1. Постановка задачи и построение модели:

А) сбор данных;

Б) концептуализация модели;

В) проверка достоверности концептуальной модели

2. Изучение модели

А) Выбор средств моделирования, т.е. программных пакетов (Expert Choice, Powersim). К этим пакетам предъявляются требования: 1) сочетание необходимого и достаточного; 2) доступность; 3) корректность создания проектной модели.

Б) Составление логической модели (статистические измерения объекта);

Назначение свойств модулям (предварительно заданная величина, размер, кратным которому принимаются остальные размеры) модели;

В) Задание модельного времени. Существуют 2 подхода: 1) от события к событию; 2) учет времени с постоянным шагом.

Г) Верификация модели (способ поиска динамики процесса).

3. Проведение эксперимента

оценка качества работы модели

запуск, прогон модели

варьирование параметров модели, сбор статистических данных;

анализ результатов модели

4. Подведение итогов (прогноз как должен действовать политический игрок).

А) Перенос знаний с модели на оригинал

Б) Проверка адекватности модели

В нелинейной модели необходимо учитывать политические, экономические, идеологические ресурсы, но они ограничены. Неоправдана попытка трансформации одного ресурса в другой. За одни и те же ресурсы конкурируют множество аттракторов

Ограничения:

Мягкие

· Жесткие (за короткий промежуток времени нельзя изменить состояние системы).

Аттрактор (точка притяжения) – параметр системы в установившемся режиме. Аттрактор — компактное подмножество фазового пространства динамической системы. Фазовое пространство — пространство, на котором представлено множество всех состояний системы, так, что каждому возможному состоянию системы соответствует точка фазового пространства. Типы:

Точечный (параметр динамической системы не меняется);

Циклический (колебательный режим. Ex: возвращение России к авторитарной модели);

Квазипериодический (колебательные изменения системы, необходимо учитывать значительное количество параметров в системе);

“Странный” (возможности прогнозировать ограничены по отрезку времени)

Точечный, циклический и квазипериодический типы детерминированы, прогноз можно сделать с высокой точностью. “Странный” – предлагает объективно наиболее вероятностный сценарий. Данный тип говорит о переходном характере системы.

46. Прогнозирование политических процессов на основе анализа временных рядов

Для анализа периодически повторяющихся политических событий исследователи обращаются к анализу временных рядов, который используется для ретроспективного объяснения событий, так и для прогнозирования их дальнейшего развития. Классические примеры – прогнозирование итогов избирательных кампаний, развития забастовочного движения.

Временные ряды – комплекс наблюдений за одной переменной через определенные интервалы времени. Статистическое прогнозирование – способ предвидения развития политических событий на основе эмпирических данных мониторинговых исследований. Период упреждения – длительность прогноза в эмпирических исследованиях. Он относительно невелик, а вероятность ошибок увеличивается прямо пропорционально временному отрезку прогноза. Требования к прогностической модели традиционны: обоснованность, полнота, валидность, точность, усточивость.

Выделяют три этапа моделирования:

1) Логико-интуитивный анализ;

2) Формализация данных (трансформация созданной содержательной статистической модели в динамическую;

3) Квантификация данных – создание «образа искусственной реальности».

Самым простым приемом статистического прогнозирования считается анализ развития ряда распределения количественных параметров исследуемого социального процесса. Он состоит из взаимосвязанных компонент:

1. Тенденция – направление развития социального процесса – если в тенденции обнаруживается функциональная зависимость ее от времени, то исследователи говорят о наличии тренда;

2. Тренд – описание фактической усредненной для периода упреждения тенденции изучаемого процесса во времени;

3. Интервал циклов – повторяемость показателей, зависящих от времени.

Достаточно часть событие-причина и событие-следствие отстоят друг от друга далеко во времени, поэтому при построении прогнозных моделей также необходимо учитывать временной лаг.

Одной из важнейших и наиболее простых статистических процедур предшествующих прогнозированию, является проверка гипотезы о наличии или отсутствии тренда. Обычно пользуются простейшим методом определения наличия тренда – методом разности средних уровней. В этом случае объект исследования разбивают на две подвыборочные совокупности, идентичные по основным контролируемым параметрам (например, по социально-демографическим показателям). Для каждой из совокупностей определяется средняя по показателю, после чего определяется разность значений средних. Если расхождение существенное, то тренд имеет место.

При исчислении средних темпов роста в рядах динамики применяется среднее геометрическое. Например, если есть данные на начало и конец определенного периода (но число замеров должно быть не меньше шести), а промежуточные показатели неизвестны, то можно использовать для определения этих показателей среднее геометрическое, есловно считая, что темп роста одинаков для всех единиц времени.

Метод скользящих средних (метод сглаживания динамического ряда) – один из наиболее старых и популярных в работе с временными рядами. Для выполнения этой процедуры должно быть произведено не менее 12 замеров. Метод скользящих средних основан на переходе от начальных значений ряда к их средним значениям на интервале времени, длина которого выбирается заранее. Получаемый скользящий ряд средних более гладкий за счет усреднения отклонений среднего ряда. Метод сглаживания динамического ряда помогает определить тенденцию развития процесса. Также показатели сглаженного ряда могут служить основой для прогнозирования ситуации (количества забастовок, численности вступающих в политическое объединение и т.д.)