Теории и модели экономического роста. 
Прогнозные модели развития экономики. 
Статистические методы прогнозирования основных показателей социально-экономического развития страны

В широком смысле слова экстраполяцияэто метод научного исследования, заключающийся в распространении выводов, полученных из наблюдения над одной частью явления, на другую его часть. В узком смысле слова экстраполяция означает нахождение по ряду данных функций других ее значений, находящихся вне этого ряда. Экстраполяция заключается в изучении сложившихся в прош8лом и настоящем устойчивых тенденций экономического развития и перенесении их на будущее. В прогнозировании экстраполяция применяется при изучении временных рядов и представляет собой нахождение значений функций за пределами области ее определения с использованием информации о поведении данной функции в некоторых точках, принадлежащих области ее определения.

Различают перспективную и ретроспективную экстраполяцию. Перспективная означает продолжение уровней ряда динамики на будущее на основе выявленной закономерности изменения уровней в изучаемом отрезке времени. Ретроспективная экстраполяция характеризуется продолжением уровней динамики в прошлое.

Понятием, противоположным экстраполяции является интерполяция, интерполирование, которое предусматривает нахождение промежуточных значений функции в области ее определения. При изучении временных рядов в случае необходимости может производиться интерполирование промежуточных уровней.

Разграничивают формальную и прогнозную экстраполяцию. Формальная экстраполяция базируется на предположении и сохранении в будущем прошлых и настоящих тенденций развития объекта. Прогнозная экстраполяция увязывает фактическое состояние исследуемого объекта с гипотезами о динамики его развития. Она предполагает необходимость учета в перспективе альтернативных изменений самого объекта, его сущности.

Метод экстраполяции применяется при стабильности системы, устойчивости явлений, когда динамика процессов, показателей в перспективе определяется тенденциями их изменения в прошедшем периоде. Предполагается, что развитие идет непрерывно, гладко, силы прошлого в состоянии контролировать будущее. Прогноз становится проекцией прошлого в будущее.

Метод скользящего среднего предполагает, что следующий во времени показатель по своей величине равен средней за последние месяцы (годы) величине, например средней за последние 3 месяца. Прогноз при экспоненциальном сглаживании определяется как сумма фактических и прогнозных данных за период, взвешенных с помощью специальных коэффициентов, определяемых статистическим путем.

На этом основаны, например, предсказания экономической конъюнктуры Гарвардской школы политэкономии. Ею предложен так называемый конъюнктурный барометр, включающий три показателя:

• индекс спекуляции — отражает изменения на рынке ценных бумаг;

• индекс бизнеса — характеризует изменения на товарных рынках;

• индекс денежного рынка — фиксирует изменения в области кредита.

Конъюнктура предсказывается на основе данных о периодических повторениях положительных и отрицательных отклонений от среднего уровня.

При глобальном макроэкономическом прогнозировании экстраполяция опирается на опыт прошлого, объективно существующую цикличность, волнообразность развития.

Для повышения точности экстраполяции используются различные приемы. Например, экстраполируемая часть общей кривой развития (тренд) корректируется с учетом реального опыта функционирования отраслианалога исследований объекта, опережающих в своем развитии прогнозируемый объект.

Трендэто изменение, определяющее общее направление развития, основную тенденцию временных рядов. Под ним понимается характеристика основной закономерности движения во времени, в некоторой мере свободной от случайных воздействий. Трендэто длительная тенденция изменения экономических показателей. При разработке моделей прогнозирования тренд оказывается основной составляющей прогнозируемого временного ряда, на которую уже накладываются другие составляющие.

Сущность метода наименьших квадратов состоит в отыскании параметров модели тренда, минимизирующих ее отклонение от точек исходного временного ряда, то есть минимизации сумы квадратических отклонений между наблюдаемыми и расчетными величинами. Модель тренда может различаться по виду. Е выбор в каждом конкретном случае осуществляется в соответствии с рядом статистических критериев. Наибольшее распространение в практических исследованиях получили следующие функции: линейная, квадратичная, степенная, показательная, экспоненциальная, логистическая. Особенно широко применяется линейная функция, то есть сводимая к линейной форме, как наиболее простой и в достаточной степени удовлетворяющей исходным данным. Метод наименьших квадратов широко применяется при анализе методов качества прогнозов в силу своей простоты и возможности реализации на компьютере. Недостаток данного метода состоит том, что модель тренда жестко фиксируется, а это делает возможным его применение только при небольших периодах упреждения, то есть при краткосрочном прогнозировании.

Метод экспоненциального сглаживания дает возможность получить оценки параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения. Этот метод позволяет оценить параметры модели, описывающей тенденцию, которая сформировалась в конце базисного периода. Он не просто экстраполирует действующие зависимости в будущее, а приспосабливается, адаптируется к изменяющимся условиям во времени.

Этот метод применяется при анализе качества прогнозов при краткои среднесрочном прогнозировании. Его преимущества состоят в том, что он не требует обширной информационной базы и предполагает ее интенсивный анализ с точки зрения информационной ценности различных членов временной последовательности. Модели, описывающие динамику показателя, имеют простую математическую формулировку, адаптивная эволюция параметров позволяет отразить неоднородность свойств временного ряда.

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.

В целом, методы экстраполяции, основанные на продлении тенденций прошлого и настоящего на будущий период, могут использоваться при анализе качества прогнозов лишь при периоде упреждения до пяти или семи лет. Важнейшим условием использования данных методов является наличие устойчивых выраженных тенденций развития какоголибо явления и процесса социальноэкономической действительности. При более длительных прогнозах эти методы не дают точных результатов.

Распространенной методикой при анализе качества прогнозов служит моделирование, которое следует понимать как исследование объектов познания на их моделях. Оно предполагает построение моделей реально существующих предметов и явлений: живых организмов, инженерных конструкций, общественных систем. Моделирование считается достаточно эффективным средством прогнозирования.

Содержанием процесса моделирования являются: конструирование модели на основе предварительного изучения объекта или процесса, выделение его существенных характеристик или признаков, теоретический или экспериментальный анализ модели, сопоставление результатов моделирования с фактическими данными об объекте, корректировка или уточнение модели.

Для описания моделей используется математический аппарат. Это связано с преимуществами математического подхода к многостадийным процессам обработки информации, использованием идентичных средств формирования задач, поиска методов решения, фиксации этих методов и их преобразования в программы, рассчитанные на применение средств вычислительной техники.

Заключение

Освещение вопросов прогнозирования различных социально-экономических явлений сегодня в экономической литературе и периодической печати получило очень широкое распространение. Ведь главная цель процесса прогнозированияэто определение возможных будущих тенденций развития того или иного явления и предупреждения на основе составленных прогнозов негативных сторон. При анализе качества прогнозов в экономике используют очень большое количество различных методов и приемов. В данной работе были рассмотрены основные методы анализа качества прогнозов, используемые на сегодняшний день при экономических расчетах. Таким образом, главная цель, поставленная во введении, была достигнута. В заключение сделаем несколько основных выводов по работе:

основными формализованными методами анализа качества прогнозов сегодня являются метод экстраполяции и математическое моделирование;

экстраполяция заключается в изучении сложившихся в прош8лом и настоящем устойчивых тенденций экономического развития и перенесении их на будущее;

распространенной методикой при анализе качества прогнозов служит моделирование, которое следует понимать как исследование объектов познания на их моделях;

метод экстраполяции включает в себя анализ среднего абсолютного прироста, среднего темпа роста и экстраполяцию на основе выравнивания рядов по какойлибо аналитической формуле.

методика статистического прогноза по тренду и колеблемости основана на их экстраполяции, то есть на предположении, что параметры тренда и колеблемости сохраняются до прогнозируемого периода;

все рассмотренные в работе методы наиболее часто применяются современными экономистами и финансистами для анализа качества прогнозов.

Березин И. — Краткая история экономического развития. — М.: 2004.

Борисов Е.Ф. — Основы экономики. — М.: ЮНИТИ, 2006.

Елисеева И.И., Юзбашев Н. М. Общая теория статистики: Учеб. — 4 изд., переаб., доп. — М.: Финансы и статистика, 2006. — 480 с.: ил.

Ефимова М.Р., Петрова Е. В., Румянцев В. Н. Общая теория статистики: Учеб. — 2 изд., переаб., доп. — М.: Инфра-М, 2005. — 416 с.

Курс экономической теории. Общие основы экономической теории, микроэкономика, макроэкономика, переходная экономика. Учебное пособие. / Под. ред. А. В. Сидоровича — М.: ДИС, 2004. 734 с.

Курс экономической теории. / Под ред. Чепурина М. Н. проф. Киселевой Е. А. — Киров: 2006

Кэмпбелл Р. Макконнелл, Стэнли Л. Брю. Экономикс. Принципы, проблемы и политика. М.: Республика, 2005 — 618 с.

Прогнозирование и планирование: Учеб. пособ./ Е. А. Черныш, О. П. Молчанова, А. А. Новикова, Т. А. Салтанова. — М.: Приор, 2006. — 176 с.

Справочное пособие директору производственного объединения (предприятия). В 2 т. / Под ред. Е. А. Егиазаряна и А. Д. Шеремета. — М.: Экономика, 2006

Статистика: Учеб./Под ред. И. И. Елисеевой. — М.: Витрем, 2005. — 448 с.

Статистика финансов: Учеб./ Под ред. В. Н. Салина. — М.: Финансы и статистика, 2007. — 816 с.

Теория статистики с основами теории вероятности: Учеб. пособ./ И. И. Елисеева, В. С. Князевский, Л. И. Ниворожнина, З. А. Морозова. — М.: ЮнитиДана, 2006 .- 446 с.

Теория статистики: Учеб./Под ред. Р. А. Шмойловой. — 3 изд., переаб., доп. — М.: Финансы и статистика, 2005 .- 560 с.: ил.

Теория статистики: Учеб./Под ред. Г. Л. Громыко. — М.: Инфра-М, 2005. — 414 с.

Четыркин Е. М. Статистические методы прогнозирования. — М.: Статистика, 2005. — 278 с.

Приложение 1 Виды темпов экономического роста Рис. 1. Виды темпов экономического роста

Y — национальный доход;

К — чистые капиталовложения;

F — капитал;

Р — численность населения;

S — сбережения (S = К;)

s — норма сбережений национального дохода;

b — удельная фондоемкость доходов;

Tp — темп роста населения;

TY — темп роста дохода;

TF — темп роста капитала.

Борисов Е.Ф. — Основы экономики. — М.: ЮНИТИ, 2006 c 86

Курс экономической теории. Общие основы экономической теории, микроэкономика, макроэкономика, переходная экономика. Учебное пособие. /

Под. ред. А. В. Сидоровича — М.: ДИС, 2004. 734 с. С 105

Статистика: Учеб./Под ред. И. И. Елисеевой. — М.: Витрем, 2005. — 448 с. С 97

Теория статистики: Учеб./Под ред. Г. Л. Громыко. — М.: Инфра-М, 2005. — 414 с. С 274

Статистика финансов: Учеб./ Под ред. В. Н. Салина. — М.: Финансы и статистика, 2007. — 816 с. С 584

Четыркин Е. М. Статистические методы прогнозирования. — М.: Статистика, 2005. — 278 с. с 112

Прогнозирование и планирование: Учеб. пособ./ Е. А. Черныш, О. П. Молчанова, А. А. Новикова, Т. А. Салтанова. — М.: Приор, 2006. — 176 с. с 65