Файл: Экономика газовой промышленности..pdf

с учетом социально-политических и экономических задач, основных направлений и возможных темпов реализации на­ учно-технического прогресса, а также с учетом новых сти­ мулов и возможностей для изменения темпов развития [101].

При прогнозировании основных показателей, характери­ зующих развитие газовой промышленности, применяются и статистические методы. Так, в работах американских уче­ ных [139 и 140] разработана математическая модель откры­ тия запасов и добычи природного газа, в которой устанавли­ ваются статистические закономерности развития отдельных показателей газовой промышленности США, а также связь между этими показателями. В отличие от метода непосред­ ственного расчета авторами этих работ в аналитическом ви­ де представлены соотношения, позволяющие сделать про­ гноз на любой год перспективного периода.

Для получения среднесрочного прогноза все большее рас­ пространение получают методы многофакторного прогнози-

-рования, основанные на анализе регрессий и корреляций. Регрессионный и корреляционный анализы позволяют уста­ новить зависимости экономических показателей от факторов, определяющих их развитие, степень существенности влияния этих факторов, а также форму и вид зависимостей. При этом подходе представляется возможным учесть неограниченное число факторов с оценкой их влияния на исследуемый показа­ тель и в математической зависимости учесть только факторы, наиболее существенные для данного явления.

Воснове этого метода лежит допущение о том, что пер­ спективное значение исследуемого показателя существенно зависит от изменения его в прошлом и настоящем периодах.

Таким образом, установление прогноза методами регрес­ сионного и корреляционного анализа состоит из:

1)выявления факторов, определяющих развитие исследу­ емого показателя;

2)оценки степени существенности влияния этих факто­

ров;

3)установления связи между исследуемым показателем

инаиболее существенными факторами;

4)определения перспективных значений исследуемого показателя на основе возможной динамики факторов, мак­ симально благоприятствующей эффективности общественно­ го производства.

Для долгосрочного прогнозирования в практических ра­

ботах чаще всего используют методы регрессионного анали-

за, в которых связь между исследуемым явлением и фактора­ ми устанавливается в виде статических уравнений, как и при определении среднесрочного прогноза. Однако такой подход является недостаточным, поскольку коэффициенты уравне­ ний, построенных для разных интервалов времени, нельзя считать постоянными в силу того, что на каждом этапе интен­ сивность влияния различных факторов неодинакова.

Для устранения этого недостатка необходимо строить динамические уравнения регрессии, в которых параметры являются функциями времени. Эти параметры можно опре­ делить, используя скользящий базисный период [127]. По­ строенные таким образом уравнения регрессии будут учи­ тывать наметившиеся в базисном периоде тенденции изме­ нения влияния научно-технического прогресса, а также изменение интенсивности влияния других факторов, что особенно важно при долгосрочном прогнозировании.

Иногда при долгосрочном прогнозировании используют метод экстраполяции, поскольку для применения корре­ ляционного и регрессионного анализа не всегда имеется в достаточном полном объеме информация по факторам, влияю­ щим на исследуемое явление. Это применение обосновано, если главная тенденция процесса настолько устойчива, что управление носит характер временных возмущений, лишь слегка отклоняющих процесс от его основной траектории с последующим возвратом на нее при условии долгосрочного прогноза [124]. Он позволяет делать предварительные рас­ четы на перспективу на основе имеющихся данных по вре­ менным рядам, которые могут быть уточнены с помощью ме­ тода экспертных оценок, получившего в последнее время развитие в различных направлениях.

Типичным методом экспертных оценок является метод «Делфи». Суть метода заключается в систематическом сборе мнений экспертов, чтобы разработать тщательно спроекти­ рованную программу последовательных индивидуальных опросов (которые лучше всего проводить с помощью вопрос­ ников), перемежаемых обратной связью в виде информации и мнений, получаемой путем обработки на электронновычи­ слительных машинах согласованной точки зрения экспертов по более ранним частям программы [137].

При разработке прогнозов в качестве вспомогательного средства могут быть использованы международные технико­ экономические сопоставления.

Однако необходимо учитывать, что в различных усло­

82

виях одни и те же тенденции проявляются по-разному и имеют различную эффективность. Игнорирование этих раз­ личий, попытки некритического заимствования явлений, развивающихся в других экономических условиях, могут привести к серьезным ошибкам в прогнозах.

Представленная выше классификация методов прогно­ зирования для получения кратко-, средне- и долгосрочного прогноза условна, поскольку методы среднесрочного прогно­ зирования (в частности, метод анализа регрессий и корре­ ляций) могут быть использованы для получения краткосроч­ ного прогноза, а методы долгосрочного прогнозирования (на­ пример, метод, основанный на регрессионном анализе со скользящей базой) могут применяться для получения кратко- и среднесрочного прогноза.

Для прогнозирования запасов природного газа были использованы методы регрессионного и корреляционного анализа. Построение экономико-математических моделей прогноза осуществлялось поэтапно.

На первом этапе на основе экономических соображений был выбран ряд факторов, оказывающих влияние на откры­ тие запасов природного газа. В процессе построения уравне­ ний множественной регрессии путем математической оцен­ ки значимости этих факторов были отобраны наиболее су­ щественные из них, которые и приведены в уравнениях регрессии.

На втором этапе были построены временные модели для прогнозирования этих факторов на перспективный период. После-этого был сделан прогноз запасов природного газа по уравнениям множественной регрессии с учетом прогноза факторов.

Экономико-математические модели прогноза запасов при­

где у — запасы природного газа; л:, — факторы, определяю­ щие развитие запасов природного газа; at — коэффициенты уравнений регрессии.

Поскольку линейное уравнение регрессии давало более надежные результаты и оценки его по различным критериям были лучше, прогноз запасов природного газа был сделан по линейному уравнению.

Коэффициенты at линейного уравнения множественной регрессии определяются исходя из основного требования метода наименьших квадратов — чтобы сумма квадратов отклонений фактических данных от расчетных была мини­ мальной, т. е. чтобы функционал

чение запасов; т — число наблюдений, принимал минималь­ ное значение.

Минимизацию Чг можно провести разными способами, в частности, исследованием функции (3-3) на экстремум клас-' сическим методом. Для этого найдем частные производные от этой функции по входящим в нее параметрам и, приравняв их к нулю, получим следующую нормальную систему линей­

/-м году; Уі — расчетное значение запасов природного газа в /-м году; m — число лет базисного периода; п — число факторов в модели.

84

Однако далеко не во всех задачах этот критерий может быть показателем адекватности статистической модели. Поэтому часто применяют в качестве критерия оценки вариа­

значения исследуемого показателя к фактическим. Для эко­ номических расчетов б, как правило, не должна превышать

10%.

На практике часто пользуются критерием оценки

—дисперсия внутри признака.

При этом, если F ^ 2, уравнение не следует рассматри­

вать в дальнейшем; при 7 > F > 2 необходимо искать урав­ нение, наиболее адекватно описывающее рассматриваемое явление, если есть возможность; если F > 7, уравнение принимается для дальнейшего анализа.

Теснота связи между зависимой переменной и факторами, влияющими на ее величину, может быть определена при по­ мощи коэффициента множественной корреляции

85