а) наличие совокупности;

б) достаточный объем наблюдений;

в) случайность и независимость наблюдений;

г) однородность;

д) наличие распределения признаков, близкого к нормальному;

е) наличие специального математического аппарата.

Построение стохастической модели проводится в несколько этапов:

· качественный анализ (постановка цели анализа, определение совокупности, определение результативных и факторных признаков, выбор периода, за который проводится анализ, выбор метода анализа);

· предварительный анализ моделируемой совокупности (проверка однородности совокупности, исключение аномальных наблюдений, уточнение необходимого объема выборки, установление законов распределения изучаемых показателей);

· построение стохастической (регрессионной) модели (уточнение перечня факторов, расчет оценок параметров уравнения регрессии, перебор конкурирующих вариантов моделей);

· оценка адекватности модели (проверка статистической существенности уравнения в целом и его отдельных параметров, проверка соответствия формальных свойств оценок задачам исследования);

· экономическая интерпретация и практическое использование модели (определение пространственно-временной устойчивости построенной зависимости, оценка практических свойств модели).

Кроме деления на детерминированный и стохастический, различают следующие типы факторного анализа:

§ прямой и обратный;

§ одноступенчатый и многоступенчатый;

§ статический и динамичный;

§ ретроспективный и перспективный (прогнозный).

При прямом факторном анализе исследование ведется дедуктивным способом - от общего к частному. Обратный факторный анализ осуществляет исследование причинно-следственных связей способом логичной индукции - от частных, отдельных факторов к обобщающим. Факторный анализ может быть одноступенчатым и многоступенчатым. Первый тип используется для исследования факторов только одного уровня (одной ступени) подчинения без их детализации на составные части. Например, . При многоступенчатом факторном анализе проводится детализация факторов a и b на составные элементы с целью изучения их поведения. Детализация факторов может быть продолжена и дальше. В этом случае изучается влияние факторов различных уровней соподчиненности. Необходимо также различать статический и динамический факторный анализ. Первый вид применяется при изучении влияния факторов на результативные показатели на соответствующую дату. Другой вид представляет собой методику исследования причинно-следственных связей в динамике. И, наконец, факторный анализ может быть ретроспективным, который изучает причины прироста результативных показателей за прошлые периоды, и перспективным, который исследует поведение факторов и результативных показателей в перспективе.

С позиции регрессионного анализа критериальный показатель рассматривается как «зависимая» переменная (как правило, ранговая или количественная), которая выражается функцией от «независимых» признаков . Для оценки эффективности регрессионной диагностической модели вводится вектор остатков , который отражает влияние на совокупности неучтенных случайных факторов либо меру достижимой аппроксимации Аппроксимация - это математический метод, состоящий в замене одних математических объектов другими, в том или ином смысле близкими к исходным, но более простыми. значений критериального показателя , , функциями типа . Линейная функция регрессии записывается следующим образом

,

где - является свободным членом, а элементы весового вектора называются коэффициентами регрессии. Различают два подхода в зависимости от происхождения матрицы данных. В первом считается, что признаки являются детерминированными и случайной величиной является только зависимая переменная z. Эта модель используется наиболее часто и называется моделью с фиксированной матрицей данных. Во втором подходе считается, что признаки и z - случайные величины, имеющие совместное распределение. В такой ситуации оценка уравнения регрессии есть оценка условного математического ожидания случайной величины z в зависимости от случайных величин . Данная модель называется моделью со случайной матрицей данных. Каждый из приведенных подходов имеет свои особенности. В то же время показано, что модели с фиксированной матрицей данных и со случайной матрицей данных отличаются только статистическими свойствами оценок параметров уравнения регрессии, тогда как вычислительные аспекты этих моделей совпадают. В уравнении линейной функции регрессии обычно полагают, что величины независимы и случайно распределены с нулевым средним и дисперсией у2е, а оценка параметров w0 и w производится с помощью метода наименьших квадратов (МНК). Ищется минимум суммы квадратов невязок:

.

Это приводит к нормальной системе линейных уравнений

где - вектор оценок ковариации между критериальным показателем z и признаками ; - оценка среднего значения z; - вектор средних значений и матрица ковариации признаков . Основные показатели качества регрессионной диагностической модели, например, коэффициент детерминации, подробно излагаются в соответствующей литературе.

SWOT-анализ

С 60-х годов прошлого века и по сей день SWOT-анализ широко применяется в процессе стратегического планирования. В каждом бизнес-плане, в каждом плане маркетинга должен быть раздел «SWOT-анализ». Первоначально SWOT-анализ был основан на озвучивании и структурировании знаний о текущей ситуации и тенденциях. Позднее SWOT-анализ стал использоваться в более широком приложении - для конструирования стратегий. В результате выполнения классического SWOT-анализа создается структурированная информация в рамках единой SWOT-модели. Цель построения расширенной SWOT матрицы состоит в том, чтобы сфокусировать внимание аналитика на построении четырех групп, различных стратегий. Каждая группа стратегий использует определенную парную комбинацию внутренних и внешних обстоятельств. Совместному анализу подвергаются пары следующих показателей: силы - возможности (S - O); силы - угрозы (S - T); слабости - возможности (W - O); слабости - угрозы (W - T).

В результате анализа показателей из каждой пары формируется набор стратегий. Стратегии именуются по названию анализируемых внутренних и внешних обстоятельств. Так, при анализе пары факторов «силы - возможности» формируется группа стратегий, которая относится к типу «стратегии S-O». Для другой пары факторов «силы - угрозы» создается группа «стратегии S-T» и т.д. В зависимости от вида получаемых стратегий выделяются следующие способы руководства ими:

1. Cтратегии W-T (слабости - угрозы). Цель любой из стратегий вида W-T состоит в том, чтобы минимизировать слабости и угрозы;

2. Стратегии W-O (слабости - возможности). Стратегии данной группы пытаются минимизировать слабости и одновременно максимизировать возможности;

3. Стратегии S - T (cилы - угрозы). Цель данных стратегий состоит в том, чтобы максимально развить силы, и минимизировать угрозы;

4. Стратегии S - O (cилы - возможности). Любая компания должна стремиться к тому, чтобы максимизировать одновременно как силы, так и возможности;

В ряде работ отмечается, что SWOT-анализ во всех своих модификациях является наиболее удобным и надежным инструментом стратегического планирования.

Имитационный анализ

Особо важное место имитационные методы занимают в анализе экономических процессов. Управление в современном мире становится все более трудным делом, поскольку организационные структуры постоянно усложняются. Эта сложность объясняется характером взаимоотношений между различными элементами экономических систем и физическим системами, с которыми они взаимодействуют. Изменение одной из характеристик системы приводит к изменениям в других частях системы, что привело к развитию методологии системного анализа. Одним из наиболее важных и полезных орудий анализа структуры сложных процессов и систем стало имитационное моделирование. Имитировать значит вообразить, постичь суть явления, не прибегая к экспериментам на реальном объекте. По существу, каждая модель есть форма имитации. В работе [6] дается следующее определение: имитационное моделирование есть процесс конструирования модели реальной системы и постановки экспериментов на этой модели с целью либо понять поведение системы, либо оценить (в рамках ограничений, накладываемых некоторым критерием или совокупностью критериев) различные стратегии, обеспечивающие функционирование данной системы.

Исследование экономических систем с использованием инструментария имитационного моделирования проходит по следующим этапам:

- наблюдение системы,

- формулировка математической модели, с помощью которой пытаются объяснить поведение системы;

- предсказание поведения системы на основании этой модели с помощью расчетов;

- проведение экспериментов для проверки пригодности модели.

Машинная имитация как средство анализа экономических систем предназначена для того, чтобы помочь осуществить перечисленные этапы исследования. Математическая структура модели может быть очень сложной, однако в самом общем виде ее математически можно представить в виде

,

где E - результат действия системы, - переменные и параметры, которыми возможно управление, - переменные и параметры, управление которыми существенно ограничено или практически невозможно.

Почти каждая модель представляет собой некоторую комбинацию таких составляющих, как компоненты, переменные, параметры, функциональные зависимости, ограничения, целевые функции. Следует отметить, что в условиях неоднозначности будущих значений социально-экономических показателей имитационное моделирование можно считать одним из надежных способов из идентификации.

В следующей главе на основе анализа доступной статистической информации дается оценка текущего социально-экономического положения Орловской области, а также проводится SWOT-анализ.

Глава 2. Социально-экономическое положение Орловской области

2.1 Социально-экономическое положение Орловской области

Основные социально-экономические показатели, сложившиеся в январе-марте 2009 года, свидетельствуют о сохранении кризисной ситуации в экономике Орловской области. При этом в отдельных секторах сохраняется позитивная динамика развития.

В I квартале 2009 года аграрный сектор экономики области развивался под действием позитивных тенденций: неуклонное наращивание объемов производства скота и птицы на убой (в живом весе), прежде всего, благодаря успешному развитию свиноводства на возрождаемых в регионе специализированных животноводческих комплексах, увеличение валовых надоев молока за счет роста молочной продуктивности дойного стада.

Валовая продукция сельского хозяйства по сравнению с январем-мартом прошлого года увеличилась на 6%, составив (по оценке) 4,7 млрд. рублей. В хозяйствах всех категорий реализация скота и птицы на убой в живом весе выросла на 12%, производство молока - на 3% при уменьшении сбора яиц на 20%. Производство мяса в сельскохозяйственных организациях по РФ возросло на 11%, по ЦФО - на 23%. Реализация скота и птицы на убой в Орловской области увеличилась на 29%. Валовой надой молока в сельскохозяйственных организациях в целом по России уменьшился на 0,1%, по ЦФО - на 4%. Производство молока в Орловской области увеличилось на 6%. Сбор яиц в сельскохозяйственных организациях по РФ возрос на 3%, по ЦФО - на 7. В Орловской области он сократился на 37%.

Страницы: 1, 2, 3, 4