Для долгосрочного же прогнозирования наиболее приемлемо уравнение 5:
ln y = -20.1198+0.9245*ln x1+1.3233*ln x2+0.9256ln x3+0.419*ln x4+
+1.3092*ln x5;
R=0.9883; R2=0.9767; S=1.18
Данное уравнение обладает более высокой точностью по сравнению с уравнением 4, а главное - позволяет учесть влияние на моделируемый показатель факторов научно-технического прогресса (в качестве независимых переменных, отражающих влияние научно-технического прогресса, в уравнении выступают показатель х2, характеризующий уровень теплотехнической эффективности жилого фонда, и показатель х5, характеризующий степень технического совершенства применяемых теплогенерирующих установок).
5. Адаптирование моделей к изменяющимся условиям развития
Необходимой предпосылкой обеспечения достоверности и качества прогноза в современных условиях должно выступать обеспечение адаптации статистических моделей к изменяющимся условиям развития. Долгосрочное прогнозирование потребности в материальных ресурсах как элемент обоснования основных направлений и показателей перспективного развития и размещения отраслей экономики не может отроиться лишь на основе славившихся инерционных тенденций. Такое прогнозирование требует учета не столько ретроспективных, сколько перспективных направлений развития материального производства и непроизводственной сферы. Данное обстоятельство особенно существенно в условиях планируемого ускорения научно-технического прогресса, серьезных структурных перестроек в экономике, повышения общих темпов экономического роста
Придание статистическим моделям свойства адаптации, приспособления к изменяющимся условиям развития может быть осуществлено путем использования при построении моделей планируемых (прогнозируемых) на перспективу значений исследуемых показателей, т.е. путем статистического описания взаимосвязей между наиболее вероятными в перспективе значениями основных влияющих факторов и показателями перспективной потребности в материальных ресурсах. При этом для определения показателей перспективной потребности может быть использован негативный метод, позволяющий учесть влияние на ее величину основных параметров социально-экономического развития и результатов научно-технического прогресса.
Построение обобщенных, адаптированных экономико-статистических моделей пространственного типа может быть осуществлено на основе динамизации параметров регрессионного уравнения, т.е. путем включения в модель фактора времени, отражающего структурные изменения в общественном производстве и потреблении материальных ресурсов, а также влияние факторов научно-технического прогресса. Так описание тенденций изменения параметров модели потребления котельно-печного топлива на коммунально-бытовые нужды областей, краев и других регионов России с помощью уравнений полиномов первой степени позволило перейти от статической к динамической форме модели, выражаемой уравнением:
ln y = -19.4957-0.285t+(0.899+0.0125t)*ln x1+(1.5437-0.1055t)*ln x2+
+(0.9573-0.015t)*ln x3+(0.0207+0.011t)*ln x4+(1.0203+0.135t)*ln x5
R=0.988 R2=0.977; S=1,18
где t - фактор времени (для 1990 г. t =1, для 1993 г. t=2 и т.д.)
Следует отметить, что для динамической пространственной модели потребления материальных ресурсов имеется возможность получения дополнительных, уточненных вариантов прогноза на основе учета систематических отклонений фактических (плановых, прогнозных) значений результативного признака от теоретических (расчетных), определенных по построенным (статистическим) уравнениям регрессии. Для этого достаточно использовать средние отклонения фактических (плановых, прогнозных) значений потребности от расчетных, вычисленные по отклонениям тех дет, по данным которых построена динамическая модель.
При решении задачи увязки прогнозов региональной потребности, полученных с использованием различных статистических методов и моделей, наиболее подходящим, на наш взгляд, является подход, при котором для всех прогнозов рассчитываются доверительные интервалы и на основе анализа последних принимается окончательное решение. При этом прогнозы можно считать тождественными, если доверительные интервалы совпадают или входят один в другой. Если же доверительные интервалы перекрываются, то можно считать, что прогнозы непротиворечивы а том случае, когда зона перекрытия превышает половину доверительного интервала.
Сопоставление результатов, получаемых различными методами, дает возможность скорректировать границы зоны неопределенности значения прогнозируемого показателя и отдельные управляемые параметры системы, обосновать с учетом привлечения дополнительных экспертных оценок выбор наиболее вероятного варианта реализации показателя потребности в прогнозном периоде.
Заключение
Изучив результаты работы можно признать цель работы в основном достигнутой. В нынешней ситуации, когда топливно-энергетический комплекс является естественным монополистом, без жесткого государственного контроля и планирования этой отрасли нормальное функционирование национальной экономики практически невозможно. Поэтому нельзя не признать актуальность решаемых в курсовой работе задач.
Список литературы
1. Экономико-статистические методы в прогнозировании. М.: Наука, 1994
2. Статистическое моделирование и прогнозирование. Учебное пособие для ВУЗов. / Г.М. Гамбаров и др. Под. ред. А.Г. Гранберга. М.: Финансы и статистика. 1990