Прогнозирование экономического роста в современных условиях

       

      После просчитанных матриц используем функцию  МОПРЕД чтобы рассчитать числитель и знаменатель.

     R=√ -2,59886E-11/ -2,59887E-11=√ 0,999996= 0,999998

   Отсюда  следует, что связь между факторами  в данной модели практически функциональная, следовательно, целесообразно будет  проводить дальнейшие расчеты. Коэффициент  детерминации будет равен: 0,999² = 0,999. Следовательно, в данной модели изменение уровня совокупной прибыли на 99% объясняется с помощью выбранных факторов. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

      3 Моделирование и прогнозирование  экономического роста 

      3.1 Статистическое и математическое  прогнозирование экономического  роста отрасли (региона) 
 

      Общественная  жизнь невозможна без предвидения, будущего, без прогнозирования перспектив её развития. В современных условиях экономические прогнозы необходимы для определения возможных целей развития общества и обеспечивающих их достижение экономических ресурсов, для выявления наиболее вероятных и экономически эффективных вариантов долгосрочных, среднесрочных и текущих планов, обоснования основных направлений экономической и технической политики, предвидения последствий принимаемых решений и осуществляемых в каждый данный момент мероприятий.

      Экономическое прогнозирование есть процесс разработки экономических прогнозов, основанный на научных методах познания экономических явлений и использовании всей совокупности методов, средств и способов экономической прогностики.

      В данной курсовой было описанно 3 метода прогнозирования. К ним отноятся метод экстрополяции, метод экспертных оценок и регресионный анализ.

      Методы  экстраполяции тенденций являются, пожалуй, самыми распространенными  и наиболее разработанными среди всей совокупности методов прогнозирования.

      Считается, что регулярная составляющая f(a, х) представляет собой гладкую функцию от аргумента (в большинстве случаев времени), описываемую конечномерным вектором параметров а, которые сохраняют свои значения на периоде упреждения прогноза. Эта составляющая называется также трендом, уровнем, детерминированной основой процесса, тенденцией. Под всеми этими терминами лежит интуитивное представление о какой-то очищенной от помех сущности анализируемого процесса.

      Экстраполяционные методы прогнозирования основной упор делают на выделение наилучшего в некотором смысле описания тренда и на определение прогнозных значений путем его экстраполяции. Методы экстраполяции во многом пересекаются с методами прогнозирования по регрессионным моделям. Иногда их различия сводятся лишь к различиям в терминологии, обозначениях или написании формул. Тем не менее, сама по себе прогнозная экстраполяция имеет ряд специфических черт и приемов, позволяющих причислять ее к некоторому самостоятельному виду методов прогнозирования.

      Специфическими  чертами прогнозной экстраполяции  можно назвать методы предварительной  обработки числового ряда с целью  преобразования его к виду, удобному для прогнозирования, а также анализ логики и физики прогнозируемого процесса, оказывающий существенное влияние, как по выбору вида экстраполирующей функции, так и на определение границ изменения ее параметров.

      Методы  экспертных оценок в прогнозировании  и перспективном планировании научно-технического прогресса применяются в следующих случаях:

      а) в условиях отсутствия достаточно представительной и достоверной статистики характеристики объекта (например, лазеры, голографические запоминающие устройства, рациональное использование водных ресурсов на предприятиях);

      б) в условиях большой неопределенности среды функционирования объекта (например, прогнозов человеко-машинной системы в космосе или учет взаимовлияния областей науки и техники);

      в) при средне- и долгосрочном прогнозировании  объектов новых отраслей промышленности, подверженных сильному влиянию новых  открытий в фундаментальных науках (например, микробиологическая промышленность, квантовая электроника, атомное машиностроение);

      г) в условиях дефицита времени или  экстремальных ситуациях.

      Экспертная  оценка необходима, когда нет надлежащей теоретической основы развития объекта. Степень достоверности экспертизы устанавливается по абсолютной частоте, с которой оценка эксперта в конечном итоге подтверждается последующими событиями. Существует две категории экспертов - это узкие специалисты и специалисты широкого профиля, обеспечивающие формулирование крупных проблем и построение моделей. Выбор экспертов для прогноза производится на основе их репутации среди определенной категории специалистов. Однако не следует забывать и того обстоятельства, что первоклассный специалист не всегда может достаточно квалифицированно рассмотреть и понять общие, глобальные, вопросы. Для этой цели нужно привлекать экспертов хотя и недостаточно узко информированных, но обладающих способностью к дерзанию и воображению.

      Регрессионный анализ исследует зависимость определенной величины от 
другой величины или нескольких других величин. 
Регрессионный анализ применяется преимущественно в среднесрочном 
прогнозировании, а также в долгосрочном прогнозировании. Средне- и 
долгосрочный периоды дают возможность установления изменений в среде 
бизнеса и учета влияний этих изменений на исследуемый показатель 
Для осуществления регрессионного анализа необходимо:

      - наличие ежегодных данных по исследуемым показателям;

      - наличие одноразовых прогнозов, то есть таких прогнозов, которые не 
поправляются с поступлением новых данных.

      Регрессионный анализ обычно проводится для объектов, имеющих сложную, многофакторную природу таких, как:

      - объем инвестиций;

      - прибыль;

      - объемы продаж и др.

      Для построения собственной модели мы используем метод наименьших квадратов, который  является одним из разновидности  экстраполяции.

        В таблице 6 представлены исходные  данные для расчета.  

Таблица 6 Исходные данные для расчета рентабельности

 

      Находим коэффициенты a0 и а1, чтоб рассчитать функцию а₀+а₁t = у. Для этого нужно составить таблицу с расчетами a0 и а1. 

Таблица 7 Расчет коэффициентов a0 и а1

 

      Подставим получившиеся значения в систему:

      

      И получим:

       Þ

      Модель  изменения рентабельности имеет  вид:  

      -3,08 - 1,81*t = у                                        (11) 

      Теперь  делаем прогноз на 5 лет. В таблице 8 представлены расчеты. Прогнозы рентабельности получаем путем подстановки (11) значения t=3,4,5,6,7.    
 

Таблица 8 Прогноз изменение рентабельности

 

      По  прогнозированию рентабельности каждый год будет увеличиваться на 1,81%.

      Для построения собственной модели линейного  вида мы используем следующие данные (таблица 6).  

Таблица 9 Исходные данные (относительный прирост)

 

      Дя  приведения функции y=a0+a1*x1+a2*x2+a3*x3+a4*x4+a5*x5 к линейному виду в Excel выбираем функцию ЛИНЕЙН. В строке Y мы выбираем значения рентабельности и в строке X все показатели влияющие на рентабельность.