అధికారికం చేయబడిందిపద్ధతులు విభజించబడ్డాయి సాధారణ సూత్రంచర్యలు నాలుగు గ్రూపులుగా విభజించబడ్డాయి: ఎక్స్ట్రాపోలేషన్ (గణాంకాలు), సిస్టమ్-స్ట్రక్చరల్, అసోసియేటివ్ మరియు అధునాతన సమాచార పద్ధతులు.
ఆర్థిక ప్రక్రియలను అంచనా వేసే ఆచరణలో, కనీసం ఇటీవలి వరకు గణాంక పద్ధతులు ప్రధానంగా ఉన్నాయి. గణాంక పద్ధతులు విశ్లేషణాత్మక ఉపకరణంపై ఆధారపడి ఉంటాయి, దీని అభివృద్ధి మరియు అభ్యాసం చాలా సుదీర్ఘ చరిత్రను కలిగి ఉండటం దీనికి ప్రధాన కారణం. గణాంక పద్ధతుల ఆధారంగా అంచనా ప్రక్రియ రెండు దశలుగా విభజించబడింది.
మొదటిది కొంత కాల వ్యవధిలో సేకరించిన డేటాను సంగ్రహించడం మరియు ఈ సంశ్లేషణ ఆధారంగా ప్రక్రియ నమూనాను రూపొందించడం. నమూనా విశ్లేషణాత్మకంగా వ్యక్తీకరించబడిన అభివృద్ధి ధోరణి రూపంలో వివరించబడింది ( ట్రెండ్ ఎక్స్ట్రాపోలేషన్)లేదా రూపంలో క్రియాత్మక ఆధారపడటంఒకటి లేదా అంతకంటే ఎక్కువ కారకాలు-వాదనల నుండి (తిరోగమన సమీకరణాలు). అంచనా కోసం ప్రక్రియ నమూనాను రూపొందించడం, దాని రూపం ఏమైనప్పటికీ, దృగ్విషయం యొక్క డైనమిక్స్ మరియు పరస్పర సంబంధాన్ని వివరించే సమీకరణం యొక్క రూపాన్ని ఎంచుకోవడం మరియు ఒక పద్ధతి లేదా మరొక పద్ధతిని ఉపయోగించి దాని పారామితులను అంచనా వేయడం తప్పనిసరిగా ఉంటుంది.
రెండవ దశ సూచన కూడా. ఈ దశలో, కనుగొనబడిన నమూనాల ఆధారంగా, అంచనా వేసిన సూచిక, విలువ లేదా లక్షణం యొక్క అంచనా విలువ నిర్ణయించబడుతుంది. వాస్తవానికి, పొందిన ఫలితాలను అంతిమంగా పరిగణించలేము, ఎందుకంటే వాటి అంచనా మరియు ఉపయోగం మోడల్ యొక్క వివరణ మరియు నిర్మాణంలో పాల్గొనని కారకాలు, షరతులు మరియు పరిమితులను పరిగణనలోకి తీసుకోవాలి. వారి ఏర్పాటు పరిస్థితులలో ఊహించిన మార్పుకు అనుగుణంగా వారి సర్దుబాటు జరగాలి.
అనేక సందర్భాల్లో, ఆర్థిక సమాచారం యొక్క వాస్తవ గణాంక ప్రాసెసింగ్ అనేది ఒక సూచన కాదు, కానీ దాని అభివృద్ధి యొక్క మొత్తం వ్యవస్థలో ఒక ముఖ్యమైన లింక్‌గా కనిపిస్తుంది. ప్రపంచ అభ్యాసం రంగంలో విస్తృతమైన విషయాలను కలిగి ఉంది దృక్కోణ విశ్లేషణ, మరియు గణాంక నమూనాల ఆధారంగా పొందిన అంచనాల విజయం అనుభావిక డేటా యొక్క విశ్లేషణపై గణనీయంగా ఆధారపడి ఉంటుందని ఇప్పటికే స్పష్టంగా ఉంది, అటువంటి విశ్లేషణ కాలక్రమేణా అధ్యయనం చేయబడిన ప్రక్రియల ప్రవర్తన యొక్క నమూనాలను గుర్తించి మరియు సాధారణీకరించగలదు. .
అత్యంత సాధారణ అంచనా పద్ధతుల్లో ఒకటి ఎక్స్ట్రాపోలేషన్, అనగా గతంలో గమనించిన ధోరణుల భవిష్యత్తుకు పొడిగింపు (ఎక్స్ట్రాపోలేషన్ పద్ధతి తదుపరి అధ్యాయంలో మరింత వివరంగా వివరించబడింది). ఎక్స్ట్రాపోలేషన్ క్రింది అంచనాలపై ఆధారపడి ఉంటుంది (7, పేజి 151):
1) దృగ్విషయం యొక్క అభివృద్ధి ఒక మృదువైన పథం ద్వారా సహేతుకంగా వర్గీకరించబడుతుంది - ఒక ధోరణి;
2) ధోరణిని నిర్ణయించే సాధారణ పరిస్థితులు
గతంలో జరిగిన పరిణామాలు భవిష్యత్తులో గణనీయమైన మార్పులకు గురికావు.
ఎక్స్‌ట్రాపోలేషన్‌ని ఫంక్షన్ విలువను నిర్ణయించడం వలె సూచించవచ్చు:
ఇక్కడ, +/ - ఎక్స్‌ట్రాపోలేటెడ్ స్థాయి విలువ;
y* -ఎక్స్ట్రాపోలేషన్ బేస్‌గా తీసుకున్న స్థాయి;
ఎల్- ప్రధాన కాల వ్యవధి.
సిరీస్ యొక్క సగటు లక్షణాల ఆధారంగా సరళమైన ఎక్స్‌ట్రాపోలేషన్‌ను నిర్వహించవచ్చు: మధ్య స్థాయి, మధ్య స్థాయి సంపూర్ణ వృద్ధిమరియు సగటు వృద్ధి రేటు.
ఉంటే సగటు స్థాయి
అనేక ns మారవచ్చు లేదా, ఈ మార్పు చాలా తక్కువగా ఉంటే, మేము అంగీకరించవచ్చు: 
ఉంటే సగటు సంపూర్ణ పెరుగుదలమారదు, అప్పుడు స్థాయిల డైనమిక్స్ అంకగణిత పురోగతికి అనుగుణంగా ఉంటుంది: 
ఉంటే సగటు వృద్ధి రేటుమారడానికి ఇష్టపడదు, ఫార్ములా ఉపయోగించి అంచనా విలువను లెక్కించవచ్చు:
ఇక్కడ r అనేది సగటు వృద్ధి రేటు;
y" -ఎక్స్‌ట్రాపోలేషన్‌కు ప్రాతిపదికగా తీసుకున్న స్థాయి.
ఈ సందర్భంలో, అభివృద్ధి అనేది రేఖాగణిత పురోగతి లేదా ఘాతాంకంగా భావించబడుతుంది. అన్ని సందర్భాల్లో, ఉపయోగించిన అంచనాల యొక్క అనిశ్చితి మరియు అనిశ్చితిని పరిగణనలోకి తీసుకునే విశ్వాస విరామం నిర్ణయించబడాలి.
సరళమైనది మరియు అత్యంత ప్రసిద్ధమైనది పద్ధతి కదిలే సగటులు, సమయ శ్రేణి యొక్క యాంత్రిక అమరికను నిర్వహిస్తోంది. పద్ధతి యొక్క సారాంశం ఏమిటంటే, సిరీస్ యొక్క వాస్తవ స్థాయిలను లెక్కించిన సగటులతో భర్తీ చేయడం, దీనిలో హెచ్చుతగ్గులు రద్దు చేయబడతాయి. ఈ పద్ధతిని గణాంక సిద్ధాంతంపై కోర్సులో వివరంగా చర్చించారు.
స్వల్పకాలిక అంచనా ప్రయోజనాల కోసం కూడా ఉపయోగించవచ్చు ఘాతాంక మృదువైన పద్ధతి.ప్రస్తుతానికి సగటు వరుస స్థాయి Iఅదే క్షణం కోసం వాస్తవ స్థాయి యొక్క సరళ కలయికకు సమానం వద్ద, మరియు గత మరియు ప్రస్తుత పరిశీలనల సగటు స్థాయి.
ఎక్కడ ప్ర"- ప్రస్తుతానికి ఘాతాంక సగటు (సిరీస్ స్థాయి యొక్క స్మూత్డ్ విలువ). t;
ఎ- ఘాతాంక సగటు (సున్నితమైన పరామితి)ని లెక్కించేటప్పుడు ప్రస్తుత పరిశీలన యొక్క బరువును వర్ణించే గుణకం, 0అంచనా వేయడం ఒక అడుగు ముందుకు జరిగితే, అంచనా విలువ y, +| = ప్ర:అనేది ఒక పాయింట్ అంచనా.
ట్రెండ్ ఎక్స్‌ట్రాపోలేషన్సమయ కారకంపై సిరీస్ స్థాయిల ఆధారపడటం కనుగొనబడితే సాధ్యమవుతుంది t,ఈ సందర్భంలో ఆధారపడటం ఇలా కనిపిస్తుంది:
వక్రరేఖల రకాలు, విశ్లేషణాత్మక ఆధారపడటం యొక్క రకాన్ని ఎంచుకోవడానికి కారణాలు మరియు విశ్వాస విరామం యొక్క గణన తదుపరి అధ్యాయంలో చర్చించబడతాయి.
ఆర్థిక వ్యవస్థలోని అనేక స్థిరమైన ప్రక్రియలు మునుపటి కాలాలు లేదా క్షణాలు మరియు తదుపరి స్థాయిల స్థాయిల మధ్య సన్నిహిత సంబంధాన్ని కలిగి ఉండటం ద్వారా వర్గీకరించబడతాయి. అటువంటి సందర్భాలలో, సమయ ఆధారపడటం లక్షణాల ద్వారా వ్యక్తమవుతుంది అంతర్గత నిర్మాణంగత కాలాల ప్రక్రియ. లో వ్యక్తీకరించబడింది విశ్లేషణాత్మక రూపంసమయ శ్రేణి స్థాయిల మధ్య సంబంధం, మీరు అంచనా కోసం ఫలిత నమూనాను ఉపయోగించవచ్చు.
సూచిక యొక్క విలువను వ్యక్తీకరించే స్థిర ప్రక్రియ యొక్క నమూనా y (ఈ సూచిక యొక్క పరిమిత సంఖ్యలో మునుపటి విలువలు మరియు సంకలిత యాదృచ్ఛిక భాగం యొక్క సరళ కలయిక రూపంలో, మోడల్ అంటారు స్వీయ తిరోగమనం.
ఎక్కడ ఎ- స్థిరమైన, బుధ- సమీకరణ పరామితి, ఇ జి- యాదృచ్ఛిక భాగం.
ట్రెండ్ ఎక్స్ట్రాపోలేషన్ మినహా పైన చర్చించిన పద్ధతులు అనుకూలమైన,ఎందుకంటే మునుపటి స్థాయిల ప్రభావం యొక్క స్థాయిని పరిగణనలోకి తీసుకొని, అంచనా వేసిన సూచిక యొక్క సమయ-క్రమ విలువలను లెక్కించడంలో వాటి అమలు ప్రక్రియ ఉంటుంది.
పదనిర్మాణ పద్ధతి 1942 వరకు కాలిఫోర్నియా రాష్ట్రంలోని అబ్జర్వేటరీలలో పనిచేసిన ప్రసిద్ధ స్విస్ ఖగోళ శాస్త్రవేత్త F. జ్వికీచే అభివృద్ధి చేయబడింది. అతని అభిప్రాయం ప్రకారం, పదనిర్మాణ విశ్లేషణ పరిష్కరించగల మూడు రకాల సమస్యలు:
- ఈ తరగతి సాంకేతికతలను ఉపయోగించి పరిమిత శ్రేణి దృగ్విషయాల గురించి ఎంత సమాచారం పొందవచ్చు?
- దాని నుండి ఉత్పన్నమయ్యే పరిణామాల పూర్తి గొలుసు ఏమిటి నిర్దిష్ట కారణం?
- అవన్నీ ఏమిటి సాధ్యమయ్యే పద్ధతులుమరియు ఈ నిర్దిష్ట సమస్యను పరిష్కరించే పద్ధతులు?
రెండవ ప్రశ్నకు సమాధానం గ్రాఫ్ సిద్ధాంతం ఆధారంగా గోల్ ట్రీని నిర్మించడం. మూడవ ప్రశ్నకు సమాధానం అన్వేషణాత్మక అంచనా ద్వారా అందించబడుతుంది.
విలువ ప్రశ్నను ముందుగానే లేవనెత్తడం పరిశోధనకు హానికరం. అల్పమైన వాటితో సహా అన్ని నిర్ణయాలను ఆర్డర్ చేయడం, మూస పద్ధతుల నుండి దూరంగా ఉండటానికి మిమ్మల్ని అనుమతిస్తుంది, అది ఉత్పత్తి చేసే విధంగా ఆలోచించే నిర్మాణాలు కొత్త సమాచారం, క్రమరహిత కార్యకలాపాల సమయంలో దృష్టిని తప్పించుకోవడం.
పదనిర్మాణ విశ్లేషణలో, భావన యొక్క ప్రాథమిక పారామితులలో గుణాత్మక మార్పులు చేస్తున్నప్పుడు అన్ని కలయికలు క్రమపద్ధతిలో పరిశీలించబడతాయి మరియు దీని ద్వారా కొత్త కలయికల అవకాశాలను గుర్తించబడతాయి.
అనువర్తిత ప్రాంతాలలో అత్యంత నిర్మాణాత్మకమైనది వ్యవస్థల పరిశోధనలెక్కించబడుతుంది సిస్టమ్ విశ్లేషణ."మొత్తం వ్యవస్థల విశ్లేషణలు" ఆప్టిమైజ్ చేయడానికి 1948లో RAND కార్పొరేషన్ ద్వారా మొదట అభివృద్ధి చేయబడింది క్లిష్టమైన పనులుసైనిక పరిపాలన. ఏది ఏమైనప్పటికీ, "సిస్టమ్ విశ్లేషణ" అనే పదం వ్యవస్థ యొక్క లక్ష్యాలు మరియు విధుల యొక్క నిర్మాణాన్ని నిర్ణయించడానికి, పరిశ్రమ, సంస్థ, సంస్థ అభివృద్ధికి ప్రధాన దిశలను ప్రణాళిక చేయడం, అభివృద్ధి చేయడం లేదా అధ్యయనానికి మాత్రమే వర్తించబడుతుందా అనే దానితో సంబంధం లేకుండా. లక్ష్యాలు మరియు సంస్థాగత నిర్మాణంతో సహా మొత్తం వ్యవస్థ, పని వ్యవస్థల విశ్లేషణ విభిన్నంగా ఉంటాయి, అవి ఎల్లప్పుడూ పరిశోధనను నిర్వహించడానికి, నిర్ణయాత్మక ప్రక్రియను నిర్వహించడానికి ఒక పద్దతిని ప్రతిపాదిస్తాయి, పరిశోధన లేదా నిర్ణయాధికారం యొక్క దశలను హైలైట్ చేయడానికి మరియు ప్రతిపాదించడానికి ప్రయత్నం చేయబడుతుంది. నిర్దిష్ట పరిస్థితులలో ఈ దశలను నిర్వహించడానికి విధానాలు.
అదనంగా, ఈ రచనలు ఎల్లప్పుడూ శ్రద్ధ వహిస్తాయి ప్రత్యేక శ్రద్ధవ్యవస్థ యొక్క లక్ష్యాలతో పని చేయడం: వాటి ఆవిర్భావం, సూత్రీకరణ, వివరాలు (కుళ్ళిపోవడం, నిర్మాణం), విశ్లేషణ మరియు పరివర్తన యొక్క ఇతర సమస్యలు (లక్ష్యం సెట్టింగ్). కొంతమంది రచయితలు కూడా నిర్వచించారు సిస్టమ్ విశ్లేషణలక్ష్యం-ఆధారిత వ్యవస్థలను అధ్యయనం చేయడానికి ఇది ఒక పద్దతి అని నొక్కి చెప్పండి. అదే సమయంలో, ఒక పద్దతి యొక్క అభివృద్ధి మరియు దాని దశలను నిర్వహించడానికి పద్ధతులు మరియు పద్ధతుల ఎంపిక సిస్టమ్ భావనలు, నమూనాల ఉపయోగం, వర్గీకరణలు మరియు సిస్టమ్ సిద్ధాంతం ద్వారా పొందిన ఇతర ఫలితాలపై ఆధారపడి ఉంటుంది.
సాధారణ సాంకేతిక అంచనా పద్ధతులు ఉన్నాయి మాతృక విధానాలు, వివిధ అడ్డంగా పనిచేసే కారకాలతో స్థిరత్వాన్ని తనిఖీ చేయడానికి ఉపయోగిస్తారు. రెండు డైమెన్షనల్ మాత్రికలు ఇస్తాయి శీఘ్ర పద్ధతిప్రతిపాదిత ఎంపికలలో ఒకటి లేదా మరొకటి ప్రాధాన్యతను అంచనా వేయడం. ఈ సూత్రం నిర్వహణలో SWOT విశ్లేషణ యొక్క విస్తృత పద్ధతికి అనుగుణంగా ఉంటుంది, అనగా. ఖాతా బలహీనమైన మరియు బలాలుబాహ్య వాతావరణంలో వస్తువు, బెదిరింపులు మరియు ప్రయోజనాలు.
పద్దతి కోణం నుండి మాతృక పద్ధతులుసంబంధం గేమ్ సిద్ధాంతం యొక్క పద్ధతులు మరియు నమూనాలు.అధ్యయనంలో ఉన్న వ్యవస్థ మరియు ఇతర వ్యతిరేక వ్యవస్థల మధ్య కొన్ని సంబంధాల ఫలితంగా ఉత్పన్నమయ్యే పరిస్థితుల విశ్లేషణలో సామాజిక-ఆర్థిక ప్రక్రియలను అంచనా వేయడంలో ఇవి ఉపయోగించబడతాయి. ఒక ఉదాహరణ ఎంటర్‌ప్రైజ్ (ఒక ఆటగాడు) మరియు స్వభావం (మరొక ఆటగాడు), అనగా. కస్టమర్ ప్రతిచర్యలు మరియు ప్రవర్తన.
మరొక ఉదాహరణ సంస్థల కార్యకలాపాలు మరియు ప్రభుత్వ ఆర్థిక విధానాలకు సంబంధించినది. ఆదాయ పంపిణీ అనేది ఆదాయాన్ని కేంద్రీకరించడం మరియు సంస్థల ఆర్థిక స్వాతంత్ర్యాన్ని నిర్ధారించడం మధ్య రాజీ. ఎంటర్‌ప్రైజ్ యొక్క వ్యూహం దానితో మరియు దానితో మిగిలి ఉన్న ఆదాయం వాటా నుండి పొందే మొత్తం లాభాలను పరిగణనలోకి తీసుకొని రూపొందించబడింది. అదనపు లక్షణాలుకేంద్రం అతనికి అందించింది. సంస్థల అభివృద్ధికి ఆర్థిక అవకాశాలను అణగదొక్కని మరియు అదే సమయంలో సంస్థలకు అంతిమంగా ముఖ్యమైన జాతీయ సమస్యలను పరిష్కరించడానికి సరిపోయే కేంద్రీకృత ఆదాయాల వాటాను నిర్ణయించడం రాష్ట్ర వ్యూహం (3, పేజి 188).
గేమ్ థియరీ యొక్క ప్రధాన పని ఎక్కువగా ఎంచుకోవడానికి సిఫార్సులను అభివృద్ధి చేయడం సమర్థవంతమైన పరిష్కారాలుఅనిశ్చిత కారకాల పరిస్థితుల్లో ప్రక్రియ నిర్వహణపై. అనిశ్చిత కారకాలు పరిశోధకుడి వద్ద ఎటువంటి సమాచారం లేని కారకాలను కలిగి ఉంటాయి; అవి తెలియని స్వభావం కలిగి ఉంటాయి.
ఆధునిక పోటీ ప్రపంచం అనేక పార్టీలు వారి స్వంత విభిన్న లక్ష్యాలతో పాల్గొనడం మరియు పోటీదారుల వ్యూహాలపై తక్కువ అవగాహన కారణంగా వ్యూహాత్మక అనిశ్చితితో వర్గీకరించబడుతుంది. వ్యూహాత్మక నిర్వహణలో పోటీ వ్యూహంనుండి దిశలో అభివృద్ధి చేయాలి సంఘర్షణ పరిస్థితులుభాగస్వామ్యానికి. అదే సమయంలో, ప్రతి పక్షం కొన్ని నష్టాలను అంగీకరించడానికి సిద్ధంగా ఉండాలి మరియు దాని పోటీదారు కూడా నష్టాలకు సిద్ధంగా ఉన్నారని నిర్ధారించుకోవాలి (4, పేజి 318).
స్టాటిస్టికల్ మోడలింగ్ పద్ధతులు ఉన్నాయి తిరోగమన సమీకరణాలు,స్వతంత్ర లక్షణాలు మరియు ఫలిత లక్షణాల సమయ శ్రేణి మధ్య సంబంధాలను వివరిస్తుంది. లక్షణ కారకాల యొక్క అంచనా విలువలను రిగ్రెషన్ సమీకరణంలో భర్తీ చేయడం ద్వారా అంచనా వేయబడిన స్థాయిలు లెక్కించబడతాయి, ఉదాహరణకు, ఎక్స్ట్రాపోలేషన్ ఆధారంగా పొందవచ్చు. రిగ్రెషన్ నమూనాల ఆధారంగా అంచనా వేయడం రిగ్రెషన్ కోఎఫీషియంట్స్ యొక్క ప్రాముఖ్యతను అంచనా వేసిన తర్వాత మరియు సమర్ధత కోసం నమూనాను తనిఖీ చేసిన తర్వాత మాత్రమే నిర్వహించబడుతుంది. అప్లికేషన్ సమస్యలు తిరోగమన విశ్లేషణఅంచనా ప్రయోజనాల కోసం అధ్యాయం 4 లో చర్చించబడింది.
ఒక వస్తువుకు క్రమబద్ధమైన విధానం యొక్క అవసరాలు మరియు దాని పరిమాణాత్మక లక్షణాలను పరిగణనలోకి తీసుకునే అంచనా సాధనం ఎకనామెట్రిక్ నమూనాలు.వారి అప్లికేషన్ యొక్క ప్రాంతం స్థాయిలో స్థూల ఆర్థిక ప్రక్రియలు జాతీయ ఆర్థిక వ్యవస్థ, దాని రంగాలు మరియు పరిశ్రమలు, ప్రాదేశిక ఆర్థిక వ్యవస్థలు.
ఎకనామెట్రిక్ పరిశోధన W. పెట్టీ, J. గ్రాంట్, A. క్వెట్లెట్ నుండి ఉద్భవించింది మరియు ఈ జాబితాలో ద్రవ్యరాశి అధ్యయనానికి గణనీయమైన కృషి చేసిన గణాంకవేత్తలందరినీ చేర్చవచ్చు. ఆర్థిక దృగ్విషయాలుపరిమాణాత్మక కొలతల ద్వారా.
ఎకనామెట్రిక్ మోడలింగ్ యొక్క కొన్ని సమస్యల అభివృద్ధి ఆర్థిక శాస్త్ర రంగంలో చాలా మంది ఆర్థికవేత్తల పనికి అంకితం చేయబడింది. గణిత నమూనాగత శతాబ్దం 50-80 లలో.
ఎకనామెట్రిక్ మోనోగ్రాఫ్‌ల యొక్క తర్కం ప్రధానంగా సిద్ధాంతంలో తలెత్తే సమస్యలను పరిష్కరించడానికి కాకుండా వివిధ అనువర్తనాలకు ఉద్దేశించబడింది. G. Theil మరియు E. Malenvo యొక్క మోనోగ్రాఫ్‌లు ఈ విధంగా నిర్మించబడ్డాయి, రష్యన్‌లోకి అనువదించబడ్డాయి, ఇది గత శతాబ్దపు 70వ దశకంలో విస్తృత శ్రేణి పాఠకులకు అందుబాటులోకి వచ్చింది మరియు ప్లే చేయబడింది పెద్ద పాత్రఅనువర్తిత సమస్యలను పరిష్కరించడంలో.
1980లో ప్రచురించబడిన J. జాన్స్టన్ యొక్క మోనోగ్రాఫ్ “ఎకనోమెట్రిక్ మెథడ్స్”, సైద్ధాంతిక ఎకనామెట్రిక్స్ యొక్క పద్ధతుల యొక్క క్రమబద్ధమైన ప్రదర్శనకు అంకితం చేయబడింది. ఈ పుస్తకంలో 70వ దశకం చివరి వరకు పొందిన అనేక ఉదాహరణలు మరియు ఫలితాలు ఉన్నాయి, ఆ తర్వాత గుణాత్మకమైనవి కొత్త వేదికమార్కెట్ ఆర్థిక వ్యవస్థ అభివృద్ధి.
గత 10 సంవత్సరాలలో, ఎకనామెట్రిక్స్ ప్రవేశించింది విద్యా ప్రణాళికలురష్యన్ విశ్వవిద్యాలయాల ఆర్థిక ప్రత్యేకతలు మరియు అవసరమైన విద్యా మరియు పద్దతి సాహిత్యం కూడా ప్రముఖంగా తయారు చేయబడింది దేశీయ గణాంక నిపుణులు. వాటిలో ప్రధానమైనవి S.A చే అభివృద్ధి చేయబడిన పాఠ్యపుస్తకాలు మరియు బోధనా సహాయాలు. అయివజ్యాన్, V.S. మ్ఖితారియన్ (1) మరియు I.I. ఎలిసీవా (6).
ఫంక్షనల్-క్రమానుగత మోడలింగ్ప్రస్తుత మరియు భవిష్యత్తులో దానిని సాధించడానికి తీసుకోవలసిన చర్యలతో (ఫంక్షన్లు) సుదూర లక్ష్యం యొక్క సమన్వయాన్ని సూచిస్తుంది. గోల్ ట్రీ సూత్రం ఆధారంగా గ్రాఫ్‌ను నిర్మించాలనే ఆలోచన మొదట పరిశ్రమలో నిర్ణయాత్మక సమస్యలకు సంబంధించి పరిశోధకుల బృందం ప్రతిపాదించింది (7). తో గోల్ చెట్లు పరిమాణాత్మక సూచికలుగా ఉపయోగించబడింది సహాయంనిర్ణయాలు తీసుకునేటప్పుడు మరియు ఈ సందర్భంలో నిర్ణయం చెట్లు అంటారు.
పరిమాణాత్మక నిర్ణయం తీసుకోవడానికి గోల్ ట్రీ టెక్నిక్ యొక్క మొదటి ప్రధాన అనువర్తనం హనీవెల్ కంపెనీ యొక్క డిఫెన్స్ మరియు స్పేస్ సైన్సెస్ విభాగంచే నిర్వహించబడింది. వాస్తవానికి ఏరోనాటిక్స్ మరియు అంతరిక్ష సమస్యల కోసం ఉపయోగించే PATTERN పథకం, అన్ని సైనిక మరియు అంతరిక్ష కార్యకలాపాలను కవర్ చేసే సార్వత్రిక పథకంగా అభివృద్ధి చేయబడింది.
నెట్‌వర్క్ మోడలింగ్సాధారణ సాంకేతిక అంచనాలో విస్తృతంగా ఉపయోగించబడుతుంది. అత్యంత ప్రసిద్ధమైనది క్లిష్టమైన మార్గం పద్ధతి, ఇది ప్రాజెక్ట్ యొక్క ప్రతి భాగం యొక్క వివిధ దశలను ప్రతిబింబించే నెట్‌వర్క్ గ్రాఫ్‌ల వాడకంపై ఆధారపడి ఉంటుంది మరియు ప్రారంభ మరియు చివరి దశల మధ్య సరైన మార్గాన్ని ఎంచుకోవడానికి వాటిని విశ్లేషిస్తుంది. ప్రమాణాలు ఖర్చులు లేదా గడువులు. నెట్‌వర్క్ మోడలింగ్ గోల్ ట్రీని సహాయక సాధనంగా ఉపయోగిస్తుంది.
కోర్ వద్ద అనుకరణ పద్ధతిసిస్టమ్ గురించి అందుబాటులో ఉన్న మొత్తం సమాచారాన్ని గరిష్టంగా ఉపయోగించాలనే ఆలోచన ఉంది. ప్రవర్తనను విశ్లేషించడం మరియు అంచనా వేయడం లక్ష్యం సంక్లిష్ట వ్యవస్థఅనేక విధులతో, అవన్నీ లెక్కించబడవు.
అనుకరణ మోడలింగ్ ప్రక్రియలను అంచనా వేయడంలో విస్తృత అనువర్తనాన్ని కనుగొంది, దీని విశ్లేషణ ప్రత్యక్ష ప్రయోగం ఆధారంగా అసాధ్యం.
అభివృద్ధిలో సారూప్యత యొక్క క్రమబద్ధమైన ఉపయోగం యొక్క అవకాశం వివిధ వస్తువులుఅంతర్లీనంగా చారిత్రక సారూప్యాల పద్ధతి. E. Jantsch (8, p. 221) గుర్తించినట్లుగా, చారిత్రక సారూప్యత ఎల్లప్పుడూ అంచనా వేయడంలో కొంత స్పృహ లేదా అపస్మారక పాత్రను పోషిస్తుంది. మొదటిసారిగా, అమెరికన్ అకాడమీ ఆఫ్ ఆర్ట్స్ అండ్ సైన్సెస్ ఆధ్వర్యంలో "20వ శతాబ్దపు ప్రధాన సామాజిక ఆవిష్కరణలకు చారిత్రక సారూప్యత యొక్క క్రమబద్ధమైన ఉపయోగం యొక్క ఫలితాలు "ది రైల్‌రోడ్ అండ్ స్పేస్ ప్రోగ్రామ్స్" పుస్తకంలో ప్రదర్శించబడ్డాయి. - హిస్టారికల్ అనాలజీ యొక్క స్థానం నుండి ఒక అధ్యయనం.
చారిత్రక సారూప్యతలను ఉపయోగిస్తున్నప్పుడు, గుర్తుంచుకోవలసిన అవసరం ఉంది:
- - విజయం ఆధారపడి ఉంటుంది సరైన ఎంపికపోలిక వస్తువులు;
- - ప్రక్రియలు మరియు దృగ్విషయాల యొక్క చారిత్రక షరతు ఉంది;
- - సామాజిక-ఆర్థిక ప్రక్రియలలోని ఆవిష్కరణలు జాతీయ "శైలి" యొక్క ముద్రను కలిగి ఉంటాయి.
గతంలో, O. స్పెంగ్లర్ మరియు తరువాత A. టోయిన్బీ స్థానిక నాగరికతల ప్రసరణ సిద్ధాంతం యొక్క స్ఫూర్తితో మానవత్వం యొక్క సామాజిక-చారిత్రక అభివృద్ధిని పునరాలోచించడానికి ప్రయత్నించారు. 20వ శతాబ్దపు ముగింపు, దాని అపారమైన మార్పులతో, నాగరికత మరియు ప్రపంచీకరణ ఘర్షణకు దారితీసింది.
చారిత్రక సారూప్యాల పద్ధతిని షరతులతో కూడిన అధికారిక పద్ధతులుగా వర్గీకరించవచ్చు, ఎందుకంటే ఎంపిక దశలో ఇది తగినంత ఆత్మాశ్రయతను కలిగి ఉంటుంది, నిపుణుల పద్ధతుల లక్షణం. చారిత్రక సారూప్యతలు శాస్త్రీయ మరియు సాంకేతిక అంచనాల సమస్యలను పరిష్కరించడానికి సాధ్యపడతాయి. ఈ సందర్భంలో, అనలాగ్ యొక్క నాణ్యత సూచికలు, సమయ అక్షంతో పాటు వస్తువుకు సంబంధించి మార్చబడ్డాయి, అధునాతన సమాచారం యొక్క మూలంగా ఉపయోగించబడతాయి. పద్ధతి అదే స్వభావం గల వస్తువుల అభివృద్ధిని అంచనా వేయడంపై దృష్టి సారించింది, కాబట్టి వర్గీకరణలు లేదా నమూనా గుర్తింపు పద్ధతులను ఉపయోగించవచ్చు.
పద్ధతుల సమూహం అధునాతన సమాచారంసాంకేతిక అంచనాను సూచిస్తుంది మరియు తాజా పరిశోధనలు, ఫలితాలు మరియు విజ్ఞానం యొక్క వివిధ రంగాలలో పురోగతులను పర్యవేక్షించడం మరియు సేకరించిన విజయాలను అంచనా వేయడంతో సంబంధం కలిగి ఉంటుంది. పద్ధతులు ఉత్పత్తిలో విజయాల అమలును అధిగమించడానికి శాస్త్రీయ మరియు సాంకేతిక సమాచారం యొక్క ఆస్తిపై ఆధారపడి ఉంటాయి. అటువంటి కార్యకలాపాలను నిర్వహించడానికి ఉన్నాయి గొప్ప అవకాశాలుసమాచార సాంకేతిక పరిజ్ఞానం యొక్క అధిక స్థాయి అభివృద్ధి కారణంగా.
సమాచారం యొక్క ప్రధాన మూలం పేటెంట్ మరియు పేటెంట్-అసోసియేషన్ సమాచారం: పేటెంట్లు, కాపీరైట్ సర్టిఫికేట్లు, లైసెన్స్‌లు, కేటలాగ్‌లు, వాణిజ్య సమాచారం. ధోరణి ఆధునిక ప్రపంచంఆవిష్కరణల "జీవిత చక్రాన్ని" తగ్గించడమే.
- 1. ఐవజ్యాన్ S.A.,మ్ఖితారియన్ వి.ఎస్.ఎకనామెట్రిక్స్ యొక్క అనువర్తిత గణాంకాలు మరియు ఫండమెంటల్స్. - M.: UNITY, 1998.
- 2. వర్క్‌బుక్అంచనా/బాధ్యత గల ఎడిటర్‌పై. ఐ.వి. బెస్టుజేవ్-లాడా.-M.: Mysl, 1982.
- 3. స్టాటిస్టికల్ మోడలింగ్మరియు
అంచనా వేయడం. ట్యుటోరియల్/ rsd కింద. A.G. గ్రాన్‌బర్గ్. M., ఫైనాన్స్ స్టాటిస్టిక్స్, 1990.
- 4. మింట్జ్‌బర్గ్ జి, క్విన్ జెబి, ఘోషల్ ఎస్.వ్యూహాత్మక ప్రక్రియ / ఇంగ్లీష్ నుండి అనువాదం, ed. యు.ఎన్. కప్తురేవ్స్కీ. - సెయింట్ పీటర్స్‌బర్గ్: పీటర్, 2001. - 688 పే., అనారోగ్యం.
- 5. టిఖోమిరోవ్ N.P., పోపోవ్ V.A.సామాజిక-ఆర్థిక అంచనా పద్ధతులు. - M.: పబ్లిషింగ్ హౌస్ VZPI, JSC "రోస్వుజ్నౌకా", 1992.
- 6. ఎకనామెట్రిక్స్: పాఠ్యపుస్తకం/ఎడ్. ఐ.ఐ. ఎలిసీవా. - M.: ఫైనాన్స్ అండ్ స్టాటిస్టిక్స్, 2002. - 344 pp., అనారోగ్యం.
- 7. చెటిర్కిన్ E.M.గణాంక అంచనా పద్ధతులు. Ed. 2వ, సవరించబడింది మరియు అదనపు - M.: "స్టాటిస్టిక్స్", 1977, - 200 pp., అనారోగ్యం.
- 8. యాంచ్ ఇ.అంచనా వేయడం శాస్త్రీయ మరియు సాంకేతికపురోగతి. - M.: ప్రోగ్రెస్, 1974.
- ఉదాహరణకు, చూడండి: సోరియా గణాంకాలు / కింద rsd. ఆర్.ఎ. ష్మోయిలోవా. - M.: ఫైనాన్స్ అండ్ స్టాటిస్టిక్స్, 1996. P. 313.
- థీల్ జి. ఎకనామిక్ ఫోర్‌కాస్ట్స్ అండ్ డెసిషన్ మేకింగ్ - M., స్టాటిస్టిక్స్, 1971; Malsnvo E. ఎకనామెట్రిక్స్ యొక్క గణాంక పద్ధతులు - M., గణాంకాలు, 1975, సంచిక 1; 1976, సంచిక 2.
- జాన్స్టన్ J. ఎకనోమెట్రిక్ పద్ధతులు / అనువాదం. ఆంగ్లం నుండి, మరియు ముందుమాట ద్వారా A.A. రివ్కినా. - M.: గణాంకాలు, 1980. - 444 p., అనారోగ్యం.
- Toynbee A. చరిత్ర యొక్క గ్రహణశక్తి. M, 1991, p. 19.
సహజమైన (నిపుణులు) కంటే వాస్తవిక పద్ధతుల యొక్క ప్రయోజనం ఏమిటంటే, సూచన యొక్క నిష్పాక్షికత పెరుగుదల, వివిధ ఎంపికలను పరిగణించే అవకాశం యొక్క విస్తరణ మరియు అంచనా ప్రక్రియ యొక్క ఆటోమేషన్, ఇది పొదుపును అనుమతిస్తుంది. పెద్ద సంఖ్యలోవనరులు.
ఏదేమైనప్పటికీ, ఫార్మలైజేషన్‌తో, చాలా వరకు విశ్లేషణ పరిధికి వెలుపల మిగిలి ఉంటుంది మరియు ఫార్మలైజేషన్ స్థాయి ఎంత ఎక్కువగా ఉంటే, మోడల్ సాధారణంగా పేలవంగా మారుతుంది.
సాధారణ కార్యాచరణ సూత్రం ప్రకారం అధికారిక పద్ధతులు నాలుగు గ్రూపులుగా విభజించబడ్డాయి: 1.
ఎక్స్ట్రాపోలేషన్ (గణాంక) పద్ధతులు. 2.
వ్యవస్థ-నిర్మాణ పద్ధతులు మరియు నమూనాలు. 3.
అనుబంధ పద్ధతులు. 4.
అధునాతన సమాచారం యొక్క పద్ధతులు.
జాబితా చేయబడిన పద్ధతులను మరింత వివరంగా పరిశీలిద్దాం. 2.4.1
ప్రిడిక్టివ్ ఎక్స్ట్రాపోలేషన్ పద్ధతులు (గణాంక)
ఆర్థిక ప్రక్రియలను అంచనా వేసేటప్పుడు, గణాంక పద్ధతులకు డిమాండ్ ఎక్కువగా ఉంటుంది. ఇది ప్రధానంగా గణాంక పద్ధతులు విశ్లేషణాత్మక ఉపకరణంపై ఆధారపడి ఉంటుంది, దీని అభివృద్ధి మరియు అభ్యాసం సుదీర్ఘ చరిత్ర కలిగి ఉంది. కొన్ని సందర్భాల్లో, వారు అభివృద్ధి దృశ్యాలు, పదనిర్మాణ విశ్లేషణ మరియు చారిత్రక సారూప్యతలను నిర్మించడాన్ని ఆశ్రయిస్తారు. అభివృద్ధిని అంచనా వేయడానికి కొత్త విధానం ఆర్థిక వ్యవస్థలుముఖ్యంగా, "రోగలక్షణ" అంచనా, దీని సారాంశం సాంకేతికత మరియు సాంకేతికతలో భవిష్యత్ మార్పుల యొక్క "హర్బింగర్స్" ను గుర్తించడం. అయినప్పటికీ, ఆర్థిక శాస్త్రం యొక్క ఆచరణలో, గణాంక పద్ధతులు ఇప్పటికీ ప్రధానమైనవి (జడత్వం యొక్క దృగ్విషయం కారణంగా). గణాంక పద్ధతుల ఆధారంగా అంచనా ప్రక్రియ రెండు దశలుగా విభజించబడింది.
మొదటి దశ - ఒక నిర్దిష్ట వ్యవధిలో సూచన వస్తువు యొక్క ప్రవర్తనను వివరించే డేటా సేకరించబడుతుంది, ఈ డేటా సంగ్రహించబడుతుంది, దీని ఆధారంగా ప్రాసెస్ మోడల్ సృష్టించబడుతుంది. నమూనాను విశ్లేషణాత్మకంగా వ్యక్తీకరించబడిన అభివృద్ధి ధోరణి (ట్రెండ్ ఎక్స్ట్రాపోలేషన్) రూపంలో లేదా ఒకటి లేదా అనేక కారకాల-వాదనలపై (రిగ్రెషన్ సమీకరణాలు) ఫంక్షనల్ డిపెండెన్స్ రూపంలో వివరించవచ్చు. అంచనా కోసం ప్రక్రియ నమూనాను రూపొందించడం, దాని రూపం ఏమైనప్పటికీ, దృగ్విషయం యొక్క డైనమిక్స్ మరియు పరస్పర సంబంధాన్ని వివరించే సమీకరణం యొక్క రూపాన్ని ఎంచుకోవడం మరియు ఒక పద్ధతి లేదా మరొక పద్ధతిని ఉపయోగించి దాని పారామితులను అంచనా వేయడం తప్పనిసరిగా ఉంటుంది.
రెండవ దశ తక్షణ సూచన. ఈ దశలో, కనుగొనబడిన నమూనాల ఆధారంగా, అంచనా వేసిన సూచిక, విలువ లేదా లక్షణం యొక్క అంచనా విలువ నిర్ణయించబడుతుంది. పొందిన ఫలితాలు ఇంకా తుదిగా పరిగణించబడవు, ఎందుకంటే వాటి అంచనా మరియు ఉపయోగం మోడల్ యొక్క వివరణ మరియు నిర్మాణంలో పాల్గొనని కారకాలు, షరతులు మరియు పరిమితులను పరిగణనలోకి తీసుకోవాలి. పరిస్థితులలో ఆశించిన మార్పులకు అనుగుణంగా ఇంటర్మీడియట్ ఫలితాలకు సర్దుబాట్లు చేయాలి.
అంచనా సిద్ధాంతం15 పుస్తకంలో పేర్కొన్నట్లుగా, గణాంక పద్ధతులు సమయ శ్రేణి లేదా యాదృచ్ఛిక నమూనా డేటా నిర్మాణం మరియు విశ్లేషణపై ఆధారపడి ఉంటాయి. పుస్తకం యొక్క రచయితలు ప్రిడిక్టివ్ ఎక్స్ట్రాపోలేషన్, కోరిలేషన్ మరియు రిగ్రెషన్ విశ్లేషణ యొక్క పద్ధతులను కూడా కలిగి ఉన్నారు, గణాంక పద్ధతుల సమూహం ఈ పద్ధతిని కలిగి ఉండవచ్చని పేర్కొంది. గరిష్ట సంభావ్యతమరియు అనుబంధ పద్ధతులు - అనుకరణమరియు తార్కిక విశ్లేషణ. అయితే, మా అభిప్రాయం ప్రకారం, ఎక్స్ట్రాపోలేషన్ పద్ధతులు మరియు గణిత పద్ధతులను వేరు చేయడం సరైనది.
ఆర్థిక వ్యవస్థ యొక్క అభివృద్ధి యొక్క అధ్యయనం చేయబడిన సూచికల యొక్క డైనమిక్స్ రెండు వేర్వేరు సమూహాల పరిమాణాత్మక పద్ధతులను ఉపయోగించి అంచనా వేయవచ్చు: సింగిల్-పారామితి మరియు బహుళ-పారామితి అంచనా. రెండు సమూహాల పద్ధతులకు సాధారణం ఏమిటంటే, మొదటగా, పారామెట్రిక్ ఫోర్కాస్టింగ్ కోసం ఉపయోగించేవి గణిత విధులుగత కాలం (పునరాలోచన) యొక్క కొలిచిన విలువల అంచనాపై ఆధారపడి ఉంటాయి. సింగిల్-పారామితి అంచనా అనేది ఊహించిన పరామితి (వేరియబుల్) మరియు దాని గత విలువ లేదా సమయ కారకం మధ్య క్రియాత్మక సంబంధంపై ఆధారపడి ఉంటుంది:
U+1 = యౌ? yt-v ..., yj.
అటువంటి సూచనలను ప్రాసెస్ చేస్తున్నప్పుడు, ట్రెండ్ ఎక్స్ట్రాపోలేషన్, ఎక్స్‌పోనెన్షియల్ స్మూటింగ్ లేదా ఆటోరిగ్రెషన్ పద్ధతి ఉపయోగించబడుతుంది. మల్టీవియారిట్ భవిష్య సూచనలు అంచనా వేసిన పరామితి మరియు అనేక ఇతర స్వతంత్ర చరరాశుల మధ్య కారణ సంబంధం యొక్క ఊహపై ఆధారపడి ఉంటాయి:
I+1 = f (x^ లేదా y, +1 = f (%1, x2, ..., xn).
వారంవారీ లేదా నెలవారీగా మారే సూచికల స్వల్పకాలిక (ఒక సంవత్సరం కంటే తక్కువ) అంచనా కోసం సింగిల్-పారామితి పద్ధతులను ఉపయోగించాలి; బహుళ-పరామితులు మధ్యస్థ మరియు దీర్ఘకాలిక అంచనా కోసం సమర్థించబడతాయి.
నిర్దిష్టమైనదాన్ని ఎంచుకోవడం పారామెట్రిక్ పద్ధతిఅంచనా, అదనంగా, ప్రారంభ గణాంక స్థావరం యొక్క స్వభావంపై ఆధారపడి ఉంటుంది. ప్రారంభ డేటాగా తీసుకోవచ్చు నమూనా పరిశీలనలుమరియు సమయ శ్రేణి. మొదటి సందర్భంలో, రిగ్రెషన్ అంచనా సాధనంగా ఉపయోగించబడుతుంది. యాదృచ్ఛిక నమూనా కంటే చాలా తరచుగా, సమయ శ్రేణి అంచనాకు సమాచార ఆధారం. అప్పుడు, ట్రెండ్‌లు, ఆటోరిగ్రెషన్, మిక్స్‌డ్ ఆటోరిగ్రెషన్ మొదలైనవి అంచనా సాధనాలుగా పనిచేస్తాయి. తగిన విధానం యొక్క ఎంపిక డిపెండెంట్ వేరియబుల్ యొక్క విలువను ప్రభావితం చేసే ఎక్సోజనస్ కారకాలు కనుగొనబడిందా లేదా అనే దానిపై ఆధారపడి ఉంటుంది, అదే వేరియబుల్ యొక్క మునుపటి విలువల ద్వారా డిపెండెంట్ వేరియబుల్ ప్రభావితం చేయబడిందా, మొదలైనవి.
మొత్తం ఎంపిక ప్రక్రియ నిర్దిష్ట పద్ధతిగణాంక పారామెట్రిక్ అంచనా అంజీర్‌లో చూపబడింది. 2.216.
సాధారణ ఎక్స్ట్రాపోలేషన్ పద్ధతులు. అత్యంత సాధారణ అంచనా పద్ధతుల్లో ఒకటి ఎక్స్ట్రాపోలేషన్, అనగా. గతంలో గమనించిన ధోరణుల భవిష్యత్తుకు పొడిగింపు. ఎక్స్ట్రాపోలేషన్ కింది అంచనాలపై ఆధారపడి ఉంటుంది. 1.
దృగ్విషయం యొక్క అభివృద్ధిని మృదువైన పథం ద్వారా సహేతుకంగా వర్గీకరించవచ్చు - ఒక ధోరణి. 2.
గతంలో అభివృద్ధి ధోరణిని నిర్ణయించిన సాధారణ పరిస్థితులు భవిష్యత్తులో గణనీయమైన మార్పులకు గురికావు.
అన్నం. 2.2 ఎంపిక పథకం గణాంక పద్ధతిఅంచనా వేయడం
ఫంక్షన్ యొక్క విలువను నిర్ణయించడానికి ఒక సాధారణ ఎక్స్ట్రాపోలేషన్ సూచించబడుతుంది
Y+1 = f (y*, L),
ఇక్కడ y + అనేది ఎక్స్‌ట్రాపోలేటెడ్ స్థాయి విలువ;
y** - ఎక్స్ట్రాపోలేషన్ బేస్‌గా తీసుకున్న స్థాయి;
L - ప్రధాన కాలం.
సిరీస్ యొక్క సగటు లక్షణాల ఆధారంగా సరళమైన ఎక్స్ట్రాపోలేషన్ నిర్వహించబడుతుంది: సగటు స్థాయి, సగటు సంపూర్ణ పెరుగుదల మరియు సగటు వృద్ధి రేటు.
సిరీస్ యొక్క సగటు స్థాయి మారకపోతే లేదా ఈ మార్పు చాలా తక్కువగా ఉంటే, మేము అంగీకరించవచ్చు
సగటు సంపూర్ణ పెరుగుదల మారకుండా ఉంటే, స్థాయిల డైనమిక్స్ అంకగణిత పురోగతికి అనుగుణంగా ఉంటుంది
సగటు వృద్ధి రేటు మారకపోతే, సూచన విలువను సూత్రాన్ని ఉపయోగించి లెక్కించవచ్చు
ఇక్కడ t అనేది సగటు వృద్ధి రేటు;
Y* అనేది ఎక్స్‌ట్రాపోలేషన్‌కు ఆధారంగా తీసుకోబడిన స్థాయి.
ఈ సందర్భంలో, అభివృద్ధి అనేది రేఖాగణిత పురోగతి లేదా ఘాతాంకంగా భావించబడుతుంది.
అన్ని సందర్భాల్లో, ఉపయోగించిన అంచనాల యొక్క అనిశ్చితి మరియు అనిశ్చితిని పరిగణనలోకి తీసుకునే విశ్వాస విరామం నిర్ణయించబడాలి.
కదిలే సగటు పద్ధతి. సరళమైన మరియు అత్యంత ప్రసిద్ధమైనది కదిలే సగటు పద్ధతి, ఇది సమయ శ్రేణి యొక్క యాంత్రిక అమరికను నిర్వహిస్తుంది. పద్ధతి యొక్క సారాంశం ఏమిటంటే, సిరీస్ యొక్క వాస్తవ స్థాయిలను లెక్కించిన సగటులతో భర్తీ చేయడం, దీనిలో హెచ్చుతగ్గులు రద్దు చేయబడతాయి. స్టాటిస్టిక్స్ థియరీ17పై కోర్సులో పద్ధతి వివరంగా చర్చించబడింది.
ఎక్స్‌పోనెన్షియల్ స్మూత్టింగ్ పద్ధతి సాధారణంగా అనుకూల పద్ధతుల సమూహంగా వర్గీకరించబడుతుంది. మోడళ్లను అడాప్టివ్ మరియు నాన్-అడాప్టివ్‌గా విభజించడం చాలా ఏకపక్షంగా ఉందని గమనించాలి. "అనుకూలత" (లాటిన్ అడాప్టేషియో నుండి) అనే పదం అంటే ఉనికి యొక్క పరిస్థితులకు దృగ్విషయం మరియు ప్రక్రియల నిర్మాణం మరియు విధులను స్వీకరించడం. అంచనాకు సంబంధించి, అనుసరణ ప్రక్రియ క్రింది విధంగా ఉంటుంది. కొన్ని ప్రారంభ స్థితి నుండి శ్రేణి మోడల్‌ని ఉపయోగించి సూచన చేయనివ్వండి. మేము ఒక యూనిట్ సమయం గడిచే వరకు వేచి ఉండి, అంచనా ఫలితాన్ని వాస్తవిక విలువతో సరిపోల్చండి. ద్వారా అంచనా లోపం అభిప్రాయంసిస్టమ్ యొక్క ఇన్‌పుట్ వద్ద స్వీకరించబడింది మరియు సిరీస్ యొక్క డైనమిక్స్‌తో దాని ప్రవర్తనను మెరుగ్గా సమన్వయం చేయడానికి మోడల్‌ను సర్దుబాటు చేయడానికి (సర్దుబాటు చేయడానికి) ఉపయోగించబడుతుంది. అప్పుడు తదుపరి సమయం మొదలైన వాటి కోసం సూచన చేయబడుతుంది. అందువల్ల, అనుకూల పద్ధతులలో సిరీస్‌లోని వివిధ సభ్యుల విలువ ఒకే విధంగా ఉండదు. సూచన పాయింట్‌కి దగ్గరగా ఉన్న పరిశీలనలకు ఎక్కువ బరువు మరియు సమాచార విలువ ఇవ్వబడుతుంది.
ట్రెండ్ ఎక్స్ట్రాపోలేషన్ పద్ధతి. ట్రెండ్ మోడల్ అనేది గణిత నమూనా, ఇది సమయాన్ని బట్టి మాత్రమే అంచనా వేయబడిన లేదా విశ్లేషించబడిన సూచికలో మార్పును వివరిస్తుంది మరియు y = f(t) రూపాన్ని కలిగి ఉంటుంది. అంచనా వేయడంలో ట్రెండ్ మోడల్‌లను ఉపయోగించే పద్ధతిని ట్రెండ్ ఎక్స్ట్రాపోలేషన్ పద్ధతి అంటారు. ఇది "అమాయక" సూచన అని పిలువబడే నిష్క్రియాత్మక అంచనా పద్ధతుల్లో ఒకటి, ఎందుకంటే ఇది అభివృద్ధి యొక్క కఠినమైన జడత్వాన్ని ఊహిస్తుంది, ఇది భవిష్యత్తులో గత పోకడలను అంచనా వేసే రూపంలో ప్రదర్శించబడుతుంది మరియు ముఖ్యంగా, కొన్ని కారకాల నుండి అభివృద్ధి సూచికల స్వాతంత్ర్యం. . గతంలో ఏర్పడిన పోకడలను భవిష్యత్తుకు బదిలీ చేయలేమని స్పష్టం చేసింది. దీనికి కారణాలు క్రింది విధంగా ఉన్నాయి:
ఎ) స్వల్పకాలిక అంచనాలో, గత సగటుల ఎక్స్ట్రాపోలేషన్ ట్రెండ్‌ల నుండి రెండు దిశలలో అసాధారణమైన విచలనాలు నిర్లక్ష్యం చేయబడుతున్నాయి (లేదా గుర్తించబడవు). అదే సమయంలో, ప్రస్తుత (స్వల్పకాలిక) సూచన లేదా ప్రణాళిక కోసం, ఈ విచలనాలను ఊహించడం ప్రధాన పని;
బి) దీర్ఘకాలిక అంచనా కోసం, కిందిది ఉపయోగించబడుతుంది ఉన్నతమైన స్థానంఅగ్రిగేషన్, ఇది తయారు చేయబడిన ఉత్పత్తుల నిర్మాణంలో మార్పులను పరిగణనలోకి తీసుకోదు, ఉత్పత్తులు స్వయంగా, ఉత్పత్తి సాంకేతికతలో మార్పులు, మార్కెట్ లక్షణాలు, అనగా. వ్యూహాత్మక ప్రణాళిక యొక్క ప్రధాన పనులను కలిగి ఉన్న ప్రతిదీ.
ఆటోరిగ్రెసివ్ మోడల్స్. ఈ సూచిక యొక్క పరిమిత సంఖ్యలో మునుపటి విలువలు మరియు సంకలిత యాదృచ్ఛిక భాగం యొక్క సరళ కలయికగా సూచిక yt విలువను వ్యక్తీకరించే స్థిర ప్రక్రియ యొక్క నమూనాను ఆటోరిగ్రెసివ్ మోడల్ అంటారు:
y = a + FU-1 + ^
ఇక్కడ a స్థిరాంకం;
Ф - సమీకరణ పరామితి;
єt - యాదృచ్ఛిక భాగం.
ట్రెండ్ ఎక్స్ట్రాపోలేషన్ మినహా పరిగణించబడిన పద్ధతులు అనుకూలమైనవి, ఎందుకంటే వాటి అమలు ప్రక్రియ మునుపటి స్థాయిల ప్రభావ స్థాయిని పరిగణనలోకి తీసుకుని, అంచనా వేసిన సూచిక యొక్క సమయ-క్రమ విలువలను లెక్కించడంలో ఉంటుంది.
పద్ధతి కనీసం చతురస్రాలు(MNC). 18వ శతాబ్దం చివరిలో కార్ల్ ఫ్రెడరిక్ గాస్ యొక్క రచనల నాటికే అతి తక్కువ చతురస్రాల పద్ధతిని రూపొందించారు. మరియు 19వ శతాబ్దం ప్రారంభంలో. ఖగోళ శాస్త్ర పరిశోధనలో. ఈ పద్ధతి చాలా విస్తృతంగా ప్రసిద్ధి చెందింది ప్రాథమిక పనులుఅనేక మంది గణాంకవేత్తలు మరియు గణిత శాస్త్రజ్ఞులు మరియు ఆర్థిక మరియు గణాంక గణనలలో దాని అప్లికేషన్.
దాని ప్రాముఖ్యత కారణంగా, xపై ఆధారపడి yతో x మరియు y అనే రెండు వేరియబుల్స్ మధ్య సంబంధానికి ఒక సాధారణ ఉదాహరణను ఉపయోగించి మేము OLSని క్లుప్తంగా పరిశీలిస్తాము. వాటి మధ్య సంబంధం నాన్ లీనియర్ అని మరియు పారాబొలా ద్వారా వివరించబడిందని నిర్ధారించబడినట్లయితే, అనగా. రెండవ డిగ్రీ యొక్క బహుపది
y = a0 + a1x + a2x2
a0, a1, a2 పారామితులతో, అప్పుడు సమస్య మూడు తెలియని పారామితులను కనుగొనడంలో తగ్గుతుంది.
పరిశీలనల సంఖ్య (సిరీస్‌లోని స్థాయిల సంఖ్య) n అయినప్పుడు, x మరియు y విలువలు రెండు డేటా సిరీస్‌ల ద్వారా సూచించబడతాయి: y1, y^ ..., yn మరియు xv ^ ..., xn.
పరిశీలన డేటా నుండి పొందిన అన్ని విలువలు పారాబొలా సమీకరణం ద్వారా వివరించబడిన రేఖపై ఖచ్చితంగా ఉంటే, ప్రతి పాయింట్‌కి సమానత్వం నిజం అవుతుంది
y" - a0 + aX + 02xf = 0.
అయితే, వాస్తవానికి
Y - a + a X + aj xf = A t,
ఇది కొలత లోపాలు మరియు యాదృచ్ఛికంగా లెక్కించబడని కారకాల కారణంగా ఉంది. లోపం తక్కువగా ఉండే అటువంటి రిగ్రెషన్ కోఎఫీషియంట్‌లను కనుగొనడం అవసరం. మీరు సంపూర్ణ విచలనాల మొత్తాన్ని (మాడ్యులో) లేదా క్యూబిక్ విచలనాల మొత్తాన్ని లేదా అతిపెద్ద సంపూర్ణ లోపాన్ని తగ్గించవచ్చు. అయితే, విచలనాల వర్గాన్ని తగ్గించడం సరైన విధానం
S = X A2 ^ నిమి. t=1
స్క్వేర్డ్ విచలనాలను కనిష్టీకరించడం వలన సాధారణ సమీకరణాల సంఖ్య తెలియని పారామితుల సంఖ్యకు సమానం అనే లక్షణం ఉంటుంది. మొత్తాన్ని తగ్గించడం
S = X AH = X(y - (- a1 xt - a2x2) -> min t=1 t=1
ప్రతి మూడు పారామితులకు మూడు సమీకరణాలను ఇస్తుంది. తెలియని పారామితుల విలువలను కనుగొనడానికి, ఈ పారామితులకు సంబంధించి పేర్కొన్న మొత్తం యొక్క పాక్షిక ఉత్పన్నాలను సున్నాకి సమం చేయడం అవసరం:
2X (y - a0 - ajX - apx2) = 0,
2X (y - a0 - ajX - ape2) = 0,
2^(y - a0 - a1x - apx2) = 0.
సరళమైన పరివర్తనలను నిర్వహించడం సాధారణ సమీకరణాల వ్యవస్థకు దారి తీస్తుంది
na0 + a ? x + a2 ? x2 = ? y,
A0 ? x + a1 ? x2 + a2 ? x3 = ? అయ్యో? x2 + a1 ? x3 + a2? x4 = ? uh2.
ఏదైనా పద్ధతులను ఉపయోగించి తెలియని పారామితులకు సంబంధించి సరళ సమీకరణాల వ్యవస్థను పరిష్కరించడం విలువలను a0, a1, a2 ఇస్తుంది. సాధారణంగా, మూడవ డిగ్రీ కంటే ఎక్కువ బహుపదిలు ఆచరణాత్మకంగా ఉపయోగించబడవు మరియు అటువంటి బహుపది యొక్క సాధారణ సమీకరణాల వ్యవస్థ వరుసగా నాలుగు సమీకరణాలను కలిగి ఉంటుంది.
OLS, సాపేక్షంగా తక్కువ సంఖ్యలో పరిశీలనలతో కూడా, తగినంత అంచనాలకు దారి తీస్తుంది. అంచనాలు పాయింట్ మరియు విరామం కావచ్చు. పాయింట్ అంచనాలునిష్పాక్షికత, సమర్థత, స్థిరత్వం యొక్క లక్షణాలను కలిగి ఉంటాయి.
అయినప్పటికీ, నమూనా డేటా నుండి పరామితి యొక్క నిజమైన విలువ యొక్క ఏదైనా అంచనా అనేది కొంత విశ్వసనీయతతో మాత్రమే చేయబడుతుంది. ఈ విశ్వసనీయత యొక్క డిగ్రీ విశ్వాస విరామాలను నిర్మించడం ద్వారా నిర్ణయించబడుతుంది.
అనేక తెలియని వ్యక్తుల విధులు పరోక్ష పరిశీలన డేటా ఉన్న సందర్భాల్లో కూడా LSMని ఉపయోగించవచ్చు. OLS అనేది రిగ్రెషన్ విశ్లేషణ యొక్క ఆధారం, ఇది పరిగణించబడిన ముందస్తు అవసరాలను నెరవేర్చడానికి ఉపయోగించబడుతుంది. పారామితులకు సంబంధించి రిగ్రెషన్ సమీకరణాల సరళత కూడా దాని అప్లికేషన్ కోసం ఒక షరతు. రిగ్రెషన్ రకాల వర్గీకరణ ఆధారంగా, మొదటి తరగతి యొక్క లీనియర్ మరియు నాన్ లీనియర్ రిగ్రెషన్‌లకు OLS వర్తిస్తుంది. 2.4.2
అధికారిక అంచనా పద్ధతులు
అధికారిక పద్ధతులను ఉపయోగించి అంచనా వేయడం ఖచ్చితంగా నిర్వహించబడుతుంది నిర్దిష్ట అల్గోరిథం, రూపం.
అధికారిక పద్ధతులు ఆధారంగా ఉంటాయి గణిత సిద్ధాంతం, ఇది అంచనాల విశ్వసనీయత మరియు ఖచ్చితత్వాన్ని పెంచుతుంది, వాటి అమలుకు అవసరమైన సమయాన్ని తగ్గిస్తుంది మరియు సమాచారం యొక్క ప్రాసెసింగ్ మరియు ఫలితాల మూల్యాంకనాన్ని సులభతరం చేస్తుంది. అధికారిక అంచనా పద్ధతుల్లో పద్ధతులు ఉంటాయి ఎక్స్‌ట్రాపోలేషన్స్మరియు పద్ధతులు మోడలింగ్(Fig. 4).
అన్నం. 4. అధికారిక అంచనా పద్ధతులు.
ఎక్స్ట్రాపోలేషన్ యొక్క సారాంశంప్రబలంగా ఉన్న గతాన్ని మరియు వర్తమానాన్ని అధ్యయనం చేయడం స్థిరమైన పోకడలుసూచన వస్తువు యొక్క అభివృద్ధి మరియు వాటిని భవిష్యత్తుకు బదిలీ చేయడం.
ఫార్మల్ మరియు ప్రిడిక్టివ్ ఎక్స్ట్రాపోలేషన్ ఉన్నాయి. అధికారికసూచన వస్తువు అభివృద్ధిలో గత మరియు ప్రస్తుత పోకడలు భవిష్యత్తులో నిర్వహించబడతాయనే ఊహపై ఆధారపడి ఉంటుంది; వద్ద సూచనవాస్తవ అభివృద్ధి ప్రభావంలో మార్పులను పరిగణనలోకి తీసుకుని, అధ్యయనంలో ఉన్న ప్రక్రియ యొక్క డైనమిక్స్ గురించి పరికల్పనలతో ముడిపడి ఉంది వివిధ కారకాలుదృక్కోణంలో.
ఎక్స్ట్రాపోలేషన్ పద్ధతులు అత్యంత సాధారణమైనవి మరియు బాగా అభివృద్ధి చెందినవి. ఎక్స్ట్రాపోలేషన్ ఫోర్కాస్టింగ్ పద్ధతులకు ఆధారం సమయ శ్రేణిని అధ్యయనం చేయడం. డైనమిక్ సిరీస్ -ఇది కాలక్రమేణా వరుసగా పొందిన పరిశీలనల సమితి.
ఆర్థిక అంచనాలో విస్తృతంగా ఉపయోగించబడుతుంది గణిత ఎక్స్ట్రాపోలేషన్ పద్ధతి, in గణిత శాస్త్రంఒక ఫంక్షన్ యొక్క మార్పు యొక్క చట్టం దాని పరిశీలన ప్రాంతం నుండి పరిశీలన విభాగం వెలుపల ఉన్న ప్రాంతానికి పొడిగింపు అని అర్థం. సమయం యొక్క కొంత ఫంక్షన్ ద్వారా వివరించబడిన ధోరణిని ట్రెండ్ అంటారు. ధోరణి -ఇది మార్పు యొక్క దీర్ఘకాలిక ధోరణి ఆర్థిక సూచికలు. ఫంక్షన్ అధ్యయనం చేయబడిన దృగ్విషయం యొక్క సరళమైన గణిత-గణాంక (ధోరణి) నమూనా.
ఎక్స్ట్రాపోలేషన్ పద్ధతులను తప్పనిసరిగా వర్తింపజేయాలని గమనించాలి ప్రారంభ దశసూచికలలో ధోరణులను గుర్తించడానికి అంచనా వేయడం.
ఫీచర్ ఎంపిక పద్ధతి- సాధారణ ఎక్స్ట్రాపోలేషన్ పద్ధతుల్లో ఒకటి. ట్రెండ్ ఎక్స్ట్రాపోలేషన్ యొక్క ప్రధాన దశ అనుభావిక శ్రేణిని వివరించే సరైన రకమైన ఫంక్షన్ ఎంపిక. దీన్ని చేయడానికి, సమయ శ్రేణిని సున్నితంగా మరియు లెవలింగ్ చేయడం ద్వారా ట్రెండ్ రకం ఎంపికను సులభతరం చేయడానికి సోర్స్ డేటా యొక్క ప్రాథమిక ప్రాసెసింగ్ మరియు పరివర్తన జరుగుతుంది. ఒక ఫంక్షన్‌ని ఎంచుకునే పని వాస్తవ డేటా ఆధారంగా ఎంచుకోవడం (x i, y i) డిపెండెన్స్ (పంక్తి) యొక్క ఆకృతి తద్వారా అసలు శ్రేణి యొక్క డేటా యొక్క విచలనాలు (∆ i) y iసంబంధిత పరిష్కారం నుండి y i,లైన్‌లో ఉన్నవారు చాలా చిన్నవారు. దీని తర్వాత, మీరు ఈ లైన్‌ను కొనసాగించవచ్చు మరియు సూచనను పొందవచ్చు.
|
ఎక్కడ n- పరిశీలనల సంఖ్య.
మోడల్ ఎంపిక ప్రత్యేకంగా అభివృద్ధి చేయబడిన ప్రోగ్రామ్‌లను ఉపయోగించి నిర్వహించబడుతుంది. 16 ఫంక్షన్లను ఉపయోగించి ఆర్థిక శ్రేణిని మోడల్ చేసే సామర్థ్యాన్ని అందించే ప్రోగ్రామ్‌లు ఉన్నాయి: లీనియర్ (వై= a + bx),అతిశయోక్తి వివిధ రకాల (y = a + b/x),ఎక్స్‌పోనెన్షియల్, పవర్, లాగరిథమిక్, మొదలైనవి. వాటిలో ప్రతి ఒక్కటి ఆర్థిక దృగ్విషయాలను అంచనా వేయడంలో దాని స్వంత నిర్దిష్ట ప్రాంతాన్ని కలిగి ఉంటాయి.
కాబట్టి, లీనియర్ ఫంక్షన్ (y = a + bx)కాలక్రమేణా ఏకరీతిగా అభివృద్ధి చెందే ప్రక్రియలను వివరించడానికి ఉపయోగిస్తారు. పరామితి బి(రిగ్రెషన్ కోఎఫీషియంట్) ఊహించిన మార్పు రేటును చూపుతుంది వద్దఅది మారినప్పుడు X.
హైపర్బోలాస్ అంచనా వేసిన సూచిక పెరుగుదలను నిరోధించే కారకం ఉన్నప్పుడు సంతృప్తత ద్వారా వర్గీకరించబడిన ప్రక్రియలను బాగా వివరిస్తుంది.
మోడల్ ఎంపిక చేయబడింది, మొదటగా, దృశ్యమానంగా, వంపు రకం యొక్క పోలిక ఆధారంగా, దాని నిర్దిష్ట లక్షణాలుమరియు ఆర్థిక దృగ్విషయం యొక్క ధోరణి యొక్క గుణాత్మక లక్షణాలు; రెండవది, ప్రమాణం యొక్క విలువ ఆధారంగా. స్క్వేర్డ్ విచలనాల మొత్తం S చాలా తరచుగా ప్రమాణంగా ఉపయోగించబడుతుంది. ఫంక్షన్ల సెట్ నుండి, దానికి అనుగుణంగా ఉంటుంది కనీస విలువఎస్.
సూచన అనేది ఎంచుకున్న ఫంక్షన్ ద్వారా వ్యక్తీకరించబడిన గత ట్రెండ్‌ను భవిష్యత్తులోకి విస్తరించడాన్ని కలిగి ఉంటుంది, అనగా. సమయ శ్రేణి యొక్క ఎక్స్ట్రాపోలేషన్. ఊహించిన సూచిక యొక్క విలువ కంప్యూటర్‌లో ప్రోగ్రామాటిక్‌గా నిర్ణయించబడుతుంది. ఇది చేయుటకు, సూచనను పొందటానికి అవసరమైన కాలం యొక్క విలువ ప్రక్రియను వివరించే ఫార్ములాలో భర్తీ చేయబడుతుంది.
ఈ పద్ధతి ఆర్థిక దృగ్విషయం యొక్క జడత్వం మరియు గతంలో అభివృద్ధిని నిర్ణయించే సాధారణ పరిస్థితులు భవిష్యత్తులో గణనీయమైన మార్పులకు గురికావని ముందస్తు అవసరాలపై ఆధారపడినందున, స్వల్పకాలిక అంచనాలను అభివృద్ధి చేసేటప్పుడు దీన్ని ఉపయోగించడం మంచిది. నిపుణుల అంచనాల పద్ధతులతో కలిపి. అంతేకాకుండా, సంవత్సరానికి కాకుండా, నెల మరియు త్రైమాసికంలో డేటా ఆధారంగా సమయ శ్రేణిని నిర్మించవచ్చు.
ఫంక్షన్ ఎంపిక పద్ధతిని ఉపయోగించి ఎక్స్ట్రాపోలేషన్ అసలు సిరీస్‌లోని మొత్తం డేటాను అదే “బరువు”తో పరిగణనలోకి తీసుకుంటుంది. క్లాసికల్ మినిస్ట్ స్క్వేర్స్ పద్ధతి మోడల్‌లోని ప్రారంభ సమాచారం యొక్క సమానత్వాన్ని ఊహిస్తుంది. అయితే, అనుభవం చూపినట్లుగా, ఆర్థిక సూచికలు "వయస్సు" ఉంటాయి. భవిష్యత్తులో ప్రక్రియ అభివృద్ధిపై తదుపరి పరిశీలనల ప్రభావం మునుపటి వాటి కంటే చాలా ముఖ్యమైనది. సమయ శ్రేణి డేటా యొక్క "వృద్ధాప్యం" సమస్య పరిష్కరించబడుతుంది సర్దుబాటు ధోరణితో ఘాతాంక స్మూత్టింగ్ పద్ధతి.మునుపటి వాటితో పోల్చితే తదుపరి పరిశీలనలకు ఎక్కువ "బరువులు" ఇవ్వబడిన ప్రక్రియ (సమయ శ్రేణి) యొక్క వివరణను రూపొందించడానికి ఇది అనుమతిస్తుంది మరియు పరిశీలనల "బరువులు" విపరీతంగా తగ్గుతాయి. ఫలితంగా, ప్రక్రియ యొక్క సగటు స్థాయిని కాకుండా, చివరి పరిశీలన సమయంలో అభివృద్ధి చెందిన ధోరణిని వివరించే ధోరణి పారామితుల అంచనాను పొందడం సాధ్యమవుతుంది.
డేటా వృద్ధాప్యం రేటు స్మూత్టింగ్ పారామీటర్ ద్వారా వర్గీకరించబడుతుంది ఎ.ఇది లోపల మారుతూ ఉంటుంది 0 < ఎ< 1.
పరామితి విలువపై ఆధారపడి, సూచన అంచనాలు పరిశీలనల ప్రారంభ శ్రేణి యొక్క ప్రభావాన్ని భిన్నంగా పరిగణనలోకి తీసుకుంటాయి: మరింత A,ధోరణి ఏర్పడటానికి ఇటీవలి పరిశీలనల సహకారం మరియు ప్రభావం ఎక్కువ ప్రారంభ పరిస్థితులుత్వరగా తగ్గుతుంది.
తక్కువ వద్ద ఎసూచన అంచనాలు అన్ని పరిశీలనలను పరిగణనలోకి తీసుకుంటాయి, అయితే "పాత" సమాచారం యొక్క ప్రభావంలో తగ్గుదల నెమ్మదిగా సంభవిస్తుంది, అనగా. తక్కువ A,డేటా మరింత స్థిరంగా ఉంటుంది మరియు దీనికి విరుద్ధంగా ఉంటుంది.
ఆర్థిక అంచనా రంగంలో, సాధారణంగా ఉపయోగించే పరిమితులు
0,05 < ఎ<
0,3
. అర్థం ఎసాధారణ సందర్భంలో, ఇది సూచన వ్యవధిపై ఆధారపడి ఉండాలి: తక్కువ వ్యవధి, పెద్ద పరామితి విలువ ఉండాలి.
ఈ పద్ధతి "టైమ్ సిరీస్" బ్లాక్‌లో ప్రత్యేకంగా అభివృద్ధి చేయబడిన ప్రోగ్రామ్‌లను ఉపయోగించి కంప్యూటర్‌లో అమలు చేయబడుతుంది, ఇది అంతర్గత భాగంఆర్థిక గణనల ప్యాకేజీ.
మోడలింగ్ఒక వస్తువు లేదా ప్రక్రియ యొక్క ప్రాథమిక అధ్యయనం ఆధారంగా ఒక నమూనాను నిర్మించడం, దాని ముఖ్యమైన లక్షణాలు లేదా లక్షణాలను గుర్తించడం. మోడల్‌లను ఉపయోగించి ఆర్థిక మరియు సామాజిక ప్రక్రియలను అంచనా వేయడం మోడల్ అభివృద్ధి, దాని ప్రయోగాత్మక విశ్లేషణ, ఒక వస్తువు లేదా ప్రక్రియ యొక్క స్థితిపై వాస్తవ డేటాతో మోడల్ ఆధారంగా అంచనా గణనల ఫలితాల పోలిక, మోడల్ యొక్క సర్దుబాటు మరియు శుద్ధీకరణ.
ఆర్థిక మరియు సామాజిక ప్రక్రియల నిర్వహణ స్థాయిని బట్టి, స్థూల ఆర్థిక, ఇంటర్సెక్టోరల్, ఇంటర్‌డిస్ట్రిక్ట్, సెక్టోరల్, రీజినల్ మోడల్‌లు మరియు మైక్రో-లెవల్ మోడల్‌లు (సంస్థ అభివృద్ధి నమూనాలు) వేరు చేయబడతాయి.
ఆర్థిక అభివృద్ధి యొక్క అంశాల ప్రకారం, స్థిర ఆస్తుల పునరుత్పత్తి కోసం అంచనా నమూనాలు ప్రత్యేకించబడ్డాయి, కార్మిక వనరులు, ధరలు, మొదలైనవి. మోడల్‌లను వర్గీకరించడానికి అనేక ఇతర లక్షణాలు ఉన్నాయి: సమయం, కారకం, రవాణా, ఉత్పత్తి.
IN ఆధునిక పరిస్థితులుమోడలింగ్ యొక్క అభివృద్ధి మరియు నమూనాల ఆచరణాత్మక అనువర్తనం అంచనా పాత్రను బలోపేతం చేయడానికి మరియు సూచనాత్మక ప్రణాళికకు పరివర్తనకు సంబంధించి ప్రత్యేక ప్రాముఖ్యతను ఇవ్వడం ప్రారంభించింది.
ఆర్థిక అంచనా ఆచరణలో విస్తృతంగా ఉపయోగించిన కొన్ని అత్యంత అభివృద్ధి చెందిన ఆర్థిక మరియు గణిత నమూనాలను పరిశీలిద్దాం,
TO మాతృక నమూనాలుఇన్‌పుట్ బ్యాలెన్స్ (IB) నమూనాలను కలిగి ఉంటుంది: స్టాటిక్ మరియు డైనమిక్. మొదటిది స్వల్పకాలిక కాలానికి (సంవత్సరం, త్రైమాసికం, నెల) అంచనా వేసిన స్థూల ఆర్థిక గణనలను నిర్వహించడానికి ఉద్దేశించబడింది, రెండవది - భవిష్యత్తులో దేశ ఆర్థిక వ్యవస్థ అభివృద్ధిని లెక్కించడానికి. అవి డైనమిక్స్‌లో పునరుత్పత్తి ప్రక్రియను ప్రతిబింబిస్తాయి మరియు ఉత్పత్తుల (సేవలు) ఉత్పత్తి యొక్క సూచనను పెట్టుబడులతో అనుసంధానిస్తాయి.
జాతీయ ఆర్థిక సమతుల్య వ్యవస్థలో MOB యొక్క స్టాటిక్ మోడల్ రూపాన్ని కలిగి ఉంది
|
|
ఎక్కడ t-సంవత్సర సూచిక; I t ij- పరిశ్రమ ఉత్పత్తులు i, ఉత్పాదక పెట్టుబడులుగా నిర్దేశించబడింది t- mపరిశ్రమలో ఉత్పత్తిని విస్తరించడానికి సంవత్సరం జె; Y t i - తుది ఉత్పత్తి వాల్యూమ్ i- మరియు పరిశ్రమలలో t-mసంవత్సరం, ఉత్పత్తి విస్తరణ కోసం పంపిన ఉత్పత్తులను మినహాయించి.
నమూనాల ఆధారంగా ఏర్పడిన ఇంటర్సెక్టోరల్ బ్యాలెన్స్ అనేక సమస్యలను పరిష్కరించడానికి ఉపయోగించబడుతుంది: స్థూల ఆర్థిక సూచికలు, ఇంటర్సెక్టోరల్ కనెక్షన్లు మరియు ప్రవాహాలు (సరఫరాలు), ఆర్థిక నిర్మాణం, పరిశ్రమ ఖర్చులు, ధర డైనమిక్స్, ఉత్పత్తి సామర్థ్య సూచికలు (పదార్థాలు, శక్తి, మెటల్, రసాయన మరియు మూలధన తీవ్రత).
ఆర్థిక సూచికల ఆధారపడటం మరియు పరస్పర ఆధారపడటం మధ్య సంబంధం యొక్క పరిమాణాత్మక లక్షణాలను స్థాపించడానికి ఆర్థిక-గణాంక నమూనాలు ఉపయోగించబడతాయి. ఈ రకమైన నమూనాల వ్యవస్థలో ఇవి ఉన్నాయి: సింగిల్-, మల్టీ-ఫాక్టర్ మరియు ఎకనోమెట్రిక్ మోడల్స్.
ఉదాహరణలుఒకే-కారకం నమూనాలు: y = a + bx; y = a + b/x, y = a + b లాగ్ x uమొదలైనవి,
ఎక్కడ వద్ద - అంచనా సూచిక విలువ; ఎ - కోఆర్డినేట్ సిస్టమ్‌లో రిగ్రెషన్ లైన్ యొక్క ప్రారంభ స్థానం యొక్క స్థానాన్ని నిర్ణయించే ఉచిత పదం; X - కారకం విలువ, బి - మార్పు రేటును సూచించే పరామితి వద్ద యూనిట్‌కు X.
మల్టిఫ్యాక్టోరియల్అంచనా వేసిన సూచిక స్థాయిపై అనేక కారకాల ప్రభావాన్ని ఏకకాలంలో పరిగణనలోకి తీసుకోవడానికి నమూనాలు మిమ్మల్ని అనుమతిస్తాయి. ఈ సందర్భంలో, రెండోది కారకాల యొక్క విధిగా పనిచేస్తుంది:
y = f (x 1 , x 2 , x 3 , …, x n)
ఇక్కడ x 1, x 2, x 3, ..., x n - కారకాలు.
సరళ సంబంధంతో, మల్టీఫ్యాక్టర్ నమూనాలను క్రింది సమీకరణం ద్వారా సూచించవచ్చు:
y = a 0 + a i x i + a 2 x 2 + ... + a a x a ,
ఎక్కడ ఒక 0- ఉచిత సభ్యుడు; ఎ a 1 , a 2 , ..., మరియు p -ఇతర కారకాల స్థిర విలువతో అంచనా వేసిన సూచికపై సంబంధిత కారకం యొక్క ప్రభావం యొక్క డిగ్రీని చూపించే తిరోగమన గుణకాలు.
నాన్ లీనియర్ రిలేషన్‌షిప్‌తో, మల్టీఫ్యాక్టర్ మోడల్ ఫారమ్‌ను కలిగి ఉంటుంది
y = a x a 1 * x a 2 2 * … * x an n.
స్థూల ఆర్థిక సూచికలు, ఉత్పత్తుల డిమాండ్ సూచికలు, ఖర్చులు, ధరలు, లాభాలు మొదలైనవాటిని అంచనా వేయడంలో బహుళ కారకాల నమూనాలు ఉపయోగించబడతాయి.
ఎకనామెట్రిక్ మోడల్ఆర్థిక అభివృద్ధి యొక్క ప్రధాన సూచికల సంబంధాలు మరియు ఆధారపడటాన్ని వివరించే రిగ్రెషన్ సమీకరణాలు మరియు గుర్తింపుల వ్యవస్థ అని పిలుస్తారు. ఆర్థిక మరియు గణిత నమూనాల వ్యవస్థ సంక్లిష్టమైన సామాజిక-ఆర్థిక ప్రక్రియలను వివరించడానికి ఉపయోగపడుతుంది. ఎకనోమెట్రిక్ మోడల్ యొక్క కారకాలు (వేరియబుల్స్) బాహ్య (బాహ్య) మరియు అంతర్జాత (అంతర్గత)గా విభజించబడ్డాయి. బహిర్జాతవేరియబుల్స్ ఎంపిక చేయబడతాయి, తద్వారా అవి మోడల్ చేయబడిన వ్యవస్థను ప్రభావితం చేస్తాయి, కానీ వాటిచే ప్రభావితం కావు. నిపుణుల అంచనాల ఆధారంగా వాటిని మోడల్‌లోకి నమోదు చేయవచ్చు. ఎండోజెనస్యాదృచ్ఛిక మరియు గుర్తింపు సమీకరణాలను పరిష్కరించడం ద్వారా వేరియబుల్స్ నిర్ణయించబడతాయి. ప్రతి అంతర్జాత వేరియబుల్ కోసం, రిగ్రెషన్ సమీకరణాల యొక్క అనేక వైవిధ్యాలు అతి తక్కువ చతురస్రాల పద్ధతిని ఉపయోగించి అంచనా వేయబడతాయి మరియు మోడల్‌లో చేర్చడానికి ఉత్తమమైనది ఎంపిక చేయబడుతుంది. ఉదాహరణకు, ఉత్పత్తి ప్రయోజనాల కోసం పెట్టుబడులు లాభం మొత్తంపై ఆధారపడి ఉంటాయి ( అంతర్జాత కారకం) మరియు పెట్టుబడి వస్తువుల ధర సూచిక (ఎక్సోజనస్ ఫ్యాక్టర్).
ఇంటర్-ఇండస్ట్రీ బ్యాలెన్స్ కూడా ఎకనామెట్రిక్ మోడల్‌లో ఆర్గానిక్ భాగం కావచ్చు. సాధారణంగా, మోడల్ సమీకరణాల సంఖ్య అంతర్జాత వేరియబుల్స్ సంఖ్యకు సమానంగా ఉంటుంది.
ఎకనామెట్రిక్ నమూనాలు విస్తృత శ్రేణి సూచికలను (GNP, వ్యక్తిగత ఆదాయం, వస్తువులు మరియు సేవల వినియోగం మొదలైనవి) అంచనా వేయడం సాధ్యం చేస్తాయి. లెక్కల ఆటోమేషన్ పరిస్థితులలో, బాహ్య మరియు అంతర్గత పరిస్థితులలో (కారకాలు) మార్పులను పరిగణనలోకి తీసుకొని ఆర్థిక అభివృద్ధికి ప్రత్యామ్నాయ ఎంపికలను అభివృద్ధి చేయడం సాధ్యపడుతుంది. ఎకనామెట్రిక్ నమూనాల వినియోగానికి డేటా బ్యాంకుల సృష్టి మరియు ఈ నమూనాల అభివృద్ధి మరియు అమలులో అధిక అర్హత కలిగిన నిపుణుల శిక్షణ అవసరమని గమనించాలి.
నియంత్రణ ప్రశ్నలు
1. ప్రధాన అంచనా పద్ధతులకు పేరు పెట్టండి మరియు వాటిని ఇవ్వండి సంక్షిప్త సమాచారం?
2. వ్యక్తిగత నిపుణుల అంచనాల యొక్క ప్రధాన పద్ధతులు ("ఇంటర్వ్యూలు", విశ్లేషణాత్మక పద్ధతి) మరియు స్క్రిప్ట్ రైటింగ్ పద్ధతిని వివరించండి?
3. సామూహిక నిపుణుల అంచనాల యొక్క ప్రధాన పద్ధతులను వివరించండి (ఆలోచన ఉత్పత్తి, "635" పద్ధతి, "డెల్ఫీ" పద్ధతి, కమిషన్ పద్ధతి)?
4. ఎక్స్ట్రాపోలేషన్ పద్ధతుల సారాంశాన్ని బహిర్గతం చేసి, వాటికి సంక్షిప్త వివరణ ఇవ్వాలా?
5. మోడలింగ్ పద్ధతుల యొక్క సారాంశం అంచనా వేయడం?
6. సూచన నమూనాల ప్రధాన రకాలు (మ్యాట్రిక్స్, ఎకనామిక్-స్టాటిస్టికల్, ఎకనోమెట్రిక్) వివరణ ఇవ్వండి?
సమాచార మూలాలు
1. అలెక్సీవా M.M. కంపెనీ కార్యకలాపాలను ప్లాన్ చేయడం: విద్యా మరియు పద్దతి మాన్యువల్. – M.: ఫైనాన్స్ అండ్ స్టాటిస్టిక్స్, 1999
2. బసోవ్స్కీ L.E. మార్కెట్ పరిస్థితులలో అంచనా మరియు ప్రణాళిక. ట్యుటోరియల్. – M.: INFRA-M, 1999. 260 p.
3. గోరెమికిన్ V.A. మరియు ఇతరులు. సంస్థలో ప్రణాళిక: పాఠ్య పుస్తకం / V.A. గోరేమికిన్, E.R. బుగులోవ్, A.Yu. బోగోమోలోవ్. – 2వ ఎడిషన్. - M.: కోలోస్, 2000
4. వ్యవసాయ ఉత్పత్తి యొక్క సంస్థ / F.K. షాకిరోవ్, V.A. ఉదలోవ్, S.I. గ్రియాడోవ్ మరియు ఇతరులు.: ఎడ్. ఎఫ్.కె. షకీరోవా. - ఎం.
5. మార్కెట్ పరిస్థితులలో అంచనా మరియు ప్రణాళిక. Ed. టి.జి. మొరోజోవా, A.V. పికుల్కినా. ట్యుటోరియల్. - M.: UNITY-DANA, 199.-318 p.
6. చెర్నిష్ E.A., మోల్చనోవా N.P., నోవికోవా A.A., సాల్టానోవా T.A. అంచనా మరియు ప్రణాళిక. ట్యుటోరియల్. – M.: 1999. – 174 p.
7. సెర్కోవ్ A.F. సూచిక ప్రణాళికలో వ్యవసాయం. M.: ఇన్ఫార్మాగ్రోబిజినెస్, 1996. 161 p.
8. ఎకనామిక్ ఎన్సైక్లోపీడియా / సైంటిఫిక్-ఎడ్. కౌన్సిల్ ఆఫ్ ది పబ్లిషింగ్ హౌస్ "ఎకనామిక్స్", రష్యన్ అకాడమీ ఆఫ్ సైన్సెస్ యొక్క ఇన్స్టిట్యూట్ ఆఫ్ ఎకనామిక్స్; చ. ed. ఎల్.ఐ. అబాల్కిన్. మాస్కో: OJSC పబ్లిషింగ్ హౌస్ "ఎకానమీ", 1999.
అధికారిక అంచనా పద్ధతులుగణిత సిద్ధాంతం యొక్క అధికారిక మార్గాలను ఉపయోగించి భవిష్య సూచనల నిర్మాణంపై ఆధారపడి ఉంటాయి, ఇది అంచనాల విశ్వసనీయత మరియు ఖచ్చితత్వాన్ని పెంచడం, వాటి అమలుకు అవసరమైన సమయాన్ని గణనీయంగా తగ్గించడం మరియు సమాచారాన్ని ప్రాసెస్ చేయడం మరియు ఫలితాల మూల్యాంకనాన్ని సులభతరం చేయడం సాధ్యపడుతుంది.
అధికారిక అంచనా పద్ధతులు: ఇంటర్పోలేషన్ మరియు ఎక్స్ట్రాపోలేషన్ పద్ధతులు, గణిత నమూనా పద్ధతి, సంభావ్యత సిద్ధాంతం యొక్క పద్ధతులు మరియు గణిత గణాంకాలు.
ఇంటర్పోలేషన్ మరియు ఎక్స్ట్రాపోలేషన్ పద్ధతులు .
సారాంశం ఇంటర్పోలేషన్ పద్ధతిఆబ్జెక్ట్ ఫంక్షన్ల అంచనా విలువలను కనుగొనడంలో ఉంటుంది yi=f(xj),ఎక్కడ j=0,…n, సెగ్మెంట్ లోపల కొన్ని పాయింట్ల వద్ద x0,…xnద్వారా తెలిసిన విలువలుపాయింట్ల వద్ద పారామితులు X 0∠X∠xn
ఇంటర్పోలేషన్ సమయంలో విధుల కోసం ప్రాథమిక పరిస్థితులు:
l ఫంక్షన్ నిరంతరంగా మరియు విశ్లేషణాత్మకంగా ఉండాలి;
l నిర్దిష్ట రకం ఫంక్షన్లు లేదా వాటి ఉత్పన్నాల కోసం, ఇచ్చిన ఫంక్షన్‌కు ఇంటర్పోలేషన్ యొక్క అన్వయాన్ని నిర్ణయించే అసమానతలు సూచించబడతాయి;
l ఫంక్షన్ తగినంత మృదువైనదిగా ఉండాలి, అనగా. తద్వారా ఇది చాలా త్వరగా పెరగని డెరివేటివ్‌లను తగినంత సంఖ్యలో కలిగి ఉంటుంది.
అంచనా వేయడంలో, లాగ్రాంజ్, న్యూటన్, స్టిర్లింగ్ మరియు బెస్సెల్ యొక్క ఇంటర్పోలేషన్ సూత్రాలు చాలా విస్తృతంగా ఉపయోగించబడతాయి.
ఎక్స్ట్రాపోలేషన్ పద్ధతి- ఇది పద్ధతి శాస్త్రీయ పరిశోధన, ఇది గతంలో స్థాపించబడిన ధోరణులను భవిష్యత్తుకు విస్తరించడంలో ఉంటుంది. ఎక్స్ట్రాపోలేషన్ యొక్క గణిత పద్ధతులు ఇది లేదా అది ఏ విలువలను తీసుకుంటుందో నిర్ణయించడానికి వస్తాయి. వేరియబుల్ పరిమాణం X=x(t1), గత కాలంలో దాని విలువలు అనేకం తెలిసినట్లయితే x1=x(t1),…….., x(tn-1)→ x(tn)
పదం యొక్క ఇరుకైన అర్థంలో, ఎక్స్ట్రాపోలేషన్ అనేది ఈ శ్రేణికి వెలుపల ఉన్న దాని ఇతర విలువల ఫంక్షన్ యొక్క డేటా శ్రేణి నుండి కనుగొనడం. ఎక్స్ట్రాపోలేషన్ అనేది గతంలో మరియు వర్తమానంలో అభివృద్ధి చెందిన స్థిరమైన పోకడలను అధ్యయనం చేయడం. ఆర్థికాభివృద్ధిమరియు వాటిని భవిష్యత్తుకు బదిలీ చేయడం. అంచనా వేయడంలో, ఎక్స్ట్రాపోలేషన్ అనేది సమయ శ్రేణి అధ్యయనంలో ఉపయోగించబడుతుంది మరియు దాని నిర్వచనం యొక్క డొమైన్‌కు చెందిన కొన్ని పాయింట్‌లలో ఈ ఫంక్షన్ యొక్క ప్రవర్తన గురించి సమాచారాన్ని ఉపయోగించి దాని నిర్వచనం యొక్క డొమైన్ వెలుపల ఫంక్షన్ విలువలను కనుగొనడం.
భావి మరియు రెట్రోస్పెక్టివ్ ఎక్స్ట్రాపోలేషన్ మధ్య వ్యత్యాసం ఉంది.
భావి ఎక్స్‌ట్రాపోలేషన్అధ్యయనం చేసిన వ్యవధిలో స్థాయిలలో గుర్తించబడిన మార్పుల నమూనా ఆధారంగా భవిష్యత్తు కోసం డైనమిక్స్ శ్రేణి యొక్క స్థాయిల కొనసాగింపును ఊహిస్తుంది. రెట్రోస్పెక్టివ్ ఎక్స్‌ట్రాపోలేషన్గతంలోకి డైనమిక్స్ వరుస స్థాయిల కొనసాగింపు ద్వారా వర్గీకరించబడింది.
ఫార్మల్ మరియు ప్రిడిక్టివ్ ఎక్స్ట్రాపోలేషన్ ఉంది. అధికారిక ఎక్స్‌ట్రాపోలేషన్వస్తువు యొక్క అభివృద్ధిలో గత మరియు ప్రస్తుత పోకడలు భవిష్యత్తులో నిర్వహించబడతాయనే భావనపై ఆధారపడి ఉంటుంది. అంచనా ఎక్స్‌ట్రాపోలేషన్అధ్యయనంలో ఉన్న వస్తువు యొక్క వాస్తవ స్థితిని దాని అభివృద్ధి యొక్క డైనమిక్స్ గురించి పరికల్పనతో కలుపుతుంది. ఇది దీర్ఘకాలికంగా పరిగణనలోకి తీసుకోవలసిన అవసరాన్ని సూచిస్తుంది ప్రత్యామ్నాయ మార్పులువస్తువు, దాని సారాంశం.
ఎక్స్‌ట్రాపోలేషన్‌ను ఉపయోగించి అంచనాలను అభివృద్ధి చేస్తున్నప్పుడు, అవి ఒక వస్తువు యొక్క నిర్దిష్ట పరిమాణాత్మక లక్షణాలలో మార్పులలో గణాంకపరంగా ఉద్భవిస్తున్న ధోరణుల నుండి కొనసాగుతాయి. మూల్యాంకన, క్రియాత్మక, దైహిక మరియు నిర్మాణ లక్షణాలు, ఉదాహరణకి, పరిమాణాత్మక లక్షణాలుఆర్థిక, శాస్త్రీయ, ఉత్పత్తి సామర్థ్యం. అటువంటి భవిష్యవాణి యొక్క వాస్తవికత యొక్క డిగ్రీ ఎక్కువగా ఎక్స్ట్రాపోలేషన్ పరిమితుల ఎంపిక యొక్క చెల్లుబాటు మరియు పరిశీలనలో ఉన్న దృగ్విషయం యొక్క సారాంశానికి ఎంచుకున్న "కొలిచేవారి" యొక్క అనురూప్యం ద్వారా నిర్ణయించబడుతుంది. గణాంక ధోరణి విశ్లేషణ మరియు ఎక్స్ట్రాపోలేషన్ కోసం దశల క్రమం క్రింది విధంగా ఉంది:
1. సమస్య యొక్క సూత్రీకరణ, సాధ్యమైన అభివృద్ధి గురించి పరికల్పనలను ముందుకు తీసుకురావడం
అంచనా వేసిన వస్తువు, ఉత్తేజపరిచే లేదా అడ్డుకునే కారకాల చర్చ
వస్తువు యొక్క అభివృద్ధి, ఎక్స్ట్రాపోలేషన్ మరియు దాని అనుమతించదగిన పరిధిని నిర్ణయించడం.
2. పారామితుల వ్యవస్థ ఎంపిక, వివిధ ఏకీకరణ కొలత యూనిట్లు,
ప్రతి పరామితికి విడిగా సంబంధించినది.
3. డేటా యొక్క సేకరణ మరియు క్రమబద్ధీకరణ, డేటా యొక్క సజాతీయతను తనిఖీ చేయడం మరియు వాటి
పోలిక.
4. గణాంక విశ్లేషణ యొక్క అధ్యయనం చేసిన పరిమాణంలో మార్పులలో ధోరణుల గుర్తింపు మరియు
డేటా యొక్క ప్రత్యక్ష ఎక్స్ట్రాపోలేషన్.
ఎక్స్ట్రాపోలేషన్ సూచనలలో, అంచనా నిర్దిష్ట విలువలుఅధ్యయనం చేయబడిన వస్తువు లేదా పరామితి ప్రధాన ఫలితం కాదు. మరింత ముఖ్యమైనది నిష్పాక్షికంగా ఉద్భవిస్తున్న మార్పులు, ఒక దృగ్విషయం లేదా ప్రక్రియ అభివృద్ధిలో సహజ ధోరణులను సకాలంలో గుర్తించడం. అభివృద్ధి ధోరణి అంటే అందులో కొంత అర్థం అవుతుంది సాధారణ దిశ, దీర్ఘకాలిక పరిణామము. సాధారణంగా వారు ఎక్కువ లేదా తక్కువ మృదువైన పథం రూపంలో ధోరణిని ప్రదర్శించడానికి ప్రయత్నిస్తారు.
ఎక్స్ట్రాపోలేషన్ యొక్క ఖచ్చితత్వాన్ని పెంచడానికి, ఆబ్జెక్ట్ యొక్క పనితీరు యొక్క అనుభవాన్ని పరిగణనలోకి తీసుకొని ఎక్స్‌ట్రాపోలేటెడ్ దృగ్విషయం యొక్క ధోరణి సర్దుబాటు చేయబడుతుంది - పరిశోధన యొక్క అనలాగ్ లేదా దాని అభివృద్ధిలో అంచనా వేసిన వస్తువు కంటే ముందున్న వస్తువు. ఏ సూత్రాలు మరియు ఏ ప్రారంభ డేటా సూచన ఆధారంగా ఉపయోగించబడుతుందనే దానిపై ఆధారపడి, ఉన్నాయి క్రింది పద్ధతులుఎక్స్‌ట్రాపోలేషన్స్: సరాసరి సంపూర్ణ వృద్ధి, సగటు వృద్ధి రేటు మరియు కొన్ని విశ్లేషణాత్మక సూత్రాన్ని ఉపయోగించి వరుస అమరిక ఆధారంగా ఎక్స్ట్రాపోలేషన్.
ట్రెండ్ ఎక్స్ట్రాపోలేషన్ యొక్క పరిగణించబడిన పద్ధతులు, సరళమైనవి, అదే సమయంలో చాలా ఉజ్జాయింపుగా ఉంటాయి. అందువల్ల, అత్యంత సాధారణ అంచనా పద్ధతి విశ్లేషణాత్మక వ్యక్తీకరణధోరణి.
ఎక్స్‌ట్రాపోలేటెడ్ దృగ్విషయం యొక్క ధోరణి- ఆర్థిక సూచికలలో మార్పులలో ఇది దీర్ఘకాలిక ధోరణి, అనగా. అభివృద్ధి యొక్క సాధారణ దిశను నిర్ణయించే మార్పు, సమయ శ్రేణి యొక్క ప్రధాన ధోరణి. ఒక ధోరణి యాదృచ్ఛిక ప్రభావాల నుండి కొంత వరకు కాలక్రమేణా కదలిక యొక్క ప్రాథమిక నమూనాలను వర్ణిస్తుంది. ఫోర్కాస్టింగ్ మోడల్‌లను అభివృద్ధి చేస్తున్నప్పుడు, ఇతర భాగాలు సూపర్‌పోజ్ చేయబడిన, అంచనా వేయబడిన సమయ శ్రేణిలో ట్రెండ్ ప్రధాన అంశంగా మారుతుంది. ఫలితం కాలక్రమేణా ప్రత్యేకంగా ముడిపడి ఉంటుంది. అన్ని ప్రధాన కారకాల ప్రభావం సమయం ద్వారా వ్యక్తీకరించబడుతుందని భావించబడుతుంది.
సూచనను అభివృద్ధి చేయడం అనేది ప్రారంభ అనుభావిక డేటా మరియు పారామితుల ఆధారంగా ఎక్స్‌ట్రాపోలేటింగ్ ఫంక్షన్ రకాన్ని నిర్ణయించడం.
ట్రెండ్ యొక్క ఉత్తమ వివరణను అందించే సరైన రకమైన ఫంక్షన్‌ను ఎంచుకోవడం మొదటి దశ. ఎంచుకున్న ఎక్స్ట్రాపోలేషన్ ఫంక్షన్ యొక్క పారామితులను లెక్కించడం తదుపరి దశ.
డిపెండెన్సీ పారామితులను అంచనా వేసేటప్పుడు, అత్యంత సాధారణమైనవి
l కనిష్ట చతురస్రాల పద్ధతి, సమయ శ్రేణి యొక్క ఘాతాంక స్మూత్టింగ్ పద్ధతి,
l కదిలే సగటు పద్ధతి మరియు ఇతరులు.
సారాంశం కనీసం చతురస్రాల పద్ధతిఊహించిన దృగ్విషయాన్ని వివరించే ఫంక్షన్ సరళమైన ఫంక్షన్ లేదా వాటి కలయికతో అంచనా వేయబడుతుందనే వాస్తవాన్ని కలిగి ఉంటుంది. అంతేకాకుండా, సమలేఖనం చేయబడిన వాటి నుండి గమనించిన పాయింట్ల వద్ద ఫంక్షన్ యొక్క వాస్తవ స్థాయిల యొక్క ప్రామాణిక విచలనం చిన్నదిగా ఉండే విధంగా రెండోది ఎంపిక చేయబడింది.
ఉదాహరణకు, అందుబాటులో ఉన్న డేటా ప్రకారం ( xiyi) (i=1,2,….n) అటువంటి వక్రత నిర్మించబడింది y=a+bx,స్క్వేర్డ్ విచలనాల యొక్క కనిష్ట మొత్తం సాధించబడుతుంది, అనగా. రెండు పారామితులపై ఆధారపడిన ఫంక్షన్ కనిష్టీకరించబడింది: ఎ– (ఆర్డినేట్ యాక్సిస్‌పై సెగ్మెంట్) మరియు బి(సరళ రేఖ యొక్క వాలు).
సమీకరణం ఇవ్వడం అవసరమైన పరిస్థితులుఫంక్షన్ కనిష్టీకరణ S(a,b),అంటారు సాధారణ సమీకరణాలు. లీనియర్ మాత్రమే కాదు, చతుర్భుజం, పారాబొలిక్, ఎక్స్‌పోనెన్షియల్ మొదలైనవి కూడా ఉజ్జాయింపు ఫంక్షన్‌లుగా ఉపయోగించబడతాయి.
అతి తక్కువ చతురస్రాల పద్ధతి దాని సరళత మరియు కంప్యూటర్‌లో అమలు చేసే అవకాశం కారణంగా అంచనా వేయడంలో విస్తృతంగా ఉపయోగించబడుతుంది. లోపం ఈ పద్ధతిట్రెండ్ మోడల్ కఠినంగా స్థిరంగా ఉంటుంది మరియు ఇది తక్కువ లీడ్ పీరియడ్‌ల కోసం మాత్రమే ఉపయోగించడం సాధ్యం చేస్తుంది, అనగా. స్వల్పకాలిక అంచనా కోసం.
సమయ శ్రేణి యొక్క ఘాతాంక సున్నితత్వం యొక్క పద్ధతి- ఈ పద్ధతి సమయ శ్రేణి విశ్లేషణ కోసం అతి తక్కువ చతురస్రాల పద్ధతి యొక్క మార్పు, దీనిలో ఇటీవలి పరిశీలనలకు ఎక్కువ బరువు ఇవ్వబడుతుంది, అనగా. శ్రేణిలోని పాయింట్ల బరువులు గతంలోకి వెళ్లినప్పుడు విపరీతంగా తగ్గుతాయి. బేస్ పీరియడ్ చివరిలో ఏర్పడిన ట్రెండ్‌ను వివరించే మోడల్ యొక్క పారామితులను అంచనా వేయడానికి ఈ పద్ధతి మిమ్మల్ని అనుమతిస్తుంది మరియు ఇప్పటికే ఉన్న డిపెండెన్సీలను భవిష్యత్తులోకి ఎక్స్‌ట్రాపోలేట్ చేయదు, కానీ కాలక్రమేణా మారుతున్న పరిస్థితులకు అనుగుణంగా ఉంటుంది. ఎక్స్‌పోనెన్షియల్ స్మూత్టింగ్ పద్ధతి స్వల్ప మరియు మధ్యకాలిక అంచనా కోసం ఉపయోగించబడుతుంది. దీని ప్రయోజనాలు ఏమిటంటే దీనికి విస్తృతమైన సమాచార ఆధారం అవసరం లేదు.
సూచిక యొక్క డైనమిక్స్‌ను వివరించే నమూనాలు చాలా సరళమైన గణిత సూత్రీకరణను కలిగి ఉంటాయి మరియు పారామితుల యొక్క అనుకూల పరిణామం సమయ శ్రేణి యొక్క లక్షణాల యొక్క వైవిధ్యత మరియు ద్రవత్వాన్ని ప్రతిబింబించేలా చేస్తుంది.
కదిలే సగటు పద్ధతిశ్రేణి యొక్క ఆర్డర్ స్థాయిలలో మొదటి నిర్దిష్ట సంఖ్య నుండి సగటు స్థాయిని గణించడంలో ఉంటుంది, ఆపై అదే స్థాయి స్థాయిల నుండి సగటు స్థాయి, రెండవది నుండి ప్రారంభించి, ఆపై మూడవది నుండి మొదలవుతుంది. ఈ విధంగా, సగటు స్థాయిని లెక్కించేటప్పుడు, అవి దాని ప్రారంభం నుండి చివరి వరకు డైనమిక్స్ శ్రేణితో పాటు "స్లయిడ్" అవుతాయి, ప్రతిసారీ ప్రారంభంలో ఒక స్థాయిని విస్మరించి, తదుపరి దానిని జోడిస్తుంది.
కదిలే సగటు యొక్క ప్రతి లింక్ సంబంధిత కాలానికి సగటు స్థాయి, ఇది డైనమిక్స్ శ్రేణి యొక్క స్థాయిల సంఖ్య బేసిగా ఉంటే ఎంచుకున్న వ్యవధి మధ్యలో సూచిస్తుంది.
సరళమైన కదిలే సగటు పద్ధతి యొక్క ప్రతికూలత ఏమిటంటే, సిరీస్ ప్రారంభం మరియు ముగింపు కోసం మృదువైన స్థాయిలను పొందడం అసంభవం కారణంగా మృదువైన సమయ శ్రేణి తగ్గిపోతుంది. అంతర్లీన ధోరణిని విశ్లేషించడానికి విశ్లేషణాత్మక అమరిక పద్ధతిని ఉపయోగించడం ద్వారా ఈ లోపం తొలగించబడుతుంది.
విశ్లేషణాత్మక అమరిక పద్ధతిస్థాయిల ప్రాతినిధ్యాన్ని ఊహిస్తుంది ఈ సిరీస్సమయం యొక్క విధిగా డైనమిక్స్ y=f(t).కాలక్రమేణా దృగ్విషయాల అభివృద్ధిలో ప్రధాన ధోరణిని ప్రదర్శించడానికి, వివిధ విధులు ఉపయోగించబడతాయి: డిగ్రీ యొక్క బహుపదాలు, ఘాతాంకములు, లాజిస్టిక్ వక్రతలు మరియు ఇతర రకాలు.
గత మరియు ప్రస్తుత ట్రెండ్‌లను భవిష్యత్తులోకి విస్తరించడం ఆధారంగా ఎక్స్ట్రాపోలేషన్ పద్ధతులు ఐదు నుండి ఏడు సంవత్సరాల వరకు ప్రధాన సమయంతో మాత్రమే అంచనా వేయడానికి ఉపయోగించబడతాయి. అతి ముఖ్యమైన పరిస్థితిఅప్లికేషన్ అనేది సామాజిక-ఆర్థిక దృగ్విషయం లేదా ప్రక్రియ యొక్క అభివృద్ధిలో స్థిరంగా వ్యక్తీకరించబడిన ధోరణుల ఉనికి. దీర్ఘకాల సూచన వ్యవధితో, ఈ పద్ధతులు ఖచ్చితమైన ఫలితాలను అందించవు.
గణిత నమూనా పద్ధతిజ్ఞానం యొక్క వస్తువు మరియు వస్తువు గురించి జ్ఞానం మధ్య ఒక నిర్దిష్ట అనురూప్యతను స్థాపించే అవకాశంపై ఆధారపడి ఉంటుంది.
మానవ జ్ఞానంఒక వస్తువు గురించి దాని యొక్క ఎక్కువ లేదా తక్కువ తగినంత ప్రతిబింబాన్ని సూచిస్తుంది మరియు జ్ఞానం యొక్క భౌతిక రూపం వస్తువు యొక్క నమూనా. అందువల్ల, మోడలింగ్ పద్ధతి అనేది పరిశోధన యొక్క ఒక పద్ధతి, దీనిలో వస్తువులు స్వయంగా అధ్యయనం చేయబడవు, కానీ వాటి నమూనాలు మరియు అటువంటి పరిశోధన ఫలితాలు మోడల్ నుండి వస్తువుకు బదిలీ చేయబడతాయి.
గణిత పద్ధతుల ఉపయోగం నిర్ధారిస్తుంది ఉన్నత స్థాయిఅంచనాల చెల్లుబాటు, ప్రభావం మరియు సమయపాలన. అంచనా వేయడంలో వివిధ రకాలైన నమూనాలు ఉపయోగించబడతాయి: ఆప్టిమైజేషన్, స్టాటిక్, డైనమిక్, ఫాక్టోరియల్, స్ట్రక్చరల్, కంబైన్డ్, మొదలైనవి. అగ్రిగేషన్ స్థాయిని బట్టి, ఒకే రకమైన మోడల్‌ను వివిధ ఆర్థిక వస్తువులకు అన్వయించవచ్చు, అనగా. స్థూల ఆర్థిక, ఇంటర్సెక్టోరల్, ఇంటర్‌రీజినల్, సెక్టోరల్, రీజనల్ మరియు ఇతర మోడల్‌లు.
మోడలింగ్ చాలా ముఖ్యమైనది మరియు అత్యంత ప్రభావవంతమైన సాధనంసామాజిక-ఆర్థిక దృగ్విషయాలను అంచనా వేయడం, సాధనం శాస్త్రీయ జ్ఞానంఅధ్యయనంలో ఉన్న ప్రక్రియ. అందువల్ల, ఆబ్జెక్ట్‌కు మోడల్ యొక్క సమర్ధత ప్రశ్న (అనగా, ప్రదర్శన యొక్క నాణ్యత) సూచన యొక్క నిర్దిష్ట ప్రయోజనం ఆధారంగా నిర్ణయించబడాలి.
ప్రయోగ ప్రక్రియలో, ఏదైనా కనెక్షన్, సంబంధం లేదా వస్తువు మూలకాల యొక్క ఆస్తికి అనుగుణంగా లేని మోడల్ మూలకాల కనెక్షన్లు, సంబంధాలు లేదా లక్షణాలను స్థాపించవచ్చు. ఈ సందర్భంలో, నిర్మించబడిన నమూనా అధ్యయనం చేయబడిన దృగ్విషయం యొక్క సారాంశానికి సరిపోదు, లేదా నిర్మించిన నమూనా అధ్యయనం చేయబడిన దృగ్విషయం యొక్క సారాంశానికి సరిపోతుంది, కానీ అంచనా వేసిన దృగ్విషయం యొక్క మూలకాల యొక్క లక్షణాలు మరియు సంబంధాలు పూర్తిగా లేవు. వివరించబడింది.
సామాజిక-ఆర్థిక ప్రక్రియలను అంచనా వేయడంలో, సామాజిక-ఆర్థిక ప్రక్రియల అభివృద్ధి నమూనాలను అధ్యయనం చేసే సాధనం ఆర్థిక-గణిత నమూనా (EMM), అనగా. దాని మూలకాల యొక్క ప్రాథమిక సంబంధాలను వివరించే అధికారిక వ్యవస్థ.
ఆర్థిక మరియు గణిత నమూనా(EMM) సూచిస్తుంది గణిత వివరణఆర్థిక ప్రక్రియ లేదా పరిశోధన మరియు నిర్వహణ ప్రయోజనాల కోసం ఉత్పత్తి చేయబడిన వస్తువు. చాలా వరకు సాధారణ రూపంమోడల్ - పరిశోధన వస్తువు యొక్క సాంప్రదాయిక చిత్రం, ఈ పరిశోధనను సులభతరం చేయడానికి రూపొందించబడింది. ఒక నమూనాను నిర్మించేటప్పుడు, దాని ప్రత్యక్ష అధ్యయనం మోడల్ చేయబడిన వస్తువు గురించి కొత్త జ్ఞానాన్ని అందిస్తుందని భావించబడుతుంది. ఆర్థిక పరిశోధనను మోడలింగ్ చేయడానికి EMM ప్రధాన సాధనం. అన్ని సందర్భాల్లో, మోడల్ తగినంతగా కలిగి ఉండటం అవసరం వివరణాత్మక వివరణవస్తువు, ముఖ్యంగా, ఆర్థిక విలువలు మరియు వాటి సంబంధాలను కొలవడానికి అనుమతిస్తుంది, తద్వారా అధ్యయనంలో ఉన్న సూచికలను ప్రభావితం చేసే కారకాలు గుర్తించబడతాయి.
ఆర్థిక-గణిత నమూనాకు ఉదాహరణ వినియోగ రేట్ల ఆధారంగా పదార్థాల అవసరాన్ని నిర్ణయించే ఫార్ములా. నమూనాను మూడు విధాలుగా రూపొందించవచ్చు: వాస్తవికత యొక్క కొన్ని దృగ్విషయాలను ప్రత్యక్ష పరిశీలన మరియు అధ్యయనం ఫలితంగా (దృగ్విషయ పద్ధతి), మరింత సాధారణ నమూనా నుండి వేరుచేయడం ( తగ్గింపు పద్ధతి), మరింత నిర్దిష్ట నమూనాల సాధారణీకరణలు (ప్రేరక పద్ధతి). పరిశోధన లేదా ఆధారంగా ఒకే వస్తువును వివిధ నమూనాల ద్వారా వివరించవచ్చు ఆచరణాత్మక అవసరం, గణిత ఉపకరణం యొక్క సామర్థ్యాలు మొదలైనవి. అందువల్ల, మోడల్ మరియు దాని అధ్యయనం నుండి తీర్మానాలు విశ్వసనీయంగా ఉండే ప్రాంతాన్ని విశ్లేషించడం ఎల్లప్పుడూ అవసరం.
ఆర్థిక వ్యవస్థ యొక్క ప్రస్తుత స్థితిని వివరించే నమూనాలను స్టాటిక్ అని పిలుస్తారు మరియు మోడల్ చేయబడిన వస్తువు యొక్క అభివృద్ధిని వివరించే నమూనాలను డైనమిక్ అంటారు. నమూనాలను సూత్రాల రూపంలో నిర్మించవచ్చు - మోడల్ యొక్క విశ్లేషణాత్మక ప్రాతినిధ్యం; వంటి సంఖ్యా ఉదాహరణలు- సంఖ్యా ప్రాతినిధ్యం; పట్టికల రూపంలో - మాతృక ప్రాతినిధ్యం; గ్రాఫ్‌ల రూపంలో - మోడల్ యొక్క నెట్‌వర్క్ ప్రాతినిధ్యం.
దీని ప్రకారం, సంఖ్యా, విశ్లేషణాత్మక, మాతృక మరియు నెట్‌వర్క్ నమూనాలు ఉన్నాయి.
IN ఆర్థిక శాస్త్రంఅవి ఆర్థిక ప్రక్రియలను విశ్లేషించడానికి, అన్ని లింక్‌లలో మరియు ఆర్థిక వ్యవస్థ యొక్క అన్ని స్థాయిలలో అంచనా వేయడానికి మరియు ప్రణాళిక చేయడానికి, మొత్తంగా దేశ జాతీయ ఆర్థిక వ్యవస్థ అభివృద్ధిని ప్లాన్ చేయడానికి ఉపయోగించబడతాయి. అవి సాధారణంగా రెండు పెద్ద సమూహాలుగా విభజించబడ్డాయి: ప్రణాళిక యొక్క ఉత్పత్తి అంశాన్ని ప్రధానంగా ప్రతిబింబించే నమూనాలు; ప్రణాళిక యొక్క సామాజిక అంశాలను ప్రధానంగా ప్రతిబింబించే నమూనాలు. ఈ విభజన చాలావరకు ఏకపక్షంగా ఉంటుంది, ఎందుకంటే ప్రతి మోడల్ ఉత్పత్తిని మిళితం చేస్తుంది మరియు సామాజిక అంశాలు. మొదటి సమూహం యొక్క నమూనాలలో మనం పేరు పెట్టవచ్చు: ఆర్థిక అభివృద్ధి యొక్క సారాంశ సూచికల దీర్ఘకాలిక సూచన యొక్క నమూనాలు; జాతీయ ఆర్థిక ప్రణాళిక యొక్క ఇంటర్సెక్టోరల్ నమూనాలు; ఉత్పత్తి యొక్క సరైన ప్రణాళిక మరియు ప్లేస్‌మెంట్ యొక్క పరిశ్రమ నమూనాలు, అలాగే పరిశ్రమలలో ఉత్పత్తి యొక్క నిర్మాణాన్ని ఆప్టిమైజ్ చేయడానికి నమూనాలు.
రెండవ సమూహం యొక్క నమూనాలలో, అత్యంత అభివృద్ధి చెందిన నమూనాలు జనాభా మరియు జనాభా ప్రక్రియల ఆదాయం మరియు వినియోగం యొక్క అంచనా మరియు ప్రణాళికకు సంబంధించినవి.
ఎకనామెట్రిక్-రకం EMMలు కూడా అంచనా వేయడంలో ఉపయోగించబడతాయి. ఎకనామెట్రిక్ మోడల్ గణితం మరియు గణాంకాలు, గణిత గణాంకాల విజయాలతో సైద్ధాంతిక విశ్లేషణ యొక్క విజయాలను సంశ్లేషణ చేస్తుంది. ఆర్థిక వ్యవస్థను వివరించడానికి ఆర్థిక వ్యవస్థను వివరించడానికి ఎకనామెట్రిక్ పద్ధతులు ఉపయోగించబడతాయి, ఇందులో ఉత్పత్తి ఫంక్షన్, పెట్టుబడి ఫంక్షన్, అలాగే ఉపాధి, ఆదాయం, ధరలు మరియు వడ్డీ రేట్లు మరియు ఇతర బ్లాక్‌ల కదలికలను వివరించే సమీకరణాలు ఉన్నాయి. ఈ రకమైన అత్యంత ప్రసిద్ధ ఎకనామెట్రిక్ సిస్టమ్స్‌లో, కంప్యూటర్‌లో లెక్కలు నిర్వహించబడుతున్నాయి, బ్రూకింగ్స్ మోడల్ (USA), డచ్ మోడల్, వార్టన్ మోడల్ (USA) మొదలైనవి.
సాధారణ పథకంఅంచనా నమూనా వ్యవస్థ అభివృద్ధి మూడు దశలను కలిగి ఉంటుంది.
మొదటి దశలో, స్థానిక అంచనా పద్ధతులు అభివృద్ధి చేయబడ్డాయి, వ్యక్తిగత నమూనాలు మరియు అంచనా నమూనాల ఉపవ్యవస్థలు అభివృద్ధి చేయబడ్డాయి. అప్పుడు నమూనాలు అనుసంధానించబడతాయి ఏకీకృత వ్యవస్థ, ఇది మొత్తం సమస్యపై పరిశోధన కార్యక్రమంలో నమోదు చేయబడిన అవసరాలకు అనుగుణంగా వ్యక్తిగత నమూనాల పరస్పర చర్యను నిర్ధారించడం సాధ్యం చేస్తుంది.
రెండవ దశలో స్థానిక అంచనా పద్ధతుల అభివృద్ధి ఆధారంగా పరస్పర అంచనా నమూనాల వ్యవస్థను రూపొందించడం జరుగుతుంది. ఇక్కడ, నమూనాల ఉపవ్యవస్థలు స్పష్టం చేయబడ్డాయి మరియు అంగీకరించబడ్డాయి, వాటి పరస్పర చర్య తనిఖీ చేయబడుతుంది, వ్యక్తిగత నమూనాల ఉపయోగం యొక్క క్రమం, అలాగే మూల్యాంకన పద్ధతులు మరియు ఫలిత సంక్లిష్ట సూచనలను ధృవీకరించే పద్ధతులు నిర్ణయించబడతాయి. కంప్యూటర్‌లో సమస్యలను పరిష్కరించడానికి తగిన ప్రోగ్రామ్‌లు సంకలనం చేయబడ్డాయి.
మూడవ దశలో వ్యక్తి యొక్క స్పష్టీకరణ మరియు అభివృద్ధి ఉంటుంది స్థానిక వ్యవస్థలుమరియు అంచనా నమూనాలు మరియు వాటి ఆచరణాత్మక ఉపయోగం యొక్క వ్యవస్థను రూపొందించే ప్రక్రియలో సాంకేతికతలు.
నమూనాలను అంచనా వేసే వ్యవస్థ మరియు మోడలింగ్ విధానాలు మోడలింగ్ మెథడాలజీ రూపంలో అధికారికీకరించబడ్డాయి, ఇది క్రింది అవసరాలకు అనుగుణంగా ఉండాలి:
నేను నియమాల క్రమం యొక్క తార్కికంగా స్థిరమైన వివరణను ఇస్తాను, అనగా. ప్రారంభ సమాచారం యొక్క స్వభావం మరియు విలువల గురించి చాలా విస్తృతమైన అంచనాల క్రింద సూచన చేయడానికి మిమ్మల్ని అనుమతించే అల్గోరిథం;
నేను పద్ధతుల ఎంపికను సమర్థిస్తాను మరియు సాంకేతిక అర్థంగణనలను సకాలంలో మరియు పదేపదే నిర్వహించడానికి అనుమతిస్తుంది;
ఊహించిన దృగ్విషయాలు మరియు ప్రక్రియల మధ్య ముఖ్యమైన కనెక్షన్లను గుర్తించండి. దీన్ని చేయడానికి, సోర్స్ మెటీరియల్‌లో మరియు ఈ పద్ధతిని ఉపయోగించి పొందిన ఫలితాలను విశ్లేషించే ప్రక్రియలో చాలా ముఖ్యమైన మరియు స్థిరమైన నమూనాలు మరియు పోకడలను గుర్తించడం అవసరం;
l స్థిరమైన వ్యవస్థలో వ్యక్తిగత సూచనల సమన్వయాన్ని నిర్ధారిస్తుంది, ఇది భవిష్యవాణి యొక్క పరస్పర సర్దుబాటును కూడా అనుమతిస్తుంది.
అధికారిక పద్ధతులు
సమాచారాన్ని సేకరించే పద్ధతిగా డెస్క్ పరిశోధన
పరిమాణాత్మక పరిశోధన పద్ధతులు
డెస్క్ రీసెర్చ్ అనేది ఇతర ప్రయోజనాల కోసం తయారు చేయబడిన మూలాలలో (గణాంకాలు లేదా నివేదికలు) ఉన్న మార్కెటింగ్ సమాచారాన్ని సేకరించడం మరియు మూల్యాంకనం చేయడం కోసం పద్ధతుల సమితి.
సమాచారాన్ని సేకరించే డెస్క్ పద్ధతులు ద్వితీయ మూలాలపై ఆధారపడతాయి. క్షేత్ర పరిశోధనను సిద్ధం చేయడంలో డెస్క్ పద్ధతులు ఉపయోగించబడతాయి.
డెస్క్ పద్ధతులు మార్కెట్ పరిశోధనలో సమాచారాన్ని సేకరించే స్వతంత్ర పద్ధతులుగా కూడా ఉపయోగించబడతాయి.
పత్ర విశ్లేషణ పద్ధతులు రెండు ప్రధాన సమూహాలుగా విభజించబడ్డాయి: అనధికారిక (సాంప్రదాయ) మరియు అధికారికం.
అనధికారిక పద్ధతులుపత్రం యొక్క కంటెంట్ నుండి సమాచార యూనిట్లను వేరుచేయడానికి ప్రామాణిక పద్ధతులను ఉపయోగించవద్దు; వాటికి ప్రతి మూలం యొక్క శ్రమతో కూడిన విశ్లేషణ అవసరం; అందువల్ల, వ్యక్తిగత (ప్రత్యేకమైన) పత్రాలను లేదా పత్రాల యొక్క చిన్న శ్రేణిని ప్రాసెస్ చేయడానికి అవి తరచుగా ఉపయోగించబడతాయి. సమాచారం యొక్క పరిమాణాత్మక ప్రాసెసింగ్‌లో తీవ్ర ప్రాముఖ్యత లేదు. సాంప్రదాయ విశ్లేషణలాంఛనప్రాయమైన డాక్యుమెంట్ విశ్లేషణకు ముందస్తు అవసరం.
ఓ ప్రత్యామ్నాయము అనధికారిక పద్ధతులుఉక్కు పత్రం విశ్లేషణ అధికారిక పద్ధతులు,డాక్యుమెంట్ కంటెంట్ ఎలిమెంట్‌లను నమోదు చేయడానికి ఏకీకృత (ప్రామాణిక) పద్ధతులను ఉపయోగించడం. సమాచార సేకరణ పద్ధతుల యొక్క ప్రామాణీకరణ పరిశోధకులను లేబర్-ఇంటెన్సివ్ రిజిస్ట్రేషన్ విధానాల నుండి మరియు డేటా ఇంటర్‌ప్రెటేషన్‌లో ఆత్మాశ్రయత నుండి విముక్తి చేసింది; ప్రత్యేక కంప్యూటర్ ప్రోగ్రామ్‌లను ఉపయోగించి స్వయంచాలక రిజిస్ట్రేషన్ మరియు సమాచార ప్రాసెసింగ్‌కు మారడం సాధ్యం చేసింది. అదే సమయంలో, ఇతర సమస్యలు తలెత్తాయి: అవసరమైన అంశాలను రికార్డ్ చేయడానికి నిస్సందేహమైన నియమాలను అభివృద్ధి చేయడంలో ఇబ్బందులు మరియు ప్రతి వ్యక్తి పత్రం యొక్క కంటెంట్‌ను సమగ్రంగా బహిర్గతం చేయడం అసంభవం.
డెస్క్ పరిశోధనను నిర్వహిస్తున్నప్పుడు, డాక్యుమెంట్ విశ్లేషణ యొక్క సాంప్రదాయ (క్లాసికల్) పద్ధతి, సమాచార-లక్ష్య విశ్లేషణ మరియు పత్రాల కంటెంట్ విశ్లేషణ చాలా తరచుగా ఉపయోగించబడతాయి, వీటిలో ప్రధాన లక్షణాలు టేబుల్ 1 లో ప్రదర్శించబడ్డాయి.
టేబుల్ 1 సాధారణ లక్షణాలుసమాచారాన్ని సేకరించే డెస్క్ పద్ధతులు
అధికారిక పద్ధతులు - భావన మరియు రకాలు. వర్గీకరణ మరియు "ఫార్మలైజ్డ్ మెథడ్స్" 2017, 2018 వర్గం యొక్క లక్షణాలు.
A. నిపుణుల అంచనా - నిపుణుల బృందంచే నిర్వహించబడుతుంది. విశ్లేషించాల్సిన విషయం యొక్క నిర్దిష్ట పారామితులను విశ్లేషించమని నిపుణులు కోరతారు. అప్పుడు అంచనాలు సగటు మరియు ఒకే నిపుణుల అభిప్రాయం ఏర్పడుతుంది. ఇతరులను మృదువుగా అమలు చేసేటప్పుడు ఈ పద్ధతి సాధారణంగా ఉపయోగించబడుతుంది... .
ఆర్థిక విశ్లేషణ యొక్క పద్ధతులు మరియు పద్ధతుల వర్గీకరణలో ఉపయోగించే అన్ని పద్ధతులు ఆర్థిక విశ్లేషణమూడు గ్రూపులుగా విభజించవచ్చు: 1. సార్వత్రిక జ్ఞానం యొక్క పద్ధతి - భౌతిక మాండలికం; 2. జ్ఞానం యొక్క సాధారణ శాస్త్రీయ పద్ధతులు - పరిశీలన, పోలిక,... .
అధికారిక అంచనా పద్ధతులు గణిత సిద్ధాంతం యొక్క అధికారిక మార్గాలను ఉపయోగించి భవిష్యవాణిని నిర్మించడంపై ఆధారపడి ఉంటాయి, ఇది అంచనాల విశ్వసనీయత మరియు ఖచ్చితత్వాన్ని పెంచడం, వాటి అమలుకు అవసరమైన సమయాన్ని గణనీయంగా తగ్గించడం మరియు సమాచార ప్రాసెసింగ్ మరియు అంచనాను సులభతరం చేయడం సాధ్యపడుతుంది.
మ్యాట్రిక్స్ పద్ధతులు.మాతృక రూపాల ప్రదర్శన మరియు సమాచారం యొక్క విశ్లేషణ సిస్టమ్ విశ్లేషణ కోసం ఒక నిర్దిష్ట సాధనం కాదు, కానీ విస్తృతంగా దాని వివిధ దశలలో సహాయక సాధనంగా ఉపయోగించబడతాయి. మాతృక మాత్రమే కాదు దృశ్య రూపంలో... .
ఈ పద్ధతులు గణిత సిద్ధాంతంపై ఆధారపడి ఉంటాయి, ఇది అంచనాల విశ్వసనీయత మరియు ఖచ్చితత్వాన్ని పెంచుతుంది, వాటి అమలుకు అవసరమైన సమయాన్ని గణనీయంగా తగ్గిస్తుంది మరియు సమాచారాన్ని ప్రాసెస్ చేయడానికి మరియు ఫలితాలను అంచనా వేయడానికి కార్యకలాపాలను అనుమతిస్తుంది. ఎక్స్ట్రాపోలేషన్ పద్ధతి... .
ఆవిష్కరణ ప్రక్రియ ప్రారంభతతో ప్రారంభమవుతుంది, ఇందులో వినూత్న ఆలోచన కోసం శోధన ఉంటుంది. ఈ శోధన అత్యంత ముఖ్యమైన మరియు అత్యంత కష్టమైన క్షణం, ప్రత్యేకంగా అభివృద్ధి చేయబడిన పద్ధతులను ఉపయోగించడం ద్వారా వర్గీకరించబడుతుంది. ఒక వినూత్న ఆలోచనలో సాధారణ ఆలోచన ఉంటుంది... .