Моделювання і прогнозування економічної безпеки регіонів України в сучасних умовах

• вибір одиничного елемента сукупності — носія характерних для закономірності рис;
• визначення просторових і часових меж об'єкта моделювання;
• формування ознакової множини моделі.

   Розвідувальний  аналіз даних передбачає:

• статистичне описування об'єкта — визначення середніх, стандартних відхилень, інших характеристик розподілу;
• уніфікацію типів ознак, приведення їх до одного виду;
• тестування сукупності на однорідність, ідентифікацію аномальних спостережень;
• відтворення пропущених даних;
• оцінювання взаємозв'язків між ознаками.

     Побудова  моделі ґрунтується на основі певних правил та алгоритмів, які визначають порядок розрахунків і математичних дій, необхідних для обробки інформації. На етапі математичної формалізації моделі обґрунтовується алгебраїчна форма розрахунків, відношення між властивостями процесу описуються символами та знаками, порядок розрахунків — блок-схемами.

     Оцінювання  параметрів моделі — це етап комп'ютерної  обробки даних.

     Перевірка адекватності моделі означає оцінювання ступеня відповідності параметрів моделі характеристикам об'єкта. На цьому етапі використовують різні процедури порівняння модельних висновків, перевірки статистичних гіпотез за допомогою статистичних критеріїв.

     Заключний етап моделювання — аналіз та інтерпретація  результатів — один із найскладніших  і найвідповідальніших. Складність його полягає у тому, що для інтерпретації результатів не існує готових алгоритмів чи рецептів. Єдина спільна для всіх моделей вимога — інтерпретація має узгоджуватися з первинними гіпотезами. Основні висновки формулюються в змістовних термінах: зміст параметрів моделі, правильність гіпотез, що перевіряються, оцінювання ступеня їх вірогідності.

     Отже, можна сформулювати два принципи статистичного моделювання:

• підпорядкованість меті дослідження на всіх етапах моделювання;
• забезпечення адекватності моделі.

     1.3.2 Прогнозування

     Одна  з найскладніших проблем системи  управління — передбачити майбутнє і віднайти ефективні рішення  в умовах невизначеності. Інструментом мінімізації невизначеності слугує прогнозування, а прогнозом називають науково обґрунтований висновок про майбутні події, про перспективи розвитку процесів, про можливі наслідки управлінських рішень.

     За  специфікою об'єктів прогнозування  прогнози поділяють на науково-технічні, економічні, соціальні, військово-політичні  тощо.

     Економічні  прогнози, в свою чергу, класифікують за масштабністю об'єкта на глобальні (світові), макроекономічні, структурні (міжгалузеві та міжрегіональні), регіональні, галузеві, мікроекономічні.

     Прогнозування передбачає систему наукових доведень, використання методів і прийомів з різним ступенем формалізації, узгодженість окремих висновків і оцінок щодо майбутнього розвитку процесу. В світовій практиці прикладного прогнозування використовують різні методи: статистичні (прогнозна екстраполяція), функціонально-ієрархічні (прогнозні сценарії), методи структурної аналогії, імітаційного моделювання, експертні оцінки. Кожен метод має свої особливості, позитивні якості й вади, свої межі використання.

     При прогнозуванні соціально-економічних  процесів перевага віддається статистичним методам, прогнозним результатом яких є очікувані у майбутньому значення характеристик процесу.

     Важливою  особливістю є те, що прогноз –  поняття умовне.

   Іншою особливістю статистичного прогнозу є визначеність його в часі. Часовий  горизонт прогнозу називають періодом упередження. За тривалістю цього періоду вирізняють прогнози:

• короткострокові (до 1 року),
• середньострокові (до 5 років)
• довгострокові (від 5 до 20 років і більше).

   Тривалість  періоду упередження залежить від  специфіки об'єкта прогнозування, інтенсивності динаміки, тривалості дії виявлених закономірностей та тенденцій.

   Прогнозний  результат на період упередження  можна представити одним числом (точковий прогноз) або інтервалом значень, до якого з певною ймовірністю  належить прогнозна величина (інтервальний прогноз).

   Статистичні прогнози ґрунтуються на гіпотезах  про стабільність значень величини, що прогнозується; закону її розподілу;  взаємозв'язків з іншими величинами тощо. Основний інструмент прогнозування  — екстраполяція.[13] 

 

РОЗДІЛ 2. Дослідження економічної  безпеки

    2.1 Напрями дослідження економічної безпеки

    Можна виділити декілька напрямів дослідження  стану економічної безпеки:

1. Дослідження загальних положень, куди відноситься методологія дослідження проблем економічної безпеки, ідентифікація об'єктів економічної безпеки, національні економічні інтереси, внутрішні та зовнішні загрози економічній безпеці, критерії економічної безпеки, індикатори економічної безпеки та їх порогові рівні.
2. Способи забезпечення економічної безпеки: розбудова ринкових регуляторів економіки як засіб забезпечення економічної безпеки: внутрішній ринок, грошово-кредитна система, інститути нагромадження та інвестування, ринкова інфраструктура, законодавче забезпечення ринкових відносин, ефективність бюджетного процесу, фондовий ринок, антимонопольне регулювання, ефективність використання державної власності, аграрна реформа.

   Регіональна економічна політика в контексті впливу на економічну безпеку передбачає забезпечення стійкості та цілісності регіонального господарського механізму, регіональних програм економічного розвитку, комплексних міжрегіональних проектів, інструментів та методик регіонального вирівнювання та подолання депресивності регіонів, ролі регіонального самоуправління в системі забезпечення економічної безпеки.

    Аналіз  окремих сфер та аспектів економічної  безпеки, серед яких дослідження  фінансової безпеки та впливу на неї  чинників грошово-кредитної політики, політики запозичень, валютного регулювання, фіскальної сфери та податкової політики, інфляційних процесів та антиінфляційної політики, державного регулювання цін, динаміки платіжного балансу, внутрішнього і зовнішнього державного боргу, а також соціальні аспекти економічної безпеки: політика доходів, реформування заробітної плати, пенсійна реформа, зменшення диференціації грошових доходів та подолання бідності, формування «середнього» класу, відтворення й розвиток соціальної сфери, політика на ринку праці та зниження безробіття. [9]

    2.2 Алгоритм  дослідження

    Побудова моделі економічної безпеки регіонів здійснюватиметься за таким алгоритмом:

1. Знаходження сальдо між доходами та видатками місцевих бюджетів
2. Обчислення коефіцієнта безпеки для кожного регіону (відношення сальдо до ВВП)
3. Побудова агрегованого коефіцієнта економічної безпеки для країни в цілому.
4. Визначення впливу чинників безпеки (середньої заробітної плати, капітальних інвестицій на душу населення, витрат на споживання на душу населення) на коефіцієнт безпеки за допомогою побудови багатофакторної регресії.
5. Побудова прогнозу на наступний рік для факторів, що впливають на економічну безпеку
6. Прогнозування коефіцієнта безпеки на наступний рік

    Для характеристики економічної безпеки  будується відносний показник, що обчислюється як відношення величини сальдо між доходами та видатками до величини валового внутрішнього продукту.

    2.3 Використання  регресійного аналізу

     2.3.1 Побудова  моделі 

    Важливою  являється проблема вивчення взаємозв’язків економічних показників. Неможливо  будувати, перевіряти і покращувати  економічні моделі без статистичного аналізу їх змінних з використанням реальних статистичних даних. Вся сфера економічних досліджень може бути охарактеризована як вивчення взаємозв’язків економічних змінних, і інструментами їх базового аналізу є методи статистики і економетрики.

    Для визначення впливу декількох факторів на інший можна побудувати модель множинної лінійної регресії:

     ,      (2.)

    де  - значення j-ї незалежної змінної в i-тому спостереженні, - збурення.

    Класичні  властивості збурень:

    1.

    2. Гомоскедастичність збурень: 

    3. Незалежність збурень: 

    4. Незалежність збурень та регресорів:

    5. (Додаткове) Збурення  нормально розподілені для всіх і.

    Вибіркова регресійна функція: .  (2.)

    Залишки моделі:

    Формули розкладу дисперсій:

     ,         (2.)

    де  - загальна сума квадратів, - пояснена сума квадратів, - сума залишків

    На  основі даної регресії можна зробити  висновки про:

• адекватність моделі

 Необхідно обрахувати практичне  значення            (2.)

та  порівняти його з теоретичною  статистикою Фішера з k-1 та n-k степенями свободи і рівнем надійності .

Якщо  , то гіпотеза приймається, тобто регресія є статистично не значимою.

• значимість коефіцієнта регресії

     . Обраховується практичне значення  та порівнюється  з теоретичною статистикою Стьюдента з n-k степенями свободи . Якщо , то гіпотеза приймається, тобто коефіцієнт є значимим.

   Якщо значення змінної x_і змінити на одиницю, а решту змінних залишити постійними, то значення зміниться на b_і одиниць. Таким чином, коефіцієнти регресійного рівняння є кількісною мірою впливу окремо взятих незалежних змінних на залежну змінну. Але одиниці виміру різних змінних в моделі можуть мати різний економічний зміст. Отже, регресійні коефіцієнти не можна використовувати для порівняння дії різних факторів.

   Найчастіше  використовують два методи:

1. Порівняння  коефіцієнтів в регресії відносно  стандартизованих змінних.

2. Порівняння  коефіцієнтів еластичності.

• зв'язок між факторами.

    Для цього обраховується коефіцієнт множинної детермінації, який показує, яка частина залежної змінної  пояснюється за рахунок моделі. Коефіцієнт детермінації є мірою тісноти  саме лінійного зв’язку між залежною та незалежними змінними. Коефіцієнт детермінації завжди знаходиться в межах від нуля до одиниці. Чим ближче R² до 1, тим тісніше зв'язок. Якщо , то зв'язок між змінними відсутній.

      Коефіцієнт  детермінації визначається як відношення поясненої і загальної суми квадратів .     (2.)

• побудувати надійні інтервали для коефіцієнтів :

, де  .   (2.)

• зробити прогноз,

якщо  відомі наступні значення незалежних змінних  . Тоді  прогноз обраховується за формулою:

.     (2.)

     2.3.2 Виявлення гетероскедастичності

Модель  з гетероскедастичними збуреннями:

, де вектор збурень не задовольняє  класичним властивостям збурень.  А саме порушується друга властивість  (про рівність дисперсій збурень):

       (2.)

    Гетероскедастичність збурень має такі наслідки для оцінки методу найменших квадратів:

    1.Оцiнки  МНК будуть незміщеними, але  не будуть ефективними (не матимуть  найменшої дисперсії).

    2.Стандартнi  оцінки коварiацiйної матриці  оцінки МНК будуть зміщеними, i, як наслідок, процедури перевірки гіпотез та інтервального оцінювання, основані на стандартних статистиках, будуть некоректними.