Применение экономико-статистических методов для определения региональной потребности в материальных ресурсах на стадии предплановых расчетов

Страница 3

Проведенный анализ позволил выделить четыре основных показателя, достаточно полно описывающих общую вариацию зависимой переменной, а именно показателя производства товарной продукции электроэнергетики, черной металлургии, топливной промышленности и промышленности строительных материалов. Существенность данных факторов подтверждается экономическим анализом, так как перечисленные показатели характеризуют развитие четырех наиболее крупных отраслей - потребителей котельно-печного топлива в экономике России.

Таким образом, в результате многошагового регрессионного анализа было получено следующее уравнение:

ln y = 4.9390+0.2152*ln x1+0.1037*ln x2+0.0724*ln x3+0.4585*ln x4

R=0.9441; R2=0.8913; S=2.79

где R - множественный коэффициент корреляции;

R2 - коэффициент множественной детерминации;

S - средняя ошибка аппроксимации.

Полученное сравнение имеет достаточно-высокие статистические характеристики, соответствует данным качественного (теоретико-экономического) анализа и является достаточно общим с точки зрения степени детализации используемых независимых переменных. Перечисленные свойства позволяют использовать приведенную форму модели в прогнозно-аналитических расчетах по определению общих объемов потребности в котельно-печной топливе экономики областей, краев и автономных республик России.

Описанная модель позволяет на основе достаточно общих данных определять потребность в котельно-печном топливе по экономике в целом того или иного региона. Для определения ее потребности в материальных ресурсах по различным направлениям их расхода необходимы разработка и использование более детализированных моделей, учитывающих параметры технического л экономического развития отдельных отраслей (сфер) народного хозяйства регионов республики. Примером такой регионально-отраслевой модели может служить разработанная нами модель потребления котельно-печного топлива на коммунально-бытовые нужды областей, краев и автономных республик России.

На первом этапе построения данной модели было осуществлено выделение основных влияющих факторов, отражавших важнейшие закономерности формирования моделируемого показателя. В результате теоретического, корреляционного и регрессионного анализа из большого набора различных факторов, влияющих на уровень регионального потребления котельно-печного топлива на коммунально-бытовые нужды ( y ), были выделены шесть наиболее существеных показателей:

х1е - общая площадь децентрализовано отапливаемого жилого и обобществленного нежилого фонда в регионе;

х1 - общая площадь децентрализовано отапливаемого жилого фонда в регионе;

х2 - средний часовой расход тепловой энергии на отопление 1 кв.м. указанного жилого фонда;

х3 - продолжительность отопительного периода со средней суточной температурой воздуха 8°С и ниже в данной местности, сутки ,

х4·-·разность между расчетной температурой внутреннего воздуха отапливаемых помещений и средней температурой наружного воздуха за отопительный период;

х5 - удельный расход условного топлива на выработку тепла при децентрализованной системе теплоснабжения.

Процесс построения модели заключался в разработке альтернативных вариантов регрессионных уравнений на основе использования различных комбинаций исходного набора факторов и форм связи. Количественный и качественный анализ альтернативных вариантов модели регионального потребления котельно-печного топлива на коммунально-бытовые нужды позволял выделить как наиболее адекватные и отвечающие Целям исследования пять регрессионных уравнений, параметры и статистические характеристики которых приведены в приложении 2.

Полученные уравнения обладают высокими аппроксимирующими свойствами и не противоречат данным качественного (теоретико-экономического) анализа. В то же время приведенные уравнения существенно различаются по своим прогнозно-аналитическим возможностям, Так, уравнения 1-3, хотя и обладают наибольшей точностью описания моделируемого показателя, более приемлемы для краткосрочного прогнозирования, поскольку включают в себя показатель общей площади обобществленного нежилого фонда, значение которого на перспективу не планируется.

Для долгосрочного же прогнозирования наиболее приемлемо уравнение 5:

ln y = -20.1198+0.9245*ln x1+1.3233*ln x2+0.9256ln x3+0.419*ln x4+ +1.3092*ln x5;

R=0.9883; R2=0.9767; S=1.18

Данное уравнение обладает более высокой точностью по сравнению с уравнением 4, а главное - позволяет учесть влияние на моделируемый показатель факторов научно-технического прогресса (в качестве независимых переменных, отражающих влияние научно-технического прогресса, в уравнении выступают показатель х2, характеризующий уровень теплотехнической эффективности жилого фонда, и показатель х5, характеризующий степень технического совершенства применяемых теплогенерирующих установок).

5. Адаптирование моделей к изменяющимся условиям развития

Необходимой предпосылкой обеспечения достоверности и качества прогноза в современных условиях должно выступать обеспечение адаптации статистических моделей к изменяющимся условиям развития. Долгосрочное прогнозирование потребности в материальных ресурсах как элемент обоснования основных направлений и показателей перспективного развития и размещения отраслей экономики не может отроиться лишь на основе славившихся инерционных тенденций. Такое прогнозирование требует учета не столько ретроспективных, сколько перспективных направлений развития материального производства и непроизводственной сферы. Данное обстоятельство особенно существенно в условиях планируемого ускорения научно-технического прогресса, серьезных структурных перестроек в экономике, повышения общих темпов экономического роста

Придание статистическим моделям свойства адаптации, приспособления к изменяющимся условиям развития может быть осуществлено путем использования при построении моделей планируемых (прогнозируемых) на перспективу значений исследуемых показателей, т.е. путем статистического описания взаимосвязей между наиболее вероятными в перспективе значениями основных влияющих факторов и показателями перспективной потребности в материальных ресурсах. При этом для определения показателей перспективной потребности может быть использован негативный метод, позволяющий учесть влияние на ее величину основных параметров социально-экономического развития и результатов научно-технического прогресса.

Построение обобщенных, адаптированных экономико-статистических моделей пространственного типа может быть осуществлено на основе динамизации параметров регрессионного уравнения, т.е. путем включения в модель фактора времени, отражающего структурные изменения в общественном производстве и потреблении материальных ресурсов, а также влияние факторов научно-технического прогресса. Так описание тенденций изменения параметров модели потребления котельно-печного топлива на коммунально-бытовые нужды областей, краев и других регионов России с помощью уравнений полиномов первой степени позволило перейти от статической к динамической форме модели, выражаемой уравнением:

ln y = -19.4957-0.285t+(0.899+0.0125t)*ln x1+(1.5437-0.1055t)*ln x2+ +(0.9573-0.015t)*ln x3+(0.0207+0.011t)*ln x4+(1.0203+0.135t)*ln x5

R=0.988 R2=0.977; S=1,18

где t - фактор времени (для 1990 г. t =1, для 1993 г. t=2 и т.д.)

Следует отметить, что для динамической пространственной модели потребления материальных ресурсов имеется возможность получения дополнительных, уточненных вариантов прогноза на основе учета систематических отклонений фактических (плановых, прогнозных) значений результативного признака от теоретических (расчетных), определенных по построенным (статистическим) уравнениям регрессии. Для этого достаточно использовать средние отклонения фактических (плановых, прогнозных) значений потребности от расчетных, вычисленные по отклонениям тех дет, по данным которых построена динамическая модель.

При решении задачи увязки прогнозов региональной потребности, полученных с использованием различных статистических методов и моделей, наиболее подходящим, на наш взгляд, является подход, при котором для всех прогнозов рассчитываются доверительные интервалы и на основе анализа последних принимается окончательное решение. При этом прогнозы можно считать тождественными, если доверительные интервалы совпадают или входят один в другой. Если же доверительные интервалы перекрываются, то можно считать, что прогнозы непротиворечивы а том случае, когда зона перекрытия превышает половину доверительного интервала.