Меню
ГлавнаяРастяжения

Методы социального прогнозирования. Программа поддержки многодетных семей

Формализованные методы делятся по общему принципу действия на четыре группы: экстраполяционные (статистические), системно-структурные, ассоциативные и методы опережающей информации.

В практике прогнозирования экономических процессов преобладающими, по крайней мере до последнего времени, являются статистические методы. Это вызвано, главным образом, тем, что статистические методы опираются на аппарат анализа, развитие и практика применения которого имеют достаточно длительную историю. Процесс прогнозирования, опирающийся на статистические методы, распадается на два этапа.

Первый заключается в обобщении данных, собираемых за некоторый период времени, а также создании на основе этого обобщения модели процесса. Модель описывается в виде аналитически выраженной тенденции развития (экстраполяция тренда) или в виде функциональной зависимости от одного или нескольких факторов- аргументов (уравнения регрессии). Построение модели процесса для прогнозирования, какой бы вид она ни имела, обязательно включает выбор формы уравнения, описывающего динамику и взаимосвязь явлений, и оценивание его параметров с помощью того или иного метода.

Второй этап - сам прогноз. На этом этапе на основе найденных закономерностей определяется ожидаемое значение прогнозируемого показателя, величины или признака. Безусловно, полученные результаты не могут рассматриваться как нечто окончательное, так как при их оценке и использовании должны приниматься во внимание факторы, условия и ограничения, которые нс участвовали в описании и построении модели. Их корректировка должна осуществляться в соответствии с ожидаемым изменением обстоятельств их формирования.

Необходимо также отметить, что в ряде случаев собственно статистическая обработка экономической информации вовсе не является прогнозом, однако фигурирует как важное звено в общей системе его разработки. Мировая практика обладает обширным материалом в области перспективного анализа, и уже сейчас очевидно, что успешность прогнозов, получаемых на основе статистических моделей, существенно зависит от анализа эмпирических данных, от того, насколько такой анализ сможет выявить и обобщить закономерности поведения изучаемых процессов во времени.

Одним из наиболее распространенных методов прогнозирования является экстраполяция , т.е. продление на перспективу тенденций, наблюдавшихся в прошлом (более подробно метод экстраполяции изложен в следующей главе). Экстраполяция базируется на следующих допущениях (7, с.151):

1) развитие явления может быть с достаточным основанием охарактеризовано плавной траекторией - трендом;

2) общие условия, определяющие тенденцию

развития в прошлом, не претерпят существенных изменений в будущем.

Экстраполяцию можно представить в виде определения значения функции:

гдеу, +/ - экстраполируемое значение уровня;

у* - уровень, принятый за базу экстраполяции;

L - период упреждения.

Простейшая экстраполяция может быть проведена на основе средних характеристик ряда: среднего уровня, среднего абсолютного прироста и среднего темпа роста.

Если средний уровень ряда нс имеет тенденции к изменению или, если это изменение незначительно, то можно принять:

Если средний абсолютный прирост сохраняется неизменным, то динамика уровней будет соответствовать арифметической прогрессии:

Если средний темп роста не имеет тенденцию к изменению, прогнозное значение можно рассчитать по формуле:

где г - средний темп роста;

у" - уровень, принятый за базу для экстраполяции.

В данном случае предполагается развитие по геометрической прогрессии или по экспоненте. Во всех случаях следует определять доверительный интервал, учитывающий неопределенность и погрешность используемых оценок.

Наиболее простым и известным является метод скользящих средних, осуществляющий механическое выравнивание временного ряда. Суть метода заключается в замене фактических уровней ряда расчетными средними, в которых погашаются колебания. Метод подробно рассмотрен в курсе теории статистики .

Для целей краткосрочного прогнозирования также может использоваться метод экспоненциального сглаживания. Средний уровень ряда на момент I равен линейной комбинации фактического уровня для этого же момента у , и среднего уровня прошлых и текущего наблюдений.

где Q" - экспоненциальная средняя (сглаженное значение уровня ряда) на момент t ;

а - коэффициент, характеризующий вес текущего наблюдения при расчете экспоненциальной средней (параметр сглаживания), 0Если прогнозирование ведется на один шаг вперед, то прогнозное значение у, +| = Q: является точечной оценкой.

Экстраполяция тренда возможна, если найдена зависимость уровней ряда от фактора времени t, в этом случае зависимость имеет вид:

Виды кривых, основания выбора вида аналитической зависимости и расчет доверительного интервала рассмотрены в следующей главе.

Для многих стационарных процессов в экономике характерно наличие тесной связи между уровнями за предыдущие периоды или моменты и последующими уровнями. В таких случаях зависимость от времени проявляется через характеристики внутренней структуры процесса за прошлые периоды. Выразив в аналитической форме взаимосвязь уровней временного ряда, можно использовать полученную закономерность для прогнозирования.

Модель стационарного процесса, выражающая значение показателя у { в виде линейной комбинации конечного числа предшествующих значений этого показателя и аддитивной случайной составляющей, называется моделью авторегрессии.

где а - константа, ср - параметр уравнения, е г - случайная компонента.

Рассмотренные выше методы, за исключением экстраполяции тренда, являются адаптивными, т.к. процесс их реализации заключается в вычислении последовательных во времени значений прогнозируемого показателя с учетом степени влияния предыдущих уровней.

Морфологический метод разработан известным швейцарским астрономом Ф. Цвикки, работавшим в обсерваториях в штате Калифорния до 1942 г. Три типа проблем, которые по его мнению морфологический анализ способен разрешить:

  • какое количество информации об ограниченном круге явлений может быть получено с помощью данного класса приемов?
  • какова полная цепочка следствий, вытекающих из определенной причины?
  • каковы все возможные методы и приемы решения данной конкретной проблемы?

Ответом на второй вопрос является построение дерева целей на основе теории графов. Ответ на третий вопрос дает изыскательское прогнозирование.

Преждевременная постановка вопроса о ценности наносит ущерб исследованию. Упорядочивание всех решений, в том числе тривиальных, позволяет уйти от стереотипов, структурирует мышление таким образом, что генерируется новая информация, ускользающая от внимания при несистематической деятельности.

В морфологическом анализе систематически исследуются все комбинации при проведении качественных изменений основных параметров концепции и посредством этого выявляются возможности новых комбинаций.

Наиболее конструктивным из прикладных направлений системных исследований считается системный анализ. "Анализ системы в целом" ("total systems analyses") впервые был разработан корпорацией "РЭНД" в 1948 году для оптимизации сложных задач военного управления. Однако независимо от того, применяется термин «системный анализ» только к определению структуры целей и функций системы, к планированию, разработке основных направлений развития отрасли, предприятия, организации, или к исследованию системы в целом, включая и цели, и оргструк- туру, работы по системному анализу отличаются тем, что в них всегда предлагается методика проведения исследования, организации процесса принятия решения, делается попытка выделить этапы исследования или принятия решения и предложить подходы к выполнению этих этапов в конкретных условиях.

Кроме того, в этих работах всегда уделяется особое внимание работе с целями системы: их возникновению, формулированию, детализации (декомпозиции, структуризации), анализу и другим вопросам преобразования (целе- полагания). Некоторые авторы даже в определении системного анализа подчеркивают, что это методология исследования целенаправленных систем. При этом разработка методики и выбор методов и приемов выполнения ее этапов базируются на системных представлениях, на использовании закономерностей, классификаций и других результатов, полученных теорией систем.

К методам нормативного технологического прогнозирования относятся матричные подходы , используемые для проверки согласования с различными горизонтально действующими факторами. Двумерные матрицы дают быстрый метод оценки первоочередности того или иного из предполагаемых вариантов. Этому принципу соответствует распространенный в менеджменте метод SWOT анализа, т.е. учет слабых и сильных сторон объекта, угроз и преимуществ во внешней среде.

С точки зрения методики к матричным методам относятся методы и модели теории игр. Они применяются в прогнозировании социально-экономических процессов при анализе ситуаций, возникающих вследствие определенных отношений между исследуемой системой и другими противоположными системами. Примером является рассмотрение предприятия (одного игрока) и природы (другого игрока), т.е. реакции и поведения покупателей.

Другой пример связан с деятельностью предприятий и экономической политикой правительства. Распределение дохода является компромиссом между необходимостью централизации доходов и обеспечения экономической самостоятельности предприятий. Стратегия предприятия формируется с учетом суммарного выигрыша, который оно получает от остающейся у него доли дохода и от дополнительных возможностей, предоставляемых ему центром. Стратегия государства состоит в определении доли централизованных доходов, нс подрывающих экономических возможностей развития предприятий и в то же время является достаточной для решения общегосударственных задач, в конечном счете имеющих значение и для самих предприятий (3, с. 188).

Основной задачей теории игр является разработка рекомендаций по выбору наиболее эффективных решений по управлению процессами в условиях действия неопределенных факторов. К неопределенным относят факторы, о которых исследователь не располагает никакой информацией, они имеют неизвестную природу.

Современный конкурентный мир характеризуется стратегической неопределенностью вследствие участия в нем множества сторон, имеющих собственные различные цели и недостаточно представляющих стратегии конкурентов. В стратегическом менеджменте конкурентная стратегия должна развиваться в направлении от конфликтных ситуаций к партнерству. При этом каждая сторона должна быть готова пойти на определенные потери и быть уверена, что ее конкурент также готов к потерям (4, с.318).

К методам статистического моделирования относятся уравнения регрессии, описывающие взаимосвязи временных рядов независимых признаков и результативных признаков. Прогнозные уровни рассчитываются посредством подстановки в уравнение регрессии прогнозных значений признаков-факторов, которые могут быть получены, например, на основе экстраполяции. Прогнозирование на основе регрессионных моделей может выполняться только после оценки значимости коэффициентов регрессии и проверки модели на адекватность. Вопросы применения регрессионного анализа для целей прогнозирования рассмотрены в главе 4.

Инструментом прогнозирования, учитывающим требования системного подхода к объекту и его количественным характеристикам, являются эконометрические модели. Областью их приложения являются макроэкономические процессы на уровне национальной экономики, ее секторов и отраслей, экономики территорий.

Эконометрические исследования берут свое начало от У.Петти, Дж.Граунта, А.Кетле и в этот список можно включить всех статистиков, внесших значительный вклад в изучение массовых экономических явлений посредством количественных измерений.

Развитию некоторых проблем эконометрического моделирования посвящены работы многих экономистов в области экономико-математического моделирования в 50- 80-е годы прошлого века.

Логика эконометрических монографий обращена прежде всего к различным приложениям, чем к решению задач, возникающих в теории. Так построены переведенные на русский язык монографии Г.Тейла и Э.Маленво , ставшие доступными широкому кругу читателей в 70-х годах прошлого века и сыгравшие большую роль в решении прикладных задач.

Систематическому изложению методов теоретической эконометрики посвящена монография Дж.Джонстона "Эконометрические методы" , изданная в 1980 году. Книга содержит многочисленные примеры и результаты, полученные вплоть до конца 70-х годов, после которых начался качественно новый этап развития рыночной экономики.

В течение последних 10 лет эконометрика вошла в учебные планы экономических специальностей вузов России, и также подготовлена необходимая учебная и методическая литература ведущими отечественными статистиками. Основными среди них являются учебники и учебные пособия, разработанные С.А. Айвазяном, В.С. Мхитаряном (1) и И.И. Елисеевой (6).

Функционально-иерархическое моделирование представляет согласование отдаленной цели с действиями (функциями), которые необходимо предпринять для ее достижения в настоящем и будущем времени. Впервые идея построения графа по принципу дерева целей была предложена группой исследователей в связи с проблемами принятия решений в промышленности (7). Деревья целей с количественными показателями используются в качестве вспомогательного средства при принятии решений и носят в этом случае название деревьев решений.

Первое крупное применение методики дерева целей к количественным расчетам в области принятия решений было осуществлено отделом военных и космических наук компании "Хониуэлл". Схема ПАТТЕРН, первоначально использованная для проблем аэронавтики и космоса, была превращена в универсальную схему, охватывающую все военные и космические сферы деятельности.

Сетевое моделирование широко используется в нормативном технологическом прогнозировании. Наибольшую известность приобрел метод критического пути, основанный на использовании сетевых графиков, отражающих различные стадии каждой части проекта, и анализирующий их с целью выбора оптимального пути между начальной и конечной стадиями. В качестве критерия выступают издержки или сроки. Сетевое моделирование использует в качестве вспомогательного инструмента дерево целей.

В основе метода имитационного моделирования лежит идея максимального использования всей имеющейся информации о системе. Целью является анализ и прогноз поведения сложной системы со множеством функций, не все из которых количественно выражены.

Имитационное моделирование нашло широкое применение в прогнозировании процессов, анализ которых невозможен на основе прямого эксперимента.

Возможность систематизированного использования подобия в развитии различных объектов лежит в основе метода исторических аналогий. Как отмечено Э.Янчем (8, с.221), историческая аналогия всегда играла некоторую осознанную или неосознанную роль при прогнозировании. Впервые результаты систематического использования исторической аналогии к "главным социальным изобретениям XX века, проведенного под эгидой Американской академии искусств и наук, были представлены в книге "Железнодорожная и космическая программы - исследование с позиций исторической аналогии".

При использовании исторических аналогий необходимо иметь в виду:

  • - успех зависит от правильного выбора объектов сопоставления;
  • - имеет место историческая обусловленность процессов и явлений;
  • - нововведения в социально-экономических процессах несут отпечаток национального "стиля".

В прошлом О.Шпенглер и позднее А.Тойнби стремились переосмыслить общественно-историческое развитие человечества в духе теории круговорота локальных цивилизаций. Конец XX века с его гигантскими изменениями привел к столкновению цивилизаций и глобализации.

Метод исторических аналогий достаточно условно можно отнести к формализованным методам, т.к. на стадии выбора он содержит достаточную долю субъективизма, характерную для экспертных методов. Исторические аналогии позволяют решать задачи научно-технического прогнозирования. При этом в качестве источника опережающей информации используются показатели качества аналога, сдвинутые относительно объекта по оси времени. Метод ориентирован на прогноз развития объектов одной природы, поэтому могут использоваться классификации или методы распознавания образов.

Группа методов опережающей информации относится к технологическому прогнозированию и связана с мониторингом новейших исследований, результатов и прорывов в различных областях знаний и оценкой накопленных достижений. Методы основаны на свойстве научно-технической информации опережать реализацию достижений в производстве. Для осуществления такой деятельности имеются большие возможности в связи с высоким уровнем развития информационных технологий.

Основным источником информации является патентная и патснтно-ассоциирусмая информация: патенты, авторские свидетельства, лицензии, каталоги, коммерческая информация. Тенденцией современного мира является сокращение "жизненного цикла" нововведений.

  • 1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. - М.: ЮНИТИ, 1998.
  • 2. Рабочая книга по прогнозированию / Отв.ред. И.В. Бестужев-Лада. -М.: Мысль, 1982.
  • 3. Статистическое моделирование и

прогнозирование. Учебное пособие / Под рсд. А.Г.Гранберга. М., Финансы статистика, 1990.

  • 4. Минцберг Г., Куинн Дж.Б., Гошал С. Стратегический процесс/ Пер.с англ, под ред. Ю.Н. Каптурев- ского. - СПб: Питер, 2001. - 688 с., ил.
  • 5. Тихомиров Н.П., Попов В.А. Методы социально-экономического прогнозирования. - М.: Изд-во ВЗПИ, A/О "Росвузнаука", 1992.
  • 6. Эконометрика: Учебник/Под ред. И.И. Елисеевой. - М.: Финансы и статистика, 2002. - 344 с.,ил.
  • 7. Четыркин Е.М. Статистические методы прогнозирования. Изд. 2-е, перераб. и доп. - М.: "Статистика", 1977,- 200 с., ил.
  • 8. Янч Э. Прогнозирование научно- технического прогресса. - М.: Прогресс, 1974.
  • См., напримср:Тсория статистики / Под рсд. Р.А. Шмойловой. - М.:Финансы и статистика, 1996. С. 313.
  • Тейл Г. Экономические прогнозы и принятие решений - М., Статистика, 1971; Малснво Э. Статистические методы эконометрии - М.,Статистика, 1975, вып.1; 1976, вып.2.
  • Джонстон Дж. Эконометрические методы / Пер. с англ, и предисл.А.А. Рывкина. - М.: Статистика, 1980. - 444 с., ил.
  • Тойнби А. Постижение истории. М, 1991, с. 19.

Cтраница 3


Одной из первых задач в этой области является сбз-дание инженерных методов предпроектного анализа существующих систем управления, формализованных методов самого анализа и представления его результатов, позволяющих проводить анализ с помощью ЭВМ. Такие методы и модели удается получить на основе аппарата теории графов и матричной алгебры.  

Построение и анализ тестов могут быть выполнены с использованием методов, изложенных в работах , посвященных исследованию формализованных методов алгоритмизации процессов диагностирования. Несколько обособленными следует считать методы минимизации программ поиска дефекта, основанные на оценке количества информации. В показано, что оценка поиска дефекта возможна как для равновероятных, так и для неравновероятных событий. Несмотря на кажущуюся простоту задачи, определение оптимальной программы поиска дефекта для систем с неравновероятными дефектами элементов сложно.  

Понятие дискретный преобразователь возникло на пути к применению теории автоматов в исследовании некоторых задач теории программирования и построении формализованных методов проектирования структур вычислительных машин.  

При этом в ряде случаев могут быть учтены корреляционные связи между отдельными показателями, но сохраняет силу отмеченный выше основной недостаток формализованных методов - невозможность учета неравноценности отдельных составляющих исходной информации.  

Большой интерес представляет исследование происходящих в пластах процессов при добавке в закачиваемую воду различных химических реагентов и, тем более, создание достаточно формализованных методов отыскания наилучшей технологии воздействия на залежь.  

В целях снижения влияния субъективных факторов при осуществлении расчетов и для повышения степени надежности и достоверности полученных результатов разработана экономико-математическая модель, позволяющая на базе формализованных методов определить оптимальную купюрную структуру наличных денег в обращении. Данная модель предполагает ранжирование на макроуровне объема потребности в банкнотах и монете в зависимости от уровня доходов хозяйствующих субъектов.  

При планировании разработки системы необходимо учитывать такие факторы, как взаимосвязь задач по технологии и ресурсам, необходимость использования ресурсов нескольких видов и др. Применение формализованных методов планирования позволяет обоснованно подходить к выбору оптимальной очередности разработки информационного обеспечения АСУ.  

Системный подход в химической технологии [ 4, 45, 47, 49] - это методологическое направление, основная задача которого состоит в разработке общей методологии, а также неформализованных или эвристических и формализованных методов комплексного исследования и создания сложных ХТП и ХТС разных типов и классов. Системный подход основан на одном из важнейших законов диалектического материализма - законе всеобщей связи, взаимодействия и взаимообусловленности явлений в мире и обществе , исходя из которого любые изучаемые явления рассматриваются не только как самостоятельные системы, но и как подсистемы некоторой большей системы.  

В дальнейшем, безусловно, будут найдены более углубленные постановки и обоснованные математические модели рассматриваемых процессов, но даже эти первые результаты позволяют показать потенциальные возможности формализованных методов решения задач по поиску оптимальных проектных решений, которые дают технологу возможность рассмотреть все возможные варианты реализации технологических процессов и максимально эффективно использовать имеющуюся геолого-техническую информацию.  

Системный подход в химической технологии - это методологическое направление, основная цель которого состоит в разработке общей стратегии, а так же неформализованных, или эвристических, и формализованных методов комплексного исследования и создания сложных химико-технологических процессов (ХТП) и ХТС разных типов и классов. Системный подход предполагает, что взаимосвязь и взаимодействие ХТП, входящих в некоторую ХТС, обеспечивают появление у этой ХТС принципиально новых свойств, которые не присущи ее отдельным невзаимосвязанным ХТП.  

Приходится использовать некоторые наиболее типичные товары-представители, например, из всех сортов яблок - один. Формализованных методов подобного отбора не существует. В результате, проблема построения хорошего индекса смещается в сферу во многом интуитивных оценок: сколько и каких товаров оставить в наборе, чтобы, с одной стороны, не исказить результат, а с другой - обеспечить практическую выполнимость задачи получения исходной информации о ценах и объемах.  

При этом оказалось, что решение этой задачи способами, 1звестными из обязательного школьного курса математики, затруд-штельно. Поэтому здесь будет предложен формализованный метод ре - ления, основанный на применении матричного исчисления. При этом порядок, в котором это исключение произво - (ится, выбирает сам решающий. Для решения больших систем (на-фимер, с 2000 уравнений и таким же количеством переменных) ис-юльзование указанных выше методов нецелесообразно. Здесь мы ассмотрим одну из модификаций метода последовательного исключе-шя переменных, разработанного Карлом Фридрихом Гауссом. Банашевичем в 1938 г. Она позволяет записать процесс ре-ления в удобной, обозримой форме и облегчает контроль вычислений.  

При этом практика показывает, что на основе интуитивных соображений экспериментатор, как правило, не может грамотно выбрать достаточно полную систему конкурирующих гипотез, в особенности если речь идет о многостадийных реакциях. Возникает настоятельная необходимость разработки формализованных методов решения данного этапа общей схемы, базирующихся а стехиометрическом анализе реакционной системы. Применение приемов стехиометрического анализа позволяет исследователю определить все возможные реакции среди всех молекулярных видов реакционной системы, на их основе строить системы гипотез о возможных механизмах протекания сложной химической реакции и для каждого механизма грамотно вывести корректную кинетическую модель, представленную в наиболее удобном и компактном виде.  

Такое системное исследование формирования и оборота научной информации имеет не только самостоятельное значение. Оно необходимо при разработке любых формализованных методов анализа информационных массивов, их оптимизации. Это обусловлено тем, что автоматизация управления организационно-техническими системами не может быть действенной без учета специфики объекта ее приложения.  

Вариант плана, вырабатываемый с помощью формализованных методов, является базовым, а новые варианты появляются под влиянием новых идей.  

Там, где возможно произвести формализацию связей между основными показателями развития исследуемой системы, используют фактографические, или формализованные, методы.

Преимущество фактографических методов перед интуитивными (экспертными) состоит в возрастании объективности прогноза, расширении возможности рассмотрения различных вариантов и в автоматизации процесса прогнозирования, что позволяет экономить большое количество ресурсов.

Однако при формализации многое остается за пределами анализа, и чем выше степень формализации, тем беднее в общем случае оказывается модель.

Формализованные методы делятся по общему принципу действия на четыре группы: 1.

Экстраполяционные (статистические) методы. 2.

Системно-структурные методы и модели. 3.

Ассоциативные методы. 4.

Методы опережающей информации.

Рассмотрим перечисленные методы более подробно. 2.4.1.

Методы прогнозной экстраполяции (статистические)

При прогнозировании экономических процессов наиболее востребованы статистические методы. Это вызвано главным образом тем, что статистические методы опираются на аппарат анализа, развитие и практика применения которого имеют длительную историю. В ряде случаев прибегают к построению сценариев развития, морфологическому анализу, историческим аналогиям. Новым подходом к прогнозированию развития экономических систем является, в частности, «симптоматическое» прогнозирование, суть которого состоит в выявлении «предвестников» будущих сдвигов в технике и технологии. Однако в практике экономики преобладают по-прежнему статистические методы (что обусловлено явлением инерционности). Процесс прогнозирования, опирающийся на статистические методы, распадается на два этапа.

Первый этап - собирают данные, описывающие поведение объекта прогнозирования за некоторый промежуток времени, эти данные обобщают, на основании чего создают модель процесса. Модель может быть описана в виде аналитически выраженной тенденции развития (экстраполяция тренда) или в виде функциональной зависимости от одного или нескольких факторов-аргументов (уравнения регрессии). Построение модели процесса для прогнозирования, какой бы вид она ни имела, обязательно включает выбор формы уравнения, описывающего динамику и взаимосвязь явлений, и оценивание его параметров с помощью того или иного метода.

Второй этап - непосредственный прогноз. На этом этапе на основе найденных закономерностей определяют ожидаемое значение прогнозируемого показателя, величины или признака. Полученные результаты еще не могут рассматриваться как окончательные, так как при их оценке и использовании должны приниматься во внимание факторы, условия и ограничения, которые не участвовали в описании и построении модели. Корректировка промежуточных результатов должна осуществляться в соответствии с ожидаемым изменением обстоятельств.

Как отмечено в книге по теории прогнозирования15, статистические методы основаны на построении и анализе динамических рядов либо данных случайной выборки. Авторы книги относят к ним и методы прогнозной экстраполяции, корреляционный и регрессионный анализ, отмечая, что в группу статистических методов можно включить метод максимального правдоподобия и ассоциативные методы - имитационное моделирование и логический анализ. Однако, на наш взгляд, правильно разделять экстраполяционные методы и математические.

Динамику исследуемых показателей развития хозяйственной системы можно прогнозировать при помощи двух различных групп количественных методов: однопараметрического и многопараметрического прогнозирования. Общим для обеих групп методов является прежде всего то, что применяемые для параметрического прогнозирования математические функции основываются на оценке измеряемых значений прошедшего периода (ретроспективы). Однопараметрическое прогнозирование базируется на функциональной зависимости между прогнозируемым параметром (переменной) и его прошлым значением, либо фактором времени:

У+1 = Яу? yt-v ..., yj.

При обработке таких прогнозов пользуются методом экстраполяции трендов, экспоненциальным сглаживанием или авторегрессией. В основе многопараметрических прогнозов лежит предположение о причинной взаимосвязи между прогнозируемым параметром и несколькими другими независимыми переменными:

Я+1 = f (х^ или у,+1 = f (%1, х2, ..., хп).

Однопараметрические методы следует использовать при краткосрочном (менее одного года) прогнозировании показателей, изменяющихся еженедельно или ежемесячно; многопараметрические оправдывают себя для средне- и долгосрочного прогнозирования.

Выбор конкретного параметрического метода прогнозирования, кроме того, зависит от характера исходной статистической базы. В качестве исходных данных могут быть взяты выборочные наблюдения и динамические ряды. В первом случае в качестве инструмента прогноза применяют регрессию. Значительно чаще, чем случайная выборка, информационной базой для прогноза служат динамические ряды. Тогда в качестве инструментов прогноза выступают тренды, авторегрессия, смешанная авторегрессия и т.п. Выбор адекватного подхода зависит от того, обнаружены ли экзогенные факторы, влияющие на значение зависимой переменной, или нет, влияют ли на зависимую переменную предшествующие значения этой же переменной и т.д.

В целом процесс выбора конкретного метода статистического параметрического прогнозирования показан на рис. 2.216.

Методы простой экстраполяции. Одним из наиболее распространенных методов прогнозирования является экстраполяция, т.е. продление на перспективу тенденций, наблюдавшихся в прошлом. Экстраполяция базируется на следующих допущениях. 1.

Развитие явления может быть с достаточным основанием охарактеризовано плавной траекторией - трендом. 2.

Общие условия, определяющие тенденцию развития в прошлом, не претерпят существенных изменений в будущем.

Рис. 2.2. Схема выбора статистического метода прогнозирования

Простую экстраполяцию можно представить в виде определения значения функции

У+1 = f (у*, L),

где у + - экстраполируемое значение уровня;

у** - уровень, принятый за базу экстраполяции;

L - период упреждения.

Простейшая экстраполяция может быть проведена на основе средних характеристик ряда: среднего уровня, среднего абсолютного прироста и среднего темпа роста.

Если средний уровень ряда не имеет тенденции к изменению или если это изменение незначительно, то можно принять

Если средний абсолютный прирост сохраняется неизменным, то динамика уровней будет соответствовать арифметической прогрессии

Если средний темп роста не имеет тенденции к изменению, прогнозное значение можно рассчитать по формуле

где т - средний темп роста;

У* - уровень, принятый за базу для экстраполяции.

В данном случае предполагается развитие по геометрической прогрессии или по экспоненте.

Во всех случаях следует определять доверительный интервал, учитывающий неопределенность и погрешность используемых оценок.

Метод скользящих средних. Наиболее простым и известным является метод скользящих средних, осуществляющий механическое выравнивание временного ряда. Суть метода заключается в замене фактических уровней ряда расчетными средними, в которых погашаются колебания. Метод подробно рассмотрен в курсе теории статистики17.

Метод экспоненциального сглаживания принято относить к группе адаптивных методов. Стоит отметить, что деление моделей на адаптивные и неадаптивные достаточно условное. Слово «адаптация» (от лат. adaptatio) означает приспособление строения и функций явлений и процессов к условиям существования. Применительно к прогнозированию процесс адаптации состоит в следующем. Пусть по модели ряда из некоторого исходного состояния делается прогноз. Ждем, пока пройдет одна единица времени, и сравниваем результат прогнозирования с фактически реализовавшимся значением. Ошибка прогнозирования через обратную связь поступает на вход системы и используется для корректировки (подстройки) модели с целью большего согласования своего поведения с динамикой ряда. Затем делается прогноз на следующий момент времени и т.д. Поэтому ценность различных членов ряда в адаптивных методах неодинакова. Больший вес и информационную ценность придают наблюдениям, ближайшим к точке прогнозирования.

Метод экстраполяции трендов. Трендовая модель - это математическая модель, описывающая изменение прогнозируемого или анализируемого показателя только в зависимости от времени и имеющая вид y = f(t). Метод, использующий трендовые модели в прогнозировании, называют методом экстраполяции тренда. Это один из пассивных методов прогнозирования, именуемый «наивным» прогнозом, так как он предполагает строгую инерционность развития, которая представляется в виде проектирования прошлых тенденций в будущее, а главное - независимость показателей развития от тех или иных факторов. Ясно, что нельзя переносить тенденции, которые сформировались в прошлом, на будущее. Причины этого следующие:

а) при краткосрочном прогнозировании экстраполяция прошлых усредненных показателей приводит к тому, что пренебре- гаются (или остаются незамеченными) необычные отклонения в обе стороны от тенденций. В то же время для текущего (краткосрочного) прогноза или плана основной задачей является предвидение этих отклонений;

б) при долгосрочном прогнозировании используется такой высокий уровень агрегирования, при котором не учитываются изменения структуры производимой продукции, самой продукции, изменение технологии производства, особенностей рын ков, т.е. все то, что составляет главные задачи стратегического планирования.

авторегрессионные модели. Модель стационарного процесса, выражающая значение показателя yt в виде линейной комбинации конечного числа предшествующих значений этого показателя и аддитивной случайной составляющей, называется моделью авторегрессии:

у = а + ФУ-1 + ^

где а - константа;

Ф - параметр уравнения;

єt - случайная компонента.

Рассмотренные методы, за исключением экстраполяции тренда, являются адаптивными, так как процесс их реализации состоит в вычислении последовательных во времени значений прогнозируемого показателя с учетом степени влияния предыдущих уровней.

Метод наименьших квадратов (МНК). Создание метода наименьших квадратов восходит к трудам Карла Фридриха Гаусса в конце XVIII в. и начале ХІХ в. в области исследований по астрономии. Этот метод приобрел самую широкую известность благодаря фундаментальным трудам многих статистиков и математиков и его применению в экономико-статистических расчетах.

Ввиду важности кратко рассмотрим МНК на простом примере зависимости между двумя переменными х и у, причем у зависит от х. Если установлено, что связь между ними нелинейная и описывается параболой, т.е. полиномом второй степени

у = a0 + a1x + a2x2

с параметрами a0, a1, a2, то задача сводится к отысканию трех неизвестных параметров.

При числе наблюдений (количестве уровней в рядах) п значения величин х и у представлены двумя рядами данных: у1, у^ ..., уп и xv ^ ..., хп.

Если бы все значения, полученные по данным наблюдения, лежали строго на линии, описываемой уравнением параболы, то для каждой точки было бы справедливо равенство

у» - a0 + aX + 02xf = 0.

Однако в действительности

У - a + a X + aj xf = A t,

которое существует вследствие ошибок измерения и случайных неучтенных факторов. Необходимо найти такие коэффициенты регрессии, чтобы ошибка была минимальной. Можно минимизировать сумму абсолютных отклонений (по модулю) или сумму кубических отклонений либо наибольшую абсолютную ошибку. Однако оптимальным подходом является минимизация квадрата отклонений

S = X A2 ^ min. t=1

Минимизация квадратов отклонений обладает тем свойством, что число нормальных уравнений равно числу неизвестных параметров. Минимизация суммы

S = X AH = Х(у - (- a1 xt - a2x2) -> min t=1 t=1

дает три уравнения для каждого из трех параметров. Для нахождения значений неизвестных параметров необходимо приравнять к нулю частные производные указанной суммы по этим параметрам:

2X (у - a0 - ajX - apx2) = 0,

2X (у - a0 - ajX - ape2) = 0,

2^(у - a0 - a1x - apx2) = 0.

Проведение простейших преобразований приводит к системе нормальных уравнений

na0 + a ? х + a2 ? х2 = ? y,

A0 ? х + a1 ? х2 + a2 ? х3 = ? ух, ao? х2 + a1 ? х3 + a2? х4 = ? ух2.

Решение системы линейных относительно неизвестных параметров уравнений любым из способов дает значения a0, a1, a2. Обычно полиномы выше третьей степени практически не используются, и система нормальных уравнений такого полинома будет состоять соответственно из четырех уравнений.

МНК даже при сравнительно небольшом числе наблюдений приводит к получению достаточных оценок. Оценки могут быть точечными и интервальными. Точечные оценки обладают свойствами несмещенности, эффективности, состоятельности.

Однако любая оценка истинного значения параметра по выборочным данным может быть произведена только с определенной степенью достоверности. Степень этой достоверности определяется построением доверительных интервалов.

МНК может быть использован и в случаях, когда имеются данные косвенных наблюдений, являющиеся функциями многих неизвестных. МНК является основой регрессионного анализа, используемого при выполнении рассмотренных предпосылок. Условием его применения является также линейность уравнений регрессии относительно параметров. Исходя из классификации видов регрессии МНК применим для линейных и нелинейных регрессий первого класса. 2.4.2.

Главная > Учебно-методическое пособие

3.4.8 Формализованные методы

Некоторые экономические взаимосвязи и процессы можно описать с достаточной степенью точности при помощи формальных математических зависимостей – формул. На этой возможности основан ряд методов прогнозирования-планирования. Такие методы называются формализованные (лат. forma – образ, вид). К формализованным методам относятся методы экстраполяции, корреляционно-регрессионные методы, методы математического моделирования и др. Толчком к развитию формализованных методов, особенно методов моделирования, послужило применение электронно-вычислительной техники, позволяющей выполнять большие объёмы вычислений. В развитии формализованных методов обозначился новый этап – этап экономико-математических методов (ЭММ), соединивших в себе математическую теорию и возможности ЭВМ. ЭММ, основанные на методах прикладной математики и математической статистики, позволили значительно расширить возможности применения и направления использования формализованных методов. Появилась возможность глубже анализировать взаимосвязи в экономике, всесторонне обосновывать изменения экономических показателей, ускорять получение и обработку информации, осуществлять многовариантные расчёты планов, прогнозов, программ и выбирать оптимальный вариант по заданному критерию. Экстраполяция (лат. extra – сверх, вне; polio – приглаживаю, изменяю) – заключается в изучении сложившихся в прошлом и настоящем устойчивых тенденций экономического развития и перенесении их на будущее. В математическом смысле экстраполяция означает распространение закона изменения функции из области её наблюдения на область, лежащую вне отрезка наблюдения. Тенденция, описанная некоторой функцией от времени, называется трендом. Функция представляет собой простейшую математико-статистическую (трендовую) модель изучаемого явления. В общем виде экстраполяция осуществляется следующим образом: – сначала собираются данные об изменении во времени какой-либо характеристики (нескольких характеристик) исследуемого объекта прогнозирования. Упорядоченные по времени наборы таких данных называются динамическими (временными) рядами ; – далее, на основе собранных данных (временных рядов) подбирается математическая зависимость (формула), которая наиболее близко описывала бы изменение во времени характеристики объекта прогнозирования. В практических исследованиях наиболее часто применяются зависимости (формулы): y = ax + b (линейная); y = ax 2 + bx + c (квадратичная); y = x n (степенная); y = a x (показательная); y = ae x (экспоненциальная). Для определения числовых значений параметров зависимости наиболее часто используется метод наименьших квадратов (МНК) и его модификации. Суть МНК состоит в отыскании параметров математической зависимости (модели тренда), минимизирующих отклонения расчётных значений от соответствующих значений исходного ряда, т. е. искомые параметры должны удовлетворять условию

Где n – число наблюдений; – значение исходного ряда; – расчётное значение; – получив математическую зависимость (формулу), можно подставить в неё любые значения времени (в т. ч. и будущего) и вычислить для этого времени значения характеристики объекта (в т. ч. и в будущем). Сглаживание временных рядов используется как для выявления тенденций изменения, так и непосредственно для построения прогнозов. Для сглаживания рядов часто применяют метод скользящего среднего и метод экспоненциального сглаживания. Метод скользящего среднего . Пусть – стационарный, (т. е. имеющий тренда) динамический ряд. Скользящее среднее указанного ряда определяется по формуле

Или, что то же самое, . Поскольку ряд стационарен, в качестве прогноза по методу скользящего среднего берут последнее найденное значение . Скользящее среднее имеет ряд особенностей. Для того чтобы начать процесс сглаживания, необходимо иметь в наличии n – 1 предыдущих наблюдений. Поэтому прогноз не может быть построен раньше чем через n моментов времени. Данным, включённым в процесс скользящего среднего, присваивается одинаковый вес, всем остальным – нулевой. Для устранения последнего недостатка можно использовать процедуры скользящего среднего с убывающими весами, например,

Указанные недостатки метода скользящего среднего преодолены в процедуре экспоненциального сглаживания , который также используется для прогнозирования стационарных временных рядов. Общая формула экспоненциального среднего имеет вид

,

Где α – коэффициент сглаживания. В качестве прогноза берут последнее полученное значение u t . Перечислим основные особенности экспоненциального сглаживания: – для вычисления экспоненциально взвешенного среднего u t требуются всего два значения: предыдущее значение среднего u t –1 и текущее значение ряда y t ; – в экспоненциальном сглаживании нет точки, на которой веса используемых значений исходного динамического ряда обнуляются. Рекуррентно подставляя в последнюю формулу полученные на предыдущих шагах значения u t , получаем, что наблюдение с лагом k имеет вес α(1–α) k –1 . Таким образом, веса экспоненциально убывают со временем. Одним из достоинств модели экспоненциального сглаживания является то, что в её основу положена логичная и легко понимаемая концепция. Значение экспоненциального среднего состоит из взвешенной суммы текущего значения исследуемого ряда и полученного на последнем шаге экспоненциального среднего, представляющего тенденцию. Чем больше α, тем быстрее колебания исходного динамического ряда отражаются на общей тенденции. Чем меньше α, тем сильнее они подавляются и тем более гладким будет полученный ряд. Легко вывести общее правило выбора константы сглаживания α: для конъюнктурных прогнозов, где в большей степени должна учитываться свежая информация, следует использовать более высокое значение α, чем для долгосрочных прогнозов. Считается, что на практике приемлемые значения константы обычно лежат в промежутке . Методы экстраполяции, скользящего среднего, экспоненциального сглаживания не имеют ничего общего с природой объекта и его сущностью. Они описывают лишь предполагаемую тенденцию его развития на основании сложившейся тенденции. Поэтому подобные методы, основанные на продлении тенденций прошлого и настоящего на будущий период, могут использоваться в прогнозировании лишь при небольших периодах упреждения и наличии устойчивых тенденций в развитии исследуемого объекта. Очевидно, что поведение прогнозируемого объекта может неожиданно и значительно измениться, чего невозможно учесть в математических зависимостях, используемых для экстраполяции. Регрессионный метод . Метод построения регрессионного уравнения используется при выполнении следующих условий: – значение прогнозируемого показателя зависит от значений других показателей (факторов), представленных в виде динамических рядов; – имеется выборка данных, каждый элемент которой содержит значение показателя и набор значений факторов; – на период, для которого строится прогноз показателя, известны значения всех факторов или их можно оценить. Пусть имеется выборка из n элементов, содержащая значения y i изучаемого показателя и значения x ij факторов, где i = 1, …, n – номер случая (элемента выборки), j = 1, …, m – номер фактора. Опишем алгоритм прогноза показателя на основе регрессии. Он состоит из четырёх шагов. Шаг 1 . Эмпирическим путём выбирается тип зависимости между показателем и факторами:

y = f (x 1 , …, x m , a 0 , a 1 , …, a k ),

Где y – изучаемый показатель (зависимая переменная); x j , j = 1, …, m , – j -й фактор (j -я независимая переменная); a s , s = 0, 1, …, k – неизвестный параметр функции. Как правило, выбирается линейная зависимость

y = a 0 + a 1 x 1 + j + a m x m ,

Но на основе визуального анализа выборки или каких-либо экономических рассуждений может быть выбрана зависимость другого типа. Шаг 2 . Подбираются такие параметры a 0 , a 1 , a k , чтобы при подстановке в функцию f значений независимых переменных x 1 , …, x m из выборки полученные значения функции наиболее точно приближали соответствующие значения переменной y . Критерием точности является сумма квадратов остатков, т. е. разностей между значениями зависимых переменных и значениями функции. Построенное уравнение называется уравнением регрессии. Шаг 3 . На место независимых переменных в функцию f подставляются значения факторов, известные или оцененные для прогнозируемого периода. Полученное значение функции считается прогнозом. Шаг 4 . На основе анализа характеристик уравнения регрессии оценивается точность прогноза и делается вывод о целесообразности его использования. Зачастую при использовании регрессионного уравнения для прогноза экономического показателя четвёртым шагом пренебрегают, ограничиваясь лишь применением коэффициента детерминации. Этот коэффициент характеризует точность подгонки исследуемой выборки. Для оценки качества построенного уравнения регрессии и точности прогноза существуют другие типы статистических характеристик. Так, статистика Дарбина–Уотсона используется в качестве критерия для проверки автокорреляции у остатков. Отсутствие последней является необходимым условием корректности регрессионного анализа. Для обоснования правомерности использования результатов регрессии проводится также проверка значимости уравнения. О точности прогноза судят по рассчитанным доверительным интервалам. Характер зависимости между показателями анализируют на основе стандартизированных коэффициентов. Расчёт перечисленных, а также многих других характеристик уравнения регрессии реализован в специализированных пакетах прикладных программ для ЭВМ. В пакетах статистического анализа реализованы также методы пошаговой регрессии, когда оптимальный набор независимых переменных формируется автоматически. При использовании методов моделирования на основе предварительного изучения объекта и выделения его существенных характеристик «конструируется» модель. Экономико-математическая модель любого вида представляет собой формализованное описание исследуемого процесса или объекта в виде математических зависимостей и отношений. После составления модели проводится её экспериментальный и теоретический анализ, сопоставление результатов прогнозных расчётов на основе модели с фактическими данными состояния объекта или процесса. Модель корректируется и дополняется. Исследуя полученную модель, можно предвидеть, каким образом поведёт себя реальный объект в определённых условиях в будущем. В прогнозировании и планировании выделяют различные виды (типы) моделей: оптимизационные, факторные, структурные, модели межотраслевого баланса и др. В зависимости от уровня агрегирования один и тот же тип может применяться к различным экономическим объектам, поэтому выделяют модели: макроэкономические, межотраслевые, межрайонные, отраслевые, региональные и микроэкономические (на уровне предприятия, объединения). Оптимизационные модели основаны на выборе критерия оптимальности , на основе которого путём сравнения различных вариантов выбирается лучший (оптимальный) вариант. Оптимизационная экономико-математическая модель состоит из целевой функции и системы ограничений. Целевая функция описывает цель оптимизации и отражает зависимость показателя, по которому ведётся оптимизация, от независимых переменных (ограничений). Система ограничений отражает объективные экономические связи и зависимости и представляет собой систему равенств и неравенств, например, между потреблением ресурсов или величинами технико-экономических показателей и установленными лимитами, а также пределами выпуска продукции. Влияние каждой из переменных на величину целевой функции выражается коэффициентом-показателем, экстремум которого выступает критерием оптимальности . Примеры оптимизационных моделей в планировании и прогнозировании: модели оптимизации развития и размещения производств, модели оптимизации структуры производства продукции отраслей промышленности, модели АПК, модели транспортных задач, с помощью которых осуществляется рациональное прикрепление поставщиков к потребителям и определяются минимальные транспортные затраты, и другие. Применение формализованных методов в прогнозировании и планировании ограничено в силу сложности и многофакторности экономических явлений и процессов и неочевидности многих экономических взаимосвязей. Жизнь нельзя выразить математической формулой.

3.4.9 Интуитивные методы (методы экспертных оценок)

Жизнь нельзя выразить математической формулой. Зачастую в предвидении будущего опираются на интуицию, подкреплённую знаниями и опытом работы. Группа методов прогнозирования-планирования, предназначенных для рационального использовании интуитивно-логического мышления человека в процессе прогнозирования и планирования, получила название интуитивные методы . Специалисты, личные суждения которых собираются и обрабатываются для получения необходимых сведений, называются экспертами (лат. expertus – опытный). Поэтому интуитивные методы ещё зачастую называют методами экспертных оценок . В сущности, интуитивные методы не являются методами составления прогнозов и планов. Это методы работы с людьми, чьи способности могут быть использованы в процессе составления прогнозов и планов. Основная идея интуитивных методов заключается в построении рациональной процедуры интуитивно-логического мышления человека в сочетании с количественными методами оценки и обработки получаемых результатов. Самым простым из интуитивных методов прогнозирования-планирования является, наверное, метод «интервью». Метод «интервью» предполагает беседу прогнозиста с экспертом по схеме «вопрос – ответ», в ходе которой прогнозист в соответствии с заранее разработанной программой ставит перед экспертом вопросы относительно перспектив развития прогнозируемого объекта. Успех такой оценки зависит от способности интервьюируемого эксперта экспромтом давать заключения по различным вопросам, а также от способности прогнозиста формулировать вопросы. Например, студенты, как правило, пытаются предвидеть, чего следует ожидать от преподавателя на предстоящем экзамене. Наиболее часто при этом используется метод «интервью». Студенты опрашивают товарища (эксперта), который этот экзамен уже сдавал (возможно, даже не один раз). На основании ответов «эксперта» делается вывод, стоит ли открывать конспект. Хорошо, когда вопрос простой и специалист может ответить на него сходу. Но чаще возникают вопросы, требующие времени для сбора необходимой информации, её переработки и подготовки ответа. Аналитический метод предполагает длительную и тщательную самостоятельную работу эксперта над анализом тенденций, оценкой состояния и путей развития прогнозируемого объекта. Он даёт возможность эксперту использовать всю необходимую ему информацию об объекте. Как правило, свои соображения эксперт оформляет в виде докладной записки, в которой приводит не только свои выводы, но и подробно обосновывает полученный результат. Основными преимуществами метода «интервью», аналитического метода и других методов, основанных на работе одного эксперта, являются возможность максимального использования индивидуальных способностей эксперта и незначительность психологического давления, оказываемого на отдельного специалиста. Знаний и способностей одного специалиста-эксперта бывает недостаточно. В ряде случаев применяются методы коллективных экспертных оценок («одна голова хорошо, а две – лучше»). При коллективной обработке индивидуальных независимых оценок, выносимых экспертами, могут возникать продуктивные идеи, кроме того при коллективном мышлении зачастую выше точность результата. Метод комиссии основан на работе специальных комиссий: группа экспертов за «круглым столом» обсуждает проблему с целью согласования точек зрения и выработки единого мнения. При методе комиссии группа экспертов в своих суждениях руководствуется, в основном, логикой компромисса. Метод коллективной генерации идей (мозговой штурм) основан на стимулировании группы лиц к быстрому генерированию большого количества идей. Процедура проведения мозгового штурма включает следующие этапы: 1 Формулируется проблема, которую предстоит решить в процессе мозгового штурма. 2 Отбирается группа лиц для выдвижения идей (генераторы) и группа лиц для оценивания идей (эксперты). 3 Третий этап – этап генерации идей. Каждый участник имеет право выступать много раз. Запрещается критиковать какую-либо идею , какой бы фантастической она не оказалась. Приветствуется появление множества идей, любой участник может совершенствовать идею, выдвинутую другим участником. Процесс выдвижения новых идей при мозговом штурме идёт лавинообразно: высказываемая одним из членов группы идея порождает либо творческую, либо критическую реакцию. Однако в силу запрета на критику высказываются только творческие замечания. Ведущий корректирует процесс, приветствует усовершенствование или комбинацию идей, оказывает поддержку, освобождая участников от скованности. Продолжительность этапа генерации идей ограничена. Участники должны выложиться и решить поставленную проблему за отведенный им короткий отрезок времени. Как правило, даётся от 15 минут до 1 часа. Если время не ограничить жёстко, участники скорее всего ничего не решат. 4 После того, как генерация идей закончена, выдвинутые идеи систематизируются, объединяются в группы по общим признакам. 5 После того, как идеи систематизированы, каждая идея подвергается всесторонней критике со стороны группы высококвалифицированных специалистов. Идеям дается оценка. Отбираются практически реализуемые идеи. Данным методом можно рассматривать любую проблему, если она достаточно ясно сформулирована. Метод «мозгового штурма» особенно полезен, когда надо найти оригинальное решение. Метод Делфи разработан в 60-х годах американской исследовательской корпорацией РЭНД для решения крупных военных проблем и назван по имени древнегреческого города Дельфы, известного своим оракулом. В отличие от традиционного подхода к достижению согласованности мнений экспертов путём открытой дискуссии, метод Делфи предполагает полный отказ от коллективных обсуждений. Это делается с целью уменьшения влияния таких психологических факторов, как присоединение к мнению наиболее авторитетного специалиста, нежелание отказаться от публично высказанного мнения, следование за мнением большинства и т. д. Кроме того, количество участников, которые могут эффективно принимать участие в открытой дискуссии, ограничено. В? методе Делфи прямые дебаты заменены тщательно разработанной процедурой последовательных индивидуальных опросов, проводимых обычно в форме анкетирования. Ответы экспертов обобщаются аналитиками и вместе с новой дополнительной информацией обратно поступают в их распоряжение, после чего уточняются первоначальные ответы. Такая процедура повторяется несколько раз до достижения приемлемой схожести совокупности высказанных мнений. Применение каких методов даёт более точный прогнозный результат: интуитивных или формализованных? Встречается мнение, что математические (формализованные) вычисления обеспечивают точность результата. Ничего подобного. Чтобы конечный результат, полученный формализованным путём, был точным, нужно как минимум иметь полные и точные исходные данные, а также полное и адекватное формализованное представление о взаимосвязях между параметрами в прогнозируемом объекте или явлении. Как правило, у прогнозиста не имеется ни того, ни другого. Кроме того следует понимать, что тот результат, который даёт метод экстраполяции и другие родственные ему методы, является по сути не прогнозом, а математическим ожиданием. Наступление данного результата в будущем ничем не гарантировано. Точность результата зависит не от типа метода, а от того, насколько адекватно метод применён. Т? акже следует понимать, что чисто формальный подход (решение по готовой формуле) в любом деле, тем более в прогнозировании и планировании, без осмысления того, над чем идёт работа, как правило даёт результат, никак не соответствующий действительности. Какие методы чаще применяются для принятия ответственных решений: интуитивные или формализованные? Чем чаще пользуется руководитель предприятия: справочником по математике или «шестым» чувством?

3.4.10 Общенаучные методы

В прогнозировании и планировании в экономике используются как специальные, характерные именно для данной сферы, методы, так и методы, являющиеся общими для многих наук. Такие методы называют общенаучными . К общенаучным методам можно отнести следующие: наблюдение и эксперимент, анализ и синтез, воображение, идеализация, индукция и дедукция, аналогия. Наблюдение – изучение объектов в естественных условиях, без активного вмешательства в ход их развития. Наблюдение связано с постановкой определённой цели и планируется заранее. Этим оно отличается от простого восприятия. В научных исследованиях наблюдение тесно переплетено с экспериментом и является его неотъемлемой частью. Эксперимент – воспроизводство или изменение какого-либо объекта с целью его дополнительного изучения в более благоприятных условиях. Это означает, что исследователь может изменить условия, при которых явление протекает, иногда изолировать его от влияния других явлений, а при необходимости неоднократно воспроизводить в идеальных условиях. Любой научный эксперимент имеет определённую цель – подтвердить или опровергнуть какое-либо научное предположение. В экономических системах постановка эксперимента затруднительна. Исследователь, как правило, не может изменить внешних условий, идеализировать объект эксперимента или повторить эксперимент. В этом состоит трудность экономических исследований. Анализ – логический приём, метод исследования, состоящий в том, что изучаемый объект мысленно или практически расчленяется на составляющие элементы (признаки, свойства, отношения), каждый из которых исследуется в отдельности как часть расчленённого целого. Синтез – мысленное соединение частей объектов, расчленённых в ходе анализа, установление взаимодействия связей и частей и познания этого объекта как единого целого. Воображение основано на использовании и преобразовании имеющегося опыта, психологической деятельности человека, создающей новые образы, представления и мысленные комбинации, с которыми в целом в жизни человек никогда не встречался. Идеализация – мысленное конструирование понятий об объектах, процессах и явлениях, не существующих в действительности, но таких, для которых имеются прообразы в реальном мире (например, «точка», «абсолютно твёрдое тело», «идеальный газ», «совершенная конкуренция» и др.) и позволяет формулировать законы, строить абстрактные схемы реальных процессов. Используется в моделировании. Дедукция – метод познания, состоящий в выведении частных и единичных знаний из общих, т. е. от общего к частному. Индукция – метод познания, состоящий в выведении общих суждений из частных, т. е. от частного к общему. Аналогия – соответствие, сходство. Под аналогией понимается подобие, сходство объектов в каких-либо свойствах, признаках, отношениях, причём таких объектов, которые в целом различны. Умозаключение по аналогии – это логический вывод, в результате которого достигается знание по признаку первого объекта на основании знаний того, что он имеет сходство с другими объектами. Повышение цен на энергоносители государства А вызвало повышение цен на транспорт в этом государстве. Можно предположить, что оно вызовет повышение цен на транспорт и в государстве Б. Главный источник заблуждений доказательства по аналогии состоит в том, что умозаключающий может не обратить внимания на те свойства объекта, которыми они отличаются друг от друга. Так, например, зачастую макроэкономику пытаются рассматривать по аналогии с отдельным предприятием, что, как правило, приводит к ошибочным выводам и представлениям.

Метод формализованного описания неопределенности - наиболее точный и сложный метод. Включает  

В настоящее время имеются проверенные на практике методы прогнозирования развития научных направлений и особенно техники. Прогнозирование фундаментальных исследований производится в основном методами экспертных оценок (интуитивными методами), методы формализованные (формально-логические, фактографические) большого распространения не получили. Это связано, в частности, с отсутствием информации об объекте прогнозирования.  


Одним из основополагающих принципов бизнес-планирования является принцип многовариантности, предусматривающий рассмотрение некоторого множества различных вариантов проекта при разработке бизнес-плана . В простейшем случае это три варианта оптимистический, пессимистический и наиболее вероятный. Данный принцип бизнес-планирования может быть положен в основу оценки риска проекта в целом. При этом можно воспользоваться методом формализованного описания неопределенности, включающим следующие предварительные этапы  

Наиболее точным является метод формализованного описания неопределенности. Применительно к видам неопределенности, наиболее часто встречающимся при

Известен также метод формализованного описания неопределенности, который считается наиболее точным, но и наиболее сложным для проведения расчетов. При применении этого метода последовательно выполняются следующие операции.  

Наиболее точным (но и наиболее сложным с технической точки зрения) является метод формализованного описания неопределенности. Применительно к видам неопределенности, наиболее часто встречающимся при оценке инвестиционных проектов , этот метод включает следующие этапы  

Наиболее точным, но и наиболее сложным с технической точки зрения является метод формализованного определения неопределенности. Этот метод включает проведение следующих операций  

Многообразие средств и методов проектирования, отраслевые различия объектов управления , различия в структуре, квалификационном составе и уровне профессиональной подготовки проектных коллективов, ориентация на различные комплексы технических средств обусловливают многообразие и сложность реальных технологических процессов разработки АСУ и ее ядра - СМОД. В связи с этим возникает необходимость формализованного отображения процессов с целью их оптимального планирования и эффективного регулирования. В основе метода формализованного отображения процессов проектирования лежит понятие технологической операции проектирования как базовой конструкции процесса разработки СМОД.  

Метод формализованного описания неопределенности при оценке инвестиционных проектов включает следующие этапы  

Метод -диагностического определения потребительной стоимости . В данном методе опрашиваемые оценивают потребительную стоимость по нескольким показателям, например надежность, сервис, дизайн и т. д. По каждому показателю между аналогами распределяются 100 баллов. Дополнительно оцениваются весовые коэффициенты показателей. Между весовыми коэффициентами также распределяются 100 баллов. Умножая весовые коэффициенты на оценки показателей и суммируя полученные значения по каждому товару , получают оценку потребительной стоимости товара. Далее цена определяется аналогично предыдущему методу. Формализованное описание методики будет следующим  

Вторая группа - методы формализованного представления систем управления, основанные на использовании математических, экономико-математических методов и моделей исследования систем управления. Среди них можно выделить следующие классы  

В настоящее время в экономике и организации производства применяются практически все группы методов формализованного представления систем. Для удобства их выбора в реальных условиях на базе математических направлений развиваются прикладные методы и предлагаются их классификации.  

Методы формализованного представления систем  

Методы формализованного представления систем управления  

Применяемые методы формализованного описания систем управления должны способствовать в конечном итоге созданию четких организационных механизмов управления, используемых объектов.  

Выбор конкретного метода формализованного описания, системы управления зависит от того, в каких условиях осуществляется обследование, какова ответственность исполнителей за принимаемые решения и какова степень регламентации управления в обследуемой организации.  

Сетевой метод формализованного представления систем управления сводится к построению сетевой модели для решения комплексной задачи управления . Основой сетевого планирования является информационная динамическая сетевая модель , в которой весь комплекс расчленяется на отдельные, четко определенные операции  

Методы формализованного представления систем включают аналитические, статистические, теоретико-множественные, логические, лингвистические, семиотические, графические, структурно-лингвистические методы , имитационное динамическое моделирование.  

Приведите состав методов формализованного представления систем. В чем их особенности  

Цель 3. Обучить студентов методам формализованного представления результатов обследования систем управления  

Каковы методы формализованного описания работы диалоговых систем и их содержание  

Каковы методы формализованного представления состава проектных работ  

Важными качествами решений являются их научная обоснованность , четкая направленность и экономическая результативность. Для принятия решений по задачам управления производством используют метод, основанный на системном подходе , логический метод, формализованный метод.  

По степени формализации - формализованные и нефор-мализованные методы. Формализованные методы являются основными при проведении финансового анализа предприятия , они носят объективный характер, в их основе лежат строгие аналитические зависимости . Неформализованные методы (метод экспертных оценок , метод сравнения) основаны на логическом описании аналитических приемов, они субъективны, так как на результат большое влияние оказывают интуиция, опыт и знания аналитика.  

Всю совокупность методов исследования можно структуризовать на методы, основанные на использовании знаний и интуиции специалистов, методах формализованного представления систем, комплек-сированных методах и