а числовые значения - нет (их обычно называют параметрами модели, неизвестные значения которых подлежат статистическому оцениванию).

5-й этап (исследование идентифицируемости и идентификация модели) состоит в проведении статистического анализа модели с целью «настройки» значений ее неизвестных параметров на те исходные статистические данные, которыми мы располагаем. При реализации этого этапа «прогнозист» должен сначала ответить на вопрос, возможно ли в принципе однозначно восстановить значения неизвестных параметров модели по имеющимся исходным статистическим данным при принятой на 4-м этапе структуре (способе спецификации) модели. Это составляет так называемую проблему идентифицируемости модели. А затем, после положительного ответа на этот вопрос, необходимо решить уже проблему идентификации модели, т.е. предложить и реализовать математически корректную процедуру оценивания неизвестных значений параметров модели по имеющимся исходным статистическим данным. Если проблема идентифицируемости решается отрицательно, то возвращаются к 4-у этапу и вносят необходимые коррективы в решение задачи спецификации модели.

6-й этап (верификация модели) заключается в использовании различных процедур сопоставления модельных заключений, оценок, следствий и выводов с действительностью. Этот этап называют также этапом статистического анализа точности и адекватности модели. При пессимистическом характере результатов этого этапа необходимо возвратиться к этапу 4, а иногда и к этапу I. Если же этап верификации модели дает положительные результаты, то модель может быть непосредственно использована для построения прогноза в соответствии с описанной выше обшей схемой.

50. О выборе подходящего метода прогнозирования

Единого, универсального, метода прогнозирования не существует. В связи с огромным разнообразием прогнозируемых ситуаций имеется и большое разнообразие методов прогнозирования (свыше 150). На рис. 1 представлен один из вариантов классификации методов прогнозирования, основанной на индуктивном и дедуктивном подходах.


При выборе подходящего метода прогнозирования исследователь должен последовательно ответить на следующие вопросы:

- какой именно тип прогноза он собирается построить (краткосрочный, среднесрочный, долгосрочный; микро-, мезо-или макропрогноз);

- какова природа и форма исходных статистических данных, на основе которых он собирается строить прогноз;

- кто именно будет использовать этот прогноз (руководство компании, служба маркетинга и т. п.);

- какова требуемая точность прогноза и какие потребуются расходы для обеспечения намеченного прогноза.

51. Статистическое прогнозирование Для рассмотрения выделим следующие методы статистического прогнозирования: 1. Экстраполяция по скользящей средней - может применяться для целей краткосрочного прогнозирования.


Необходимость применения скользящей средней вызывается следующими обстоятельствами. Бывают случаи., когда" имеющиеся данные динамического ряда не позволяют обнаруживать какую-либо тенденцию развития (тренд) того или иного процесса (из-за случайных и периодических колебаний исходных данных). В таких случаях для лучшего выявления тенденции прибегают к методу скользящей средней.

Метод скользящей средней состоит в замене фактических уровней динамического ряда расчетными, имеющими значительно меньшую колеблемость, чем исходные данные. При этом средняя рассчитывается по группам данных за определенный интервал времени, причем каждая последующая группа образуется со сдвигом на один год (месяц). В результате подобной операции первоначальные колебания динамического ряда сглаживаются, поэтому и операция называется сглаживанием рядов динамики (основная тенденция развития выражается при этом уже в виде некоторой плавной линии).

Метод скользящей средней называется так потому, что при вычислении средние как бы скользят от одного периода к другому; с каждым новым шагом средняя как бы обновляется, впитывая в себя новую информацию о фактически реализуемом процессе.

Таким образом, при прогнозировании исходят из простого предположения, что следующий во времени показатель по своей величине будет равен средней, рассчитанной за последний интервал времени.

52. 2. Экспоненциальное сглаживание. Сущность этого метода заключается в том, что временной ряд сглаживается с помощью взвешенной скользящей средней, в которой веса распределяются по экспоненциальному закону. Экспоненциальное сглаживание - это очень популярный метод прогнозирования многих временных рядов.

Простая и прагматически ясная модель временного ряда имеет следующий вид: Xt = b + st, где b - константа не­случайная ошибка. Константа b относительно стабильна на каждом временном интервале, но может также медленно изменяться со временем. Один из интуитивно ясных способов выделения b состоит в том, чтобы использовать сглаживание скользящим средним, в котором последним наблюдениям приписываются большие веса, чем предпоследним, предпоследним большие веса, чем предпредпоследним и т.д. Простое экспоненциальное сглаживание именно так и устроено. Здесь более старым наблюдениям приписываются экспоненциально убывающие веса, при этом, в отличие от скользящего среднего, учитываются все предшествующие наблюдения ряда, а не те, что попали в определенное окно. Точная формула

S = а х X, , + (1 - а) х S, , простого экспоненциального сглаживания имеет следующий вид: ' '"' ' '-'

где: Xt-1 - наблюдаемое значение в предшествующий период;

St-1 - прогнозное значение предыдущего периода;

а - константа сглаживания

Когда эта формула применяется рекурсивно, то каждое новое сглаженное значение (которое является также прогнозом) вычисляется как взвешенное среднее текущего наблюдения и сглаженного ряда. Очевидно, результат сглаживания зависит от параметра а. Если а равно 1, то предыдущие наблюдения полностью игнорируются. Если а равно О, то игнорируются текущие наблюдения. Значения а между 0 1 дают промежуточные результаты. Эмпирические исследования показали, что весьма часто простое экспоненциальное сглаживание дает достаточно точный прогноз.

Предположим, что имеются наблюдения за четыре периода времени. Прогнозное значение на пятый период времени может быть представлено как: S5 = аХ4 + (1-а) S4

При этом следует учесть, что прогнозное значение в предыдущий период было, в свою очередь, определено на основе предыдущих наблюдений. Этот процесс можно представить следующим образом:

St-1 =aXt-2 + (l-ct)St-2

St-2 = aXt-3 + (l-a)St-3

St-3 = aXt-4 + (l-a)St-4

Если подставить три формулы в выражение для St, то получим:

St = aXt-1 + a (1-a) Xt-2 + a (l-a)2 Xt-3 + a (l-a)3 Xt-4 + (l-a)4 St-4

Для того чтобы вычислить St необходимо определить St-4. Обычно полагают, что первое прогнозное значение совпадает с первым наблюдаемым значением, то есть для рассматриваемого случая принимаем St-4 = Xt-4

Расчет прогнозного значения также можно представить в несколько другом виде: St = St-1 + a (Xt-4 - St-1)

Дальнейший прогноз зависит от значения коэффициента а. Выбор коэффициента а производится теоретическим и эмпирическим способом.

53. Прогнозирование на основе сезонных колебаний.

Одним из статистических методов прогнозирования является расчет прогнозов на основе сезонных колебаний уровней динамического ряда. При этом под сезонными колебаниями понимаются такие изменения уровня динамического ряда, которые вызываются влияниями времени года. Проявляются они с различной интенсивностью во всех сферах жизни общества: производстве, обращении и потреблении. Их роль очень велика в агропромышленном комплексе, в торговле многими товарами, в строительстве, на транспорте, в заболеваемости и др. Сезонные колебания строго цикличны -повторяются,через каждый год, хотя сама длительность времен года имеет колебания. Для изучения сезонных колебаний необходимо иметь уровни за каждый квартал, а лучше за каждый месяц, иногда даже за декады, хотя декадные уровни могут уже сильно исказиться мелкомасштабной случайной колеблемостью.

Методика статистического прогноза по сезонным колебаниям основана на их экстраполяции, т.е. на предположении, что параметры сезонных колебаний сохраняются до прогнозируемого периода.

Для измерения сезонных колебаний обычно исчисляются индексы сезонности (IJ.

4. Прогнозирование методом линейной регрессии - является одним из наиболее широко применяемых методов статистического прогнозирования. Метод базируется на анализе взаимосвязи двух переменных (метод парной корреляции) -влияние вариации факторного показателя X (например, расходов на рекламу) на результативный показатель У (например, на объем продаж):

у_х = а + bх