Методы политического прогнозирования

Типология методов прогнозирования

Существуют различные варианты типологии методов прогнозирования: по основанию используемых данных; по основанию того, кто осуществляет прогнозирование; по степени точности и сложности методологии1. Широкое признание получила типология, предложенная Дж. Скоттом Армстронгом2, выделяющим три наиболее общие линии размежевания методов:

• 1) субъективные — объективные;
• 2) наивные — каузальные;
• 3) линейные — нелинейные.

Проблемы терминологии.

Субъективными являются методы, предполагающие нечеткие и не вполне специфицированные процессы для анализа исходных данных. Такие методы также именуют имплицитными, неформальными, интуитивными, или клиническими. Они могут опираться на простые либо сложные процессы; могут использовать объективные либо субъективные данные в качестве вводных; могут сопровождаться формальным анализом; однако критически значимым признаком для данной группы методов остается то, что все вводные данные преобразуются в прогностические выводы в голове аналитика.

Объективные методы, напротив, опираются на четко специфицированные процессы анализа вводных данных. Такие методы упоминаются также как эксплицитные, статистические, или формальные методы. Данные методы также могут быть простыми и сложными, использовать субъективные или объективные данные, сопровождаться формальным анализом либо нет. Однако здесь критически значимым отличием является то, что вводные данные преобразуются в прогностические выводы посредством процессов, которые могут независимо воспроизвести другие исследователи и при этом получить аналогичные результаты. Кроме того, такие процессы могут быть воспроизведены компьютером.

Дж. С. Армстронг отмечает, что на практике большинство прогнозов осуществляется с помощью субъективных методов, более того: чем более важным представляется прогноз, тем более вероятно обращение к субъективным методам. Осознанный выбор между объективными и субъективными методами является наиболее значимым моментом в аналитической практике.

Наивные методы не претендуют на установление причинно-следственных взаимосвязей, присутствующих в прогнозируемой ситуации; они ограничиваются анализом данных только по интересующей исследователя переменной, при этом наблюдаемая историческая динамика проецируется на будущее.

Каузальные методы задаются не только вопросом «как?» но и «почему?»: устанавливаются причинно-следственные взаимосвязи между интересующей исследователя переменной (зависимой) и объясняющими се поведение переменными (независимыми). Наличие причинности при этом предполагает два условия: а) независимая переменная X является необходимым либо достаточным условием для проявления зависимой переменной У; в) X предшествует К во времени (рис. 8.1)4.

Рис. 8.1. Наивные и каузальные методы прогнозирования:

У — прогнозируемая (зависимая) переменная; X — каузальные (независимые) переменные; 6 — число периодов исторических данных; /? — число периодов горизонта прогноза;? — единица времени; Ъ — каузальные взаимосвязи в исторических данных; Ь/, — каузальные взаимосвязи в пределах горизонта прогноза Наконец, методы, которые относятся к категориям объективных и каузальных, могут быть, в свою очередь, дифференцированы в соответствии с третьей линией размежевания.

Линейные методы предполагают обыденную логику причинно-следственных взаимосвязей, которая укладывается в классическую формулу.

где Y — прогнозируемая переменная, X — каузальные переменные, а — константа, h — взаимосвязь.

Линейные методы привлекательны прежде всего своей простотой, доступностью, надежностью и низкими требованиями в отношении ресурсов. Нелинейные методы, напротив, сложны для понимания, более ресурсоемки, и их прогностический потенциал не был убедительно продемонстрирован. Различие между линейными и нелинейными методами прогнозирования представляется наименее значимым из трех названных.

Противопоставление субъективных и объективных, наивных и каузальных методов не следует воспринимать как абсолютное и непреодолимое. На практике получают распространение смешанные методы (например, комплексные экспертные системы), соединяющие в себе элементы тех и других подходов для решения многоуровневого комплекса задач, связанных с обеспечением процесса выработки, принятия и имплементации решений.

За последнюю четверть века наблюдатели отмечают тенденцию движения от субъективных к объективным и от наивных к каузальным методам прогнозирования. Однако динамика этого движения остается достаточно медленной.

Субъективные методы в целом сохраняют преобладание над объективными, особенно в вопросах, представляющих высокую значимость для лиц, принимающих решения. Субъективное мнение руководства играет более значимую роль в вопросах, касающихся стратегии развития организации в целом, нежели отдельных организационных единиц, видов деятельности или производимых продуктов и услуг.

Решающим фактором, способствующим росту интереса к объективным методам прогнозирования, признаются более низкие издержки, необходимые для его осуществления. В отношении точности полученных результатов, объективные методы не демонстрируют заметно более высоких показателей в сравнении с субъективными методами, за исключением отдельных областей применения (таких, например, как прогнозирование климатических и погодных изменений, где компьютерные модели практически полностью вытеснили экспертное суждение, однако эти примеры не представляют интереса для политического анализа). Специалисты, тем не менее, склонны считать, что в области долгосрочных прогнозов объективные методы являются более точными и надежными.

Важно запомнить!

При классификации методов прогнозирования также представляются значимыми такие различения, как число переменных (одномерное и многомерное прогнозирование), характер участников (самостоятельное либо с привлечением экспертов) и некоторые другие. На основе различных типологий Дж. С. Армстронг предлагает следующее «дерево прогностических методов» (рис. 8.2).

Рис. 8.2. Дерево прогностических методов^[1]

Своеобразным препятствием к широкому распространению объективных методов в области принятия политических решений является опасение со стороны носителей субъективных экспертных знаний — собственно лиц, принимающих решения, их высокооплачиваемых советников, экспертов и т. д. — утратить влияние и контроль над ситуацией. Эти соображения, как свидетельствуют исследования, в некоторых случаях приводят даже к отказу от использования установленных и отлаженных прогностических компьютерных систем на предприятиях и в организациях.

Имеются и иные, фундаментальные причины сомневаться в возможности перевода всей прогностической активности на формализованные, объективные рельсы: они кроются в самой природе социальной реальности, о чем было сказано в гл. 1.

Тенденция движения от наивных к каузальным методам прогнозирования представляется более устойчивой и общепризнанной, особенно в областях социологических и экономических дисциплин. Данная тенденция подкрепляется улучшением качества и количества доступных данных, а также повышением наших способностей хранить и обрабатывать эти данные благодаря развитию и распространению компьютерных технологий.

Вместе с тем, каузальные методы более ресурсоемки в сравнении с наивными. Таким образом, фактор экономии издержек здесь если и имеет место, то только благодаря галопирующей инфляции вычислительных ресурсов в ходе переживаемой нами информационно-коммуникативной революции.

При этом обращение к более сложным и дорогостоящим методам прогнозирования дает заметный прирост в точности результатов только в решении задач, имеющих долгосрочный характер.

В области долгосрочного прогнозирования также заметна тенденция движения от линейных к нелинейным методам.

Наконец, общепризнанной тенденцией является рост популярности смешанных, комплексных методов прогнозирования, преодолевающих традиционные линии размежевания.

• [1] См.: Armstrong J. S. Principles of Forecasting; A Handbook («or Researchers and Practitioners. N .Y.: Springer, 2001.