Прогнозирование тенденций развития рынка легковых автомобилей

 

    Глава 2. Моделирование показателя «Объем продаж легковых автомобилей в Российской Федерации». 

1. Построение  модели.

 

    До  начала построения модели и прогнозирования, определим основные понятия в моделировании и прогнозировании.

    Прогноз - научно обоснованное суждение о возможных  состояниях объекта в будущем, об альтернативных путях и сроках его  осуществления. Процесс разработки прогнозов называется прогнозированием. Это процесс разработки прогнозов, основанный на научных методах познания социально-экономических явлений и использовании всей совокупности методов, средств и способов экономической прогностики.

    Цель  прогнозирования состоит в создании научных предпосылок, включающих научный анализ тенденций развития экономики: вариантное предвидение предстоящего развития общественного воспроизводства, учитывающее как сложившиеся тенденции, так и намеченные цели; оценку возможных последствий принимаемых решений; обоснование направлений социально-экономического и научно-технического развития для принятия управляющих решений.

    Моделирование – построение поисковых и нормативных моделей с учетом вероятного или желательного изменения прогнозируемого явления по имеющимся прямым или косвенным данным о масштабах и направлении изменений. 

    Существует  несколько этапов разработки прогнозов.

I этап  – программно-методологический (определение  целей, задач, предмета методов, периода)

II  этап  –  сбор данных прогнозного  фона.

III этап  –  применение различных способов прогнозирования.

IV этап  – оценка достоверности прогноза, а также точности и обоснованности (верификация). 

     Основной  целью анализа объекта прогнозирования  является разработка его прогнозной модели.    Модель – явление, предмет, установка, знаковое образование или условный образ, находящийся в некотором соответствии с изучаемым объектом и способный замещать его в процессе исследования, давая информацию об объекте.

     Прогнозная  модель – модель объекта прогнозирования, исследование которой позволяет получить информацию о возможных состояниях объекта в будущем и путях достижения этих состояний.

     Построение  модели включает следующие этапы:

1. Спецификация  модели, т. е. выбор типа модели. Она включает постановку проблемы, 
формулировку конкретных целей и определение участвующих в модели факторов. Этап спецификации заканчивается выбором типа уравнения, описывающего связь между переменными модели.

2. Идентификация  модели - нахождение неизвестных  параметров модели.

3. Верификация  модели - т. е. ответ на вопрос о том, достаточно ли точно модель описывает данный экономический процесс, можно ли использовать ее для прогнозирования.

    Построение  модели заканчивается этапом идентификации, после этого возникают вопросы, насколько удачна подобрана модель, то есть можно ли рассчитывать на то, что ее использование для прогнозирования даст результаты, адекватные реальной действительности, и какова ее точность. Получение ответов на эти вопросы и составляет содержание проблемы верификации. 

    Итак, из выбранных нами факторов и основного показателя объема продаж легковых автомобилей построим модель. Для начала, на основе матрицы корреляции оценим, все ли факторы оказывают влияние на основной показатель – объем продаж легковых автомобилей.

 

    Как видно из матрицы, лишь факторы Х3 (импорт) и Х4 (экспорт) оказывают  влияние на объем продаж.

    Далее приступим к проверке качества модели множественной регрессии, которая  осуществляется по следующей схеме:

• проверка статистической значимости каждого коэффициента уравнения регрессии;
• проверка общего качества уравнения регрессии;
• оценка точности модели.

 

    Статистическая  значимость параметров уравнения множественной  регрессии проверяется на основе – статистики Стьюдента. Для этого применим метод пошаговой регрессии с пошаговым включением в модель факторов, и проверим их статистическую значимость.

1. Включим в модель фактор Х3.

Судя  по значению t-статистики, фактор значим, и ошибка минимальная. При этом  коэффициент детерминации принимает большое значение. Включаем Х3 в модель. 

2. Включаем  в модель фактор Х4.

Здесь мы видим, что оба параметра являются статистически значимыми, поскольку присутствуют высокие значения t-статистики. Коэффициент детерминации увеличился, и его значение очень высокое. Включаем Х4 в модель.

3. Включаем в модель Х1.

    Несмотря  на то, что коэффициент детерминации увеличился, значение t-статистики при Х1 ниже теоретического значения, к тому же аналогичный показатель у двух других факторов снизился. Х1 нельзя назвать статистически значимым параметром, и поэтому его включение в модель не представляется целесообразным.

     

4. Включаем в модель Х2.

 

    Мы  видим аналогичную ситуацию –  увеличение коэффициента детерминации с одной стороны и расчетное  значение t-статистики при показателе Х2 меньше теоретического значения. Включение фактора нецелесообразно. 

5. Включаем  в модель Х5.

 

Аналогичный вывод – фактор статистически не значим, включение в модель несообразно.

Таким образом, из 5 выбранных на основе экономической  значимости факторов, статистически  значимыми оказались лишь два  – Х3, Х4 – и именно их мы и включаем в модель. 
 

    Таким образом, в модели остается лишь две переменные. Для выбора типа зависимости между переменными, проверим регрессии для различных типов (линейная, степенная, гиперболическая, показательная). В нашей работе остановимся на линейной зависимости между факторами, поскольку с точки зрения экономической интерпретации, именно линейная связь возможна между объемом производства, импортом и экспортом легковых автомобилей. Кроме того, высокое значение нормированного коэффициента детерминации (0,941) математически обосновывает наш выбор.