Diformalkan kaedah dibahagikan dengan prinsip umum tindakan kepada empat kumpulan: kaedah ekstrapolasi (statistik), sistem-struktur, bersekutu dan maklumat lanjutan.
Dalam amalan meramalkan proses ekonomi, kaedah statistik telah diutamakan, sekurang-kurangnya sehingga baru-baru ini. Ini disebabkan terutamanya oleh fakta bahawa kaedah statistik adalah berdasarkan alat analisis, pembangunan dan amalannya mempunyai sejarah yang agak panjang. Proses ramalan, berdasarkan kaedah statistik, dibahagikan kepada dua peringkat.
Yang pertama ialah meringkaskan data yang dikumpul dalam tempoh masa dan mencipta model proses berdasarkan sintesis ini. Model ini diterangkan dalam bentuk trend pembangunan yang dinyatakan secara analitikal ( ekstrapolasi trend) atau dalam bentuk pergantungan fungsi daripada satu atau lebih faktor-hujah (persamaan regresi). Membina model proses untuk peramalan, apa jua bentuknya, semestinya termasuk memilih bentuk persamaan yang menerangkan dinamik dan saling hubungan fenomena, dan menganggar parameternya menggunakan satu kaedah atau kaedah yang lain.
Peringkat kedua ialah ramalan itu sendiri. Pada peringkat ini, berdasarkan corak yang ditemui, nilai jangkaan penunjuk, nilai atau ciri yang diramalkan ditentukan. Sudah tentu, keputusan yang diperoleh tidak boleh dianggap sebagai sesuatu yang muktamad, kerana penilaian dan penggunaannya mesti mengambil kira faktor, keadaan dan batasan yang tidak terlibat dalam penerangan dan pembinaan model. Penyesuaian mereka harus dilakukan selaras dengan perubahan yang dijangkakan dalam keadaan pembentukan mereka.
Perlu juga diperhatikan bahawa dalam beberapa kes, pemprosesan statistik sebenar maklumat ekonomi bukanlah ramalan sama sekali, tetapi muncul sebagai pautan penting dalam keseluruhan sistem pembangunannya. Amalan dunia mempunyai bahan yang luas dalam bidang tersebut analisis perspektif, dan sudah jelas bahawa kejayaan ramalan yang diperoleh berdasarkan model statistik amat bergantung pada analisis data empirikal, sejauh mana analisis sedemikian boleh mengenal pasti dan menyamaratakan corak tingkah laku proses yang dikaji dari semasa ke semasa. .
Salah satu kaedah ramalan yang paling biasa ialah ekstrapolasi, iaitu lanjutan ke masa depan arah aliran yang diperhatikan pada masa lalu (kaedah ekstrapolasi diterangkan dengan lebih terperinci dalam bab seterusnya). Ekstrapolasi adalah berdasarkan andaian berikut (7, ms 151):
1) perkembangan fenomena boleh dicirikan secara munasabah oleh trajektori yang lancar - trend;
2) keadaan umum yang menentukan arah aliran
perkembangan pada masa lalu tidak akan mengalami perubahan yang ketara pada masa hadapan.
Ekstrapolasi boleh diwakili sebagai menentukan nilai fungsi:
di manaу, +/ - nilai tahap diekstrapolasi;
y* - tahap yang diambil sebagai asas ekstrapolasi;
L- tempoh masa utama.
Ekstrapolasi paling mudah boleh dilakukan berdasarkan ciri purata siri: peringkat pertengahan, peringkat pertengahan pertumbuhan mutlak dan kadar pertumbuhan purata.
Jika tahap purata
sebilangan ns cenderung berubah atau, jika perubahan ini tidak penting, maka kami boleh menerima: 
Jika purata peningkatan mutlak kekal tidak berubah, maka dinamik tahap akan sepadan dengan janjang aritmetik: 
Jika kadar pertumbuhan purata tidak cenderung berubah, nilai ramalan boleh dikira menggunakan formula:
di mana r ialah kadar pertumbuhan purata;
y" - tahap yang diambil sebagai asas untuk ekstrapolasi.
Dalam kes ini, pembangunan diandaikan sebagai janjang geometri atau eksponen. Dalam semua kes, selang keyakinan harus ditentukan yang mengambil kira ketidakpastian dan ketidakpastian anggaran yang digunakan.
Yang paling mudah dan paling terkenal ialah kaedah purata bergerak, melakukan penjajaran mekanikal siri masa. Intipati kaedah ini adalah untuk menggantikan tahap sebenar siri dengan purata yang dikira, di mana turun naik dibatalkan. Kaedah ini dibincangkan secara terperinci dalam kursus teori statistik.
Boleh juga digunakan untuk tujuan ramalan jangka pendek kaedah pelicinan eksponen. Tahap purata siri pada masa ini saya sama dengan gabungan linear tahap sebenar untuk masa yang sama di, dan tahap purata pemerhatian masa lalu dan semasa.
di mana Q"- purata eksponen (nilai lancar tahap siri) pada masa ini t;
A- pekali mencirikan berat cerapan semasa semasa mengira purata eksponen (parameter pelicinan), 0Jika peramalan dijalankan selangkah ke hadapan, maka nilai ramalan y, +| = S: adalah anggaran mata.
Ekstrapolasi trend mungkin jika pergantungan tahap siri pada faktor masa didapati t, dalam kes ini pergantungan kelihatan seperti:
Jenis lengkung, sebab untuk memilih jenis pergantungan analitikal dan pengiraan selang keyakinan dibincangkan dalam bab seterusnya.
Banyak proses pegun dalam ekonomi dicirikan oleh kehadiran hubungan rapat antara tahap untuk tempoh atau saat sebelumnya dan tahap berikutnya. Dalam kes sedemikian, pergantungan masa ditunjukkan melalui ciri-ciri struktur dalaman proses untuk tempoh yang lalu. Dinyatakan dalam bentuk analisis hubungan antara tahap siri masa, anda boleh menggunakan corak yang terhasil untuk ramalan.
Model proses pegun menyatakan nilai penunjuk y ( dalam bentuk gabungan linear bilangan terhingga nilai sebelumnya penunjuk ini dan komponen rawak tambahan, dipanggil model autoregresi.
di mana A- berterusan, Rabu- parameter persamaan, e g- komponen rawak.
Kaedah yang dibincangkan di atas, dengan pengecualian ekstrapolasi trend, adalah menyesuaikan diri, kerana proses pelaksanaannya terdiri daripada mengira nilai jujukan masa penunjuk yang diramalkan, dengan mengambil kira tahap pengaruh tahap sebelumnya.
Kaedah morfologi dibangunkan oleh ahli astronomi Switzerland terkenal F. Zwicky, yang bekerja di balai cerap di negeri California sehingga tahun 1942. Tiga jenis masalah yang, pada pendapatnya, dapat diselesaikan oleh analisis morfologi:
- Berapa banyak maklumat tentang julat fenomena terhad yang boleh diperoleh menggunakan kelas teknik ini?
- apakah rangkaian lengkap akibat yang timbul daripada sebab tertentu?
- apa mereka semua kaedah yang mungkin dan kaedah untuk menyelesaikan masalah khusus ini?
Jawapan kepada soalan kedua ialah membina pepohon matlamat berdasarkan teori graf. Jawapan kepada soalan ketiga disediakan oleh ramalan penerokaan.
Membangkitkan persoalan nilai lebih awal adalah memudaratkan penyelidikan. Memerintahkan semua keputusan, termasuk yang remeh, membolehkan anda menjauhkan diri daripada stereotaip, struktur berfikir sedemikian rupa sehingga ia menjana maklumat baru, melarikan diri daripada perhatian semasa aktiviti tidak sistematik.
Dalam analisis morfologi, semua kombinasi diperiksa secara sistematik semasa membuat perubahan kualitatif dalam parameter asas konsep dan melalui ini kemungkinan gabungan baru dikenal pasti.
Yang paling membina daripada kawasan yang digunakan penyelidikan sistem dikira analisis sistem."Jumlah analisis sistem" pertama kali dibangunkan oleh RAND Corporation pada tahun 1948 untuk mengoptimumkan tugasan yang kompleks pentadbiran tentera. Walau bagaimanapun, tidak kira sama ada istilah "analisis sistem" digunakan hanya untuk menentukan struktur matlamat dan fungsi sistem, untuk merancang, membangunkan hala tuju utama untuk pembangunan industri, perusahaan, organisasi atau kajian sistem secara keseluruhan, termasuk matlamat dan struktur organisasi, analisis sistem kerja berbeza kerana mereka sentiasa mencadangkan metodologi untuk menjalankan penyelidikan, mengatur proses membuat keputusan, percubaan dibuat untuk menyerlahkan peringkat penyelidikan atau membuat keputusan dan mencadangkan pendekatan untuk melaksanakan peringkat ini dalam keadaan tertentu.
Di samping itu, kerja-kerja ini sentiasa memberi perhatian Perhatian istimewa bekerja dengan matlamat sistem: kemunculan, perumusan, perincian (penguraian, penstrukturan), analisis dan isu transformasi lain (penetapan matlamat). Sesetengah pengarang juga mentakrifkan analisis sistem menekankan bahawa ini adalah metodologi untuk mengkaji sistem berorientasikan matlamat. Pada masa yang sama, pembangunan metodologi dan pilihan kaedah dan teknik untuk melaksanakan peringkatnya adalah berdasarkan konsep sistem, pada penggunaan corak, klasifikasi dan keputusan lain yang diperolehi oleh teori sistem.
Kaedah peramalan teknologi normatif termasuk pendekatan matriks, digunakan untuk menyemak konsistensi dengan pelbagai faktor bertindak mendatar. Matriks dua dimensi memberi kaedah cepat menilai keutamaan satu atau satu lagi pilihan yang dicadangkan. Prinsip ini sepadan dengan kaedah analisis SWOT yang meluas dalam pengurusan, i.e. mengambil kira lemah dan kekuatan objek, ancaman dan kelebihan dalam persekitaran luaran.
Dari sudut metodologi kaedah matriks kaitkan kaedah dan model teori permainan. Ia digunakan dalam meramalkan proses sosio-ekonomi dalam analisis situasi yang timbul akibat perhubungan tertentu antara sistem yang dikaji dan sistem bertentangan yang lain. Contohnya ialah mempertimbangkan perusahaan (satu pemain) dan alam semula jadi (pemain lain), i.e. reaksi dan tingkah laku pelanggan.
Contoh lain adalah berkaitan dengan aktiviti perusahaan dan dasar ekonomi kerajaan. Pengagihan pendapatan adalah kompromi antara keperluan untuk memusatkan pendapatan dan memastikan kebebasan ekonomi perusahaan. Strategi perusahaan dibentuk dengan mengambil kira jumlah keuntungan yang diterima daripada bahagian pendapatan yang tinggal bersamanya dan daripada ciri-ciri tambahan diberikan kepadanya oleh pusat. Strategi negara adalah untuk menentukan bahagian hasil berpusat yang tidak menjejaskan peluang ekonomi untuk pembangunan perusahaan dan pada masa yang sama adalah mencukupi untuk menyelesaikan masalah negara yang akhirnya penting untuk perusahaan itu sendiri (3, ms 188).
Tugas utama teori permainan adalah untuk membangunkan cadangan untuk memilih yang paling banyak penyelesaian yang berkesan mengenai pengurusan proses di bawah keadaan faktor yang tidak pasti. Faktor yang tidak pasti termasuk faktor yang penyelidik tidak mempunyai sebarang maklumat yang tidak diketahui.
Dunia persaingan moden dicirikan oleh ketidakpastian strategik kerana penyertaan banyak pihak dengan matlamat berbeza mereka sendiri dan sedikit pemahaman tentang strategi pesaing. Dalam pengurusan strategik strategi persaingan harus berkembang ke arah dari situasi konflik kepada perkongsian. Pada masa yang sama, setiap pihak mesti bersedia menerima kerugian tertentu dan pastikan pesaingnya juga bersedia menghadapi kerugian (4, ms 318).
Kaedah pemodelan statistik termasuk persamaan regresi, menerangkan hubungan antara siri masa ciri bebas dan ciri terhasil. Tahap yang diramalkan dikira dengan menggantikan ke dalam persamaan regresi nilai ramalan faktor ciri, yang boleh diperolehi, sebagai contoh, berdasarkan ekstrapolasi. Ramalan berdasarkan model regresi boleh dilakukan hanya selepas menilai kepentingan pekali regresi dan menyemak model untuk kecukupan. Isu Permohonan analisis regresi untuk tujuan ramalan dibincangkan dalam Bab 4.
Alat ramalan yang mengambil kira keperluan pendekatan sistematik terhadap objek dan ciri kuantitatifnya ialah model ekonometrik. Bidang aplikasi mereka adalah proses makroekonomi di peringkat ekonomi negara, sektor dan industrinya, ekonomi wilayah.
Penyelidikan ekonometrik berasal dari W. Petty, J. Graunt, A. Quetelet, dan senarai ini boleh merangkumi semua ahli statistik yang telah memberikan sumbangan penting kepada kajian jisim. fenomena ekonomi melalui pengukuran kuantitatif.
Perkembangan beberapa masalah pemodelan ekonometrik ditumpukan kepada kerja ramai ahli ekonomi dalam bidang ekonomi. pemodelan matematik pada 50-80an abad yang lalu.
Logik monograf ekonometrik ditujukan terutamanya kepada pelbagai aplikasi dan bukannya untuk menyelesaikan masalah yang timbul dalam teori. Ini adalah bagaimana monograf G. Theil dan E. Malenvo, diterjemahkan ke dalam bahasa Rusia, dibina, yang menjadi tersedia untuk pelbagai pembaca pada tahun 70-an abad yang lalu dan dimainkan peranan besar dalam menyelesaikan masalah yang diaplikasikan.
Monograf J. Johnston "Kaedah Ekonometrik," diterbitkan pada tahun 1980, dikhaskan untuk pembentangan sistematik kaedah ekonometrik teori. Buku ini mengandungi banyak contoh dan hasil yang diperolehi sehingga akhir tahun 70-an, selepas itu kualitatif peringkat baru pembangunan ekonomi pasaran.
Sepanjang 10 tahun yang lalu, ekonometrik telah memasuki rancangan pendidikan kepakaran ekonomi universiti Rusia, dan kesusasteraan pendidikan dan metodologi yang diperlukan juga telah disediakan oleh terkemuka ahli perangkaan domestik. Yang utama antaranya ialah buku teks dan bahan bantu mengajar yang dibangunkan oleh S.A. Ayvazyan, V.S. Mkhitaryan (1) dan I.I. Eliseeva (6).
Pemodelan fungsional-hierarki mewakili penyelarasan matlamat yang jauh dengan tindakan (fungsi) yang mesti diambil untuk mencapainya pada masa kini dan masa hadapan. Idea membina graf berdasarkan prinsip pokok matlamat pertama kali dicadangkan oleh sekumpulan penyelidik berkaitan dengan masalah membuat keputusan dalam industri (7). Pokok gol dengan penunjuk kuantitatif digunakan sebagai bantuan apabila membuat keputusan dan dalam kes ini dipanggil pokok keputusan.
Aplikasi utama pertama teknik pokok matlamat untuk membuat keputusan kuantitatif telah dijalankan oleh Bahagian Pertahanan dan Sains Angkasa Syarikat Honeywell. Skim PATTERN, yang pada asalnya digunakan untuk masalah aeronautik dan angkasa lepas, telah dibangunkan menjadi skim universal yang meliputi semua aktiviti ketenteraan dan angkasa lepas.
Pemodelan rangkaian digunakan secara meluas dalam peramalan teknologi normatif. Yang paling terkenal ialah kaedah laluan kritikal, yang berdasarkan penggunaan graf rangkaian yang mencerminkan pelbagai peringkat setiap bahagian projek dan menganalisisnya untuk memilih laluan optimum antara peringkat awal dan akhir. Kriterianya ialah kos atau tarikh akhir. Pemodelan rangkaian menggunakan pokok matlamat sebagai alat bantu.
Pada intinya kaedah simulasi terletak idea untuk memaksimumkan penggunaan semua maklumat yang ada tentang sistem. Matlamatnya adalah untuk menganalisis dan meramalkan tingkah laku sistem yang kompleks dengan banyak fungsi, tidak semuanya diukur.
Pemodelan simulasi telah menemui aplikasi yang luas dalam proses meramal, yang analisisnya adalah mustahil berdasarkan eksperimen langsung.
Kemungkinan penggunaan sistematik persamaan dalam pembangunan pelbagai objek mendasari kaedah analogi sejarah. Seperti yang dinyatakan oleh E. Jantsch (8, ms. 221), analogi sejarah sentiasa memainkan beberapa peranan sedar atau tidak sedar dalam ramalan. Buat pertama kalinya, hasil penggunaan sistematik analogi sejarah kepada "ciptaan sosial utama abad ke-20, yang dijalankan di bawah naungan Akademi Seni dan Sains Amerika, dibentangkan dalam buku "The Railroad and Space Programs. - Kajian daripada Kedudukan Analogi Sejarah.”
Apabila menggunakan analogi sejarah, perlu diingat:
- - kejayaan bergantung kepada pilihan yang tepat objek perbandingan;
- - terdapat syarat sejarah proses dan fenomena;
- - inovasi dalam proses sosio-ekonomi mempunyai kesan "gaya" kebangsaan.
Pada masa lalu, O. Spengler dan kemudiannya A. Toynbee berusaha untuk memikirkan semula perkembangan sosio-sejarah kemanusiaan dalam semangat teori peredaran tamadun tempatan. Penghujung abad ke-20, dengan perubahan besarnya, membawa kepada pertembungan tamadun dan globalisasi.
Kaedah analogi sejarah agak bersyarat boleh diklasifikasikan sebagai kaedah formal, kerana pada peringkat pemilihan ia mengandungi jumlah subjektiviti yang mencukupi, ciri kaedah pakar. Analogi sejarah memungkinkan untuk menyelesaikan masalah ramalan saintifik dan teknikal. Dalam kes ini, penunjuk kualiti analog, beralih relatif kepada objek sepanjang paksi masa, digunakan sebagai sumber maklumat lanjutan. Kaedah ini tertumpu kepada meramalkan perkembangan objek yang sama sifatnya, jadi kaedah pengelasan atau pengecaman corak boleh digunakan.
Kumpulan kaedah maklumat lanjutan merujuk kepada ramalan teknologi dan dikaitkan dengan pemantauan penyelidikan, keputusan dan penemuan terkini dalam pelbagai bidang pengetahuan dan menilai pencapaian terkumpul. Kaedah-kaedah tersebut adalah berdasarkan harta maklumat saintifik dan teknikal untuk mengatasi pelaksanaan pencapaian dalam pengeluaran. Untuk menjalankan aktiviti tersebut ada peluang yang hebat disebabkan oleh tahap perkembangan teknologi maklumat yang tinggi.
Sumber maklumat utama ialah maklumat paten dan persatuan paten: paten, sijil hak cipta, lesen, katalog, maklumat komersial. trend dunia moden adalah untuk memendekkan "kitaran hayat" inovasi.
- 1. Ayvazyan S.A.,Mkhitaryan V.S. Statistik gunaan dan asas ekonometrik. - M.: PERPADUAN, 1998.
- 2. Buku kerja mengenai ramalan / Editor yang bertanggungjawab. I.V. Bestuzhev-Lada.-M.: Mysl, 1982.
- 3. Pemodelan Statistik Dan
peramalan. Tutorial/ Di bawah rsd. A.G. Granberg. M., Perangkaan Kewangan, 1990.
- 4. Mintzberg G, Quinn JB, Ghoshal S. Proses strategik / Terjemahan daripada bahasa Inggeris, ed. Yu.N. Kapturevsky. - St. Petersburg: Peter, 2001. - 688 p., sakit.
- 5. Tikhomirov N.P., Popov V.A. Kaedah ramalan sosio-ekonomi. - M.: Rumah penerbitan VZPI, JSC "Rosvuznauka", 1992.
- 6. Ekonometrik: Buku Teks/Ed. I.I. Eliseeva. - M.: Kewangan dan Statistik, 2002. - 344 pp., ill.
- 7. Chetyrkin E.M. Kaedah ramalan statistik. Ed. ke-2, disemak dan tambahan - M.: "Statistik", 1977, - 200 pp., sakit.
- 8. Yanch E. Ramalan saintifik dan teknikal kemajuan. - M.: Kemajuan, 1974.
- Lihat, sebagai contoh: Statistik Tsoriya / Di bawah rsd. R.A. Shmoilova. - M.: Kewangan dan Perangkaan, 1996. H. 313.
- Theil G. Ramalan ekonomi dan membuat keputusan - M., Statistik, 1971; Malsnvo E. Kaedah statistik ekonometrik - M., Statistik, 1975, isu 1; 1976, keluaran 2.
- Johnston J. Kaedah ekonometrik / Transl. daripada bahasa Inggeris, dan kata pengantar oleh A.A. Ryvkina. - M.: Statistik, 1980. - 444 p., sakit.
- Toynbee A. Pemahaman sejarah. M, 1991, hlm. 19.
Kelebihan kaedah fakta berbanding kaedah intuitif (pakar) ialah peningkatan objektiviti ramalan, pengembangan kemungkinan mempertimbangkan pelbagai pilihan dan automasi proses ramalan, yang membolehkan penjimatan sejumlah besar sumber.
Walau bagaimanapun, dengan pemformalkan, banyak yang masih berada di luar skop analisis, dan semakin tinggi tahap pemformalan, semakin buruk model itu secara amnya.
Kaedah formal dibahagikan mengikut prinsip operasi am kepada empat kumpulan: 1.
Kaedah ekstrapolasi (statistik). 2.
Kaedah dan model sistem-struktur. 3.
Kaedah bersekutu. 4.
Kaedah maklumat lanjutan.
Mari kita pertimbangkan kaedah yang disenaraikan dengan lebih terperinci. 2.4.1.
Kaedah ekstrapolasi ramalan (statistik)
Apabila meramalkan proses ekonomi, kaedah statistik paling banyak diminta. Ini disebabkan terutamanya oleh fakta bahawa kaedah statistik bergantung pada alat analisis, pembangunan dan amalannya mempunyai sejarah yang panjang. Dalam sesetengah kes, mereka memilih untuk membina senario pembangunan, analisis morfologi, dan analogi sejarah. Pendekatan baru untuk meramalkan pembangunan sistem ekonomi adalah, khususnya, ramalan "simptomatik", yang intipatinya adalah untuk mengenal pasti "pertanda" perubahan masa depan dalam teknologi dan teknologi. Walau bagaimanapun, dalam amalan ekonomi, kaedah statistik masih mendominasi (disebabkan oleh fenomena inersia). Proses ramalan, berdasarkan kaedah statistik, dibahagikan kepada dua peringkat.
Peringkat pertama - data dikumpul yang menerangkan kelakuan objek ramalan dalam tempoh masa tertentu, data ini diringkaskan, berdasarkan model proses yang dibuat. Model ini boleh diterangkan dalam bentuk trend pembangunan yang dinyatakan secara analitik (trend extrapolation) atau dalam bentuk pergantungan fungsi pada satu atau beberapa faktor-argumen (persamaan regresi). Membina model proses untuk peramalan, apa jua bentuknya, semestinya termasuk memilih bentuk persamaan yang menerangkan dinamik dan saling hubungan fenomena, dan menganggar parameternya menggunakan satu kaedah atau kaedah yang lain.
Peringkat kedua ialah ramalan segera. Pada peringkat ini, berdasarkan corak yang ditemui, nilai jangkaan penunjuk, nilai atau ciri yang diramalkan ditentukan. Keputusan yang diperoleh belum lagi dianggap muktamad, kerana penilaian dan penggunaannya mesti mengambil kira faktor, keadaan dan batasan yang tidak terlibat dalam penerangan dan pembinaan model. Pelarasan kepada keputusan pertengahan hendaklah dibuat mengikut jangkaan perubahan dalam keadaan.
Seperti yang dinyatakan dalam buku teori ramalan15, kaedah statistik adalah berdasarkan pembinaan dan analisis siri masa atau data pensampelan rawak. Pengarang buku itu juga termasuk kaedah ekstrapolasi ramalan, korelasi dan analisis regresi, dengan menyatakan bahawa kumpulan kaedah statistik boleh termasuk kaedah kemungkinan maksimum dan kaedah bersekutu - simulasi dan analisis logik. Walau bagaimanapun, pada pendapat kami, adalah betul untuk memisahkan kaedah ekstrapolasi dan kaedah matematik.
Dinamik penunjuk yang dikaji mengenai pembangunan sistem ekonomi boleh diramalkan menggunakan dua kumpulan kaedah kuantitatif yang berbeza: ramalan parameter tunggal dan berbilang parameter. Perkara biasa bagi kedua-dua kumpulan kaedah ialah, pertama sekali, yang digunakan untuk ramalan parametrik fungsi matematik adalah berdasarkan penilaian nilai yang diukur tempoh lalu (retrospektif). Ramalan parameter tunggal adalah berdasarkan hubungan fungsi antara parameter yang diramalkan (pembolehubah) dan nilai masa lalunya, atau faktor masa:
U+1 = Yau? yt-v ..., yj.
Apabila memproses ramalan sedemikian, kaedah ekstrapolasi arah aliran, pelicinan eksponen atau autoregresi digunakan. Ramalan multivariate adalah berdasarkan andaian hubungan sebab akibat antara parameter yang diramalkan dan beberapa pembolehubah bebas yang lain:
I+1 = f (x^ atau y, +1 = f (%1, x2, ..., xn).
Kaedah parameter tunggal hendaklah digunakan untuk ramalan jangka pendek (kurang daripada satu tahun) penunjuk yang berubah setiap minggu atau bulanan; yang berbilang parameter adalah wajar untuk ramalan jangka sederhana dan panjang.
Memilih yang khusus kaedah parametrik ramalan, di samping itu, bergantung pada sifat asas statistik awal. Boleh diambil sebagai data awal pemerhatian sampel dan siri masa. Dalam kes pertama, regresi digunakan sebagai alat ramalan. Lebih kerap daripada sampel rawak, siri masa berfungsi sebagai pangkalan maklumat untuk ramalan. Kemudian, arah aliran, autoregresi, autoregresi bercampur, dsb. bertindak sebagai alat ramalan. Pilihan pendekatan yang mencukupi bergantung kepada sama ada faktor eksogen yang mempengaruhi nilai pembolehubah bersandar dikesan atau tidak, sama ada pembolehubah bersandar dipengaruhi oleh nilai sebelumnya bagi pembolehubah yang sama, dsb.
Proses pemilihan keseluruhan kaedah tertentu ramalan parametrik statistik ditunjukkan dalam Rajah. 2.216.
Kaedah ekstrapolasi mudah. Salah satu kaedah ramalan yang paling biasa ialah ekstrapolasi, i.e. lanjutan ke arah aliran masa depan yang diperhatikan pada masa lalu. Ekstrapolasi adalah berdasarkan andaian berikut. 1.
Perkembangan fenomena boleh dicirikan secara munasabah oleh trajektori yang lancar - trend. 2.
Keadaan umum yang menentukan arah aliran pembangunan pada masa lalu tidak akan mengalami perubahan ketara pada masa hadapan.
nasi. 2.2. Skim pemilihan kaedah statistik peramalan
Ekstrapolasi mudah boleh diwakili sebagai menentukan nilai fungsi
Y+1 = f (y*, L),
dengan y + ialah nilai aras yang diekstrapolasi;
y** - aras diambil sebagai asas ekstrapolasi;
L - tempoh memimpin.
Ekstrapolasi paling mudah boleh dilakukan berdasarkan ciri purata siri: tahap purata, purata peningkatan mutlak dan kadar pertumbuhan purata.
Jika tahap purata siri tidak cenderung untuk berubah atau jika perubahan ini tidak ketara, maka kita boleh terima
Jika purata kenaikan mutlak kekal tidak berubah, maka dinamik tahap akan sepadan dengan janjang aritmetik
Jika kadar pertumbuhan purata tidak cenderung berubah, nilai ramalan boleh dikira menggunakan formula
di mana t ialah kadar pertumbuhan purata;
Y* ialah aras yang diambil sebagai asas untuk ekstrapolasi.
Dalam kes ini, pembangunan diandaikan sebagai janjang geometri atau eksponen.
Dalam semua kes, selang keyakinan harus ditentukan yang mengambil kira ketidakpastian dan ketidakpastian anggaran yang digunakan.
Kaedah purata bergerak. Yang paling mudah dan paling terkenal ialah kaedah purata bergerak, yang melakukan penjajaran mekanikal siri masa. Intipati kaedah ini adalah untuk menggantikan tahap sebenar siri dengan purata yang dikira, di mana turun naik dibatalkan. Kaedah ini dibincangkan secara terperinci dalam kursus teori statistik17.
Kaedah pelicinan eksponen biasanya dikelaskan sebagai kumpulan kaedah penyesuaian. Perlu diingat bahawa pembahagian model kepada adaptif dan bukan adaptif agak sewenang-wenangnya. Perkataan "penyesuaian" (dari bahasa Latin adaptatio) bermaksud penyesuaian struktur dan fungsi fenomena dan proses kepada keadaan kewujudan. Berhubung dengan peramalan, proses penyesuaian adalah seperti berikut. Biarkan ramalan dibuat menggunakan model siri dari beberapa keadaan awal. Kami menunggu sehingga satu unit masa berlalu dan membandingkan hasil ramalan dengan nilai sebenar yang direalisasikan. Ralat ramalan melalui maklum balas memasuki input sistem dan digunakan untuk melaraskan (melaraskan) model agar lebih mengharmonikan tingkah lakunya dengan dinamik siri. Kemudian ramalan dibuat untuk titik masa seterusnya, dsb. Oleh itu, nilai ahli siri yang berbeza dalam kaedah penyesuaian adalah tidak sama. Lebih banyak berat dan nilai maklumat diberikan kepada pemerhatian yang paling hampir dengan titik ramalan.
Kaedah ekstrapolasi trend. Model trend ialah model matematik yang menerangkan perubahan dalam penunjuk yang diramalkan atau dianalisis hanya bergantung pada masa dan mempunyai bentuk y = f(t). Kaedah yang menggunakan model trend dalam peramalan dipanggil kaedah ekstrapolasi trend. Ini adalah salah satu kaedah ramalan pasif, yang dipanggil ramalan "naif", kerana ia menganggap inersia pembangunan yang ketat, yang dibentangkan dalam bentuk mengunjurkan arah aliran masa lalu ke masa depan, dan yang paling penting, kebebasan penunjuk pembangunan daripada faktor-faktor tertentu . Adalah jelas bahawa trend yang telah terbentuk pada masa lalu tidak boleh dipindahkan ke masa hadapan. Sebab-sebabnya adalah seperti berikut:
a) dalam ramalan jangka pendek, ekstrapolasi purata masa lalu membawa kepada fakta bahawa sisihan luar biasa dalam kedua-dua arah daripada arah aliran diabaikan (atau tidak disedari). Pada masa yang sama, untuk ramalan atau rancangan semasa (jangka pendek), tugas utama adalah untuk menjangka penyelewengan ini;
b) untuk ramalan jangka panjang, perkara berikut digunakan tahap tinggi pengagregatan, yang tidak mengambil kira perubahan dalam struktur produk perkilangan, produk itu sendiri, perubahan dalam teknologi pengeluaran, ciri pasaran, i.e. segala-galanya yang membentuk tugas utama perancangan strategik.
model autoregresif. Model proses pegun yang menyatakan nilai penunjuk yt sebagai gabungan linear bilangan terhingga nilai sebelumnya penunjuk ini dan komponen rawak tambahan dipanggil model autoregresif:
y = a + FU-1 + ^
di mana a ialah pemalar;
Ф - parameter persamaan;
єt - komponen rawak.
Kaedah yang dipertimbangkan, dengan pengecualian ekstrapolasi trend, adalah penyesuaian, kerana proses pelaksanaannya terdiri daripada mengira nilai jujukan masa penunjuk yang diramalkan, dengan mengambil kira tahap pengaruh tahap sebelumnya.
Kaedah petak terkecil(MNC). Penciptaan kaedah kuasa dua terkecil bermula sejak karya Carl Friedrich Gauss pada akhir abad ke-18. dan permulaan abad ke-19. dalam Penyelidikan Astronomi. Kaedah ini menjadi paling terkenal terima kasih kepada karya asas ramai ahli statistik dan ahli matematik dan aplikasinya dalam pengiraan ekonomi dan statistik.
Kerana kepentingannya, kami akan mempertimbangkan secara ringkas OLS menggunakan contoh mudah hubungan antara dua pembolehubah x dan y, dengan y bergantung kepada x. Jika dipastikan bahawa hubungan antara mereka adalah tidak linear dan diterangkan oleh parabola, i.e. polinomial darjah kedua
y = a0 + a1x + a2x2
dengan parameter a0, a1, a2, maka masalahnya berkurangan kepada mencari tiga parameter yang tidak diketahui.
Apabila bilangan cerapan (bilangan tahap dalam siri) n, nilai x dan y diwakili oleh dua siri data: y1, y^ ..., yn dan xv ^ ..., xn.
Jika semua nilai yang diperoleh daripada data pemerhatian terletak pada garis yang diterangkan oleh persamaan parabola, maka untuk setiap titik kesamaan adalah benar
y" - a0 + aX + 02xf = 0.
Namun, pada hakikatnya
Y - a + a X + aj xf = A t,
yang wujud disebabkan oleh ralat pengukuran dan faktor rawak yang tidak dikira. Ia adalah perlu untuk mencari pekali regresi sedemikian bahawa ralat adalah minimum. Anda boleh meminimumkan jumlah sisihan mutlak (modulo) atau jumlah sisihan padu atau ralat mutlak terbesar. Walau bagaimanapun, pendekatan yang optimum adalah untuk meminimumkan kuasa dua sisihan
S = X A2 ^ min. t=1
Meminimumkan sisihan kuasa dua mempunyai sifat bahawa bilangan persamaan normal adalah sama dengan bilangan parameter yang tidak diketahui. Meminimumkan jumlah
S = X AH = X(y - (- a1 xt - a2x2) -> min t=1 t=1
memberikan tiga persamaan bagi setiap tiga parameter. Untuk mencari nilai parameter yang tidak diketahui, adalah perlu untuk menyamakan dengan sifar derivatif separa bagi jumlah yang ditentukan berkenaan dengan parameter ini:
2X (y - a0 - ajX - apx2) = 0,
2X (y - a0 - ajX - ape2) = 0,
2^(y - a0 - a1x - apx2) = 0.
Menjalankan transformasi termudah membawa kepada sistem persamaan normal
na0 + a ? x + a2 ? x2 = ? y,
A0 ? x + a1 ? x2 + a2 ? x3 = ? eh, ao? x2 + a1 ? x3 + a2? x4 = ? eh2.
Menyelesaikan sistem persamaan linear berkenaan dengan parameter yang tidak diketahui menggunakan mana-mana kaedah memberikan nilai a0, a1, a2. Biasanya, polinomial di atas darjah ketiga secara praktikalnya tidak digunakan, dan sistem persamaan normal polinomial sedemikian akan terdiri daripada empat persamaan, masing-masing.
OLS, walaupun dengan bilangan pemerhatian yang agak kecil, membawa kepada anggaran yang mencukupi. Anggaran boleh menjadi titik dan selang. Anggaran mata mempunyai sifat tidak berat sebelah, kecekapan, konsistensi.
Walau bagaimanapun, sebarang anggaran nilai sebenar parameter daripada data sampel hanya boleh dibuat dengan tahap kebolehpercayaan tertentu. Tahap kebolehpercayaan ini ditentukan dengan membina selang keyakinan.
LSM juga boleh digunakan dalam kes di mana terdapat data pemerhatian tidak langsung yang merupakan fungsi yang tidak diketahui. OLS ialah asas analisis regresi yang digunakan untuk memenuhi prasyarat yang dipertimbangkan. Syarat untuk penggunaannya juga ialah kelinearan persamaan regresi berkenaan dengan parameter. Berdasarkan klasifikasi jenis regresi, OLS boleh digunakan untuk regresi linear dan bukan linear kelas pertama. 2.4.2.
Kaedah ramalan formal
Ramalan menggunakan kaedah rasmi dijalankan dengan ketat algoritma tertentu, borang.
Kaedah formal adalah berdasarkan teori matematik, yang meningkatkan kebolehpercayaan dan ketepatan ramalan, mengurangkan masa yang diperlukan untuk pelaksanaannya dan memudahkan pemprosesan maklumat dan penilaian keputusan. Kaedah peramalan formal termasuk kaedah ekstrapolasi dan kaedah pemodelan(Gamb. 4).
nasi. 4. Kaedah peramalan rasmi.
Intipati ekstrapolasi adalah untuk mengkaji masa lalu dan masa kini trend mampan pembangunan objek ramalan dan memindahkannya ke masa hadapan.
Terdapat ekstrapolasi formal dan ramalan. Rasmi adalah berdasarkan andaian bahawa arah aliran masa lalu dan sekarang dalam pembangunan objek ramalan akan dikekalkan pada masa hadapan; di ramalan pembangunan sebenar dikaitkan dengan hipotesis tentang dinamik proses yang dikaji, dengan mengambil kira perubahan pengaruh pelbagai faktor dalam perspektif.
Kaedah ekstrapolasi adalah yang paling biasa dan dibangunkan dengan baik. Asas kaedah peramalan ekstrapolasi ialah kajian siri masa. Siri dinamik - ia adalah satu set pemerhatian yang diperoleh secara berurutan dari semasa ke semasa.
Digunakan secara meluas dalam ramalan ekonomi kaedah ekstrapolasi matematik, dalam pengertian matematik bermaksud lanjutan hukum perubahan fungsi daripada kawasan cerapannya kepada kawasan yang terletak di luar segmen cerapan. Trend yang diterangkan oleh beberapa fungsi masa dipanggil trend. Trend - ini adalah trend perubahan jangka panjang penunjuk ekonomi. Fungsi tersebut ialah model matematik-statistik (trend) yang paling mudah bagi fenomena yang dikaji.
Perlu diingatkan bahawa kaedah ekstrapolasi mesti digunakan peringkat awal ramalan untuk mengenal pasti arah aliran dalam penunjuk.
Kaedah pemilihan ciri- salah satu kaedah ekstrapolasi yang biasa. Peringkat utama ekstrapolasi trend ialah pemilihan jenis fungsi optimum yang menerangkan siri empirikal. Untuk melakukan ini, pemprosesan awal dan transformasi data sumber dijalankan untuk memudahkan pemilihan jenis aliran dengan melicinkan dan meratakan siri masa. Tugas memilih fungsi adalah untuk memilih berdasarkan data sebenar (x i , y i) bentuk pergantungan (garis) supaya sisihan (∆ i) data siri asal y i daripada penyelesaian yang sepadan y saya, mereka yang berada dalam talian adalah yang paling kecil. Selepas ini, anda boleh meneruskan baris ini dan mendapatkan ramalan.
|
di mana n– bilangan pemerhatian.
Pemilihan model dijalankan menggunakan program yang dibangunkan khas. Terdapat program yang menyediakan keupayaan untuk memodelkan siri ekonomi menggunakan 16 fungsi: linear (y= a + bx), hiperbola pelbagai jenis (y = a + b/x), eksponen, kuasa, logaritma, dsb. Setiap daripada mereka boleh mempunyai kawasan aplikasinya sendiri dalam meramalkan fenomena ekonomi.
Jadi, fungsi linear (y = a + bx) digunakan untuk menerangkan proses yang berkembang secara seragam dari semasa ke semasa. Parameter b(pekali regresi) menunjukkan kadar perubahan yang diramalkan di apabila ia berubah X.
Hiperbola menggambarkan proses yang dicirikan oleh ketepuan apabila terdapat faktor yang menghalang pertumbuhan penunjuk yang diramalkan.
Model dipilih, pertama, secara visual, berdasarkan perbandingan jenis lengkung, itu sifat tertentu dan ciri kualitatif arah aliran fenomena ekonomi; kedua, berdasarkan nilai kriteria. Jumlah sisihan kuasa dua S paling kerap digunakan sebagai kriteria Daripada set fungsi, yang sepadan dengan nilai minimum S.
Ramalan melibatkan memanjangkan aliran masa lalu, yang dinyatakan oleh fungsi yang dipilih, ke masa hadapan, i.e. ekstrapolasi siri masa. Nilai penunjuk yang diramalkan ditentukan secara pengaturcaraan pada komputer. Untuk melakukan ini, nilai tempoh yang diperlukan untuk mendapatkan ramalan digantikan ke dalam formula yang menerangkan proses tersebut.
Oleh kerana kaedah ini berdasarkan inersia fenomena ekonomi dan prasyarat bahawa keadaan umum yang menentukan pembangunan pada masa lalu tidak akan mengalami perubahan ketara pada masa hadapan, adalah dinasihatkan untuk menggunakannya semasa membangunkan ramalan jangka pendek, semestinya. digabungkan dengan kaedah penilaian pakar. Selain itu, siri masa boleh dibina berdasarkan data bukan mengikut tahun, tetapi mengikut bulan dan suku tahun.
Ekstrapolasi menggunakan kaedah pemilihan fungsi mengambil kira semua data dalam siri asal dengan "berat" yang sama. Kaedah kuasa dua terkecil klasik menganggap kesetaraan maklumat awal dalam model. Walau bagaimanapun, seperti yang ditunjukkan oleh pengalaman, penunjuk ekonomi cenderung kepada "umur." Pengaruh pemerhatian kemudian terhadap perkembangan proses pada masa hadapan adalah lebih ketara daripada yang terdahulu. Masalah "penuaan" data siri masa diselesaikan kaedah pelicinan eksponen dengan arah aliran boleh laras. Ia membolehkan kami membina perihalan proses (siri masa) di mana pemerhatian kemudian diberi "berat" yang lebih besar berbanding dengan yang terdahulu, dan "berat" pemerhatian berkurangan secara eksponen. Akibatnya, adalah mungkin untuk mendapatkan anggaran parameter arah aliran yang mencirikan bukan tahap purata proses, tetapi arah aliran yang telah berkembang pada masa pemerhatian terakhir.
Kadar penuaan data dicirikan oleh parameter pelicinan A. Ia berbeza dalam 0 < A< 1.
Bergantung pada nilai parameter, anggaran ramalan mengambil kira pengaruh siri awal pemerhatian secara berbeza: lebih banyak A, semakin besar sumbangan pemerhatian baru-baru ini kepada pembentukan trend, dan pengaruh keadaan awal berkurangan dengan cepat.
Pada rendah A anggaran ramalan mengambil kira semua pemerhatian, manakala penurunan dalam pengaruh maklumat "tua" berlaku secara perlahan, i.e. lebih kurang A, semakin stabil data tersebut, begitu juga sebaliknya.
Dalam bidang ramalan ekonomi, had yang paling biasa digunakan ialah
0,05 < A<
0,3
. Maknanya A dalam kes umum, ia harus bergantung pada tempoh ramalan: lebih pendek tempoh, lebih besar nilai parameter sepatutnya.
Kaedah ini dilaksanakan pada komputer menggunakan program yang dibangunkan khas dalam blok "siri masa", iaitu sebahagian pakej pengiraan ekonomi.
Permodelan melibatkan membina model berdasarkan kajian awal objek atau proses, mengenal pasti ciri atau ciri pentingnya. Peramalan proses ekonomi dan sosial menggunakan model termasuk pembangunan model, analisis eksperimennya, perbandingan hasil pengiraan ramalan berdasarkan model dengan data sebenar tentang keadaan objek atau proses, pelarasan dan penghalusan model.
Bergantung pada tahap pengurusan proses ekonomi dan sosial, model makroekonomi, intersektoral, antara daerah, sektoral, wilayah dan model peringkat mikro (model pembangunan firma) dibezakan.
Mengikut aspek pembangunan ekonomi, model ramalan untuk pengeluaran semula aset tetap dibezakan, sumber buruh, harga, dsb. Terdapat beberapa ciri lain untuk mengelaskan model: masa, faktor, pengangkutan, pengeluaran.
DALAM keadaan moden Pembangunan pemodelan dan aplikasi praktikal model mula diberi kepentingan khusus berkaitan dengan pengukuhan peranan peramalan dan peralihan kepada perancangan indikatif.
Mari kita pertimbangkan beberapa model ekonomi dan matematik yang paling maju yang telah digunakan secara meluas dalam amalan peramalan ekonomi,
KEPADA model matriks termasuk model baki input (IB): statik dan dinamik. Yang pertama bertujuan untuk menjalankan pengiraan ramalan makroekonomi untuk tempoh jangka pendek (tahun, suku, bulan), yang kedua - untuk mengira pembangunan ekonomi negara pada masa hadapan. Mereka mencerminkan proses pembiakan dalam dinamik dan menghubungkan ramalan pengeluaran produk (perkhidmatan) dengan pelaburan.
Model statik MOB dalam sistem imbangan ekonomi negara mempunyai bentuk
|
|
di mana t- indeks tahun; saya t ij- produk industri i, diarahkan sebagai pelaburan yang produktif ke dalam t- m tahun untuk mengembangkan pengeluaran dalam industri j; Y t i - volum produk akhir i-dan industri dalam t-m tahun, kecuali produk yang dihantar untuk pengembangan pengeluaran.
Keseimbangan antara sektor yang dibentuk berdasarkan model boleh digunakan untuk menyelesaikan banyak masalah: ramalan penunjuk makroekonomi, sambungan dan aliran intersektoral (bekalan), struktur ekonomi, kos industri, dinamik harga, penunjuk kecekapan pengeluaran (bahan, tenaga, logam, kimia dan intensiti modal).
Model ekonomi-statistik digunakan untuk mewujudkan ciri kuantitatif hubungan antara pergantungan dan saling bergantung petunjuk ekonomi. Sistem model jenis ini termasuk: model tunggal, berbilang faktor dan ekonometrik.
Contoh model faktor tunggal: y = a + bx; y = a + b/x, y = a + b log x u dan lain-lain.,
di mana di - nilai penunjuk yang diramalkan; A - istilah bebas yang menentukan kedudukan titik permulaan garis regresi dalam sistem koordinat; X - nilai faktor, b - parameter yang mencirikan kadar perubahan di seunit X.
Pelbagai faktor model membolehkan anda mengambil kira kesan beberapa faktor pada tahap penunjuk yang diramalkan secara serentak. Dalam kes ini, yang terakhir bertindak sebagai fungsi faktor:
y = f (x 1, x 2, x 3, …, x n)
di mana x 1, x 2, x 3, …, x n - faktor.
Dengan hubungan linear, model berbilang faktor boleh diwakili oleh persamaan berikut:
y = a 0 + a i x i + a 2 x 2 + ... + a a x a ,
di mana a 0- ahli percuma; A a 1 , a 2 , …, dan p - pekali regresi menunjukkan tahap pengaruh faktor sepadan pada penunjuk yang diramalkan dengan nilai tetap faktor lain.
Dengan hubungan tak linear, model berbilang faktor boleh mempunyai bentuk
y = a x a 1 * x a 2 2 * … * x an n.
Model berbilang faktor digunakan dalam meramalkan penunjuk makroekonomi, penunjuk permintaan untuk produk, kos, harga, keuntungan, dsb.
Model ekonometrik dipanggil sistem persamaan regresi dan identiti yang menggambarkan hubungan dan kebergantungan petunjuk utama pembangunan ekonomi. Sistem model ekonomi dan matematik jenis ekonometrik berfungsi untuk menerangkan proses sosio-ekonomi yang kompleks. Faktor (pembolehubah) model ekonometrik terbahagi kepada eksogen (luaran) dan endogen (dalaman). Eksogen pembolehubah dipilih supaya ia mempengaruhi sistem yang dimodelkan, tetapi tidak sendiri dipengaruhi olehnya. Mereka boleh dimasukkan ke dalam model berdasarkan penilaian pakar. endogen pembolehubah ditentukan dengan menyelesaikan persamaan stokastik dan identiti. Bagi setiap pembolehubah endogen, beberapa varian persamaan regresi dianggarkan menggunakan kaedah kuasa dua terkecil dan yang terbaik dipilih untuk dimasukkan ke dalam model. Sebagai contoh, pelaburan untuk tujuan pengeluaran bergantung kepada jumlah keuntungan ( faktor endogen) dan indeks harga bagi barangan pelaburan (faktor eksogen).
Imbangan antara industri juga boleh menjadi bahagian organik model ekonometrik. Biasanya, bilangan persamaan model adalah sama dengan bilangan pembolehubah endogen.
Model ekonometrik memungkinkan untuk meramalkan pelbagai penunjuk (KNK, pendapatan peribadi, penggunaan barangan dan perkhidmatan, dsb.). Dalam keadaan automasi pengiraan, ia menjadi mungkin untuk membangunkan pilihan alternatif untuk pembangunan ekonomi, dengan mengambil kira perubahan dalam keadaan luaran dan dalaman (faktor). Perlu diingatkan bahawa penggunaan model ekonometrik memerlukan penciptaan bank data dan latihan pakar yang berkelayakan tinggi dalam pembangunan dan pelaksanaan model ini.
Soalan kawalan
1. Namakan kaedah ramalan utama dan berikannya Penerangan ringkas?
2. Huraikan kaedah utama penilaian pakar individu (“temu bual”, kaedah analisis) dan kaedah penulisan skrip?
3. Huraikan kaedah utama penilaian pakar kolektif (penjanaan idea, kaedah "635", kaedah "Delphi", kaedah komisen)?
4. Dedahkan intipati kaedah ekstrapolasi dan berikan penerangan ringkas?
5. Intipati kaedah pemodelan ialah ramalan?
6. Huraikan jenis utama model ramalan (matriks, ekonomi-statistik, ekonometrik)?
Sumber maklumat
1. Alekseeva M.M. Merancang aktiviti syarikat: Manual pendidikan dan metodologi. – M.: Kewangan dan Perangkaan, 1999
2. Basovsky L.E. Ramalan dan perancangan dalam keadaan pasaran. Tutorial. – M.: INFRA-M, 1999. 260 hlm.
3. Goremykin V.A. dan lain-lain Perancangan di perusahaan: Buku Teks / V.A. Goremykin, E.R. Bugulov, A.Yu. Bogomolov. – ed ke-2. - M.: Kolos, 2000
4. Organisasi pengeluaran pertanian / F.K. Shakirov, V.A. Udalov, S.I. Gryadov et al.: Ed. F.K. Shakirova. - M.
5. Ramalan dan perancangan dalam keadaan pasaran. Ed. T.G. Morozova, A.V. Pikulkina. Tutorial. - M.: PERPADUAN-DANA, 199.-318 hlm.
6. Chernysh E.A., Molchanova N.P., Novikova A.A., Saltanova T.A. Ramalan dan perancangan. Tutorial. – M.: 1999. – 174 hlm.
7. Serkov A.F. Perancangan indikatif dalam pertanian. M.: Informatrobusiness, 1996. 161 hlm.
8. Ensiklopedia ekonomi / Scientific-ed. Majlis Rumah Penerbitan "Ekonomi", Institut Ekonomi Akademi Sains Rusia; Ch. ed. L.I. Abalkin. Moscow: OJSC Publishing House "Ekonomi", 1999.
Kaedah ramalan formal adalah berdasarkan pembinaan ramalan menggunakan cara formal teori matematik, yang memungkinkan untuk meningkatkan kebolehpercayaan dan ketepatan ramalan, dengan ketara mengurangkan masa yang diperlukan untuk pelaksanaannya, dan memudahkan pemprosesan maklumat dan penilaian keputusan.
Kaedah peramalan formal termasuk: kaedah interpolasi dan ekstrapolasi, kaedah pemodelan matematik, kaedah teori kebarangkalian dan statistik matematik.
Kaedah interpolasi dan ekstrapolasi .
Intipati kaedah interpolasi terdiri daripada mencari nilai ramalan fungsi objek yi=f(xj), di mana j=0,…n, pada beberapa titik di dalam segmen x0,…xn Oleh nilai yang diketahui parameter pada titik X 0∠X∠xn
Syarat asas untuk fungsi semasa interpolasi:
l fungsi mestilah berterusan dan analitik;
l untuk jenis fungsi tertentu atau terbitannya, ketaksamaan tersebut ditunjukkan yang sepatutnya menentukan kebolehgunaan interpolasi kepada fungsi tertentu;
l fungsi mestilah cukup lancar, i.e. supaya ia mempunyai bilangan derivatif yang mencukupi yang tidak meningkat terlalu cepat.
Dalam peramalan, formula interpolasi Lagrange, Newton, Stirling dan Bessel paling banyak digunakan.
Kaedah ekstrapolasi- inilah kaedahnya kajian saintifik, yang terdiri daripada memanjangkan trend yang ditubuhkan pada masa lalu ke masa hadapan. Kaedah matematik ekstrapolasi turun untuk menentukan nilai yang akan diambil ini atau itu. kuantiti berubah-ubah X=x(t1), jika beberapa nilainya pada masa lalu diketahui x1=x(t1),…….., x(tn-1)→ x(tn)
Dalam erti kata sempit, ekstrapolasi ialah penemuan daripada siri data fungsi nilai lain yang berada di luar siri ini. Ekstrapolasi terdiri daripada mengkaji arah aliran stabil yang telah berkembang pada masa lalu dan sekarang. perkembangan ekonomi dan memindahkan mereka ke masa hadapan. Dalam peramalan, ekstrapolasi digunakan dalam kajian siri masa dan merupakan penemuan nilai fungsi di luar domain definisinya menggunakan maklumat tentang kelakuan fungsi ini pada beberapa titik kepunyaan domain definisinya.
Perbezaan dibuat antara ekstrapolasi prospektif dan retrospektif.
Ekstrapolasi prospektif mengandaikan kesinambungan tahap satu siri dinamik untuk masa hadapan berdasarkan corak perubahan tahap yang dikenal pasti dalam tempoh masa yang dikaji. Ekstrapolasi retrospektif dicirikan oleh penerusan tahap satu siri dinamik ke masa lalu.
Terdapat ekstrapolasi formal dan ramalan. Ekstrapolasi formal adalah berdasarkan andaian bahawa trend masa lalu dan masa kini dalam pembangunan objek akan dikekalkan pada masa hadapan. Ekstrapolasi ramalan menghubungkan keadaan sebenar objek yang dikaji dengan hipotesis tentang dinamik perkembangannya. Ia membayangkan keperluan untuk mengambil kira pada masa hadapan perubahan alternatif objek itu sendiri, intipatinya.
Apabila membangunkan ramalan menggunakan ekstrapolasi, ia meneruskan daripada trend yang muncul secara statistik dalam perubahan dalam ciri kuantitatif tertentu sesuatu objek. Evaluatif, berfungsi, sistemik dan ciri-ciri struktur, Sebagai contoh, ciri kuantitatif ekonomi, saintifik, potensi pengeluaran. Tahap realiti ramalan sedemikian sebahagian besarnya ditentukan oleh kesahihan pilihan had ekstrapolasi dan korespondensi "pengukur" yang dipilih kepada intipati fenomena yang sedang dipertimbangkan. Urutan langkah untuk analisis trend statistik dan ekstrapolasi adalah seperti berikut:
1. Perumusan masalah, mengemukakan hipotesis tentang kemungkinan perkembangan
objek yang diramalkan, perbincangan tentang faktor yang merangsang atau menghalang
pembangunan objek, penentuan ekstrapolasi dan julat yang dibenarkan.
2. Pemilihan sistem parameter, penyatuan pelbagai Unit pengukuran,
berkaitan dengan setiap parameter secara berasingan.
3. Pengumpulan dan sistematisasi data, menyemak kehomogenan data dan mereka
kebolehbandingan.
4. Pengenalpastian arah aliran perubahan dalam kuantiti kajian analisis statistik dan
ekstrapolasi data secara langsung.
Dalam ramalan ekstrapolasi, ramalan nilai tertentu objek atau parameter yang dikaji bukanlah hasil utama. Lebih penting ialah pengenalpastian tepat pada masanya anjakan yang muncul secara objektif, arah aliran semula jadi dalam perkembangan fenomena atau proses. Trend pembangunan bermakna sebahagian daripadanya arah umum, Evolusi Jangka Panjang. Biasanya mereka cuba mengemukakan trend dalam bentuk trajektori yang lebih lancar.
Untuk meningkatkan ketepatan ekstrapolasi, trend fenomena ekstrapolasi diselaraskan dengan mengambil kira pengalaman fungsi objek - analog penyelidikan atau objek yang mendahului objek yang diramalkan dalam perkembangannya. Bergantung pada prinsip dan data awal yang digunakan sebagai asas untuk ramalan, ada kaedah berikut ekstrapolasi: purata pertumbuhan mutlak, kadar pertumbuhan purata dan ekstrapolasi berdasarkan penjajaran baris menggunakan beberapa formula analisis.
Kaedah ekstrapolasi trend yang dipertimbangkan, sebagai yang paling mudah, pada masa yang sama adalah yang paling anggaran. Oleh itu, kaedah ramalan yang paling biasa ialah ungkapan analitikal trend.
Trend fenomena ekstrapolasi- ini adalah trend jangka panjang dalam perubahan dalam penunjuk ekonomi, i.e. perubahan yang menentukan arah umum pembangunan, arah aliran utama siri masa. Trend mencirikan corak asas pergerakan dari semasa ke semasa, sedikit sebanyak bebas daripada pengaruh rawak. Apabila membangunkan model ramalan, arah aliran ternyata menjadi komponen utama siri masa yang diramalkan, di mana komponen lain ditumpangkan. Hasilnya dikaitkan secara eksklusif dengan peredaran masa. Diandaikan bahawa pengaruh semua faktor utama boleh dinyatakan melalui masa.
Membangunkan ramalan melibatkan penentuan jenis fungsi ekstrapolasi berdasarkan data dan parameter empirikal awal.
Langkah pertama ialah memilih jenis fungsi optimum yang memberikan penerangan terbaik tentang arah aliran. Langkah seterusnya ialah mengira parameter fungsi ekstrapolasi yang dipilih.
Apabila menganggarkan parameter pergantungan, yang paling biasa ialah
l kaedah kuasa dua terkecil, kaedah pelicinan eksponen siri masa,
l kaedah purata bergerak dan lain-lain.
Intipati kaedah kuasa dua terkecil terdiri daripada fakta bahawa fungsi yang menerangkan fenomena yang diramalkan dianggarkan oleh fungsi yang lebih mudah atau gabungannya. Selain itu, yang terakhir dipilih sedemikian rupa sehingga sisihan piawai tahap sebenar fungsi pada titik yang diperhatikan daripada yang sejajar adalah yang paling kecil.
Contohnya, mengikut data yang ada ( xiyi) (i=1,2,….n) lengkung sedemikian dibina y=a+bx, di mana jumlah minimum sisihan kuasa dua dicapai, i.e. fungsi yang bergantung pada dua parameter diminimumkan: A– (segmen pada paksi ordinat) dan b(cerun garis lurus).
Pemberian persamaan syarat-syarat yang diperlukan pengecilan fungsi S(a,b), dipanggil persamaan biasa. Bukan sahaja linear, tetapi juga kuadratik, parabola, eksponen, dll. digunakan sebagai fungsi anggaran.
Kaedah kuasa dua terkecil digunakan secara meluas dalam peramalan kerana kesederhanaan dan kemungkinan pelaksanaan pada komputer. Cacat kaedah ini ialah model arah aliran ditetapkan secara tegar, dan ini memungkinkan untuk menggunakannya hanya untuk tempoh petunjuk yang singkat, i.e. untuk ramalan jangka pendek.
Kaedah pelicinan eksponen siri masa– kaedah ini ialah pengubahsuaian kaedah kuasa dua terkecil untuk analisis siri masa, di mana pemerhatian yang lebih terkini diberi lebih berat, i.e. berat mata dalam satu siri berkurangan secara eksponen apabila ia bergerak ke masa lalu. Kaedah ini membolehkan anda menganggarkan parameter model yang menerangkan arah aliran yang terbentuk pada penghujung tempoh asas dan tidak hanya mengekstrapolasi kebergantungan sedia ada pada masa hadapan, tetapi menyesuaikannya dengan keadaan yang berubah mengikut masa. Kaedah pelicinan eksponen digunakan untuk ramalan jangka pendek dan sederhana. Kelebihannya ialah ia tidak memerlukan pangkalan maklumat yang luas.
Model yang menerangkan dinamik penunjuk mempunyai rumusan matematik yang agak mudah, dan evolusi penyesuaian parameter memungkinkan untuk mencerminkan heterogeniti dan kecairan sifat siri masa.
Kaedah purata bergerak terdiri daripada mengira tahap purata daripada nombor tertentu yang pertama dalam peringkat tertib siri, kemudian tahap purata daripada bilangan tahap yang sama, bermula dari yang kedua, kemudian bermula dari yang ketiga, dsb. Oleh itu, apabila mengira tahap purata, mereka "meluncur" sepanjang siri dinamik dari awal hingga akhir, setiap kali membuang satu tahap pada permulaan dan menambah yang seterusnya.
Setiap pautan purata bergerak ialah tahap purata untuk tempoh yang sepadan, yang merujuk kepada pertengahan tempoh yang dipilih jika bilangan tahap siri dinamik adalah ganjil.
Kelemahan kaedah purata bergerak mudah ialah siri masa terlicin dikurangkan kerana ketidakmungkinan mendapatkan tahap terlicin untuk permulaan dan akhir siri. Kelemahan ini dihapuskan dengan menggunakan kaedah penjajaran analitikal untuk menganalisis aliran asas.
Kaedah penjajaran analitikal menganggap perwakilan tahap siri ini dinamik sebagai fungsi masa y=f(t). Untuk memaparkan trend utama dalam perkembangan fenomena dari semasa ke semasa, pelbagai fungsi digunakan: polinomial darjah, eksponen, lengkung logistik dan jenis lain.
Kaedah ekstrapolasi berdasarkan memanjangkan arah aliran masa lalu dan masa kini ke masa hadapan boleh digunakan dalam peramalan hanya dengan masa pendahuluan sehingga lima hingga tujuh tahun. Syarat yang paling penting aplikasi ialah kehadiran trend yang dinyatakan secara berterusan dalam pembangunan fenomena atau proses sosio-ekonomi. Dengan tempoh ramalan yang lebih lama, kaedah ini tidak memberikan hasil yang tepat.
Kaedah pemodelan matematik adalah berdasarkan kepada kemungkinan mewujudkan kesesuaian tertentu antara pengetahuan tentang objek pengetahuan dan objek itu sendiri.
Pengetahuan manusia tentang sesuatu objek mewakili refleksi yang lebih kurang mencukupi mengenainya, dan bentuk pengetahuan yang terwujud adalah model objek itu. Oleh itu, kaedah pemodelan adalah kaedah penyelidikan di mana bukan objek itu sendiri dikaji, tetapi model mereka dan hasil penyelidikan tersebut dipindahkan dari model ke objek.
Penggunaan kaedah matematik memastikan darjat tinggi kesahan, keberkesanan dan ketepatan masa ramalan. Pelbagai jenis model digunakan dalam peramalan: pengoptimuman, statik, dinamik, faktorial, struktur, gabungan, dll. Bergantung pada tahap pengagregatan, jenis model yang sama boleh digunakan untuk pelbagai objek ekonomi, i.e. model makroekonomi, intersektoral, antara wilayah, sektoral, wilayah dan lain-lain.
Pemodelan adalah salah satu yang paling penting dan cara yang paling berkesan meramalkan fenomena sosio-ekonomi, alat pengetahuan sains proses yang dikaji. Oleh itu, persoalan tentang kecukupan model kepada objek (iaitu, kualiti paparan) mesti diputuskan berdasarkan tujuan khusus ramalan.
Dalam proses eksperimen, sambungan, hubungan atau sifat elemen model boleh diwujudkan yang tidak sepadan dengan sebarang sambungan, hubungan atau sifat elemen objek. Dalam kes ini, sama ada model yang dibina tidak mencukupi dengan intipati fenomena yang sedang dikaji, atau model yang dibina adalah memadai dengan intipati fenomena yang dikaji, tetapi sifat dan hubungan unsur-unsur fenomena yang diramalkan tidak sepenuhnya. diterangkan.
Dalam meramalkan proses sosio-ekonomi, satu kaedah untuk mengkaji corak perkembangan proses sosio-ekonomi ialah model ekonomi-matematik (EMM), i.e. sistem formal yang menerangkan hubungan asas unsur-unsurnya.
Model ekonomi dan matematik(EMM) mewakili huraian matematik proses ekonomi atau objek yang dihasilkan untuk tujuan penyelidikan dan pengurusan. Dalam kebanyakan bentuk am model - imej konvensional objek penyelidikan, direka untuk memudahkan penyelidikan ini. Apabila membina model, diandaikan bahawa kajian langsungnya memberikan pengetahuan baru tentang objek yang dimodelkan. EMM ialah alat utama untuk memodelkan penyelidikan ekonomi. Dalam semua kes, adalah perlu bahawa model mengandungi mencukupi Penerangan terperinci objek, yang membolehkan, khususnya, untuk mengukur nilai ekonomi dan hubungannya, supaya faktor yang mempengaruhi penunjuk yang dikaji dikenal pasti.
Contoh model ekonomi-matematik ialah formula yang menentukan keperluan bahan berdasarkan kadar penggunaan. Model boleh dirumuskan dalam tiga cara: sebagai hasil pemerhatian langsung dan kajian fenomena realiti tertentu (kaedah fenomenologi), pengasingan daripada model yang lebih umum ( kaedah deduktif), generalisasi model yang lebih khusus (kaedah induktif). Objek yang sama boleh diterangkan oleh model yang berbeza bergantung kepada penyelidikan atau keperluan praktikal, keupayaan radas matematik, dsb. Oleh itu, sentiasa perlu untuk menilai model dan kawasan di mana kesimpulan daripada kajiannya boleh dipercayai.
Model yang menggambarkan keadaan ekonomi semasa dipanggil statik, dan model yang menerangkan perkembangan objek yang dimodelkan dipanggil dinamik. Model boleh dibina dalam bentuk formula - perwakilan analisis model; sebagai contoh berangka- perwakilan berangka; dalam bentuk jadual - perwakilan matriks; dalam bentuk graf - perwakilan rangkaian model.
Sehubungan itu, terdapat model berangka, analitikal, matriks dan rangkaian.
DALAM ilmu ekonomi ia digunakan untuk menganalisis proses ekonomi, ramalan dan merancang dalam semua hubungan dan pada semua peringkat ekonomi, sehingga merancang pembangunan ekonomi negara secara keseluruhan. Mereka biasanya dibahagikan kepada dua kumpulan besar: model yang mencerminkan terutamanya aspek pengeluaran rancangan; model yang mencerminkan terutamanya aspek sosial rancangan itu. Bahagian ini sebahagian besarnya sewenang-wenangnya, kerana setiap model menggabungkan pengeluaran dan aspek sosial. Antara model kumpulan pertama yang boleh kita namakan: model ramalan jangka panjang petunjuk ringkasan pembangunan ekonomi; model rentas sektor perancangan ekonomi negara; model industri perancangan optimum dan penempatan pengeluaran, serta model untuk mengoptimumkan struktur pengeluaran dalam industri.
Daripada model kumpulan kedua, model yang paling maju adalah yang berkaitan dengan ramalan dan perancangan pendapatan dan penggunaan populasi dan proses demografi.
EMM jenis ekonometrik juga digunakan dalam peramalan. Model ekonometrik mensintesis pencapaian analisis teori dengan pencapaian matematik dan statistik, statistik matematik. Kaedah ekonometrik digunakan untuk menerangkan ekonomi dengan membina sistem ekonometrik model yang merangkumi sebagai unsur konstituen fungsi pengeluaran, fungsi pelaburan, serta persamaan yang mencirikan pergerakan pekerjaan, pendapatan, harga dan kadar faedah, dan blok lain. Antara sistem ekonometrik yang paling terkenal seperti ini, mengikut pengiraan yang dijalankan pada komputer, adalah model Brookings (AS), model Belanda, model Wharton (AS), dll.
Skim umum Pembangunan sistem model ramalan terdiri daripada tiga peringkat.
Pada peringkat pertama, kaedah ramalan tempatan dibangunkan, model individu dan subsistem model ramalan dibangunkan. Model-model tersebut kemudiannya dipautkan ke dalam sistem bersatu, yang memungkinkan untuk memastikan interaksi model individu mematuhi keperluan yang direkodkan dalam program penyelidikan mengenai masalah secara keseluruhan.
Peringkat kedua melibatkan penciptaan sistem model ramalan yang berinteraksi berdasarkan perkembangan teknik ramalan tempatan. Di sini, subsistem model dijelaskan dan dipersetujui, interaksinya disemak, urutan penggunaan model individu, serta teknik penilaian dan kaedah untuk mengesahkan ramalan kompleks yang terhasil ditentukan. Program yang sesuai disusun untuk menyelesaikan masalah pada komputer.
Peringkat ketiga merangkumi penjelasan dan perkembangan individu sistem tempatan dan teknik dalam proses mencipta sistem model ramalan dan kegunaan praktikalnya.
Sistem model ramalan dan prosedur pemodelan diformalkan dalam bentuk metodologi pemodelan, yang mesti memenuhi keperluan berikut:
l memberikan penerangan yang konsisten secara logik tentang urutan peraturan, i.e. algoritma yang membolehkan anda membuat ramalan di bawah andaian yang agak luas tentang sifat dan nilai maklumat awal;
l mewajarkan pilihan kaedah dan cara teknikal membenarkan pengiraan dijalankan tepat pada masanya dan berulang kali;
l mengenal pasti perkaitan yang ketara antara fenomena dan proses yang diramalkan. Untuk melakukan ini, adalah perlu untuk mengenal pasti corak dan trend yang paling penting dan stabil dalam kedua-dua bahan sumber dan dalam proses menganalisis hasil yang diperoleh menggunakan teknik ini;
l memastikan penyelarasan ramalan individu ke dalam sistem yang konsisten, yang juga membolehkan pelarasan ramalan bersama.
Kaedah formal
Kajian meja sebagai kaedah mengumpul maklumat
Kaedah Penyelidikan Kuantitatif
Penyelidikan meja ialah satu set kaedah untuk mengumpul dan menilai maklumat pemasaran yang terkandung dalam sumber (statistik atau laporan) yang disediakan untuk tujuan lain.
Kaedah meja mengumpul maklumat bergantung pada sumber sekunder. Kaedah meja digunakan dalam menyediakan kajian lapangan.
Kaedah meja juga digunakan sebagai kaedah bebas untuk mengumpul maklumat dalam penyelidikan pasaran.
Kaedah analisis dokumen dibahagikan kepada dua kumpulan utama: tidak formal (tradisional) dan formal.
Kaedah tidak formal jangan gunakan teknik piawai untuk mengasingkan unit maklumat daripada kandungan dokumen, oleh itu, ia lebih kerap digunakan untuk memproses dokumen individu (unik) atau pelbagai dokumen, apabila ada; tiada kepentingan yang melampau dalam pemprosesan maklumat secara kuantitatif. Analisis tradisional boleh berfungsi sebagai prasyarat untuk analisis dokumen rasmi.
Satu alternatif kaedah tidak formal analisis dokumen keluli kaedah formal, menggunakan kaedah bersatu (standard) untuk mendaftar elemen kandungan dokumen. Penyeragaman kaedah pengumpulan maklumat membebaskan penyelidik daripada prosedur pendaftaran intensif buruh dan subjektiviti dalam tafsiran data; memungkinkan untuk beralih kepada pendaftaran automatik dan pemprosesan maklumat menggunakan program komputer khas. Pada masa yang sama, masalah lain timbul: kesukaran dalam membangunkan peraturan yang tidak jelas untuk merekodkan elemen yang diperlukan dan kemustahilan untuk mendedahkan secara menyeluruh kandungan setiap dokumen individu.
Semasa menjalankan penyelidikan meja, kaedah tradisional (klasik) analisis dokumen, analisis sasaran maklumat dan analisis kandungan dokumen paling kerap digunakan, ciri-ciri utamanya dibentangkan dalam Jadual 1.
Jadual 1 ciri umum kaedah meja mengumpul maklumat
Kaedah formal - konsep dan jenis. Klasifikasi dan ciri kategori "Kaedah Formal" 2017, 2018.
A. Penilaian pakar – dijalankan oleh sekumpulan pakar. Pakar diminta menilai parameter tertentu bagi subjek yang akan dianalisis. Kemudian penilaian dipuratakan dan satu pendapat pakar dibentuk. Kaedah itu biasanya digunakan apabila melaksanakan orang lain secara lembut... .
Klasifikasi kaedah dan teknik analisis ekonomi Semua teknik yang digunakan dalam analisis ekonomi boleh dibahagikan kepada tiga kumpulan: 1. kaedah universal kognisi - dialektik materialistik; 2. kaedah saintifik am kognisi - pemerhatian, perbandingan,... .
Kaedah peramalan formal adalah berdasarkan membina ramalan menggunakan cara formal teori matematik, yang memungkinkan untuk meningkatkan kebolehpercayaan dan ketepatan ramalan, mengurangkan masa yang diperlukan untuk pelaksanaannya dengan ketara, dan memudahkan pemprosesan dan penilaian maklumat... .
Kaedah matriks. Bentuk matriks pembentangan dan analisis maklumat bukanlah alat khusus untuk analisis sistem, tetapi digunakan secara meluas pada pelbagai peringkat sebagai alat bantu. Matriks bukan sahaja dalam bentuk visual... .
Kaedah ini adalah berdasarkan teori matematik, yang meningkatkan kebolehpercayaan dan ketepatan ramalan, dengan ketara mengurangkan masa yang diperlukan untuk pelaksanaannya, dan membolehkan aktiviti memproses maklumat dan menilai keputusan. Kaedah ekstrapolasi... .
Proses inovasi bermula dengan permulaan, yang merangkumi pencarian idea inovatif. Carian ini adalah saat yang paling penting dan paling sukar, dicirikan oleh penggunaan kaedah yang dibangunkan khas. Idea inovatif mengandungi idea umum tentang... .