Статист-ий прогноз это вероятностная оценка возможн-ей развития объекта (процесса) и величины его признаков в будущем, получ-ая на основе статистич-ой закономерности, выявленной по данным прошлого пер-да. Он предназначен либо для планир-ия управл-ия объекта, либо для выработки стратегии поведения субъекта, если объект не управляем. Статистич-ий прогноз предпол-ет не только верное качеств-ое Предсказ-ие, но и достаточно точное колич-ое измерение вероятных Возможн-ей ожидаемых знач-ий признаков. Для данной цели необходимо, чтобы прогностическая модель имела достаточную точность или допустимо малую ошибку прогноза. Область применения метода прогноз-ия широка, что вытекает из большого значения изучения трендов и колеблемости в соц-эконом-их науках, а так же в процессе практич-го планир-ия и управл-я произв-ом(прогноз-ие урожайности, объема продукции растениеводства)Прогно-ие всегда опирается на опыт развития изучаемого явл-я в прошлом. Прогноз выр-ся как в виде точечной или интерв-ой оценке. Точ-ый прогноз есть оценка прогноз-го показ-ля в точке (в конкретном году, месяце, дне, середине периода прогноза) по уравнению, описывающему тенденцию показ-ля.Рассчитыв-ся путем подстановки номера года, на кот рассчит-ся прогноз, в уравн-ие тренда. Она явл-ся средней оценкой для
прогноз-го интервала времени. Точ-ый прогноз указывает ту величину урож-ти, на кот в среднем выйдет объект на прогнозир-ый год, если тенденция динамики урож-ти сохранится. Эту величину можно исп-ть в планирование. Интерв-ый прогноз по типу прогнозир-го показ-ля распадается на 3 вида: прогноз вероятных границ тренда; прогноз вероятных границ уровней отдельных лет с учетом их возможной колеблемости относит-но тренда; прогноз вероятных границ среднегодовых уровней динамич ряда.
В-29. Косвенный метод наименьших квадратов для оценки параметров структурной формы модели
k-ты СФМ м/б оценены разными методами в зав-сти от вида системы одновременных ур-ий. КМНК применяется для точно идентиф ур-ия. Процедура применения КМНК предполагает выполнение след этапов: 1)СФМ преобразовывается в ПФМ; 2)для кажд ур-ия ПФМ обычным МНК оцениваются приведен k-ты δij; 3)k-ты ПФМ трансформируются в параметры СФМ.
КМНК применяется в случае точно идентифицируемой модели. Процедура применения КМНК предполагает выполнение следующих этапов: 1. Составляют приведенную форму модели и определяют численные значения параметров для каждого ее уравнения обычным МНК. 2. путем алгебраических преобразований переходят от приведенной формы к уравнениям структурной формы модели, получая тем самым численные оценки структурных параметров
1.проверка н и д условия идентиф-ции 2. выражение х через то ур-е у в пфм кот нет в ур-ии сфм 3. подставляем в нужное ур-е пфм 4. собираем ур-я сфм в систему.
В-30. Двухшаговый метод наименьших квадратов для оценки параметров структурной формы модели
ДМНК применяется для сверхидентиф ур-ия. Осн идея в том, что на основе ПФ для сверхидентиф ур-ия получают теоретические знач эндогенных переменных, содержащихся в правой части ур-ия. Далее подставив их (ỷi) вместо фактич знач-ий, получают СФМ, к кот применяют обычный МНК. Двухшаговый, т.к. МНК применяется 2 раза: на 1ом шаге при определении ПФМ и нахождении на её основе теоретических знач эндогенной переменной: ỷi=δi1x1+δi2x2+…+δikxk; на 2ом шаге применительно к структурному сверидентиф ур-ию при определении структ k-тов модели по данным теорет знач-ий эндоген переменных.
Сверхидентиф модель м/б 2х видов: 1) когда все ур-ия сверхидентиф; 2)когда наряду со сверхидентиф содержатся точно идентиф ур-ия. Если в системе все ур-ия сверхидентиф, то для оценки структ k-тов кажд из этих ур-ий применяется ДМНК. Если в системе есть точно идентиф ур-ия, то структ k-ты по ним находятся из системы приведен ур-ий (с пом КМНК).
