Сидорова А.В.

д.э.н., проф., зав. кафедры «Экономическая статистика» ДонНУ

Базылевич Ю.О.

магистр ДонНУ

МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ ОБЪЕМА ВАЛОВОГО ВНУТРЕННЕГО ПРОДУКТА С ПРИМЕНЕНИЕМ МЕТОДА ПРИЧИННЫХ ВЗАИМОСВЯЗЕЙ

Для оценки экономического потенциала и развития экономики международные и национальные статистики стран применяют макроэкономические показатели, важнейшим из которых является валовой внутренний продукт (ВВП).

где: Y – валовой внутренний продукт, млн.грн.

X₁ – численность занятых, тыс.чел.

X₂ – производительность труда, тыс.грн./чел.

X₃ – инвестиции в основной капитал, млн.грн.

X₄ – объем выполненных научных и научно-

технических работ, млн.грн.

X₅ – доля оплаты труда в ВВП, %.

Оптимальным вариантом для моделирования уровня валового внутреннего продукта является метод причинных комплексов, а именно рекуррентная модель, так как он позволяет определить не только прямое влияние факторов, таких как производительность труда и численность занятых, но и опосредованное влияние других факторов. Данный причинный комплекс можно представить в виде графа связей, который выглядит таким образом:

Такую связь можно смоделировать для дальнейшего прогнозирования. Моделирование рекуррентной модели происходит от низшего уровня к высшему, т.е. с конца. Необходимо составить регрессионное уравнение, которое отражает влияние факторов на производительность труда, а затем получить окончательную модель влияния факторов на ВВП. Исследуя данные за 1999-2005 гг., была получена модель влияния факторов на ВВП, которая имеет следующий вид:

.

Коэффициенты при переменных показывают какое влияние каждый факторный признак оказывает на результативный.

Следующим этапом является прогнозирование каждого фактора на 2006 и 2007 год для определения уровня ВВП в эти периоды.

Прогнозные значения ВВП с доверительными интервалами представлены в таблице 1.

Таблица 1

Прогнозные значения ВВП Украины на 2006-2007 гг.

Год	Точечный прогноз, млн.грн.	Доверительные интервалы
		Нижняя граница	Верхняя граница
2006	474264,37	415530,60	535698,20
2007	559122,26	491540,88	630564,33

Расчеты показали, что результаты изучения ВВП как обособленного фактора отличаются от результатов исследования этого показателя под влиянием некоторых причинных факторов, что обуславливает необходимость использования данного метода причинных комплексов для исследования подобных показателей.

При моделировании и прогнозировании причинных комплексов возникает ряд сложностей, которые могут привести к недостоверным результатам:

§ Недостаточное количество наблюдений. То есть, чем больше выборка, тем вероятнее, что ее статистические характеристики будут соответствовать статистическим характеристикам совокупности в целом.

§ Структура системы также может затруднить точную оценку параметров, если нет больших выборок.

§ Ошибочный результат может быть обусловлен высокой степенью коллинеарности между переменными. Проблема коллинеарности существует, когда корреляции между двумя или более переменными, определяющими зависимую переменную, гораздо выше, чем корреляции между зависимой и определяющими переменными.

§ В социально-экономических исследованиях часто используются показатели, не имеющие количественного выражения. Например, экспертные оценки, объемы теневой экономики и т.д. Использование таких факторов также может исказить результат.

§ Проблема доверительных интервалов. В настоящий момент нет четкого алгоритма определения доверительных интервалов изучаемого явления. Существует два подхода к этому вопросу:

- доверительные интервалы определяются с учетом лишь одной погрешности – ошибки аппроксимации; то есть прогнозируемый результат может отличаться от точечного прогноза на ее величину;

- доверительные интервалы результативного признака определяются с учетом доверительных интервалов всех факторных признаков, которые прямо или косвенно на него влияют: верхняя и нижняя границы определяются также как и точечный прогноз, но в уравнения регрессии подставляются соответственно верхняя и нижняя границы факторных признаков.

Таким образом, несмотря на недостатки, метод причинных комплексов позволяет оценить не только прямые, но и опосредованные связи большого количества факторов, которые оказывают влияние друг на друга и на результативный признак, что дает возможность изучить признак в более широком аспекте.