АСЭО обеспечивает технологическое сопровождение, необходимое методическое и информационное обеспечение процесса экспертного оценивания при организации и проведении экспертиз с учетом специфического характера проводимой экспертизы 1, с. 17 - 20.

Для прогнозов развития науки и техники, будущих открытий и изобретений, для которых не имеется достаточной теоретической базы в момент составления прогноза, составления картины будущего мира широко применяется один из методов, связанный с обобщением и статистической обработкой мнений группы экспертов, получивший название метода "Дельфи". Этот метод относится к классу методов групповых экспертных оценок. Он был разработан и применен в США впервые в 1964 году сотрудниками научно-исследовательской корпорации РЭНД О.Хелмером и Т.Гордоном [3, с.155].

Происхождение названия этого метода связывают с понятиями "дельфийский оракул". Дельфийский оракул – наиболее известное в Древней Греции место религиозных пророчеств. Дельфийский оракул находился в городе Дельфы при храме Аполлона, считавшегося покровителем и прорицателем. Пророческие изречения в Дельфийском оракуле от имени Аполлона давала жрица-пифия.

Метод "Дельфи" наиболее целесообразно применять в таких случаях, когда имеющиеся в распоряжении или доступные данные непригодны для решения существующей проблемы; в распоряжении нет нужных данных; нет достаточного времени для сбора необходимых данных; процесс получения и анализа необходимых данных слишком дорогостоящий [5, с.30].

В методе "Дельфи" предусматривается создание условий, обеспечивающих наиболее продуктивную работу экспертной комиссии [6, с.26]. Это достигается равномерностью процедуры, возможностью пополнить информацию о предмете экспертизы, отказом от коллективного мнения. Еще одно важное свойство – обратная связь, позволяющая экспертам корректировать свои суждения с учетом промежуточных усредненных оценок и пояснений экспертов, высказавших "крайние" точки зрения. Для реализации обратной связи необходима многотуровая процедура. Экспертизы по методу "Дельфи" проводятся, чаще всего, в 4 тура при помощи анкетирования [6, с.26].

На первом туре экспертам сообщается цель экспертизы, и формируются вопросы, на которых составляют основное содержание экспертизы. Вопросы предъявляются каждому эксперту персонально в виде анкеты, иногда сопровождаемой пояснительной запиской. Если предъявляемые экспертам вопросы достаточно сложны, целесообразна предварительная разработка приближенной модели исследуемой системы, чтобы правильно ориентировать эксперта, конкретизировать цели и предмет экспертной процедуры, показать характер возможных ответов.

Успеху экспертизы способствует предоставление эксперту дополнительной информации о предмете экспертизы. Информация, полученная от эксперта, поступает в распоряжение аналитической группы, обеспечивающей организацию, проведение, обработку промежуточных и окончательных результатов экспертизы. Аналитическая группа определяет экспертов, высказавших “крайние” точки зрения, давших самую высокую и самую низкую оценку альтернативе, усредненное мнение экспертов — медиану, верхнюю и нижнюю квартили, т.е. значение оцениваемой альтернативе, выше и ниже которых расположены 25% численных значений оценок. Расстояние между квартилиями характеризует разброс экспертных оценок, и тем самым характеризует согласованность точек зрения экспертов.

Вводятся следующие обозначения:

t₀ — значение наиболее ранней оценки;

t_0,25 — значение оценки, определяющей 25% наиболее ранних оценок (из всех имеющихся), — нижний квартиль;

t_0,5 — значение оценки разделяющей упорядоченную по оси времени совокупность оценок на две равные по количеству оценок части — медиана;

t_0,75 — значение оценки, определяющей 25% наиболее поздних оценок (из всех имеющихся), — верхний квартиль;

t_1,0 — значение наиболее поздней оценки;

Значение t_0,15 принимается за показатель обобщенного мнения экспертов об ожидаемом времени свершения определенного события [5, с.32].

Степень согласованности мнений экспертов определяют коэффициентом вариации 

где – среднее квадратическое отклонение оценок;

y_i – оценка каждого эксперта;

– число экспертов, участвующих в экспертизе.

Медиана — значение признака, которое находится в середине ранжированного ряда. Для нахождения медианы ряда с четным числом вариант складывают две средние варианты и делят сумму пополам.

На втором туре “Дельфийской” процедуры экспертам предъявляется усредненная оценка экспертной комиссии и обоснования экспертов, высказавших “крайние” точки зрения [6, с.27]. Обоснования принимаются анонимно, без указания давших их экспертов. После получения дополнительной информации эксперты, как правило, корректируют свои оценки. Скорректированная информация вновь поступает в аналитическую группу. На третьем туре эта информация вместе с анонимными аргументациями поставленных оценок снова направляется каждому участнику. На основе полученной информации эксперты пересматривают предыдущие оценки [5, с.31]. Если же оценка какого-либо эксперта значительно выходит за рамки общего интервала, то он должен подтвердить достаточной аргументацией свою позицию и объяснить, почему предыдущая информация и аргументация противоположных оценок не заставили его изменить свое мнение. На четвертом туре каждому эксперту предоставляется распределение оценок третьего тура, и он должен снова представить на рассмотрение пересмотренную оценку в свете полученной информации. Как показывает практика, желаемое согласие наступает к четвертому туру.

В некоторых случаях согласованная точка зрения экспертов может быть получена уже после второго или третьего туров. Тогда необходимость проведения следующих туров отпадает.

При прогнозировании, в целях минимизации расходов, на прогноз стараются привлекать минимальное число экспертов при условии обеспечения ошибки результата прогнозирования не более b, где 0<b<1. Рекомендуют определять минимальное число экспертов по формуле: N_min=0,5(3/b+5) [3, с.227]. При этом должна наблюдаться стабилизация средней оценки прогнозируемой характеристики. О достижении этой стабилизации свидетельствует тот факт, что включение или исключение эксперта из группы не изменяет относительную оценку искомой величины более, чем на b.

При использовании метода “Дельфи” следует учитывать следующее:

1. Группы экспертов должны быть стабильными и численность их должна удерживаться в благоразумных рамках.

2. Время между турами опросов должно быть не более месяца.

3. Вопросы в анкетах должны быть тщательно продуманы и четко сформулированы.

4. Число туров должно быть достаточным, чтобы обеспечить всем участникам возможность ознакомится с причиной той или иной оценки, а также и для критики этих причин.

5. Должен проводиться систематический отбор экспертов.

6. Необходимо иметь самооценку компетенции экспертов по рассматриваемым проблемам.

7. Нужна формула согласованности оценок, основанная на данных самооценок.

8. Следует установить влияние общественного мнения на экспертные оценки и на сходимость этих оценок.

9. Необходимо установить влияние различных видов передачи информации экспертам по каналам обратной связи.

Следует также отметить, что использование меридианы и квартилей в методе “Дельфи” имеет помимо положительной стороны и отрицательную. В частности при рассмотрении оценок группы экспертов оценка, слишком сильно отличающаяся от других, практически исключается, не смотря на то, что она может оказаться более верной, чем остальные, т.е. большинство экспертов могут сойтись в ошибочной оценке [1, с.159].

Правда, подобные отклонения, по мнения авторов метода “Дельфи”, компенсируются автором до некоторой степени тем, что по данному методу эксперта, несогласного с большинством, просят высказать причины несогласия. Все эксперты имеют возможность не согласиться с этими причинами и могут принять во внимание или отвергнуть их, переоценивать свое мнение или остаться при нем.

Так что оценка, далеко отстающая от других, отбрасывается фактически лишь в том случае, если эксперту не удается достаточно веско аргументировать свою точку зрения.

Имеется и другая трудность. Это трудность четкой формулировки вопросников. Максимальная точность достигается за счет громоздкого стиля изложения, вызывающего отрицательную реакцию у отвечающих на анкету. Здесь также надо найти оптимум между четкостью и лаконичностью поставленных вопросов, дабы все участники одинаково их интерпретировали. Другим недостатком дельфийского прогноза является то, что ответы высококомпетентных экспертов как бы разбавляются оценками менее информированных специалистов, кроме того, в ряде случаев, одни и те же специалисты включены в разные группы (чего допускать нельзя).

В заключение можно сказать, что, несмотря на указанные недостатки, метод “Дельфи” является достаточно надежным инструментом получения экспертной информации. С помощью метода “Дельфи” выявляется преобладающее суждение специалистов по какому-либо вопросу в обстановке, исключающей их прямые дебаты между собой, но позволяющей им, вместе с тем, периодически взвешивать свои суждения с учетом ответов доводов коллег. Пересмотр и возможность изменения прежних оценок на основе выяснения соображений каждого из экспертов и последующий анализ каждым участником совокупности причин, представленных экспертами, стимулирует опрашиваемых к учету факторов, которые они на первых порах склонны были опустить как незначительные.

2.3.Прогнозирование наивными методами

В наивных медодах прогнозирования реализуются эконометрические подходы к прогнозному процессу. В связи с развитием экономико-математических методов окончательная класификация формализованных (наивных) методов пока еще не сложилась. Накопленные исследования по этой проблеме позволяют дифференцировать формализованные методы на две самостоятельные группы: методы прогнозной экстраполяции и методы моделирования. К наиболее распрастраненным наивным методам прогнонозирования относятся следующие 9, с. 53.

Анализ и декомпозиция трендов. Целью анализа тренда является разложение временного ряда продаж на главные компоненты, измерение эволюции каждой составляющей в прошлом и ее экстраполяция в будущем. В основе метода лежит идея стабильности причинно-следственных связей и регулярность эволюции факторов среды, что делает возможным использование экстраполяции. Метод состоит в разложении временного ряда на пять компонент:

1. структурная компонента, или долгосрочный тренд, обычно связанный с жизненным циклом;

2. циклическая компонента, соответствующая колебаниям относительного долгосрочного тренда под воздействием среднесрочных флуктуаций экономической активности;

3. сезонная компонента, или краткосрочные периодические флуктуации, обусловленные различными причинами;

4. случайная компонента, отражающая совокупное действие плохо изученных комплексных процессов, не представимых в количественной форме.

Для каждой компоненты рассчитывается параметр, основанный на наблюдавшихся закономерностях: долгосрочном темпе прироста, конъюнктурных флуктуациях, сезонных коэффициентах, специфичных факторах, затем эти параметры используются для составления прогноза [4].

Понятно, что такой прогноз имеет смысл только как краткосрочный, на период, в отношении которого можно принять, что характеристики изучаемого явления существенно не изменяются. Это требование часто оказывается реалистичным вследствие инертности среды.

Метод экспоненциального сглаживания. Используется для краткосрочного прогноза и основан на средневзвешенном значении продаж по определенному числу прошедших периодов. При этом наибольшие весовые коэффициенты придаются позднейшим продажам.

Главная слабость этих методов в том, что они не позволяют действительно предсказать эволюцию спроса, поскольку неспособны предвидеть какие-либо "поворотные точки". В лучшем случае они способны быстро учесть уже произошедшее изменение. Поэтому их называют "адаптивной прогнозной моделью". Тем не менее, для многих проблем управления такой "апостериорный" прогноз оказывается полезным при условии, что имеется достаточно времени для адаптации и факторы, определяющие уровень продаж, не подвержены резким изменениям 4, с.47.

Необходимость интегрального подхода: метод сценариев. Рассмотрение различных возможных методов прогнозирования выявило достоинства и недостатки каждого из них. На самом деле все эти методы являются взаимодополняемыми и эффективная прогнозная система должна обеспечить возможность использования любого из этих методов.

Ясно, что в условиях турбулентной среды интуиция и воображение способны стать важными инструментами восприятия реальности, дополняя количественные подходы, которые, по определению, опираются только на наблюдаемые факты. С другой стороны, понятно, что чисто качественному методу также присущи значительные риски и что интуиция должна в возможно большей степени проверяться с помощью доступных факторов и знаний. Таким образом, следует обеспечить сопоставление этих двух подходов [1, с.27].

3.Прогнозирование основных показателей развития сельского хозяйства Курской области

3.1. Сельское хозяйство как основная сфера АПК Курской области

Агропромышленный комплекс – один из основных секторов экономики области. Проводимая в области аграрная реформа направлена на создание экономических условий для функционирования сельских товаропроизводителей всех форм собственности и на этой основе скорейшую стабилизацию сельскохозяйственного производства в новых условиях хозяйствования.

На протяжении всего периода экономической реформы сокращение производства валовой продукции происходило за счет крупнотоварных хозяйств. В результате удельный вес продукции сельхозпредприятий в валовой продукции (в фактически действовавших ценах) снизился с 57,2% в 1991г. до 48,7% в 1997 г., соответственно с 42,7% до 50,3% вырос удельный вес продукции, производимой в хозяйствах населения.

В прошедшем году в сельхозпредприятиях области приостановлен спад производства валовой продукции. В целом по области к уровню 1998 года собрано больше на 19 тыс. т зерна, почти на 180 тыс. т увеличены объемы производства озимой пшеницы. Численность крестьянских (фермерских) хозяйств за 1997 год снизилась и на 1 января 1998г. составила 1448. На долю фермеров приходится 3,8% всех сельхозугодий области и 4,6% пашни. В основном это хозяйства с небольшими участками земли, что сдерживает развитие товарного производства. В фермерских хозяйствах в структуре производства преобладает выращивание зерновых культур (в 1997г. ими получено 4,6% зерна и 2,4% сахарной свеклы от общего производства) 11.

Производство основных продуктов растениеводства в последние годы уменьшается. По сравнению с 1991г. валовые сборы зерна в 1997г. сократились на 13,3%. В структуре производства зерновых культур увеличилась доля пшеницы с 37,5% в 1991г. до 42,2% в 1997г, ржи озимой соответственно с 4,3 до 7,4%; напротив, уменьшилась доля ячменя с 44,8 до 38,7%. За истекшие три года значительно сократились в сравнении с 1991г. сборы проса на 50%, сборы гречихи увеличились на 42%. На уровень производства основных сельскохозяйственных культур повлияло как сокращение посевных площадей, так и снижение урожайности. Общая посевная площадь сельскохозяйственных культур в хозяйствах всех категорий уменьшилась в 1997г. по сравнению с 1991г. на 13,6%, в том числе площадь зерновых на 6,4%.

Судьба 2000 года во многом определяется тем, как пройдет весенний сев, какую получат отдачу от каждого гектара земли, насколько загрузят мощности пищевых и перерабатывающих предприятий. В решении этой задачи всегда открывался путь к стабильности, благополучию и согласию в обществе.

В целях организованного обеспечения сельхозтоваропроизводителей необходимыми финансовыми средствами еще 29 ноября 1999г. принято постановление губернатора Курской области №743 “О порядке и условиях поставки товарно-материальных ценностей сельхозтоваропроизводителям области на 2000 год”. Правительством области разработана программа развития растениеводства на 2000 год, в которой предусмотрен рост производства сельскохозяйственной продукции и продовольствия на основе восстановления производственного потенциала и усиления государственной поддержки агропромышленного производства, применения эффективных ресурсосберегающих технологий, развития предпринимательской инициативы и инвестиционной деятельности.

Структура посевных площадей предусматривает расширение по сравнению с прошлым годом посевных площадей высокорентабельных сельскохозяйственных культур с учетом рыночной конъюнктуры, рационального использования природно-почвенных ресурсов и биологического потенциала возделываемых культур, усиление роли структуры посевов в сохранении и повышении плодородия почв.

Под урожай этого года хозяйства области имеют необходимое количество собственных семян, полная обеспеченность имеется по семенам ячменя, овса, проса.

Для сортосмены и сортообновления хозяйствами закуплено 1800 тонн элитных семян яровых зерновых культур, что в 2,8 раза превышает объем на соответствующую дату прошлого года. В целях пополнения недостающего количества семян яровых зерновых культур в большинстве районов области ведется межхозяйственный обмен.

По данным семенных инспекций на 15 марта 2000г. в хозяйствах об­ласти из проверенных 125,2 тыс.тонн семян яровых зерновых культур 96% являются кондиционными, а 86% их отвечают требованиям 1 и 2 классов по­севного стандарта, что на 4 и 11% соответственно выше, чем в прошлом году.

Старение сельскохозяйственной техники, возрастающие на нее нагрузки неотвратимо приводят к недобору продукции. Если проанализировать потери выращенного урожая зерновых от затягивания сроков уборки до 2 – 2,5 месяцев при нормативных 10 дней, потери при уборке изношенными, плохо отремонтированными из-за недостатка запасных частей комбайнами, превышение в 2,2 раза на них нагрузки против нормативной в 1999г. по области она составила 289 гектаров, а в отдельных районах превысила 300 га, то выходит, что при перестое хлебов после сроков созревания потери составляют более 20%, до 20% теряют наши комбайны, в целом мы недобираем до 40% выращенного урожая. Поскольку хозяйства в большинстве своем не имеют возможности обновлять комбайновый парк, в области ведется работа по созданию уборочных комплексов в машинно-технологических станциях.

Таким образом, механизированные отряды МТС вполне могут и должны стать мощным средством по предотвращению потерь урожая.

Правительством Курской области принимаются меры по оказанию помощи сельхозтоваропроизводителям. В порядке авансирования с промышленных предприятий сельхозтоваропроизводителям через АО “Курскагропромтехника” и ГУП “Курскагролизинг” поставлено техники и материальных ресурсов на 24,5 млн. руб., более 100 млн. руб. выделено из областного бюджета на ремонт сельскохозяйственной техники 11.

3.2. Практическое применение метода “ Дельфи ” в прогнозировании сельскохозяйственных показателей

Прогнозирование и программное планирование АПК базируется на ранее изложенных принципах, приемах и методах экономического прогнозирования и планирования.

Специфика АПК как объекта прогнозирования выражается в том, что он включает несколько органически взаимосвязанных отраслей народного хозяйства, первичным же является сельское хозяйство. Известно, что в сельскохозяйственном производстве условно можно выделить два периода: в одном - процесс производства совершается под действием человека, в другом - под воздействием природных сил.

Следовательно, при прогнозировании показателей развития АПК необходимо использовать как наивные методы, так и экспертные. В первом случае результат объективен, но недостаточно учитываются факторы внешней среды. Применение экспертных методов позволяет устранить данный недостаток.

В качестве объекта прогнозирования возьмем подкомплекс АПК Курской области - зернопродуктовый. Основным показателем развития комплекса является валовый сбор зерна. Исследуем изменение данного показателя в течении длительного временногопромежутка.

Динамика валового сбора зерна в Курской области представлена в следующей таблице.

Таблица 1 - ВАЛОВОЙ СБОР ЗЕРНА В 1913 - 1999 г.

(в первоначально-оприходованном весе)

(в хозяйствах всех категорий)

Годы	Тыс.тонн.	Годы	Тыс.тонн.	Годы	Тыс.тонн.		Годы	Тыс.тонн.
1913	1141.9	1959	1115	1973	2189.7		1987	2838.6
1 920	923.1	1960	1020.5	1974	2244.2		1988	2230,3
1932	1104.7	1961	1524.9	1975	1993.6		1989	2742.2
1940	1169.0	1962	1469.9	1976	2776.5		1990	2730.8
1945	380.1	1963	1086.6	1977	2289.6		1991	2031.7
1950	777.1	1964	1592.1	1978	2286.0		1992	2534.5
1951	831.5	1965	1670.2	1979	1427.6		1993	2682.8
1952	890.9	1966	1668.1	1980	1516.9		1994	2153.7
1953	936.3	1967	1787.0	1981	1383.4		1995	1489.6
1954	911.7	1968	2048.1	1982	1913.1		1996	1459.4
1955	120.7	1969	2756.2	1983	1982.3		1997	1776.4
1955	840.7	1970	2008.0	1984	1732.8		1998	1800.2
1957	1015.5	1971	2144.7	1985	2037.4		1999	1819.1
1958	1054.5	1972	2067.8	1986	2331.3

Значительные колебания анализируемого временного ряда были вызваны социально-экономическими и природными факторами.

Для прогнозирования валового сбора зерна была проведена экспертная оценка по методу “Дельфи”. В эспертизе приняло участие 14 человек. Экспертиза проводилась в письменном виде, в форме рассылки анкет. Условия проведения экспертизы были соблюдены: эксперты работали анонимно и автономно. В вопросниках был поставлен следующий вопрос: ”Назовите объем валового сбора зерна в Курской области в 2000 году в певоначально-оприходованном весе в хозяйствах всех категорий”. В качестве дополнительной информации экспертам предлагалась статистическая информация - таблица 1.

Экспертиза проводилась в два тура.

Первый тур опроса. Результаты ,а также ранжированный ряд представлены в таблице 2.

Таблица 2 - Результаты первого тура экспертизы

Экспертные данные (тыс.т)	2100	2200	1800	2600	1900	1950	1950	1975	1950	1950	2000	2050	2000	2000
Ранжированный ряд	1800	1900	1950	1950	1950	1950	1975	2000	2000	2000	2050	2100	2200	2600

n – число экспертов, участвующих в экспертизе.

Q_0,25=1950 Q_0,75=2050

Экспертные данные

Ранжированный ряд

Me

Рис 2. - Графики экспертных оценок валового сбора зерна

2 тур опроса

Таблица 3 - Результаты второго тура экспертизы

Экспертные данные (тыс.т)	1975	1990	2000	2000	2000	2050	1900	2090	1900	1975	1960	1960	1975	1980
Ранжированный ряд	1900	1900	1960	1960	1975	1975	1975	1980	1990	2000	2000	2000	2050	2090

=1983 Q_0,25=1960 =47,72

Me=1978 Q_0,75=2000 =2,40%

Коэффициент вариации уже после первого тура экспертизы не превышал 33%, для уточнения результатов был проведен второй тур. Коэффициент вариации снизился на 6,5%. Мнения экспертны практически полностью согласованы, точность эскпертной оценки достаточно высока - =2,40%.

Экспертные данные

Ранжированный ряд

Me

Рис. 3 - Графики экспертных оценок второго тура

Окончательные статистические результаты экспертизы “Дельфи” приведем в таблице 5.

Таблица 5 - Итоги экспертной оценки “Дельфи”

Тур	Интервал	Средняя оценка в туре	Дисперсия б2	v = б/х 100%
1	1950 – 2050	2030	32873,2	8,9
2	1960 – 2000	1982,5	2277,6	2,4

Результатом экспертизы является медиана ранжированного ряда в туре 2: Me=1978 (тыс.т.)

Экспертами были приведены следующие аргументы за минимальный сбор зерна:

• негативная оценка материально-технической базы основных хозяйств;

• прогнозная оценка погодных усовий:

• недостаточное финансирование АПК;

• проблемы в области управления АПК.

Аргументы за максимальный сбор зерна:

• активизация хозяйственной деятельности фермерских хозяйств в связи с проводимой в области аграрной реформой;

• увеличение посевных площадей.

По результатам были сделаны следующие выводы:

1. В результате 2-х туров оценки эксперты пришли к выводу, что валовой сбор зерна в Курской области в 2000 году составит 1978 тыс.т, это на 159 тыс.т больше чем в 1999г. Тенденция роста сбора зерна сохранится .

2. На протяжении двух туров коэффициент вариации составил менее 33%, опрос можно было прекратить после первого тура, но для уточнения результата был проведен второй тур.

3.3.Прогнозирование методом экстраполяции динамических рядов

Определим прогноз валового сбора зерна в 2000г. с помощью экстраполяции динамических рядов и полученный результат сравним с данными экспертов.

Исходной информацией для экстраполяции являются временные ряды.

При экстраполяции преполагается, что:

• текущий период изменения показателей может быть охарактеризован плавной траекторией - трендом;

• основные условия, определяющие технико-экономические показатели в текущем периоде, не претерпят существенных изменений в будущем, то есть в будущем они будут изменяться по тем же законам, что в прошлом и настоящем;

• отклонения фактических значений показателей от линии тренда носят случайный характер и распределяются по нормальному закону.

Прогнозное значение рассчитаем, используя табличный процессор Excel. Исходный динамический ряд представлен в таблице 1. Так как первая половина ряда имеет существенные колебания, вызванные в основном влиянием внешней среды: политические события, социально-экономические факторы, изменения границ области и т.д., то в качестве ретроспективной информации возьмем данные с 1970 года.

Представим информацию графически.

Рис.4 - Прогноз валового сбора зерна экстраполяцией динамического ряда

В качестве прогнозной функции выбираем полином 5-й степени, уравнение которого приведено на рисунке 4. Величина R² = 0,5389 приемлема. Прогнозное значение валового сбора для 2000 года равно 2500 тыс.тонн, что превышает результаты экспертной оценки.

При принятии управленческого решения должны быть учтены результаты, полученные и наивными, и экспертными методами.

Заключение

В заключении данной работы можно сделать вывод, что задачами экономического прогнозирования является выявление перспектив ближайшего или более отдалённого будущего в исследуемой области на основе реальных процессов действительности, выработка оптимальных управленческих решений и перспективных планов с учетом составленного прогноза и оценки принятого решения с позиций его последствий в прогнозируемом периоде.

Сущность экспертных методов состоит в проведении интуитивно-логического анализа проблемы, выполняемого привлечёнными для этой цели специалистами экспертами, обладающими необходимым профессиональным образованием, опытом и интуицией. Использование экспертного метода целесообразно только в задачах, отвечающим условиям:

1. задача не может быть решена никаким другим существующим способом;

2. другие, кроме экспертного способы или менее точны, или более трудоёмки.

Особенно эффективно использование экспертного метода в задачах характеризующихся неопределённостью ситуации, её вероятным характером. Подобные ситуации характерны для сельского хозяйства.

Следовательно, прогноз сделанный с помощью метода Дельфи является более достоверным, чем наивный прогноз. При принятии управленческого решения необходимо учитывать результаты и наивных и экспертных прогнозов.

Список использованных источников

1. Бешелев С.Д.,Гурвич Ф.Г.Математико-статистические методы экспертных оценок.2-е изд. перераб. и доп. М: Статистика. 1980-263с.

2. Бобровников Г.Н., Клебанов А.И. Прогнозирование в управлении техническим уровнем и качеством прдукции: Учеб. Пособие.-М:Издательство стандартов. 1984-232с.

3. Глущенко В.В., Глущенко И.И. Разработка управленческого решения. Прогнозирование-планирование. Теория проектирования экспериментов.-г.Железнодорожный, Моск.обл.:ТОО НПЦ “Крылья”,1997-400с.

4. Гранберг А.Г. Статистическое моделирование и прогнозирование / Под ред. Гранберга А.Г.- М:Финансы и статистика 1990-383с.

1. Кузьбожев Э.Н. Экономическое прогнозирование (методы и модели): Учеб. пособие.( Курск. гос. техн. ун-т Курска), 1997 –84с.

2. Литвак Б.Г. Экспертные оценки и принятие решений . М: Патент, 1996-217с.

3. Мотышина М.С.Методы социально-экономического прогнозирования: Учебное пособие- СПб: Изд-во СПб УЭФ,1994-114с.

4. Прогнозирование и планирование в условиях рынка : Учеб. пособие для вузов . Под ред. Морозовой Т.Г., Пикулькина А.В.- М: ЮНИТИ-ДАТА,1999-318с.

5. Прогнозирование и планирование экономики:Учеб. пособие/ Борисевич В.И., Кандаурова Г.А. - Мн.:ИП”Экоперспектива”, 2000. - 432с.

6. Теория прогнозирования и принятия решений. Учеб. пособие . Под ред. Саркисяна С.А. М: “Высш. Школа”,1977

7. Хохлов Б.П. О состоянии и основных направлениях развития агропромышленного комплекса области в 2000году/ Курская правда .28 марта 2000 с.2