о виражає цю автокорреляционную залежність, і, користуючись ним, екстраполювати ряд.
Цей список не є вичерпним, наведені лише найпростіші методи екстраполяції.
Проте добре відомо, що ті чи інші В«пророкуванняВ» статистики іноді не тільки не підтверджуються, але прямо протилежні дійсному ходу зміни досліджуваних показників. Це доводить, що прогнозування, засноване тільки на обробці даних спостереження, занадто ризиковано, якщо воно не враховує безлічі взаємопов'язаних фактів і моментів, які здатні змінити тенденцію розвитку в майбутньому [3].
Велике значення при екстраполяції має тривалість базисного ряду динаміки і термінів прогнозування.
Практика прогнозування динаміки соціально-економічних явищ показує, що при екстраполяції слід брати ті субперіоду базисного ряду, які складають певний етап у розвитку досліджуваного явища в конкретних історичних умовах [1].
Прогнози можуть будуватися на тривалий період - довгострокові прогнози і на невеликі відрізки часу - короткострокові прогнози [3]. Встановлення термінів прогнозування залежить від завдання дослідження. Але слід мати на увазі, що чим коротше терміни попередження прогнозу, тим надійніше результати екстраполяції. Застосування методів екстраполяції залежить від змін у базисному ряду динаміки і зумовлюється постановкою завдання дослідження [1]. При довгостроковому прогнозі (на 5 - 10 років) слід виходити з динаміки досліджуваного показника. Для короткострокових ж прогнозів більш важливо дослідити вплив факторів, визначальних досліджуваний показник [3].
При екстраполяції рівнів розвитку досліджуваного явища на базі ряду динаміки з постійними абсолютними приростами застосовується формула
,
де - екстраполіруемого рівень;
- кінцевий рівень базисного ряду динаміки;
t - термін прогнозу (період попередження).
При екстраполяції рівнів розвитку досліджуваного явища на базі ряду динаміки з стабільними темпами зростання застосовується формула
.
На практиці результат екстраполяції прогнозованих рівнів соціально-економічних явищ зазвичай виконуються не точковими (дискретними), а інтервальними оцінками. Для визначення меж інтервалів використовується формула
,
де - коефіцієнт довіри по розподілу Стьюдента;
- залишкове середнє квадратичне відхилення тренду, скоригована за кількістю ступенів свободи (nm);
n - число рівнів базисного ряду динаміки;
m - число параметрів адекватної моделі тренду.
Важливо мати на увазі, що екстраполяція в рядах динаміки носить не тільки наближений, а й умовний характер. Це обумовлено поширенням на ряди динаміки положень кореляційно-регресійного аналізу вибіркових сукупностей. Ці питання в теорії статистики розроблені недостатньо. Тому застосування методів екстраполяції в рядах динаміки не є самоціллю. При розробці прогнозів соціально-економічних явищ залучається додаткова інформація, на основі якої в отримані методом екстраполяції кількісні оцінки вносяться відповідні корективи [1].
Економічне прогнозування неможливе без доброго знання досліджуваного явища і володіння різними методами обробки динамічних рядів, які в кожному окремому випадку допомогли б виявити загальну закономірність зміни, періодичність у підвищенні або зниженні рівнів (якщо вона має місце), випадкові коливання, автокореляції і кореляцію між окремими рядами [3].
При аналізі рядів динаміки іноді доводиться вдаватися до визначення деяких невідомих рівнів всередині даного ряду динаміки, тобто до інтерполяції.
Як і екстраполяція, інтерполяція може проводиться на основі середнього абсолютного приросту, середнього темпу зростання, а також за допомогою аналітичного вирівнювання. При інтерполяції передбачається, що ні виявлена ​​тенденція, ні її характер НЕ зазнали істотних змін у тому проміжку часу, рівень (рівні) якого нам невідомий [2].
2. Завдання 1
Є ряд статистичних показників. Описати даний ряд, розрахувати показники динаміки. p> Зібрати дані в зведену таблицю, зробити висновки.
Показники, характеризують капітальні вкладення в електроенергетику, млрд. руб.
Роки
1980
1981
1982
1983
1984
1985
Всього
2,7
2,9
2,8
2,7
2,6
2,8
У тому числі у торгівлю
0,04
0,17
0,16
0,56
