1.8 Інформаційне забезпечення прогнозування соціально-економічних процесів

На стадії формування інформаційної бази визначаються вид і склад вихідної інформації, яка повинна відповідати специфічним вимогам: бути достовірною, точною, порівнянною і охоплювати усі хронологічні точки періоду, який аналізується.

Початкова інформація про об'єкт прогнозування може бути: 1) фактографічною (одержаною з джерела, що містить фактичні дані, необхідні для вирішення задачі прогнозу, наприклад, дані бухгалтерського звіту і т.п.), включаючи випереджаючу інформацію (наукову і технічну інформацію, що випереджає реалізацію новин в суспільній практиці; сюди відносяться – заявки на винаходи і відкриття, авторські свідоцтва, патенти і т.п.); 2) експертною (що містить експертні оцінки).

Сукупність даних про об'єкт прогнозування, організованих в систему відповідно до мети і методів прогнозування, утворює інформаційний масив прогнозування, якість якого може бути охарактеризована за допомогою двох показників:

1. повноти початкової інформації (ступінь забезпеченості задач прогнозу достовірною початковою інформацією), а також

2. інформативності змінної об'єкту прогнозування (кількості інформації про об'єкт прогнозування, що міститься в значеннях змінної з погляду задачі прогнозу; під кількістю інформації розуміється міра зменшення невизначеності ситуації, унаслідок того, що стає відомим результат іншої ситуації).

У міру видалення в минуле моментів вимірювання значень змінних об'єкту прогнозування відбувається зменшення інформативності ретроспективних значень, тобто має місце закономірність дисконтування інформації про об'єкт прогнозування.

Лекція 2 «Метод знаходження кривої підгонки».

Анотація

Основні види кривих підгонки. Коефіцієнт детермінації та інші способи оцінки моделей. EX POST як імітація процесу прогнозування.

2.1 Основні види кривих підгонки

Метод підгонки входить до числа найвідоміших методів прогнозування. Він полягає в тому, щоб знайти криву або групу кривих, які з достатньою точністю описували б початкову інформацію. Розрізняють наступні види кривих підгонки: лінійна, параболічна, поліноміальна 3 ступеню, логарифмічна, експоненційна, ступенева, гіперболічна, логістична, S-образна. Існують і інші види кривих, але перелічені криві є найбільш поширеними і вживаними.

Рівняння прямої підгонки називається лінійним рівнянням регресії У по X (у прогнозуванні оцінене значення змінної прийнято позначати з кришкою вгорі: ) (див. рис. 2.1).

Рисунок 2.1 – Лінія регресії

Рівняння параболи має наступний вигляд . На рис. 2.2 зображений графік параболи.

Рисунок 2.2 – Крива підгонки – парабола

Рівняння третього ступеня має вигляд (див. рис. 2.3):

Рисунок 2.3 – Крива підгонки – графік многочлена третього ступеня

Рівняння логарифмічної функції має вигляд: (див. рис. 2.4).

Рисунок 2.4 – Крива підгонки – графік логарифмічної функції

Рівняння експоненціальної кривої має вигляд: = b₁ exp(b₂t).

Ми нагадаємо, що exp(z)= e^z, де е ≈ 2,718. Зважаючи на важливість цього виду рівнянь для прогнозування, ми зупинимося на ньому докладніше. Розглянемо темп зростання у момент t.

.

Ми бачимо, що темпи зростання для експоненціальної кривої на даному інтервалі постійні. Оскільки e^z - 1 ≈ z при малих значеннях z, то b₂ × 100% приблизно рівно темпам приросту (див. рис. 2.5).

Рисунок 2.5 – Крива підгонки – експоненціальна крива

Рівняння ступеневої функції виглядає таким чином: = b₁ (t^b2) (див. рис. 2.6).

Рисунок 2.6 – Крива підгонки – графік ступеневої функції

Рівняння гіперболи має вигляд: (див. рис. 2.7).

Рисунок 2.7 – Крива підгонки – гіпербола

Рівняння S-образної кривої має вигляд: . Як видно з цього рівняння, S-образна крива виходить шляхом послідовного застосування гіперболічної і експоненціальної функцій (див. рис. 2.8).

Рисунок 2.8 – Крива підгонки – S-образна крива

Рівняння логістичної кривої має вигляд (див. рис. 2.9).

Рисунок 2.9 – Крива підгонки – логістична крива