- Nie oczekuje się zmian w poziomie zmiennej w krótkim okresie.
- Niezmienność kierunku trendu (rosnący, malejący);
- Stałość charakteru zmian zjawiska wyrażoną poprzez niezmienność postaci analitycznej funkcji trendu (liniowa, potęgowa, itd.) i oszacowanych parametrów strukturalnych modelu.
Założenia:
1.)Stabilność relacji strukturalnych w czasie
Zarówno postać analityczna modelu, jak i wartości ocen jego parametrów nie ulegną zmianie w przedziale czasu, dla którego wyznacza się prognozę.
2.)Stabilność rozkładu składnika losowego,
umożliwiającą ocenę dokładności prognozy.
- Utrzyma się zaobserwowana (tendencja rozwojowa), (stały poziom) zmiennej;
- Rodzaj i siła wahań sezonowych (wyrażona czystymi wskaźnikami sezonowości) nie ulegną zmianie;
- W przyszłości oddziaływanie zmiennych objaśniających na zmienną objaśnianą nie zmieni się i będzie takie samo jak w przeszłości;
- Ani postać modelu, ani oszacowania jego parametrów strukturalnych nie ulegną zmianie do okresu prognozowanego włącznie.
Założenia prognostyczne:
- Znany jest „dobry model” ;
- Występuje stabilność relacji strukturalnych w czasie;
- Składnik losowy ma stały rozkład w czasie;
- Znane są wartości zmiennych objaśniających (X) lub ich rozkłady prawdopodobieństwa w momencie lub okresie prognozowanym.
- Można ekstrapolować model poza jego dziedzinę.
POSTAWY PROGNOSTYCZNE
Przyszłość jest nieuniknionym następstwem przeszłości, określonym przez konieczne, niezależne od woli ludzi związki między zjawiskami. Związki te są trwałe, co ozn że zjawisko cechuje duża inercja. Prognosta musi odgadnąć „prawo ruchu” zjawiska, wyrażających jego przyszłe stany przez stany przeszłe.
Przyszłość jest stosunkowo niezależna od przeszłości. Przyszłość zależy od pragnień, intencji, celów i dążeń ludzi, Jest więc ona otwarta, pluralistyczna. Ludzie kreują nowe potrzeby, motywy działań. Przewidywanie przyszłości jest poszukiwaniem w teraźniejszości faktów niosących przyszłość, próbą odgadnięcia czego ludzie będą chcieli, a co odrzucą
Ex – post – trafność
Analiza trafności prognoz umożliwia ocenę:
- Stopnia niepewności prognozowania poszczególnych zmiennych;
- Osiągniętego horyzontu prognozy
- Źródeł niedoskonałości prognoz
- Wyboru z wielu metod tej, metody, która dla danej zmiennej daje najmniejsze błędy ex post;
- Sformułowanie rekomendacji co do dalszego wykorzystania metody do prognozowania danej zamiennej.
Błędy prognoz ex-post mogą być wykorzystywane do określenia dopuszczalności prognozy danej zmiennej pod następującymi warunkami:
- Nowo formułowane przesłanki potwierdzają zasadność przesłanek przyjętych do wyznaczania poprzedniej prognozy;
- Do ustalenia nowej prognozy wykorzystuje się tę samą metodę co poprzednio;
- Przedział weryfikacji poprzedniej prognozy jest taki sam jak żądany horyzont nowej prognozy.
Prognoza jest dopuszczalna gdy jest obarczona przez odbiorcę stopniem zaufania wystarczającym do tego, aby wykorzystywana mogła być do ustalonego celu.
Błąd ex- ante służy do określenia dokładności prognozy. Prognoza jest tym dokładniejsza im wartość vt jest mniejsza.
Wartość błędu przynosi informacje o oczekiwanych przeciętnych odchyleniach realizacji zmiennej prognozowanej od prognoz w czasie t>n
Wartość błędu ex – ante:
- Maleje ze wzrostem dokładności oszacowań parametrów modelu i wariancji składnika losowego, co ma miejsce gdy rośnie liczebność próby;
- Rośnie ze wzrostem różnicy między prognozowanymi wartościami zmiennych objaśniających a ich wartościami średnimi w próbie.
Wykorzystywane są do określenia dopuszczalności prognozy, jeżeli nie jest możliwe skorzystanie z błędów ex- post i ex – ante.
Prognozą wygasłą jest prognoza – wyznaczona na taki czas t, dla którego jest znana przawdziwa wartość zmiennej prognozowanej. Prognozy sporządza się na moment/okresy t<n, na podstawie obserwacji wcześniejszych od t.
Postawa pasywna;
Prognozy krótkookresowe.
- Znany jest „dobry model” miary dopasowania: R2, s2, testy Studenta , Fiszera
- Stabilność relacji strukturalnych w czasie. Związki między badanymi zmiennymi występujące w przeszłości będą takie same w przyszłości.
- Składnik losowy ma stały rozkład w czasie. Nie pojawiają się nowe zmienne oddziaływujące na prognozowane zjawisko a dotychczasowe zmienne nie zmieniają swojego oddziaływania.
Jeśli F ≤ F* nie ma podstaw do odrzucenia hipotezyH0. Współczynnik korelacji wielorakiej jest nieistotnie różny od zera, a dopasowanie modelu do danych jest zbyt słabe. (łączny wpływ zmiennych objaśniających na zmienną objaśnianą jest nieistotny).
Jeśli F > f* to hipotezę H0 należy odrzucić na rzecz hipotezy H1. Współczynnik korelacji wielorakiej jest istotny, a stopień dopasowania modelu do danych jest dostatecznie wysoki. (wszystkie zmienne objaśniające w modelu wpływają istotnie na zmienną objaśnianą).
Jeśli ti ≤ t* nie ma podstaw do odrzucenia H0. parametr strukturalny różni się nieistotnie od zera, a zmienna objaśniająca Xi nie wpływa w istotny sposób na zmienną objaśnianą y.
Jeśli ti > t* H0 należy odrzucić na rzeczH1. parametr różni się w sposób istotny od zera i zmienna objaśniająca Xi oddziałuje w sposób istotny na zmienną objaśnianą y.
PROGNOZA I PRZEWIDYWANIE
PRZEWIDYWANIE – wnioskowanie o zdarzeniach nie znanych na podstawie zdarzeń znanych.
Z. znane – to takie, które już zaszły, należą do przeszłości.
Z. nie znane – to takie, które należą do przyszłości lub przeszłości, tzn. zaszły wcześniej niż czynność przewidywania i trwają nadal lub później w stosunku do czasu w jakim następuje przewidywanie. Np.: określenie bogactwa złoża minerału za pomocą próbnych wierceń.
Przewidywanie przyszłości – wnioskowanie o zdarzeniach, które zajdą w czasie późniejszym niż czynność przewidywana, należących do przyszłości, i na podstawie informacji o przeszłości.
Przewidywanie racjonalne – wnioskowanie to logiczny proces tj. od faktów przeszłych i ich interpretacji do konkluzji.
Dzieli się ono na:
Zdroworozsądkowe – oparte na doświadczeniu osoby formułującej sąd np.: przewidywania pogody w Tatrach przez osobę związaną z górami na górali
Naukowe – w procesie wnioskowania korzystamy z reguł nauki.
Przewidywanie nieracjonalne – gdy przesłanki nie zostały podane i nie zachowano związku między przesłankami a konkluzją np.: wróżby, proroctwa.
PROGNOZA – jest to sąd o stanie zmiennych lub zmiennej określonej explicite w przyszłości przez podanie momentu lub przedziału czasu bądź implicite np.: Kowalski będzie dobrym studentem.
Właściwości prognozy:
- Sformułowany sąd wykorzystuje dorobek nauki;
- Odnosi się do określonej przyszłości;
- Weryfikowalny empirycznie (tzn. sformułowanie prognozy jest precyzyjne);
- Niepewny, ale akceptowalny (tzn. prognoza jest prawdziwa lub fałszywa);
Preparacyjna – prognozowanie jest działaniem, które przygotowuje inne działania. Prognosta opracowuje prognozy dla podmiotu podejmującego decyzje zwanego decydentem. Decydent podejmuje decyzje i odpowiada za nie i żąda prognozy swoich decyzji. Musi mieć umiejętność oceny jakości prognozy, chociaż odpowiedzialność za prognozę ponosi prognosta. Ta funkcja może być spełniona gdy stopień zaufania odbiorcy do prognozy jest wysoki
Aktywizująca – polega na pobudzeniu do podejmowania działań sprzyjających realizacji prognozy, gdy zapowiada ona zdarzenie korzystne oraz gdy przewidywane zdarzenia są oceniane jako niekorzystne.
Np.: ocieplenie klimatu może być zdarzeniem korzystnym dla ludzi zamieszkujących sferę gorącą a niekorzystne przez społeczność północy.
Funkcja A. Prowadzi do wyznaczenia prognoz badawczych i nie wymaga prognoz o wysokim stopniu zaufania.
Informacyjna – oswajanie ludzi ze zmianami nadchodzącymi i zmniejszanie lęku nad przyszłością. Ta funkcja nie wymaga prognoz o wysokim stopniu zaufania.
ETAPY PROGNOZOWANIA
1. Sformułowanie zadania prognost.;
- Określenie: obiektu, zjawiska, zmiennej;
- Horyzontu prognozy;
- Celu wyznaczania prognozy;
- Wymagań co do jakości prognozy;
2. Podanie przesłanek prognostyczny;
- Sformułowanie hipotez o czynnikach kształtujących zjawisko (jakie czynniki wpływają?, jak one wpływają?, jakie czynniki będą wpływały?, jaki będzie to wpływ?);
- Deklaracja postawy wobec przyszłości zjawiska (p. aktywna, p. pasywna);
- Określenie zbioru danych potrzebnych do sporządzania prognozy;
- Zebranie danych;
3. Wybór metody prognozowania;
4. Wyznaczanie prognozy;
Metoda prognozowania – postępowanie gdzie w 1 kroku następuje przetwrzenie informacji o przeszłości, a w 2 kroku od inf przetworzonych z przeszłości przechodzimy do inf z przyszłości.
Otrzymujemy model np.: myślowy, sformalizowany.
Wyznaczamy prognozę.
5. Ocena dopuszczalności prognozy;
Określamy spodziewane odchylenia między prognozą a rzeczywistą wielkością zjawiska w okresie t. Jeżeli spodziewane odchylenia < od wartości krytycznej to prognoza jest dopuszczalna.
6. Weryfikacja prognozy;
Polega na określeniu trafności prognozy za pomocą któregoś błędu prognozy ex post, gdy prognoza dotyczyła zmiennej ilościowej, lub na porównaniu prognozowanego stanu zmiennej jakościowej ze stanem zrealizowanym.. Gdy prognoza okazała się trafna, prognosta analizuje słuszność swego postępowania, jeśli nie prognosta dąży do określenia przyczyn swego błędu.
- samorealizujące się (np.: ogłoszenie prognozy wzrostu cen może doprowadzić do wykupu towarów i spowodować wzzrost cen, który by nie nastąpił beż tej prognozy)
- samounicestwiające się (prognoza rekordowo wysokiego napływu gości świątecznych do zakopanego może zniechęcić wiele osób do wyjazdu z powodu obaw o wzrost cen i trudności uzyskania kwater; w rezultacie napływ gości może być mniejszy)
- zmiennych sterowanych i nie sterowanych
- prognozy badawcze – zadaniem ich jest rozpoznanie przyszłości i ukazaniu wielu jej wersji. Wśród prognoz badawczych wyróżnia się
- prognozy ostrzegawcze –zadaniem ich jest przewidywanie zdarzeń niekorzystnych dla odbiorcy prognozy np.: prognoza spadku sprzedaży.
- ilościowe (przedziałowa i punktowa)
- jakościowe;
- krótko, średnio, długookresowe.
DANE WYKORZYSTYWANE W PROGNOZOWANIU
Dane wewnętrzne (opisują obiekt)
Są gromadzone w obiekcie prognozowanym na potrzeby zarządzania tym obiektem.
Źródła tych danych to:
Opisy zasad funkcjonowania obiektu (przepisy, regulaminy wew, itp.);
Bieżąca rejestracja zdarzeń (rejestr: kosztów w przeds., urodzeń w urzędzie stanu cywilnego itp.);
Sprawozdania (ze sprzedaży, zatrudnienia, itp.);
Spisy (maszyn w przeds., ludności, zapasow itp.);
Zapisy wyników badań specjalnych (jakość wyrobów, opinii publicznej itp.);
Ich zakres nie zależy od obiektu, dla którego sporządza się prognozę. Dane te dotyczą otoczenia bliższego – tworzonego przez obiekty bezpośrednio powiązane z obiektem prognozowanym oraz dalszego – tworzącego ogólne warunki funkcjonowania obiektu.
Dane te są tym trudniej dostępne, im bliższego otoczenia dotyczą i są bardziej szczegółowe.
WYMAGANIA WZGLĘDEM DANYCH
1. Rzetelność
Dane są rzetelne gdy są zgodne z przedmiotem, którego dotyczą.
Występują jednak błędy:
Losowe – wynikające z pomyłek przy zbieraniu czy przetwarzaniu danych np.: pomyłki zapisu;
Systematyczne – wynikają z celowego fałszowania danych.
Konieczna jest kontrola merytoryczna i formalna rzetelności danych.
2. Jednoznaczność
Dane powinny być podawane w taki sposób, by każdy odbierał je tak samo.
3. Identyfikowalność zjawiska przez zmienną (zmienne)
Wiele zjawisk można zapisać za pomocą jednej lub wielu zmiennych.
W przypadku zjawisk prostych należy wybrać odpowiedni miernik np.: wykorzystanie mocy produkcyjnej – wybierzemy produkcję globalną.
W przypadku zjawisk złożonych trzeba się odwołać do teorii naukowych i konsensusu.
4. Kompletność
dane powinny obejmować wszystkie ważne wiadomości wystarczające do rozpoznania problemu a pomijać wiadomości powtarzające się i marginesowe.
5. Aktualność danych do przyszłości
Prognosta powinien starać się określić działanie czynników sporządzając prognozę. Tzn.: który z czynników będzie działał w przyszłości z dotychczasową siłą, który utraci na znaczeniu, który nabierze mocy itd. Analiza ta powinna wyłonić fakty niosące przyszłość i od nich uzależniona powinna być prognoza.
6. Koszt zbierania i opracowania danych
Zasadne jest dążenie do minimalizacji danych, gdyż koszt zbierania danych jest wysoki. Należy zatem korzystać z danych już nagromadzonych, a nowe pozyskiwać gdy są niezbędne do polepszenia jakości prognozy.
7. Porównywalność danych
Czasowa – zachowanie jednakowego odstępu lub przedziału między obserwacjami.
Terytorialna – badaniem obejmować jednakowe terytorium np.: województwa.
Pojęć i kategorii – te same definicje i klasyfikacje
Metody obliczeń – no.: obliczenia dochodu narodowego, indeksu inflacji
Dla zapewnienia porównywalności stosuję się transformację danych, oraz agregację danych.
Transformacja danych może polegać na:
Eliminacji inflacji dla zmiennych w ujęciu wartościowym;
Urealnienie dochodów przez wskaźnik wzrostu cen;
Zmiana cen bieżących na stałe;
Zmiana wartości bezwzględnej na względne;
Agregacja danych – dokonuje się sumując wielkości cząstkowe.
Rzeczowa;
Przestrzenna (wielkości z mniejszych obszarów sumuje się z wielkościami obszarów większych);
Czasowa (sumowanie danych dotyczących okresów krótszych w dane dot okresów dłuższych);
Zmiennych – (sumowanie wartości zmiennych cząstkowych w wartość zmiennej ag...
dzingis88