Содержание к диссертации
Введение
Глава 1. Современное состояние компьютерного моделирования в автоматизированных информационных экономических системах (АИЭС) 9
1.1. Особенности существующих АИЭС 9
1.2. Математические модели динамики глобальных экономических процессов 16
1.3. Современные тенденции компьютерного моделирования глобальных экономических процессов на примере АИЭС FUGI 35
1.4. Основные задачи и направления исследований компьютерного моделирования влияния горной промышленности на макроэкономику России 41
Глава 2. Идентификация эконометрических моделей анализа влияния горной промышленности на макроэкономику России 46
2.1. Основные математические формулы множественного регрессионного анализа 46
2.2. Отбор факторов для проведения статистического исследования и их нормировка 52
2.3. Исследование статистической зависимости национального дохода населения за текущий год от макроэкономических показателей добычи угля, нефти, природного газа и железной руды за три года 56
2.4. Исследование статистической зависимости национального дохода на душу населения от макроэкономических показателей развития России в период с 1960 по 1996 год 64
Глава 3. Прогнозирование динамики горной промышленности России 74
3.1. Разработка уравнений динамики горной промышленности России 74
3.2. Оценка точности прогнозирования по модели, на основе реальных данных за 1997 год 100
3.3. Анализ влияния горной промышленности на экономику России 102
Глава 4. Алгоритмы адаптации параметров эконометрической модели динамики горной промышленности России 111
4.1. Алгоритмы адаптации эконометрических моделей 111
4.2. Адаптация эконометрической модели динамики горной промышленности России 115
4.3. Блок-схема алгоритма адаптации эконометрической модели динамики горной промышленности России 121
Глава 5. Автоматизированная информационная система экономического анализа динамики горной промышленности России 125
5.1. Структура АИС экономического анализа динамики горной промышленности России 125
5.2. Структура БД и описание алгоритма работы системы 129
5.3. Информационное, техническое и программное обеспечение АИС экономического анализа динамики горной промышленности России 136
5.4. WEB-сайт АИС экономического анализа динамики горной промышленности России 141
Заключение 146
Библиографический список использованной литературы 148
Приложения 152
- Математические модели динамики глобальных экономических процессов
- Основные математические формулы множественного регрессионного анализа
- Разработка уравнений динамики горной промышленности России
- Адаптация эконометрической модели динамики горной промышленности России
Введение к работе
Управление различного рода процессами, влияющими на существование и развитие общества, и в первую очередь, относящимися к производству материальных и нематериальных благ, зависит в высокой степени от контроля над информацией экономического характера, т.е. ее сбора, систематизирования и анализа, что обуславливает широкое развитие экономико-аналитических систем, основанных на современных информационных технологиях.
В исследование проблем моделирования экономических процессов внесли большой вклад российские и зарубежные ученые: Аганбегян А.Г., Александров В.В., Багриновский К.А., Гвишиани Д.М., Гранберг А.Г., Дьячко А.Г., Ива-нилов В.Ю., Канторович Л.В., Коссов В.В., Моисеев Н.Н., Петров А.А., Покровский В.Н., Поспелов И.Г., Редкозубов С.А., Трапезников В.А., Л.Р. Клейн, Т.К. Купманс, В. Леонтьев, М. Месарович, Э. Пестель, Я. Тинберген, Дж. Форрестер, Р. Фриш, Т. Хаавелмо.
Необходимость в развитии информационных систем, как элемента управления экономикой России, определена сложностью процессов, вызванных проведением реформ. Перемены в экономике России происходят как на микроэкономическом уровне - на предприятиях и в учреждениях, так и на макроэкономическом уровне - в отраслях в целом и в регионах. В результате появляется необходимость в исследовании новых экономических объектов и производственно-промышленных комплексов. Примером такого объекта может служить горная промышленность, которая, в силу своей специфики, замыкает на себе целый ряд других отраслей и является среди них не только самой трудоемкой и капиталоемкой, но и, в качестве элемента минерально-сырьевой базы, фундаментом экономического развития и обеспечения жизнедеятельности страны.
В настоящее время известны работы, в которых рассматривается показатель «Горная промышленность». Это модель Дж. Форрестера, где введена переменная - "природные ресурсы" и модель В. Леонтьева, где горнодобывающий комплекс описывается с точки зрения вложений, являющихся затратами других отраслей экономики. Поэтому актуальной является проблема представления горной промышленности как совокупности ее направлений, при котором стано-
вится возможным количественно оценить воздействие каждого из них на основные макроэкономические показатели и, как следствие, обобщить их влияние на экономику России в целом.
Основным инструментом, применяемым для решения экономических и аналитических задач, является составная часть автоматизированной информационной системы (АИС) - математическая модель, описывающая систему соотношений исследуемых макроэкономических показателей и отражающая многосторонние реальные взаимосвязи в экономике, что позволяет определить цели разумных изменений в ней, выбрать и рассчитать средства, необходимые для их достижения.
Следует отметить важность применения для этих целей эконометрических компьютерных моделей, которые помогают успешно решить сложнейшие задачи экономического прогнозирования и управления, опираясь на реальные статистические данные. Погрешность расчетов по таким моделям зависит от погрешности статистической информации, но, тем не менее, точность прогноза по ним может быть не хуже, чем по теоретическим моделям, составить которые зачастую невозможно.
Существо эконометрических моделей требует на первом этапе определения их структуры, с последующей оценкой параметров.
Решению проблемы эконометрического анализа динамики горной промышленности России посвящена настоящая работа, цель которой - разработать структуры и оценить параметры многомерных эконометрических моделей экономического анализа динамики горной промышленности России для решения задач прогнозирования в условиях автоматизированных информационных управляющих систем (АИУС).
Для достижения поставленной цели необходимо изучить особенности моделирования глобальных экономических процессов и исследовать возможность адаптации существующих моделей к условиям России; разработать структуру эконометрических моделей, описывающих макроэкономические процессы в России; организовать алгоритмы и идентифицировать предложенные эконо-метрические модели; разработать алгоритмы адаптации эконометрических моделей динамики горной промышленности России с учетом новой статистической
6 информации; разработать АИС экономического анализа динамики горной промышленности России; разработать структуру базы данных АИС экономического анализа горной промышленности на макроэкономику России.
Результатом обзора существующих в экономике информационных систем стал вывод о необходимости создания АИС, которая в силу своей индивидуальной функциональной структуры, позволила бы произвести всесторонний анализ влияния горной промышленности на макроэкономику России не только в текущем периоде, но и имела бы возможность прогнозирования подобного влияния, оценивая его в динамике.
Анализ состояния современного компьютерного моделирования глобальных экономических процессов показал, что основной проблемой, затрудняющей адаптацию существующих моделей для России, является крупномас-штабность, и задача сужения их рамок сложна и трудоемка. Наиболее заслуживающей внимание, с точки зрения возможностей и современности, является модель FUGI, некоторые особенности которой (сбор данных посредством системы удаленного доступа; обработка экономической информации методом регрессионного анализа; возможности хранения и отображения полученных результатов) могут быть использованы при создании собственной структуры модели экономического анализа горной промышленности России.
Изучение основных методов прикладного регрессионного анализа, применяемых для идентификации эконометрических моделей, показало, что для определения структуры эконометрических моделей и оценки ее параметров предпочтителен выбор алгоритма множественной регрессии, а среди алгоритмов последовательного вычисления коэффициентов регрессионной модели наиболее точным является алгоритм метода текущего регрессионного анализа.
На основе отобранных статистических данных разработаны адекватные уравнения, составляющие структуру эконометрических моделей влияния горной промышленности на основные макроэкономические показатели и на экономику России в целом.
Организация алгоритмов идентификации позволила адаптировать эконо-метрические модели, описывающие влияние макроэкономических показателей на основные показатели экономики, обеспечив тем самым их переход из разряда
стационарных в разряд моделей с переменными коэффициентами, адекватно реагирующих на изменение существующей и ввод новой информации. Предложенная модель экономического анализа влияния горной промышленности на макроэкономику России послужила основой для разработки структуры автоматизированной информационной системы.
Научная новизна работы состоит в том, что впервые в экономическом анализе разработаны структуры эконометрических моделей, особенностью которых является представление горной промышленности как совокупности 4-х направлений: добычи угля, нефти, газа и железной руды. Предложен способ адаптации параметров эконометрической модели динамики горной промышленности России к новой статистической информации без структурного изменения модели, заключающийся в использование алгоритма метода ТРА. Показано, что разработанная эконометрическая модель, учитывая динамику показателей горной промышленности, позволяет сделать выводы о тенденциях развития в целом экономики России. Созданы основы для разработки автоматизированной информационной системы экономического анализа динамики горной промышленности России.
Практическая ценность настоящей работы заключается в разработке базы данных АИС экономического анализа динамики горной промышленности России, создании структуры автоматизированной информационной системы экономического анализа динамики горной промышленности России, включающей, помимо модели, информационное, техническое и программное обеспечение, разработке WEB-сайта АИС.
Работа состоит из пяти глав, списка использованных литературных источников и приложений.
В первой главе приведен обзор современного состояния компьютерного моделирования в автоматизированных информационных экономических системах. Определены основные задачи и направления исследований компьютерного моделирования влияния горной промышленности на макроэкономику России. Вторая глава посвящена идентификации ряда разработанных эконометрических моделей на основе отобранной статистической информации. В третьей главе разрабатываются уравнения динамики горной промышленности России, сово-
купность которых определяет модель динамики горной промышленности России, и оценивается точность прогнозирования по модели. В четвертой главе предложен механизм и на основе алгоритма метода ТРА проведена адаптация разработанной эконометрической модели динамики горной промышленности России. Пятая глава рассматривает вопросы разработки структуры АИС, ее информационной, технической и программной поддержки, структуры базы данных, а также WEB-сайта функционирования информационной системы.. В приложении содержатся документы по опытным испытаниям разработанной АИС, таблицы стандартизированных переменных по макроэкономическим показателям, корреляционные матрицы, таблица прогнозных значений развития экономики России с учетом влияния горной промышленности.
Настоящая работа выполнена в рамках темы "Компьютерное моделирование макроэкономических процессов развития горнодобывающего комплекса России до 2050 года" разрабатываемой кафедрой "Автоматизированные системы управления" Московского государственного горного университета (МГГУ).
Математические модели динамики глобальных экономических процессов
Моделирование глобального развития, или глобальное моделирование, стало развиваться с начала 70-х годов. Первыми наиболее широко обсуждаемыми были модели ("проекты"), разработанные по инициативе так называемого Римского клуба - международной некоммерческой организации. В вышедшем в 1972 г. отчете Римского клуба "Ограничения роста" была использована модель "Мировая динамика" Дж. Форрестера. Она привлекла пристальное внимание как одна из самых ранних глобальных моделей. К ее особенностям относится способность имитировать обобщенные показатели во всемирном масштабе, такие как население, капиталовложения, совокупность проблем, относящихся к окружающей среде, природным ресурсам, сельскому хозяйству, обеспечению продовольствием, т.е. по модели можно проследить основные тенденции мирового развития. Главной же проблемой, рассматриваемой в этом исследовании, была проблема "пределов роста", где под ростом подразумевалось увеличение численности населения и объемов производства.
Недостатки модели Форрестера связаны с тем, что анализ глобального развития проводится с учетом только естественных факторов, социальные же факторы не учитываются, хотя они так же играют значительную роль в проблеме "пределы роста". Помимо этого Дж. Форрестер в свою модель включил только невосстановимые ресурсы и не рассматривает ресурсы, которые могут возобновляться. Взаимозаменяемость ресурсов также не учитывается. Так как в модели отсутствует региональное деление, то, соответственно, при моделировании процессов мировой динамики не учитываются территориальные особенности изучаемых процессов, а, следовательно, не учитываются социально-экономические различия.
Проект "Человечество перед выбором" М. Месаровича и Э. Пестеля явился вторым в серии докладов Римского клуба. В отличие от модели Дж. Форрестера, где мир представлен как унитарная система, в проекте М. Месаровича и Э. Пестеля мир разделен на 10 областей (регионов). Была также разработана модель, учитывающая взаимозависимость этих областей. В проекте существует дифференциация между странами с развитой "рыночной" экономикой, с "централизованно планируемой экономикой" и со слаборазвитой экономикой. Для каждой их трех крупных групп стран формируется своя макромодель, отражающая специфику их функционирования. Каждый регион описывается системой подмоделей - их структура одна и та же для всех регионов, отличие - в начальных данных и значениях параметров. Связь регионов осуществляется через импорт, экспорт и миграцию населения. По функциональному признаку модель каждого региона в отдельности имеет следующие подмодели: экономики, демографии, питания, энергии, нефтяных ресурсов.
Недостатками этого проекта является то, что модели различных регионов не учитывают их специфику; проблема взаимодействия регионов фактически не решена; целый ряд параметров в системе уравнений остается неопределенным. Несмотря на незавершенность, работа М. Месаровича и Э. Пестеля является новым шагом в моделировании процессов мирового развития. В их подходе можно отметить ряд положительных аспектов: деление мировой системы на взаимодействующие регионы, специализацию моделей на решении конкретных проблем, включение в модель возможности управления, участие человека в процессах принятия решения.
В 1977 году была опубликована модель мировой экономики для Организацией Объединенных Наций, разработанная группой, руководимой известным экономистом и Нобелевским лауреатом В. Леонтьевым. Проект имеет заранее определенную целевую установку: выяснить, при каких обстоятельствах достижимы выдвинутые ООН задачи, связанные с преодолением все увеличивающегося разрыва между экономикой развитых и развивающихся регионов. Проект получил название "Будущее мировой экономики". В проекте разработана система межотраслевых балансовых моделей (для 15 регионов мира), включающих потоки основного и оборотного капитала, экспорт и импорт. Ведущим фактором, позволяющим прогнозировать состояние системы до 2000 года, является величина валового внутреннего продукта (ВВП), приходящаяся на душу населения. С помощью этого показателя определяется вектор конечного спроса. Однако, использование этого фактора, как универсального измерителя уровня экономического развития, приводит к тому, что в модели оказываются качественно равнозначными ВВП Латинской Америки, ВВП США и ВВП Саудовской Аравии. В проекте также не учитываются показатели военных расходов и, так же как в модели Дж. Форрестера, игнорируются социальные проблемы экономического развития.
Особое место среди зарубежных моделей глобальной динамики занимает проект международного объединения национальных эконометрических моделей ЛИНК. ЛИНК представляет собой наиболее развернутый и типичный пример построения мировой модели путем синтеза национальных моделей, разработанных в различных странах. Эта система начала создаваться в 1968 г. под руководством Л. Клейна. Однако система построена на основе краткосрочных и среднесрочных национальных моделей и не может быть использована для долгосрочных прогнозов. Помимо этого, система ориентирована на нужды ведущих развитых капиталистических стран, хотя важнейшая часть глобальных экономических проблем связана с поиском путей ликвидации отсталости развивающихся стран. Также в проекте ЛИНК невозможно моделирование глобальных изменений окружающей среды из-за отсутствия соответствующих подсистем.
В 1977 г. была представлена модель FUGI, разработанная в Японии. Модель представляла мир 15 областями с главной целью изобразить сценарии будущего и исследовать - какие пути развития всемирной экономики можно ожидать, если учесть данные о взаимозависимости, которые существуют среди наций. В начале 80-х FUGI - модель 4.0 классифицировала мир на 62 страны и региона. В 1981-1990 годах эта модель использовалась как долгосрочная модель для прогноза при исследованиях Перспективного планирования в отделе Международных экономических и социальных дел секретариата ООН в Нью-Йорке [24]. В течение 1980-х, секретариат ООН параллельно использовал FUGI- модель для долгосрочных экономических исследований и модель ЛИНК Л. Клейна для краткосрочных всемирных экономических прогнозов, одновременно использовалась также модель мировой экономики, разработанная профессором В. Леонтьевым. Разработанная в начале 90-х модель FUGI 7.0 делила мир на 180/80 стран и регионов. В этой модели расширили блок, учитывающей взаимодействие окружающей среды, и модель выработки энергии была представлена в новой интерпретации.
Общими для глобальных моделей являются - проблема наличия необходимой информации по различным показателям для стран и регионов, а также проблема вычислений, которая тем актуальнее, чем крупномасштабней модель, чем больше взаимосвязей между регионами. Современное программное обеспечение, наряду с использованием высокоэффективной вычислительной техники, позволяют значительно сократить время моделирования, что дает возможность получать более подробные и точные компьютерные модели, максимально отражающие реальность,.
Основные математические формулы множественного регрессионного анализа
В 1977 году была представлена первая версия АИЭС FUGI (Futures Global of Interdepence), разработанная в Японии профессором Технического факультета Университета Токио Ёичи Кайа, профессором Технического факультета Университета Осаки Ютака Сузуки, и профессором Акира Ониши. Модель системы, дебютировавшей на всемирном семинаре по Глобальному Моделированию при Международном Институте Прикладного Системного Анализа (HASА), расположенного в г. Люксенбург(Австрия), представляла мир 15 областями. Главной же целью ее было исследование путей развития всемирной экономики с учётом данных о взаимозависимости стран [23-26]. В начале 80-х первая версия глобальной экономической системы трансформировалась в систему четвертого поколения FUGI 4.0, которая классифицировала мир в 62 страны и региона и была основана на концепции глобальной взаимозависимости этих стран и областей. Они были сгруппированы в значительной степени вокруг главных индустриальных держав, принадлежащих к Организации Экономического Сотрудничества и Развития (OESD) , но включались также страны с плановой экономикой, развивающиеся страны и регионы Азии, Африки, Латинской Америки, Ближнего Востока и Тихого океана. В FUGI 7.0, разработанной для использования в начале 90-х, число стран и географических зон было расширено с 62 до 180/80, кроме того, чтобы устранить неточности FUGI 4.0, в FUGI 7.0 пришлось расширить блок, учитывающий взаимодействие окружающей среды и усовершенствовать блок, учитывающий мировую энергетику. Эти изменения были сделаны для ООН, чтобы обеспечить возможность исследовать альтернативные стратегии развития энергетики и добиться существенных перемен по сохранению окружающей среды в 1990 и последующих годах.
Прежде всего, АИЭС FUGI 7.0 разработана с целью реагирования на текущее неустойчивое состояние мировой экономики и включает разнообразные характеристики экономических систем в странах с развитой рыночной экономикой (1), странах с развивающейся рыночной экономикой (2) и странах с переходной экономикой планового периода (3), соответственно. Относительно, на пример, развитой рыночной экономики, которая характеризуется повышенным информационным потоком, тот факт, что модель строится с учетом возможности обработки крайне больших объемов сложной информации, дает возможность провести анализ с оптимальной степенью сложности системы, которая характеризует эту рыночную экономику. С другой стороны, модель также должна адаптироваться к ситуации, где информации недостаточно, что характерно для развивающейся рыночной экономике и переходной экономике планового периода. Стоит отметить, что модель ориентирована на динамический характер показателя «спрос-предложение» интегрированных систем.
Во-вторых, глобальная модель АИЭС FUGI 7.0 учитывает специфические особенности страны, хотя определены они таким способом, который разрешает повсеместную применимость. Экономические системы США и Японии, например, не идентичны и структуры систем этих рыночных экономик подвержены изменениям во времени. Соответственно, разрабатывая модель, которая является максимально возможно универсальной, и затем, выбирая наиболее подходящие переменные и функции, с помощью которых обеспечивается прогноз в отношении относительно отдельных стран или регионов в заданный период времени, моделирование может быть выполнено так, что согласованность системы, как единого целого, не может быть потеряна.
Третья характеристика - та, что экономическая система, обрабатываемая новейшей глобальной моделью АИЭС FUGI 7.0, является необычайно крупномасштабной. Мир подразделяется на 180/80 стран и подгрупп стран и в каждую из этих 180 или 80 национальных/региональных моделей включены 10 подблоков: труд и производство (1); расходы на реальный ВВП (2); распределения дохода (3); цены (4); расходы на номинальный ВВП (5); деньги, процентные ставки и финансовые активы (6); государственные финансы (7); международный баланс платежей (8); международные финансы (9); иностранные курсы обмена (10).
Четвертая характеристика глобальной модели АИЭС FUGI заслуживает особого внимания, так как она относится к анализу Интерсвязей окружающей среды, степени развития, состоянию мира и правам человека во взаимоотношениях между странами в едином человеческом сообществе. Это означает, что модель должна включать сортировку не только "жестких переменных" для экономического моделирования, но также "мягких переменных" таких, как состояние мира и права человека. Поэтому ожидается, что АИЭС FUGI 7.0 сыграет роль глобальной системы раннего предупреждения в XXI веке.
Глобальная модель АИЭС FUGI 7.0. состоит из 4 крупных подсистем: Окружающая среда (1); Степень развития (2); Состояние мира и безопасности (3); Права человека (4). Глобальная модель FUGI М80 классифицирует мир на 80 стран и региональных групп. Модель каждой страны или группы представляет собой глобальную взаимозависимость через прямые связи мировых торговых матриц, экспортные/импортные цены, цены на товары первой необходимости, курсы обмена валют, государственную помощь на развитие, частные иностранные прямые капиталовложения, внешний долг, европейскую долларовую процентную ставку и т.д., а также через взаимосвязи через фискальную валютную политику, энергетическую политику, экологическую политику и т.д.
В рамках этой глобальной модели каждая национальная/региональная модель состоит из вышеупомянутых 4 крупных подсистем, где подсистема окружающая среда включает 4 подблока: экосистема; население; продукты питания; энергия; и 10 подблоков в экономической системе, описанных выше. На рис.2 отображен состав каждой национальной/региональной модели, входящих в состав глобальной модели.
Разработка уравнений динамики горной промышленности России
Из таблицы 5 видно, что наибольшее влияние на национальный доход на душу населения оказывает переменная Ferruda (коэффициент 0,555433), затем переменная Gas (0,478378), переменная Chemistry (-0,217628), переменная Lightind (0,197577) и наименьшее влияние имеет переменная Soccultur (-0,075413). Переменные Chemistry и Soccultur оказывают противоположное влияние на национальный доход, т.к. коэффициенты при этих переменных отрицательны. Увеличение значений этих переменных приведет к уменьшению значения переменной Dohod и наоборот.
Коэффициент множественной корреляции R = 0,99117, что говорит остепени связи между переменной Dohod и совокупностью рассматриваемых макроэкономических показателей, входящих в окончательную модель. Коэффициент множественной детерминации R.2 = 98,2418 %, т.е. 98,2418 % вариации линейной комбинации аргументов Gas, Ferruda, Chemistry, Lightind и Soccultur при данных значениях коэффициентов регрессии объясняется факторами, включенными в уравнение регрессии, а 1,7582 % - прочими факторами. Критерий Фишера (F-критерий) для данной модели равен 403,10. Табличное значение критерия Фишера FT 6jl= 1,79. Таким образом, расчетное значение F-критерия превышает табличное. Это говорит о том, что гипотеза о равенстве коэффициента множественной корреляции нулю отвергается и связь считается существенной.
В таблице 5 приведены расчеты значений t-критерия для коэффициентов каждой из переменных, входящих в окончательную модель. Эти значения можно признать значимыми, а полученное уравнение достоверным, если доверительный уровень принять равным 2,042 при а = 0,05.
В таблице 4 (см. приложение 2) представлена корреляционная матрица окончательной модели, из которой видно, что наиболее значимо национальный доход связан с добычей газа и железной руды. Между факторами наибольшая зависимость между переменными Gas и Chemistry (противоположная зависимость), переменными Gas и Lightind (противоположная зависимость) и переменными Chemistry и Lightind.
На рис. 6 отражены наиболее значимые зависимости между зависимой переменной Dohod и независимыми переменными Ferruda и Gas. Для наглядности значения переменных переведены в положительную ось отсчета, где за начало отсчета принимается ноль.
Выводы: В результате проведенного исследования статистической зависимости национального дохода от совокупности рассматриваемых макроэкономических показателей Coal, Neft, Gas, Ferruda, Energy, Chemistry, Carbuild, Forr_paper, Buildmat, Lightind, Foodind, Agricult, Soccultur определилось 5 переменных, которые адекватно определяют переменную Dohod - это Gas, Ferruda, Chemistry, Lightind, Soccultur. Так как все переменные выражены в сравнимых единицах измерения, стандартизированные коэффициенты уравнения регрессии показывают сравнительную силу влияния каждой объясняющей переменной на изменение зависимой переменной. Чем больше коэффициент, тем большее влияние на национальный доход оказывает переменная. Влияние может быть прямое и противоположное, в зависимости от знака коэффициента соответствующей переменной. В получившейся окончательной модели наибольшее прямое влияние имеет добыча железной руды (коэффициент 0,555433). С увеличением показателя добычи железной руды на величину стандартного отклонения при постоянных значениях остальных переменных национальный доход на душу населения в среднем увеличивается примерно на 0,555433 единицы стандартного отклонения. Аналогично интерпретируются остальные положительные стандартизированные коэффициенты соответствующих переменных уравнения регрессии. Наибольшее противоположное влияние имеет переменная, характеризующая химическую и нефтехимическую промышленность (коэффициент -0,217628). С увеличением этого показателя на величину стандартного отклонения при постоянных значениях остальных переменных национальный доход на душу населения в среднем уменьшится примерно на 0,217628 единиц стандартного отклонения. Аналогично интерпретируются остальные отрицательные стандартизированные коэффициенты соответствующих переменных уравнения регрессии.
Переходя к общим выводам, можно сказать, что уровень нашей жизни к началу 1997 года определяется добычей железной руды и добычей газа. Из остальных отраслей промышленности влияют только легкая, химическая и нефтехимическая. Примечательным является тот факт, что противоположное влияние на национальный доход оказывает социально-культурная сфера, т.е., чем больше растут государственные расходы в этой области, тем больше уменьшается национальный доход. Возможно, это объясняется несовершенной системой распределения денежных средств, а также недостаточным их количеством, что и приводит к отсутствию существенной положительной отдачи в этой области. В качестве эксперимента проводились исследования, в которых рассматривались расходы в социально-культурной сфере с учетом отдачи через год, два, три и через шесть лет. Результат таких исследований каждый раз был одинаков - во всех случаях переменная Soccultur не попадала в окончательную модель. Все же остальные рассматриваемые отрасли промышленности не влияют на национальный доход, что, вероятнее всего, объясняется экономическим кризисом последних лет.
Адаптация эконометрической модели динамики горной промышленности России
Предложенная модель "Динамика горной промышленности России" не является стационарной, т.е. изменяется во времени. Подобная зависимость объясняется тем фактом, что модель носит прогнозный характер, и коэффициенты ее обновляются ежегодно, т.е. каждый год в справочно-публицистической литературе публикуются фактические значения по макроэкономическим показателям, в частности, опубликованы данные за 1997 год. Цель модели - прогнозирование включенных в нее макроэкономических показателей, в зависимости от их фактических значений в предыдущие годы.
Первоначальный вид модели реализован с учетом значений макроэкономических показателей за 1960-1996 года. Прогноз осуществляется с 1997 года. Вместе с обнародованием фактических значений по показателям за 1997 год возникает необходимость в изменении модели и получении прогнозных значений, начиная с 1998 года. В нашем случае отсутствует необходимость изменения структуры модели. Вполне достаточным действием является коррекция коэффициентов при соответствующих макроэкономических показателях в уравнениях, учитывая новую фактическую информацию за 1997 год, для чего применяется алгоритм текущего регрессионного анализа (ТРА), основная идея которого и заключается в пересчете оценок коэффициентов регрессии. В качестве формулы ТРА, применительно к поставленной задачи используется формула (4.2). При этом в качестве нового фактического значения зависимой переменной у выступает переменная AXN+1, как новое фактическое значение прироста зависимой переменной. Все уравнения модели подвергаются корректировки по алгоритму метода текущего регрессионного анализа, где т=36 для каждого из уравнений по количеству фактических значений макроэкономических переменных, а величина N зависит от числа переменных (структурно - макроэкономических), входящих в правую часть уравнений.
Особенностью формул ТРА является постоянный сбор информации об объекте управления, т.е. накопление статистических данных по макроэкономическим показателям. Однако это не оказывает существенного влияния на реализацию алгоритма, т.к. в нашем случае неприменимо понятие достаточно быстрого накопления новой информации о значениях макроэкономических показателей, в связи с тем, что частота ее появления - один год.
Результатом применения метода текущего регрессионного анализа являются новые значения коэффициентов в уравнениях модели. Таким образом, если первоначальный прогноз по модели был сделан с учетом данных за 1960-1996 гг. и затем, начинался с 1997 года, то после получения фактических данных за 1997 год [44], коэффициенты модели пересчитываются, и новый прогноз, с учетом вновь поступившей информации, начинается с 1998 года [45].
Алгоритм ТРА был применен также в случае, когда были обнародованы данные по макроэкономическим показателям, определяющими структуру модели, за 1998 год. В таблице 22 представлена необходимая информация за 1997 и 1998 год.
В таблицах 23, 24, 25 приведены коэффициенты эконометрической модели за 1996, 1997 и 1998 года соответственно, анализируя которые, следует отметить, что различия между ними крайне малы, т. е. изменения, появляющиеся в процессе адаптации - незначительны, что позволяет сделать вывод об устойчивости модели в целом.
Что касается точности полученной модели с учетом пересчета коэффициентов, стоит отметить в ряде случаев улучшение, по сравнению с результатами точности модели, полученными для 1997 года. Например, для горной промышленности точность по макроэкономическому показателю добыча природного газа на душу населения составила -0,99%, а по добычи железной руды на душу населения -1,22% . Также более точно были вычислены прогнозные значения по таким макроэкономическим показателям развития экономики, как темпы роста валовой продукции химической и нефтехимической промышленности на душу населения (7,28%), темпы роста валовой продукции лесной, деревообрабатывающей и целлюлозно-бумажной промышленности на душу населения (0,05%), темпы роста валовой продукции промышленности строительных материалов на душу населения (2,62%), темпы роста валовой продукции пищевой промышленности на душу населения (-1,76%) и расходы в социально-культурной сфере (-1,47%).
