24. Основные показатели динамики

Простейшими показателями анализа, которые используются в первую очередь при измерении скорости изменения уровня ряда динамики, являются абсолютный прирост, темпы роста и прироста, а также абсолютное значение одного процента прироста. Расчет этих показателей основан на сравнении между собой уровней ряда динамики. При этом уровень, с которым производится сравнение, называется базисным, т.к. он является базой сравнения. Обычно за базу сравнения принимается либо предыдущий, либо какой-либо предшествующий уровень, например первый уровень ряда.

Если каждый уровень сравнивается с предшествующим, то полученные при этом показатели называются цепными, т.к. они представляют собой как бы звенья «цепи», связывающие уровни ряда. Если же все уровни сравниваются с одним и тем же уровнем, выступающим как постоянная база сравнения, то полученные при этом показатели называются базисными.

Абсолютный прирост на базисной основе вычисляется по формуле:

, (1.2.1.1а)

где: Dуб – абсолютный прирост;

yi – сравниваемый уровень;

y1 – начальный уровень.

Абсолютный прирост на цепной основе рассчитывается как:

, (1.2.1.1б)

где: Dуц – абсолютный прирост;

yi – сравниваемый уровень;

yi-1 – предыдущий уровень.

Темп роста показывает во сколько раз увеличился уровень по сравнению с базисным, а случае уменьшения – какую часть базисного уровня составляет сравниваемый уровень.

Базисный темп роста:

. (1.2.1.2а)

Цепной темп роста:

. (1.2.1.2б)

Темп прироста характеризует относительную величину прироста, т.е. его величину по отношению к базисному уровню:

. (1.2.1.3)

Абсолютное значение (содержание) одного процента прироста вычисляется по формуле:

.

27. В настоящее время, по оценкам ученых, насчитывается свыше 150 различных методов прогнозирования. Однако на практике ис­пользуется в качестве основных 15-20. В существующих источниках представлены различные классификационные принципы методов прог­нозирования.

Одним из наиболее важных классификационных признаков мето­дов прогнозирования является степень формали­зации, которая достаточно полно охватывает прогностические методы. Вторым классификационным признаком можно назвать об­щий принцип действия методов прогнозирования, третьим - способ получения прогноз­ной информации.

Прежде чем перейти к детальному рассмотрению классификаци­онных групп методов прогнозирования, необходимо определить по­нятие метода или методов экономического прогнози­рования. Под ними следует понимать совокупность приемов и спо­собов мышления, позволяющих на основе анализа ретроспективных данных, экзогенных (внешних) и эндогенных (внутренних) связей объекта прогнозирования, а также их измерений в рамках рассмат­риваемого явления или процесса вывести суждения определенной достоверности относительно его (объекта) будущего развития.

Научно обоснованная классификация дает возможность увели­чить число приемов (модификаций) на нижних уровнях классифика­ции, куда могут быть внесены новые элементы. На рис.2.1 представ­лена классификационная схема методов прогнозирования.

По степени формализации (по первому классификационному признаку) методы экономического прогнозирования можно разделить на интуитивные и формализованные. 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.

В состав индивидуальных экспертных оценок входят: метод «интервью», при котором осуществляется непосредственный контакт эксперта со специалистом по схеме «вопрос – ответ»; аналитичес­кий метод, при котором осуществляется логический анализ какой-либо прогнозируемой ситуации, составляются аналитические докладные записки; метод написания сценария, который основан на определе­нии логики процесса или явления во времени при различных усло­виях.

Методы коллективных экспертных оценок включают в себя ме­тод «комиссий», «коллективной генерации идей» («мозговая атака»), метод «Дельфи», матричный метод. Эта группа методов основана на том, что при коллективном мышлении, во-первых, выше точность ре­зультата и, во-вторых, при обработке индивидуальных независимых оценок, выносимых экспертами, по меньшей мере могут возникнуть продуктивные идеи.

В группу формализованных (детерминированных) методов входят две подгруппы: экстраполяции и моделирования. К первой подгруппе относятся методы: наименьших квадратов, экспоненциального сглаживания, скользящих средних, адаптивного сглаживания, авторегрессионного преобразования, гармонических весов; ко второй - структурное, сетевое, матричное и имитационное моделирование.

Рассмотренные классы интуитивных и формализованных методов схожи по своему составу с экспертными и «фактографическими» мето­дами. Фактографические методы основаны на фактически имеющейся информации об объекте прогнозирования и его прошлом развитии, экспертные базируются на информации, полученной по оценкам спе­циалистов-экспертов.

В класс экспертных методов прогнозирования входит метод эвристического прогнозирования (эвристика - наука, изучающая продуктивное, творческое мышление). Это аналитический метод, суть которого заключается в построении и последующем усечении «дерева поиска» экспертной оценки с использованием какой-либо эвристики. При этом методе осуществляется специализированная обработка про­гнозных экспертных оценок, полученных путем систематизированного опроса высококвалифицированных специалистов. Он применяется для разработки прогнозов научно-технических проблем и объектов, ана­лиз развития которых либо полностью, либо частично не поддается формализации.

Особое место в классификации методов экономического прогно­зирования занимают так называемые комбинированные методы, кото­рые объединяют различные другие методы. Например, коллективные экспертные оценки и методы моделирования или статистические и опрос экспертов.

В качестве информации используется фактографическая и экс­пертная информация.

При классификации методов прогнозирования необходимо иметь в виду, что содержательная систематизация методов прогнозирова­ния должна определяться самим объектом прогнозирования, экономи­ческими процессами развития и их закономерностями.

С точки зрения оценки возможных результатов и путей прог­нозного научно-технического развития прогнозы можно классифици­ровать по трем этапам: исследовательскому, программному и орга­низационному.

Задачей исследовательского прогноза является определение возможных результатов будущего развития и выбор из множества возможных вариантов одного или не­скольких положительных результатов. Так, например, развитие средств вычислительной техники можно отразить в росте их быстродействия, увеличении объема памяти и диапазона логических возможностей.

Основная цель этого этапа состоит в раскрытии широкой гаммы принципиально возможных перспектив в виде одной или ряда научно-технических проблем, подлежащих решению в течение прогнозируемо­го периода.

Программный аспект прогноза заключается в опре­делении возможных путей достижения желаемых и необходимых резуль­татов; ожидаемого по времени реализации каждого из возможных ва­рианта и степени достоверности в успешном достижении некоторого результата по тому или иному варианту.

Организационная сторона прогноза включает в себя комплекс организационно-технических мероприятий, обеспе­чивающих достижение определенного результата по тому или иному варианту. В организационном аспекте исходят из представления о наличных экономических ресурсах и накопленном научном потен­циале. Здесь должна быть сформулирована обоснованная гипотеза развития комплекса организационных параметров науки, дана вероят­ностная оценка рекомендуемой схеме распределения ресурсов и пер­спективам роста научного потенциала на прогнозируемый период.

Рассмотренные этапы научно-технического развития, как пра­вило, выступают комплексно и находятся во взаимосвязи.

28. Под прогнозом понимается научно обоснованное описание возможных состояний объектов в будущем, а также альтернативных путей и сроков достижения этого состояния. Процесс разработки прогнозов называется прогнозированием. Прогнозирование – вид познавательной деятельности человека, направленной на формирование прогнозов развития объекта, на основе анализа тенденций его развития. Прогнозирование должно отвечать на два вопроса: что вероятнее всего можно ожидать в будущем? Каким образом нужно изменить условия, чтобы достичь заданное состояние? Прогнозирование является важным связующим звеном между теорией и практикой во всех областях жизни общества. В зависимости от степени конкретности и характера воздействия на ход исследуемых процессов и явлений различают три формы предвидения: гипотезу (общенаучное предвидение), прогноз и план. Эти формы предвидения тесно связаны в своих проявлениях друг с другом и с исследуемым объектом в системе управления и планирования, представляют собой последовательные ступени познания поведения объекта в будущем.

Прогнозы можно подразделять в зависимости от целей, задач, объектов, времени упреждения, методов организации прогнозирования, источников информации и т. д. Большое количество таких признаков и отсутствие их строго определенных характеристик затрудняют создание единой классификации. Задачи экономико-статистического прогнозирования следующие:

• выявление перспектив ближайшего или более отдаленного будущего в исследуемой области на основе реальных процессов действительности;

• выработка оптимальных тенденций и перспективных планов с учетом составленного прогноза и оценки принятого решения с позиций его последствий в прогнозируемом периоде [2, с. 117].

Статистические методы прогнозирования - научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных (в том числе непараметрических методов наименьших квадратов с оцениванием точности прогноза, адаптивных методов, методов авторегрессии и др.); развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования, в том числе методов анализа субъективных экспертных оценок на основе статистики нечисловых данных; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей. Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений. Простейшие методы восстановления используемых для прогнозирования зависимостей исходят из заданного временного ряда, т.е. функции, определенной в конечном числе точек на оси времени. Временной ряд при этом часто рассматривается в рамках той или иной вероятностной модели, вводятся другие факторы (независимые переменные), помимо времени, например, объем денежной массы. Временной ряд может быть многомерным. Основные решаемые задачи - интерполяция и экстраполяция. Метод наименьших квадратов в простейшем случае (линейная функция от одного фактора) был разработан К.Гауссом в 1794-1795 гг. Могут оказаться полезными предварительные преобразования переменных, например, логарифмирование.

Основные этапы прогнозирования и типы прогнозов

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.

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 1. Если же этап верификации модели дает положительные результаты, то модель может быть непосредственно использована для построения прогноза в соответствии с описанной выше общей схемой.

29. График, геометрическое изображение функциональной зависимости при помощи линии на плоскости.

Статистический график - это чертеж, на котором статистические совокупности, характеризуемые определенными показателями, описываются с помощью условных геометрических образов или знаков. Представление данных таблицы в виде графика производит более сильное впечатление, чем цифры, позволяет лучше осмыслить результаты статистического наблюдения, правильно их истолковать, значительно облегчает понимание статистического материала, делает его наглядным и доступным. Это, однако, вовсе не означает, что графики имеют лишь иллюстративное значение.

Графический метод — это метод условных изображений при помощи линий, точек, геометрических фигур и других символов.