Создать PDF Рекомендовать Распечатать

Социально-экономическое прогнозирование для оптимизации управленческих решений

  • Автор (авторы):
    Келеман Людмила Анатольевна, Манько Анна Ивановна
  • Дата публикации:
    28.10.17
  • ВУЗ ИЛИ ОРГАНИЗАЦИЯ:
    Ставропольский институт кооперации (филиал) БУКЭП

УДК 51-77

Социально-экономическое прогнозирование для оптимизации управленческих решений

Socio-economic forecasting for management decisions   optimization

 

Келеман Людмила Анатольевна,

Kelemen Lyudmila Anatolyevna 

д.ф.н., доцент, профессор кафедры гуманитарных  и естественнонаучных дисциплин

Ставропольский институт кооперации  (филиал) БУКЭП, г. Ставрополь, Россия

 

Манько Анна Ивановна,

Manko Anna Ivanovna 

к.э.н., доцент, доцент кафедры гуманитарных  и естественнонаучных дисциплин

Ставропольский институт кооперации  (филиал) БУКЭП, г. Ставрополь, Россия,

телефон +7-962-460-23-70,

e-mail: anvas2010@ro.ru

 

Аннотация

 

Работа является продолжением научного исследования методов построения прогнозных моделей, применяемых в социально-экономической области, начатого авторами в 2009 году. Дан краткий обзор дисциплин, на теоретической части которых базируется прогнозирование и планирование социально-экономических процессов. Сделан акцент на наиболее важной проблеме, которой является проблема отбора факторов и проверка адекватности модели. Показаны этапы построения модели и определена относительная ошибка прогноза. 

Abstract

Work is continuation of research of methods for constructing predictive models used in the socio-economic field started by the authors in 2009. A brief review of disciplines on the theoretical part, which is based on forecasting and planning of socio-economic processes. Focus on the most important problem is the problem of selection factors and testing the adequacy of the model. The stages of building the model and determined the relative forecasting error.

Ключевые слова

Прогнозирование,  планирование, экономико-математические методы, реестр факторов, эмпирический вид, временной ряд, сравнительный анализ, ошибка прогноза.

Keywords

Forecasting. Planning. Economic-mathematical methods. The registry factors. The empirical view. Time series. A comparative analysis. The forecast error.

 

Введение

Прогнозирование и планирование - основа работы менеджера — это общепринятый тезис со времен основоположника научного менеджмента Анри Файоля. Сущность планирования заключается в задании будущего движения, в то время, как эконометрическое прогнозирование состоит в описании и анализе будущего развития.

По проблемам прогнозирования существует немало публикаций. Из эконометрики «вырастает» научная и учебная дисциплина "Математические методы прогнозирования". Она служит разработке, изучению и применению математических методов эконометрического (в том числе, статистического, экспертного, комбинированного) прогнозирования социально-экономических процессов и явлений. Методы необходимо проработать до уровня, необходимого при их использовании в практической деятельности специалиста-аналитика любой направленности хозяйственной деятельности. Основными задачами этой дисциплины являются построение, анализ и использование экономико-математических методов прогнозирования (адаптивных методов, методов наименьших квадратов с оценкой точности прогноза, методов авторегрессии и т.д.), развитие теоретических и практических аспектов экспертных методов прогнозирования, таких, как методы анализа экспертных оценок, базирующиеся на статистике нечисловых данных, методы прогнозирования в условиях риска и смешанных методов прогнозирования с применением и экономико-математических и эконометрических моделей. Теоретической базой прогнозных моделей являются математические дисциплины (дискретная математика, теория вероятностей и математическая статистика, исследование операций), а также экономическая теория, экономическая статистика, менеджмент, социология, политология и другие социально-экономические науки [2].

Лицо, принимающее решения, должно при выборе опираться на научно обоснованные предложения, рекомендации, сформулированные по результатам анализа прогнозных моделей развития предприятия (отрасли). От научной грамотности аналитика во многом зависит адекватность модели, релевантность полученных результатов, то есть не только оценка степени соответствия, но и степени практической применимости результата, а также степени социальной применимости варианта решения задачи.

 Основной раздел

Основным аппаратом эконометрического прогнозирования на текущий момент времени является множественная регрессия с применением непараметрических оценок функции плотности распределения.

Одними из важных проблем являются проблемы отбора факторов и проверка адекватности модели. Причина в том, что априорный реестр факторов, влияющих на отклик, весьма обширен и аналитику желательно его сократить. Весомое направление современных эконометрических исследований - это методы отбора "информативного множества признаков", но окончательного решения этой проблемы пока еще не найдено.

Проявляются необычные эффекты, например, используемые оценки степени полинома имеют геометрическое распределение. Непараметрические методы оценивания плотности вероятности являются перспективными для применения их при восстановлении регрессионной зависимости произвольного вида. С помощью подходов статистики нечисловых данных получены наиболее общие постановки в этой области.

В ходе исследования, проведенного авторами в 2009 г. [4], выполнены экономико-математические расчеты прогнозных значений на период с 2009 по 2020 г.г. следующих показателей:

- доход хозяйств (всех категорий) от реализации продукции аграрной сферы;

- хозяйственные затраты по основным видам продукции аграрной сферы;

- прибыль хозяйств (всех категорий) по основным видам продукции аграрной сферы;

-  стоимость продукции сельского хозяйства;

- затраты сельскохозяйственных организаций по продукции аграрной сферы.

 Расчеты проводились методами динамического и статистического анализа. Массив данных за ретроспективный период состоит из зависимых переменных y (прогнозируемые показатели), независимой переменной x является время (годы). Эмпирическая зависимость каждой переменной yi определялась расчетным путем. Пример расчета для дохода хозяйств (всех категорий) от реализации зерна приведен ниже. В таблице 1 представлены расчеты по определению эмпирического вида искомой зависимости:

Таблица 1.

Определение эмпирического вида временного ряда дохода хозяйств (всех категорий) Ставропольского края от реализации зерна (млн. руб.)

 

 

 

x- годы ретроспективы, начиная с 1;

y- значениядохода хозяйств (всех категорий) от реализации зерна, млрд. руб.

Поскольку  значения = 1,8 отсутствовало в таблице экспериментальных данных, значения  определяем по формулам интерполяции:

; значение попало в интервал (1;2), следовательно

В этом случае мы выбирали строчку с минимальной разностью . Эта строчка 3. Следовательно, эмпирическая формула имеет вид:   y=abx

Рассчитываем статистику для ряда с применением метода наименьших квадратов, чтобы вычислить уравнение линии, которая наилучшим образом аппроксимирует имеющиеся данные. Функция возвращает массив, который описывает полученную зависимость. Методом линеаризации данных приведем эмпирическое уравнение к виду уравнения прямой:

где зависимое значение Z — функция независимого значения x,

значения — коэффициент, соответствующий независимой переменной x,  — постоянная.

Для нахождения неизвестных параметров эмпирической зависимости можно использовать различные численные методы. Это метод выбранных точек, метод средних метод наименьших квадратов и т.п. Мы остановили свой выбор на методе наименьших квадратов и нашли параметры A и U, расчеты которых представлены во вспомогательной таблице 2.

Таблица 2.

Вспомогательная

 

 

Данные из последней строки вспомогательной таблицы подставляем в уравнения системы метода наименьших квадратов для линейной зависимости.

Зависимость линейная

Решая составленную систему линейных уравнений методом Гаусса, найдем коэффициенты U и A.

 U = + 0.20;  A = + 3.77

ln a=3,77 a=44,1

ln b=0,20b=1,22

Y=44,1*1,22x

Аналогичные расчеты произведены для всех исследуемых показателей, что позволило построить их прогнозные значения до 2020 года.

По прошествии ряда лет коллектив авторов провел сравнительный анализ построенного  в 2009 г. прогноза и фактических результатов производственной деятельности хозяйств Ставропольского края всех категорий по тем же показателям. Были произведены расчеты не только относительной ошибки прогноза, но и ошибка аппроксимации, а также найдены индексы-дефляторы физического объема всех анализируемых показателей, а именно: доход хозяйств (всех категорий) от реализации продукции аграрной сферы; хозяйственные затраты по основным видам продукции аграрной сферы; прибыль хозяйств (всех категорий) по основным видам продукции аграрной сферы; стоимость продукции сельского хозяйства; затраты сельскохозяйственных организаций по продукции аграрной сферы.

Результаты анализа точности прогнозных значений дохода хозяйств (всех категорий) Ставропольского края от реализации зерна (млн. руб.) представлены в таблице 4.

 Таблица 4

Анализ точности прогнозных значений дохода хозяйств (всех категорий) Ставропольского края от реализации зерна (млн. руб.)

 Относительная ошибка прогноза колеблется от 0,2 % в 2015 г. до 3,2 % в 2013 г., что вписывается в допустимую точность экономических прогнозов. Причем, если в 2009 и 2010 гг. реальное производство зерна оказалось ниже прогнозных значений на 2,2 и 1,9 % соответственно, то с 2011 по 2016 гг. реальное производство зерна в хозяйствах Ставропольского края всех категорий превышает прогнозные значения в среднем на 1,9 %.

Аналогичные расчеты выполнены по всем исследуемым показателям, и подтверждают релевантность полученных результатов.

Заключение

Проведенный авторами исследования анализ фактических результатов производственной деятельности хозяйств Ставропольского края всех категорий показал, что ошибка аппроксимации, например, по доходам от реализации зерна составляет, в среднем, 1,9%. Таким образом, построенная эконометрическая модель вполне адекватна

Многочисленны примеры ситуаций, связанных с социальными, технологическими, экономическими, политическими, экологическими и другими рисками. Именно в таких ситуациях обычно и необходимо прогнозирование. Известны различные виды критериев, используемых в теории принятия решений в условиях неопределенности (риска) [3]. Так как по различным критериям, как правило, получаются противоречивые решения, то становится очевидна необходимость применения оценок экспертов.

Библиографический список

 

1. Алексеев, Г. В. Численное экономико-математическое моделирование и оптимизация [Электронный ресурс]: учебное пособие / Г. В. Алексеев, И. И. Холявин, М.В. Гончаров. - СПб., ГИОРД 2014. - 272 с. - Режим доступа: http://www.znanium.com/

2. Колемаев В.А. Экономико-математическое моделирование. Моделированиеэкономических процессов и систем. Учебник -3-е изд. – М.: ЮНИТИ-ДАНА, 2005. - 295 с.

3. Катулев А.Н., Северцев Н.А.. Соломаха Г.М. Исследование операций: принципы принятия решений и обеспечения безопасности. Учеб. пособие для вузов. – М. Физ.-мат. лит-ра, 2011. - 240 с.

4. Манько А.И. Построение прогнозных моделей экономических показателей продукции аграрной сферы Ставропольского края. Региональный сборник научных трудов, выпуск 7, 2009 г. С.23-34.

5. Орлова И.В., Половников В.А. Экономико-математические методы и модели: компьютерное моделирование: Учебное пособие / И.В. Орлова, В.А. Половников. - 3-e изд., перераб. и доп. - М.: Вузовский учебник: НИЦ ИНФРА-М, 2014. - 389 с.

  vakperechen

ОБНОВЛЕННЫЙ СПИСОК ВАК 2016 г.
ОТ 19.04.2016  >> ПРОСМОТРЕТЬ
tass
 
ПО ВОПРОСАМ ПУБЛИКАЦИИ СТАТЕЙ И СОТРУДНИЧЕСТВА ОБРАЩАЙТЕСЬ:
skype SKYPE: vak-uecs
e-mail
MAIL: info@uecs.ru
phone
+7 (928) 340 99 00
 

АРХИВ НОМЕРОВ

(01) УЭкС, 1/2005
(02) УЭкС, 2/2005
(03) УЭкС, 3/2005
(04) УЭкС, 4/2005
(05) УЭкС, 1/2006
(06) УЭкС, 2/2006
(07) УЭкС, 3/2006
(08) УЭкС, 4/2006
(09) УЭкС, 1/2007
(10) УЭкС, 2/2007
(11) УЭкС, 3/2007
(12) УЭкС, 4/2007
(13) УЭкС, 1/2008
(14) УЭкС, 2/2008
(15) УЭкС, 3/2008
(16) УЭкС, 4/2008
(17) УЭкС, 1/2009
(18) УЭкС, 2/2009
(19) УЭкС, 3/2009
(20) УЭкС, 4/2009
(21) УЭкС, 1/2010
(22) УЭкС, 2/2010
(23) УЭкС, 3/2010
(24) УЭкС, 4/2010
(25) УЭкС, 1/2011
(26) УЭкС, 2/2011
(27) УЭкС, 3/2011
(28) УЭкС, 4/2011
(29) УЭкС, 5/2011
(30) УЭкС, 6/2011
(31) УЭкС, 7/2011
(32) УЭкС, 8/2011
(33) УЭкС, 9/2011
(34) УЭкС, 10/2011
(35) УЭкС, 11/2011
(36) УЭкС, 12/2011
(37) УЭкС, 1/2012
(38) УЭкС, 2/2012
(39) УЭкС, 3/2012
(40) УЭкС, 4/2012
(41) УЭкС, 5/2012
(42) УЭкС, 6/2012
(43) УЭкС, 7/2012
(44) УЭкС, 8/2012
(45) УЭкС, 9/2012
(46) УЭкС, 10/2012
(47) УЭкС, 11/2012
(48) УЭкС, 12/2012
(49) УЭкС, 1/2013
(50) УЭкС, 2/2013
(51) УЭкС, 3/2013
(52) УЭкС, 4/2013
(53) УЭкС, 5/2013
(54) УЭкС, 6/2013
(55) УЭкС, 7/2013
(56) УЭкС, 8/2013
(57) УЭкС, 9/2013
(58) УЭкС, 10/2013
(59) УЭкС, 11/2013
(60) УЭкС, 12/2013
(61) УЭкС, 1/2014
(62) УЭкС, 2/2014
(63) УЭкС, 3/2014
(64) УЭкС, 4/2014
(65) УЭкС, 5/2014
(66) УЭкС, 6/2014
(67) УЭкС, 7/2014
(68) УЭкС, 8/2014
(69) УЭкС, 9/2014
(70) УЭкС, 10/2014
(71) УЭкС, 11/2014
(72) УЭкС, 12/2014
(73) УЭкС, 1/2015
(74) УЭкС, 2/2015
(75) УЭкС, 3/2015
(76) УЭкС, 4/2015
(77) УЭкС, 5/2015
(78) УЭкС, 6/2015
(79) УЭкС, 7/2015
(80) УЭкС, 8/2015
(81) УЭкС, 9/2015
(82) УЭкС, 10/2015
(83) УЭкС, 11/2015
(84) УЭкС, 11(2)/2015
(85) УЭкС,3/2016
(86) УЭкС, 4/2016
(87) УЭкС, 5/2016
(88) УЭкС, 6/2016
(89) УЭкС, 7/2016
(90) УЭкС, 8/2016
(91) УЭкС, 9/2016
(92) УЭкС, 10/2016
(93) УЭкС, 11/2016
(94) УЭкС, 12/2016
(95) УЭкС, 1/2017
(96) УЭкС, 2/2017
(97) УЭкС, 3/2017
(98) УЭкС, 4/2017
(99) УЭкС, 5/2017
(100) УЭкС, 6/2017
(101) УЭкС, 7/2017
(102) УЭкС, 8/2017
(103) УЭкС, 9/2017
(104) УЭкС, 10/2017
(105) УЭкС, 11/2017
(106) УЭкС, 12/2017
(107) УЭкС, 1/2018
(108) УЭкС, 2/2018
(109) УЭкС, 3/2018
(110) УЭкС, 4/2018
(111) УЭкС, 5/2018
(112) УЭкС, 6/2018
(113) УЭкС, 7/2018
(114) УЭкС, 8/2018

 Федеральная служба по надзору в сфере связи и массовых коммуникаций

№ регистрации СМИ ЭЛ №ФС77-35217 от 06.02.2009 г.       ISSN: 1999-4516