|
ской, полиномиальной и т.п. В большинстве исследований, носящих прикладной характер вообще принято офаничиваться рассмотрением только линейных функциональных зависимостей. Связанно это обстоятельство с исключительно большой фудоемкостью расчетов при использовании нелинейных представления. Следует отметить, что построение многофакторных корреляционных моделей при достаточно большом числе факторных признаков возможно только при использовании средств вычислительной техники, оснащенных современными типовыми профаммами обработки статистических данных. После отбора факторных признаков и выбора теоретической линии рефессии, используя метод наименьших квадратов, находят неизвестные параметры линии регрессии и производят оценку полученной модели с использованием критерия Фишера, проверяют значимость коэффициентов уравнения рефессии и коэффициентов корреляции или корреляционного соотношения. В случае удовлетворительного выполнения всех этих фебований, полученная модель позволяет осуществлять прогнозирование поведения изучаемой величины при изменении факторных признаков, включенных в модель. Для оценки влияния отдельных факторов на результативный признак используются коэффициенты эластичности, показывающие уровень изменения результативного показателя в случае изменения факторного признака на 1 % при неизменных значениях других факторов. Коэффициенты эластичности определяются по формуле У ’ где у теоретическое уравнение рефессии. Использование методов моделирования при прогнозировании крайне ограничено по нескольким причинам: •относительно высокая трудоемкость построения модели; 27 |
40 но использовать для моделирования изучаемого явления. При этом, как правило, используемый класс функций ограничивается только гладкими, непрерывными функциями типа линейной, экспоненциальной, логарифмической, полиномиальной и т.п. В большинстве исследований, носящих прикладной характер вообще принято ограничиваться рассмотрением только линейных функциональных зависимостей. Связанно это обстоятельство с исключительно большой трудоемкостью расчетов при использовании нелинейных представления. Следует отметить, что построение многофакторных корреляционных моделей п, и достаточно большом числе факторных признаков возможно только при использовании средств вычислительной техники, оснащенных современными типовыми программами обработки статистических данных. После отбора факторных признаков и выбора теоретической линии регрессии, используя метод наименьших квадратов, находят неизвестные параметры линии регрессии и производят оценку полученной модели с использованием критерия Фишера, проверяют значимость коэффициентов уравнения регрессии и коэффициентов корреляции или корреляционного соотношения. В случае удовлетворительного выполнения всех этих требований, полученная модель позволяет осуществлять прогнозирование поведения изучаемой величины при изменении факторных признаков, включенных в модель. Для оценки влияния отдельных факторов на результативный признак используются коэффициенты эластичности, показывающие уровень изменения результативного показателя в случае изменения факторного признака на 1 % при неизменных значениях других факторов. Коэффициенты эластичности определяются по формуле Ъ = Xi 5у • ' • у ’ где у-теоретическое уравнение регрессии. РОСС «госта»* JisnЙС5*&» J Использование методов моделирования при прогнозировании крайне ограничено по нескольким причинам: • относительно высокая трудоемкость построения модели; • трудность отбора факторных признаков; для этой цели, как правило, должна быть использована полноценная процедура экспертного опроса, организованного в несколько туров, так как предсказательная сила модели будет целиком зависеть от качества отбора факторных признаков, включаемых в модель. В связи с этим может быть более целесообразно использовать процедуру экспертного опроса для прогнозирования изучаемого явления. Группа методов экстраполяции включает в себя адаптивные методы, методы, связанные с анализом трендов и другие. Способы построения прогнозов, рснованные на анализе трендов предполагают построение направления долгосрочного развития показателя. Такие прогнозы, как правило, делаются на много лет вперед с целью уловить тенденцию развития. Адаптивные методы применяются для построения краткосрочных прогнозов. Эти типы методов относятся к экстраполяционным методам прогнозирования, суть которых заключается в следующем [46]. Каким-либо способом необходимо получить зависимость вида: x=f(t). После этого в зависимость подставляются интересующие нас даты t и находятся соответствующие им х. В действительности тенденция развития f(x) не останется неизменной и поэтому данные, полученные путем экстраполяции, следует рассматривать как вероятностные величины. Связи между переменными х и t может быть линейной и нелинейной. В простейшем случае х выражается в виде линейной зависимости x=a+bt, где а и Ькоэффициенты регрессии. Если при равномерном увеличении t значения х растут ускоренно, то зависимость может быть выражена в виде многочлена более высокого порядка: x=a+bt+ct2+dt4. |