Стр. 43 - Социально-экономическое прогнозирование
Упрощенная HTML-версия
СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ
41
В-третьих, простота и наглядность расчетов позволяют применять
методы экстраполяции для экспресс-прогноза, на основе которого определяется
общая картина сложившейся ситуации и возможного ее развития в будущем.
Указанные преимущества в то же время определяют и недостатки
методов экстраполяции:
−
упрощенность расчетов не позволяет получить точных результатов на
длительный срок;
−
не отражены причины изменения прогнозируемого показателя в будущем;
−
чем выше динамичность изменении внешней среды, тем ниже точность
данных методов, так как именно стабильность внешних и внутренних
параметров системы закладывается в модель экстраполяции.
2.3. Корреляционно-регрессионные методы
Методы, основанные на теории корреляции
Основные задачи корреляционного анализа - определение связи между
случайными переменными и оценка тесноты этой связи.
В некоторых случаях методы корреляционного анализа могут оказаться более
обоснованными, чем методы временных рядов. Это объясняется тем, что
прогнозирование строится на основе выявленных причинно-следственных связей
между прогнозируемым показателем и одним или несколькими факторами, которые
действительно определяют последствия изменения прогнозируемого показателя.
Именно поэтому методы корреляционно-регрессионного анализа нашли широкое
применение при долгосрочном прогнозировании. Однако к ним увеличивается набор
дополнительных требований для корректности составления прогноза [10].
В зависимости от характера исходной информации применяются
различные методы корреляционного анализа:
−
оценка парной корреляции, т.е. определение корреляции между двумя
показателями;
−
выявление множественной корреляции, т.е. определение зависимости
одного показателя от группы показателей.
Для измерения «прямолинейной» зависимости между переменными
находит применение коэффициент корреляции Пирсона.
Коэффициент линейной корреляции измеряет степень линейной зависи-
мости между переменными
х
и
у
и рассчитывается по формуле
r =
∑ ∑
∑
−
−
−
i
i
i
i
i
i i
yn y
xn x
yxn yx
)
)(
(
) (
2
2
2
2
,
(2.5)
