Экономико-статистические модели прогнозирования

Временные регрессионные модели (модели экстраполяции тренда) в ряде случаев не позволяют получить достаточно хороший результат прогнозирования. Особенно эго относится к случаям, когда в рассматриваемой энергосистеме наблюдается существенное изменение тенденций развития, обусловленное внутренними взаимосвязями производительных сил региона. Точность прогнозирования в этих случаях может быть повышена за счет учета взаимосвязей потребности в электроэнергии региона с показателями развития производительных сил региона. Показатели развития производительных сил региона можно представить в виде двух групп: макроэкономические (вектор переменных Х_г) и отраслевые (вектор Х₂).

К группе макроэкономических показателей можно отнести: валовой выпуск продукции (В); стоимость основных фондов (Ф); производительность труда (П); численность работающего персонала (Ч) и др.; Х_х = {В, Ф, П, Ч, …}.

Во вторую группу отраслевых показателей входят объемы производства Di ведущих отраслей i региона, Х₂ = {D;, D₂, …, D;}.

Экономико-статистические модели обычно формируются в линейном виде в зависимости от показателей Х_ъ Х₂ и временного показателя t,

Модели (82) относятся к классу множественных регрессионных моделей и носят название производственных функций. Для получения и оценки характеристик моделей применяется рассмотренная ранее классическая теория регрессионного анализа.

Однако модели вида (82) имеют существенные недостатки. Главный из них — невозможность одновременного учета большей части параметров вследствие их взаимозависимости: наличия высоких значений (0,8 и более) коэффициентов парной корреляции между многими параметрами. Указанное обстоятельство приводит к необходимости исключения части параметров и, как следствие, к потере части информации. Именно это привело к разделению статистических совокупностей переменных на две группы Х_х и Х₂, которые характеризуются относительно независимыми макроэкономическими и отраслевыми показателями, и построению моделей двух видов:

Однако даже модели (83), (84) нс позволяют учесть всю совокупность показателей, влияющих на электропотребление, вследствие указанных выше недостатков, поэтому возникает необходимость разработки и использования принципиально иных типов моделей прогнозирования с применением методов факторного анализа.