![]() Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Прогнозирование экономических показателей. Практическое задание 2.
Прогнозирование – это научно обоснованные суждения о возможном состоянии и будущем развитии того или иного объекта или отдельных его элементов, а также об альтернативных путях, методах, сроках достижения определённого состояния этого объекта. Принципами прогнозирования являются: 1. системный подход; 2. научная обоснованность; 3. альтернативность и вариантность; 4. выделение генеральной цели, ведущего звена; 5. отражение объективных закономерностей; 6. достоверность. Прогнозирование и планирование экономики представляет собой сложный многоступенчатый и итеративный процесс, в ходе которого должен решаться обширный круг различных социально-экономических и научно-технических проблем, для чего необходимо использовать в сочетании самые разнообразные методы. По степени формализации методы экономического прогнозирования можно подразделить на интуитивные и формализованные. Среди интуитивных методов широкое распространение получили методы экспертных оценок. Применяются также методы исторических аналогий и прогнозирования по образцу. К формализованным методам относятся методы экстраполяции и методы моделирования. Методы моделирования предполагают использование в процессе прогнозирования и планирования различного рода экономико-математических моделей, представляющих собой формализованное описание исследуемого экономического процесса (объекта) в виде математических зависимостей и отношений. Различают следующие модели: матричные, оптимального планирования, экономико-статистические (трендовые, факторные, эконометрические), имитационные, принятия решений. В зависимости от уровня управления экономическими и социальными процессами различают макроэкономические, межотраслевые, межрайонные, отраслевые, региональные модели и модели микроуровня (модели развития фирмы). В системе электронных таблиц Microsoft Excel существует несколько функций, с помощью которых можно выполнить прогнозирование. На практике при выборе аналитической функции рекомендуется подбирать функцию ỹ х с таким расчетом, чтобы ее конструктивные элементы, коэффициенты и константы поддавались экономической интерпретации, а линия тренда отображала наиболее характерное изменение признака. Наиболее широко используются следующие функции: 1) линейная: ỹ х =а+bх, где а и b - константы; 2) параболическая: ỹ х =а+bх+cх 2, где а, b, с - константы; 3) степенная: ỹ х =ах b; 4) экспоненциальная: ỹ х =bm х; 5) гиперболическая: ỹ х =а+b/х; 6) простая модифицированная экспоненциальная функция: ỹ х = а - b х 7) логистическая: ỹ х = 1/(а + b) х. Для визуального выбора наиболее точной аппроксимации можно воспользоваться построением точечной диаграммы исходных данных с последующим добавлением линии тренда. Рассмотрим пример выбора аппроксимации данных статистики ВВП за ряд лет. Информация о динамике и структуре ВВП приведена в Приложении 2. Рис. 3.6 – Точечная диаграмма динамики ВВП Существует возможность создания линии тренда на диаграмме без создания данных для линии тренда. 1. Выберите ряд данных, к которому нужно добавить линию тренда. 2. Выберите команду Добавить линию тренда в меню Диаграмма. 3. На вкладке Тип выберите нужный тип регрессионной линии тренда. Рис. 3.7 – Выбор линии тренда Методом подбора определяется наиболее приемлемая форма линии тренда для аппроксимации фактических данных. Для аппроксимации фактических данных динамики ВВП выбраны линейная и экспоненциальная линии тренда (рис.3.7, 3.8). Рис. 3.7 – Линейная аппроксимация динамики ВВП Рис. 3.8 – Экспоненциальная линия тренда ряда динамики ВВП Функция «Тенденция» возвращает значения в соответствии с линейным трендом, исходя из допущения о неизменности прогнозных тенденций в будущем. Аппроксимирует прямой линией (по методу наименьших квадратов) массивы «известные значения y» и «известные значения x». Возвращает значения y, в соответствии с этой прямой для заданного массива «новые значения x».
|