середньої відносної помилки у показників мінімальні для методу ковзної середньої, і в цілому даний метод дає гарні результати при прогнозуванні демографічних процесів. Крім того, метод простий у використанні, що відкриває широкі можливості для його застосування. Метод найменших квадратів складніший у роботі, але дозволяє отримати також достовірні результати за умови підбору виду лінії тренда, добре апроксимуючої вихідний динамічний ряд. p> Застосування методу експоненціального згладжування доцільно тільки за умови використання середнього рівня ряду в якості початкового значення експоненційної зваженої. Але і в цьому випадку, отримані результати є самими ненадійними в порівнянні з прогнозуванням іншими методами.
Слід відзначити, що прогнозування методами екстраполяції грунтується на використанні простого методологічного апарату і часто використовується для отримання майбутніх оцінок соціально-економічних процесів. Виправдано їх використання і зокрема при побудові демографічних прогнозів, оскільки процеси природного і міграційного руху досить інерційні і не схильні до різких стрибків у рівнях.
Висновок
У відповідності з поставленими завданнями в даній роботі були досліджені 4 групи методів, використовуваних при прогнозуванні демографічних процесів:
1) методи екстраполяції;
2) економіко-математичні методи, що дозволяють розробити багатофакторні динамічні моделі;
3) методи пересування віків і когорт;
4) методи експертних оцінок.
Спираючись на наявні в розпорядженні дані, для практичної частини роботи, була обрана перша група методів. В результаті чого були побудовані прогнозні оцінки показників, що характеризують природне і міграційне руху населення в Оренбурзької області, за допомогою трьох методів екстраполяції:
- метод ковзної середньої;
- метод експоненціального згладжування;
- метод найменших квадратів.
Порівнявши отримані результати, зробимо висновок про доцільність застосування для прогнозування методу ковзної середньої і методу найменших квадратів. Метод експоненціального згладжування дозволив знайти менш точні прогнозні оцінки за порівнянні з іншими методами.
Метод найменших квадратів дозволив визначити, що найкраще наближення до вихідних рівням часових рядів дає функція параболи II порядку для всіх показників, крім В«Числа вибулих, людинаВ» - для нього кращою апроксимацією є лінійний тренд.
Для показника В«постійного населенняВ», В«Число прибулихВ» і В«Число вибулихВ» знайдені прогнозні значення і визначені межі довірчих інтервалів на 2010, 2011,2012 роки. p> Для показників В«Числа народженихВ» і В«Числа померлихВ» знайдені прогнозні значення і визначено межі довірчих інтервалів на 2009, 2010,2011 роки.
Отримані абсолютні дані можуть використовуватися для формування демографічної політики, а також прогнозування соціально-економічних процесів. br/>
Список використаних джерел та літератури
1. Афанасьєв В.Н., Юзбашев М.М. Аналіз тимчасових рядів і прогнозування: Підручник. - М.: Фінанси і статистика, 2001. - 228 с. p> 2. Артамонова І. А., Краснопевцева Б. В. Навчальний посібник В«Теорія управлінняВ». Москва: МІІГАіК, 2003.-86С. p> 3. Ахметов Р. Ш. Демографічні процеси в Оренбурзької області: вчора, сьогодні, завтра - Регіональний портал освітнього співтовариства Оренбуржья # "#"> demographia.ru , wikipedia.org.
В В
Додаток 1
Розрахунок прогнозних значень абсолютного показника народжених методомковзної середньої.
роки
Кількість народжених, осіб
Змінна середня m
Розрахунок середньої відносної помилки
разом
В В
37,38
1990
33311
-
-
1991
30177
30327
0,50
1992
27494
27273
0,80
1993
24148
25367
5,05
1994
24458
23813
2,64
1995
