Классификация экономических прогнозов

Автор работы: Пользователь скрыл имя, 24 Января 2012 в 11:16, контрольная работа

Краткое описание

Введение
Приступая к изучению экономических прогнозов, надо помнить, что экономику следует рассматривать как стоимостное следствие жизнедеятельности общества, а объяснения тех или иных показателей и явлений, связанных с деятельностью общества, дают такие науки, как психология, социология, политика, технология и др.
Поэтому экономические прогнозы, например прогноз спроса на отдельный товар, тесно связаны с иными прогнозами, в частности, демографическими, социально-медицинскими, потребительскими, учёт которых, безусловно, повышает надёжность экономического прогноза.

Содержимое работы - 1 файл

МОЯ КОНТРОЛЬНАЯ ПО СТАТИСТИКЕ.docx

— 110.35 Кб (Скачать файл)

краткосрочные,

среднесрочные,

долгосрочные.

К краткосрочным относятся прогнозы, охватывающие период, на один год превышающий время начала удовлетворения потребностей в рассматриваемых достижениях научно-технического прогресса.          Среднесрочные прогнозы составляются на срок, начиная с которого полностью удовлетворяются потребности в этих достижениях.

Долгосрочные  прогнозы охватывают весь экономический горизонт в исследуемой области народного хозяйства.

           Деление прогнозов на краткосрочные,  среднесрочные и долгосрочные таким способом не является общепринятым в прогностической литературе. Тем не менее оно представляется удачным, поскольку учитывает специфику каждого конкретного объекта прогнозирования.

            Нормативный прогноз рассматривает необходимые ресурсы и целесообразные направления деятельности для обеспечения выполнения поставленных нормативных целей. Эти цели чаще всего связаны с необходимостью решения неэкономических задач общества.

           Нормативные прогнозы делятся  на:

  • оперативные,
  • тактические,
  • стратегические в соответствии с тем, к какой из этих категорий относятся нормативные цели, положенные в основу их разработки.[8]

              В однофакторных прогнозах в качестве объекта прогнозирования выбирается либо какой-то один элемент новой технологии, либо один показатель, характеризующий взаимодействие технологий (труд определенной квалификации, машины одного вида, количество новых научных трудов по одной тематике, фондоемкость национального дохода и т. п.). Объектами многофакторных прогнозов являются структура занятости, ряды машин, соотношения между несколькими факторами общественного производства и т. д.

           Односекторным считается прогноз, рассматривающий процессы в одной из хозяйственных ячеек, многосекторным – во взаимодействующей группе таких ячеек.

           Многоуровневые прогнозы рассматривают научно-технический прогресс и его влияние на эффективность общественного производства в иерархической подсистеме народного хозяйства.

         Построение системного прогноза  основывается на системном подходе  к исследованию научно-технического  прогресса. Структура этого прогноза представлена на рисунке 2.3

   Рисунок 2.3 Структура системного прогноза6

       При построении системного прогноза производства новой техники деревом целей может служить иерархическая система конкретных потребностей, непосредственно связанная с рассматриваемыми направлениями научно-технического прогресса. Системный прогноз должен содержать также варианты достижения целей, обеспеченные народнохозяйственными ресурсами, систему организационных мер для реализации каждого из этих вариантов в хозяйственной практике и описывать информационные потоки, обеспечивающие рассматриваемую систему необходимой информацией.

          Прогноз называется условным, если при его построении исходят из каких-то конкретных гипотез о ситуации, в которой осуществляются прогнозируемые события.

           Управляемый прогноз есть специальный вид условного прогноза, в котором некоторые из условий выделены как управляемые переменные (т. е. переменные, значения которых могут быть регулируемы в процессе целенаправленной хозяйственной деятельности). Условный прогноз, не содержащий управляемых переменных, называется неуправляемым. Управляемый прогноз является вариантным, если он содержит несколько вариантов изменения управляемых переменных и последствий этих изменений. Если при этом не рассматриваются варианты управления, которые заведомо менее удовлетворительны с точки зрения достижения поставленных целен, то такие прогнозы мы называем эффективными.

         Прогноз является оптимальным, если из множества прогнозных вариантов научно-технического развития выбираются оптимальные по некоторому критерию. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Доверительные интервалы прогноза.

         Заключительным этапом применения кривых роста является экстраполяция тенденции на базе выбранного уравнения. Прогнозные значения исследуемого показателя вычисляют путем подстановки в уравнение кривой значений времени t, соответствующих периоду упреждения. Полученный таким образом прогноз называют точечным, так как для каждого момента времени определяется только одно значение прогнозируемого показателя.

      На  практике в дополнении к точечному  прогнозу желательно определить границы  возможного изменения прогнозируемого  показателя, задать "вилку" возможных  значений прогнозируемого показателя, т.е. вычислить прогноз интервальный.

      Несовпадение  фактических данных с точечным прогнозом, полученным путем экстраполяции  тенденции по кривым роста, может  быть вызвано:

  1. субъективной ошибочностью выбора вида кривой;
  2. погрешностью оценивания параметров кривых;
  3. погрешностью, связанной с отклонением отдельных наблюдений от тренда, характеризующего некоторый средний уровень ряда на каждый момент времени.

      Погрешность, связанная со вторым и третьим  источником, может быть отражена в  виде доверительного интервала прогноза. Доверительный интервал, учитывающий  неопределенность, связанную с положением тренда, и возможность отклонения от этого тренда, определяется в  виде:

 

         (1.1.), 

      где n - длина временного ряда;

      L -период упреждения;

      yn+L -точечный прогноз на момент n+L;

      ta- значение t-статистики Стьюдента;

      Sp- средняя квадратическая ошибка прогноза.

      Предположим, что тренд характеризуется прямой: 

        

      Так как оценки параметров определяются по выборочной совокупности, представленной временным рядом, то они содержат погрешность. Погрешность параметра  ао приводит к вертикальному сдвигу прямой, погрешность параметра a1- к изменению угла наклона прямой относительно оси абсцисс. С учетом разброса конкретных реализаций относительно линий тренда, дисперсию можно представить в виде: 

       (1.2.), 

      где - дисперсия отклонений фактических наблюдений от расчетных;

      t1 - время упреждения, для которого делается экстраполяция; 

      t1 = n + L ; 

      t - порядковый номер уровней ряда, t = 1,2,..., n;

        - порядковый номер уровня, стоящего в середине ряда,

      Тогда доверительный интервал можно представить  в виде: 

       (1.3.),

Обозначим корень в выражении (1.3.) через К. Значение К зависит только от n и L, т.е. от длины ряда и периода упреждения. Поэтому можно составить таблицы значений К или К*= taK . Тогда интервальная оценка будет иметь вид: 

       (1.4.), 

      Выражение, аналогичное (1.3.), можно получить для  полинома второго порядка: 

       (1.5.), 

      или 

       (1.6.), 

      Дисперсия отклонений фактических наблюдений от расчетных определяется выражением:

(1.7.), 

      где yt- фактические значения уровней ряда,

       - расчетные значения уровней  ряда,

      n- длина временного ряда,

      k - число оцениваемых параметров выравнивающей кривой.

      Таким образом, ширина доверительного интервала  зависит от уровня значимости, периода  упреждения, среднего квадратического  отклонения от тренда и степени полинома7.

      Чем выше степень полинома, тем шире доверительный интервал при одном  и том же значении Sy, так как дисперсия уравнения тренда вычисляется как взвешенная сумма дисперсий соответствующих параметров уравнения 

      Рисунок 1.1. Доверительные  интервалы прогноза для линейного  тренда

        Доверительные интервалы прогнозов, полученных с использованием уравнения экспоненты, определяют аналогичным образом. Отличие состоит в том, что как при вычислении параметров кривой, так и при вычислении средней квадратической ошибки используют не сами значения уровней временного ряда, а их логарифмы.

      По  такой же схеме могут быть определены доверительные интервалы для  ряда кривых, имеющих асимптоты, в  случае, если значение асимптоты известно (например, для модифицированной экспоненты).

      В таблице 1.1. приведены значения К* в зависимости от длины временного ряда n и периода упреждения L для прямой и параболы. Очевидно, что при увеличении длины рядов (n) значения К* уменьшаются, с ростом периода упреждения L значения К* увеличиваются. При этом влияние периода упреждения неодинаково для различных значений n : чем больше длина ряда, тем меньшее влияние оказывает период упреждения L. 

      Таблица 1.1.

      Значения  К* для оценки доверительных интервалов прогноза на основе линейного тренда и параболического тренда при  доверительной вероятности 0,9 (7).

  Линейный  тренд   Параболический  тренд
Длина ряда (п) Период  упреждения (L)

1 2 3

длина ряда (п) период  упреждения (L)

1 2 3

7 2,6380 2,8748 3,1399 7 3,948 5,755 8,152
8 2,4631 2,6391 2,8361 8 3,459 4,754 6,461
9 2,3422 2,4786 2,6310 9 3,144 4,124 5,408
10 2,2524 2,3614 2,4827 10 2,926 3,695 4,698
11 2,1827 2,2718 2,3706 11 2,763 3,384 4,189
12 2,1274 2,2017 2,2836 12 2,636 3,148 3,808
13 2,0837 2,1463 2,2155 13 2,536 2,965 3,516
14 2,0462 2,1000 2,1590 14 2,455 2,830 3,286
15 2,0153 2,0621 2,1131 15 2,386 2,701 3,100
16 1,9883 2,0292 2,0735 16 2,330 2,604 2,950
17 1,9654 2,0015 2,0406 17 2,280 2,521 2,823
18 1,9455 1,9776 2,0124 18 2,238 2,451 2,717
19 1,9280 1,9568 1,9877 19 2,201 2,391 2,627
20 1,9117 1,9375 1,9654 20 2,169 2,339 2,549
21 1,8975 1,9210 1,9461 21 2,139 2,293 2,481
22 1,8854 1,9066 1,9294 22 2,113 2,252 2,422
23 1,8738 1,8932 1,9140 23 2,090 2,217 2,371
24 1,8631 1,8808 1,8998 24 2,069 2,185 2,325
25 1,8538 1,8701 1,8876 25 2,049 2,156 2,284

Информация о работе Классификация экономических прогнозов