- •1. Классификация объектов прогнозирования.
- •2. Общая классификация методов прогнозирования.
- •3. Виды прогнозов.
- •4. Закон рф о планировании и прогнозировании национальной экономики.
- •5. Методы индивидуальных экспертных оценок.
- •6. Динамические модели экономики (см. 8, 9, 37, 39, 41).
- •7. Прогнозирование методом конечных разностей.
- •8. Классическая модель рыночной экономики.
- •9. Межотраслевой баланс производства, распределения и использования валовой продукции.
- •10. Прогнозирование (п) технического уровня (ту) производства.
- •11. Основные принципы прогнозирования (п).
- •12. Прогнозирование (п) потребности новой техники.
- •Параметры сетевых графиков, порядок и правила их расчета.
- •Производственная функция и ее роль в прогнозировании.
- •15. Классификация объектов прогнозирования (см. 1 вопрос).
- •16. Сетевые методы прогнозирования.
- •Прогнозирование влияния технического уровня производства на экономические показатели.
- •18. Оптимизация сетевых моделей.
- •19. Метод вероятностного моделирования.
- •20. Основные различия кейнсианской и классической модели экономики.
- •21. Модель в.Леонтьева «затраты-выпуск».
- •22. Особенности прогнозирования динамических моделей экономики.
- •Модель динамического межотраслевого баланса.
- •23. Метод коллективных экспертных оценок (мкэо).
- •24. Прогнозирование нтп.
- •25. Моделирование объекта прогнозирования.
- •26. Прогнозирование перспективной численности.
- •27. Оптимизационные методы прогнозирования.
- •28. Модель в. Леонтьева и использование ее для прогнозирования темпов и пропорций в сфере экономики.
- •29. Метод наименьших квадратов (мнк).
- •30.Макроэкономические производственные функции.
- •31. Метод экспоненциального сглаживания (мэс).
- •32. Анализ демографической ситуации региона (см. 26 вопрос)!!!
- •33. Прогнозный сценарий – как метод прогнозирования.
- •34. Прогнозирование трудовых ресурсов.
- •35. Матричный метод прогнозирования.
- •36. Прогнозирование темпов роста (мало!).
- •Годовые темпы роста рассчитываются как отношение показателей, характеризующего экономический рост за два определенных года:
- •37. Модель государственного воздействия на экономику.
- •38. Задачи прогнозирования национальной экономики (плохой вопрос!!!).
- •39. Односекторная модель Солоу.
- •40. Методические вопросы сбора экспертной информации для прогнозирования.
- •41. Трехсекторная модель р.Солоу.
- •42. Организация прогнозирования национальной экономики.
- •43. Динамическая модель в.Леонтьева.
- •44. Расчет параметров сетевой модели.
1. Классификация объектов прогнозирования.
В качестве цели классификации примем создание предпосылок для выбора адекватных методов анализа и прогнозирования объекта. В соответствии с такой целью в качестве способа классификации примем параллельный способ.
В качестве классификационных признаков примем следующие: природу объекта прогнозирования, его масштабность, сложность объекта прогнозирования, степень его детерминированности, характер его развития во времени, степень информационной обеспеченности.
1. По природе объекты прогнозирования можно подразделить на следующие классы:
а) научно-технические (развитие фундаментальных и прикладных исследований, развитие техники, новые виды техники, технические характеристики, изобретения и открытия в области науки и техники, новые материалы, технология);
б) технико-экономические (национальная экономика по отраслям, развитие и размещение производства, промышленные предприятия, технико-экономические показатели производства продукции);
в) социально-экономические (демография, миграция, трудовые ресурсы, размещение производительных сил, спрос);
в) военно-политические (международные отношения, опасные зоны, военный потенциал);
д) естественно-природные (погода, землетрясения, ураганы, окружающая среда, природные ресурсы). Природа объекта прогнозирования при выборе методов анализа и прогнозирования определяет в основном его специфическую часть, то есть те специальные приемы и методы, которые характерны для области, соответствующей природе объекта.
2. По масштабности объекты прогнозирования можно классифицировать в зависимости от числа переменных, входящих в полное описание объекта на стадии анализа:
а) сублокальные - с числом значащих переменных от 1 до 3 (численность населения страны, производственная функция, рабочее место);
б) локальные - с числом значащих переменных от 4 до 15 (производственный участок, материал, несложное техническое устройство, ход болезни);
в) субглобальные - с числом значащих переменных от 15 до 35 (цех, областная сеть авиалиний, спрос на продукцию предприятия с соответствующей номенклатурой);
г) глобальные - с числом значащих переменных от 36 до 100 (предприятие, транспортная сеть региона);
д) суперглобальные - с числом значащих переменных свыше 100 (отрасль, крупное предприятие, большая техническая система типа “самолет”, транспортная сеть страны и
др.)
3. По признаку “сложность объекта прогнозирования” объекты можно классифицировать по степени взаимосвязанности значащих переменных в их описании:
а) сверхпростые - это объекты с отсутствием существенных взаимосвязей между переменными; такие объекты можно анализировать и разрабатывать для них прогнозы путем последовательного анализа независимых переменных, составляющих описание при любой масштабности объекта;
б) простые - это объекты, в описании которых содержатся парные взаимосвязи между переменными; для анализа таких объектов могут использоваться простые модели аппроксимации функций взаимосвязей, модели парных регрессий, несложные экспертные методы оценки степени;
в) сложные - это объекты, для адекватного описания которых необходимо учитывать взаимосвязи и совместные влияния нескольких значащих переменных (трех и более), однако имеется возможность выделения главных и влияющих на них групп переменных описания; для анализа такого рода объектов можно использовать методы множественного регрессионного и корреляционного анализа, экспертные таблицы оценок взаимного влияния предпочтений;
г) сверхсложные - это объекты, в описании которых необходимо учитывать взаимосвязи между всеми переменными; основными инструментами анализа в этом случае являются множественный корреляционный анализ, факторный и дисперсный анализ.
Относительно данного аспекта классификации следует отметить его зависимость от целей и задач анализа, от требуемой степени точности.
4. По степени детерминированности можно выделить объекты:
а) детерминированные, описание которых может быть представлено в детерминированном виде с удовлетворительной для поставленной задачи прогнозирования точностью; это объекты, в характеристиках которых случайная составляющая несущественна, так что ею можно пренебречь в описании (в модели) объекта;
б) стохастические, в описании (модели) которых необходим учет случайной составляющей переменных в соответствии с требуемой точностью и задачей прогноза;
в) смешанные, имеющие характеристики как детерминированного, так и стохастического характера.
5. По характеру развития во времени объекты прогнозирования можно подразделить на:
а) дискретные, регулярная составляющая которых (тренд) изменяется скачками в фиксированные моменты времени;
б) апериодические, имеющие описание
регулярной составляющей в виде апериодической непрерывной функции времени;
в) циклические, имеющие регулярную составляющую в виде периодической функции времени.
В общем случае понятие характера развития во времени можно обобщить и на другой какой-либо аргумент, помимо времени. По данному признаку можно оценить наиболее приемлемые способы анализа и прогнозирования.
6. По степени информационной обеспеченности объекты прогнозирования можно подразделить на:
а) объекты с обеспечением количественной информацией - это объекты, для которых имеется в наличии ретроспективная количественная информация в объеме, достаточном для реализации метода экстраполяции либо статистического метода прогнозирования с заданной точностью на заданное время упреждения;
б) объекты с неполным обеспечением количественной информацией - это объекты, для которых имеющаяся в наличии ретроспективная информация допускает использование статистических и экстраполяционных методов, однако не обеспечивает на заданном времени упреждения заданную точность прогноза;
в) объекты с наличием качественной ретроспективной информации - это объекты, относительно прошлого развития которых имеется только качественная информация и полностью отсутствует либо очень ограничена количественная информация;
г) объекты с полным отсутствием ретроспективной информации - это, как правило, несуществующие проектируемые объекты.
С учетом числа классов по каждому из шести перечисленных выше классификационных признаков будем иметь: N = 5 ´ 5 ´ 4 ´ 3 ´ 3 ´ 4 = 3600 различных классов объектов прогнозирования.