Диссертация (1152263), страница 26
Текст из файла (страница 26)
Поскольку практически все они формируются под действием множества факторов,то прогнозирующая их модель – многофакторная, учитывающая все многообразие. Многофакторная модель прогнозирования даст большую точность, чем однофакторная, так как она вскрывает специфику, аккуратнее моделируя экономическую ситуацию.Выберу для моделирования широко используемую в экономике линейномногофакторную модель (ЛММ) для проверки ее прикладных возможностей припринятии управленческих решений в ИСК. Для исключения влияния размерностинеобходимо нормировать факторы и критерий по формуле 2.1:=()−min ()max ()−min ()(2.1),145y (t ) – минимум среди критерия Y в зависимости от года, max y (t ) – макгде minttсимум среди критерия Y в зависимости от года.Факторы нормируются аналогичным образом.
Нормированные факторы икритерий по трем отрезкам времени приведены в таблицах 1 – 3 в приложении Г.Проанализирую представленные факторы модели с позиций их взаимнойкорреляции. Факторы с высокой взаимной корреляцией подлежат исключению избольшинства моделей (в частности, ЛММ) вследствие невозможности определения степени их изолированного влияния на результативный статистический показатель. В связи с этим не интерпретируются и параметры уравнения регрессии.Парную корреляцию рядов можно рассчитать по формуле 2.2: x x y y ,''(2.2),n x yгде х, у – значения факторного и результативного показателей соответственно, х’,у’ – средние значения соответствующих показателей, σX, σY – средние квадратические отклонения (типовые отклонения переменных х и у), проверяемые математически по формуле 2.3: x x ' 2x n y y ' 2, y n(2.3),где n – количество наблюдений в совокупности.Таблицы парных корреляций перенесены в приложение Д по причине ихгромоздкости.При анализе факторов модели выявили те из них, которые обладают высокой степенью взаимной корреляции:1.
В 1990 – 1997 гг. между факторами модели Х9 и Х18 коэффициент взаимной корреляции составил 0,959823. Поэтому логично было исключить Х18, по-146скольку в 1998 – 2008 гг. данный фактор модели показал низкую с критерием взаимную корреляцию.2. В 1998 – 2007 гг.
обнаружились неординарности следующего рода:– между факторами модели Х1 и факторами модели Х5, Х8, Х13, Х16 и Х17 появилась целесообразность исключения из внимания фактора модели Х1, поскольку, сделав это, из поля зрения уйдет максимальное число факторов модели с высокой степенью взаимной корреляции;– между факторами модели Х5 и Х13 пришлось исключить первый по той причине, что фактор модели Х13 в 1990 – 1997 и 2008 – 2016 гг. имел максимальный вес;– между факторами модели Х5 и Х16 оптимальным условием оказалось исключить последний, чтобы не пришлось удалять фактор модели Х17;– между факторами модели Х8 и Х4 с целью минимизации количества элиминируемых из поля зрения факторов модели логичным действием оказалось исключение фактора модели Х8;– между факторами модели Х12 и Х11 пришлось исключить последний, поскольку в 2008 – 2016 гг.
первый имел очень высокую значимость.3. В 2008 – 2016 гг. наблюдалась следующая картина:– между факторами модели Х8 и Х9 вынуждены были удалить первый фактор по аналогии с периодом 1998 – 2008 гг.Кроме того, при обнаружении пришлось исключить из анализа некоторыестатистические показатели, которые отличились низкой степенью взаимной корреляции фактора модели и критерия:– в 1990 – 1997 гг. – факторы модели Х7, Х12 и Х14;– в 1998 – 2007 гг.
– фактор модели Х18;– в 2008 – 2016 гг. – фактор модели Х10 и Х11.Построим ЛММ динамики ввода в действие зданий, сооружений, отдельныхпроизводственных мощностей, домов, объектов социально-культурного назначения, употребляя формулу 2.4:расч ( ) = 0 + ∑ ( ) ,(2.4),147где а0 – независимый коэффициент, ai – коэффициенты влияния i-х факторов xi(t)в момент времени (года) t на значение критерия.
Для определения коэффициентовпридется воспользоваться нивелированием квадратичного отклонения статистических данных от расчетных по формуле 2.5:2 = ∑(() − расч ()) → (2.5).Минимизацию квадратичного отклонения статистических данных от расчетных произведем с использованием мастера «поиск решения» в компьютерной программе MS Excel. Объясняющие регрессионные модели позволят выяснить, какие факторы модели в их линейной комбинации оказывают большее влияние на реакцию, а какие – меньшее.Результаты подбора выбранных коэффициентов представлены в таблицах2.22 и 2.23.
Очевидно, что в первом варианте моделей определяющим статистическим показателем оказался фактор Х13. Это объяснимо – тот же жилищный фонд,который построен и введен в эксплуатацию. Поэтому и возникла целесообразность исключить из ЛММ фактор Х13 и повторить расчеты (Таблица 2.23).С точки зрения объясняющих свойств многофакторной модели интереснымпредставляется следующее:1. С 1999 г. высокую и примерно одинаковую значимость имеет фактормодели Х2 (объем ипотечных кредитов).Появление ипотечного кредитования после развала СССР оказало стабильное положительное влияние на темпы жилищного строительства в нашей страневне зависимости от прочих изменений экономической конъюнктуры.2. Вес фактора модели Х4 (численность населения РСФСР и РФ) практически линейно увеличился с -0,6 до +0,1.
Это сигнализирует о начале изменениймнений и настроениях населения к количеству необходимого приватизируемогожилья в собственности и в их финансовых возможностях.148Таблица 2.22 – Коэффициенты модели с учетом факторов, исключенных по показаниям высокой или низкой степеникорреляции с критериемПериод, гг.А0А1А2А3А4А5А6А7А81990 – 19970,24106-0,06945600,15821-0,25807-0,11185-0,02631–-0,032621998 – 20070,070488–0,190215-0,0345-0,05412–2008 – 20160,0191780,1364780,1640349430,1422470,06987А9А10А11А12А13А141990 – 1997-0,11832-0,183470,022417–0,5689841998 – 2007-0,002210,073882-0,11882–2008 – 20160,073127––0,174669Период, гг.0,054998 0,073609–-0,28173–А15А16А17A18–0,197362-0,060620,096303–0,313942-0,07911-0,04367–0,466249–0,300210,036767-0,15695-0,041190,0607280,0036630,002773 0,088491Источник: рассчитано автором по данным Росстат.Таблица 2.23 – Коэффициенты модели с учетом исключенного фактора Х13Период, гг.A0A1A2A3A4A5A6A7A81990 –19970,5892-0,13130,00000,3358-0,5659-0,3676-0,04450,0000-0,07681998 – 20070,1311–0,2851-0,0458-0,09640,05620,0762–2008 – 2016-0,00310,14390,25450,23070,10590,00540,1330-0,3590–A9A10A11A12A14A15A16A17A181990 –1997-0,2034-0,34800,04880,0000–0,4142-0,08390,2254–1998 – 2007-0,02440,0850-0,15540,0681-0,0559-0,0729–0,6152–2008 – 20160,09300,00000,00000,26120,0546-0,2443-0,05280,10140,0095Период, гг.Источник: рассчитано автором по данным Росстат.149Со времен РСФСР стало нормальным явлением иметь в наличии больше квадратных метров площадей в домашнем хозяйстве.
Поэтому увеличилось количествограждан, захотевших не только улучшить свои жилищные условия, но и имеющихвозможность их расширить, стимулируя тем самым развитие жилищного рынка.3. Вес фактора модели Х6 (объем производства стройматериалов) после финансового кризиса 2008 г. начал в большей степени влиять на показатели жилищного строительства. Это логично, поскольку значительная доля производствастроительных материалов идет именно на возведение жилья и гражданской инфраструктуры, а не на объекты промышленного и социокультурного назначения.4. Фактор модели Х7 (индекс цен), наоборот, после кризиса 2008 г. стал оказывать сдерживающее влияние на рост рынка жилья, что вполне объяснимо.
До2008 г. у граждан имелось в распоряжении больше финансовых средств, которыеони могли потратить на улучшение жилищных условий или приобретение квартир или домов.5. Фактор модели Х9 (обеспеченность ресурсами или, иначе говоря, отсутствие необходимости в субподрядчиках), напротив, перестал замедлять развитиежилищного строительства, характерное до 1998 г. Это совпадает с выводом пофактору Х6 (объем производства стройматериалов), когда объекты промышленности инерционно достраивались по планам СССР до 1998 г. наиболее обеспеченными строительными организациями. С появлением и совершенствованиемналогового законодательства в РФ рационализировалось использование субподрядных работ, что выразилось в игнорировании уровня обеспеченности генподрядчика собственными основными средствами.
Тоже самое можно отнести и кфактору модели Х17 (наличие основных фондов), имевшем наибольшее значениев начале 2000-х гг., до момента вытеснения в стране реальных подрядчиковсубъектами-победителями тендеров и нанимателями на работу бывших генподрядчиков по демпинговым ценам.6. Парадоксально то, что фактор модели Х12 (инфляция) от периода к периоду, с одной стороны, показывает ускорение основных статистических показателей150жилищного строительства. С другой, в нестабильной экономической обстановкевложение финансовых ресурсов в собственное жилье является не только одним изнаиболее распространенных, но и удобных способов вложения свободных денежных средств.
Вероятно, в данном случае имеет место разрыв между реальной иофициальной инфляцией.7. Фактор модели Х15 (уровень рентабельности) со времен РСФСР последовательно и непрерывно оказывал сдерживающее влияние на тенденции жилищного строительства. Здесь имеют значение, мягко говоря, непрозрачные финансовыесхемы, ставшие обычным явлением в строительстве (жилищном, промышленном,дорожном и т. д.) в этот отрезок времени.Следовательно, построение ЛММ позволяет с легкостью объяснить происходящие в СЭС изменения, в том числе касающиеся динамики инновационногоразвитияИСК.Однакодляподдержкиобоснованныхорганизационно-управленческих инноваций в этой системе также необходимо провести оценкупрогнозных свойств получаемых моделей, применив широко распространенныйметод постпрогноза. Для этого просчитаем реакцию ИСК по модели при известных рядах факторов на протяжении нескольких последних лет годовых рядов накаждом отрезке.Итак, для каждой модели был произведен расчет постпрогноза на 1, 2 и 3года с построением соответствующих графиков (Рисунок 2.37 – 2.39).
Очевидно,что даже на один год модели 1 и 2-го отрезков прогнозировать очень сложно, амодель 3-го отрезка совершенно расходится с реальностью при попытке получитьпостпрогноз на следующие 3 года.Полученные результаты исследования возможности получения максимальновысокого из достижимых результатов линейной регрессии свидетельствуют о нецелесообразности использования ЛММ для прогнозирования динамики ИСК и последствий принятия управленческих решений из-за низкого качества прогнозов вследствие сложности системы, неудовлетворительных значений постпрогнозов, наличиязначительных шумов и высоких значений среднеквадратических ошибок модели.1511,21Исходный рядПостпрогноз на 1 годПостпрогноз на 2 годаПостпрогноз на 3 годаЛММ0,80,60,40,20123456789-0,2-0,4Рисунок 2.37 – ЛММ и постпрогнозы 1990 – 1998 гг.Источник: построено автором.1,2Исходный рядПостпрогноз на 1 год1Постпрогноз на 2 года0,8Постпрогноз на 3 годаЛММ0,60,40,2012345678-0,2Рисунок 2.38 – ЛММ и постпрогнозы 1998 – 2008 гг.Источник: построено автором.91521,2Исходный ряд1Постпрогноз на 1 год0,8Постпрогноз на 2 года0,6Постпрогноз на 3 годаЛММ0,40,20123456789-0,2Рисунок 2.39 – ЛММ и постпрогнозы 2008 – 2016 гг.Источник: построено автором.Линейные модели не способны учитывать цикличность, колебательные переходные процессы, нелинейные связи между факторами и динамикой измененияреакции.Обобщая вышеизложенное, можно сделать следующий вывод:1.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
