1584

( y j y) 2 ,

j 1

R 2 показывает, на сколько предсказание по регрессионной модели лучше, чем предсказание по среднему значению отклика.

0 R2 1.

Чем ближе R2 к единице, тем модель построена лучше.

После расчета коэффициента множественной корреляции необходимо определить его значимость. Если коэффициент не значим, необходимы корректировать модель.

Можно ли доверять R2? Это зависит от числа опытов и числа

регрессоров, т.е. от числа степеней свободы ост, r .

В математической статистике число степеней свободы некоторой величины называют разность между числом различных опытов и числом констант, найденных по этим опытам, независимо друг от друга.

коэффициентов, которые рассчитываются на основе тех же самых наблюдений.

Q QR Qост , r ост .

Определение значимости коэффициента множественной корреляции.

Так как R2 практически никогда не достигает своих граничных значений, существенным становится вопрос: когда можно считать, что R2 получился отличным от нуля только из-за случайных возмущений? Это сводится к проверке гипотезы о том, не равно ли нулю фактическое значение коэффициента множественной корреляции .

M0 : 0

1) Для проверки этой гипотезы вычисляются так называемые F- отношение.

числом степеней свободы r и остr .

2) В таблице распределения Фишера необходимо найти значение, которое обозначим FT (табличное).

FT F( , r , ост )

3) Вычисленное F сравнивается с FT .

Если F FT , то полученный коэффициент множественной корреляции значим, модель принимается.

Если F FT , гипотеза принимается, полученный коэффициент

незначим.

Либо структура выбрана не правильно, либо какие то факторы не были включены в модель, тогда нужно вернуть ко второму этапу.

Этот метод проверки на адекватность можно использовать метод Бокса-Ветса.

Приводится аналогичным способом распределение Стьюдента. Если оценки регрессионных коэффициентов незначимы и/или

оценка коэффициента множественной корреляции (R2) не значимы, то необходима корректировка структуры модели и возврат к третьему этапу.

Раздел 4. Прогнозирование макропроцессов Тема 4.1. Методы и модели макроэкономического прогнозирования

Основные вопросы темы: Формирование модели. Вид полученной модели. Исследование модели, формулирование полученных результатов. Сравнение с экологической моделью.

Рекомендуемая литература: 1, 5.

Перечень дополнительных ресурсов: 2, 3, 4.

Наименование вида самостоятельной работы: Изучение литературы; оформление отчета о лабораторной работе; подготовка к тестированию.

Краткое содержание лекции, основные термины, понятия и определения темы

Специфические методы экономического прогнозирования классифицируются по следующим признакам: степени формализации; общему принципу действия; способу получения прогнозной информации.

По степени формализации, т.е. изучения какой-либо содержательной области знания в виде формальной системы, связанной с усилением роли формальной логики и использованием математических методов научных исследований методы экономического прогнозирования можно разделить на интуитивные и формализованные методы.

Интуитивные методы прогнозирования используются в тех случаях, когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования. В этом случае используются оценки экспертов. При этом различают индивидуальные и коллективные экспертные оценки, которые объединяет общий принцип действия.

В состав индивидуальных экспертных оценок входят: метод “интервью”, аналитический метод, метод написания сценариев, построения “дерева целей”. При разграничении указанных методов используется третий признак классификации методов – способ получения прогнозной информации. Методы коллективных экспертных оценок включают в себя методы “комиссий”, “коллективной генерации идей” (мозговая атака), “Дельфи”, матричный метод и др.

В группу формализованных методов входят две подгруппы: экстраполяции и моделирования. К первой подгруппе относятся методы наименьших квадратов, экспоненциального сглаживания, скользящих средних и др.

Ко второй подгруппе относятся методы математического моделирования, регрессионного и корреляционного анализа и др.

Кроме того, широко используются в процессе экономического прогнозирования нормативный и балансовый методы. Особое место в классификации методов экономического прогнозирования занимают комбинированные методы, которые объединяют различные методы. Например, коллективные экспертные оценки и методы моделирования или статистические методы и опрос экспертов.

Методология Форсайта. В последние десятилетия в развитых странах мира для определения магистральных путей развития науки и техники широко применяется методология Форсайта (взгляд в будущее).

Тема 4.2. Информационное обеспечение макроэкономического прогнозирования

Основные вопросы темы: Формирование модели. Вид полученной модели. Исследование модели, формулирование полученных результатов. Сравнение с экологической моделью.

Рекомендуемая литература: 1, 5.

Перечень дополнительных ресурсов: 2, 3, 4.

Наименование вида самостоятельной работы: Изучение литературы; оформление отчета о лабораторной работе; подготовка к тестированию.

Краткое содержание лекции, основные термины, понятия и определения темы

Различают следующие основные источники прогнозно-

аналитической информации:

—статистическая, бухгалтерская и другие формы отчетности;

—система норм и нормативов, коэффициентов эффективности,

соотношений, пропорций {нормативно-справочная база);

—накопленный опыт, основанный на знании закономерностей протекания и развития исследуемых явлений, процессов, событий

{база знаний);

—моделирование прогнозируемых объектов применительно к ожидаемым или намечаемым условиям.

Проблема повышения качества прогнозно-аналитических исследований во многом зависит от их информационной обеспеченности.

Основные требования к используемой информационной базе

следующие:

—достоверность количественных характеристик показателей;

—достаточность и комплексность предоставляемой информа-

ции, подразумевающая, в первую очередь, достаточно полные характеристики основных сфер экономики, а также негативных и позитивных процессов, происходящих в стране в целом, ее регионах и отраслях;

—системность предоставляемой информации, предполагающая возможность взаимной увязки показателей различных информационных блоков и уровней между собой;

—сопоставимость, т.е. непротиворечивость количественных характеристик различных показателей между собой.

Прогнозно-аналитические расчеты проводятся на основании статистической информации, т.е. информации, получаемой от регионов, отраслей и организаций. Используется информация, характеризующая экономическую конъюнктуру мирового хозяйства, других стран в целом, их регионов и отраслей. Часть информации формируется из результатов опросов населения и предпринимателей, экспертной информации, информации, получаемой от специалистов в той или иной области знаний.

Рассмотрим проблему качества статистических данных. К факто-

рам, определяющим качество статистических данных, относятся:

• изменения, обусловленные переходом от методов сплошного наблюдения к методам выборочного обследования;

• неотлаженность первичного учета в связи с внедрением новых форм статистической отчетности и бухгалтерского учета;

• методологические вопросы расчета агрегированных показателей;

• несоответствие статистического показателя экономической категории.

Проблема качества статистических показателей связана, в первую очередь, со сбором статистических данных. В условиях многократного увеличения числа экономических единиц и изменения структуры собственности стал невозможен сплошной учет экономической деятельно-

сти. У производителей возникла объективная заинтересованность в занижении своих результатов с целью уменьшения налогооблагаемой базы. Как известно, из-за невозможности обработки всей имеющейся информации о СЭС проводятся выборочные обследования по различным интересующим исследователя направлениям.

Выборочное обследование для российской статистики неново. Оно проводилось и в советское время для изучения новых явлений в экономике. Например, в 1958 г. были проведены обследования новых форм кооперирования и специализации в промышленности, в 1958— 1961 гг. — механизации и автоматизации производственных процессов, модернизации оборудования, внедрения в промышленность новых технологических процессов и усовершенствований.

Существенное отличие выборочных обследований, проводившихся в советское время, заключается в том, что это были разовые мероприятия, причем генеральные совокупности были хорошо определены. В современных же условиях методы несплошного статистического наблюдения стали основными, а изучаемые совокупности возросли во много раз, точно так же, как и вариация внутри каждой из них.

Первичными источниками для составления агрегированных статистических показателей служат данные бухгалтерского учета и статистической отчетности. Повышение достоверности конечных оценок возможно при обеспечении сквозного характера расчетов от первичных данных до итоговых показателей. Поскольку официальная статистика РФ переходит на единую систему национальных счетов (СНС), то необходимо согласование показателей бухгалтерского учета, статистической отчетности и СНС.

В российской практике отсутствие обязательных стандартов приводит к тому, что часть предприятий показывает в отчетности всю отгруженную продукцию, другая часть — только оплаченную. В условиях всеобщего кризиса неплатежей это означает неточность расчета агрегированного показателя «выпуск товаров и услуг». Аналогичная ситуация для показателя «оплата труда», в котором должны отражаться как начисленные, так и фактически выплаченные суммы.

Особого внимания заслуживает вопрос оценки активов, которые в бухгалтерском учете оцениваются по первоначальной стоимости, а в СНС — по восстановительной. Оценка по восстановительной стоимости важна прежде всего для основных фондов, поскольку

большая их часть приобреталась предприятиями десятки лет назад, а за годы реформ резкие скачки цен свели первоначальные цены практически к нулю.

Существенным источником ошибок статистических данных служит недоучет объемов теневой экономики. Расчет показателей по теневой экономике является в настоящее время достаточно условным. Поскольку прямые обследования по выявлению утаиваемых товарных

иденежных потоков невозможны, то для расчета их объемов используются различные методы досчета. Досчеты проводятся не только официальными статистическими органами, но и другими организациями. Расчеты первых и вторых иногда существенно различаются, что говорит о невысокой надежности оценок объемов теневой экономики при их значительной роли в экономике.

Вся информация делится на эндогенную и экзогенную. Ту информацию, которая формируется внутри национальной экономики и зависит от эффективности функционирования хозяйствующих субъектов, называют эндогенной, т.е. информацией внутреннего происхождения. А информацию, которая не зависит от характера функционирования национальной экономики, — экзогенной, т.е. внешнего происхождения. В этом случае для национальной экономики все показатели ее развития, в том числе и отдельных хозяйствующих субъектов, являются эндогенными, а такие, как курс доллара, цены на нефть на мировом рынке, устанавливаемые странами-членами ОПЕК, погода (засуха, умеренная или дождливая), являются экзогенными.

Экзогенные переменные подразделяются на заданные переменные и переменные социально-экономической политики.

Примеры заданных переменных: объем мировой торговли, численность населения страны, мировые цены на сырьевые ресурсы и товары экспортируемые страной. Другими словами, заданные переменные — это переменные, значение которых не зависит (или

очень слабо зависит) от экономической политики государственных органов данной страны.

Примеры переменных социально-экономической политики государства: государственные расходы, учетная ставка Центробанка, ставки налогов, таможенные пошлины (т.е. инструментальные показатели).

Вслучае моделирования экономических процессов эндогенность

иэкзогенность показателей приобретают несколько иной оттенок. Вве-

дем понятие «значащая переменная модели прогнозирования» — это

показатель, применяемый в моделировании объекта. Исходя из данного нами определения можно определить эндогенные и экзогенные переменные следующим образом.

Эндогенная переменная модели — значащая переменная модели,

которая прогнозируется в рамках этой же модели.

Экзогенная переменная модели — значащая переменная модели,

которая прогнозируется вне рамок этой модели.

В качестве примера представим модель, описанную системой уравнений:

x1 = f (x2 , x3) x2 = f (x4 , x5) x4= f (x6 , x)

где х1, х2 и x4, — эндогенные переменные (факторы); х3, x5, х6 и х7 — экзогенные переменные (факторы).

Информацию, используемую для прогнозирования, можно классифицировать и по функциональному признаку, т.е. по тому, в каком качестве используется тот или иной показатель в целях прогнозирования. В этом случае информация может быть управляемой,

неуправляемой и управляющей (инструментальной).

Управляемый показатель — это показатель, значение которого может меняться в будущем (прогнозе) в зависимости от изменения значений факторов, его определяющих.

Неуправляемый показатель — это показатель, который относится к экзогенной информации. И это справедливо как для всей социально-экономической системы, так и для отдельных моделей. А вот эндогенная информация может быть и управляемой, и управляющей.

Управляющий показатель — это инструмент государственной политики, государственного стратегического управления и регулирования СЭС и ее объектов.

2. ЛАБОРАТОРНЫЕ РАБОТЫ

2.1. Лабораторная работа № 1 «Прогнозирование с использованием временных рядов. Тренды»

Рекомендуемая литература: 1, 5.

Перечень дополнительных ресурсов: 2, 3, 4.

Цель работы: приобрести навыки прогнозирования с использованием временных рядов и трендов.

Задание к лабораторной работе:

1.По данным о средних доходах на конечное потребление за десять лет, которые представлены в исходных данных, выданных преподавателем, оцените наличие тренда и в случае положительного ответа постройте трендовую модель.

2.По данным о выпуске продукции за десять лет, которые представлены в исходных данных, выданных преподавателем, оцените наличие тренда и в случае положительного ответа постройте трендовую модель.

3.Провести сглаживание данных задачи 1 и выполнить прогноз на период t=11.

2.2. Лабораторная работа № 2 «Прогноз по методу экспоненциального сглаживания Хольта.

Прогноз по методу экспоненциального сглаживания с трендом и сезонностью Хольта - Винтерса»

Рекомендуемая литература: 1, 5.

Перечень дополнительных ресурсов: 2, 3, 4.

Цель работы: приобрести навыки прогнозирования по методу экспоненциального сглаживания Хольта. Прогноз по методу экспоненциального сглаживания с трендом и сезонностью Хольта – Винтерса.

Задание к лабораторной работе:

На основе индивидуальных заданий по вариантам, выданных

преподавателем, произвести прогноз по методу экспоненциального сглаживания Хольта, а также изучить прогноз по методу экспоненциального сглаживания с трендом и сезонностью Хольта – Винтерса. Оформить отчет.

2.3. Лабораторная работа № 3 «Прогноз по методу экспоненциального сглаживания с трендом и

сезонностью Хольта - Винтерса»

Рекомендуемая литература: 1, 5.

Перечень дополнительных ресурсов: 2, 3, 4.

Цель работы: приобрести навыки прогнозирования по по методу экспоненциального сглаживания с трендом и сезонностью Хольта – Винтерса.

Задание к лабораторной работе:

На основе индивидуальных заданий по вариантам, выданных преподавателем, произвести прогноз по методу экспоненциального сглаживания с трендом и сезонностью Хольта - Винтерса. Оформить отчет.

2.4. Лабораторная работа № 4 «Основы работы в STATISTICA»

Рекомендуемая литература: 1, 5.

Перечень дополнительных ресурсов: 2, 3, 4.

Цель работы: приобрести навыки работы с инструментом для анализа данных и прогнозирования STATISTICA.

Задание к лабораторной работе:

1.Ознакомиться с интерфейсом программы STATISTICA.

2.Изучить меню и подменю программы.

3.Изучить основные функции и процедуры системы.