Фактографические (объективные) методы социального прогнозирования
Исходная информация об объекте прогнозирования может быть:
1) фактографической, полученной из источника, содержащего фактические данные, необходимые для решения задачи прогноза (например, данные бухгалтерского отчета и т. п.), включая опережающую информацию (научную и техническую информацию, опережающуюреализацию новшеств в общественной практике; сюда относятся: заявки на изобретения и открытия, авторские свидетельства, патенты и т. п.);
2) экспертной,содержащей экспертные оценки.
Фактографический метод прогнозирования – это метод, базирующийся на фактографической информации. Основные фактографические методы, используемые в социальном и экономическом прогнозировании, а также краткие характеристики этих методов приведены в таблице.
Фактографические методы прогнозирования: Таблица 8
№ п/п | Метод | Краткая характеристика метода |
Авторегрессионный | Метод прогнозирования стационарных случайных процессов, основанный на анализе и использовании связей значений динамического ряда с фиксированными временными интервалами между ними | |
Гармонических весов | Экстраполяция скользящего тренда, аппроксимируемого отрезками линии с взвешиванием точек этой линии при помощи гармонических весов | |
Группового учета аргументов | Кусочная аппроксимация исходного динамического ряда с оптимизацией вида и параметров прогнозирующей функции | |
Интерполяции (прогнозной) | Математическая интерполяция, при которой выбор аппроксимирующей функции осуществляется с учетом условий и ограничений развития объекта прогнозирования | |
Исторической аналогии | Установление и использование аналогии объекта прогнозирования с одинаковым по природе объектом, опережающим первый в своем развитии | |
Математической аналогии | Установление аналогии математических описаний процессов развития различных по природе объектов с последующим использованием более изученного математического описания одного из них для разработки прогнозов другого | |
Опережающей информации | Использование свойства научно-технической информации опережать реализацию научно-технических достижений в общественной практике | |
Патентный | Оценка (по принятой системе критериев) изобретений и открытий и исследование их динамики | |
Прогнозирования по функции с гибкой структурой | Использование экстраполирующей функции, вид и параметры которой подбираются в процессе ретроспективного анализа исходного динамического ряда из некоторого множества возможных функций | |
Публикационный | Оценка публикаций об объекте прогнозирования (по принятой системе критериев) и исследование динамики их опубликования | |
Регрессионный | Анализ и использование устойчивых статистических связей между совокупностью переменных-аргументов и прогнозируемой переменной-функцией | |
Статистический | Построение и анализ динамических рядов характеристик объекта прогнозирования и их статистических взаимосвязей | |
Факторный | Обработка многомерных массивов информации об объекте в динамике с использованием аппарата факторного статистического анализа или его разновидностей | |
Цепей Маркова | Анализ и использование вероятностей перехода объекта прогнозирования из одного состояния в другое | |
Цитатно-индексный | Оценка (по принятой системе критериев) и анализ динамики цитирования авторов публикаций об объекте прогнозирования | |
Экспоненциального сглаживания | Построение экстраполирующей функции с использованием экспоненциального убывания весов ее коэффициентов | |
Экстраполяции | Математическая экстраполяция, при которой выбор аппроксимирующей функции осуществляется с учетом условий и ограничений развития объекта прогнозирования |
Аппроксимация(от лат. approximo – приближаюсь) - замена одних математических объектов (например, чисел или функций) другими, более простыми и в том или ином смысле близкими к исходным (например, кривых линий близкими к ним ломаными).
Динамический ряд – временная последовательность ретроспективных и перспективных значений переменной объекта прогнозирования.
Индексы – в статистике относительные величины, количественно характеризующие динамику совокупности, состоящей из непосредственно несоизмеримых единиц, или части такой совокупности (например, общий индекс оптовых цен всех товаров и групповые индексы цен продовольственных и непродовольственных товаров или промышленных и сельскохозяйственных товаров и т. д.).
Интерполяция(от лат. interpolatio – изменение, переделка) – в математике и статистике отыскание промежуточных значений величины по некоторым ее значениям.
Оптимизация– 1) процесс выбора наилучшего варианта из возможных; 2) процесс приведения системы в наилучшее (оптимальное) состояние.
Параметр – величина, характеризующая какое-либо основное свойство процесса, явления или системы, машины, прибора.
Регрессионный анализ – раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости величин по статистическим данным.
Регрессия– в теории вероятностей и математической статистике зависимость среднего значения какой-либо величины от некоторой другой величины или от нескольких величин.
Фактор (от лат. factor – делающий, производящий) - причина, движущая сила какого-либо процесса, явления, определяющая его характер или отдельные его черты.
Экстраполяция– в статистике распространение установленных в прошлом тенденций на будущий период (экстраполяция во времени применяется для перспективных расчетов населения); распространение выборочных данных на другую часть совокупности, не подвергнутую наблюдению (экстраполяция в пространстве). Методы экстраполяции во многом схожи с интерполяцией.
Наиболее распространенным фактографическим методом прогнозирования является метод экстраполяции.
Метод экстраполяции. Данный метод был одним из исторически первых методов, который стал широко использоваться в социальном прогнозировании. Суть этого метода заключается в построении динамических (математических, статистических или логических) рядов показателей прогнозируемого процесса с возможно более ранней даты в прошлом (так называемые ретро-типы) вплоть до даты упреждения (перспективы) прогнозирования. При подобном подходе осуществляется выбор оптимального варианта с учетом времени, условий и т.д. Большой эффект дает использование формул сложной экстраполяции, выводов теории вероятностей, теории игр – всего инструментария современной математики и кибернетики, что позволяет точнее оценивать масштабы возможных сдвигов и экстраполируемых тенденций и процессов.
Однако в социальном прогнозировании возможности экстраполяции как метода прогнозирования в некотором роде ограничены. Это вызвано рядом причин, которые связаны с тем, что социальные процессы развиваются по сложным векторным траекториям, что ограничивает возможности их точного моделирования. Так, до какого-то момента процесс может медленно нарастать, а затем наступает период бурного развития, который завершается этапом насыщения. После этого процесс опять стабилизируется. Если не учесть подобные особенности протекания социальных процессов, то применение метода экстраполяции может привести к ошибке.
Одним из путей проверки надежности данного метода может явиться экстраполяции кривых роста «до абсурда», которая показывает, что действующий механизм в перспективе может измениться, могут возникнуть новые, ранее не прогнозируемые тенденции функционировании. В это случае для правильного расчета необходим комплексный подход, сочетающий математические модели, логический анализ, экспертные оценки и нормативные расчеты.
Дата добавления: 2016-06-02; просмотров: 1817;