Экспертные методы в исследовании социально-экономических процессов

С другой стороны, методы экстраполяции – не что иное, как использование теоретических и эмпирических моделей для нахождения переменных вне ретроспективного участка наблюдений по данным зависимостей между ними на ретроспективном участке. Таким образом, применение экстраполяции в прогнозировании всегда предполагает использование каких-либо моделей. Поэтому любое моделирование является основой для экстраполяции.

Конструктивная классификация позволяет наглядно изобразить совокупность методов прогнозирования в виде иерархического дерева и охарактеризовать каждый уровень своим классификационным признаком.

На первом уровне все методы по признаку «информационное основание метода» делятся на три класса: фактографические, комбинированные и экспертные.

Фактографические базируются на фактической информации об объекте прогнозирования и его прошлом развитии. В экспертных методах используется информация, которую доставляют специалисты-эксперты в процессе систематизированных процедур выявления и обобщения их мнений. В свою очередь, классы экспертных и фактографических методов подразделяются на подклассы по методам обработки информации.

Экспертные методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов (или одного из них) при отсутствии воздействия на мнение каждого эксперта мнения другого эксперта и всего коллектива. Экспертные оценки с обратной связью в том или ином виде реализуют принцип обратной связи на основе воздействия на оценку экспертной группы (одного эксперта) мнениями, полученными ранее от этой группы (или от одного из экспертов).

Класс фактографических методов объединяет следующие три подкласса: методы аналогий, опережающие и статистические методы.

Методы аналогий направлены на выявление сходства в закономерностях развития различных процессов. К ним относятся методы математических и исторических аналогий. Методы математических аналогий в качестве аналога для объекта используют объекты другой физической природы, других областей науки и техники, имеющие математическое описание процесса развития, совпадающие с объектом прогнозирования.

Опережающие методы прогнозирования основаны на определенных принципах специальной обработки научно-технической информации, учитывающих ее свойство опережать прогресс науки и техники. К ним относятся методы исследования динамики научно-технической информации, использующие построение динамических рядов на базе различных видов такой информации, анализа и прогнозирования на этой основе развития соответствующего объекта (например, метод огибающих). К опережающим методам можно отнести также методы исследования и оценки уровня техники, основанные на использовании специальных методов анализа количественной и качественной научно-технической информации для определения характеристик уровня качества существующей и проектируемой техники.

Статистические методы представляют собой совокупность методов обработки количественной информации об объекте прогнозирования, объединенной по принципу выявления содержащихся в ней математических закономерностей изменения характеристик данного объекта с целью получения прогнозных моделей.

Сложность выбора наиболее эффективного метода экономического прогнозирования заключается в определении относительно классификации методов прогнозирования характеристик каждого метода, перечня требований к ретроспективной информации и прогнозному фону.

В связи с этим возникает необходимость подробнее остановиться на основных классах методов экономического прогнозирования.

В случаях чрезвычайной сложности системы, его новизны, неопределенности формирования некоторых существенных признаков, недостаточной полноты информации, наконец, невозможности полной математической формализации процесса решения поставленной задачи приходится обращаться к рекомендациям компетентных специалистов. Их решение задачи, аргументация, подход, формирование количественных оценок результатов, обработка последних формальными методами получили название метода экспертных оценок. Этот метод включает три составляющие: интуитивно-логический анализ задачи или ее фрагмента; решение и выдачу количественной или качественной характеристики (оценка, результат решения); обработку результатов решения – полученных от экспертов - оценок.

Одной из разновидностей метода экспертных оценок является метод коллективной генерации идей («мозговая атака»), позволяющей определять возможные варианты развития объекта прогнозирования за короткий период времени. Методы «мозговых атак» можно классифицировать по признаку наличия или отсутствия обратной связи между руководителем и участниками «мозговой атаки» в процессе решения некоторой проблемной ситуации. Создавшаяся ситуация потребовала разработать метод «мозговой атаки» – деструктивной отнесенной оценки (ДОО), способный качественно и достаточно быстро проводить оценку вариантов, не ограничивая при этом их числа.

Сущность этого метода состоит в актуализации творческого потенциала специалистов при «мозговой атаке» проблемной ситуации, реализующей вначале генерацию идей и последующее деструктурирование (разрушение, критику) этих идей с формированием контридеей. Работа с методом ДОО предполагает реализацию следующих шести этапов.

Первый этап – формирование группы участников «мозговой атаки» (по численности и составу). Оптимальная численность группы участников находится эмпирическим путем: наиболее продуктивными признаны группы в 10–15 человек. Состав группы участников предполагает их целенаправленный подбор: 1) из лиц примерно одного ранга, если участники знают друг друга; 2) из лиц разного ранга, если участники не знакомы друг с другом (в этом случае следует нивелировать каждого из участников присвоением ему номера с последующим обращением к участнику по номеру). Второй этап – составление проблемной записки участника мозговой атаки. Она составляется группой анализа проблемной ситуации и включает описание метода ДОО и описание проблемной ситуации. Третий этап – генерация идей. Продолжительность мозгового штурма рекомендуется не менее 20 минут и не более 1 часа в зависимости от активности участников. Запись высказываемых идей целесообразно вести на магнитофон, чтобы не «пропустить» ни одну идею и иметь возможность систематизировать их для следующего этапа.

Четвертый этап – систематизация идей, высказанных на этапе генерации. Систематизацию идей группа анализа проблемной ситуации осуществляет в такой последовательности: составляется номенклатурный перечень всех высказанных идей; каждая из идей формулируется в общеупотребительных терминах; определяются дублирующие и дополняющие идеи; дублирующие и (или) дополняющие идеи объединяются и формируются в виде одной комплексной идеи; выделяются признаки по которым идеи могут быть объединены; идеи объединяются в группы согласно выделенным признакам; составляется перечень идей по группам (в каждой группе идеи записываются в порядке их общности от более общих к частным, дополняющим или развивающим более общие идеи).

Пятый этап – деструктурирование (разрушение) систематизированных идей (специализированная процедура оценки идей на практическую реализуемость в процессе мозговой атаки, когда каждая из них подвергается всесторонней критике со стороны участников мозговой атаки).

Основное правило этапа деструктурирования – рассматривать каждую из систематизированных идей только с точки зрения препятствий на пути к ее осуществлению, т. е. участники атаки выдвигают выводы, отвергающие систематизированную идею. Особенно ценным является то обстоятельство, что в процессе деструктурования может быть генерирована контридея, формулирующая имеющиеся ограничения и выдвигающая предположение о возможности снятия этих ограничений.

Шестой этап – оценка критических замечаний и составление списка практически применимых идей.

Метод коллективной генерации идей апробирован на практике и позволяет находить групповое решение при определении возможных вариантов развития объекта прогнозирования, исключая путь компромиссов, когда единое мнение нельзя считать результатом беспристрастного анализа проблемы.

В 1970-1980 гг. созданы отдельные методики, позволяющие в определенной мере организовать статистическую обработку мнений экспертов-специалистов и достигнуть более или менее согласованного мнения. Метод «Дельфи» – один из наиболее распространенны методов экспертной оценки будущего, т. е. экспертного прогнозирования. Этот метод разработан американской исследовательской корпорацией РЭНД и служит для определения и оценки вероятности наступления тех или иных событий.

Метод «Дельфи» построен на следующем принципе: в неточных науках – мнения экспертов и субъективные суждения в силу необходимости должны заменить точные законы причинности, отражаемые естественными науками.

Метод «Дельфи» позволяет обобщать мнения отдельных экспертов в согласованное групповое мнение. Ему присущи все недостатки прогнозов, построенных на основе экспертных оценок. Однако проводимые корпорацией РЭНД работы по совершенствованию этой системы значительно повысили гибкость, быстроту и точность прогнозирования. Метод «Дельфи» характеризуется тремя особенностями, которые отличают его от обычных методов группового взаимодействия экспертов. К таким особенностям относятся: а) анонимность экспертов; б) использование результатов предыдущего тура опроса; В) статистическая характеристика группового ответа.

Анонимность заключается в том, что в ходе проведения процедуры экспертной оценки прогнозируемого явления, объекта участники экспертной группы неизвестны друг другу. При этом взаимодействие членов группы при заполнении анкет полностью устраняется. В результате такой постановки автор ответа может изменить свое мнение без публичного объявления об этом.

Статистическая характеристика группового ответа предполагает обработку полученных результатов с помощью следующих методов измерения: ранжирование, парное сравнение, последовательное сравнение и непосредственная оценка.

В развитии метода «Дельфи» применяется перекрестная коррекция. Будущее событие представляется как огромное множество связанных и переходящих друг в друга путей развития. При введении перекрестной корреляции значение каждого события за счет введенных определенных связей будут изменятся либо в положительную, либо в отрицательную сторону, корректируя тем самым вероятности рассматриваемых событий. С целью будущего соответствия модели реальным условиям в модель могут быть введены элементы случайности.

Недостатком данного метода является то, что проблема коррелирующих научно-технических сдвигов является очень сложной, так как в реальной жизни величину корреляции очень трудно измерить, корреляционные связи нечетки и варьируют в широких пределах в зависимости от рассматриваемых достижений.

Сущность методов прогнозной экстраполяции заключается в изучении динамики изменения экономического явления в предпрогнозном периоде и перенесения найденной закономерности на некоторый период будущего. Обязательным условием применения экстраполяционного подхода в прогнозировании следует считать познание и объективное понимание природы исследуемого процесса, а также наличие устойчивых тенденций в механизме развития.

Однако степень реальности такого рода прогнозов и соответственно мера доверия к ним в значительной мере обуславливаются аргументированностью выбора пределов экстраполяции и стабильностью соответствия «измерителей» по отношению к сущности рассматриваемого явления. Следует обратить внимание на то, что сложные объекты, как правило, не могут быть охарактеризованы одним параметром.

Операцию экстраполяции в общем виде можно представить как определение значений функции.

Простейшим способом прогнозирования считается подход, формирующий прогнозную оценку от фактически достигнутого уровня при помощи среднего прироста или темпа роста.

В соответствии с ним прогноз к шагов вперед на момент времени

Этот способ обладает определенными достоинствами, среди которых незначительна трудоемкость вычислительного алгоритма, универсальные расчетные схемы. Кроме указанных достоинств, он имеет несколько существенных недостатков. Во-первых, все фактические наблюдения являются результатом закономерности и случайности, следовательно, основываться на последнем наблюдении неправомерно. Во-вторых, нет возможности оценить правомерность использования среднего прироста в каждом конкретном случае. В-третьих, данный подход не позволяет сформировать интервал, в который попадает прогнозируемая величина. В связи с этим метод экстраполяции не дает точных результатов на длительных срок прогноза, потому что данный метод исходит из прошлого и настоящего, и тем самым погрешность накапливается. Этот метод дает положительные результаты на ближайшую перспективу прогнозирования тех или иных объектов – на 5-7 лет.

Для повышения точности экстраполяции используются различные приемы. Один из них состоит, например, в том, чтобы экстраполируемую часть общей кривой развития (тренда) корректировать с учетом реального опыта развития отрасли-аналога исследований или объекта, опережающий в своем развитии прогнозируемый объект.

Распространенной методикой прогнозирования тех или иных процессов и явлений служит моделирование. Моделирование считается достаточно эффективным средством прогнозирования возможного явления новых или будущих технических средств и решений. Впервые для целей прогнозирования построение операционных моделей было предпринято в экономике. Модель конструируется субъектом исследования так, чтобы операции отображали характеристики объекта, существенные для цели исследования. Поэтому вопрос о качестве такого отображения – адекватности модели объекту – правомерно решать лишь относительно определенной цели. Конструирование модели на основе предварительного изучения и выделения его существенных характеристик, экспериментальный и теоретический анализ модели, сопоставление результатов с данными объекта, корректировка модели, составляют содержание метода моделирования.

Одним из методов моделирования является метод математического моделирования. Под экономико-математической моделью понимается методика доведения до полного описания процесса получения, обработки исходной информации и оценки решения рассматриваемой задачи в достаточно широком классе случаев. Использование математического аппарата для описания моделей (включая алгоритмы и их действия) связано с преимуществами математического подхода к многостадийным процессам обработки информации, использованием идентичных средств формирования задач, поиска метода их решения, фиксации этих методов и их преобразования в программы, рассчитанные на применение средств вычислительной техники.

Применение математических методов является необходимым условием для разработки и использования методов прогнозирования, обеспечивающим высокие требования к обоснованности, действенности и временности прогнозов.

Важное прикладное значение в прогнозировании принадлежит методам регрессионного анализа. Регрессионный анализ используется для исследования форм связи, устанавливающих качественные соотношения между случайными величинами изучаемого случайного процесса. Иными словами, связь между случайной и неслучайной величинами называется регрессионной, а метод анализа таких связей – регрессионным анализом. Достоинством регрессионного метода следует считать его универсальность, широкий выбор функциональных зависимостей, возможность включения в статистическую модель в качестве самостоятельной переменной фактора времени.