Проблемы прогнозирования
libre 8159
Анализ регрессионной модели в экономике происходит по двум основным направлениям.
- Изучение экономических закономерностей с целью улучшить понимание того, как работает экономика. Здесь особое внимание уделяется оцениванию различных показателей и проверке гипотез с последующей содержательной их экономической интерпретацией.
- Прогнозирование тенденций развития экономических процессов. В таких случаях регрессионная модель выступает лишь как средство достижения более практической цели – предвидеть, что может случиться.
Регрессионные модели являются наиболее употребительными на практике среди различных моделей прогнозирования. Они позволяют расширить термин “прогнозирование”.
Дело в том, что ряды наблюдений не обязательно имеют временную структуру, а задача оценки значения исследуемого показателя для некоторого набора значений объясняющих переменных, которых нет в выборке, вполне может быть реальной. Именно в этом смысле и следует понимать прогнозирование в эконометрике. 
Системность означает, что явление рассматривается, с одной стороны, как единое целое, а с другой стороны – как совокупность отдельных направлений прогнозирования. Практическая реализация этого принципа предполагает создание моделей, которые соответствовали бы содержанию каждого отдельного блока и одновременно позволяли бы строить целостную картину возможного развития объекта в прогнозируемом периоде.
Адекватность означает, что теоретическая модель отражает существенные закономерности, характерные описываемому явлению. Практическое использование этого принципа означает, что построенные модели должны быть сначала проверены с точки зрения их способности имитировать уже сложившиеся тенденции. Оценка адекватности сводится к проверке условий Гаусса-Маркова и нормального закона распределения для остаточной компоненты.
Устойчивость означает, что поведение модели во вневыборочном периоде сравнимо с ее поведением в период выборки. Другими словами, основные факторы, тенденции и зависимости, наблюдавшиеся в период выборки сохраняются в прогнозируемом периоде (либо можно будет предвидеть и определить направление их изменения).
Альтернативность означает, что развитие экономического объекта возможно по разным траекториям, при разных взаимосвязях и структурных соотношениях. Главная проблема практической реализации этого принципа состоит в том, чтобы отделить те варианты развития, которые осуществимы, от тех, которые не могут быть реализованы.
В качестве прогнозной модели может быть выбрана лучшая из числа построенных либо обобщенная модель на основе нескольких существующих. При выборе лучшей модели следует учитывать не только формальные характеристики, но и интерпретируемость с содержательной экономической точки зрения.
Проблема прогнозирования имеет много различных аспектов. Экстраполяция выявленных тенденций (продление на прогнозируемый период) позволяет получить точечный прогноз. Однако вероятность точного попадания в эту точку практически равна нулю. Отсюда следует необходимость вычисления оценок в виде “вилки” через интервальный прогноз, в котором истинное значение переменной находится с заданным уровнем надежности (доверия).
Различают также безусловное прогнозирование (его иногда называют предсказанием) и условное прогнозирование (или просто прогноз) в зависимости от того известны ли значения объясняющих переменных в прогнозируемый период точно или приближенно. Прогнозы менее точны, чем предсказания, поскольку они подвержены воздействию дополнительного источника ошибки – предсказания значений объясняющих переменных.
Эту дополнительную ошибку необходимо минимизировать, моделируя поведение объясняющих переменных. При эконометрическом прогнозировании на основании данных временных рядов следует учитывать особенности фактора времени, которые заключаются в следующем:
- последовательные по времени уровни временных рядов, как правило, являются взаимозависимыми, что приводит к автокорреляции, и тем самым не будет выполняться третье условие Гаусса-Маркова;
- поскольку объясняющие переменные зависят от времени, то они будут коррелировать и между собой. Следовательно, в модели будет присутствовать мультиколлинеарность;
- в зависимости от момента времени наблюдения обладают разной информативностью: по мере удаления от текущего момента времени информационная ценность наблюдений уменьшается. При прогнозировании возможно следует придать больший вес последним наблюдениям;
- с увеличением длины временного ряда точность статистических характеристик не обязательно будет повышаться, а при появлении новых закономерностей развития она может даже снижаться;
- текущее значение исследуемого показателя может зависеть не только от текущих значений объясняющих переменных, а и от предыдущих значений объясняющих и даже объясняемой переменных. Как следствие, при анализе временных рядов возникает необходимость в построении лаговых структур.
Таким образом, учет фактора времени в регрессионном анализе и прогнозировании по данным временных рядов является непременным условием, а его игнорирование может привести к неправильным оценкам и принятию ошибочных решений.
