Диссертация (1151153), страница 20

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 20)

Моделируем распределение зафиксированного числа рождений (из числаобратившихся за МСП) в течение каждого месяца на основе равномерного закона.3. Для каждого из льготодержателей, принявших решение обратиться запособием, моделируем на компьютере интервал времени между рождением ребенка и обращением запособием на основе гамма-распределения, факт проживания в районе с установленным коэффициентом кзаработной плате на основе зафиксированных в п.1 вероятностей rcp1и rcp2.4. Подсчитываем попадание числа обращений в каждый месяц прогнозногопериода, определяем суммарный размер выплат для каждого месяца с учетомрезультатов моделирования месяца рождения ребенка и пропорций граждан,проживающих в районах с установленным районным коэффициентом кзаработной плате.3.4.

Верификация и стресс-тестированиеВерификация методов и верификация прогноза основана на критериипопадания фактических показателей демографических процессов и фактическогообъема выплат в коридоры соответствующих прогнозов. Оценка объемасоциальнойвыплатынадекабрь2012годаподаннымдемографической статистики 2011 года дала следующие результаты: среднее 2 653 679 рублей, максимум 3 061 539 рублей, минимум 2 181 463 рублей, стандартное отклонение 168 987 рублей, фактическая выплата 2 877 414 рублей.социально-113Относительная погрешность составила 8,4% от среднего и -6,0% отмаксимума при среднеквадратичном отклонении от среднего 6,4%.

Аналогичныерезультаты за январь-декабрь 2012 года представлены в Приложении 8.Погрешность порядка 10% свидетельствует о значительном повышенииточности прогноза для выбранного класса социальных выплат (детские пособия).Косвенная оценка точности государственного прогнозирования осуществляласьпо результатам исполнения подраздела «Охрана семьи и детства» федеральногобюджета за 2011 год: погрешность составила 45% от закона о федеральномбюджете.Расчеты показателей рождаемости и смертности на основе предложенныхметодов и моделей были выполнены также для Тюменской области и КабардиноБалкарской республики, значительно различающихся уровнем экономическогоразвитияиприродно-климатическимиусловиями.Попаданиереальныхпоказателей накопленной интенсивности демографических процессов в коридорпрогноза подтверждает эффективность предложенных методов и алгоритмов.Рисунок 21 – Траектория накопленной интенсивность рождений дляКабардино-Балкарской республики за 2012 год и коридор прогноза по данным до2011 года.114Рисунок 22 – Траектория накопленной интенсивность смертей дляТюменской области за 2012 год и коридор прогноза по данным до 2011 года.Стресс-тестирование заключается в определении «стрессовых» ситуаций,измерениисоответствующихимразмеровотклоненийпоказателейдемографических процессов от нормального протекания и сравнении результатовпрогнозирования для нормальных и «стрессовых» ситуаций.Стресс-тестирование метода сплайновой регрессии с узлами в точкахзначимыхсоциально-экономическихсобытийзаключается,во-первых,вувеличении величины отклонения данных от регрессионной кривой в точках,расположенных между узлами.

Как мы убедились ранее, сглаживание данных всамом узле незначительно улучшает аппроксимацию в других точках. Во-вторых,интересно поведение последнего сегмента сплайна при увеличении отклонения водной из внутренних точек данных, через которые он проходит (случайноговсплеска или спада в интенсивности рождений), и в самой граничной точке. Втретьих рассматривается изменение модели сплайновой регрессии при вариациипроизводной в начальной точке.При удвоении отклонения от линии сплайновой регрессии (результирующееотклонение порядка3) для двух точек, расположенных в предпоследнемсегменте сплайна, последний сегмент реагирует следующим образом.

Приувеличении рождаемости прогноз становится более оптимистичным: на 0,8% дляпервого года прогноза, 1,9% для второго и 3,3% для третьего. При уменьшении –115менее оптимистичным на 0,9%, 2,3% и 4,2%. При этом обе линии не выходят зарамкидоверительногокоридорапрогноза,построенногодляисходнойсплайновой регрессии.Рисунок 23 – Реакция сплайна на выбросы в предпоследнем участкеПри увеличении случайного отклонения в одной из внутренних точекпоследнего сегмента (в 4 раза, так же порядка3) зафиксировано следующееизменение прогноза.

При увеличении рождаемости в точке искусственноговыброса прогноз стал менее оптимистичным на 1,2% для первого года прогноза,2,8% для второго и 4,9% для третьего. При уменьшении рождаемости – наоборот,более оптимистичным на 1,6%, 3,8% и 6,6% соответственно. Данный фактобъясним тем, что в первом случае аппроксимирующая последний сегмент кривая– вогнутая, а во втором – выпуклая.116Рисунок 24 – Реакция сплайна на выбросы в последнем участкеВарьирование случайного отклонения в конечной точке дает большийразброс вариантов прогноза: для2– порядка 3% для первого года, 5% длявторого и 8% для третьего в обе стороны. Для3– 4%, 8% и 12% соответственно.Рисунок 25 – Реакция сплайна на выбросы в последней точке ( 2 )При увеличении случайного отклонения в начальной точке до3изменяется незначительно: максимум на 0,4% для третьего года прогноза.прогноз117Для показателя накопленной интенсивности смертей нет необходимости ваналогичных расчетах, поскольку интенсивность смертности в большей степенизависит от естественных причин.

Оценим воздействие обычной эпидемии (непандемии) или техногенной катастрофы на прогноз смертности. Для региона сдостаточно большим населением влияние будет меньше, чем для региона снебольшим населением. Предположим, в результате падения самолета погибло120 человек населения Вологодской области. С учетом общего населения порядка1200000 человек и годовой интенсивности смертей порядка 16 человек на 1000населения увеличение месячной интенсивности смертности будет незначительно– около 0,8%, и им можно пренебречь.Распределение числа смертей по месяцам внутри года (в рамках моделинеоднородного по времени пуассоновского процесса) однозначно обусловленоконфигурацией накопленной интенсивности, поэтому для данного алгоритмастресс-тестирование не производится.3.5.

Структура системы поддержки принятия решенийФункциональная структура системы поддержки принятия решений.Цель разработки системы поддержки принятия решений – обеспечениеспециалиста, принимающего решение о необходимом объеме бюджетногофинансирования социальных выплат и социальной помощи населению региона,научно обоснованным, соответствующим текущим социально-экономическимтенденциям,многовариантным(интервальным)прогнозомсоциально-демографической структуры населения, на основании которого строится прогноззатрат на социальную поддержку населения.

Этот факт отражен на контекстнойдиаграмме в Приложении 6.Для конкретной меры социальной поддержки процесс прогнозированияколичества ее получателей (и их существенных для определения объема118выплат/услуг характеристик) можно разбить на следующие основные блоки(диаграмма первого уровня декомпозиции в Приложении 6): блоканализасоциально-демографическойструктурыльготнойкатегории, претендующей на МСП, блокпрогнозированиядемографическойструктурыльготнойкатегории; блок анализа способа обращения и выплаты меры социальнойподдержки; блок прогнозирования потребности в денежных средствах дляосуществления выплат МСП.Пояснение: социально-демографическая структура населения регионаявляется многослойной.

То есть, один и тот же человек может получатьразличные меры социальной поддержки на основании различных присвоенныхему льготных категорий. Поэтому анализ производится итеративно по каждой измер. Факторы, не являющиеся демографическими (например, наличие документаоб инвалидности, уровень дохода и пр.), фиксируются.Рассмотримподробнеевторойблок(диаграмматретьегоуровнядекомпозиции в Приложении 6). Рождаемость и смертность в демографиирассматриваютсякакдвапротивоположныхпроцесса,которыедолжныкомпенсировать друг друга. Результат их взаимодействия – естественный прирост(убыль)населения.Мырассматриваемихпоотдельности.Во-первых,статистические данные о них имеют разную структуру, обусловленнуюиспользуемой Росстатом методикой.

Во-вторых, их поведения несколькоразличается: рождаемость не всегда синхронно уменьшается при увеличениисмертности и на коротких промежутках времени сильнее подвержена влияниювнешнихсоциально-экономическихиинформационныхфакторов.Функционально блоки анализа и прогнозирования рождаемости не различаются.Существенное различие заключается в используемых методах анализа ипрогнозирования (диаграммы четвертого уровня декомпозиции в Приложении 6).119Для прогноза общего коэффициента рождаемости на год вперед вместе страдиционными статистическими методами используется аппроксимация иэкстраполяция кубическим сплайном по сетке значительных социальноэкономических событий (кризисы, введение материнского капитала). Дляприменения сплайнов есть ряд причин.

Характеристики

Список файлов диссертации