- •Введение
- •От желаемого результата
- •Условные обозначения:
- •Комплексный народохозяйст-венный прогноз
- •Условные обозначения:
- •Объекта прогнозирования
- •1.4. Принятие прогнозных управленческих решений
- •2. Методы экономического прогнозирования
- •2.1. Классификация и область применения методов прогнозирования
- •Краткая характеристика методов прогнозирования и область их применения
- •Булева матрица наличия или отсутствия связи между типовым представлением объекта и группой методов прогнозирования
- •2.2. Фактографические методы прогнозирования
- •Условные обозначения:
- •По стадиям жизненного цикла
- •Экономико-математическое моделирование
- •Матрица парных коэффициентов корреляции множественной модели регрессии
- •Динамика продажи и цен товара
- •Структурное прогнозирование
- •Прогнозирование по аналогии
- •2.3. Экспертные методы прогнозирования
- •Эталонная таблица для оценки уровня аргументации экспертов
- •Метод построения сценариев
- •Прогнозирования
- •2.4. Комплексные системы прогнозирования
- •Метод прогнозного графа
- •Система паттерн
- •Условные обозначения:
- •Платежная матрица
- •Платежная матрица решений
- •3.2. Разработка последовательных решений в условиях неопределенности. “Дерево решений”
- •Чистый доход в конце года, у.Е.
- •Рекомендации аудиторов и возврат ссуды
- •Количественные методы решения многокритериальных задач
- •3.4. Прогнозные решения в конфликтных ситуациях
- •Типология конфликтов и методы их разрешения
- •Игровые методы для моделирования конфликтных ситуаций
- •Платежная матрица игры
- •4. Проверка адекватности и средства верификации прогнозных моделей
- •5. Информационное обеспечение процесса прогнозирования
- •6. Организация и этапы разработки экономических прогнозов
- •7. Вопросы для тестового самоконтроля
- •Тестовые вопросы
- •8. Краткий словарь терминов
- •Литература
- •Визуальный выбор формы взаимосвязи при поисковом моделировании
- •Системы линейных уравнений для оценки параметров полиномов по мнк
- •Содержание
- •Издательство «Нефтегазовый университет»
- •625000, Тюмень, ул. Володарского, 38
- •625039, Тюмень, ул. Киевская, 52
Экономико-математическое моделирование
Методы экономико-математического моделирования применяются преимущественно в среднесрочном, а также в долгосрочном прогнозировании.
В данной группе методов можно выделить корреляционно-регрессионное моделирование, которое используется для объектов, имеющих сложную многофакторную природу (объем инвестиций, затраты, прибыль, объемы продаж и т.п.). Для осуществления регрессионного моделирования необходимо [39]:
наличие ежегодных данных по исследуемым показателям;
наличие одноразовых прогнозов, то есть таких, которые не корректируются с поступлением новых данных.
Наиболее разработанной в теории прогнозирования является методология так называемой парной корреляции, рассматривающей влияние факторного признака x на результативный y. Методы оценки параметров уравнения регрессии аналогичны приемам при экстраполяции (т.к. фактор времени t можно рассматривать как частный случай параметра x). На практике же гораздо чаще приходится исследовать зависимость результативного признака от нескольких факторных. В этом случае статистическая модель является многофакторной. Например, линейная регрессия с m независимыми переменными имеет вид
(2.18)
Оценки параметров находят по МНК.
Отбор факторов для построения многофакторных моделей производится на основе качественного и количественного анализа социально-экономических явлений с использованием статистических и математических критериев.
Общепринятым является трехстадийный отбор факторов:
1. На первой стадии осуществляется априорный анализ, и на факторы, включаемые в состав модели, не накладываются ограничения.
2. На второй стадии производится оценка и отсев части факторов. Это достигается путем анализа парных коэффициентов корреляции и оценкой их значимости. Для этого составляется матрица парных коэффициентов корреляции (табл. 2.3).
Анализ таблицы ведется с использованием следующих критериев:
(2.19)
,
где rij – парные коэффициенты корреляции.
3. На заключительной стадии производят окончательный отбор факторов путем анализа значимости вектора оценок параметров различных вариантов уравнений множественной регрессии с использованием критерия Стьюдента
(2.20)
,
где k – число степеней свободы,
– уровень значимости.
В процессе анализа решается проблема мультиколлинеарности, которая заключается в том, что между факторными признаками может существовать значительная линейная связь, что приводит к росту ошибок оценок параметров регрессии.
Таблица 2.3
Матрица парных коэффициентов корреляции множественной модели регрессии
|
y |
x1 |
x2 |
… |
xj |
… |
xm |
y |
1 |
ry1 |
ry2 |
… |
ryj |
… |
rym |
x1 |
r1y |
1 |
r12 |
… |
r1j |
… |
r1m |
x2 |
r2y |
r21 |
1 |
… |
r2j |
… |
r2m |
… |
… |
… |
… |
… |
… |
… |
… |
xi |
riy |
ri1 |
ri2 |
… |
1 |
… |
rim |
… |
… |
… |
… |
… |
… |
… |
… |
xm |
rmy |
rm1 |
rm2 |
… |
rmj |
… |
1 |
Приемы построения регрессионных и авторегрессионных моделей достаточно хорошо описаны в экономико-статистической литературе [15, 21, 35, 39, 48] и не являются предметом описания настоящего учебного пособия. Наличие прогрессивных информационных технологий позволяет достаточно оперативно рассчитывать параметры этих моделей.
Во внутрипроизводственном прогнозировании используются:
модели внутренней среды фирмы, так называемые корпоративные модели;
макроэкономические модели, к которым относят эконометрические модели, модели «затраты - выпуск» [1].
Корпоративные модели обычно представляют набор формул (уравнений), которые отражают отношение ряда переменных к определенному объекту, например к объему продаж.
В качестве примера рассмотрим анализ и прогнозирование конъюнктуры рынка отдельного товара (цифры условные).
Ситуация. На рынке сложилась ситуация, которую можно охарактеризовать с помощью трех индикаторов: индексов продажи, цен и объема товарооборота (табл. 2.4).
Таблица 2.4
