Методы прогнозирования. В системе государственного регулирования экономики используются самые разнообразные методы

В системе государственного регулирования экономики используются самые разнообразные методы. Некоторые их этих методов можно рассматривать как частные, ибо они присущи или наиболее широко используются при реализации конкретной функции управления или формы государственного регулирования. В частности, это касается методов прогнозирования. Особенности, масштабы и частота их применения в рамках этой формы государственного регулирования позволяют рассматривать их как методы прогнозирования.

Под методом прогнозирования понимают прием, способ, посредством которого на основе анализа ретроспективных данных, экзогенных (внешних) и эндогенных (внутренних) связей прогнозируемого объекта можно получить суждение о возможном его состоянии в будущем.

Для упорядочения и быстрой ориентации методы прогнозирования группируют по различным признакам: степени формализации, общему принципу действия, способу получения и обработки информации, направлениям и назначению прогнозирования, процедуре получения параметров прогнозной модели и др.

По принципам обработки информации об объекте можно выделить статистические методы, методы аналогий, опережающие методы. Статистические объединяют методы обработки количественной информации, выявляя содержащиеся в ней математические закономерности развития и математические взаимосвязи характеристик с целью получения прогнозных моделей. Методы аналогий направлены на выявление сходства в закономерностях развития различных процессов, на основании чего делаются прогнозы. Опережающие методы прогнозирования строятся на принципах специальной обработки информации, реализующих в прогнозе ее свойство опережающе отражать развитие объекта прогнозирования. В свою очередь, их можно разделить на методы исследования динамики развития объекта и методы исследования и оценки уровня развития объекта.

Иногда методы группируют на основе нескольких классификационных признаков. Однако наиболее распространена группировка методов по степени формализации, она позволяет охватить все известные методы и остается открытой для включения вновь создаваемых. По степени формализации методы делят на две большие группы: интуитивные, или методы экспертных оценок, и формализованные.

Интуитивные методы позволяют получить прогнозную оценку состояния развития объекта в будущем независимо от информационной обеспеченности. Они применяются, когда математическая формализация объекта прогнозирования нецелесообразна в силу его простоты либо неосуществима вследствие новизны и сложности объекта или траектории его движения, либо если период упреждения прогноза значительно превышает период его освоения. Оправданы эти методы и при возможном скачке в развитии объекта в прогнозном периоде.

Основная идея и сущность методов экспертных оценок заключается в построении рациональной процедуры интуитивно-логического мышления человека в сочетании с количественными методами оценки и обработки полученных результатов. При этом обобщенное мнение экспертов принимается как решение проблемы. Характерными особенностями методов экспертных оценок как научного инструмента решения сложных неформализуемых проблем являются, во-первых, научно обоснованное и наиболее эффективное проведение всех этапов экспертизы и, во-вторых, применение количественных методов как при организации экспертизы, так и при оценке суждений экспертов и формальной групповой обработке результатов. Эти особенности отличают метод экспертных оценок от обычной экспертизы, широко распространенной в различных сферах человеческой деятельности.

Область применения экспертных оценок весьма широка, посредством этого метода решаются следующие типовые задачи:

· составление перечня возможных событий в различных областях за

определенный промежуток времени;

· определение наиболее вероятных интервалов времени совершения

совокупности событий;

· определение целей и задач управления с упорядочением их по сте-

пени важности;

· определение альтернативных вариантов решения задачи с оценкой

их предпочтительности;

· альтернативное распределение ресурсов для решения задач с оцен-

кой их предпочтительности;

· альтернативные варианты принятия решений в конкретной ситуа-

ции с оценкой их предпочтительности.

Применение методов экспертных оценок целесообразно на всех уровнях управления, но наиболее часто их используют при решении социальных вопросов, когда невозможно выработать формализованную прогностическую модель. Организация экспертной оценки включает:

· формирование репрезентативной экспертной группы;

· подготовку и проведение экспертизы;

· статистическую обработку полученных результатов опроса.

При решении первой задачи важен количественный и качественный состав группы. Отбор экспертов начинается с определения вопросов, охватывающих решение проблемы, затем составляется список компетентных лиц.

Подбор группы экспертов является наиболее ответственным этапом. Так как прогнозные оценки отражают индивидуальное мнение специалистов и основаны на их профессиональном опыте и интуиции, достоверность экспертной оценки зависит от многих факторов: общего числа привлекаемых экспертов, долевого состава специалистов различного профиля, характеристик специалистов. При подборе эксперта используется анкетный опрос, а дополнительно к нему – самооценка эксперта. Формирование систем характеристик эксперта существенно влияет на ход и результаты экспертизы. Эти характеристики должны учитывать специфические особенности специалистов, возможные отношения между людьми, влияющие на экспертизу. Важное требование к характеристикам эксперта – измеримость этих характеристик. В качестве характеристик могут выступать:

· компетентность (степень квалификации эксперта);

· креативность (способность решать творческие задачи);

· отношение к экспертизе;

· конформизм (подверженность влиянию авторитетов);

· аналитичность и широта мышления;

· конструктивность мышления;

· коллективизм;

· самокритичность.

Перечисленные характеристики оцениваются качественно, но для некоторых пытаются ввести количественные оценки.

Установить оптимальную численность группы экспертов трудно, хотя разработан ряд формализованных подходов к этому вопросу. Один из них основан на установлении максимальной и минимальной границ численности группы. При этом исходят из двух условий: высокого уровня средней компетентности группы и стабильности средней оценки прогнозируемой характеристики.

Группу формируют путем последовательного исключения малокомпетентных экспертов, основываясь на заданной величине допустимого отклонения компетентности эксперта от максимальной. Качественные характеристики группы выявляются на основе подробного статистического анализа экспертных заключений.

Процедура проведения экспертной оценки может быть различной, но включает три этапа. На первом этапе эксперты привлекаются для уточнения формализованной модели объекта прогноза, формулировки вопросов для опроса либо анкеты, уточнения состава группы. На втором осуществляется непосредственная работа экспертов – экспертное оценивание. На третьем этапе происходит предварительная обработка результатов, затем привлечение экспертов для консультации по недостающей информации, окончательное формирование прогноза и обработка результатов экспертных оценок. При статистической обработке результатов экспертных оценок в виде количественных данных, содержащихся в анкетах, определяются статистические оценки прогнозируемых характеристик и их доверительные границы, статистические оценки согласованности мнений экспертов.

В зависимости от организации экспертного оценивания и формы опроса экспертов различают индивидуальные и коллективные методы экспертных оценок. Индивидуальные методы имеют несколько разновидностей: интервью, аналитический, написание сценария.

При методе «интервью» осуществляется непосредственный контакт эксперта со специалистом по схеме «вопрос – ответ», в ходе которого 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 фундаментальным вопросам.

Аналитический метод, при котором осуществляется логический анализ какой-либо ситуации, предполагает длительную и тщательную самостоятельную работу эксперта над анализом тенденции, оценкой состояния и путей развития прогнозируемого объекта. Он дает возможность эксперту использовать всю необходимую ему информацию об объекте. Свои соображения эксперт оформляет в виде докладной записки.

Метод написания сценария основан на определении логики развития процесса или явления во времени при различных условиях. Сценарий – это картина последовательного детального решения задачи, выявляющая возможные препятствия, серьезные недостатки с тем, чтобы предрешить вопрос о прекращении начатых или завершении проводимых работ по прогнозируемому объекту. Сценарий должен содержать всю исходную информацию, на основе которой строится работа по развитию прогнозируемого объекта.

По определению американского прогнозиста Г. Кана, написание сценария – это метод установления логической последовательности событий, показывающий, исходя из существующей ситуации, как могут шаг за шагом развертываться события в будущем. Описание совершается в явно выраженных временных координатах (но не обязательно).

Основное назначение сценария – определение генеральной цели развития объекта прогнозирования, выявление основных факторов фона, на котором развивается объект, и формулирование критериев для оценки верхних уровней дерева целей. Сценарий вынуждает исследователя работать над деталями и процессами, которые он мог упустить, если бы ограничился абстрактными соображениями. Конкретная оценка, догадки или контекст, даже если впоследствии обнаруживаются их серъезные недостатки, лучше, чем преднамеренный отказ от них, ведущий к прекращению всяких размышлений и исследований.

При разработке сценария всегда возникает неопределенность из-за того, что принимающие в этом участие специалисты имеют субъективные суждения. Ценность сценария тем выше, чем меньше степень неопределенности, т. е. чем больше степень согласованности мнений экспертов. При экспертной оценке следует включать вопросы:

· насколько велика существующая неопределенность;

· что следует сделать, чтобы ее уменьшить;

· какова ожидаемая степень уменьшения неопределенности.

В готовом виде сценарий должен быть подвергнут анализу.

Основными преимуществами рассмотренных методов являются возможность максимального использования индивидуальных способностей эксперта и незначительность психологического давления, оказываемого на отдельного работника.

Методы коллективных экспертных оценок основываются на принципах выявления коллективного мнения экспертов о перспективах развития объектов прогнозирования. При коллективном мышлении, во-первых, выше точность результата и, во-вторых, при обработке индивидуальных независимых оценок, выносимых экспертами, могут возникать продуктивные идеи. Разновидностями этого метода являются: метод комиссии, метод Дельфи, метод коллективной генерации идей (мозговая атака), метод прогнозного графа, матричные методы и др.

Метод комиссии основан на работе специальных комиссий: группа экспертов за «круглым столом» обсуждает проблему с целью согласования и выработки единого мнения. Может использоваться и другая форма опроса – дискуссия, но она имеет недостаток – давление со стороны более компетентных экспертов.

Метод Дельфи – один из наиболее распространенных методов экспертных оценок. Он разработан американской исследовательской корпорацией РЭНД для решения крупных военных проблем. По результатам их исследования в 1964 г. было опубликовано «Исследование возможностей долгосрочного прогнозирования». Основными особенностями этого метода являются:

· анонимность экспертов, полный отказ от личных контактов экспер

тов и коллективных обсуждений;

· многотуровая процедура опроса экспертов;

· обеспечение экспертов информацией, включая и обмен информаци-

ей между экспертами, после каждого тура опроса при сохранении анонимности оценок, аргументации и без критики;

· обоснование ответов экспертов по запросу организаторов.

Опрос по методу Дельфи заключается в анкетировании экспертов с помощью опросных листов или внешних устройств ЭВМ в несколько туров, с обработкой результатов анкетирования после каждого тура и информированием экспертов об этих результатах. Используются и статистические характеристики ответов, отражающих мнение всей группы, что дает возможность представить групповой ответ в виде медианы и двух квартелей, т. е. в виде такого числа, оценки которого одной половиной членов группы были больше этого числа, а другой половиной – меньше.

Метод коллективной генерации идей состоит из двух формально не связанных между собой элементов: выявления вероятностных вариантов развития объекта прогнозирования и их оценки. Сначала активизируется творческий потенциал специалистов – генерируется идея. Затем следует процесс деструирования (разрушения, критики) этой идеи и формулируется контридея. Этот метод позволяет за короткий промежуток времени путем вовлечения всех экспертов в активный творческий процесс получить продуктивные результаты. В зависимости от форм активизации работы экспертов и их взаимодействия между собой и с организаторами прогноза могут использоваться различные модификации этого метода: метод ПИГ (психоинтеллектуальная генерация идей), метод «мозговых атак» и др.

Особое место в системе интуитивных методов прогнозирования занимает метод морфологического анализа, представляющий собой упорядоченный способ рассмотрения объекта и получения систематизированной информации по всем возможным вариантам его развития. С помощью морфологического анализа удается упорядочить входную информацию об объекте, а также получить качественно новую. Его требования – полное исключение предвзятого мнения, суждения об объекте прогнозирования, использование исчерпывающих знаний о нем.

Морфологический анализ включает ряд приемов, но принцип действия у них один: систематизированное рассмотрение характеристик объекта, стремление не пропустить ни одной из них, ничего не отбрасывать без предварительного комплексного исследования. Этой цели служит прием систематизированного охвата информации с последующим исследованием ее по методу «морфологического ящика». Последний строится в виде дерева или матрицы, в клетках которых помещены характеристики объекта. Последовательное соединение одного из параметров первого уровня с параметром последующего уровня представляет собой одно из возможных состояний объекта, либо решение проблемы. При помощи этого метода создается новая информация об изучаемом объекте и вырабатывается оценка всех возможных альтернатив его состояния. Метод морфологического анализа чаще всего применяется при прогнозировании в области науки и техники.

Основой формализованных методов прогнозирования является математическая теория, повышающая достоверность, точность прогнозов, облегчающая обработку информации и результатов прогноза, значительно сокращающая сроки его производства.

Формализованные методы прогнозирования можно разделить на две группы: методы экстраполяции и методы математического моделирования. Экстраполяция заключается в изучении сложившихся в прошлом и настоящем устойчивых тенденций экономического развития и перенесении их на будущее. При простой экстраполяции все действующие ранее факторы, обусловливающие исследуемую тенденцию в прошлом и настоящем, останутся неизмененными и в будущем. Однако сохранение тенденций прошлого и настоящего неизменными для будущего чаще всего маловероятно. И поэтому хотя экстраполяция лежит в основе всякого прогноза, она способна давать эффект только в очень узком диапазоне времени относительно не особенно сложного процесса.

Следует различать формальную и прогнозную экстраполяцию. Формальная базируется на предположении о сохранении в будущем прошлых и настоящих тенденций развития объекта. При прогнозной фактическое увязывается с гипотезами о динамике исследуемого объекта, учитываются в перспективе альтернативные изменения самого объекта, его сущности.

В основе экстраполяционных методов прогнозирования лежит изучение временных рядов, представляющих собой упорядоченные во времени наборы измерений различных характеристик исследуемого объекта прогнозирования. Экстраполяция в прогнозировании предполагает, что рассматриваемый процесс изменения переменной является сочетанием двух составляющих x_t - регулярной (детерминированная неслучайная) и e_t – cлучайной. Временной ряд y_t может быть представлен в виде

(1)

Регулярная составляющая называется трендом, тенденцией. В этих терминах заключено интуитивное представление об очищенной от помех сущности анализируемого процесса (интуитивное потому, что для большинства процессов нельзя однозначно отделить тренд от случайной составляющей). Регулярная составляющая (тренд) х_t, характеризует динамику развития процесса в целом, случайная составляющая е_t, отражает случайные колебания или шумы процесса. Обе составляющие процесса определяются функциональным механизмом, характеризующим их поведение во времени.

Задача прогноза состоит в определении вида экстраполирующих функций х и е на основе исходных эмпирических данных и параметров выбранной функции. Первым этапом является выбор оптимального вида функции, дающей наилучшее описание тренда. Следующий этап – расчет параметров выбранной экстраполяционной функции.

При оценке параметров зависимостей наиболее распространены метод наименьших квадратов и его модификации, метод экспоненциального сглаживания, метод адаптивного сглаживания, метод скользящей средней и др. Метод наименьших квадратов (МНК) требует найти параметры модели тренда, минимизирующие ее отклонение от точек исходного временного ряда, т. е. минимизировать сумму квадратических отклонений между наблюдаемыми и расчетными величинами.

(2)

где Vi – расчетные значения исходного ряда;

y_t – фактическое значение исходного ряда;

п – число наблюдений.

Модель тренда может иметь различный вид, ее выбор в каждом конкретном случае осуществляется по ряду статистических критериев. В практических исследованиях наиболее часто применяются:

у = ах + Ь (линейная); (3)

у = ах² + Ь + с (квадратичная); (4)

у**х^п (степенная); (5)

у = а* (показательная); (6)

у = ае* (экспоненциальная); (7)

(логистическая), (8)

Широко применяется линейная функция, или линеаризуемая, т.е. сводимая к линейной, как наиболее простая и отвечающая исходным данным.

Классический метод наименьших квадратов предполагает равноценность исходной информации в модели. В реальной практике будущее поведение процесса определяется поздними наблюдениями в большей степени, чем ранними. Уменьшение ценности более ранней информации (дисконтирование) можно учесть, например, путем введения в модель (2) некоторых весов В, < 1. Тогда

─ min (9)

Коэффициент может быть представлен в различном виде: числовой формой, функциональной зависимостью, но таким образом, чтобы по мере продвижения в прошлое веса убывали.

Для этого используются модификации метода наименьших квадратов.

Метод наименьших квадратов широко применяется в прогнозировании в силу его простоты и возможности реализации на ЭВМ. Недостаток метода в том, что модель тренда жестко фиксируется, а это делает возможным его применение только при небольших периодах упреждения, т. е. при краткосрочном прогнозировании.

Метод экспоненциального сглаживания дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения, то есть он позволяет оценить параметры модели, описывающей тенденцию, которая сформировалась в конце базисного периода, и тем самым не просто экстраполирует действующие зависимости в будущее, а приспосабливается, адаптируется к изменяющимся во времени условиям. Преимущества метода в том, что он не требует обширной информационной базы, а предполагает ее интенсивный анализ с точки зрения информационной ценности различных членов временной последовательности. Модели, описывающие динамику показателя, имеют простую математическую формулировку, а адаптивная эволюция параметров позволяет отразить неоднородность и текучесть свойств временного ряда. Метод применяется при кратко- и среднесрочном прогнозировании.

Метод скользящей средней дает возможность выравнивать динамический ряд путем его расчленения на равные части с обязательным совпадением в каждой из них сумм модельных и эмпирических значений.

К экстраполяционным относится и метод, получивший название «цепи Маркова». Воснове прогноза, построенного на основе простых цепей Маркова, лежит вычисление матрицы перехода, элементами которой являются вероятности перехода прогнозируемых параметров из одного состояния в другое, от

одного значения к другому. Если мы имеем Л = \Aijf„ т. е.

матрицу прогнозируемых показателей размерности (m x T), где А_и - значение i-того показателя в момент времени t,

и еслиизвестна матрица перехода Р, то прогноз вычисляется следующим образом:

(10)

где A_t – вектор значений прогнозируемых показателей в момент t.

Процедура вычисления элементов матрицы перехода

(11)

предполагает определение суммарных изменений показателей A_lt для каждого момента времени t, т.е.

(12)

(если мы прогнозируем потребности, то это и будет суммарная потребность ресурсов по годам).

Затем определяем значения цепных индексов для величин

(13)

На основе цепных индексов определяем возможные значения прогнозируемых показателей при неизменности структуры в моменты

(14)

т.е. индекс умножаем на значение этого показателя в соответствующий момент (*⁺¹)*

Элементы S_u образуют матрицуразмерности (юсТ).

Рассогласование между реальным изменением показателей A_lt и гипотетическим S_(t находим как их разность:

• (15)

Эти величины рассогласования определяют изменение структуры исследуемого процесса (если это потребление, то структуры потребления ресурсов) и представляют собой образующий вектор

(16)

Затем образуется нормированный вектор, определяющий изменение значения /-того показателя в (t + 1) году по сравнению с *-м годом. Определяется он по формуле

(17)

Полученные величины позволяют формировать г-тую строку матрицы соответствующего перехода Р,₊₁.

По аналогичной схеме рассчитываются последовательно матрицы перехода для различных моментов времени. Непосредственно прогноз реализуется по формуле (10).

Реализация прогнозов с помощью цепей Маркова позволяет по мере поступления новой информации регулярно корректировать ошибки, учитывать информационную неточность прогноза, что повышает надежность получаемых результатов. Этот метод может быть использован для прогноза множества показателей, которые меняются из года в год одновременно, но между ними непосредственно функциональные связи не установлены ввиду отсутствия информации или крайней сложности этих связей. Примером может служить прогноз потребностей отраслей народного хозяйства в ресурсах. При реализации данного прогноза устанавливаются на перспективу не только объемы, но и сама структура потребления ресурсов различными отраслями.

Методы экстраполяции, основанные на продлении тенденции прошлого и настоящего на будущий период, могут использоваться в прогнозировании лишь при периоде упреждения в 3 – 5 лет. При более длительных сроках прогноза они не дают точных результатов. С помощью методов экстраполяции исследуются количественные параметры больших систем, количественные характеристики экономического, научного и производственного потенциалов, данные о результативности научно-технического прогресса, характеристики соотношения отдельных подсистем, блоков и т. д.

Большую группу формализованных методов прогнозирования составляют методы моделирования. С их помощью конструируются модели на основе предварительного изучения объекта и выделения его существенных характеристик, проводится экспериментальный и теоретический анализ модели, сопоставляются результаты с данными объекта, корректируется модель. Моделирование широко распространено не только в прогнозировании, но и в планировании. Толчком к развитию формализованных методов, и в том числе методов моделирования, послужило применение электронно-вычислительных машин (ЭВМ). В их развитии обозначился новый этап – этап экономико-математических методов (ЭММ), соединивших в себе математическую теорию и возможности ЭВМ.

Основанные на методах прикладной математики и математической статистики ЭММ и ЭВМ позволили значительно расширить возможности применения и направления использования формализованных методов. Так, стало возможно глубже вскрыть взаимосвязи в народном хозяйстве, всесторонне обосновывать изменения экономических показателей, ускорить получение и обработку информации, осуществлять многовариантные расчеты планов-прогнозов, программ и выбирать оптимальный вариант по заданному критерию.

В планировании и прогнозировании 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).

Экономико-математическая модель любого вида представляет собой формализованное описание исследуемого процесса и объекта в виде математических зависимостей и отношений.

Оптимизационные модели основаны на выборе критерия оптимальности, на основе которого путем 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 ведется 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.

Примерами макроэкономических моделей могут служить статическая и динамическая модели межотраслевого баланса.

Статическая модель имеет вид:

(18)

где а_ц – коэффициент прямых затрат (среднеотраслевой норматив расхода продукции отрасли /, используемый в качестве средств производства для выпуска единицы продукции отрасли у);

х. – валовое производство/ йотрасли-потребителя(/ ™ 1»»);

x_t – валовое производство продукций// отрасли-поставщика (i- 1, л);

у_г – объем конечной продукции i - йотрасли.

При этом X^aij^xj представляет собой промежуточный продукт (количество продукции i-й отрасли, используемой в j- йотрасли в процессе производства).

Статистическая модель межотраслевого баланса может выражаться и таким образом:

(19)

где Ь – коэффициент полных материальных затрат, отражающий величину продукции i-й отрасли, необходимой на всех стадиях производства для получения единицы конечной продукции j- йотрасли.

Коэффициенты прямых и полных затрат отличаются тем, что первые определяются в расчете на единицу валового выпуска отрасли и являются среднеотраслевыми, а вторые рассчитываются на единицу конечной продукции и являются народнохозяйственными. Коэффициенты полных затрат превышают коэффициенты прямых на величину косвенных затрат.

Динамическая модель межотраслевого баланса характеризует производственные связи народного хозяйства за ряд лет (т. е. отражает процесс воспроизводства в динамике) и обеспечивает увязку плана-прогноза производства продукции с планом-прогнозом капитальных вложений. Упрощенная модель имеет вид

» (20)

где t – индекс года; АФц – продукция i- йотрасли, направляемая как производственные капитальные вложения для расширения производства в /ую отрасль; Z₍ - сумма конечной продукции – i -й отрасли, за исключением продукции, направленной на расширение производства.

Корреляционно-регрессионный метод дает возможность количественно исследовать влияние разнообразных факторов на уровень параметра, характеризующего планируемое (прогнозируемое) явление или процесс, позволяет отделить мнимые связи от действительных и в математической форме (через уравнение регрессии) выразить эту связь и раскрыть действие факторов на этот параметр. Корреляционно-регрессионный метод широко распространен и решает две основные задачи:

· устанавливает степень тесноты связи между планируемым (про-

гнозируемым) параметром и влияющими на него факторами;

· определяет с помощью уравнений регрессии форму связи между

планируемым (прогнозируемым) параметром и влияющими на него факторами.

Степень тесноты связи между параметром и отдельно взятым фактором показывает парный коэффициент корреляции (ч), а совокупное влияние отобранных факторов планируемых (прогнозируемых) параметров – множественный коэффициент корреляции (R). Парный коэффициент корреляции может выступать одним из критериев отбора факторов. Его величина колеблется от – 1 до +1, и чем выше значение г., тем теснее связь между переменными (параметром и фактором).

Мера совместного воздействия всех факторов на уровень параметра определяется на основе коэффициента множественной корреляции. Чем больше совокупное влияние отобранных факторов, тем ближе множественный коэффициент корреляции к единице.

Форму связи между планируемым параметром (у) и влияющими на него факторами (x_r x_g... xj выражает уравнение регрессии. Форма связи может быть линейной и криволинейной. Линейная форма корреляционной связи выражается уравнением:

у_х = а + bх (21)

где у_j – значение у при заданном значении х или (х, х_{... xj; a,b> b₁... b_п – параметры уравнения;

х, x_t... х_п – значения фактора.

Параметр уравнения «а» определяет положение начальной точки линии регрессии в системе координат. Параметры b и «bj... b_п» характеризуют норму изменения у на единицу х, x_t... х_п.

Уравнение линейной регрессии имеет широкое применение, его параметры легче определить и истолковать. Но на практике чаще встречается нелинейная корреляционная зависимость, которая может быть представлена через уравнения различных типов кривых: гиперболическую форму связи (у_х = а/х + b), параболу второго порядка (у_х = а + а_гх_г + а_гх*) и другие. Чем лучше уравнение регрессии описывает процесс, тем ближе значение коэффициента корреляции к единице.

В планировании и прогнозировании корреляционно-регрессионный метод позволяет определить возможный уровень параметра, складывающийся под влиянием различных факторов.

Контрольные вопросы и задания

1. Что понимается под методом государственного регулирования?

2. Выделите классификационные принципы и дайте классификацию методов государственного регулирования экономики.

3. Что лежит в основе командно-распорядительных и экономических методов регулирования экономики?

4. Что представляют собой формы государственного регулирования экономики?

5. Выделите и охарактеризуйте важнейшие формы государственного регулирования экономики.

6. Что представляет собой государственный заказ и какова его роль в системе регулирования экономики?

7. Что обеспечивает амортизация как инструмент государственного регулирования? Назовите виды амортизации и дайте им характеристику.

8. В чем суть и содержание программно-целевого метода планирования? Каковы масштабы его применения?

9. Раскройте сущность балансового метода и дайте группировку балансов. Каковы масштабы его применения?

10. Дайте характеристику и структуру материальных, стоимостных, трудовых балансов, покажите направления их применения.

11. На чем основан нормативный метод планирования и прогнозирования?

12. Дайте классификацию норм и нормативов и характеристику групп.

13. Каковы основная идея и сущность методов экспертных оценок?

14. Покажите область применения методов экспертных оценок.

15. Что представляет собой процедура экспертного оценивания?

16. Назовите основные характеристики экспертов, лежащие в основе подбора группы экспертов.

17. Дайте классификацию методов экспертных оценок.

18. Назовите методы индивидуальных экспертных оценок и раскройте их сущность.

19. Что представляют собой методы коллективных экспертных оценок? Каковы их разновидности?

20. Покажите особенности и направления применения метода Дельфи и метода коллективной генерации идей.

21. Раскройте сущность и направления применения метода морфологического анализа.

22. На чем основаны и какие выделяют разновидности формализованных методов планирования и прогнозирования?

23. В чем суть и каковы масштабы и направления применения методов экстраполяции?

24. Что представляют собой методы моделирования и какие можно выделить виды моделей?

25. На чем основаны и каковы направления методов оптимизации?

26. В чем суть и направления применения корреляционно-регрессионного метода?

27. Раскройте роль, сущность, направления применения лицензирования, квотирования, стандартизации, сертификации, товарных знаков в системе государственного регулирования.