POSTAWA PASYWNA - INTERPRETACJE

Metoda średniej ruchomej prostej i ważonej

- Nie oczekuje się zmian w poziomie zmiennej w krótkim okresie.

Modele analityczne

- Niezmienność kierunku trendu (rosnący, malejący);

- Stałość charakteru zmian zjawiska wyrażoną poprzez niezmienność postaci analitycznej funkcji trendu (liniowa, potęgowa, itd.) i oszacowanych parametrów strukturalnych modelu.

Założenia:

1.)Stabilność relacji strukturalnych w czasie

Zarówno postać analityczna modelu, jak i wartości ocen jego parametrów nie ulegną zmianie w przedziale czasu, dla którego wyznacza się prognozę.

2.)Stabilność rozkładu składnika losowego,

umożliwiającą ocenę dokładności prognozy.

Metoda wskaźników

- Utrzyma się zaobserwowana (tendencja rozwojowa), (stały poziom) zmiennej;

- Rodzaj i siła wahań sezonowych (wyrażona czystymi wskaźnikami sezonowości) nie ulegną zmianie;

Model ekonometryczny

- W przyszłości oddziaływanie zmiennych objaśniających na zmienną objaśnianą nie zmieni się i będzie takie samo jak w przeszłości;

• Ani postać modelu, ani oszacowania jego parametrów strukturalnych nie ulegną zmianie do okresu prognozowanego włącznie.

Założenia prognostyczne:

- Znany jest „dobry model” ;

- Występuje stabilność relacji strukturalnych w czasie;

- Składnik losowy ma stały rozkład w czasie;

- Znane są wartości zmiennych objaśniających (X) lub ich rozkłady prawdopodobieństwa w momencie lub okresie prognozowanym.

- Można ekstrapolować model poza jego dziedzinę.

POSTAWY PROGNOSTYCZNE

Postawa pasywna

Przyszłość jest nieuniknionym następstwem przeszłości, określonym przez konieczne, niezależne od woli ludzi związki między zjawiskami. Związki te są trwałe, co ozn że zjawisko cechuje duża inercja. Prognosta musi odgadnąć „prawo ruchu” zjawiska, wyrażających jego przyszłe stany przez stany przeszłe.

Postawa pasywna

Przyszłość jest stosunkowo niezależna od przeszłości. Przyszłość zależy od pragnień, intencji, celów i dążeń ludzi, Jest więc ona otwarta, pluralistyczna. Ludzie kreują nowe potrzeby, motywy działań. Przewidywanie przyszłości jest poszukiwaniem w teraźniejszości faktów niosących przyszłość, próbą odgadnięcia czego ludzie będą chcieli, a co odrzucą

BŁĘDY PROGNOZ

Ex - post - trafność

Analiza trafności prognoz umożliwia ocenę:

- Stopnia niepewności prognozowania poszczególnych zmiennych;

- Osiągniętego horyzontu prognozy

- Źródeł niedoskonałości prognoz

- Wyboru z wielu metod tej, metody, która dla danej zmiennej daje najmniejsze błędy ex post;

- Sformułowanie rekomendacji co do dalszego wykorzystania metody do prognozowania danej zamiennej.

Błędy prognoz ex-post mogą być wykorzystywane do określenia dopuszczalności prognozy danej zmiennej pod następującymi warunkami:

- Nowo formułowane przesłanki potwierdzają zasadność przesłanek przyjętych do wyznaczania poprzedniej prognozy;

- Do ustalenia nowej prognozy wykorzystuje się tę samą metodę co poprzednio;

- Przedział weryfikacji poprzedniej prognozy jest taki sam jak żądany horyzont nowej prognozy.

Ex - ante - dokładność

Prognoza jest dopuszczalna gdy jest obarczona przez odbiorcę stopniem zaufania wystarczającym do tego, aby wykorzystywana mogła być do ustalonego celu.

Błąd ex- ante służy do określenia dokładności prognozy. Prognoza jest tym dokładniejsza im wartość v_t jest mniejsza.

Wartość błędu przynosi informacje o oczekiwanych przeciętnych odchyleniach realizacji zmiennej prognozowanej od prognoz w czasie t>n

Wartość błędu ex - ante:

- Maleje ze wzrostem dokładności oszacowań parametrów modelu i wariancji składnika losowego, co ma miejsce gdy rośnie liczebność próby;

- Rośnie ze wzrostem różnicy między prognozowanymi wartościami zmiennych objaśniających a ich wartościami średnimi w próbie.

Błędy prognoz wygasłych

Wykorzystywane są do określenia dopuszczalności prognozy, jeżeli nie jest możliwe skorzystanie z błędów ex- post i ex - ante.

Prognozą wygasłą jest prognoza - wyznaczona na taki czas t, dla którego jest znana przawdziwa wartość zmiennej prognozowanej. Prognozy sporządza się na moment/okresy t<n, na podstawie obserwacji wcześniejszych od t.

Ocena dopuszczalności prognozy przez exspertów Stosuje się gdy nie można zastosować zbłędów ex- post i ex - ante i błędów prognoz wygasłych, i gdy przyjmuje się postawę aktywną. Eksperci powinni być niezależni tzn nie związani z prognostą i odbiorcą prognozy, oddzielnie wypowiadać opinie. Mogą oceniać jakość prognozy słownie, za pomocą rang wybranych ze z góry zadanego przedziału, lub subiektywnych prawdopodobieństw realizacji prognozy. Kryterium dopuszczalność musi być z góry zadane.

MODEL EKONOMETRYCZNY

Postawa pasywna;

Prognozy krótkookresowe.

Założenia:

- Znany jest „dobry model” miary dopasowania: R², s², testy Studenta , Fiszera

- Stabilność relacji strukturalnych w czasie. Związki między badanymi zmiennymi występujące w przeszłości będą takie same w przyszłości.

- Składnik losowy ma stały rozkład w czasie. Nie pojawiają się nowe zmienne oddziaływujące na prognozowane zjawisko a dotychczasowe zmienne nie zmieniają swojego oddziaływania.

- Znane są wartości zmiennych objaśniających (X) lub ich rozkłady prawdopodobieństwa w momencie lub okresie prognozowanym.

- Można ekstrapolować model poza jego dziedzinę.

ROZKŁAD F FISHERA - SNEDECORA

Jeśli F ≤ F* nie ma podstaw do odrzucenia hipotezyH₀. Współczynnik korelacji wielorakiej jest nieistotnie różny od zera, a dopasowanie modelu do danych jest zbyt słabe. (łączny wpływ zmiennych objaśniających na zmienną objaśnianą jest nieistotny).

Jeśli F > f^* to hipotezę H₀ należy odrzucić na rzecz hipotezy H₁. Współczynnik korelacji wielorakiej jest istotny, a stopień dopasowania modelu do danych jest dostatecznie wysoki. (wszystkie zmienne objaśniające w modelu wpływają istotnie na zmienną objaśnianą).

TEST STUDENTA

Badanie istotności parametrów strukturalnych

Jeśli t_i ≤ t^* nie ma podstaw do odrzucenia H₀. parametr strukturalny różni się nieistotnie od zera, a zmienna objaśniająca X_i nie wpływa w istotny sposób na zmienną objaśnianą y.

Jeśli t_i > t* H₀ należy odrzucić na rzeczH₁. parametr różni się w sposób istotny od zera i zmienna objaśniająca X_i oddziałuje w sposób istotny na zmienną objaśnianą y.

PROGNOZA I PRZEWIDYWANIE

PRZEWIDYWANIE - wnioskowanie o zdarzeniach nie znanych na podstawie zdarzeń znanych.

Z. znane - to takie, które już zaszły, należą do przeszłości.

Z. nie znane - to takie, które należą do przyszłości lub przeszłości, tzn. zaszły wcześniej niż czynność przewidywania i trwają nadal lub później w stosunku do czasu w jakim następuje przewidywanie. Np.: określenie bogactwa złoża minerału za pomocą próbnych wierceń.

Przewidywanie przyszłości - wnioskowanie o zdarzeniach, które zajdą w czasie późniejszym niż czynność przewidywana, należących do przyszłości, i na podstawie informacji o przeszłości.

Przewidywanie racjonalne - wnioskowanie to logiczny proces tj. od faktów przeszłych i ich interpretacji do konkluzji.

Dzieli się ono na:

Zdroworozsądkowe - oparte na doświadczeniu osoby formułującej sąd np.: przewidywania pogody w Tatrach przez osobę związaną z górami na górali

Naukowe - w procesie wnioskowania korzystamy z reguł nauki.

Przewidywanie nieracjonalne - gdy przesłanki nie zostały podane i nie zachowano związku między przesłankami a konkluzją np.: wróżby, proroctwa.

PROGNOZA - jest to sąd o stanie zmiennych lub zmiennej określonej explicite w przyszłości przez podanie momentu lub przedziału czasu bądź implicite np.: Kowalski będzie dobrym studentem.

Właściwości prognozy:

- Sformułowany sąd wykorzystuje dorobek nauki;

- Odnosi się do określonej przyszłości;

- Weryfikowalny empirycznie (tzn. sformułowanie prognozy jest precyzyjne);

- Niepewny, ale akceptowalny (tzn. prognoza jest prawdziwa lub fałszywa);

FUNKCJE PROGNOZ

Preparacyjna - prognozowanie jest działaniem, które przygotowuje inne działania. Prognosta opracowuje prognozy dla podmiotu podejmującego decyzje zwanego decydentem. Decydent podejmuje decyzje i odpowiada za nie i żąda prognozy swoich decyzji. Musi mieć umiejętność oceny jakości prognozy, chociaż odpowiedzialność za prognozę ponosi prognosta. Ta funkcja może być spełniona gdy stopień zaufania odbiorcy do prognozy jest wysoki

Aktywizująca - polega na pobudzeniu do podejmowania działań sprzyjających realizacji prognozy, gdy zapowiada ona zdarzenie korzystne oraz gdy przewidywane zdarzenia są oceniane jako niekorzystne.

Np.: ocieplenie klimatu może być zdarzeniem korzystnym dla ludzi zamieszkujących sferę gorącą a niekorzystne przez społeczność północy.

Funkcja A. Prowadzi do wyznaczenia prognoz badawczych i nie wymaga prognoz o wysokim stopniu zaufania.

Informacyjna - oswajanie ludzi ze zmianami nadchodzącymi i zmniejszanie lęku nad przyszłością. Ta funkcja nie wymaga prognoz o wysokim stopniu zaufania.

ETAPY PROGNOZOWANIA

1. Sformułowanie zadania prognost.;

- Określenie: obiektu, zjawiska, zmiennej;

- Horyzontu prognozy;

- Celu wyznaczania prognozy;

- Wymagań co do jakości prognozy;

2. Podanie przesłanek prognostyczny;

- Sformułowanie hipotez o czynnikach kształtujących zjawisko (jakie czynniki wpływają?, jak one wpływają?, jakie czynniki będą wpływały?, jaki będzie to wpływ?);

- Deklaracja postawy wobec przyszłości zjawiska (p. aktywna, p. pasywna);

- Określenie zbioru danych potrzebnych do sporządzania prognozy;

- Zebranie danych;

3. Wybór metody prognozowania;

4. Wyznaczanie prognozy;

Metoda prognozowania - postępowanie gdzie w 1 kroku następuje przetwrzenie informacji o przeszłości, a w 2 kroku od inf przetworzonych z przeszłości przechodzimy do inf z przyszłości.

Otrzymujemy model np.: myślowy, sformalizowany.

Wyznaczamy prognozę.

5. Ocena dopuszczalności prognozy;

Określamy spodziewane odchylenia między prognozą a rzeczywistą wielkością zjawiska w okresie t. Jeżeli spodziewane odchylenia < od wartości krytycznej to prognoza jest dopuszczalna.

6. Weryfikacja prognozy;

Polega na określeniu trafności prognozy za pomocą któregoś błędu prognozy ex post, gdy prognoza dotyczyła zmiennej ilościowej, lub na porównaniu prognozowanego stanu zmiennej jakościowej ze stanem zrealizowanym.. Gdy prognoza okazała się trafna, prognosta analizuje słuszność swego postępowania, jeśli nie prognosta dąży do określenia przyczyn swego błędu.

POSTAWY PROGNOSTYCZNE

Postawa pasywna

Przyszłość jest nieuniknionym następstwem przeszłości, określonym przez konieczne, niezależne od woli ludzi związki między zjawiskami. Związki te są trwałe, co ozn że zjawisko cechuje duża inercja. Prognosta musi odgadnąć „prawo ruchu” zjawiska, wyrażających jego przyszłe stany przez stany przeszłe.

Postawa pasywna

Przyszłość jest stosunkowo niezależna od przeszłości. Przyszłość zależy od pragnień, intencji, celów i dążeń ludzi, Jest więc ona otwarta, pluralistyczna. Ludzie kreują nowe potrzeby, motywy działań. Przewidywanie przyszłości jest poszukiwaniem w teraźniejszości faktów niosących przyszłość, próbą odgadnięcia czego ludzie będą chcieli, a co odrzucą

KLASYFIKACJA PROGNOZ

- samorealizujące się (np.: ogłoszenie prognozy wzrostu cen może doprowadzić do wykupu towarów i spowodować wzzrost cen, który by nie nastąpił beż tej prognozy)

- samounicestwiające się (prognoza rekordowo wysokiego napływu gości świątecznych do zakopanego może zniechęcić wiele osób do wyjazdu z powodu obaw o wzrost cen i trudności uzyskania kwater; w rezultacie napływ gości może być mniejszy)

- zmiennych sterowanych i nie sterowanych

- prognozy badawcze - zadaniem ich jest rozpoznanie przyszłości i ukazaniu wielu jej wersji. Wśród prognoz badawczych wyróżnia się

- prognozy ostrzegawcze -zadaniem ich jest przewidywanie zdarzeń niekorzystnych dla odbiorcy prognozy np.: prognoza spadku sprzedaży.

- ilościowe (przedziałowa i punktowa)

- jakościowe;

- krótko, średnio, długookresowe.

DANE WYKORZYSTYWANE W PROGNOZOWANIU

Dane wewnętrzne (opisują obiekt)

Są gromadzone w obiekcie prognozowanym na potrzeby zarządzania tym obiektem.

Źródła tych danych to:

Opisy zasad funkcjonowania obiektu (przepisy, regulaminy wew, itp.);

Bieżąca rejestracja zdarzeń (rejestr: kosztów w przeds., urodzeń w urzędzie stanu cywilnego itp.);

Sprawozdania (ze sprzedaży, zatrudnienia, itp.);

Spisy (maszyn w przeds., ludności, zapasow itp.);

Zapisy wyników badań specjalnych (jakość wyrobów, opinii publicznej itp.);

Dane zewnętrzne (opisują otoczenie)

Ich zakres nie zależy od obiektu, dla którego sporządza się prognozę. Dane te dotyczą otoczenia bliższego - tworzonego przez obiekty bezpośrednio powiązane z obiektem prognozowanym oraz dalszego - tworzącego ogólne warunki funkcjonowania obiektu.

Dane te są tym trudniej dostępne, im bliższego otoczenia dotyczą i są bardziej szczegółowe.

WYMAGANIA WZGLĘDEM DANYCH

1. Rzetelność

Dane są rzetelne gdy są zgodne z przedmiotem, którego dotyczą.

Występują jednak błędy:

Losowe - wynikające z pomyłek przy zbieraniu czy przetwarzaniu danych np.: pomyłki zapisu;

Systematyczne - wynikają z celowego fałszowania danych.

Konieczna jest kontrola merytoryczna i formalna rzetelności danych.

2. Jednoznaczność

Dane powinny być podawane w taki sposób, by każdy odbierał je tak samo.

3. Identyfikowalność zjawiska przez zmienną (zmienne)

Wiele zjawisk można zapisać za pomocą jednej lub wielu zmiennych.

W przypadku zjawisk prostych należy wybrać odpowiedni miernik np.: wykorzystanie mocy produkcyjnej - wybierzemy produkcję globalną.

W przypadku zjawisk złożonych trzeba się odwołać do teorii naukowych i konsensusu.

4. Kompletność

dane powinny obejmować wszystkie ważne wiadomości wystarczające do rozpoznania problemu a pomijać wiadomości powtarzające się i marginesowe.

5. Aktualność danych do przyszłości

Prognosta powinien starać się określić działanie czynników sporządzając prognozę. Tzn.: który z czynników będzie działał w przyszłości z dotychczasową siłą, który utraci na znaczeniu, który nabierze mocy itd. Analiza ta powinna wyłonić fakty niosące przyszłość i od nich uzależniona powinna być prognoza.

6. Koszt zbierania i opracowania danych

Zasadne jest dążenie do minimalizacji danych, gdyż koszt zbierania danych jest wysoki. Należy zatem korzystać z danych już nagromadzonych, a nowe pozyskiwać gdy są niezbędne do polepszenia jakości prognozy.

7. Porównywalność danych

Czasowa - zachowanie jednakowego odstępu lub przedziału między obserwacjami.

Terytorialna - badaniem obejmować jednakowe terytorium np.: województwa.

Pojęć i kategorii - te same definicje i klasyfikacje

Metody obliczeń - no.: obliczenia dochodu narodowego, indeksu inflacji

Dla zapewnienia porównywalności stosuję się transformację danych, oraz agregację danych.

Transformacja danych może polegać na:

Eliminacji inflacji dla zmiennych w ujęciu wartościowym;

Urealnienie dochodów przez wskaźnik wzrostu cen;

Zmiana cen bieżących na stałe;

Zmiana wartości bezwzględnej na względne;

Agregacja danych - dokonuje się sumując wielkości cząstkowe.

Rzeczowa;

Przestrzenna (wielkości z mniejszych obszarów sumuje się z wielkościami obszarów większych);

Czasowa (sumowanie danych dotyczących okresów krótszych w dane dot okresów dłuższych);

Zmiennych - (sumowanie wartości zmiennych cząstkowych w wartość zmiennej agregatowej).

REGUŁY PROGNOZOWANIA

Reguła podstawowa - prognozą jest stan zmiennej prognozowanej w należącym do przyszłości momencie lub okresie t, otrzymany z modelu tej zmiennej po przyjęciu założenia, że model będzie aktualny w chwili, na którą określa się prognozę. Przyjęcie tej reguły oznacza, że prognozę otrzymuje się wskutek ekstrapolacji modelu poza próbę..

Reguła podstawowa jest stosowana, gdy prognosta żywi uzasadnione przekonanie, że model, który trafnie opisywał przeszłość, będzie aktualny w czasie dla którego wyznacza prognozę. Jest użyteczna gdy prognozuje się zjawiska o dużej inercji, z powolnymi zmianami ilościowymi.

Reguła prognozy nieobciążonej - prognoza jest wartością oczekiwaną zmiennej Y w chwili t>n

y*_t =E(Y_t) t>n;

Przyjmując regułę prognozy nieobciążonej, oczekuje się, że w długim ciągu prognoz zniosą się błędy przypadkowe i uzyska się trafną prognozę.

Reguła podstawowa z poprawką - Korzysta się z niej, gdy występują uzasadnione przypuszczenia co do tego, że ostatnio zaobserwowane odchylenia danych empirycznych od modelu utrzymują się w przyszłości.

y*_t =E(Y_t)+p t>n;

sposób szacowania poprawki zależy od liczby zaobserwowanych odchyleń od modelu.

Reguła największego prawdopodobieństwa - prognozą jest stan zmiennej, któremu odpowiada najwyższe prawdopodobieństwo lub max wartość funkcji gęstości i rozkładu. Prognozą jest wartość modalna rozkładu. Ta reguła może być stosowana gdy zmienna prognozowana jest zmienną losową i jest znany jej rozkład prawdopodobieństwa bądź rozkład ten może być oszacowany na podstawie próby.. Reguła ta jest naturalna gdy zmienna prognozowana jest skokowa lub mierzalna.

Reguła minimalnej straty - prognozą jest taki stan zmiennej, którego realizacja spowoduje minimalne straty. Przyjmuje się, że wielkości straty jest funkcją błędu prognozy i poszukuje się minimum tej funkcji. R ta nawiązuje do teorii gier. Jest stosowana gdy prognoza jest podstawą decyzji z którą są związane wysokie nakłady finansowe lub duże ryzyko.

MODEL ANALITYCZNY

- Gdy zauważymy trend (tendencję rozwojową) i wahania przypadkowe;

- Postawa pasywna;

- Prognozy krótko i średniookresowe;

Założenia:

1.)Stabilność relacji strukturalnych w czasie

Zarówno postać analityczna modelu, jak i wartości ocen jego parametrów nie ulegną zmianie w przedziale czasu, dla którego wyznacza się prognozę.

2.)Stabilność rozkładu składnika losowego,

umożliwiającą ocenę dokładności prognozy.

ANALIZA HARMONICZNA

W szeregu czasowym występują:

• Wahania okresowe,

• Stały poziom,

• Tendencja rozwojowa,

Polega na budowie modelu w postaci sumy harmonik, czyli funkcji sinusoidalnych lub cosinusoidalnych o danych okresach.

Pierwsza harmonika - ma okres równy długości okresu badanego

Druga - połowie tego okresu

Trzecia - jednej trzeciej itd.

W przypadku n - obserwacji liczba wszystkich możliwych harmonik jest równa n/2.

METODA WSKAŹNIKÓW

- Trend (tendencja rozwojowa);

- Wahania sezonowe lub stały poziom zmiennej;

- Prognoza na krótkie okresy

- Postawa prognosty pasywna;

M. ADDETYWNY

Wahania bezwzględnie stałe - gdy amplitudy wahań w fazach cyklu są w przybliżeniu taki same.

M. MULTIPLIKATYWNY

Wahania względnie stałe - gdy wielkości amplitud wahań zmieniają się mniej więcej w tym samym stosunku.

ETAPY

1. Wyodrębnienie tendencji rozwoj;

Określenie modelu trendu dla prognozowanej zmiennej.

2. Eliminacja tendencji rozwojowej z szeregu czasowego;

Obliczenie z_ti.

3. Eliminacja wahań przypadkowych;

Surowe wskaźniki sezonowości

4. Obliczenie czystych wskaźników sezonowości.

Wady metody wskaźników

• Trudno ocenić (dobrać model);

• Błędu ex ante nie da się ocenić;

• Dane powinny być dla pełnych 4 cykli.

ANALOGIE HISTORYCZNE

Polega na przenoszeniu prawidłowości zmian w czasie jednych zmiennych na inne zmienne występujące w tym samym obiekcie. Służą wyznaczaniu prognoz średnio i długookresowych . Prognosta przyjmuje postawę aktywną.

Metody analogii znalazły zastosowanie w prognozowaniu koniunktury gospodarczej.

Podział zmiennych na dwie grupy:

Zm wiodące (wyprzedzające)- Służą wyznaczaniu prognozy. Przechodzą kolejne zmiany w czasie wcześniej niż zmienne naśladujące;

Zm naśladująca (opóźniona) są zmiennymi prognozowanymi. Kolejne zmiany są późniejsze w czasie.

ETAPY PROGNOZOWANIA

1. Wybieramy odpowiedni miernik podobieństwa d, oraz dobieramy taką wartość krytyczną d* jeżeli ona zostanie co najmniej osiągnięta przez wartości empiryczne.

2. Obieramy przedział miernika podobieństwa tego fragmenty z fragmentami tej samej długości szeregu czasowego zmiennej x przesuwają w każdym kroku fragment szeregu czasowego zmiennej x o jeden okres „w tył”. Otrzymamy wartość miernika podobieństwa.

3. Znajdujemy max wartość miernika podobieństwa i jeżeli jest spełniona relacja;

Max d_p > d^k

To zmienną x uznajemy za wiodącą względem zmiennej y z wyprzedzeniem p

4. Budujemy model wiążący zmienną naśladującą ze zmienną wiodącą uwzględniają wyżej uzyskane opóźnienie p

WSKAŹNIK WYPRZEDZAJĄCY KONIUNKTURY

Inf o przyszłych tendencjach gospodarki

1. realna podaż pieniądza;

2. kredyty konsumenckie;

3. nowa zamówienia dla przemysłu

4. zapasy wyrobów gotowych;

5. zapasów wyrobów gotowych;

6. sytuacja finansowa firmy;

7. wydajność pracy;

8. WIG;

9. wskaźnik nastrojów konsumenckich.

MODEL EKONOMETRYCZNY

Jest to funkcja y zmiennych objaśniających i składnika losowego o postaci analitycznej (f), której parametry wyznaczono na podstawie materiału statystycznego opisującego kształtowanie się zmiennej objaśnianej i zmiennych objaśniających.

Zmienne objaśniane stanowią charakterystyki badanych zjawisk, których mechanizmy chcemy poznać. Zmienne objaśniające opisują czynniki , zjawiska które nań wpływają.

Model może być budowany dla:

Celu analitycznego - poznania związków łączących wyróżnione zamienne w przyszłości;

Celu prognostycznego - wyznaczanie przyszłej wartości zmiennej opisującej prognozowane zjawisko.

ETAPY MODELU EKONOMETRYCZNEGO:

1. Specyfikacja zmiennych

2. Wybór postaci modelu

3. Estymacja parametrów modelu

4. Weryfikacja modelu

Założenia prognostyczne:

- Znany jest „dobry model” tzn. m. Dobrze dopasowany do danych empirycznych. (miary dopasowania, testy Studenta Fiszera).

- Występuje stabilność relacji strukturalnych w czasie. Związki między badanymi zmiennymi występujące w przeszłości będą takie same w przyszłości.

- Składnik losowy ma stały rozkład w czasie. Nie pojawiają się nowe zmienne oddziaływujące na prognozowane zjawisko a dotychczasowe zmienne nie zmieniają swojego oddziaływania.

- Znane są wartości zmiennych objaśniających (X) lub ich rozkłady prawdopodobieństwa w momencie lub okresie prognozowanym.

- Można ekstrapolować model poza jego dziedzinę.

Założenia te są spełnione przy sporządzaniu prognoz krótkookresowych tzn. gdy przewidujemy, że wystąpią głównie zmiany ilościowe w rozwoju zjawiska i gdy prognosta prezentuje postawę pasywną wobec przyszłości.

MODEL ZE ZMIENNĄ ZERO- JEDYNKOWĄ

Jakościowe zmienne objaśniające

Jako zmienne objaśniające mogą wystąpić zmienne zero - jedynkowe.

zmienne zero - jedynkowe - są to zmienne dychotomiczne, gdyż przyjmują tylko 2 wartości:

1-jeżeli dane zdarzenie wystąpi

0-jeżeli dane zdarzenie nie wystąpi w badanym momencie okresie t.

Taki rodzaj zmiennych w modelu może pełnić rolę zarówno zmiennych objaśniających jak i objaśnianych.

Modele z 0-1 kową zmienną objaśnianą.

Wady doboru zmiennych objaśniających:

- Heterocendryczność składnika losowego, co nie uprawnia do oszacowania parametrów modelu za pomocą KMNK

Transformacja probitowa - polega na przekształceniu danego prawdopodobieństwa (częstości) p na wartość dystrybuanty F standaryzowanego rozkładu normalnego. Przekształcenie to wywodzi się z nauk biologicznych.

NP.: obserwacja działania trującego preparatu na śmiertelność owadów. Mamy 2 możliwości: 1 - wszystkie owady dożyją momentu w którym dawka osiągnie moment krytyczny powodujący zgon każdego owada; 2 - krytyczna dawka preparatu będzie różna dla różnych owadów.

Przyjmuje się zatem, że rozkład jest rozkładem normalnym.(0,1)

Analiza probitowa - polega na badaniu zależności pomiędzy probitami a zmiennymi objaśniającymi. Zależności te mają postać liniową. Analizę probitów można stosować do zmiennej, która mierzy stopień zaspokojenia potrzeb. NP.: jeśli przez A - oznaczymy poziom konsumpcji max, B - przeciętna ilość artykułów konsumowanych to C = B/A mierzy stopień zaspokojenia potrzeb.

Transformacja logitowa - wykorzystuje do zmiany prawdopodobieństwa z przedziału (0,1), na przedział (-&, +&), których wartość wynosi:

-& dla p=0; 0 dla p=5; +& dla p=1

Transformacja logitowa ma postać:

L = ln p/1-p

MODEL EKONOMETRYCZNY JAKO NARZĘDZIE SYMULACJI.

Symulacja, symulowanie - badanie rzeczywistego systemu za pomocą eksperymentów na modelu mających dać odpowiedź:

Jak zachowałby się w pewnych warunkach obiekt odwzorowany danym modelem np.: m. Ekonometrycznym.

Symulacja na podstawie m ekonometrycznego prowadzi do udzielenia odpowiedzi na pytania:

- Jakie byłyby wartości zmiennych endogenicznych, gdyby zmienne egzogeniczne przyjęły określone wartości?

- Jaki powinny być wartości zmiennych? egzogenicznych, by uzyskać pożądane wartości zmiennych endogenicznych?

Wynikiem symulacji są różne warianty rozwoju obiektu opisywanego przez model:

- Warianty rozwoju przedsiębiorstwa;

- Zmian popytu ludności;

- Rozwoju gospodarki.

Przydatność zabiegów symulacyjnych:

- Można uzyskać odpowiedzi na pytania dotyczące:

Wpływu zmian cen, stopy procentowej na dalszy rozwój przedsiębiorstwa;

- Wpływ ograniczeń surowcowo energetycznych na rozwój danej dziedziny gospodarki.

Wyróżnia się:

Symulację prostą - gdy zmieniane są wartości tylko jednej zmiennej egzogenicznej;

Symulacja złożona - gdy jednocześnie są zmieniane wartości kilku zmiennych.

Symulacja deterministyczna - szacowane parametry nie zmieniają się w czasie eksperymentu;

Symulacja stochastyczna - gdy zakłócenia wprowadzane do modelu są losowe. Rozkład z którego są losowane te zakłócenia jest rozkładem o znanych parametrach.

Wynikiem symulacji są różne warianty rozwoju obiektu np.: Warianty rozwoju przedsiębiorstw, warianty zmian popytu ludności na wybrane dobro czy warianty rozwoju gospodarki.

ANALOGIE PRZESTRZENNO CZASOWE

Polega na przewidywaniu przyszłości określonej zmiennej przez wykorzystywanie informacji o innych zmiennych, których zmiany w czasie są podobne. Postawa progn jest aktywna ;

Prognozy średnie i długookresowe. Dopuszczalność tych prognoz określa się za pomocą błędów ex post, opinii ekspertów, opinii własnej prognosty.

Wyróżnia się analogie przestrzenno czasowe:

Zmiennych jednoimiennych - zmienna prognozowana i zm wykorzystywane do prognozy mogą być co do istoty takie same i mieć te same miana. Użyteczne są do prognozowania: popytu na dobra i usługi zaspakajające potrzeby wyższego rzędu, prognozowania demograficznego, działalności przedsiębiorstw (wielkości, struktury ich produkcji, poziomu kosztów). Wymaga się tu do prognozowania danych w postaci szeregów czasowych dla kilku obiektów np.: kraje, regiony, przedsiębiorstwa, grupy społeczne.

Zmienych różnoimiennych - istota zmiennych jest niejednakowa.

UŻYTECZNOŚĆ METOD ANALOGOWYCH W PROGNOZOWANIU:

- Przewidywanie punktów zwrotnych trendu i zmiany w postaci związków między zmiennymi;

- Przewidywanie postaci trendu i związków między zmiennymi w przyszłości;

- Przewidywanie zajścia nowych zdarzeń w obiekcie, dla których wyznacza się prognozę, w sytuacji gdy zdarzenia takie wystąpiły już gdzie indziej.

KRYTERIA PODOBIEŃSTWA

Kryterium poziomu - dwie zmienne są podobne jeżeli w pewnym momencie/okresie osiągnęły jednakową wartość. gdy zachodzi nierówność:

y⁰_t” - y^k_t”=~0 t^'<<t”

y⁰_t” - wartość zmiennej Y w obiekcie

prognozowanym w okresie t”

y^k_t” - wartość zmiennej Y w K - tym obiekcie w

okresie t'

Kryterium to może być tylko stosowane w przypadku prog zmiennych jednoimiennych.

Przyjmuje się tu założenie, że:

Fazy zmienności zmiennej w czasie są nieodłącznie związane z poziomem tej zmiennej

Kryterium kształtu - dwie zmienne są podobne, jeżeli charakteryzują się podobnymi zmianami w czasie tj. maja podobne tendencje rozwojowe, wahania sezonowe lub cykliczne. Kryterium to może być stosowane do zmiennych jednoimiennych i różnoimiennych. Do pomiaru podobieństwa kształtu stosuje się mierniki podobieństwa. Może być to Współczynnik korelacji liniowej lub miara podobieństwa funkcji.

Zaleca się stosowanie kryterium podobieństwa kształtu, gdy zmiany w czasie nie są związane z wartościami zmiennych. Jeżeli zmiany te odbywają się przy zbliżonych wartościach zmiennych, ale nie są identyczne dla wszystkich zmiennych, należy łącznie stosować k podob kształtu i poziomu.

Miara podobieństwa funkcji - Jest określona dla par funkcji, z których każda może być interpretowana jako szereg czasowy.

Wartości miary oblicza się na danych standaryzowanych lub znormalizowanych. Interpretując jej wartości w odniesieniu do szeregów czasowych zawierających tendencje rozwojową, można powiedzieć, że:

Dodatnie wartości miary oznaczają jednokierunkowe zmiany wartości szeregów tj. Rosnące lub malejące tendencje rozwojowe obu porównywanych szeregów.

Ujemne wartości zaś - tendencje przeciwstawne tj. jeden z szeregów ma tendencje rosnącą a drugi malejącą.

Bezwzględne wartości miary wskazują na stopień podobieństwa.

ETAPY PROGNOZOWANIA

1. Wstępna lista obiektów

Prognosta typuje obiekty, które mogą być wzorcami dla obiektu prognozowanego np.: klimat gdy prognozuje się liczbę lodówek. Na liście znajdują się te obiektu, dla których uzyskano dostatecznie długie szeregi czasowe.

2. Pomiar podobieństwa obiektów

Prognosta wybiera kryterium lub kryteria podobieństwa obiektów. Prognosta może zdecydować się na jednoczesne stosowanie kryterium podobieństwa poziomu i kształtu (jeżeli zmiany te odbywają się przy zbliżonych wartościach zmiennych, ale nie są identyczne dla wszystkich zmiennych). Również prognosta może zastosować tylko kryterium podobieństwa kształtu (gdy zmiany w czasie nie są związane z wartościami zmiennych). Obiekty dla których spełniony jest warunek h^0,k >h* uznaje się za podobne. Należy dążyć by liczba obiektów była jak największa.

3. Prognoza cząstkowa

Jest to przedłużenie szeregu czasowego obiektu prognozowanego o skorygowany stałą przesunięcia fragment szeregu czasowego obiektu podobnego, następujący po przedziale podobieństwa tego obiektu.

4. Prognoza globalna

Przedłużenie szeregu czasowego obiektu prognozowanego o przeciętne wartości prognoz cząstkowych.

5. Ocena dokładności prognozy

RODZAJE METOD ANALOGOWYCH:

Metoda analogii biologicznych - polega na przenoszeniu budowy i funkcjonowania organizmów żywych na inne obiekty np.: konstrukcja maszyn na wzór budowy ciała zwierząt. Analogie te wykorzystywane są do wyznaczania prognoz jakościowych.

M analogii przestrzennych - przewidywanie zajścia określonego zdarzenia na podstawie informacji o wystąpieniu takiego zdarzenia na innych terytoriach np.: wystąpienie zachorowań na AIDS na jednych obszarach pozwala sądzić, że nastąpią one na innych obszarach. Analogie te wykorzystywane są do wyznaczania prognoz jakościowych.

M analogii historycznych - przenoszenie prawidłowości zmian w czasie jednych zjawisk na inne zjawiska zachodzące w tym samym obiekcie. Używane są zmienne różnoimienne np.: rozwój radiofonii może być podstawą przewidywań rozwoju telewizji. Analogie te wyznaczane są do obliczania prognoz ilościowych

M analogii przestrzenno czasowych - przenoszenie z jednych obiektów do innych prawidłowości zmian zjawisk w czasie. Występują tu zmienne jednoimienne, np.: popyt na samochody osobowe w różnych krajach z różnym opóźnieniem będzie się upodabniał do popytu występującego w krajach rozwiniętych. Analogie te wyznaczane są do obliczania prognoz ilościowych.

METODY HEURYSTYCZNE

- zjawiska jakościowe i jakościowe;

- postawa aktywna;

Heurystyka - sztuka dyskutowania, umiejętność wykrywania nowych faktów i relacji między faktami, oraz dochodzenia do poznania prawd. Nie mamy zazwyczaj przeszłości.

Prognozowanie heurystyczne - przewidywanie nowych obrazów rzeczywistości niekoniecznie dających się opisać za pomocą przeszłości. Określa się je jako intuicyjne, oparte na wyobraźni i zdrowym rozsądku.

Istotą metod heurystycznych - jest dochodzenie do nowych rozwiązań przez formułowanie hipotez

Heurystyczne metody prognozowania - to metody wykorzystujące do sformułowania prognozy, opinie ekspertów oparte na intuicji i doświadczeniu.

Zastosowanie metod heurystycznych:

Wskazywanie daty zajścia określonego zdarzenia (kiedy pojawią się automatyczne translatory językowe);

Określenie poziomu badanej zmiennej (jaka będzie szybkość operacji cyfrowych w 2004);

Określenie prawdopodobieństwa występowania danego zdarzenia;

Określenie natężenia występowania zjawisk nowych

Określenie punktów zwrotnych w przebiegu zmiennych;

Ocena przydatności utworzonych modeli do progn.

Zalety i wady:

Zaleta jest szerszy zakres zastosowań,

Wada - zawodność i podatność na wpływ czynników niezależnych od osób rozwiązujących problem.

EKSPERT - osoba zaproszona do udziału w badaniu ze względu na swoją osobowość, wiedzę szerokie horyzonty myślenia itp. Osoby zwrócone ku przyszłości, do których ma się zaufanie.

Kryteria wyboru ekspertów

- Grupa ekspertów powinna być uniwersalna, zainteresowanych przyszłością, specjalistów dziedzin nauki i praktyki;

- Grupa powinna być liczna, by reprezentować różne poglądy;

- Wybrane osoby powinny niezależnie myśleć i mieć niezależną wizję przyszłości.

Prognozą - jest opinia najczęstsza. W celu ustalania prognozy stosowana jest reguła największej wiarygodności.

Dopuszczalność prognozy - może być określona przez niezależnych ekspertów lub przez wykorzystywanie błędów ex post.

BURZA MÓZGÓW

Burza mózgów - oparta jest na wymaganiach metodycznych:

- Nie krytykować;

- Stymulować jak największą liczbę pomysłów;

- Zgłaszać wszystkie pomysły

- Łączyć i doskonalić pomysły;

- Zgłaszać nasuwające się sugestie beż śledzenia cudzych pomysłów;

- Prezentować pomysły jasno i zwięźle;

- Wykorzystywać i rozwijać pomysły innych uczestników.

ETAPY BURZY MÓZGÓW:

Faza Przygotowania: sprecyzowanie problemu, zebranie informacji o badanym problemie, dobór grupy ekspertów.

Wyróżnia się dwa rodzaje grup ekspertów:

Zespół twórczy - celem ich jest tworzenie pomysłów. Wchodzą tu specjaliści różnych dziedzin.

Zespół oceniający - celem ich jest analiza i ocena wytworzonych pomysłów, a następnie opracowanie wariantu rozwiązania danego problemu. Wchodzą tu specjaliści w zakresie badanego problemu.

Faza tworzenia - przedstawia się tu problemy, notuje pomysły. Każdy pomysł otrzymuje numer identyfikacyjny.

Faza oceniania - ustalanie kryterium oceny, analizę i ocenę pomysłów, przedstawienie ostatecznego sposobu rozwiązania problemu.

Wady burzy mózgów:

- Dominacja jednego lub kilku osób;

- Duża presja grupy na osoby o odmiennych poglądach;

- Niechęć do publicznej zmiany wcześniejszego stanowiska.

METODA DELFICKA

Metoda delficka - polega na prognozowaniu zjawisk nowych, dla których liczba informacji o zjawisku jest niewielka. Metoda ta polega na badaniu opinii niezależnych i kompetentnych ekspertów na określony temat. Opinie dotyczą zwykle prawdopodobieństwa zajścia przyszłych zdarzeń. Prognozą jest zgodny sąd ekspertów. Wyznaczona jest ona przy zastosowaniu reguły największego prawdopodobieństwa. Prognosta przyjmuje postawę aktywną.

ETAPY PROGNOZOWANIA DELFICKIEGO

- Zdefiniowanie problemu;

- Wybór grupy ekspertów na podstawie wymagań badawczych;

- Przygotowanie i rozesłanie ankiety;

- Analiza odpowiedzi z ankiety;

Czy zgoda została osiągnięta:

TAK - to przedstawienie wyników,

NIE - to przygotowanie i rozesłanie kolejnej ankiety, analiza odpowiedzi ankiety.

Zalety i wady metody delfickiej

Zalety (Cechy metody delfickiej):

Niezależność opinii ekspertów, poprzez izolację ekspertów podczas badania

Anonimowość wypowiadanych sądów, poprzez użycie ankiety;

Wieloetapowość postępowania, która jest efektem opracowania programu ankiet;

Uzgadnianie i sumowanie opinii osób kompetentnych.

Wady:

- Dużo osób zaangażowanych do prowadzenia badania, opracowania ankiet;

- Długi czas trwania ankiet np.: kilka miesięcy;

- Brak możliwości bezpośredniej wymiany poglądów między uczestnikami;;

- Małe zaangażowanie ekspertów

- Trudności w doborze właściwych osób do grona ekspertów;

- Trudności w zbudowaniu poprawnej ankiety dające jednoznaczne odpowiedzi;

- Wykorzystanie metody tylko do prognoz długookresowych.

Praca pochodzi z serwisu www.e-sciagi.pl

---