Организация научных исследований (стр. 21 )

6.  Следующей по силе идет шкала отношений. Измерения в такой шкале являются «полноправными» числами, с ними можно выполнять любые арифметические действия (правда, при условии однотипности единиц измерения).

7.  И, наконец, самая сильная шкала - абсолютная, с которой можно выполнять любые математические действия без каких-либо ограничений.

8.  Отображение какого-либо свойства объекта или явления в чи­словом множестве называется шкалированием. Чем сильнее шкала, в которой производятся измерения, тем больше сведений об изучае­мом объекте, явлении, процессе дают измерения. Однако применять более сильную шкалу опасно: полученные данные на самом деле не будут иметь той силы, на которую ориентируется их обработка. Луч­ше всего производить измерения в той шкале, которая максимально согласована с объективными отношениями, которым подчинена на­блюдаемая величина. Можно измерять и в шкале, более слабой, чем согласованная, но это приведет к потере части полезной информации.

9. Прогнозирование в научных исследованиях

Слово «прогноз» происходит от греческого слова «prognosis» (предвидение, предсказание о развитии чего-либо, основанное на определенных данных). Прогнозирование широко используется во многих областях человеческой деятельности, особенно актуально прогнозирование в задачах управления.

ü  Процесс разработки прогнозов называется прогнозированием.

Под методами прогнозирования подразумевают совокупность приемов мышления, способов, позволяющих на основе анализа ин­формации о прогнозном объекте вынести относительно достоверное суждение о его будущем развитии. Тип применяемого метода зави­сит от типа объекта. Существует большое количество классифика­ций видов прогнозов по различным классификационным признакам.

9.1. Постановка задачи прогнозирования

Прогнозирование означает предсказание состояния какого-либо объекта, процесса или явления в будущем. Фактически любое мо­делирование дает прогноз, т. е. отвечает на вопрос: «Что будет, если...?», но здесь мы ограничимся прогнозированием в более уз­ком смысле. Различают такие виды прогнозов, как прогноз пого­ды, предсказание хода болезни, научно-технический прогноз, про­гноз экономический и т. д. В данной книге мы будем в основном говорить об экономическом прогнозе, который тесно связано с пла­нированием и управлением.

Задачу прогнозирования в самом общем виде можно поставить следующим образом. Имеется некоторый прогнозируемый показа­тель Р. Необходимо определить значение Ps этого показателя в не­который заданный момент времени в будущем s.

По времени упреждения прогнозирование разделяется на теку­щее, краткосрочное, среднесрочное, долгосрочное и сверхдолгосрочное. В зависимости от характера и цели прогнозирования диапазон каждого из видов прогноза может простираться от долей секунды (например, в физике) до миллиардов лет (в космологии). В эконо­мических и общественных науках рассматривают прогнозы: кратко­срочные (1-2 года), среднесрочные (5-10 лет), долгосрочные (15-20 лет) и сверхдолгосрочные (50-100 лет). Существуют и другие клас­сификации по срокам прогноза.

Наиболее распространен такой подход к прогнозированию. Ана­лизируется временной ряд значений прогнозируемого показателя, устанавливается закономерность изменения показателя во времена, а затем эта закономерность экстраполируется на будущие моменты времени. Однако такой подход не всегда дает удовлетворительный прогноз, поскольку основан на учете только части причин, по ко­торым происходит изменение прогнозируемого показателя. Для по­вышения точности прогноза необходимо провести системный анализ: определить факторы, действующие в объекте исследования, и оце­нить их влияние на прогнозируемый показатель. На основании ре­зультатов анализа можно выбирать методы прогнозирования, в наи­большей степени пригодные для решения конкретной задачи.

Основу прогнозирования составляют либо причинно-следствен­ные связи между прогнозируемым показателем и факторами, на не­го влияющими, либо инерционные свойства объекта (в этом случае «причиной» является время).

Основой любого прогнозирования является гипотеза об инерци­онности объекта. Причем инерционность можно рассматривать не только временную (в последующие моменты времени прогнозируе­мый показатель будет изменяться в том же направлении, что и сей­час), но и более широко — инерционность функциональную. В этом случае функциональная зависимость прогнозируемого показателя от факторов, на него влияющих (в частном случае это может быть и время), известная на некотором интервале изменения этих факто­ров, продолжается и за пределами интервала.

Примеры.

1. Последние несколько дней температура воздуха падала еже­дневно на 1 °С. Можно предположить, что эта тенденция сохранится в ближайшие дни.

2.Цена на сахар последние месяцы росла в среднем на 3 %. Можно прогно­зировать сохранение этой тенденции и в последующие месяцы.

3.Пусть зависимость спроса на некоторый товар Сп от его цены Ц при изменении цены от 10 до 14 р. описывается моделью вида:

Можно предполагать, что при ценах, меньших 10 р. или больших 14 р., эта зависимость сохранится.

На инерционности построен метод научного исследования - экс­траполяция (от лат. extra - сверх и polio - приглаживаю, вы­правляю).

ü  Экстраполяция - это распространение результатов, полу­ченных из наблюдений над одной частью явления, на другую его часть.

ü  Экстраполяция закономерностей - это перенос закономер­ностей, выявленных на одном материале и одном классе задач, на другой материал и другой класс задач.

С математической точки зрения:

Экстраполяция - это приближенное определение значений функции в точках х, лежащих вне отрезка по ее значениям в точках

9.2. Выбор метода прогнозирования

Всего известно около двухсот методов прогнозирования, ко­торые базируются на трех основных подходах (классах методов):

1)  экстраполяционный, когда единственной причиной изменения прогнозируемого показателя считается время (используется инерционность процессов во времени);

2)  модельный, при котором ищется функциональная зависимость прогнозируемого показателя от факторов, на него влияющих;

3)  экспертный — прогноз на основании мнений экспертов.

9.2.1. Экстраполяционный подход к прогнозированию

Этот подход заключается в установлении закономерности изме­нения прогнозируемого показателя за предыдущие моменты времени с последующей экстраполяцией этой закономерности на последую­щие моменты времени. При экстраполяционном подходе единствен­ной причиной изменения прогнозируемого показателя считается вре­мя. Для определения закономерности изменения прогнозируемого показателя Р во времени (другими словами, модели Р = F(t) не­обходимо знать значения прогнозируемого показателя в предыдущие моменты времени. Прогнозирование в этом случае заключается в установлении закономерности изменения прогнозируемого показате­ля за предыдущие моменты времени (построение модели типа (12.3)) с последующей экстраполяцией этой закономерности на следующие моменты времени. Таким образом, этот подход пригоден только для прогнозирования динамических процессов. Из-за простоты и на­глядности это самый распространенный подход при количественном прогнозировании в экономике, которая по своей сути представляет собой совокупность динамических процессов.

9.2.2. Оценивание точности прогнозных моделей

В предыдущем разделе рассматривался вопрос выбора струк­туры прогнозных моделей. Что касается оценивания параметров этих моделей, то здесь нет никаких отличий от традиционной за­дачи построения моделей и обычно применяется метод наименьших квадратов.

Особую проблему представляет вопрос оценки качества прогно­зной модели. Выше говорилось, что критерий качества модели дол­жен определяться той целью, для которой строится модель. Про­гнозная модель строится с целью предсказания значения выходной переменной в будущие моменты времени, т. е. нам надо проверить, правильно ли модель предсказывает. Но если мы предсказываем что-либо на год или больше вперед, то только через этот срок сможем узнать, хороша ли наша модель. Это, безусловно, нас не устраива­ет. Остается единственный выход - «спрятать» одно или несколь­ко (k) последних по времени известных значений прогнозируемой величины (pi , i = 1, ...,k), построить прогнозную модель по остав­шимся значениям и попытаться спрогнозировать известные значе­ния (, i =1,...,k). Из множества прогнозных моделей лучшей будем считать ту, которая имеет минимальное значение следующе­го критерия:

.

Вообще же точность прогноза определяют несколько факторов.

1. Объем статистики (длина предыстории) — чем данных боль­ше, тем надежнее прогноз. Это верно, к сожалению, только с позиции математической статистики - «чем больше, тем лучше». При
прогнозировании социально-экономических и политических процессов часто имеют дело с резкими изломами тенденций изменения про­гнозируемых показателей. В этом случае в выборке могут присут­ствовать разные тенденции. Обработка таких данных приведет к получению некой усредненной тенденции («средней температуре по больнице»), по которой можно получить «среднее» значение прогно­зируемого показателя.

2. Неизменность тенденции изменения прогнозируемого показа­теля - важно, чтобы в выборке данных для прогнозирования присутствовали только данные, относящиеся к текущей тенденции. Иногда таких данных бывает крайне мало, что не позволяет сделать надежный прогноз.

3.Глубина (интервал) прогноза — чем он больше, тем сильнее возрастает ошибка прогноза. Есть эмпирическое правило — длина предыстории должна как минимум втрое превышать интер­вал прогноза.

Пример. Пусть нам необходимо спрогнозировать цену на хлеб в следую­щем месяце. Можно взять ряд данных о цене на хлеб за прошедшие 100 лет. Умножив на 12 месяцев, получаем 1200 «точек» для построения прогнозных мо­делей. Эта огромная выборка даст нам усредненную тенденцию за сто лет, ко­торая с крайне малой вероятностью будет соответствовать тенденции изменения цены на хлеб «завтра». Если же мы возьмем выборку, отражающую тенден­цию последних месяцев, и экстраполируем полученную тенденцию на сто лет вперед, то достоверность такого прогноза тоже будет чрезвычайно низкой, по­скольку очень мала вероятность сохранения современной тенденции изменения цены на хлеб.

Резюме

1. Процесс разработки прогнозов называется прогнозированием. Прогнозирование означает предсказание состояния какого-либо объ­екта, процесса или явления в будущем. Фактически любое моделирование дает прогноз, т. е. отвечает на вопрос: «Что будет, если...?».

2. По времени упреждения прогнозирование разделяется на те­кущее, краткосрочное, среднесрочное, долгосрочное и сверхдолго­срочное. В зависимости от характера и цели прогнозирования диапа­зон каждого из видов прогноза может простираться от долей секунды
(например, в физике) до миллиардов лет (в космологии).

3. Основой любого прогнозирования является гипотеза об инер­ционности объекта. Причем инерционность можно рассматривать не только временную, но и более широко - инерционность функциональную, когда функциональная зависимость прогнозируемого показателя от факторов, на него влияющих, известная на некотором интервале изменения этих факторов, продолжается и за пределами интервала. На инерционности построен метод научного исследования - экстраполяция - распространение результатов, полученных из наблюдений над одной частью явления, на другую его часть.

4. Причины изменения прогнозируемого показателя можно разбить на две группы: внешние причины (возмущения, управление и помехи) и внутренние (нестационарность, активность и динамичность).

5. Можно выделить следующие основные подходы к прогно­зированию: экстраполяционный (единственной причиной изменения прогнозируемого показателя считается время), модельный (ищется функциональная зависимость прогнозируемого показателя от фак­торов, на него влияющих) и экспертный (прогноз на основании мне­ний экспертов).

6.  Одной из проблем прогнозирования является вопрос оценки качества прогнозной модели.

7.  Важной проблемой построения прогнозных моделей являет­ся ограниченность количества данных предыстории (длина преды­стории должна как минимум втрое превышать интервал прогноза), что затрудняет применение таких моделей в условиях частой смены тенденций.