В экономике существует довольно большая группа процессов и явлений, в развитии которых причина на тот или иной временной интервал опережает следствие. Это отражает инерционность многих экономических процессов и необходимость «созревания» предпосылок. Примеров подобных зависимостей множество:
■ средства, потраченные торговой фирмой на закупку товара, принесут прибыль только после его продажи;
■ капитал, финансированный в новое оборудование, послужит причиной увеличения объема выпуска продукции после ввода и освоения оборудования;
■ выдача патента на изобретение опережает на несколько лет начало его коммерческого использования;
■ затраты на маркетинг, рекламу, повышение квалификации работников не сразу могут послужить основанием для улучшения результатов работы предприятия.
Временным лагом (τ) принято называть промежуток времени, по истечении которого изменение показателей одного временного ряда оказывает влияние на показатели другого. Корреляционно-регрессионная зависимость с учетом временного лага может быть описана следующим уравнением:
|
|
yt = f(xt-τ) (5.5)
Авторегрессионной называют модель, в которой лаговое соотношение связывает значение одного и того же показателя в разные моменты времени:
yt = f(yt-τ) (5.6)
Рассмотрим некоторые процессы, в динамике которых наблюдается разрыв во времени между причиной и следствием. К их числу в первую очередь следует отнести инвестирование. Инвестиционным лагом называют срок пребывания инвестиций в незавершенном строительстве, он охватывает период от начала проектирования объекта до его ввода в действие на полную мощность. В составе инвестиционного лага иногда выделяют строительный лаг — период от начала строительства до ввода объекта в действие на полную мощность.
Оценивая инвестиционный лаг, следует помнить о технологической неоднородности инвестиций, в силу которой временной лаг по разным группам инвестиций будет значительно различаться. Для немонтируемого оборудования (например, транспортных средств) временной лаг между направлением инвестиций и вводом оборудования в действие близок к нулю, для оборудования монтируемого — обычно меньше года, а для строительно-монтажных работ, как правило, более года. Поэтому модели инвестиционного процесса, построенные с учетом временного лага, должны не только дать их среднюю оценку, но и описать распределение инвестиций по годам на протяжении инвестиционного или строительного цикла. Исходными данными в таких моделях будет заданная динамика инвестиций, а результирующими, прогнозируемыми, — динамика ввода в действие основных фондов.
|
|
В социально-экономическом прогнозировании определенную роль играет также оценка демографических лагов, под которыми понимают период от рождения до вступления в трудоспособный возраст и начала трудовой деятельности после получения образования и профессиональной подготовки.
Одно из направлений активного использования подобных методов корреляционного анализа — поиск индикаторов, которые способны заблаговременно предупредить о возможных изменениях в движении цен. В различные периоды в качестве индикаторов предлагались следующие показатели:
■ движение цены на золото (традиционно она отражала инфляционные ожидания, так как покупка драгоценного металла была популярным средством страхования от возможных, финансовых рисков, но сейчас свопы (торгово-финансовые обменные операции) и опционы (приобретение права на совершение будущей сделки; например, право приобрести или продать ценные бумаги по определенной цене в определенный будущий момент времени либо в течение определенного будущего срока) обеспечивают более надежные гарантии от инфляции);
■ различные индексы цен на сырьевые товары (удорожание или удешевление сырья практически сразу сказывается на стоимости готовой продукции). Многочисленные исследования динамики цен на сырьевые товары и инфляции в промышленно развитых странах показали, что в 1970—1990-е гг. увеличение инфляции следовало за скачком цен на сырье с отрывом в один год.
Аналогичный принцип лежит и в основе анализа и прогнозирования конъюнктуры рынка с помощью экономических барометров. Экономический барометр — это система экономических показателей, применяемых для анализа и прогнозирования конъюнктуры рынка. Все показатели делятся на три группы: опережающие (лидирующие), совпадающие (синхронные) и запаздывающие.
Гарвардский барометр (и построенные по его образу) измеряется лагами между изменениями среднеарифметических величин для показателей каждой группы. Все ряды выравниваются путем деления, каждого показателя на его среднеквадратическое отклонение от тренда. Зная точку циклического минимума или максимума лидирующей группы, барометр предсказывает, что через период времени, равный среднему лагу за несколько прошлых циклов, наступит соответствующая точка для показателей совпадающей и запаздывающей групп.
Среди опережающих показателей называют среднюю продолжительность рабочей недели в промышленности, число вновь создаваемых деловых предприятий, среднее число сверхурочных часов; среди совпадающих — личный доход за вычетом трансфертных платежей, ВНП, уровень безработицы; среди запаздывающих — численность безработных, удельные расходы на заработную плату, изменение индекса потребительских цен и т.п.
Во многих прогнозах ставится вопрос не о запаздывании, а об упреждении событий. Так, нас может интересовать, когда и какие инвестиции необходимо осуществить, чтобы произвести в прогнозном году определенное количество продукции, на сколько и когда следует расширить посевные площади под определенную сельскохозяйственную культуру, чтобы получить в прогнозном году необходимый урожай. В данном случае по предположению принимается прогнозное значение yt и рассчитывается необходимая величина xt-τ.
Задание. На основе исходной информации о взаимосвязи исследуемых показателей (в соответствии с заданием, определенным преподавателем) выявить тесноту и характер их взаимосвязи и составить точечный и интервальный прогноз на заданный период времени. Справочная информация к практической работе находится в табл. 5.1.
Таблица 5.1 Статистические функции табличного редактора Excel
|
|
Обозначение | Содержание расчетов |
КОРРЕЛ | Возвращает коэффициент корреляции между двумя массивами данных |
ЛИНЕЙН | Возвращает параметры линейного приближения по методу наименьших квадратов |
ТЕНДЕНЦИЯ | Возвращает значения в соответствие с линейной аппроксимацией по методу наименьших квадратов |
ЛГРФПРИБЛ | Возвращает параметры экспоненциального приближения по методу наименьших квадратов |
РОСТ | Возвращает параметры экспоненциального приближения по методу наименьших квадратов, проекции по экспоненциальному приближению |
Задача 1. Продавец товара А анализирует информацию о цене товара и количестве продаж (табл. 3.2).
Таблица 3.2 Исходные данные
Количество, ед./дн. | Цена, руб. | ||
Требуется вычислить коэффициент корреляции; построить модель линейной регрессии и объяснить значения коэффициентов; рассчитать прогноз объема продаж при цене 4500, 3000 и 2500 руб.; определить границы доверительного интервала.
Задача 2. В таблице 5.3 представлены данные о расходах на рекламу и товарообороте шести предприятий оптовой торговли.
Таблица 3.3 Исходные данные
Расходы на рекламу, тыс. руб. | Товарооборот, тыс. руб. |
Требуется вычислить коэффициент корреляции; построить модель линейной регрессии и объяснить значения коэффициентов; рассчитать прогноз товарооборота при прогнозируемых расходах на рекламу в размере 75, 50 и 100 тыс. руб.; определить границы доверительного интервала.
Задача 3. На основе статистических данных о средних ценах производителей основных видов топливно-энергетических ресурсов оцените степень влияния цены на нефть на цены других ресурсов (бензин автомобильный, топливо дизельное, мазут топочный); сделайте вывод о возможности использования прогноза цены нефти для разработки прогнозов цен на бензин автомобильный, топливо дизельное, мазут топочный; при обнаружении зависимости рассчитайте прогнозные значения цен на названные топливно-энергетические ресурсы при условии, что в прогнозном периоде цена нефти составит 5000 руб. за тонну (табл. 5.4).
|
|
Таблица 5.4
Средние цены производителей основных видов
топливно-энергетических ресурсов, руб. за т
Вид топливное энергетических ресурсов | Период измерения | |||||||
Нефть | 6,3 | |||||||
Бензин автомобильный | 18,3 | |||||||
Топливо дизельное | 16,0 |
Мазут топочный 8,3 284 2244 1420 2102 1945 1927
Задача 4. На основании данных в таблице 5.5 проанализируйте тенденцию развития ЖД и других видов транспорта до 2015 года
Таблица 5.5
Исходная динамика | ||||||||||||
Доходы от перевозок грузов, млрд.руб. | ||||||||||||
Ранги | Годы | ЖД | Авто | МТ | ВДН | ВТ | ТРБ | Всего | ||||
млрд | млрд | млрд | млрд | млрд | млрд | млрд | ||||||
223,3 | 21,1 | 10,9 | 12,6 | 8,0 | 132,3 | 408,2 | ||||||
285,0 | 24,8 | 14,0 | 15,6 | 6,5 | 221,6 | 567,5 | ||||||
374,2 | 24,5 | 14,9 | 16,4 | 8,1 | 264,9 | 703,0 | ||||||
468,6 | 27,0 | 15,5 | 16,4 | 7,4 | 334,2 | 869,1 | ||||||
529,5 | 29,5 | 9,7 | 19,7 | 11,3 | 405,7 | 1005,4 | ||||||
585,7 | 38,0 | 11,2 | 20,7 | 11,4 | 529,8 | 1196,8 | ||||||
658,0 | 45,8 | 10,4 | 18,1 | 10,6 | 626,3 | 1369,2 | ||||||
758,5 | ||||||||||||