- •Раздел1
- •Глава 1. Предмет и научные основы государственного регулирования экономики
- •1.1. Предмет и задачи государственного регулирования экономики
- •1.2. Концепции регулирования рыночной экономики
- •1.3. Типы экономических систем и модели рыночной экономики
- •1.4. Объективная необходимость, понятие, характеристика и основополагающие принципы формирования системы государственного регулирования рыночной экономики и экономики переходного к рынку периода
- •Глава 2. Система государственного регулирования экономики
- •2.1. Субъекты и объекты регулирования
- •2.3. Функции государства в системе регулирования экономики
- •2.4. Государственный сектор экономики
- •2.5. Формы и методы государственного регулирования экономики
- •Глава 3. Организация государственного регулирования экономики
- •3.1. Организационная структура государственного управления
- •3.2. Условия и принципы организации государственного управления в Республике Беларусь
- •3.3. Органы государственного управления Республики Беларусь
- •3.4. Республиканские экономические органы управления
- •3.5. Отраслевые органы управления производственной сферой и инфраструктурой
- •3.6. Государственные органы регулирования социальной сферы
- •Раздел 2
- •Глава 4. Планирование, программирование и прогнозирование как формы государственного регулирования экономики
- •4.1. Понятие, сущность и виды общегосударственного планирования
- •4.2. Программирование как форма государственного регулирования экономики
- •4.3. Прогнозирование в системе государственного регулирования экономики
- •Глава 5. Методологические основы планирования и прогнозирования
- •5.1. Понятие и основные элементы методологии планирования и прогнозирования
- •5.3. Основополагающие подходы и принципы прогнозирования
- •5.4. Система показателей, используемых в планировании и прогнозировании
- •5.5. Информационное обеспечение процессов прогнозирования и планирования
- •Глава 6. Методы планирования и прогнозирования
- •6.1. Методы прогнозирования и планирования, их классификация. Интуитивные методы
- •6.2. Формализованные методы прогнозирования и планирования
- •6.3. Балансовый, нормативный и программно-целевой методы
- •Глава 7. Финансы и кредит, налоги и цены в системе государственного регулирования экономики
- •7.1. Сущность и значение финансовой системы в регулировании экономики, направления ее развития
- •7.2. Финансовые ресурсы государства
- •7.3. Бюджетное регулирование. Бюджет Республики Беларусь
- •7.5. Кредитно-денежное регулирование
- •7.6. Валютное регулирование
- •Глава 8. Антимонопольное регулирование
- •8.1. Понятие, содержание и характеристика антимонопольного регулирования
- •8.2. Становление и развитие антимонопольного регулирования в странах с рыночной экономикой
- •8.5. Законодательная и нормативно-правовая база антимонопольного регулирования в Республике Беларусь
- •8.6. Товарные рынки, их характеристика. Определение доминирующего положения на рынке
- •8.7. Государственное регулирование деятельности
- •Раздел I - Перечень хозяйствующих субъектов, относящихся к естественной монополии.
- •Раздел II - Перечень хозяйствующих субъектов, за деятельностью которых устанавливается наблюдение со стороны министерства и его территориальных органов.
- •Раздел III - Перечень хозяйствующих субъектов, в отношении которых применяется государственное регулирование.
- •8.8. Конкуренция, ее виды. Недобросовестная конкуренция
- •Раздел 3
- •Глава 9. Государственное регулирование масштабов, темпов и структуры общественного производства
- •9.1. Показатели масштабов и темпов роста общественного производства
- •9.3. Государственное регулирование экономического развития и экономического роста
- •Глава 10. Государственное регулирование научной и инновационной деятельности
- •10.2. Характеристика научно-технического потенциала Республики Беларусь
- •10.3. Научно-техническая политика и научно-технические приоритеты
- •10.4. Организация и содержание государственного регулирования научной и инновационной деятельности
- •10.5. Опыт государственного регулирования нтп за рубежом (на примере сша и Японии)
- •Глава 11. Государственное регулирование инвестиционной деятельности
- •11.4. Экономическая эффективность инвестиций и инвестиционных проектов
- •Глава 12. Государственное регулирование развития предпринимательства и малого бизнеса
- •12.1. Понятие, сущность и роль предпринимательства, малого бизнеса в развитии экономики
- •12.2. Малое предпринимательство в Республике Беларусь: состояние, проблемы, направления развития
- •12.4. Содержание государственного регулирования предпринимательства
- •Раздел 4
- •Глава 13. Государственное регулирование промышленного производства
- •Глава 14. Государственное регулирование агропромышленного комплекса
- •14.2. Сельское хозяйство Республики Беларусь: состояние, проблемы, тенденции развития
- •14.4. Государственное регулирование апк
- •Глава 15. Государственное регулирование строительного комплекса
- •15.3. Строительная политика Республики Беларусь и механизм ее реализации
- •Раздел 5
- •Глава 16. Система государственного регулирования социальной сферы
- •16.1. Социальная сфера жизни общества как объект государственного регулирования
- •16.3. Социальная политика Республики Беларусь и содержание государственного регулирования социального комплекса в условиях переходного к рынку периода
- •Глава 17. Государственное регулирование трудового потенциала, рынка труда, занятости населения
- •17.4. Государственное регулирование занятости
- •17.5. Опыт государственного регулирования занятости за рубежом
- •Глава 18. Государственное регулирование уровня жизни и доходов населения
- •18.2. Индекс развития человеческого потенциала. Методика расчета ирчп
- •18.3. Государственное регулирование доходов населения
- •Глава 19. Государственная поддержка и защита социально незащищенных слоев населения
- •19.3. Социальная поддержка молодежи
- •Глава 20. Государственное регулирование социальной инфраструктуры
- •20.2. Государственное регулирование развития системы здравоохранения
- •20.3. Государственное регулирование развития образования
- •20.4. Государственное регулирование развития
- •Раздел 2. Методологические и организационные
- •Глава 4. Планирование, программирование и про- гнозирование как формы государственного регулирования экономики 103
- •Глава 5. Методологические основы планирования
- •Глава 6. Методы планирования и прогнозирования .. 150
- •Глава 7. Финансы и кредит, налоги и цены в системе
- •Глава 8. Антимонопольное регулирование 253
- •Раздел 3. Государственное регулирование
- •Глава 9. Государственное регулирование масштабов, темпов и структуры общественного производства 303
- •Глава 10. Государственное регулирование научной
- •Глава 17. Государственное регулирование трудового
- •Глава 18. Государственное регулирование уровня
- •Глава 19. Государственная поддержка и защита социально незащищенных слоев населения 699
- •Глава 20. Государственное регулирование
6.2. Формализованные методы прогнозирования и планирования
Основой формализованных методов прогнозирования является математическая теория, повышающая достоверность, точность прогнозов, облегчающая обработку информации и результатов прогноза, значительно сокращающая сроки его производства.
Формализованные методы прогнозирования можно разделить на две группы: методы экстраполяции и методы математического моделирования. Экстраполяция заключается в изучении сложившихся в прошлом и настоящем устойчивых тенденций экономического развития и перенесении их на будущее. При простой экстраполяции все действующие ранее факторы, обуславливающие исследуемую тенденцию в прошлом и настоящем, останутся неизмененными и в будущем. Однако сохранение тенденций прошлого и настоящего неизменными для будущего чаще всего маловероятно. И поэтому хотя экстраполяция лежит в основе всякого прогноза, она способна давать эффект только в очень узком диапазоне времени относительно не особенно сложного процесса.
Следует различать формальную и прогнозную экстраполяцию. Формальная базируется на предположении о сохранении в будущем прошлых и настоящих тенденций развития объекта. При прогнозной фактическое увязывается с гипотезами о динамике исследуемого объекта, учитываются в перспективе альтернативные изменения самого объекта, его сущности.
В основе экстраполяционных методов прогнозирования лежит изучение временных рядов, представляющих собой упорядоченные во времени наборы измерений различных характеристик исследуемого объекта прогнозирования. Экстраполяция в прогнозировании предполагает, что рассматриваемый процесс изменения переменной является сочетанием двух составляющих xt - регулярной (детерминированная неслучайная) и et - случайной. Временной ряд yt может быть представлен в виде
(1)
Регулярная составляющая называется трендом, тенденцией. В этих терминах заключено интуитивное представление об очищенной от помех сущности анализируемого процесса (интуитивное потому, что для большинства процессов нельзя однозначно отделить тренд от случайной составляющей). Регулярная составляющая (тренд) xt характеризует динамику развития процесса в целом, случайная составляющая et отражает случайные колебания или шумы процесса. Обе составляющие процесса определяются функциональным механизмом, характеризующим их поведение во времени.
Задача прогноза состоит в определении вида экстраполирующих функций xt и et на основе исходных эмпирических данных и параметров выбранной функции. Первым этапом является выбор оптимального вида функции, дающей наилучшее описание тренда. Следующий этап - расчет параметров выбранной экстраполяционной функции.
При оценке параметров зависимостей наиболее распространены метод наименьших квадратов и его модификации, метод экспоненциального сглаживания, метод адаптивного сглаживания, метод скользящей средней и др. Метод наименьших квадратов (МНК) требует найти параметры модели тренда, минимизирующие ее отклонение от точек исходного временного ряда, т.е. минимизировать сумму квадратических отклонений между наблюдаемыми и расчетными величинами.
(2)
где Vi
расчетные значения исходного ряда;
л
фактическое значение исходного ряда; число наблюдений.
Модель тренда может иметь различный вид, ее выбор в каждом конкретном случае осуществляется по ряду статистических критериев. В практических исследованиях наиболее
часто применяются:
у =ах + Ь (линейная); (3)
у = ах2 + Ь + с( квадратичная); (4)
у - х" (степенная); (5)
у = а*( показательная ); (6)
у = аех (экспоненциальная); (7)
а
У - ™ ^е-<^' (логистическая), (8)
Широко применяется линейная функция, или линеаризуемая, т.е. сводимая к линейной, как наиболее простая и отвечающая исходным данным.
Классический метод наименьших квадратов предполагает равноценность исходной информации в модели. В реальной практике будущее поведение процесса определяется поздними наблюдениями в большей степени, чем ранними. Уменьшение ценности более ранней информации (дисконтирование) можно учесть, например, путем введения в модель (2) некоторых весов Bt < 1. Тогда
Коэффициент может быть представлен в различном виде: числовой формой, функциональной зависимостью, но таким образом, чтобы по мере продвижения в прошлое веса убывали.
Для этого используются модификации метода наименьших квадратов.
Метод наименьших квадратов широко применяется в прогнозировании в силу его простоты и возможности реализации на ЭВМ. Недостаток метода в том, что модель тренда жестко фиксируется, а это делает возможным его применение только при небольших периодах упреждения, т.е. при краткосрочном прогнозировании.
Метод экспоненциального сглаживания дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения, то есть он позволяет оценить параметры модели, описывающей тенденцию, которая сформировалась в конце базисного периода, и тем самым не просто экстраполирует действующие зависимости в будущее, а приспосабливается, адаптируется к изменяющимся во времени условиям. Преимущества метода в том, что он не требует обширной информационной базы, а предполагает ее интенсивный анализ с точки зрения информационной ценности различных членов временной последовательности. Модели, описывающие динамику показателя, имеют простую математическую формулировку, а адаптивная эволюция параметров позволяет отразить неоднородность и текучесть свойств временного ряда. Метод применяется при кратко- и среднесрочном прогнозировании.
Метод скользящей средней дает возможность выравнивать динамический ряд путем его расчленения на равные части с обязательным совпадением в каждой из них сумм модельных и эмпирических значений.
К экстраполяционным относится и метод, получивший название «цепи Маркова». В основе прогноза, построенного на основе простых цепей Маркова, лежит вычисление матрицы перехода, элементами которой являются вероятности перехода прогнозируемых параметров из одного состояния в другое, от
одного значения к другому. Если мы имеем Л = \Aijfт.е.
матрицу прогнозируемых показателей размерности (m x T), где Аи - значение i-того показателя в момент времени t, и если известна матрица перехода Р, то прогноз вычисляется следующим образом:
A+i = £a;A+2 = ^2A-A+* = ^A ,
где - вектор значений прогнозируемых показателей в момент t.
Процедура вычисления элементов матрицы перехода
Р = {Рц }(, U } = hn (И)
предполагает определение суммарных изменений показателей Ait для каждого момента времени t, т.е.
i^'-t"" (12)
(если мы прогнозируем потребности, то это и будет суммарная потребность ресурсов по годам).
Затем определяем значения цепных индексов для величин
А и
т.е.
индекс умножаем на значение этого
показателя в соответствующий момент
На основе цепных индексов определяем возможные значения прогнозируемых показателей при неизменности структуры в моменты
Элементы Slt образуют матрицу gl = {Sit) размерности (nxT).
Рассогласование между реальным изменением показателей Ait и гипотетическим Sit находим как их разность:
Эти величины рассогласования определяют изменение структуры исследуемого процесса (если это потребление, то структуры потребления ресурсов) и представляют собой образующий вектор
t+i = )= (Wi, m- • • -. Д?п, (+i) .
Затем образуется нормированный вектор, определяющий изменение значения / -того показателя в (( + 1) году по сравнению с *-м годом. Определяется он по формуле
' (13)
(=1
Полученные величины позволяют формировать г-тую строку матрицы соответствующего перехода Pt+l.
По аналогичной схеме рассчитываются последовательно матрицы перехода для различных моментов времени. Непосредственно прогноз реализуется по формуле (10).
Реализация прогнозов с помощью цепей Маркова позволяет по мере поступления новой информации регулярно корректировать ошибки, учитывать информационную неточность прогноза, что повышает надежность получаемых результатов. Этот метод может быть использован для прогноза множества показателей, которые меняются из года в год одновременно, но между ними непосредственно функциональные связи не установлены ввиду отсутствия информации или крайней сложности этих связей. Примером может служить прогноз потребностей отраслей народного хозяйства в ресурсах. При реализации данного прогноза устанавливаются на перспективу не только объемы, но и сама структура потребления ресурсов различными отраслями.
Методы экстраполяции, основанные на продлении тенденции прошлого и настоящего на будущий период, могут использоваться в прогнозировании лишь при периоде упреждения в 3-5 лет. При более длительных сроках прогноза они не дают точных результатов. С помощью методов экстраполяции исследуются количественные параметры больших систем, количественные характеристики экономического, научного и производственного потенциалов, данные о результативности научно-технического прогресса, характеристики соотношения отдельных подсистем, блоков и т.д.
Большую группу формализованных методов прогнозирования составляют методы моделирования. С их помощью конструируются модели на основе предварительного изучения объекта и выделения его существенных характеристик, проводится экспериментальный и теоретический анализ модели, сопоставляются результаты с данными объекта, корректируется модель. Моделирование широко распространено не только в прогнозировании, но и в планировании. Толчком к развитию формализованных методов, и в том числе методов моделирования, послужило применение электронно-вычислительных машин (ЭВМ). В их развитии обозначился новый этап - этап экономико-математических методов (ЭММ), соединивших в себе математическую теорию и возможности ЭВМ.
Основанные на методах прикладной математики и математической статистики ЭММ и ЭВМ позволили значительно расширить возможности применения и направления использования формализованных методов. Так, стало возможно глубже вскрыть взаимосвязи в народном хозяйстве, всесторонне обосновывать изменения экономических показателей, ускорить получение и обработку информации, осуществлять многовариантные расчеты планов-прогнозов, программ и выбирать оптимальный вариант по заданному критерию.
В планировании и прогнозировании выделяют различные виды (типы) моделей: оптимизационные, факторные, структурные, модели межотраслевого баланса и др. В зависимости от уровня агрегирования один и тот же тип может применяться к различным экономическим объектам, поэтому выделяют модели: макроэкономические, межотраслевые, межрайонные, отраслевые, региональные и микроэкономические (на уровне предприятия, объединения).
Экономико-математическаямодельлюбого вида представляет собой формализованное описание исследуемого процесса или объекта в виде математических зависимостей и отношений.
Оптимизационные модели основаны на выборе критерия оптимальности, на основе которго путем сравнения различных вариантов выбирается лучший (оптимальный) вариант. Оптимизационная экономико-математическая модель состоит из целевой функции и системы ограничений. Целевая функция описывает цель оптимизации и отражает зависимость показателя, по которому ведется оптимизация, от независимых переменных (ограничений). Система ограничений отражает объективные экономические связи и зависимости и представляет собой систему равенств и неравенств, например, между потреблением ресурсов или величинами технико-экономических показателей и установленными лимитами, а также пределами выпуска продукции. Влияние каждой из переменных на величину целевой функции выражается коэффициентом-показателем, экстремум которого выступает критерием оптимальности. Примеры оптимизационных моделей в планировании и прогнозировании: модели оптимизации развития и размещения производств, модели оптимизации структуры производства продукции отраслей промышленности, модели АПК, модели транспортных задач, с помощью которых осуществляется рациональное прикрепление поставщиков к потребителям и определяются минимальные транспортные затраты, и другие.
Примерами макроэкономических моделей могут служить статическая и динамическая модели межотраслевого баланса.
Статическая модель имеет вид:
где atj - коэффициент прямых затрат (среднеотраслевой норматив расхода продукции отрасли i, используемый в качестве средств производства для выпуска единицы продукции отрасли у);
х. - валовое производство / й отрасли-потребителя 0' = 1, га);
xt -валовое производство продукциям отрасли-поставщика (i = 1, д);
yt - объем конечной продукции i -й отрасли.
При этом Zayx/ представляет собой промежуточный продукт (количество продукции i-й отрасли, используемой в j-u отрасли в процессе производства).
Статистическая модель межотраслевого баланса может выражаться и таким образом:
Ъ = Z V; 0 = 1.») ,
где - коэффициент полных материальных затрат, отражающий величину продукции i-й отрасли, необходимой на всех стадиях производства для получения единицы конечной продукции j-й отрасли.
Коэффициенты прямых и полных затрат отличаются тем, что первые определяются в расчете на единицу валового выпуска отрасли и являются среднеотраслевыми, а вторые рассчитываются на единицу конечной продукции и являются народнохозяйственными. Коэффициенты полных затрат превышают коэффициенты прямых на величину косвенных затрат.
Динамическая модель межотраслевого баланса характеризует производственные связи народного хозяйства за ряд лет (т.е. отражает процесс воспроизводства в динамике) и обеспечивает увязку плана-прогноза производства продукции с планом-прогнозом капитальных вложений. Упрощенная модель имеет вид
*; = 2Чу; + £дф£+з? 0=1^")
где - индекс года; - продукция -й отрасли, направляемая как производственные капитальные вложения для расширения производства в /ую отрасль; Zi - сумма конечной продукции i-й отрасли, за исключением продукции, направленной на расширение производства.
Корреляционно-регрессионный метод дает возможность количественно исследовать влияние разнообразных факторов на уровень параметра, характеризующего планируемое (прогнозируемое) явление или процесс, позволяет отделить мнимые связи от действительных и в математической форме (через уравнение регрессии) выразить эту связь и раскрыть действие факторов на этот параметр. Корреляционно-регрессионный метод широко распространен и решает две основные задачи:
устанавливает степень тесноты связи между планируемым (прогнозируемым) параметром и влияющими на него факторами;
определяет с помощью уравнений регрессии форму связи между планируемым (прогнозируемым) параметром и влияющими на него факторами.
Степенъ тесноты связи между параметром и отдельно взятым фактором показывает парный коэффициент корреляции (г), а совокупное влияние отобранных факторов планируемых (прогнозируемых) параметров -множественный коэффициент корреляции (R). Парный коэффициент корреляции может выступать одним из критериев отбора факторов. Его величина колеблется от -1 до +1, и чем выше значение г., тем теснее связь между переменными (параметром и фактором).
Мера совместного воздействия всех факторов на уровень параметра определяется на основе коэффициента множественной корреляции. Чем больше совокупное влияние отобранных факторов, тем ближе множественный коэффициент корреляции к единице.
Форму связи между планируемым параметром (у) и влияющими на него факторами (x]t хг... хп) выражает уравнение регрессии. Форма связи может быть линейной и криволинейной. Линейная форма корреляционной связи выражается уравнениями:
ух - а + Ьх
ух=а + Ь1х1+Ь2хг+... + Ъахп ,
где ух - значение у при заданном значении х или (х, х,... яп); a,b, bt... Ьп - параметры уравнения; х, х{... ха - значения фактора.
Параметр уравнения «а» определяет положение начальной точки линии регрессии в системе координат. Параметры «Ь» и <fbs... Ья» характеризуют норму изменения у на единицу
ОС f X j ** * ЗС^ t
Уравнение линейной регрессии имеет широкое применение, его параметры легче определить и истолковать. Но на практике чаще встречается нелинейная корреляционная зависимость, которая может быть представлена через уравнения различных типов кривых: гиперболическую форму связи (ух = а/х + Ь), параболу второго порядка (ух = а + а1х( + агх*) и другие. Чем лучшеуравнениерегрессии описывает процесс, тем ближе значение коэффициента корреляции к единице.
В планировании и прогнозировании корреляционно-регрессионный метод позволяет определить возможный уровень параметра, складывающийся под влиянием различных факторов.