3.2.1. Сущность методов экстраполяции. Реферат методы экстраполяции

8. Методы экстраполяции

Экстраполяцияпредставляет метод прогнозирования, заключающийся в изучении сложившихся в прошлом и настоящем устойчивых тенденций развития процессов и явлений и переносе их на будущее. Метод экстраполяции применим, если используются следующиедопущения: а) период времени, для которого построена функция, должен быть достаточным для выявлении тенденции развития; б) анализируемый процесс является устойчиво динамическим и обладает инерционностью, т.е. для значительных изменений характеристик процесса требуется время; в) не ожидается сильных внешних воздействий на изучаемый процесс, которые могут серьезно повлиять на тенденцию развития. Прогнозирование с помощью метода экстраполяции – один из простейших методов статистического прогнозирования. Его использование оправдано при недостаточном знании о природе изучаемого явления или отсутствии данных, необходимых для применения более совершенных методов прогнозирования.

Различают а) простую экстраполяцию, которая предполагает, что все действовавшие в прошлом и настоящем тенденции сохранятся в полном объеме, так как все действовавшие факторы останутся неизменными; б)прогнозную экстраполяцию, которая базируется на предположении об изменении факторов, определяющих динамику изучаемого процесса или явления.

Основу экстраполяции составляет изучение динамических рядов, представляющих собой упорядоченные во времени наборы измерений тех или иных показателей исследуемого объекта. В основе динамического анализа лежит понятие траектории, которая описывает состояние изучаемого процесса как функцию от времени:Q=Q(t),t[0,T], [0,T] – отрезок времени.

При этом время может учитываться как по интервалам, так и непрерывно. В первом случае функция называется динамическим рядом.

Использование экстраполяции имеет в своей основе предположение о том, что рассматриваемый процесс представляет собой сочетание двух составляющих: регулярной составляющей (Хt) и случайной переменной (). Временной ряд может условно представлен в виде:Yt=Xt+ t.

Регулярная составляющаяназывается трендом, тенденцией и характеризует существующую динамику развития процесса в целом.Случайная составляющаяотражает случайные колебания (шумы процесса).

Показателями развития процессаявляются абсолютный прирост, темп роста, темп прироста. Показатели изменения динамического ряда могут вычисляться на постоянной и переменой базе. Для обобщающей оценки скорости и интенсивности изменения динамического ряда используются различные средние характеристики, среди которых являются средний темп роста и средний темп прироста. Средний темп роста рассчитывают как среднее геометрическое и как среднее параболическое.Среднее геометрическоерассчитывается из последовательных цепных темпов роста:;среднее параболическоеориентировано на сумму динамического ряда и определяется из уравнения:

Задача ППЭсостоит в определении вида экстраполирующих функций Хtи tна основе исходных эмпирических данных и параметров выбранной функции.

Методика построениятрендовых моделей представляет сочетание качественного экономического анализа и формальных математико-статистических методов и включает несколько этапов: 1)Выбор класса функции тренда.Существует более 40 временных функций, отличающихся своими свойствами. Надо выбрать ту, которая отражает главные особенности динамики исследуемого показателя, прежде всего тип развития. Можно выделить 4 типа экономического роста: постоянный, увеличивающийся, уменьшающийся и рост с качественными изменениями характеристик на протяжении рассматриваемого периода. 2)Оценка параметров функции. Он проводится методами регрессионного анализа. 3)Расчет значений формальных критериев аппроксимации. Для характеристики близости тренда к аппроксимируемому динамическому ряду применяют несколько формальных критериев: сумма квадратов отклонений значений тренда от фактических значений, значение коэффициента детерминации и т.д. 4)Анализ остаточной компоненты динамического ряда.5)Выбор функции тренда. Результатом предшествующих этапов является построение нескольких функций тренда для одного показателя. Выбор лучшей осуществляется путем сопоставления значений, возможностей экономической интерпретации и использования в прогнозировании.

МЕТОД ЛИНЕЙНОЙ экстраполяции. Сущность метода заключается в том, что прогнозные величины определяются на основе среднего прироста (снижения) исследуемого показателя за определенный период времени.

Пример. Предположим, у нас имеются данные об объеме ВНП страны за ряд лет:

Таблица - Объем ВНП страны

Рассчитаем средний темп прироста за четыре года: (5,8 + 5,2 + 5,0 + 4,8)/4 = 5,2

Определив средний темп прироста, рассчитаем прогнозное значение ВНП страны на 2000 год: Y2000=Y1999+Y= 36,8 + 5,2 = 42,0

В тех случаях, когда показатели базисного и конечного прогнозного периода известны и следует определить годовые промежуточные показатели, используют метод линейной интерполяции, рассчитывая средний прирост за данный период времени:

Пример:Y2000= 205,Y2005 = 240. Y= (240 - 205)/5 = 7.

Y2002 =Y2000+ 2*Y= 205 + 2*7 = 219.

МЕТОД ПРОСТОЙ СРЕДНЕЙ. Применяется в тех случаях, когда в уравнении линейной зависимости Y=a+bx, коэффициентb= 0. При таком условии график будет представлен прямой параллельной горизонтальной оси графика, а прогноз будет состоять в расчете простой средней из всех имеющихся данных:Y=Y/N.

Расчеты простой средней часто связывают с сезонными колебаниями, происходящими внутри общего тренда.

Пример.Имеются данные об объеме ВНП за ряд лет по кварталам:

Рассчитываем квартальный индекс: 1 квартал = 272:294,5 = 0,92; 2 квартал = 404:294,5 = 1,37;

3 квартал = 300:294,5 = 1,02; 4 квартал = 203:294,5 = 0,69.

Для того, чтобы составить прогноз объема ВНП по кварталам на 2000 год,надо прогнозное значение ВНП за данный год разделить на 4(количество кварталов) и умножить на соответствующий квартальный индекс. Предположим, что в 2000 году ВНП будет равен 1450. Тогда в 1 квартале будет произведено: (1450:4)*0,92= 333,5; 2 квартал = (1450:4)*1,37 = 496,625 и т.д.

МЕТОД наименьших квадратов. Позволяет подогнать функцию под некоторый набор численных значений и построить график функции по некоторой совокупности точек. Выбор этой функции считается наилучшим, если стандартное отклонение определяемое формулой:

E= (dt–d’t)2minоказывается сведено к минимальному значению.

dt– фактические данные,

d`t– данные рассчитанной функции.

Как правило, используется линейная функция Y = a + bx.

Задача состоит в том, чтобы определить значения а и b, где

а – значение Yв базисном периоде,

b– угол наклона прямой.

Чтобы определить значения aиbиспользуется система уравнений:

Y=Na+b

Y=ax+bx2, гдеN- число периодов

х – номер периода.

Пример. Имеются данные об объеме ВНП.

Система уравнений выглядит следующим образом: 589 = 5а + 10b

1225 = 10ф + 30b.

Решая их, находим а = 108,4, b= 4,7.

Можно рассчитать ВНП 2000 года : Y2000=Y1995+ 5b= 108,4 + 5*4,7 = 131,9.

В отдельных случаях лучшего соответствия теоретических данных эмпирическим можно достигнуть вычерчивая по точкам кривой сглаживания вида Y=abx, т.е. используяпоказательную функцию.

Если показательное уравнение логарифмировать, то значения коэффициентов а и можно определить методом наименьших квадратов:

log Y = log a + x* log b.

logaиlogbнаходят, решая нормальные уравнения: logY=Nloga+ xlogb.

x log Y = x log a +x2 log b.

Если определить х таким образом, что x= 0, то

log a = log Y/ N, log b =x log Y/x2.

МЕТОД СКОЛЬЗЯЩЕЙ СРЕДНЕЙ. При подготовке прогноза методом скользящей привязки число периодов, по которым производится суммирование фактических данных, несколько больше того числа, которое было установлено и которое желательно иметь для проведения необходимых расчетов. Необходимость выравнивания сезонных колебаний требует, чтобы суммарная продолжительность всех периодов была равна 1 году. Выравнивание сезонных колебаний происходит в силу того, что крайние значения тренда имеют тенденцию к взаимному погашению. Вовлечение в расчет скользящей средней большего числа временных периодов увеличивает эффект сглаживания и одновременно уменьшает чувствительность прогноза к данным последних периодов.

Движение скользящей средней во времени дает возможность учесть самую последнюю информацию и отказаться от использования более старых данных. Использование скользящей средней позволит подготовить качественный прогноз только тогда, когда данные будут относительно стабильны.

Индекс сезонных колебаний, вычисленный на основе скользящей средней, дает возможность улучшить качество прогноза. Индекс получают путем деления объема фактического производства в соответствующем периоде на величину центрированной скользящей средней за тот же период. Повысить надежность можно за счет усреднения значения нескольких индексов общих временных периодов.

Пример. Для разработки прогноза на 2000 год используем данные о квартальных объемах производства. Скользящие средние определяются исходя из разбивки года на кварталы. Можно рассчитать скользящую среднюю только за 2 квартал 1995 года путем деления суммы данных за четыре квартала данного года на 4: (190+370+300+220)/4= 270.

Для расчета следующей скользящей средней берут данные за 2-4 кварталы 1995 года и 1 квартал 1996 года. Аналогично поступают в дальнейшем.

Центрированная скользящая средняя находится только для третьего квартала путем деления суммы данных скользящей средней за 2 и 3 кварталы 1995 года: (270+292)/2 = 281.

Дальнейшие расчеты делаются аналогично, заменяя одно значение другим.

Индекс сезонных колебаний получают путем деления фактического объема производства на величину центрированной скользящей средней за тот же период. Для 3 квартала 1995 года: 300:281 = 1,07.

Таблица. Расчет значений скользящей средней и индексов сезонных колебаний

На основе рассчитанных данных индекса сезонных колебаний заполняем таблицу 2 и делаем расчет скорректированного индекса.

Таблица 2 Расчет скорректированного индекса сезонных колебаний

Средний индекс сезонных колебаний рассчитываем путем деления суммы индексов за данный квартал на количество данных: для 1 квартала: 3,90:4 = 0,975 и т.д.

Полученные средние индексы сезонных колебаний проверяют на точность расчета. Среднее значение всех квартальных индексов не должна превышать 1. В нашем случае:

(0.975 + 1,375 + 1,0125 + 0,6675): 4 = 1,0075

Так как индекс больше 1, его следует скорректировать, уменьшив на 0.0075.

Завершающая стадия – составление прогноза. Для этого берут центрированную скользящую среднюю за определенный период и умножают на скорректированный индекс сезонных колебаний. Для 2000 года мы должны взять центрированную скользящую среднюю за 1 квартал 1999 года (316) и умножить на скорректированный индекс сезонных колебаний за 1 квартал (0,97):

1 квартал 2000 года = 316*0,97 = 307.

И т.д.

ЭКСПОНЕНЦИАЛЬНОЕ СГЛАЖИВАНИЕ. При экспоненциальном сглаживании в равенство вводится постоянный коэффициент сглаживания , придающий больший вес последним данным. Уравнение прогноза, учитывающее экспоненциальное сглаживание, записывается в виде:

Fn=Yn-1+ (1 -)Fn-1,

где Fn– прогноз предстоящего периода

Fn-1- прогноз на текущий год

- коэффициент сглаживания

Yn-1- фактический объем прогнозируемого показателя в текущем году.

Коэффициент находится в интервале от 0 до 1.Чувствительность к происходящим изменениям повышается с увеличением коэффициента сглаживания и уменьшением числа рассматриваемых периодов (N). Связь междуиNописывается отношением=.

Поэтому, если нас не устраивает найденное количество периодов N, то мы легко можем найти значение, которое нас устроит.

studfiles.net

3.2.1. Сущность методов экстраполяции : Прогнозирование национальной экономики

Экстраполяция - это метод научного исследования, который основан на распространении прошлых и настоящих тенденций, закономерностей, связей на будущее развитие объекта прогнозирования. Методы экстраполяции наиболее распространенные в группе формализованных. Цель методов экстраполяции – показать, к какому состоянию в будущем может прийти объект, если его развитие будет осуществляться с той же скоростью или ускорением, что и в прошлом. Методы экстраполяции достаточно широко применяются на практике, так как они просты, дешевы, и не требуют для расчетов большой статистической базы. Использование методов экстраполяции предполагает два допущения: а) основные факторы, тенденции прошлого сохранят свое проявление в будущем; б) исследуемое явление развивается по плавной траектории, которую можно выразить, описать математически. Названные допущения в большинстве случаев характерны для экономических процессов.

Как поступить, если условия формирования тренда (тренд – тенденция, определяющая общее направление развития) изменились? В этом случае предполагается использование такого искусственного приема, как исправление тренда. Отсекаются показатели ряда, которые были сформированы отжившими факторами, но при разделении старых и новых тенденций следует быть осторожным (можно воспользоваться экспертными оценками).

Прогноз должен иметь высокую точность, ошибка прогноза будет тем меньше, чем меньше период (срок) упреждения и чем больше база прогноза.

Период (срок) упреждения - это интервал времени, на который разрабатывается прогноз. База прогноза - это статистическая информация за ряд лет, на которую мы опираемся при построении расчетов. Срок упреждения должен составлять не менее 1/3 базы прогноза.

Построенные с помощью методов экстраполяции прогнозы нельзя рассматривать как конечный этап прогнозирования, ибо полученный показатель следует оценить с помощью экспертов и в случае необходимости скорректировать, если экономические, политические и другие условия в стране (городе) меняются.

Процедура экстраполяции - это чисто механический прием, следовательно, большое значение здесь имеет расчет доверительного интервала, т.е. диапазона отклонения полученной прогнозной оценки. Доверительный интервал рассчитывается двумя способами: формальным и неформальным. Формальный основан на применении специальных математических формул, а неформальный – на использовании экспертных оценок, заключений.

Метод скользящей средней  дает возможность выравнивать динамический ряд на основе его средних характеристик. При экстраполяции с помощью среднего уровня ряда используется принцип, при котором прогнозируемый уровень принимается равным среднему значению уровней ряда в прошлом.

Данный метод дает прогнозную точечную оценку и более эффективно используется при краткосрочном прогнозировании. Преимущество данного метода состоит в том, что он прост в применении и не требует обширной информационной базы.

Метод экспоненциального сглаживания дает возможность выявить тенденцию, сложившуюся к моменту последнего наблюдения, и позволяет оценить параметры модели, описывающей тренд, который сформировался в конце базисного периода. Этот метод адаптируется к меняющимся во времени условиям, а не просто экстраполирует действующие зависимости в будущее.

Метод экспоненциального сглаживания наиболее эффективен при разработке кратко- и среднесрочных прогнозов. Его основные достоинства заключаются в простоте вычисления и учете весов исходной информации, т. е. новые данные или данные за последние периоды имеют больший вес, чем данные более отдаленных периодов.

При использовании для прогнозирования данного метода возникают следующие затруднения: а) выбор значения параметра сглаживания; б) определение начального значения экспоненциально взвешенной средней.

Метод наименьших квадратов основан на выявлении параметров модели, которые минимизируют суммы квадратических отклонений между наблюдаемыми величинами и расчетными. Модель, описывающая тренд, в каждом конкретном случае подбирается в соответствии с рядом статистических критериев. На практике наибольшее распространение получили такие функции, как линейная, квадратическая, экспоненциальная, степенная, показательная.

Преимущества метода наименьших квадратов заключаются в том, что он прост в применении и реализуется на ЭВМ. К недостаткам метода можно отнести жесткую фиксацию тренда моделью, небольшой период упреждения, сложность подбора уравнения регрессии, который осуществляется с помощью использования типовых компьютерных программ, например Excel.

www.uamconsult.com

3. Методы экстраполяции, их особенности.

Основой методов формализации является экстраполяция, основанная на изучении динамики изменения экономического явления в предшествующем периоде и перенесении найденной закономерности на будущее. Обязательным условием использования экстраполяционного подхода является познание и понимание природы исследуемого процесса, наличие устойчивости в экономическом процессе. В исследовании закономерностей процесса важное место принадлежитдинамическим (временным) рядам,представляющим совокупность числовых данных, характеризующих изменение показателя во времени.Зная закономерность изменения признака в предшествующем периоде, и перенося найденную зависимость на будущее, определяют вероятность количественного значения исследуемого показателя в будущем.

Условно выделяют следующие группы метода экстраполяции тенденций:

• упрощенныецелесообразны при недостаточной информации о предыстории развития объекта (нет длинного динамического ряда или информация задана только двумя точками: на начало и конец периода).

• аналитические основаны на применении МНК к динамическому ряду и представлении закономерности развития явления во времени в виде уравнения тренда.

• адаптивныеиспользуются в случаях сильной колебаемости уровней динамического ряда и позволяют при изучении тенденции учитывать степень влияния предыдущих уровней на последующие значения динамического ряда. Относят: методы скользящих средних, экспоненциального сглаживания, метод гармонических весов, методы авто регрессионных преобразований.

Метод наименьших квадратов. Позволяет подобрать параметры прогнозирующей функции так, чтобы суммарные отклонения фактических значений динамического ряда от вычисленных были минимальны.

Метод скользящей средней. Если тренд имеет сложную форму, то проводится процесс сглаживания эмпирических кривых. Суть: замена фактических значений показателя их усредненными величинами, имеющими меньшую вариацию.

Метод по огибающим кривымучитывает в прогнозе качественных изменений, происходящих в самом объекте. Отличительная особенность: совместное изучение частных тенденций развития. Позволяет установить соподчиненность индивидуальных закономерностей, последовательность их чередования, наиболее вероятные значения показателей в будущем. Широко используется при прогнозировании НТП, агрегируемых показателей и т.д. Обязательным условием является рассмотрение всех форм проявления объекта в прошлом и настоящем.

Метод экспоненциального сглаживания. Выравнивание особенно сильно колеблющихся динамических рядов в целях последующего прогнозирования. Позволяет давать обоснованные прогнозы на основании рядов динамики, имеющих умеренную связь во времени, обеспечивает больший учет показателей, достигнутых в последние годы. Сущность заключается в сглаживании временного ряда с помощью взвешенной скользящей средней, в которой веса подчиненыэкспоненциальному закону: воздействие замыкающих наблюдений отражается на прогнозных оценках более заметно, чем влияние начальных уровней.

При экстраполяционном прогнозировании важным является заключительный этап – верификация, которая представляет совокупность критериев, способов и процедур, позволяющих на основе многостороннего анализа оценивать качество получаемого прогноза. Чаще осуществляется оценка метода прогнозирования, с помощью которого получен результат, чем оценка качества самого результата. Это связано с тем, что не найдено эффективного подхода к оценке качества прогноза до его реализации.

studfiles.net

Лекция - Экстраполирование - История

Экстраполяция означает распространение выводов, касающихся одной части какого-либо явления, на другую часть, на явление в целом, на будущее. Экстраполяция основывается на гипотезе о том, что ранее выявленные закономерности будут действовать в прогнозном периоде. Например, вывод об уровне развития какой-либо социальной группы можно сделать по наблюдениям за ее отдельными представителями, а о перспективах культуры — по тенденциям прошлого.

Экстраполяционный метод отличается многообразием — насчитывает не менее пяти различных вариантов. Статистическая экстраполяция — проекция роста населения по данным прошлого — это один из важнейших методов современного социального прогнозирования.

Метод экстраполяции заключается в приложении определенной для базисного периода тенденции развития экономического процесса к прогнозируемому периоду, он основывается на сохранении в будущем сложившихся условий развития процесса. При использовании этого метода необходимо иметь информацию об устойчивости тенденций развития объекта за срок, в 2-3 раза превышающий срок прогнозирования. Длительная тенденция изменения экономических показателей называется трендом. Последовательность действий приэкстраполировании:

-четкое определение задачи, выдвижение гипотез о возможном развитии прогнозируемого объекта, рассмотрение факторов, стимулирующих или препятствующих развитию данного объекта, определение необходимой экстраполяции и ее допустимой дальности;

-выбор системы параметров, унификация различных единиц измерения, относящихся к каждому параметру в отдельности;

-сбор и систематизация данных, проверка их однородности и сопоставимости;

-выявление тенденций или симптомов изменения изучаемых величин в ходе статистического анализа и непосредственной экстраполяции данных.

Операцию экстраполяции в общей форме можно представить в виде определения значения функции:

Уi + L = F (Уi *L),

где Уi + L – экстраполируемое значение уровня;

L – период упреждения;

Уi– уровень, принятый за базу экстраполяции.

Метод экстраполяции дает надежные результаты на ближайшую перспективу прогнозирования тех или иных объектов – 5 – 7 лет.

При экстраполировании используются методы: наименьших квадратов и его модификации; экспоненциального сглаживания, скользящей средней и др.

При формировании прогнозов с помощью экстраполяции обычно исходят из статистически складывающихся тенденций изменения тех или иных количественных характеристик объекта. Экстраполируются оценочные функциональные системные и структурные характеристики. Экстраполяционные методы являются одними из самых распространенных и наиболее разработанных среди всей совокупности методов прогнозирования.

С помощью этих методов экстраполируются количественные параметры больших систем, количественные характеристики экономического, научного, производственного потенциала, данные о результативности научно-технического прогресса, характеристики соотношения отдельных подсистем, блоков, элементов в системе показателей сложных систем и др.

Однако степень реальности такого рода прогнозов и соответственно мера доверия к ним в значительной мере обусловливаются 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. В связи с этим можно сделать некоторое представление о последовательности действий при статистическом анализе тенденций и экстраполировании, которое состоит в следующем:

— во-первых, должно быть четкое определение задачи, выдвижение гипотез о возможном развитии прогнозируемого объекта, обсуждение факторов, стимулирующих и препятствующих развитию данного объекта, определение необходимой экстраполяции и её допустимой дальности;

— во-вторых, выбор системы параметров, унификация различных единиц измерения, относящихся к каждому параметру в отдельности;

— в-третьих, сбор и систематизация данных. Перед сведением их в соответствующие таблицы еще раз проверяется однородность данных и их сопоставимость: одни данные относятся к серийным изделиям, а другие могут характеризовать лишь конструируемые объекты;

— в-четвертых, когда вышеперечисленные требования выполнены, задача состоит в том, чтобы в ходе статистического анализа и непосредственной экстраполяции данных выявить тенденции или симптомы изменения изучаемых величин. В экстраполяционных прогнозах особо важным является не столько предсказание конкретных значений изучаемого объекта или параметра в таком-то году, сколько своевременное фиксирование объективно намечающихся сдвигов, лежащих в зародыше назревающих тенденций.

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, опережающих в своем развитии прогнозируемый объект.

Под трендом понимается характеристика основной закономерности движения во времени, в некоторой мере свободной от случайных воздействий. Тренд — это длительная тенденция изменения экономических показателей. При разработке моделей прогнозирования тренд оказывается основной составляющей прогнозируемого временного ряда, на которую уже накладываются другие составляющие. Результат при этом связывается исключительно с ходом времени. Предполагается, что через время можно выразить влияние всех основных факторов.

Под тенденцией развития понимают некоторое его общее направление, долговременную эволюцию. Обычно тенденцию стремятся представить в виде более или менее гладкой траектории.

Анализ показывает, что ни один из существующих методов не может дать достаточной точности прогнозов на 20-25 лет. Применяемый в прогнозировании метод экстраполяции не дает точных результатов на длительный 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 не более 5 лет.

Для нахождения параметров приближенных зависимостей между двумя или несколькими прогнозируемыми величинами по их эмпирическим значениям применяется метод наименьших квадратов. Его сущность состоит в минимизации суммы квадратов отклонений между наблюдаемыми (фактическими) величинами и соответствующими оценками (расчетными величинами), вычисленными по подобранному уравнению связи.

Этот метод лучше других соответствует идее усреднения как единичного влияния учтенных факторов, так и общего влияния неуч­тенных.

6 Основные недостатки процесса прогнозирования и факторы, их предопределяющие.

Анализируя уровень прогностической деятельности, следует учитывать множество факторов, влияющих на эффективность прогнозов, их качественные характеристики.

Есть факторы принципиального, методологического характера, высокой степени сложности. Это, прежде всего умение, учитывать специфику взаимосвязей социально-экономического и духовно-идеалогического аспектов при разработке моделей, прогнозов и их результат.

Некоторые недостатки организационного характера следует относить к двум группам лиц: к тем, кто разрабатывает модели и прогнозы, и к тем, кто пытается реализовать результаты исследований.

Недостаточно высокий профессиональный уровень прогнозистов, экспертов, неинформированность их о позициях потенциальных заказчиков, в интересах которых разрабатываются те или иные модели и прогнозы, приводят к целому ряду нежелательных моментов, на основании которых можно сделать ряд выводов.

Первый вывод — это несоответствие в прогностических отчетах объемов описательно-информационных (до 90%) материалов процессуальному содержанию. В результате наименьший объем по сравнению с ретроспекцией занимает крайне важная информация о мерах прогнозирования, процедуре обработки информации, используемых источниках.

Второй вывод — состоит в том, что нередко преимущественное внимание уделяется исследовательскому подходу к самому процессу разработки прогнозов и меньше — анализу прогностического фона взаимосвязей различных факторов, так называемого внешнего окружения, использования прогностических систем высшего порядка.

Третий вывод заключается в нечетком определении целей разработки прогнозов, что приводит к вовлечению в описание объекта как в периоде ретроспекции, так и в заключительной части прогноза зачастую большого количества факторов и условий, не имеющих научно-информативной ценности.

Четвертый вывод — это появление волюнтаристских устремлений со стороны представителей власти, пытающихся игнорировать научные рекомендации, подменяя их собственным видением или внедрением существующих зарубежных моделей без должного анализа возможной адаптации их к российским условиям. Примером такого рода могут служить попытки перенести модели западной экономики и демократии в Россию. Они приобретают уродливую форму, поскольку в процессе их реализации не учитываются не только особенности экономической сферы, но и исторические традиции, социальная специфика, духовно-нравственная атмосфера нашей страны.

Если эти будут делаться и в дальнейшем, то возможны три сценария социальных процессов в нашем обществе:

1. Продолжение деструкции, неуправляемость общества как реакция на распад.

2. Стремление властей сохранить государство хотя бы в форме диктатуры.

3. Внедрение конструктивного начала, усиление роли государства с целью совершенствования социальной политики.

Если сгруппировать основные ошибки при прогнозировании социальных процессов, то они сведутся к следующим:

· Соотношение между прогнозами и ретроспективной направленностью не в пользу прогноза.

· Недостаточное освещение прогнозного фона внешнего окружения, тех факторов и процессов, которые оказывают влияние.

· Неразработанность методических и процедурных аспектов.

· Ограниченный объем информации.

· Отсутствие должной организационно-правовой основы процессов прогнозирования.

· Слабая научная разработанность теории, методологии прогнозирования.

Недостатки информационного обеспечения прогнозов варьируются в первую очередь в использовании узковедомственных данных, без должного учета, сравнения, сопоставления совокупной информации по смежным отраслям.

Неразработанность организационно-правовой основы процессов прогнозирования не позволяет в должной мере привлекать к разработке прогнозов специалистов различных областей научной деятельности, разработчиков смежных проблем, хотя всё большее развитие получают ВТК (временные творческие коллективы), включающие в себя специалистов из разных сфер деятельности — но находящихся в профессиональном взаимодействии.

Моделирование — многофункциональное исследование, применяющееся для определения или уточнения характеристик существующих или вновь конструируемых объектов. Его основной научной задачей является воспроизводство модели на основании ее сходства с существующим объектом. Модель должна иметь сходство с оригиналом, но не быть его полным аналогом (это основное условие), так как в этом случае моделирование теряет смысл. Основное отличие модели от оригинала — способность к гибкому прогнозному изменению, не влияющему на исходные данные модели. Социальная модель может представлять собой математическое уравнение, графическое отображение различных факторов, таблицы взаимозависимых признаков (событий, явлений) и т.д. В отличие от физической социальная модель не копирует изучаемый объект или явление, а преобразует значения одних признаков социального, явления или процесса, выбранных в качестве независимых, в значения других признаков, выбранных в качестве зависимых. Информационное значение социальной модели можно оценивать по степени точности отображения (прогнозирования) изменений изучаемых социальных процессов и явлений (зависимые признаки) при новых значениях независимых признаков (объективных условий).

Виды (типы) моделей

Выделяют несколько видов (типов) моделей: познавательные, эвристические, модели будущего — прогностические, модели желаемого, заданного состояния.

Наиболее распространенными методами моделирования в социальной сфере являются разработка, анализ и исследование модели проблемной ситуации, моделей нововведений (инновационных моделей), эвристических моделей и специальных математических моделей

К социальным моделям также относятся: моделирование демографических процессов, модели экологической безопасности, модели социальной адаптации мигрантов и другие.

Модели, если отвлечься от областей, сфер их применения, бывают трех типов: познавательные, прагматические и инструментальные.

Познавательная модель — форма организации и представления знаний, средство соединения новых и старых знаний. Познавательная модель, как правило, подгоняется под реальность и является теоретической моделью.

Прагматическая модель — средство организации практических действий, рабочего представления целей системы для ее управления. Реальность в них подгоняется под некоторую прагматическую модель. Это, как правило, прикладные модели.

Инструментальная модель — средство построения, исследования и/или использования прагматических и/или познавательных моделей.

Познавательные отражают существующие, а прагматические — хоть и не существующие, но желаемые и, возможно, исполнимые отношения и связи.

По уровню, «глубине» моделирования модели бывают:

эмпирические — на основе эмпирических фактов, зависимостей;

теоретические — на основе математических описаний;

смешанные, полуэмпирические — на основе эмпирических зависимостей и математических описаний.

www.ronl.ru

Смотрите также

• 
  Реферат аппаратный массаж
• 
  Производство магния реферат
• 
  Опасность наркомании реферат
• 
  Количество теплоты реферат
• 
  Дети индиго реферат
• 
  Внешнеэкономическая политика реферат
• 
  Алыкул осмонов реферат
• 
  Имплантация дентальная реферат
• 
  Этика сократа реферат
• 
  Шведская интервенция реферат
• 
  Философия индуизма реферат