Тренди політичного та соціально-економічного розвитку
Тренди політичного та соціально-економічного розвитку
В якості інструментарію статистичного
прогнозування часових рядів служать трендові регресійні моделі, параметри яких оцінюються
за наявною статистичній базі, а потім основні тенденції (тренди) екстраполюються
на заданий інтервал часу.
Методологія статистичного прогнозування
передбачає побудову та випробування багатьох моделей для кожного часового ряду,
їх порівняння на основі статистичних критеріїв і відбір найкращих з них для прогнозування.
При моделюванні сезонних явищ у
статистичних дослідженнях розрізняють два типи коливань: мультиплікативні і адитивні.
У мультипликативном випадку розмах сезонних коливань змінюється в часі пропорційно
рівню тренда і відображається у статистичній моделі множником. При адитивної сезонності
передбачається, що амплітуда сезонних відхилень постійна і не залежить від рівня
тренда, а самі коливання представлені в моделі доданком.
Основою більшості методів прогнозування
є екстраполяція, пов’язана з поширенням закономірностей, зв’язків і співвідношень,
що діють в досліджуваному періоді, за його межі, або – в більш широкому сенсі слова
– це отримання уявлень про майбутнє на основі інформації, що відноситься до минулого
і сьогодення.
Найбільш відомі і широко застосовуються
трендові і адаптивні методи прогнозування. Серед останніх можна виділити такі, як
методи авторегресії, змінного середнього (Боксу – Дженкінса і адаптивної фільтрації),
методи експоненціального згладжування (Хольта, Брауна і експоненційної середньої)
та ін.
Аналіз тенденцій використовується
в основному в прогностичних цілях для опису майбутніх відносин причини і наслідки
(взаємозв’язку двох змінних, одна з яких є незалежною). Оскільки кількісні показу
тели відносин для характеристики майбутнього невідомі, в рівнянні регресії, що описує
їх відносини в на вартому, незалежна змінна замінюється на час, числові значення
якого в майбутньому відомі. Даний прийом має свої недоліки, оскільки ігноруються
майбутні значення показника причини, можливість з трансформаційних змін залежності
між змінними. Для аналізу тен денції збирають можливо більше число даних з віз можна
малими часовими інтервалами і обчислюють ско рость еволюції системи, після чого
будують графік, на основі якого складають рівняння регресії і оціни вают його параметри.
Далі приступають безпосередньо до прогнозу, тобто обчислюють майбутні значення показника
слідства за допомогою рівняння регресії, і продовжують гра фік, після чого здійснюють
інтерпретацію результатів.