Там же приведены результаты эконометрического анализа упрощенного (парного) варианта модели (6), в котором исследуется зависи- [c.28]
Под прогнозом в данном случае понимается оценка будущих значений показателя, полученная на основе некоторой обладающей наилучшими статистическими свойствами модели. Более подробно о моделировании временных рядов можно прочитать, например, в книгах Энтов P.M., Дробышевский, В.П. Носко С.М., Юдин А.Д. (2001), Эконометрический анализ динамических рядов основных макроэкономических показателей, Москва, ИЭПП P.M.Энтов, В.П.Носко, А.Д.Юдин, П.А.Кадочников, С.С.Пономаренко (2002), Проблемы прогнозирования некоторых макроэкономических показателей, Москва, ИЭПП Носко, А. Бузаев, П. Кадочников, С. Пономаренко (2003), Анализ прогнозных свойств структурных моделей и моделей с включением результатов опросов предприятий, Москва, ИЭПП [c.41]
См., например, Энтов P.M., Дробышевский, В.П. Носко С.М., Юдин А.Д., Эконометрический анализ динамических рядов основных макроэкономических показателей, Москва, ИЭПП, 2001 P.M.Энтов, В.П.Носко, А.Д.Юдин, П.А.Кадочников, С.С.Пономаренко, Проблемы прогнозирования некоторых макроэкономических показателей, Москва, ИЭПП, 2002 В. Носко, А. Бузаев, П. Кадочников, С. Пономаренко, Анализ прогнозных свойств структурных моделей и моделей с включением результатов опросов предприятий, Москва, ИЭПП, 2003. [c.1]
Оба эти метода имеют преимущества и недостатки. Практика показывает, что большинство крупных корпораций использует комбинацию этих методов. Многие компании полагают, что использование сложных методик, таких как регрессионный анализ, анализ выпуск/затраты и эконометрические модели, не дает более точного прогноза, чем наивные методы, включая опыт персонала и простую экстраполяцию результатов прошлых периодов. [c.139]
Эконометрические методы строятся на синтезе трех областей знаний экономики, математики и статистики. Основа эконометрии — экономическая модель, под которой понимается схематическое представление экономического явления или процесса при помощи научной абстракции, отражения их характерных черт. Наибольшее распространение получил метод анализа затраты — выпуск . Это матричные (балансовые) модели, строящиеся по шахматной схеме и позволяющие в наиболее компактной форме представить взаимосвязь затрат и результатов производства. Удобство расчетов и четкость экономической интерпретации — главные особенности матричных моделей. Это важно при создании систем механизированной обработки данных, при планировании производства продукции с использованием ЭВМ. [c.268]
Изучение причинно-следственных зависимостей переменных, представленных в форме временных рядов, является одной из самых сложных задач эконометрического моделирования. Применение в этих целях традиционных методов корреляционно-регрессионного анализа, рассмотренных в главах 2 и 3, может привести к ряду серьезных проблем, возникающих как на этапе построения, так и на этапе анализа эконометрических моделей. В первую очередь эти проблемы связаны со спецификой временных рядов как источника данных в эконометрическом моделировании. В главе 5 было показано, что каждый уровень временного ряда содержит три основные компоненты тенденцию, циклические или сезонные колебания и случайную компоненту. Рассмотрим подробнее, каким образом наличие этих компонент сказывается на результатах корреляционно-регрессионного анализа временных рядов данных. [c.263]
Эконометрические методы используют информацию для оценки параметров модели при различных ограничениях, когда возможно. Из предшествующего исследования всегда можно делать выводы для определения направлений, функциональных форм, значимости взаимоотношений. Кроме того, можно объединить мнения экспертов. Оценки отношений могут модифицироваться при помощи информации кросс-секционного анализа и данных временных рядов. И здесь снова необходима надежная информация. Информация со сканеров — это данные недорогих экспериментов, где основные переменные, такие как реклама или цена, варьируются и оценивается их влияние на объем продаж. Результаты таких экспериментов полезны для оценки отношений. Эконометрические модели могут также использовать входящие данные сопряженного анализа. Такие модели позволяют эффективно соединить эвристические и статистические методы. [c.355]
Практически IS-LM - модель может быть использована не только для характеристики государственной экономической политики, но и для анализа последствий внешних изменений экономической конъюнктуры в результате стихийных бедствий или роста цен на энергоносители. Однако важно знать, что IS-LM - модель носит приблизительный характер и не может дать полного представления о последствиях проводимой государством экономической политики. Спонтанные сдвиги в экономике трудно выявить вовремя и невозможно предотвратить имеющимися средствами государственного регулирования. Кроме того, экономисты не располагают достаточными эмпирическими данными относительно вида кривых IS и LM, необходимыми для выбора количественных мер по стабилизации экономики. Необходимы специализированные эконометрические модели, основанные на глубоких концептуальных представлениях и содержащих сотни и тысячи уравнений с конкретными числовыми значениями параметров, которые определены на основе поведения экономики в прошлом. В силу своей сложности такие модели могут существовать только в компьютерной форме. [c.85]
В большинстве случаев оказывается, что, комбинируя методы эконометрического моделирования с анализом временных рядов, удается достичь очень неплохих результатов и добиться высокой точности прогнозов. В подобных смешанных моделях объясняющие экономические переменные показывают воздействие на зависимую (моделируемую) переменную изменений в налоговой базе, а переменные, почерпнутые из анализа самого временного ряда, позволяют учесть влияние других инноваций в этом временном ряду. В подобных смешанных моделях также обычно используются фиктивные переменные, которые учитывают влияние крупных структурных реформ налоговой системы. [c.98]
Поэтому другая возможная стратегия заключается в том, чтобы попытаться оценить эконометрически параметры модели частичного приспособления применительно к российскому рынку труда. Такая попытка была предпринята в другой серии исследований, также опиравшихся на данные опросов "Российского экономического барометра" (их результаты кратко рассматриваются в одном из разделов в первой части книги) [14]. Анализ показал, что механизм частичного приспособления действует и на российском рынке труда. Было установлено, что темпы рассасывания избыточной занятости в российской промышленности крайне низки (для его полного завершения могло бы понадобиться не менее 3-5 лет) и что причина этого кроется в значительном превышении издержек освобождения от избыточной рабочей силы над издержками ее придерживания. [c.14]
Построение КПВ во времени отражает интегральное движение запасов, складывающихся из суммы отдельных потоков по залежам. Динамика движения запасов является результатом технологических и экономических решений, принимаемых по отдельным площадям и залежам. Наиболее точная модель для построения КПВ отрасли или региона должна учитывать поведение затрат, влияние цен, характер управляющих решений по отдельным площадям и залежам, т. е. должна состоять из совокупности сильно дезагрегированных микромоделей по каждой площади и залежи. Это один предельный вариант. Другой крайний случай — построение высокоагрегированной модели ГРР в виде суммарного потока запасов по району как функции времени и ее анализ с использованием традиционных эконометрических моделей. [c.49]
Однако, основная трудность здесь состоит в том, что экономические данные (в особенности, в периоды, когда ситуация быстро меняется) содержат гораздо меньше степеней свободы, чем это требуется для оценки параметров модели. Поэтому специалисты, занимающиеся анализом временных рядов, пользуются хорошо специфицированными статистическими моделями со всего одной или двумя переменными. Кроме этого, методы ARIMA и VAR успешно применялись и для непосредственной оценки поступления налогов (см. [24], [202]). Реально MoF Голландии оценивает ежемесячные поступления с помощью модели ARIMA(0,0,0)(0,l,l)i2- Для прогнозов задним числом модели временных рядов типа ARIMA-MoF часто оказываются не хуже эконометрических, но у них есть тот недостаток, что эти модели не содержат переменных и соотношений, и, следовательно, по результатам расчетов трудно сделать какие-либо выводы относительно экономической политики. [c.96]
Наиболее часто для анализа и оценки недвижимости используются эконометри-ческие модели. Однако эти модели имеют некоторые недостатки, затрудняющие исчерпывающий анализ и влияющие на их надежность. Во-первых, это предположение о линейности распределения данных, и, во-вторых, проблема формирования экспертных оценок и интерпретации результатов исследования при наличии корреляции между величинами в исследуемых данных. Кроме того, изменения цен на недвижимость и жилье в 1990 г. сделали использование эконометрических моделей особенно затруднительным. Цель представленных в этой главе исследований — показать, что самоорганизующиеся карты являются более подходящим инструментом для изучения динамики цен на жилье и заслуживают более широкого применения при оценке недвижимости. Причина этого кроется в том, что самоорганизующиеся карты основаны на нейросетевой технологии, позволяющей анализировать нелинейности, сохраняя топологию и распределение данных, что представляет существенную важность при оценке недвижимости. Примеры, рассмотренные в данной главе, взяты из данных о рынке жилья Финляндии. [c.184]
Существенной является возможность использования не только традиционных оперативных методов анализа и прогнозирования, но и специальных методов для многоаспектного оперативного анализа в рамках концепции информационного хранилища и формирования семейства адаптивных моделей. В зависимости от ситуации на рынке и квалификации конечного пользователя целесообразно предусматривать использование "быстрых", "стандартных" и "точных" прогнозов. СППР должна ориентироваться на различные группы конечных пользователей. Так, для типовых задач желательно использовать преимущественно эконометрические термины, не требующие глубоких знаний в области статистики и математики. Для детального аналитического исследования необходимо иметь возможность применять исследовательский блок для нетрадиционных и плохо формализуемых задач. Целесообразно комплексное использование математических методов на протяжении всего цикла управления - от планирования до выработки корректирующих воздействий. Особое внимание должно уделяться планированию, управленческому учету и выработке решений на основе оценки результатов за прошедший период. Современные методы планирования, рассмотренные в ряде работ [6, 11, 18], используют в качестве целевой функции те или иные виды обобщенных показателей качества. [c.127]
Райтциг (Reitzig 2001 b) представляет сведенный в таблицы обзор существующих научных эмпирических исследований, в которых рассматривается соотношение между стоимостью патента и показателями информации о патенте. Исследования характеризуются размером обследуемой выборки формата, статистической/эконометрической моделью, латентной переменной, используемой в качестве коррелята стоимости патента и полученным в результате уровнем обоснованности. Обзор показывает, что многие исследования не позволяют напрямую вывести показатели стоимости патента. Это объясняется тем, что во многих исследованиях зависимой переменной анализа служит не сама стоимость патента, а коррелят этой стоимости. Порой это затрудняет рассмотрение эмпирических результатов, когда мы пытаемся интерпретировать корреляцию между наблюдаемым показателем и стоимостью патента. Однако до известных пределов мы можем сделать некоторые общие заключения, касающиеся обоснованности проверенных переменных в качестве показателей стоимости патентов. [c.76]