СТАТИСТИЧЕСКИЙ И РЕГРЕСИОННЫЙ АНАЛИЗ Под прогнозом понимается

СТАТИСТИЧЕСКИЙ И РЕГРЕСИОННЫЙ АНАЛИЗ

Под прогнозом понимается научно обоснованное описание возможных состояний объектов в будущем, а также альтернативных путей и сроков достижения этого состояния. Процесс разработки прогнозов называется прогнозированием (от греч. prognosis – предвидение, предсказание). Прогнозирование должно отвечать на два вопроса: • Что вероятнее всего ожидать в будущем? • Каким образом нужно изменить условия, чтобы достичь заданного, конечного состояния прогнозируемого объекта? Прогнозы, отвечающие на вопросы первого типа, называются поисковыми, второго типа – нормативными.

Важной характеристикой является время (период) упреждения прогноза – отрезок времени от момента, для которого имеются последние статистические данные об изучаемом объекте, до момента, к которому относится прогноз. По времени упреждения экономические прогнозы делятся на: • оперативные (с периодом упреждения до одного месяца); • краткосрочные (период упреждения — от одного, нескольких месяцев до года); • среднесрочные (период упреждения более 1 года, но не превышает 5 лет); • долгосрочные (с периодом упреждения более 5 лет).

Прогнозирование экономических явлений и процессов включает в себя следующие этапы: 1. постановка задачи и сбор необходимой информации; 2. первичная обработка исходных данных; 3. определение круга возможных моделей прогнозирования; 4. оценка параметров моделей; 5. исследование качества выбранных моделей, адекватности их реальному процессу и выбор лучшей из моделей; 6. построение прогноза; 7. содержательный анализ полученного прогноза.

Знания в экономике концентрируются в форме экономических теорий, моделей, которые устанавливают связи между экономическими показателями. Закономерности в экономике проявляются как взаимосвязи между экономическими показателями. Объем потребления y связан с ценой p этого товара, уровнем дохода I, ценой ps товара-заменителя и ценой pс дополняющего товара: Q=f D(p, I, p. S, p. C) Производственная функция определяет вид зависимости выпуска Q в экономике от затрат труда L и капитала K: Y = F (L, K)

В общем случае экономическая модель с одной переменной y и k объясняющими переменными x 1 , x 2 , …, xn имеет вид: y = f (x 1, x 2, …, xk) На практике используются модели с конкретной функциональной формой, содержащей параметры. Производственная функция Кобба-Дугласа Y = A Kα Lβ определяется параметрами A, α, β. Линейная функция инвестиционного спроса имеет вид I = γ – λ · r, где I – объем инвестиций, r – реальная процентная ставка, γ, λ – фиксированные величины.

Модели могут иметь различные функциональные формы. Линейные эконометрические модели: а также степенные: Выбор вида функциональной зависимости называется спецификацией модели, а определение состава объясняющих переменных - спецификацией переменных. Они представляют собой составляющие эконометрического моделирования. Если модель содержит только одну объясняющую переменную, т. е. k=1, она называется парной регрессией. При k >1 мы имеем дело с множественной регрессией.

Информационную основу эконометрического моделирования составляют статистические данные. Их различают по типам. Перекрестные данные собираются по какому-либо экономическому показателю для разных объектов (фирм, стран, домохозяйств) в один момент времени или в разные моменты в случае, когда время несущественно. Временные ряды - данные для одного объекта в различные моменты времени. Промежуточное положение занимают панельные данные, которые отражают наблюдения по большому числу объектов за небольшое число моментов времени

w X Рис. 1. Гистограмма Статистические данные представляются обычно в виде таблиц, гистограмм, временных графиков, диаграмм рассеяния. Гистограмма позволяет судить о распределении значений, исследуемого показателя.

На основе построенной гистограммы можно судить о распределении объектов по рассматриваемому показателю. Рис. 2. Гистограмма: уровень безработицы по 36 странам мира в 2002 году

Для каждого наблюдения пара значений рассматриваемых переменных определяет точку на диаграмме. Совокупность этих точек образует диаграмму рассеяния. Взаимное расположение точек на ней дает возможность сделать вывод о наличии определенной закономерности в изменениях исследуемых показателей. y результат i-го наблюдения отражается точкой (хi, yi). . . . x Рис. 3. Диаграмма рассеяния