методы оценивания показателей по ограниченной информации с учетом сложного

характера связей, присущих экономической системе при ее взаимодействии со

средой. В математическом отношении это выражается, прежде всего, в

разработке и применении вариационных принципов и методов, определяющих

процедуру выбора экстремальных распределений случайных величин, которые

содержат информацию не более того количества, которым располагает

исследователь.

Весьма трудной проблемой является оценка микроэкономических

показателей, статистическое обследование которых затрудняется чрезвычайно

малым объемом наблюдений.

Теория оценивания по малому числу наблюдений, для многих задач которой

типична неасимптотическая постановка проблем, еще нуждается в научном

обосновании и разработке.

Сложность постановки и решения задач построения наилучших оценок для

данной схемы при ограниченном объеме статистического материала обусловлена

тем обстоятельством, что искомое решение часто в сильной степени зависит от

конкретного типа распределения, объема выборки и не может быть объектом

достаточно общей математической теории. Очевидно, что теория малых выборок

из нормального распределения будет отличаться от теории малых выборок из

равномерного распределения и т.д. С другой стороны необходимость разработки

расчетно-экспериментальных методов оценивания микроэкономических

показателей возникает из весьма важных задач.

По поводу определения понятия “малая выборка” существуют различные

мнения. Так, например, одни утверждают, что если для принятия решения не

хватает статистического материала, то надо прежде всего разрабатывать

методы получения недостающих данных (“купить недостаточную

информацию”).Очевидно, что в этом случае не берется в расчет объективная

необходимость получить решения в условиях, когда дополнительную информацию

при микроэкономическом анализе привлечь просто нет никакой возможности.

Попытка определить малую выборку некоторым пределом числа наблюдений (n=10,

например), ниже которого известные (традиционные) методы не дают

необходимой обоснованности принимаемых решений, тоже не выдерживает

критики, так как во всех этих подходах связь понятия “малая выборка” не

увязывается на модельном уровне исследований с методами ее анализа.

Основным условием успешного анализа (извлечением из данной выборки

требуемой информации) служит возможность принятия решения. Следовательно,

критерием понятия “малая выборка” может служить достоверность принимаемого

на ее основе решения. Традиционными в математической статистике

показателями, характеризующими достоверность принимаемого решения, являются

ошибки первого [pic] и второго рода [pic] (вероятности отвергнуть гипотезу,

когда она верна, принять гипотезу, когда она неверна, соответственно). Не

вдаваясь в теоретическое содержание ошибок первого и второго рода, заметим,

что в общем случае решение можно считать обоснованным, если выполняется

неравенство:

[pic] (1.10)

Следовательно, если применяемый аналитический аппарат с

соответствующим статистическим критерием при анализе выборки данного объема

не позволяет получить условие (1.10), то для принятия достоверного решения

в этом случае выборка считается малой. Тем не менее, традиционно сложилось

так, что в математической статистике широкое распространение получили

критерии согласия [pic] и критерий Колмогорова. Безоговорочное применение

этих критериев привело к формированию такого интуитивного понятия как

эффект малой и большой выборки. Очевидно, что необходимость введения этого

понятия обусловлено объективным существованием пределов работоспособности

перечисленных выше критериев.

Таким образом, случайную выборку наблюдаемых значений

микроэкономических показателей можно считать малой, если извлекаемая из нее

с помощью определенного математического аппарата информация не может

служить основанием для принятия достоверного решения, удовлетворяющего цели

исследования.

Объектом исследования в микроэкономическом экспресс-анализе является,

как правило, малая выборка случайных наблюдений, для которых традиционные

критерии математической статистики неработоспособны. Очевидно, что

результаты этого анализа для малых выборок будут зависеть от положенного в

их основу аналитического аппарата, обеспечивающего такую статистическую

интерпретацию результатов наблюдений, которая позволяла бы выборку

рассматривать как некий эмпирический аналог генеральной совокупности, о

свойствах которой в целом или о возможных выборках из нее можно судить о

свойствах некоторых функций от случайно наблюдаемых величин (статистик).

2.ПРОГНОЗИРОВАНИЕ МИКРОЭКОНОМИЧЕСКИХ

ПОКАЗАТЕЛЕЙ И ПРОЦЕССОВ

2.1.Направления и методы прогнозных исследований в микроэкономике и учёт

фактора старения предпрогнозной информации

Движущей силой экономической деятельности является спрос, отражающий

поведение массового потребителя на изменение цен товара. Величина спроса

определяется количеством товара, которое массовый потребитель добровольно

покупает в течении некого периода, ценой данного товара и рядом других

факторов. Для анализа экономической деятельности, прогнозирования и

управления экономическими процессами принципиальное значение имеют

выявление закономерностей спроса на товар от его цены. Следует заметить,

что применение экономических методов в микроэкономическом анализе

базируется на использовании предельных величин и, как правило, на

детерминистическом подходе. Считается , что отказ от предельных показателей

затрат, прибыли и других показателей означает невозможность использование

математических методов в экономике.

Однако в условиях гибкого рынка цена товара, спрос на него меняется не

только в течении месяца, но и в течении недели и даже дня. Поэтому

выявление и постоянное уточнение основной закономерности, описывающей

зависимость количества единиц товара, приобретаемое в течении некоторого

периода, от его цены должно базироваться на прогнозных исследованиях.

Опыт проведения прогнозных исследований в различных областях

общественной жизни, науки и техники позволил выявить ряд методов, которые

могут эффективно применяться для прогнозирования микроэкономических

показателей. Любая типовая методика прогнозирования включает такие

необходимые элементы как выполнение предпрогнозной ориентации (определение

предмета, целей, задач и периода упреждения); создание предпрогнозного фона

(сбор и анализ данных в интервале ретроспекции); формирование исходной

базовой модели и конструирование поисковой модели, ее верификация, а при

необходимости уточнение, подготовка, обоснование и принятие необходимых

решений.

Поскольку узловым этапом является построение модели прогноза,

известные методы прогнозирования удобно классифицировать, разделив их на 3

основные группы:

. эвристические;

. прогнозные модели;

. статистические.

Эвристические методы включают построение интуитивных прогнозных

моделей, которые формируются экспертами на основе целевой установки на

выполнение прогноза, предоставляемой эксперту информацией, опыта, интуиции

и знаний эксперта.

По типу циркулирующей в процессе экспертизы информации можно выделить

три класса интуитивных моделей:

. индивидуальные оценки;

. коллективные оценки;

. комбинированные экспертные модели.

К индивидуальным относятся модели типа интервью, психоэвристической

генерации идей, к коллективным - модели типа “мозговой атаки”, сессий

выработки коллективного мнения, коллективной экспертной оценки; к

комбинированным - модели итеративных опросов типа “Дельфи” и их

модификации.

Аналитическими методами прогнозные модели получаются в тех случаях,

когда известны общие закономерности развития процесса, его общая структура,

важнейшие аналитически выраженные функциональные связи, имеется опытная

(контрольная) выборка, позволяющая проверить работоспособность модели.

Аналитические модели, разделяются на модели, построенные по типу:

. структуризации целей развития;

. имитационного моделирования;

. морфологического анализа.

К статистическим относят методы, основу которых составляет

формирование стохастических моделей прогнозирования. Предпосылкой

применения таких методов является наличие необходимых статистических

данных. Характеризующих период ретроспекции, и сведений, необходимых для

определения модели прогноза. Широкое применение в прогнозировании

статистических методов объясняется тем, что предметом статистики служит

изучение методов выявления закономерностей массовых процессов.

Относительно приложений математической статистики обратим внимание на

появляющуюся у ряда авторов тенденцию рассматривать соответствующие методы

как средство снятия неопределенности на различных этапах принятия решений.

Подобное отношение сужает область применения статистических методов, однако

справедливо акцентирует внимание на наиболее сложных случаях их

использования.

Области приложений отдельных методов при решении задач прогнозирования в

микроэкономике показаны в табл. 3 (приложение С).

Развитый математический аппарат и накопленный опыт применения делают

привлекательным обращение в решаемой проблеме к статистическим прогнозным

Страницы: 1, 2, 3, 4, 5, 6