Методы обработки пространственных, временных и пространственно-временных совокупностей

Эти методы занимают центральное место в прогнозировании экономических процессов. Они позволяют получить довольно достоверную картину прогнозных событий при разных вариантах исходных данных и на ее основе принять управленческое решение, исключающее большие потери для городского бюджета.

Рассмотрим варианты прогнозирования трех ситуаций наличия исходных данных:

Первая ситуация – наличие определенного временного ряда данных одного ключевого показателя, по которому требуется составить прогноз, т.е. выделение тренда. В числе различных способов решения этой задачи довольно популярными являются следующие:

а) простой динамический анализ.

Этот способ исходит из предпосылки, что прогнозируемый показатель изменяется прямо (либо обратно) пропорционально течению времени. В этом случае для расчета прогнозных значений искомого показателя строится уравнение вида:

, (4.2)

где:

a – свободный член (постоянное приращение);

b – коэффициент (угол наклона графика);

t – порядковый номер периода.

Параметры данного уравнения регрессии (а, b) можно рассчитать, например, методом наименьших квадратов. Затем, подставляя в данную формулу числовые значения периодов t, можно рассчитать прогнозные значения функции.

Б) анализ с помощью авторегрессионных зависимостей.

Этот способ исходит из предпосылки, что экономические процессы в регионе имеют определенную специфику, которая проявляется в следующем:

— взаимозависимость показателей;

— инерционность показателей (т.е. значение показателя в момент времени t зависит от значения этого показателя в предыдущем периоде и, следовательно, может рассматриваться как факторный признак для составления прогноза).

Наиболее общая форма авторегрессионной зависимости для этого случая имеет вид:

, (4.3)

где:

Y_t – прогнозное значение У в момент времени t;

Y_t-1 – значение У в момент времени (t – 1);

А – коэффициент регрессии.

Для оценки степени соответствия уравнения авторегрессионной зависимости можно использовать расчет величины относительного линейного отклонения (формула 6.4):

, (4.4.)

где: _~

а – длина ряда динамики показателя У;

_~

У_t – расчетная величина показателя У в момент времени t;

У_t – фактическое значение показателя У в момент времени t.

Аналитики считают допустимым значение а ≤ 15%.

Вторая ситуация – наличие пространственной совокупности.

В этом случае применяется многофакторный регрессионный анализ, который представляет собой распространение простого динамического анализа на многомерный случай, который весьма типичен для состояния городского хозяйства. Здесь выделяется определенное количество (k) факторов, оказывающих наиболее существенное влияние на прогнозируемый экономический показатель, и строится чаще всего линейная регрессионная зависимость вида:

, (4.5)

где:

A_K – коэффициент регрессии;

X_K – факторы.

Третья ситуация – наличие пространственно-временной совокупности.

Эта ситуация встречается, когда ряды динамики недостаточны по длине для построения статистически значимых прогнозов, что характерно для финансово-экономических процессов с кратковременным периодом их протекания. Подобная совокупность может быть составлена и в том случае, если аналитик намерен принять в расчет прогнозафакторы, которые существенно различаются по экономической природе и динамике. В этом случае для составления прогнозной картины в качестве исходных данных используют матрицы показателей. Каждая такая матрица представляет собой значения тех же показателей за разные периоды или на различные последовательные даты.

Результаты расчетов прогнозных значений выбранных показателей каждым из выше названных методов необходимо подвергнуть дополнительному анализу на предмет их соответствия реальной хозяйственной практики в регионе и затем составлять прогнозные показатели.