Скачать

Методы социального прогнозирования. Программа поддержки многодетных семей

Актуальность темы. Прогноз в жизни любого человека и общества в целом всегда имел, имеет и будет иметь огромное значение. Во все времена человек старался предвидеть события, которые могут произойти с ним в будущем. Человечество всегда стремилось быть готовым к возможным последствиям этих событий, определить, что и как делать для того, чтобы свести к минимуму проявления негативных последствий и максимально использовать положительные последствия для своего блага.

В современных условиях умение предвидеть и прогнозировать будущее, а, следовательно, и влиять на социальные процессы становится также одним из самых ценных качеств молодого специалиста.

Анализ методов прогнозирования, изучение этих методов, использование их в разных сферах деятельности является мероприятием рационализаторского характера.

Степень достоверности прогнозов можно затем сравнить с действительно реальными показателями, и, сделав выводы, приступить к следующему прогнозу уже с существующими данными, т.е. имеющейся тенденцией.

Опираясь на полученные данные, можно во временном аспекте переходить на более высокую ступень.

Прогнозирование является составной частью процесса разработки социального проекта. В отрыве от проектирования прогнозирование теряет свой практический смысл. Выработка верных прогнозов позволяет сделать более совершенным и эффективным – проектирование.

Объект – методы социального прогнозирования

Предмет – программа государственной поддержки многодетных семей РФ.

Цель курсового проекта - рассмотреть методы социального прогнозирования, дать характеристику данным методам, рассмотреть программу поддержки многодетных семей РФ.

Задачи:

1. Рассмотреть и раскрыть методы социального прогнозирования;

2. Подробно рассмотреть программу поддержки многодетных семей РФ и ее применение на практике.

Глава 1. Теоретические аспекты методов социального прогнозирования

Прогноз – это научно обоснованное суждение о возможных состояниях объекта в будущем, об альтернативных путях и сроках его существования. Э. Янч дал свое краткое определение прогноза: прогноз - вероятностное утверждение о будущем с относительно высокой степенью достоверности.

Согласно определению прогнозирование - это способ научного предвидения, в котором используется как накопленный в прошлом опыт, так и текущие допущения насчет будущего с целью его определения.

По оценкам некоторых ученых насчитывается более 150 методов прогнозирования. Базовых методов гораздо меньше, многие из "методов" скорее относятся к отдельным способам и процедурам прогнозирования, либо представляют собой набор отдельных приемов, отличающихся от базовых методов количеством частных приемов и последовательностью их применения.

Под методом прогнозирования понимается совокупность приемов и способов мышления, позволяющих на основе анализа ретроспективных данных, экзогенных (внешних) и эндогенных (внутренних) связей объекта прогнозирования, а также их измерения в рамках рассматриваемого явления или процесса вывести суждения определенной достоверности относительно будущего развития объекта.

Более краткое определение дано упоминавшемся Э. Янчем: "способ исследования объекта прогнозирования, направленный на разработку прогнозов".

Сохраняют свою актуальность слова И. Сигела, автора классического труда по прогнозированию технологий "Технологические изменения и долгосрочное прогнозирование", о том, что успех в прогнозировании зависит не столько от применения тех или иных методов, сколько от сохранения правильной "точки зрения".

Согласно принятой классификации методов прогнозирования все методы по степени формализации делятся на интуитивные (экспертные) и формализованные (фактографические). Последние применяются только в тех случаях, когда величина периода упреждения прогноза укладывается в рамки эволюционного цикла прогнозируемого объекта, т.е. когда не ожидается никаких существенных, качественных изменений в его развитии. Во всех остальных случаях, включая качественные изменения или такую сложность объекта, при которой учесть влияние многих факторов практически невозможно, приходится полагаться на интуицию экспертов.

1.1 Интуитивные методы

В литературе, посвященной методологии прогностики, указанные методы часто называют эвристическими, или интуитивными. Эвристика — наука, изучающая продуктивное творческое мышление. Базируются на информации, которую поставляют специалисты-эксперты в процессе систематизированных процедур выявления и обобщения мнения. По этой причине эти методы требуют от эксперта глубоких теоретических знаний и практических навыков в сборе и обобщении всей доступной информации об объекте прогноза. Интуиция (неструктурированные знания) помогает эксперту в выявлении тенденций развития объекта прогнозирования в условиях отсутствия информационной базы о нем. Примером может служить прогноз спроса на новые товары и услуги, эффективности внедрения новшества, сроков окончания периода реформирования экономики, мировых цен на энергоносители, металлы (цветные, драгоценные) и даже курсов валют. Экспертные методы прогнозирования, как правило, используются в случаях:

Ø когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования;

Ø наличия высокой степени неопределенности информации, имеющейся в прогностической базе, или вовсе при отсутствии информации об объекте прогнозирования.

То есть, интуитивные методы применяются тогда, когда объект прогнозирования либо слишком прост, либо настолько сложен и непредсказуем, что аналитически учесть влияние многих факторов практически невозможно

Оценки экспертов по способу их получения и соответственно методы экспертного прогнозирования разделяются на индивидуальные и коллективные.

К числу индивидуальных экспертных методов принято относить следующие:

1. метод опроса в форме интервью (метод "интервью"),

2. аналитический метод,

3. метод построения сценариев,

4. метод психо-интеллектуальной генерации идей.

5. метод дерева целей

К числу коллективных экспертных методов относят:

1. метод комиссий,

2. метод Делфи,

3. матричный метод,

4. метод коллективной генерации идей.

Метод интервью предполагает беседу организатора прогнозной деятельности с экспертом-прогнозистом о будущем состоянии предприятия и его среды. Этот метод требует от эксперта умения быстро, фактически экспромтом, давать качественные советы на поставленные вопросы.

Одновременно может проводиться опрос нескольких экспертов, однако в этом случае есть опасность потери самостоятельности экспертов и, кроме того, интервью грозит превратиться в дискуссию

Метод интервью по своей сути (но не по форме) очень схож с методом очного анкетирования. Анкетирование заключается в предъявлении эксперту опросного листа-анкеты, на которую он должен дать ответ в письменной форме (в то время как интервьюирование предполагает устный ответ эксперта интервьюеру). Анкетирование может быть и заочным, когда нет непосредственного контакта эксперта с организатором прогнозной деятельности.

Аналитический методпредусматривает тщательную самостоятельную работу эксперта над анализом тенденций, оценкой состояния и путей развития прогнозируемого объекта. Эксперт может использовать всю необходимую ему информацию об объекте прогноза. Свои выводы он оформляет в виде докладной записки. Основное преимущество этого метода -- возможность максимального использования индивидуальных способностей эксперта. Однако он мало пригоден для прогнозирования сложных систем и выработки стратегии из-за ограниченности знаний одного специалиста-эксперта в смежных областях знаний.

Метод сценариев. При разработке управленческих решений широкое распространение нашел метод сценариев, также дающий возможность оценить наиболее вероятный ход развития событий и возможные последствия принимаемых решений. Разрабатываемые специалистами сценарии развития анализируемой ситуации позволяют с тем или иным уровнем достоверности определить возможные тенденции развития, взаимосвязи между действующими факторами, сформировать картину возможных состояний, к которым может прийти ситуация под влиянием тех или иных воздействий. Профессионально разработанные сценарии позволяют более полно и отчетливо определить перспективы развития ситуации, как при наличии различных управляющих воздействий, так и при их отсутствии. С другой стороны, сценарии ожидаемого развития ситуации позволяют своевременно осознать опасности, которыми чреваты неудачные управленческие воздействия или неблагоприятное развитие событий. Высказывается мнение, что необходимость в предвидении наиболее вероятного развития ситуации впервые возникла с возникновением промышленного производства, поскольку при сезонно повторяющемся сельскохозяйственном производстве в этом не было никакой необходимости. Полностью согласиться с такой точкой зрения трудно, поскольку испокон веков человечество воевало, время от времени вело грандиозное строительство. И без представления возможного развития ситуации такие, целенаправленные действия вряд ли были бы возможны. В то же время прототипы метода сценариев нередко мы находим в разные времена в разных странах. Так Кутузов собравший военный совет в Филях, и прослушавший различные варианты возможных действий, оценивал различные сценарии развития войны с французами, предлагавшиеся военачальниками. Он сопоставлял их сильные и слабые стороны и пришел к тяжелому, но, пожалуй, единственно верному решению оставить Москву, обрекая ее на пожары и разрушения. Однако последующее развитие событий подтвердило его правоту. Предпочтенный им сценарий развития событий полностью себя оправдал. Государственный деятель, занимающий ответственный пост, и бизнесмен, принимающий важное для судьбы проекта решение, финансист, анализирующий фондовый рынок, хирург накануне сложной нетрадиционной операции, конструктор, закладывающий основы принципиально нового объекта при принятии важных решений, как правило, пытаются предугадать возможный сценарий развития событий с тем, чтобы принять решение, обеспечивающее успех. Считается, что первым сценарии для прогнозирования развития сложных систем использовал Герман Кан. Первые из разработанных сценариев носили преимущественно описательный характер. Впоследствии метод сценариев был в значительной степени развит за счет использования более точных качественно-количественных моделей. Метод сценариев предполагает создание технологий разработки сценариев, обеспечивающих более высокую вероятность выработки эффективного решения в тех ситуациях, когда это возможно, и более высокую вероятность сведения ожидаемых потерь к минимуму в тех ситуациях, когда потери неизбежны. В настоящее время известны различные реализации метода сценариев такие, как:

Ø получение согласованного мнения,

Ø повторяющаяся процедура независимых сценариев,

Ø использование матриц взаимодействия и др.

Метод получения согласованного мнения является, по существу, одной из реализаций метода Делфи, ориентированной на получение коллективного мнения различных групп экспертов относительно крупных событий в той или иной области в заданный период будущего. К недостаткам этого метода можно отнести недостаточное внимание, уделяемое взаимозависимости и взаимодействию различных факторов, влияющих на развитие событий, динамике развития ситуации.

Метод повторяющегося объединения независимых сценариев состоит в составлении независимых сценариев по каждому из аспектов, оказывающих существенное влияние на развитие ситуации, и повторяющемся итеративном процессе согласования сценариев развития различных аспектов ситуации. Достоинством этого метода является более углубленный анализ взаимодействия различных аспектов развития ситуации. К его недостаткам можно отнести недостаточную разработанность и методическую обеспеченность процедур согласования сценариев.

Метод матриц взаимовлияний, разработанный Гордоном и Хелмером, предполагает определение на основании экспертных оценок потенциального взаимовлияния событий рассматриваемой совокупности. Оценки, связывающие все возможные комбинации событий по их силе, распределению во времени и т.д., позволяют уточнить первоначальные оценки вероятностей событий и их комбинаций. К недостаткам метода можно отнести трудоемкость получения большого количества оценок и корректной их обработки.

Предлагается методология составления сценариев, предполагающая предварительное определение пространства, параметров, характеризующих систему. Состояние системы в момент времени t является точкой S(t) в этом пространстве параметров. Определение возможных тенденций развития ситуации позволяет определить вероятное направление эволюции положения системы в пространстве выявленных параметров S(t) в различные моменты времени в будущем S(t+l), S(t+2) и т.д.

Если управляющие воздействия отсутствуют, то предполагается, что система будет эволюционировать в наиболее вероятном направлении. Управляющие воздействия эквивалентны воздействию сил, способных изменить направление траектории S(t). Естественно, что управляющие воздействия должны рассматриваться как с учетом ограничений накладываемых как внешними, так и внутренними факторами. Предлагаемая технология разработки сценариев предполагает рассмотрение положения системы в дискретные моменты времени t, t+1, t+2, ... . При этом предполагается, что точка, соответствующая системе S(t) в пространстве параметров расположенным в конусе, расширяющемся при удалении от исходного момента времени t. В некоторый момент времени t+T ожидается, что система будет расположена в сечении конуса, соответствующем моменту времени t+T. Все точки этого сечения могут считаться вероятным расположением системы в пространстве параметров.

Естественно, что наиболее вероятным считается положение системы на центральной оси конуса. Управляющие воздействия приводят к смещению положения системы в пространстве параметров. В этом случае также целесообразно рассматривать лишь дискретные точки, наибольшее внимание, уделяя при этом наиболее вероятным точкам. При таком анализе необходимо предвидеть возможность возникновения дополнительных внутренних напряжении между элементами системы, поскольку они также могут изменять положение системы в пространстве параметров. Для оценки напряжений могут быть использованы соответствующие индикаторы, в частности, экономического или социального характера, а также пороговые значения индикаторов, при превышении которых положение системы может значительно измениться. Управляющие воздействия в ряде случаев могут быть направлены на предотвращение превышения пороговых значений индикаторов, если нашей целью является сохранение стабильности. В некоторых случаях можно целенаправленно стремиться к превышению пороговых значений индикаторов, если это соответствует поставленным перед системой задачам.

Одним из наиболее важных результатов использования этой разновидности метода сценариев, как впрочем, и других его разновидностей, является лучшее понимание анализируемой ситуации и основных закономерностей и особенностей ее развития.

Заслуживает внимания разновидность метода сценариев, предложенная Абтом, Фостером и Ри. Авторы подчеркивают, что их метод разработки сценариев относится скорее к анализу возможного, а не к вероятного будущего. Действительно, полученное в процессе разработки прогноза более глубокое понимание ситуации предполагает в качестве следующего шага выработку системы воздействий, которая может изменить рассмотренные сценарии развития ситуации. И вероятное будущее может оказаться скорректированным. Разработанный авторами метод предусматривает отбор только тех переменных, которые имеют непосредственное отношение к развитию анализируемой системы, будь то система контроля за окружающей средой или система управления технологическим процессом в действующем производстве и т.д. Далее предполагается разработка достаточно детальных сценариев для выявления опасностей, угрожающих системе, и необходимого противодействия им. Предусматривается отбор среди множества возможных сценариев наиболее пригодных для последующего анализа, а также процедуры использования компьютеров для разработки неискаженных сценарных прогнозов. Рассмотрим перечисленные процедуры более детально. Прежде, чем приступить к разработке сценария, предполагается провести анализ ситуации с определением основных действующих сил, основных взаимоотношений между основными действующими в ней факторами, необходимую детализацию и структуризацию ситуации. Отбор переменных в этом методе предполагает использование экспертов. Анализируются, с возможным использованием контент-анализа, прогнозы экспертов развития ситуации и выделяются переменные, являющиеся частью логических рассуждений экспертов, и их взаимосвязи. Основной задачей при этом является получение набора существенных переменных, достаточно полно определяющих развитие анализируемой ситуации. Следующим этапом является определение для каждой переменной соответствующей шкалы, в которой она могла бы быть измерена. Поскольку в реальных ситуациях, наряду с количественными переменными, используются и качественные, предполагается разработка для каждой переменной вербально числовой шкалы, содержащей как численные значения градаций, так и их содержательное описание. Содержательное описание позволяет расширить состав переменных, включая в него переменные, действительно отражающие характер анализируемой ситуации, хотя и не имеющие количественной природы. Количественные значения переменных позволяют более надежно определять возможные опасности. Если переменные непрерывны, то целесообразно выделение характерных их значений, для использования при анализе ситуации. В некоторых случаях информация о переменных может представляться в виде некоторого тезауруса, в котором отражается основная информация как количественная, так и описательная, позволяющая достаточно полно представить переменную. Неоправданное увеличение числа переменных затрудняет возможность анализа ситуации, в то же время излишнее их обобщение (агрегирование) также затрудняет проведение анализа.

Основная задача сценария - дать ключ к пониманию проблемы. При анализе конкретной ситуации переменные ее характеризующие принимают соответствующие значения - те или иные градации вербально числовых шкал каждой из переменных. Определяются все значения парных взаимодействий между переменными, которые оказывают взаимное влияние при развитии данной ситуации. Такое взаимодействие между переменными, как правило, представляется в матричном виде. После разработки и представления сценария с помощью переменных и оценки их взаимодействия и внутренней согласованности возможен, с использованием вербально - числовых шкал, переход к представлению сценария в виде содержательного описания. Такая форма нередко оказывается более удобной при подготовке отчета о проделанной работе. Иногда целесообразно включение в состав сценария предыстории развития анализируемой ситуации.

Отличительной особенностью излагаемого метода является многовариантность, т.е. рассмотрение нескольких альтернативных вариантов возможного развития ситуации с учетом базисных сценариев. Группируя сценарии в классы можно определить рациональную стратегию воздействия на ситуацию. Как правило, данные о нескольких возможных сценариях развития ситуации более информативны, чем один единственный сценарий и способствуют принятию более эффективных решений.

Особенность этого метода состоит также в том, что, возможно, оценивать значения взаимодействия переменных лишь на границах области допустимых значений, а не по всей области, как это предполагается в методе, использующем матрицы взаимовлияний. Использование специальных программ для компьютеров, а так же датчиков случайных чисел с последующим отсечением невозможных ситуаций для генерирования альтернативных вариантов сценариев расширяет горизонт анализа возможных в будущем ситуаций.

Разработанный широкий спектр возможных альтернативных вариантов развития ситуации позволяет более полно определить критические ситуации для принятия решений, а также определить возможные последствия предлагаемых альтернативных вариантов решений с целью их сопоставления и выбора наиболее эффективного. Профессионально разработанный и периодически актуализируемый прогноз - неотъемлемая составляющая процесса выработки и принятия важных управленческих решений.

Метод психо-интеллектуальной генерации идей - метод индивидуальной экспертной оценки, при котором выявление экспертной оценки осуществляется с помощью программированного управления, включающего обращение к памяти человека или запоминающему устройству ЭВМ.

Дерево целей – это структурированная, построенная по иерархическому принципу (распределенная по уровням, ранжированная) совокупность целей экономической системы, программы, плана, в которой выделены генеральная цель ("вершина дерева"); подчиненные ей подцели первого, второго и последующего уровней ("ветви дерева"). Название "дерево целей" связано с тем, что схематически представленная совокупность распределенных по уровням целей напоминает по виду перевернутое дерево. Концепция "дерева целей" впервые была предложена Ч. Черчменом и Р. Акоффом в 1957 году. Она позволяет человеку привести в порядок собственные планы, увидеть свои цели в группе. Независимо от того, являются ли они личными или профессиональными.

В том числе, дерево целей позволяет выявить, какие возможные комбинации обеспечат наилучшую отдачу. Термин "дерево" предполагает использование иерархической структуры (от старшей к младшей), полученной путем разделения общей цели на подцели.

Метод дерева целей ориентирован на получение относительно устойчивой структуры целей, проблем, направлений. Для достижения этого при построении первоначального варианта структуры следует учитывать закономерности целеобразования и использовать принципы формирования иерархических структур.

Этот метод широко применяется для прогнозирования возможных направлений развития науки, техники, технологий, а также для составления личных целей, профессиональных, целей любой компании. Так называемое дерево целей тесно увязывает между собой перспективные цели и конкретные задачи на каждом уровне иерархии. При этом цель высшего порядка соответствует вершине дерева, а ниже в несколько ярусов располагаются локальные цели (задачи), с помощью которых обеспечивается достижение целей верхнего уровня.

Метод комиссий— один из методов экспертных оценок, основанный на работе специальных комиссий. Группы экспертов за "круглым столом" обсуждают ту или иную проблему с целью согласования точек зрения и выработки единого мнения. Недостаток этого метода заключается в том, что группа экспертов в своих суждениях руководствуется в основном логикой компромисса.

Цель метода Дельфи — разработка программы последовательных многотуровых индивидуальных опросов. Индивидуальный опрос экспертов обычно проводится в форме анкет-вопросников. Затем осуществляется их статистическая обработка на ЭВМ и формируется коллективное мнение группы, выявляются и обобщаются аргументы в пользу различных суждений. Обработанная на ЭВМ информация сообщается экспертам, которые могут корректировать оценки, объясняя при этом причины своего несогласия с коллективным суждением. Эта процедура может повторяться до 3—4 раз. В результате происходит сужение диапазона оценок и вырабатывается согласованное суждение относительно перспектив развития объекта.

Особенности метода Дельфи:

а) анонимность экспертов (участники экспертной группы неизвестны друг другу, взаимодействие членов группы при заполнении анкет полностью исключается);

б) возможность использования результатов предыдущего тура опроса;

в) статистическая характеристика группового мнения.

Этот метод помогает предопределить развитие проблемных ситуаций, носящих долгосрочный характер. Наши специалисты, работающие в области научно-технического прогнозирования, также разрабатывают методы обработки экспертных оценок. Они носят название эвристических.

Матричный метод - широко используется в планировании и прогнозировании. Например, в практике маркетинга матричный метод применяется как метод оценки позиции предприятия на рынке, что позволяет принять решение о выборе одной из возможных стратегий:

Ø стратегии атаки при благоприятной позиции;

Ø стратегии обороны при средней, неопределенной позиции;

Ø стратегии отступления при неблагоприятной позиции.

Матричная модель представляет собой прямоугольную таблицу, элементы которой отражают взаимосвязь объектов. Она удобна для финансового анализа, так как является простой и наглядной формой совмещения разнородных, но взаимоувязанных экономических явлений.

В некоторой научной литературе матричные методы прогнозирования называются табличными или графическими методами, подчеркивая при этом значимость графического представления табличной информации - составление статистических таблиц является важным этапом исследования промежуточных и конечных результатов работы. Это форма наиболее рационального, наглядного и систематизированного представления исходных данных, простейших алгоритмов их обработки и получения результатов.

Суть метода коллективной генерации идей ("мозговой атаки")состоит в использовании творческого потенциала специалистов при "мозговой атаке" проблемной ситуации, реализующей вначале генерацию идей , а затем их деструктурирование (разрушение, критику) с выдвижением контр-идей и выработкой согласованной точки зрения. Этот метод был разработан американцем А. Осборном, стремившимся решать проблемы посредством спонтанно возникающих идей. Нечто подобное использовали 400 лет назад индийские мастера Хинду во время своих собраний: запрещались критика и дискуссии, каждый мог свободно выражать свои идеи, оценка делалась позже.

Метод коллективной генерации идей предполагает реализацию следующих этапов. Первый этап связан с формированием группы участников мозговой атаки по решению определенной проблемы. Оптимальная численность группы находится эмпирическим путем. Наиболее продуктивными признаны группы, состоящие из 10—15 человек. На втором этапе группа анализа составляет проблемную записку, в которой формулируется проблемная ситуация и содержится описание метода и проблемной ситуации. Третий этап — этап генерации идей. Каждый участник имеет право выступать много раз. Критика предыдущих выступлений и скептические замечания не допускаются. Ведущий корректирует процесс, приветствует усовершенствование или комбинацию идей, оказывает поддержку, тем самым освобождая участников от скованности. Продолжительность "мозговой атаки" — не менее 20 мин и не более 1 ч в зависимости от активности участников. Четвертый этап связан с систематизацией идей, высказанных на этапе генерации. Формируется перечень идей, выделяются признаки, по которым идеи могут быть объединены, идеи объединяются в группы согласно выделенным признакам. На пятом этапе осуществляется деструктурирование (разрушение) систематизированных идей. Каждая идея подвергается всесторонней критике со стороны группы высококвалифицированных специалистов. Группа состоит из 20—25 человек. На шестом этапе дается оценка критических замечаний и составляется список практически реализуемых идей. Этот метод позволяет качественно и достаточно быстро проводить оценку вариантов развития объекта прогнозирования.

1.2 Формализованные методы

Эти методы базируются на математической теории, которая обеспечивает

повышение достоверности и точности прогнозов, значительно сокращает сроки их выполнения, позволяет обеспечить деятельность по обработке информации и оценке результатов.

Формализованные методы позволяют получать количественные показатели. При разработке таких прогнозов исходят из предложения об инерционности системы, т.е. предполагают, что в будущем система будет развиваться по тем же закономерностям, которые были у неё в прошлом и есть в настоящем. Недостатком формализованных методов является ограниченная глубина упреждения, находящаяся в пределах эволюционного цикла развития системы, за пределами которого надёжность прогнозов падает.

К формализованным методам относят:

1. методы прогнозной экстраполяции,

2. метод наименьших квадратов,

3. метод экспоненциального сглаживания,

4. метод скользящих средних,

5. адаптивный метод,

6. методы моделирования (структурное, сетевое, матричное, имитационное).

Сущность методов прогнозной экстраполяции заключается в изучении динамики изменения экономического явления в предпрогнозном периоде и перенесения найденной закономерности на некоторый период будущего. Обязательным условием применения экстраполяционного подхода в прогнозировании следует считать познание и объективное понимание природы исследуемого процесса, а также наличие устойчивых тенденций в механизме развития. Однако степень реальности такого рода прогнозов и соответственно мера доверия к ним в значительной мере обуславливаются аргументированностью выбора пределов экстраполяции и стабильностью соответствия "измерителей" по отношению к сущности рассматриваемого явления. Следует обратить внимание на то, что сложные объекты, как правило, не могут быть охарактеризованы одним параметром. Этот способ обладает определенными достоинствами, среди которых незначительна трудоемкость вычислительного алгоритма, универсальные расчетные схемы. Кроме указанных достоинств, он имеет несколько существенных недостатков. Во-первых, все фактические наблюдения являются результатом закономерности и случайности, следовательно, основываться на последнем наблюдении неправомерно. Во-вторых, нет возможности оценить правомерность использования среднего прироста в каждом конкретном случае. В-третьих, данный подход не позволяет сформировать интервал, в который попадает прогнозируемая величина. В связи с этим метод экстраполяции не дает точных результатов на длительных срок прогноза, потому что данный метод исходит из прошлого и настоящего, и тем самым погрешность накапливается. Этот метод дает положительные результаты на ближайшую перспективу прогнозирования тех или иных объектов – на 5-7 лет. Для повышения точности экстраполяции используются различные приемы. Один из них состоит, например, в том, чтобы экстраполируемую часть общей кривой развития (тренда) корректировать с учетом реального опыта развития отрасли-аналога исследований или объекта, опережающий в своем развитии прогнозируемый объект.

Метод наименьших квадратов — один из методов регрессионного анализа для оценки неизвестных величин по результатам измерений, содержащих случайные ошибки.

Метод наименьших квадратов применяется также для приближённого представления заданной функции другими (более простыми) функциями и часто оказывается полезным при обработке наблюдений.

Когда искомая величина может быть измерена непосредственно, как, например, длина отрезка или угол, то, для увеличения точности, измерение производится много раз, и за окончательный результат берут арифметическое среднее из всех отдельных измерений. Это правило арифметической середины основывается на соображениях теории вероятностей; легко показать, что сумма квадратов уклонений отдельных измерений от арифметической середины будет меньше, чем сумма квадратов уклонений отдельных измерений от какой бы то ни было другой величины. Само правило арифметической середины представляет, следовательно, простейший случай метода наименьших квадратов.

Метод экспоненциального сглаживания дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения. Наибольшее применение метод нашел для реализации среднесрочных прогнозов.

Метод экспоненциального сглаживания еще может быть использован для краткосрочных прогнозов будущей тенденции на один период вперед и автоматически корректирует любой прогноз в свете различий между фактическим и спрогнозированным результатом.

При прогнозировании с применением метода сглаживания учитывается отклонение предыдущего прогноза от реального показателя, а сам расчет проводится по следующей формуле:

f _k = f _k-1 + a (x_k-1– f _k-1),

где: f _k-1 - прогноз в момент времени k-1;

f _k- прогноз на момент времени t_k, следующий за периодом k-1;

x_k-1 - реальное значение показателя в момент времени t _k-1;

a - постоянная сглаживания (0< a >1)определяет степень сглаживания.

Если при сравнении прогноза с реальными значениями сглаженные данные при выбранном a значительно отличаются от исходного ряда, необходимо перейти к другому параметру сглаживания (чем больше значение a, тем больше сглаживание)

Метод скользящего среднего применять достаточно несложно, однако он слишком прост для создания точного прогноза. При использовании этого метода прогноз любого периода представляет собой не что иное, как получение среднего показателя нескольких результатов наблюдений временного ряда. Например, если вы выбрали скользящее среднее за три месяца, прогнозом на май будет среднее значение показателей за февраль, март и апрель. Выбрав в качестве метода прогнозирования скользящее среднее за четыре месяца, вы сможете оценить майский показатель как среднее значение показателей за январь, февраль, март и апрель. Вычисления с помощью этого метода довольно просты и достаточно точно отражают изменения основных показателей предыдущего периода. Иногда при составлении прогноза они эффективнее, чем методы, основанные на долговременных наблюдениях.

Таким образом, чем меньше число результатов наблюдений, на основании которых вычислено скользящее среднее, тем точнее оно отражает изменения в уровне базовой линии. Но, если базой для прогнозируемого скользящего среднего являются всего лишь одно или два наблюдения, то такой прогноз может стать слишком упрощенным. В частности, он будет отражать тенденции в данных, на которых он строится, ничуть не лучше, чем сама базовая линия. Чтобы определить, сколько наблюдений желательно включить в скользящее среднее, нужно исходить из предыдущего опыта и имеющейся информации о наборе данных. Необходимо выдерживать равновесие между повышенным откликом скользящего среднего на несколько самых свежих наблюдений и большой изменчивостью этого среднего. Одно отклонение в наборе данных для трехкомпонентного среднего может исказить весь прогноз. А чем меньше компонентов, тем меньше скользящее среднее откликается на сигналы и больше — на шум. В этом методе следует опираться на знания и опыт.

Методы адаптивного прогнозирования основаны на адаптации к данным или к другой информации, на базе которой строится прогноз. Основное свойство таких методов: при поступлении новых данных значение прогноза меняется, адаптируясь к вновь поступившей информации, и становится более чувствительным к ней. При небольшом изменении значений данных прогноз также будет мало изменяться.

Многочисленные адаптивные методы базируются на моделях Брауна и Хольта и модели авторегрессии, различаясь между собой алгоритмом оценки параметр