мок розвитку) змінилися? У цьому випадку передбачається використання такого штучного прийому, як виправлення тренда. Відсікаються показники ряду, які були сформовані віджилими факторами, але при поділі старих і нових тенденцій слід бути обережним (можна скористатися експертними оцінками). p align="justify"> Прогноз повинен мати високу точність, помилка прогнозу буде тим менше, чим менше період (строк) попередження і чим більше база прогнозу.
Період (строк) попередження - це інтервал часу, на який розробляється прогноз. База прогнозу - це статистична інформація за ряд років, на яку ми спираємося при побудові розрахунків. Термін попередження повинен становити не менше 1/3 бази прогнозу. p align="justify"> Побудовані за допомогою методів екстраполяції прогнози не можна розглядати як кінцевий етап прогнозування, бо отриманий показник слід оцінити за допомогою експертів і в разі необхідності скоригувати, якщо економічні, політичні та інші умови в країні (місті) змінюються.
Процедура екстраполяції - це чисто механічний прийом, отже, велике значення тут має розрахунок довірчого інтервалу, тобто діапазону відхилення отриманої прогнозної оцінки. Довірчий інтервал розраховується двома способами: формальним і неформальним. Формальний заснований на застосуванні спеціальних математичних формул, а неформальний - на використанні експертних оцінок, висновків. p align="justify"> Метод ковзної середньої дає можливість вирівнювати динамічний ряд на основі його середніх характеристик. При екстраполяції за допомогою середнього рівня ряду використовується принцип, при якому прогнозований рівень приймається рівним середньому значенню рівнів ряду в минулому. p align="justify"> Даний метод дає прогнозну точкову оцінку і більш ефективно використовується при короткостроковому прогнозуванні. Перевага даного методу полягає в тому, що він простий у застосуванні і не вимагає великої інформаційної бази. p align="justify"> Метод експоненціального згладжування дає можливість виявити тенденцію, що склалася до моменту останнього спостереження, і дозволяє оцінити параметри моделі, яка описує тренд, який сформувався наприкінці базисного періоду. Цей метод адаптується до мінливих в часі умовам, а не просто екстраполюють діючі залежності в майбутнє. p align="justify"> Метод експоненціального згладжування найбільш ефективний при розробці коротко-і середньострокових прогнозів. Його основні переваги полягають у простоті обчислення та облік ваг вихідної інформації, тобто нові дані або дані за останні періоди мають більшу вагу, ніж дані більш віддалених періодів. p align="justify"> При використанні для прогнозування даного методу виникають наступні труднощі: а) вибір значення параметра згладжування; б) визначення початкового значення експоненціально зваженої середньої. p align="justify"> Метод найменших квадратів заснований на виявленні параметрів моделі, які мінімізують суми квадратичних відхилень між що спостерігаються велич...
