Содержание к диссертации
Введение
ГЛАВА 1. Обзор известных методов и моделей исследования категории «уровень жизни» 12
1.1 Анализ подходов к исследованию категории «уровень жизни» 12
1.2 Эконометрические методы и модели, применяемые для прогнозирования показателей уровня жизни 32
1.3 Модели и методы анализа временных рядов 37
Выводы по первой главе 62
ГЛАВА 2. Моделирование и прогнозирование основных стоимостных показателей уровня жизни на основе обобщенных параметрических arma-моделей 64
2.1 Разработка моделей показателей уровня жизни 64
2.2 Идентификация моделей 75
2.3 Временной и пространственный анализ показателей уровня жизни населения как инструмент определения эффективных направлений социально-экономической политики 87
Выводы по второй главе 105
ГЛАВА 3. Реализация и применение программного комплекса Econometric research 107
3.1 Описание программы 107
3.2 Тестирование моделей на тестовых выборках 117
3.3 Выработка прогнозов основных стоимостных показателей уровня жизни Самарской области на основе разработанных моделей 132
Выводы по третьей главе . 150
Заключение 152
Библиографический список 154
Приложения 166
- Эконометрические методы и модели, применяемые для прогнозирования показателей уровня жизни
- Временной и пространственный анализ показателей уровня жизни населения как инструмент определения эффективных направлений социально-экономической политики
- Тестирование моделей на тестовых выборках
- Выработка прогнозов основных стоимостных показателей уровня жизни Самарской области на основе разработанных моделей
Эконометрические методы и модели, применяемые для прогнозирования показателей уровня жизни
На данном этапе производится обнаружение потребности в прогнозной информации, определение целей и ограничений объекта прогнозирования.
При всём многообразии исходных условий, в которых выявляется необходимость в прогнозировании, можно выделить два основных типа инициализации проведения прогнозных расчетов: институциональный, в случае постановки задачи прогнозирования в рамках сложившегося порядка управления заранее заданного графика проведения работ, и - ситуационный, когда задача прогнозирования связана с необходимостью проведения соответствующих расчетов в зависимости от складывающихся конкретных условий в той или иной системе.
Изучение информации об объекте исследования. Традиционно, по характеру источников получения информации, ее подразделяют на фактографическую и экспертную. В основу этого деления формально положен факт степени формализации источника информации. В первом случае, это документ в широком смысле слова, а во втором - суждение человека, высказываемое часто по конкретному запросу.
Фактографическая информация имеет эмпирическую основу и опирается на фактические данные, накопленные по рассматриваемой тематике. Период времени, за который собрана информация об объекте прогнозирования, носит название периода основания прогноза или ретроспективного периода.
Экспертная информация представляет собой суждения, относительно изучаемой проблемы, высказанные непосредственно специалистом в данной предметной области либо группой специалистов-. Таким образом генератором-непосредственной или опосредованной прогнозной информации в заданной предметной области выступает человек, его опыт, знания, интеллект, умения, навыки, интуиция и т.д.
Тип информации (фактографической или экспертной) определяет метод прогнозирования и наоборот. Поэтому методы прогнозирования можно проклассифицировать по степени формализации используемой информации» на [51]: интуитивные, формализованные и комбинированные {гибридные) методы прогнозирования.
В случае методов интуитивного прогнозирования генератором прогноза является эксперт либо- группа экспертов. При этом механизм выработки прогноза представляет собой интуитивно-логический анализ ситуации и может строиться на основе прямой оценки объекта прогнозирования (метод индивидуального интервью, коллективных комиссий- и т.д.) либо - включать механизм обратной связи (групповые экспертные оценки, метод мозгового штурма и т.д.). Формализованные методы прогнозирования базируется на использовании преимущественно фактографических источников информации, однако в некоторых ситуациях возможно использование и экспертной информации. По своему содержанию они представляют собой генераторы прогнозной информации, построенные с помощью математических методов и моделей. Комбинированные методы прогнозирования являются, по сути, специальными методиками (процедурами) проведения прогнозных исследований и реализуют с той или иной степенью! успешности принцип системности прогноза (сценарный метод, метод анализа иерархий и т.д.). По своему существу, являясь гибридными, они могут объединять в рамках единой методики, как интуитивные, так и формализованные методы, основанные как на фактографической, так и на экспертной информации. 3. Выбор метода прогнозирования. Основное содержание данного этапа состоит в определении и использовании совокупности формализованных процедур, преобразовывающих исходное состояние исследуемого объекта в прогнозное. 4. Моделирование и прогнозирование. Моделирование - создание, применение, использование модели. Модель - объект произвольной природы, который отражает главные, с точки зрения решаемой задачи, свойства объекта моделирования [43]. Данный этап заключается в реализации методов и моделей прогнозирования, проверке прогностической пригодности, планировании и выработке прогноза. Производится анализ тестовой информации, соответствие" исходным гипотезам/теориям, проверяется согласованность с внешними источниками прогнозной информации. Проанализируем задачу прогнозирования уровня жизни согласно вышеописанной процедуре. Прогнозирование уровня жизни - государственная задача, целью которой является обеспечение стабильного, предсказуемого и эффективного развития страны. Постановка этой задачи носит институциональный характер. Для институциональной инициализации проведения прогнозных расчетов характерна заранее оцененная и проанализированная потребность в получении прогнозной, информации, с заранее определенными задачами и сроками, зафиксированными соответствующим нормативным документам [50]. Сбором статистической, формализованной информации, а также разработкой методики и формированием показателей занимаются органы государственной статистики. Относительно раскрытия причинно-следственного механизма при прогнозировании К.Д. Льюис в книге «Методы прогнозирования экономических показателей» [37] писал: «В прогнозировании можно идти двумя путями. Первый — попытаться вскрыть причинно-следственный механизм, т.е. найти факторы, определяющие поведение прогнозируемого показателя, прогноз по которым либо известен, либо найти нетрудно. Этот путь приводит собственно к экономико-математическому моделированию, построению модели поведения экономического объекта (статистические модели такого типа иногда называют эконометрическими). Второй путь — не вдаваясь в механику движения, попытаться предсказать будущее положение, анализируя временной ряд показателя изолированно». Таким образом, целесообразно перейти к выбору метода прогнозирования, а затем, если это необходимо проанализировать причинно-следственный механизм. При выборе метода прогнозирования остановимся на формализованных методах, так как прочие методы, базирующиеся на экспертной информации объективно оценить, сравнить невозможно. Предметом нашего дальнейшего рассмотрения в рамках формализованных методов описания обоснования и проведения прогнозных исследований социально-экономических объектов будут математические методы и модели прогнозирования. В связи с этим встает задача выбора параметрического и/или непараметрического подхода моделирования и прогнозирования [61].
Временной и пространственный анализ показателей уровня жизни населения как инструмент определения эффективных направлений социально-экономической политики
Столь низкий удельный вес оплаты туда по Самарской области имеет объективные причины. Появление новых источников доходов (предпринимательского дохода, дохода от собственности) ведет к сокращению отчислению в фонды социального назначения, которые являются источником формирования доходов в виде социальных трансфертов. Если в развитых странах социальные трансферты составляют 15%, то по Самарской области этот показатель не превышает 11-12%. Доля предпринимательского дохода, доходов на капитал и ренты в развитых странах составляет 25% совокупного дохода. Существенных изменений претерпела доля доходов, приходящаяся на прочие виды деятельности.
Население отдает все большее предпочтение самозанятости и самообслуживанию. Семейный бюджет пополняют поступления от занятий индивидуальной трудовой деятельностью по производству продукции и оказанию услуг населению, а также поступления, полученные от реализации товарной продукции, произведенной в личном подсобном хозяйстве. Причиной увеличения склонности к дополнительным доходам является стремление к диверсификации источников доходов, позволяющей снизить риск существенного сокращения уровня жизни при сокращении основного дохода.
При анализе совокупного дохода населения важно рассмотреть направления его использования. Структура использования совокупного дохода складывается из следующих компонентов. покупка товаров; оплата услуг; обязательные платежи и разнообразные взносы; сбережения во вкладах и ценных бумагах; расходы населения на покупку недвижимости; расходы на приобретение иностранной валюты; оплата кредитов, выданных населению; переводы денежных средств. Показатели уровня и структуры потребительских расходов являются одним из важнейших показателей потребительского поведения домохозяйств, использования доходов семьи, так как здесь выражается взаимосвязь потребностей и возможностей населения. Учитывая, что потребности населения остаются в течение ограниченного промежутка времени почти неизменными, резкое изменение пропорций внутри потребительских расходов наглядно иллюстрирует динамику уровня жизни. По мнению Дж. Кейнса, «психологический закон... состоит в том, что люди склонны увеличивать свое потребление с ростом дохода, но не в той же мере, в какой растет доход». Дж. Гэлбрейт, описывая использование дохода, отмечает: «Потребители выражают свои желания путем распределения своего дохода между различными благами и услугами, к которым они имеют доступ на рынках».
Рисунок 2.4 отражает уровень расходов населения Самарской области. Очевидно, что общая сумма расходов превышает доходы, хотя динамика разности доходов и расходов уменьшается.
Такой показатель как «расходы на покупку товаров и оплату услуг» отражает характеристику реального потребительского поведения населения, зависящую от конкретных, в том числе и внеэкономических обстоятельств, таких, например, как инфляционные ожидания, неуверенность в завтрашнем дне и т.п. В развитых странах этот показатель составляет 25-30%. В Самарской области этот показатель варьируется в пределах 80%. Это свидетельствует о том, что получаемый доход едва покрывает текущие малоэластичные расходы.
Теория эластичности возникла в связи с необходимостью проведения глубокого анализа влияния изменений экзогенных факторов на эндогенные показатели. К экзогенным относятся такие факторы, которые формируются вне рассматриваемого процесса и не зависят от желания и действий экономического субъекта по изменению их уровня. По существу это входные независимые данные исследуемого процесса. Эндогенные показатели характеризуют результат действий субъекта и формируются под влиянием экзогенных факторов. Степень чуткости, или чувствительности, поведения эндогенного показателя к изменению экзогенного фактора, измеряется при помощи концепции эластичности. Степень эластичности или неэластичности рассчитывается при помощи коэффициента эластичности, вычисленного как изменение в процентах эндогенного показателя к процентному изменению экзогенного фактора.
Или в случае, если функциональная связь между экзогенными и эндогенными показателями четко установлена, рассчитывается точечная эластичность, которая характеризует реакцию эндогенного показателя на бесконечно малые изменения экзогенных факторов. В этом случае расчет ведется по формуле (2.55).
Тестирование моделей на тестовых выборках
Моделирование и прогнозирование временных рядов основных стоимостных показателей предполагает реализацию нескольких информационных процессов: сбор, хранение, поиск, представление информации в определенном виде (визуальном, графическом или текстовом), получение новой информации, передачу информации по каналам связи адресатам и др.
Указанные информационные процессы реализуются информационными системами в экономике, составной частью которых являются системы поддержки принятия решения (СППР). СППР руководителя должна, в частности, иметь диалоговые программные средства обеспечения принятия решений на основе математических методов, а также возможность накопления опыта и знаний. В органе управления СППР используют специалисты, занимающиеся аналитической работой по подготовке решений руководителя и их документальным оформлением. Основу деятельности органа управления составляет оценка различных вариантов решения (проведение прогнозов, оценочных расчётов) и разработка различных документов. Эффективность функционирования органа управления во многом определяется продуктивностью деятельности специалистов, особенно в области создания и анализа новой информации. Основные требования к СППР органа управления: - обеспечение оперативного поиска и отображения всей информации, необходимой для подготовки решений и формирования проектов документов в пределах его компетентности; - обеспечение возможности ведения оперативных расчетов и моделирования для оценки ситуации и подготовки вариантов решений; обеспечение возможности автоматизированной подготовки документов (текстов, графиков, диаграмм и т.п.). При этом оперативные расчёты и моделирование, а также прогнозирование, в наибольшей! степени обеспечивают повышение эффективности и качества управленческих решений. Построение эконометрических моделей предполагает выполнение множества математических расчетов, широкое использование компьютерных средств обработки информации. Следует иметь в виду, что далеко не во всех случаях данные, полученные в результате моделирования и прогнозирования, могут использоваться как готовые управленческие решения. Они скорее могут рассматриваться как «консультирующие» средства, а принятие управленческих решений остаётся за человеком, опирающимся на свой опыт. Это объясняется чрезвычайной сложностью экономических и социально-экономических процессов. Кроме компьютеров, навыков работы на них, требуется наличие соответствующего программного обеспечения и понимание его возможностей. При этом известные программные средства анализа рядов динамики не решают поставленных задач, не реализуют предложенные методы. Существует около тысячи распространяемых на мировом рынке пакетов, решающих в том или ином виде задачи статистического анализа. Для этих целей разработаны и широко используются пакеты прикладных программ статистической обработки данных (например, StatGrafics, SPSS, SyStat, Statistica/W, Stadia и др.). При помощи свободно распространяемого статистического пакета Matrixer можно реализовать метод «квантильной регрессии», сведением её к задаче линейного программирования. Вследствие большой популярности эконометрических исследований на Западе средства построения эконометрических моделей включены во все известные интегрированные офисные средства (Microsoft Office, Perfect Office и т. д.) и табличные процессоры (Excel, Lotus 1-2-3, Quattro Pro и др.). Состав математико-статистических методов эконометрического моделирования весьма разнообразен и предполагает использование вычислительной техники: включает анализ систем одновременных эконометрических уравнений, корреляционный, регрессионный И спектральный анализы, методы статистического анализа динамических (временных рядов) и др. Применяемые в последнее время для прогнозирования нейропакеты, реализуют непараметрический подход, требуют тщательной настройки на конкретную задачу, что под силу лишь специалисту в этой области.
В указанных программных средствах анализируются-до двух десятков моделей трендов, реализуется идентификация путем перебора моделей и последующего сравнения невязок, а также осуществляется метод «классической» сезонной декомпозиции путём текущего сглаживания для выделения тренда или сложной тренд-сезонной фильтрацией.
Указанные пакеты, реализуя известные классические методы, не позволяют достичь сформулированной выше цели исследований. Они не работоспособны на малых выборках, не позволяют осуществлять параметризацию колебательных компонент рассматриваемых в работе моделей.
Тем не менее, при проведении эконометрических исследований на основе представленных ниже методов, пакеты статистических программ могут быть использованы на отдельных этапах: при предварительном статистическом анализе временных рядов для отбраковки аномальных значений, при определении порядка авторегрессии, проверки статистических гипотез, для реализации МНК и ОМНК, расчета числовых и интервальных характеристик точности, использования графических средств и т.д.
Выработка прогнозов основных стоимостных показателей уровня жизни Самарской области на основе разработанных моделей
На рисунках 3.75 и 3.76 произведено сравнение точности моделирования и прогнозирования временных рядов общего объема денежных доходов и расходов населения, с периодом - год, на основе обобщенных параметрических ARMA и модели Хольта. Ретропрогноз производился на год вперед (2009 год).
Отметим, что прогнозы, полученные на основе обобщенных параметрических ARMA моделей более экономичны по объему выборки (требуется от 24 наблюдений или 2 лет) относительно моделей ARIMA, экспоненциального сглаживания и сезонной декомпозиции, требующих для идентификации параметров выборки, объемом более 5-ти лет или 60-ти ежемесячных наблюдений. Также обобщенные параметрические ARMA модели дают увеличение точности моделирования на 0,1-0,2 коэффициента детерминации и на 1-3% ошибки прогноза МАРЕ.
Пользователями предложенных моделей прогнозирования могут выступать органы государственного управления на различных уровнях, а также коммерческие организации, планирующие объемы продаж на потребительских рынках.
Одной из важнейших функций органов государственного управления как на региональном, так и на федеральном уровне является планирование доходный статей бюджета, в частности налоговых поступлений. Значительная часть полученных средств направляется на реализацию социально-экономической политики, предполагающей улучшение качества жизни, уменьшение экономической стратификации населения. Использование предложенных инструментов моделирования и прогнозирования повышает эффективность принимаемых решений как в сфере налоговой, так и в сфере социально-экономичекой политики. Прогнозирование общего объема денежных доходов населения позволяет планировать доходную часть бюджета, а также объемы пенсионных и страховых фондов по налоговым поступлениям от дохода физических лиц и единого социального налога. Точность планирования доходной части бюджета, а также анализ, моделирование и прогнозирование показателей динамики дифференциации населения по доходам в значительной мере определяет формирование рациональной и наиболее полно решающей поставленные задачи социально-экономической политики.
Увеличение точности прогноза общего объема денежных доходов населения области позволяет более точно оценить будущую экономическую ситуацию на рынке потребления товаров и услуг. В абсолютных показателях 1% ошибки этого показателя соответствует примерно 658 млн. руб. Таким образом, рынок потребления может быть переоценен или недооценен при допущении на этапе прогнозирования ошибки в один процент или примерно 0,66 млрд. руб.
В условиях динамически изменяющегося рыночного спроса для коммерческих предприятий значительную роль приобретает инструментарий адаптации производства под структуру спроса. Разработанные модели позволяют со значительной точностью оценивать емкость отдельных ценовых сегментов рынка в краткосрочной и среднесрочной перспективе и принимать во внимание влияние сезонности спроса. Подобная точность прогноза дает предприятию возможность формировать товарную номенклатуру и ассортимент, наиболее полно удовлетворяющий общественные потребности и, следовательно, обеспечивать повышение экономической эффективности работы предприятия и максимизацию прибыли. Причем, экономический эффект от применения разработанных моделей будет возрастать по мере увеличения масштаба деятельности организации. В разрезе отрасли применение высокоточных прогнозов позволяет повысить конкурентоспособность региональной продукции, финансовую устойчивость отдельных предприятий и улучшить инвестиционный климат.
В таблице 3.3 приведено сравнение оценок точности прогнозирования (МАРЕ-оценок) для рядов общего объема денежных доходов с различным периодом наблюдений (год и месяц).
Прогнозирование на основе обобщенных параметрических ARMA-моделей, исходя из проведенных исследований, позволяет получить удовлетворительные по точности прогнозы (МАРЕ-оценка менее 5%), превосходящие, в том числе на «длинных» выборках (объемом более 5 периодов) известные методы прогнозирования на основе моделей ARIMA, Хольта-Уинтерса, а также методов декомпозиции Census I и Census II.
На рисунках 3.77-3.79 показаны возможности распространения полученных результатов на другие предметные области моделирования и прогнозирования динамики.
На рисунке 3.77 приведены результаты прогнозирования урожайности валового сбора зерновых культур в Самарской области на следующий год при помощи модели (2.2) с точностью 1,67% (ретропрогноз на 1 год вперед).
На рисунках 3.78 и 3.79 приведены результаты моделирования и прогнозирования объема продаж лекарственных средств компании «Pinkham Medicine Company» (R2 = 0,7; МАРЕ = 7,3%) и валового национального продукта США соответственно (R2 = 0,98; МАРЕ - 1%).
