Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Прогнозирование Тема 3.doc
Скачиваний:
23
Добавлен:
25.03.2015
Размер:
876.03 Кб
Скачать

Тема 3. Модели прогнозирования

Тема 3. модели прогнозирования 1

1.1. Понятие и виды моделей экономического прогнозирования 1

1.2. Модель динамического межотраслевого баланса. Матричные модели 7

1.3. Имитационная модель 15

1.4. Примеры использования эконометрических моделей 19

Вопросы для самоконтроля 32

Рекомендуемая литература 32

    1. Понятие и виды моделей экономического прогнозирования

В экономическом и социальном прогнозировании широко используются различные модели. Слово «модель» произошло от латинского «modulus», означающего меру, образец.

В научном понимании термин «модель» означает какой-либо условный образ объекта исследования.

Применение эконометрических моделей в прогнозировании началось во всех развитых странах с 70-гг. нашего столетия. И это приобрело такие масштабы, что сформировалась новая отрасль экономической науки — эконометрия (наряду с микроэкономикой и макроэкономикой). Можно сказать, что эконометрические моделиявляются основным инструментом анализа и прогноза национальной экономики, отдельных отраслей и регионов.

Содержанием процесса моделирования является конструирование модели на основе предварительного изучения объекта или процесса, выделение его существенных характеристик или признаков, теоретический и экспериментальный анализ, сопоставление результатов моделирования с фактическими данными об объекте или процессе, корректировка и уточнение моделей.

По характеру развития экономики различают модели воспроизводства основных фондов, трудовых ресурсов, системы финансов и ценообразования и т.д.

Факторные моделиописывают зависимость уровня и динамики того или иного экономического показателя от уровня и динамики влияющих на него экономических показателей – аргументов.

Факторные модели могут включать различное количество переменных величин и соответствующих им параметров. Простейшими видами факторных моделей являются однофакторные, в которых фактором является какой-либо временной параметр. В этом случае анализ и прогноз какого-либо показателя осуществляется в зависимости от хронологического временного ряда и,, тем самым выявляются тренды (зависимости, характеризующие общую тенденцию изменения какого-либо динамического ряда.

Многофакторныемодели линейного, нелинейного типа позволяют одновременно учитывать воздействие нескольких факторов на уровень и динамику прогнозируемого показателя. Такими моделями могут быть модели, описывающие макроэкономические производственные функции, модели анализа спроса на отдельные предметы потребления в зависимости от доходов населения, цен, уровня насыщения и т.д.

Структурные моделиописывают соотношения, связи между отдельными элементами, образующими одно целое или агрегат. Эти модели являются моделями структурно-балансового типа, где наряду с разбивкой какого-либо агрегата на составляющие элементы рассматриваются взаимосвязи этих элементов.

По степени влияния транспортного фактора модели имеют две разновидности: производственная, в которой транспортный фактор не учитывается и производственно-транспортная, в которой он находит отражение.

Эконометрические модели описываются функциями вида:

Y=f(Xi),

где i, как правило, больше единицы, а в число i-го количества факторов, влияющих на функцию, не обязательно входит время,как фактор. Количество факторов может быть и не больше единицы.

Например, для первоначальных укрупненных расчетов довольно часто в моделях развития различных стран используется регрессное уравнение, отражающее в краткосрочном прогнозе зависимость потребительского спроса только от личного располагаемого доходатекущего года.

Тогда напрашивается вопрос — какая разница между методом экстраполяции тренда и эконометрическим методом? Если выявленные зависимости между функцией (У) и факторами — аргумен­тами (Xi) используются без изменения, т.е. экстраполируются, то разница только в том, что эконометрический метод дает возможность провести содержательный анализ зависимости исследуемого (прогнозируемого) показателя от того или иного показателя, а экстраполяция тренда отражает только изменение изучаемого показателя во времени. Но основное отличие заключается в том, что эконометрические модели позволяют разрабатывать варианты развития экономического объекта во-первых, посредством изменений условий его функционирования (активное прогнозирование), приводящих к различным значениям эндогенных факторов, изменению трендов их пропорций и соотношений, и, во-вторых, путем варьирования значений экзогенных факторов, также отличных от тенденций их изменения во времени.

Таким образом, эконометрический метод можно отнести к комбинированным (комплексным) методам прогнозирования.

Эконометрическая модель может состоять из одного уравнения регрессии или из нескольких взаимосвязанных уравнений. Но используются и модели, состоящие из системы независимых уравнений. Каждое уравнение решается самостоятельно, вне зависимости от других уравнений, но все они рассматриваются в рамках единой модели.

Кроме того, в эконометрических моделях, используемых на практике, применяются и трендовые связи: например, исследуемый показатель (Y) в период времени (t) выражается как функция не только от различных факторов (Xi), но и от значений этого показателя заряд лет в прошлом.

Наряду с регрессионными уравнениями в эконометрические модели обычно включают так называемые дифференциальные уравнения, или тождества.

Например,объем производства моделируется по отраслям, а тождественное уравнение выводит общий объем производства (ВНП или ВВП) как сумму объемов производства и услуг по отраслям.

Анализируя инструментальные переменные, использованные в моделях (налоги, процентные ставки, государственные расходы, таможенные пошлины), применяя активный подход в прогнозировании, а также варьируя будущую предполагаемую (или, лучше, предлагаемую правительству) государственную политику регулирования (управления) национальной экономики, специалист (группа специалистов) формирует (формируют) различные варианты развития. Здесь могут использоваться и другие инструменты (фак­торы-аргументы уравнений) государственной политики, которые не применялись в прошлом (например, введение государственного протекционизма некоторых отраслей и т.п.).

Отметим еще раз, что корреляционно-регрессионный анализ не всегда адекватно отражает причинно-следственные связи явлений, которые к тому же изменяются во времени. Кроме того, сложность и неоднозначность интерпретации результатов, соблюдение необходимой точности прогнозов усложняет их применение в реальных расчетах.

Поэтому основными функциями постановщика задачи (или экономиста-математика) являются:

  1. Выбор анализируемого показателя и определение существенных факторов.

  2. Выбор вида взаимосвязи (формы связи) между изучаемой величиной (функцией) и переменными (аргументами), наиболее полно отвечающей реальной связи.

3. Определение горизонта модели (долго-, средне- или краткосрочная).

  1. Определение репрезентативной выборки.

  2. Определение размерности задачи (количества факторов).

  3. Определение степени агрегирования информации.

  4. Проведение анализа точности исходной статистической информации, выявление наиболее характерных ошибок и влияния иx на точность прогнозов.

8.Проведение качественного анализа прогнозируемого объекта, особенностей его динамики.

9.Экспертная корректировка как самой модели, так и экзогенных факторов.

Рассмотрим требования предъявляемые к эконометрической модели и к условиям их использования в целях прогнозирования. Основные из них следующие:

А) адекватность формы связи;

Б) однозначность моделирования объекта.

Форма связи обычно задается самим поставщиком задачи в зависимости от характера изменения (развития) изучаемого объекта. Кроме того, она может быть определена и программным путем. Желательно при этом свести модель к линейной форме, т. к. весь аппарат корреляционно-регрессионного анализа ориентирован на линейность связей:

у = a0+a1x1+a2x2+…+anxn,

но если выбирается степенная связь типа: у = a0x1a1x2a2…xnan, то можно свести ее к линейной форме, логарифмируя: lny=lna0+a1lnx1+a2lnx2+ + аnlnхn.

С целью вывода формы связи, наиболее адекватной реальности, рассчитывается:

коэффициент множественной детерминации;

существенность факторов-аргументов;

разумный, адекватный поставленным задачам уровень агрегирования модели;

разумная размерность модели (совокупности существенных факторов).

Малая размерность модели приводит к упрощенному и непол­ному описанию взаимосвязей моделируемого объекта. В то же время использование моделей большой размерности не только затрудне­но технически, но и усложняет содержательный анализ проблем ее адекватности объекту. Это снижает также ценность модели как ин­струмента прогнозирования, поскольку возрастает проблема про­гнозирования из-за большого количества прогнозируемых факто­ров. В результате увеличивается «вклад» ошибок прогнозных значе­ний факторов в общую сумму ошибок по различным причинам. Практика показывает, что оптимально 4-6 факторов.

Кроме того, определяются доверительные интервалы измене­ния величины изучаемого показателя и результаты моделирования используются для прогнозирования в этих интервалах.

Необходимо обеспечить реальную возможность использования модели в целях прогнозирования.

Для этого должны быть соблюдены следующие требования:

1)инерционность изучаемого объекта, т.е. если в прогнозируемом периоде не возникают новые или не прекращают действие какие-либо старые факторы развития;

  1. прогнозируемость факторов (надежность внемодельного предсказания или возможность получения прогнозных значений факторов посредством их моделирования);

  2. прогнозируемость возможных качественных изменений» которые могут произойти в будущем.

Приведем требования к информации, используемой в эконометрических моделях:

  • репрезентативность выборки (т.е. адекватное отражение генеральной совокупности);

  • достоверность информации;

  • сопоставимость (однородность) показателей в динамике (как изучаемого, результативного показатели (Y), так и факторов (Xi), определяющих этот показатель);

  • достаточная продолжительность периода ретроспективного анализа по сравнению с периодом прогнозирования (в 2— 3 раза длиннее).

Кроме того, должны быть исключены краткосрочные (циклические колебания) и аномальные наблюдения, обеспечено достаточное число наблюдений по сравнению с количеством фактороми, наконец, должна отсутствовать парная корреляция между факторами (мультиколлинеарность).