Основные подходы к социально-экономическому прогнозированию на региональном уровне

Вид материала

Документы

Содержание Рассмотрим на примере Интегральное макропрогнозирование на основе МОБ. 6. Корреляционно-регрессионный анализ (на основе линейных трендов) для выявления наиболее общих макроэкономических пропорций. Нелинейное моделирование трендов в рамках синергетики. Оптимальное прогнозирование прямых и обратных социально-экономических связей. Технологическое предвидение (Форсайт).

Подобный материал:

• А. Г. Мнацаканян, В. В. Генне 236022, Россия, г. Калининград,, 96.39kb.
• Должностная инструкция ведущего специалиста отдела экономического развития, торговли, 20.9kb.
• Слайд №1 Лекарственное обеспечение граждан Республики Татарстан на региональном уровне, 190.53kb.
• Задачи данной дипломной работы: рассмотреть теоретические подходы к анализу и прогнозированию, 514.76kb.
• Научно-практическая конференция по мониторингу законодательства и правоприменения Заседание, 858.58kb.
• Современные аспекты развития малого предпринимательства в становлении конкурентоспособной, 80.83kb.
• В. Н. Южакова на семинаре «реалиазция мероприятий административной реформы в 2006 -2008, 40.43kb.
• Оренбургская областная трехсторонняя комиссия по регулированию социально-трудовых отношений, 289.59kb.
• Основные результаты и направления деятельности органов местного самоуправления Хохольского, 356.63kb.
• Основные результаты и перспективы деятельности органов местного самоуправления муниципального, 672.36kb.

Основные подходы к социально-экономическому прогнозированию на региональном уровне¹

В.В. Акбердина

к.э.н., доцент

Институт экономики УрО РАН


Прогнозирование социально-экономического развития является отправной точкой работы по управлению развитием как среднесрочную, так и долгосрочную перспективу. На основе обоснованного прогноза определяются цели социально-экономического развития, уточняются программные мероприятия и приоритеты в развитии хозяйственного комплекса. Одной из основных задач социально-экономического прогнозирования является предсказывание так называемых пороговых величин процессов развития: предельно допустимых значений показателей и выявление возможных сроков крупных сдвигов, знаменующих качественное изменение изучаемых процессов.

На сегодняшний день на практике прогнозы развития разрабатываются на основе методических рекомендаций Министерства экономического развития и торговли Российской Федерации. Основной акцент в данных рекомендациях сделан на трех положениях. Во-первых, прогнозы социально-экономического развития преимущественно должны составляться в двух вариантах: базовый – инерционное развитие; основной – применение в прогнозном периоде системы управляющих воздействий. Во-вторых, четко прописана методика сопоставления статистической информации на историческом интервале. В-третьих, в методических рекомендациях закреплена методика построения того или иного показателя социально-экономического развития. Несмотря на все положительные аспекты данных методических рекомендаций, главным недостатком является отсутствие формализованной схемы построения модели экономического развития, нет четко определенной группы методов прогнозирования, которые следует использовать при построении прогнозов социально-экономического развития.

В этой связи, имеется колоссальное количество работ, посвященных прогнозам экономического и социального развития. В научных разработках дается подробнейший анализ в историческом аспекте различного рода моделей. Эти модели рассматривают эволюционные процессы, волновую динамику, структурную динамику, акцентируясь на проблематике жизненных циклов различных объектов, теории катастроф, хаоса, принятия решений и т.д. Классифицировать эти разнообразнейшие модели социально-экономического развития по задачам, процедурам, принципам чрезвычайно сложно, да и вряд ли целесообразно. Поэтому цель доклада – показать направленность современной научной прогностической мысли и опыт комбинирования различных методов для получения наилучших результатов.

Перед тем как обратиться к подходам социально-экономического прогнозирования, необходимо осветить некоторые проблемы, связанные с самой процедурой прогнозирования. Эти проблемы условно можно разделить на две группы – методологические и технические.

Первая группа проблем связана с теоретическими и концептуальными вопросами. Сюда можно отнести такие моменты как

• наличие большого числа допущений и ограничений при прогнозировании;
  
• отсутствие универсальных методов прогнозирования на различные временные интервалы;
  
• отсутствие формализации многих фундаментальных законов экономики;
  
• отсутствие целеполагания при разработке прогнозов.
  

Вторая группа проблем имеет чисто технический характер:

• качество статистической информации;
  
• наличие временных лагов между использованием ресурсов и социально-экономической отдачей;
  
• сопряжение прогнозов по отраслям и территориям;
  
• наличие социально-экономических нормативов.
  

Основу инструментария социально-экономического прогнозирования составляют методы прогнозирования. На сегодняшний день разработано более двухсот различных методов, каждый из которых обладает своей областью применения, своими особенностями. Однако на практике сегодня используются порядка 10-20 наиболее распространенных методов прогнозирования социально-экономического развития.

В наиболее общем виде всю совокупность существующих методов прогнозирования экономических и социальных процессов можно разделить на две большие однородные группы: интуитивные и формализованные методы прогнозирования. В рамках научных исследований наибольший интерес представляют методы, отнесенные ко второй группе, однако последние время все чаще предпринимаются попытки исследования интуитивных методов.

С теоретической точки зрения формализованные методы прогнозирования являются достаточно проработанными. В настоящее время существует огромное количество всевозможных математических методов, которые с помощью различных преобразований позволяют выделить тенденции, закономерности на историческом интервале времени и на их базе произвести прогноз. К формализованным методам прогнозирования относятся методы исторических аналогий и методы математического моделирования (методы экстраполяции – линейные и нелинейные, методы эконометрического моделирования методы оптимального прогнозирования, матричные методы и др.).

Любой метод прогнозирования позволяет делать прогнозы с максимальной степенью достоверности в одних условиях, и является абсолютно неприменимым в других. Кроме того, социально-экономическая система как объект прогнозирования является сложной, многокомпонентной, многомерной системой. В этой связи, использование одно и двух методов прогнозирования оказывается крайне недостаточным, приводя к тому, что прогноз сводится к техническому расчету трендов и происходит выхолащивание целей прогнозирования.

Практический опыт автора показывает, что динамика социально-экономической системы не может быть описана каким-то определенным методом в силу ограниченности числа учитываемых параметров и связей между ними, принципиальной невозможности учесть модификацию этих связей в процессе эволюции системы. Институтом экономики Уральского отделения РАН был разработан среднесрочных прогноз развития Свердловской области на период до 2020 года, в котором было предложено использовать консенсус-прогноз на основании различных методов прогнозирования. Применение этих методов в отдельности не может дать такой прогностической точности как их оптимальная комбинация.

Рассмотрим на примере прогнозирования социально-экономического развития Свердловской области консенсус-прогноз таких методов как интегральное макропрогнозирование на основе МОБ, корреляционно-регрессионный анализ (на основе линейных трендов) для выявления наиболее общих макроэкономических пропорций, нелинейное моделирование трендов в рамках синергетики, оптимальное прогнозирование прямых и обратных социально-экономических связей и Форсайт.

Интегральное макропрогнозирование на основе МОБ.

Центральное звено социально-экономического прогнозирование занимает интегральное макропрогнозирование на основе межотраслевого баланса (МОБ). Какие бы методы исследователи не предлагали в качестве метода прогнозирования, никакой из них не сможет заменить модель МОБ по своей сути, поскольку МОБ – это основа всех макроэкономических взаимосвязей и одновременно характеристика структуры экономики в различных разрезах.

Суть прогнозирования сводится к прогнозированию матрицы коэффициентов прямых затрат. Ценность матрицы коэффициентов прямых затрат заключается в том, что подобная матрица характеризует структуру производственных связей в экономике, относительно стабильную в среднесрочном плане. Изменение же коэффициентов прямых затрат в долгосрочном плане можно проследить, исследуя структурные сдвиги в производстве, причинами которых являются воздействие технологических инноваций и перестройка механизмов саморегулирования производства и обращения.

Исторический опыт свидетельствует о том, что в процессе смены технологических укладов и адаптации к ним механизмов саморегулирования экономики коэффициенты агрегированных матриц межотраслевых связей резко не изменяются. Это связано с тем, что номенклатура продуктов и, тем более, экономический уклад трансформируются довольно медленно, поэтому в течение десятилетий одновременно производятся и потребляются как новые, так и уже устаревшие товары и услуги; сосуществуют формы различных экономических укладов.

Поэтому подберем такую последовательность матриц по периодам времени до горизонта прогноза, чтобы каждая последующая была бы как можно ближе к предыдущей. Матрица коэффициентов прямых затрат остается максимально стабильной по отношению к изменению конечного спроса и объемов производства секторов. В то же время наш подход дает возможность понять, как именно надо изменять структуру производственных связей, чтобы производство всегда было в состоянии удовлетворять конечный спрос, несмотря на то, что в долгосрочной перспективе его структура может существенно изменяться.

Далее с накоплением через матрицу коэффициентов эффективности капитальных вложений связаны приросты производственных возможностей секторов, выраженных объемами производства (валовыми выпусками).

Таким образом, в модели учитываются все основные воспроизводственные связи, которые можно проанализировать с помощью балансового метода. Такова логика данного подхода, однако, реальные же расчеты производились гораздо сложнее, учитывая влияние многих внешних факторов.


6. Корреляционно-регрессионный анализ (на основе линейных трендов) для выявления наиболее общих макроэкономических пропорций.

Не останавливаясь на широко известной методологии данного подхода, обращусь сразу к результатам. В итоге использования данного метода были получены макроэкономические модели, предназначенные для формирования сценариев на основе анализа наиболее общих пропорций, ограничений и эластичностей:

• зависимость ВРП, промышленного производства и доходной части бюджета от цен на нефть и металлы;
  
• зависимость ВРП от тарифов естественных монополий;
  
• эластичность ВРП по инвестициям с учетом временных лагов.
  

Минерально-сырьевая база Свердловской области не включает в себя углеводородное сырье. Экономика области носит ярко выраженный индустриальный характер, значительную долю в ВРП занимают обрабатывающие производства. В этой связи мировые цены на нефть оказывают опосредованное влияние на макроэкономические показатели Свердловской области через производный спрос на нефтегазовое оборудование и стальные трубы.

В структуре ВРП Свердловской области на долю металлургического комплекса приходится чуть более 20%. Удельный вес металлургического производства в доходах консолидированного бюджета Свердловской области составил более 15%, в том числе в поступлениях налога на прибыль в консолидированный бюджет – около 50%. Доля экспорта металлов и изделий из них в объеме эксперта Свердловской области составляет более 50% и постоянно увеличивается.

Детальный корреляционно-регрессионный анализ позволил проследить зависимость ВРП Свердловской области как от средневзвешенного индекса цен на металлы, так и от цен на отдельные металлы (алюминий, рафинированную медь и титановое сырье). Зависимость от металлургического комплекса делает экономику Свердловской области уязвимой к резкому изменению цен на металлы и создает сложности в плане макроэкономического прогнозирования. Для прогнозных расчетов использовались стоимость фьючерсов на основные металлы на Лондонской бирже металлов.

Другая группа моделей – модели эластичности ВРП по инвестициям. Сопоставление темпов прироста инвестиций в основной капитал и темпов прироста производительности труда за достаточно большой ретроспективный период показывает, что при изменении инвестиций в основной капитал на 1%, прирост производительности труда составляет 0,51% Коэффициент эластичности ВРП по инвестициям в основной капитал составляет 0,57%. Инвестиции в основной капитал дают отдачу спустя определенный временной лаг. В этой связи были рассчитаны коэффициенты эластичности макроэкономических показателей (за 5 лет) по инвестициям в основной капитал.

Для выяснения инвестиционного лага был проведен регрессионный анализ между ВРП и различными показателями, характеризующими инвестиции в основной капитал. Проведенный анализ позволил сделать следующие выводы.

Во-первых, было установлено, что уравнение регрессии абсолютного значения ВРП и абсолютного значения инвестиций имеет большую статистическую ошибку и не может быть использовано в дальнейших расчетах. Аналогичный вывод был сделан в отношении уравнения регрессии абсолютного значения ВРП и темпов роста инвестиций.

Во-вторых, существует статистически значимая зависимость между темпами роста ВРП и инвестиций в основной капитал, но в течение первых 3 лет эта корреляция отрицательная. Это говорит, о том, что эффект от прироста инвестиций в основной капитал положительным образом сказывается на темпах роста ВРП через минимум 3 года.

В-третьих, была установлена положительная корреляция между темпом ВРП и нормой даже в отсутствии временного лага.


Нелинейное моделирование трендов в рамках синергетики.

Применение синергетического подхода для анализа социально-экономических систем становится в последнее время особенно востребованным. Необходимо заметить, что хотя синергетические модели позволяют лишь качественно (на концептуальном уровне) описать исследуемые явления, тем не менее, с их помощью можно выявлять различные нелинейные особенности изучаемых процессов, что невозможно сделать в рамках имитационных моделей. Кроме того, ценность этих моделей состоит в том, что они позволяют исследовать влияние различных эндогенных и экзогенных факторов на поведение нелинейных траекторий изучаемой системы.

Количественной сутью нелинейного моделирования трендов в рамках синергетики явилась инвестиционно-инновационная динамика, отражающая нелинейные взаимосвязи неравновесных процессов обновления капитала, технологических изменений и социально-экономического роста в открытых экономических системах.

В рамках разработки прогноза был предложен авторский алгоритм анализа и построения совокупности нелинейных моделей, основой которого стала процедура декомпозиции данных. Экспериментальные данные, участвующие в процессе анализа, могут исследоваться как в полном объеме, так и по частям. Декомпозиция должна производиться в соответствии с принципом декомпозиции: данные временного ряда продолжительностью n разбиваются на временные интервалы размером m (m _) следующим образом 0..m, 1..m+1, 2..m+2, …, n-m..n. Экспериментальные данные разбивались на группы в соответствии с принципом поиска локальных максимумов и минимумов, суть которого заключается в изучении изменения тенденции поведения системы на небольших интервальных участках, в связи с этим фиксируется момент времени изменения тенденции, который и является началом нового интервала. В результате получались интервалы данных различной продолжительности. Таким образом, обеспечивается более точная аппроксимация модели экспериментальным данным на каждом из участков разбиения.

При разработке прогноза использовались как обыкновенных дифференциальные уравнения, так и дискретные отображения. В результате были получены модели поведения изучаемого объекта в критические периоды - предкризисные годы, годы кризиса, годы восстановительного роста, которые и легли в основу экстраполяции поведения объекта в прогнозном периоде.


Оптимальное прогнозирование прямых и обратных социально-экономических связей. В рамках разработки прогноза был разработан вычислительный алгоритм, позволяющий решать прямые и обратные задачи управления экономической динамикой Свердловской области. В частности, параметрами модели выступали структура экономики, норма добавленной стоимости в выпуске, темп роста отраслей экономики (для прямой задачи) и темп роста ВРП (для обратной задачи). В результате моделирования были получены значения ВРП и валовых выпусков.


Технологическое предвидение (Форсайт).

Подход на основе Форсайта опирается на положение, что технологическое предвидение – это процесс, связанный с систематической попыткой заглянуть в отдаленное будущее науки, технологии, экономики и общества с целью определения областей стратегических исследований и возникновения общих технологий, которые вероятно могут принести наибольшие экономические и социальные выгоды.

При разработке прогноза Свердловской области использовались мнения экспертов о технологической структуре экономики в 2020 году, об изменении матрицы прямых затрат в межотраслевом балансе, а также прогноз развития таких отраслей как металлургия и наноиндустрия.


Подводя итоги, можно сделать следующие выводы. Во-первых, предлагаемый нами комбинированный подход дает возможность получить системно согласованный консенсус-прогноз экономической динамики и структурных изменений в экономике Свердловской области на среднесрочную перспективу. Во-вторых, комбинирование методов, использование фундаментальных экономических связей (модели МОБ) и экспертного предвидения позволят избежать ситуации, когда методы, связанные с изучением социально-экономических явлений, становятся «игрушкой» математиков.