WWW.DISS.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА
(Авторефераты, диссертации, методички, учебные программы, монографии)

 

Pages:     || 2 | 3 | 4 | 5 |   ...   | 7 |

«Рисунок 1. Классификационная схема методов прогнозирования Каждый уровень детализации методов определяется своим классификационным признаком: степенью формализации, общим принципом действия, способом получения ...»

-- [ Страница 1 ] --

Методические рекомендации по заполнению формы и к разработке

показателей прогнозов социально-экономического развития субъектов

Российской Федерации (форма 2П)

1. Обзор методов социально-экономического прогнозирования

В настоящее время насчитывается порядка 150 методов прогнозирования, в тоже

время на практике широко используются при социально-экономическом прогнозировании

только 20-30 из них. Классификация наиболее распространенных методов прогнозирования приведена на рисунке (см. Рисунок 1) [1, 2].

Рисунок 1. Классификационная схема методов прогнозирования Каждый уровень детализации методов определяется своим классификационным признаком: степенью формализации, общим принципом действия, способом получения прогнозной информации.

По степени формализации все методы прогнозирования делятся на интуитивные и формализованные.

Интуитивное прогнозирование применяется тогда, когда объект прогнозирования либо слишком прост, либо настолько сложен, что аналитически учесть влияние многих факторов практически невозможно. В зависимости от общих принципов действия интуитивные методы делят на две группы: индивидуальные экспертные оценки и коллективные экспертные оценки. В группу индивидуальных экспертных оценок можно включить следующие методы (по принципу – способ получения прогнозной информации):

метод интервью, аналитические докладные записки, написание сценария и пр. В группу коллективных экспертных оценок входят следующие методы: анкетирование, метод комиссий, метод мозговых атак и пр. Полученные экспертные оценки используют как конечные прогнозы или в качестве исходных данных в комплексных системах прогнозирования.

Формализованные методы используются в том случае, когда информация об объекте прогнозирования носит в основном количественный характер, а влияние различных факторов можно описать с помощью математических формул.

Формализованные методы прогнозирования базируются на математической теории, которая обеспечивает повышение достоверности и точности прогнозов, значительно сокращает сроки их выполнения, позволяет обеспечить деятельность по обработке информации и оценке полученных результатов. В группе формализованных методов можно выделить три подгруппы:

­ метод исторических аналогий;

­ методы экстраполяции, в том числе в этой подгруппе различают: методы подбора функции, методы усреднения и методы адаптивного сглаживания;

­ методы моделирования, в том числе: матричные модели, модели оптимального прогнозирования, эконометрические модели (факторные модели), имитационные модели.

1.1. Метод исторических аналогий Суть метода исторических аналогий заключается в выборе объекта-аналога для объекта прогнозирования, который в своем развитии опережает объект прогнозирования.

Прогноз будет заключаться в сопоставлении, имеющейся информации по объекту-аналогу со специфическими особенностями объекта прогнозирования, на основании этого делается заключение о развитии объекта прогнозирования в будущем. Метод исторических аналогий следует использовать при прогнозировании развития новых объектов и процессов, по которым нет ретроспективной информации.

Несмотря на всю привлекательность, данный метод имеет целый ряд ограничений и сложностей в процессе применения. Во-первых, следует очень внимательно и тщательно подходит к подбору объектов-аналогов. Во-вторых, следует учитывать все специфические особенности объекта прогнозирования, а также действия внешних факторов. Например, будет неверным прогнозировать социально-экономическое развитие одного региона при помощи методов исторических аналогий и выбирать в качестве аналога другой регион.

Каждый регион имеет свою специфику, также большое значение имеет фактор времени и изменения внешнего окружения. В этой связи представляется нецелесообразным применение данного метода для прогнозирования социально-экономического развития региона. Все вариации метода исторических аналогий могут рассматриваться, как вспомогательные на региональном уровне для построения прогнозов отдельных процессов и явлений.

1.2. Методы экстраполяции Самой обширной и часто используемой группой среди формализованных методов являются методы экстраполяции. Все методы экстраполяции сводятся к выявлению устойчивых тенденций в прошлом и их переносу в будущее.

Все методы экстраполяции традиционно классифицируют на следующие группы:

методы подбора функции, методы усреднения и методы адаптивного сглаживания.

Сущность метода подбора функций заключается в правильном подборе экстраполирующей функции. Главной задачей данного метода является подбор функции, при котором на историческом интервале времени значения подобранной функции минимально отклонялись от реальных значений. К данной группе относятся методы экстраполяции тренда [1].

Трендовая модель – это математическая модель, описывающая изменение прогнозируемого или анализируемого показателя только в зависимости от времени и имеющая вид y f (t ). Для применения методов экстраполяции тренда, во многих случаях требуется представление исходных данных об объекте прогнозирования в виде временных рядов. Временной ряд состоит из данных, которые были собраны или зафиксированы через последовательные промежутки времени.

С математической точки зрения процесс экстраполирования заключается в переносе закона изменения функции за область её определения (на прогнозный интервал).



Модели экстраполяции, в том числе и модели экстраполяции тренда, могут быть линейными и нелинейными. Наиболее часто используемые функции для экстраполяции:

­ линейная ( y at b );

­ параболическая ( y at 2 bt c );

­ степенная ( y at b );

a ­ гиперболическая ( y b );

t ­ экспоненциальная ( y aebt );

­ и др.

Наименее трудоемкой и простой группой методов экстраполяции являются методы усреднения [1]. Сущность методов усреднения заключается в вычислении некоторого среднего значения на основе исторических данных. Далее субъект прогнозирования исходит из предположения, что прогнозная величина не будет значительно отличаться от этого среднего значения. Данные методы прогнозирования крайне неточны и могут быть использованы лишь для оценки прогнозов отдельных процессов и явлений.

Например, можно строить прогнозы исследуемых показателей на основе расчетных показателей среднего абсолютного прироста и среднего темп роста [6].

Если характер развития близок к линейному, то корректно использование среднего абсолютного прироста к получению прогнозного значения. На такой равномерный характер развития могут указывать примерно одинаковые значения цепных абсолютных приростов.

В этом случае, чтобы получить прогноз на L шагов вперед (L - период прогнозирования), достаточно воспользоваться следующей формулой:

Где yn — фактическое значение в последней n-ой точке ряда (конечный уровень ряда); yn L — прогнозное значение (n + L)-гo уровня ряда; y Применение среднего темпа роста для описания динамики ряда целесообразно, когда изменение его динамики происходит примерно с постоянным темпом роста. В этом случае прогнозное значение на L шагов вперед может быть получено по формуле:

где yn — фактическое значение в последней n-ой точке ряда (конечный уровень ряда); yn L — прогнозное значение (n + L)-гo уровня ряда; T n К недостаткам среднего абсолютного прироста и среднего темпа роста следует отнести то, что они учитывают лишь конечный и начальный уровни ряда, исключают влияния промежуточных уровней. Тем не менее, эти показатели имеют весьма широкую область применения, что объясняется чрезвычайной простотой их вычисления. Они могут предшествующие более глубокому количественному и качественному анализу.

Существенным недостатком группы методов подбора функции, а также методов усреднения является равнозначность всех исторических данных. Однако любой процесс развивается во времени, на него оказывают влияния различные факторы. В этой связи логичнее предположить, что более поздние значения более информативны и требуют большего внимания, чем более ранние.

Данный факт учитывается в группе методов экстраполяции, которые носят название методы адаптивного сглаживания. Примером методов адаптивного сглаживания могут служить методы экспоненциального сглаживания.

Методы экспоненциального сглаживания основываются на усреднении временных рядов прошлых наблюдений в экспоненциально нисходящем направлении, т.е. всем экспоненциального сглаживания дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения, при котором более поздним наблюдениям придаются большие веса по сравнению с ранними наблюдениями, причем веса наблюдений убывают по экспоненте [1, 2].

В расчетах для определения экспоненциальной средней можно использовать рекуррентную формулу:

где S t - значение экспоненциальной средней в момент t;

В зависимости от величины параметра прогнозные оценки по-разному учитывают влияние исходного ряда наблюдений: чем больше, тем больше вклад последних наблюдений в формирование тренда, а влияние начальных условий быстро убывает. При малом прогнозные оценки учитывают все наблюдения, при этом уменьшение влияние более «старой» информации происходит медленно.

Для определения параметра сглаживания существуют различные методы: метод Брауна и метод Мейера, метод подбора минимизирующего ошибку прогноза, рассчитанного на ретроспективных данных [2].

Также наиболее широко применяемыми и зарекомендовавшими себя являются две разновидности метода экспоненциального сглаживания: двухпараметрический метод Хольта и метод Винтерса. Двухпараметрический метод Хольта позволяет учесть изменение тренда. Метод Винтерса является модификацией двухпараметрического метода Хольта, который позволяет учесть помимо изменения тренда фактор сезонности.

Применение методов экстраполяции в достаточной мере ограничено самим объектом прогнозирования. Если речь идет о прогнозировании социально-экономического развития региона, то логичнее представлять его в виде сложной и открытой системы.

Анализ ретроспективной информации позволяет выявить особенности и причины, которые привели систему в текущее состояние. Однако прогнозы, построенные только на базе ретроспективной информации относительно объекта прогнозирования, далеко не всегда совпадают с реальностью. Методы экстраполяции хорошо подходят в периоды инерционного развития, когда тенденции прошлого развития объекта сохраняются, а воздействие внешних факторов остается неизменными. Фактически методы экстраполяции не способны напрямую учитывать изменение воздействия внешних факторов. Учитывая требование законодательства, о необходимости построения нескольких вариантов прогнозов, данные методы прогнозирования могут рассматриваться в качестве инструментов для прогнозирования отдельных процессов и явлений.

1.3. Методы моделирования Наиболее адекватными для прогнозирования любых социально-экономических процессов являются методы моделирования. В рамках данной группы можно выделить следующие наиболее значимые методы прогнозирования: модели оптимального прогнозирования, эконометрические модели (факторные модели), имитационные модели [1].

Наиболее известным методом прогнозирования экономических процессов при помощи матричных моделей является метод межотраслевого баланса [1].

Метод межотраслевого баланса был особо актуален в советский период. В условиях фиксации на будущее объемов производства и конечного потребления, задача заключалась в поиске прогнозной матрицы коэффициентов прямых затрат, каждый элемент которой минимально отличается от соответствующего элемента последнего отчетного баланса. В современных условиях развития экономики крайне сложно применять данный метод для прогнозирования социально-экономического развития регионов. В настоящий момент времени не существует нормативов потребления продукции, производителям не установлены нормы производства продукции, всё это часто приводит к неоптимальному использованию ресурсов в рамках страны. Также согласно действующему законодательству государство не может регулировать объемы производства и потребления продукции в частном секторе экономики (за исключением отдельных случаев). Следствием этого является практическая невозможность и нецелесообразность применения данного метода для прогнозирования социальноэкономического развития регионов.

Модели оптимального прогнозирования призваны определить оптимальные варианты развития экономики [1]. Данные методы прогнозирования позволяют выбрать наилучший из потенциально возможных вариантов развития того или иного процесса или всей экономики в целом. Суть метода заключается в задании ряда ограничений (в качестве ограничений, как правило, выступают ограничения по времени и по ресурсам), а также в определении целевой функции, которая описывает цель оптимизации. Сущность метода сводится к поиску экстремума целевой функции на прогнозном интервале, при условии соблюдении всех ограничений. В качестве целевой функции на макроуровне может выступать функция описывающая объем валового внутреннего продукта, валового регионального продукта, доходов населения и т.п.

К настоящему времени разработаны многие принципы и методологические основы целевого подхода к задачам управления и прогнозирования экономических систем. Их изложение дано в работах А.И. Анчишкина [14], Д.Л. Андрианова [15], А.Г. Гранберга [16], Е.З. Майминаса [17], А.Е. Илютовича [18], Ю.Н. Черемных [19] и других исследователей.

Несмотря на большое количество разработанных моделей оптимального прогнозирования, а также достаточное количество программных продуктов, позволяющих с минимальными трудозатратами строить соответствующие прогнозы, данные методы прогнозирования не часто используются на региональном уровне. В первую очередь это связано с тем, что для построения подобных моделей требуется высокая квалификация прогнозиста.

В рамках эконометрических моделей выделяют две основные подгруппы:

однофакторные и многофакторные модели [1]. Подобно методам экстраполяции данные методы достаточно эффективны в периоды стабильного развития экономических систем.

В тоже время при использовании данных методов совместно с методами экспертных оценок можно строить адекватные прогнозы и для случаев существенного изменения внешней среды.

Однофакторные модели прогнозирования представляют собой построение прогноза с помощью уравнения одной переменной y t f ( xt ). Однофакторные модели могут быть описаны различными типами уравнений: линейными, экспоненциальными, параболическими, гиперболическими, степенными, логарифмическими и др.

Сущность данного метода прогнозирования заключается в том, что при известном значении фактора (от которого зависит прогнозная величина) на прогнозном интервале, при помощи зависимости, построенной на основе данных на историческом интервале (ретроспективных данных), можно получить прогноз. В самом простом случае, когда в роли независимого фактора выступает время, то однофакторные экономикостатистические модели представляют собой модели экстраполяции.

В случае, когда строится зависимость не от одного фактора, а от нескольких, подобные модели называются многофакторными однофакторным моделям многофакторные модели могут описываться различными типами функций. Подобные уравнения однофакторной и многофакторной моделей носят названия регрессионных уравнений. Например, степенная многофакторная модель имеет вид:

где y t – значение прогнозируемой величины в момент времени t;

x1t, x2t, x3t,..., xmt – значение независимых факторов в момент времени t;

b, a1, a2,..., am – коэффициенты или параметры регрессионного уравнения.

Прогнозирование в случае применения многофакторной модели осуществляется аналогично случаю однофакторной модели. На первом этапе на основе ретроспективной информации по объекту прогнозирования и независимым факторам определяется вид зависимости между ними. На следующем этапе строятся прогнозы независимых факторов (при этом могут использоваться различные методы, в том числе и методы экспертных оценок). Затем на основе прогнозов независимых факторов и построенной зависимости строится прогноз для объекта прогнозирования.

При исследовании экономических процессов нередко приходится моделировать t формируется под воздействием ряда факторов, действовавших в прошлые моменты времени t 1, t 2,...t p. Величину р, характеризующую запаздывание в воздействии фактора на результат, называют в эконометрике лагом, а временные ряды самих факторных переменных, сдвинутые на один или более моментов времени, - лаговыми переменными. Модели, содержащие не только текущие, но и лаговые значения факторных переменных называются моделями с распределенным лагом [3]. Модель вида является примером модели с распределенным лагом.

Наряду с лаговыми значениями независимых переменных на величину зависимой переменной текущего периода могут оказывать влияние ее значения в прошлые моменты или периоды времени. Такое влияние обычно описывают с помощью моделей регрессии, содержащих в качестве факторов лаговые значения зависимой переменной, которые называются моделями авторегрессии [3]. Модель вида относится к моделям авторегрессии.

Построение моделей с распределенным лагом и моделей авторегрессии имеет свою специфику. Во-первых, оценка параметров моделей авторегрессии, а в большинстве случаев и моделей с распределенным лагом не может быть произведена с помощью статистических методов. Во-вторых, исследователям приходится решать проблемы выбора оптимальной величины лага и определения его структуры. Наконец, в-третьих, между моделями с распределенным лагом и моделями авторегрессии существует определенная взаимосвязь, и в некоторых случаях необходимо осуществлять переход от одного типа моделей к другому [3].

Также одной из разновидностей методов эконометрического моделирования является использование системы эконометрических уравнений [3,4]. Построение изолированных уравнений регрессии недостаточно для описания региональной системы.

предполагается, что аргументы (факторы) можно изменять независимо друг от друга. В тоже время многие макроэкономические показатели взаимосвязаны и взаимодействуют между собой, т.е. изменение одного показателя, как правило, не может происходить при абсолютной неизменности других.

Система уравнений содержит эндогенные и экзогенные переменные. Эндогенные или объясняемые переменные – это зависимые переменные, число которых равно числу уравнений в системе. Экзогенные или объясняющие переменные – это предопределенные переменные, влияющие на эндогенные переменные, но не зависящие от них.

Система уравнений в эконометрических исследованиях может быть построена поразному:

1) Система независимых уравнений. В данной системе каждая зависимая переменная yi рассматривается как функция одного и того же набора факторов x1t, x2t, x3t,..., xmt :

Набор факторов x jt в каждом уравнении может варьироваться. Отсутствие того или иного фактора в уравнении системы может быть следствием как экономической нецелесообразности его включения в модель, так и несущественности его воздействия на результативный признак.

Каждое уравнение системы независимых уравнений может рассматриваться самостоятельно и по существу является уравнением регрессии. Для нахождения его параметров можно использовать метод наименьших квадратов [3,5].

2) Система рекурсивных уравнений. В данной системе зависимая переменная включает в каждое последующее уравнение в качестве факторов все зависимые переменные предшествующих уравнений наряду с набором собственно факторов x1t, x2t, x3t,..., xmt :

Как и в предыдущей системе, набор зависимых переменных yit и факторов x jt в каждом уравнении может варьироваться, и каждое уравнение данной системы может рассматриваться самостоятельно. Для нахождения его параметров можно использовать метод наименьших квадратов.

3) Наибольшее распространение в эконометрических исследованиях получила система взаимозависимых уравнений. В ней одни и те же зависимые переменные в одних уравнениях входят в левую часть, а в других уравнениях - в правую часть системы:

одновременных уравнений. Тем самым подчеркивается, что в системе одни и те же переменные yit одновременно рассматриваются как зависимые в одних уравнениях и как независимые в других.

Как и в предыдущих системах, набор зависимых переменных yit и факторов x jt в каждом уравнении может варьироваться, но в отличие от предыдущих систем каждое уравнение системы одновременных уравнений не может рассматриваться самостоятельно, и для нахождения его параметров традиционный метод наименьших квадратов неприменим. С этой целью используются специальные приемы оценивания:

­ косвенный метод наименьших квадратов;

­ двухшаговый метод наименьших квадратов;

­ трехшаговый метод наименьших квадратов;

­ метод максимального правдоподобия с полной информацией;

­ метод максимального правдоподобия при ограниченной информации.

Косвенный и двухшаговый метод наименьших квадратов подробно описаны в литературе и рассматриваются как традиционные методы оценки коэффициентов структурной модели. Эти методы достаточно легко реализуемы. Косвенный метод наименьших квадратов применяется для идентифицируемой системы одновременных уравнений, а двухшаговый метод наименьших квадратов используется для оценки коэффициентов сверхидентифицуруемых систем уравнений [3].

Сложность построения эконометрических моделей связана с выбором экзогенных и эндогенных параметров, установления типа взаимосвязей, а также оценкой адекватности построенной модели. С другой стороны данные методы прогнозирования должны является приоритетными для прогнозирования развития экономических систем. Это связано с тем, что любая экономическая система является открытой и сложной, её развитие обусловлено как внутренними изменениями, так и внешними. В связи с этим при прогнозировании социально-экономического развития региона не должны игнорироваться взаимосвязи между отдельными экономическими показателями, а также влияние различных внешних факторов.

Имитационное (компьютерное) моделирование экономических процессов обычно применяется в двух случаях [7]:

­ для управления сложным бизнес-процессом, когда имитационная модель инструментального средства в контуре адаптивной системы управления, создаваемой на основе информационных (компьютерных) технологий;

­ при проведении экспериментов с дискретно-непрерывными моделями сложных экономических объектов для получения и отслеживания их динамики в экстренных ситуациях, связанных с рисками, натурное моделирование которых нежелательно или невозможно.

Имитационное моделирование (от англ. simulation) - это распространенная разновидность аналогового моделирования, реализуемого с помощью набора математических инструментальных средств, специальных имитирующих компьютерных программ и технологий программирования, позволяющих посредством процессованалогов провести целенаправленное исследование структуры и функций реального сложного процесса в памяти компьютера в режиме «имитации», выполнить оптимизацию некоторых его параметров.

Имитационной моделью называется специальный программный комплекс, который позволяет имитировать деятельность какого либо сложного объекта. Он запускает в компьютере параллельные взаимодействующие вычислительные процессы, которые являются по своим временным параметрам (с точностью до масштабов времени и пространства) аналогами исследуемых процессов. Имитационная модель должна отражать большое число параметров, логику и закономерности поведения моделируемого объекта во времени (временная динамика) и в пространстве (пространственная динамика).

Имитационное моделирование контролируемого процесса или управляемого объекта - это высокоуровневая информационная технология, которая обеспечивает два вида действий, выполняемых с помощью компьютера:

­ работы по созданию или модификации имитационной модели;

­ эксплуатацию имитационной модели и интерпретацию результатов.

Имитационную модель нужно создавать и для этого необходимо специальное программное обеспечение - система моделирования (simulation system). Специфика такой системы определяется технологией работы, набором языковых средств, сервисных программ и приемов моделирования. Перечень и назначение используемых систем моделирования приводится в следующем разделе.

1.4. Компьютерные технологии прогнозирования интерактивных статистических методах прогнозирования с использованием баз эконометрических данных, имитационных (в том числе на основе применения метода статистических испытаний) и экономико-математических динамических моделей, сочетающих экспертные, математико-статистические и моделирующие блоки.

подвергнуты классификации по следующим признакам: по сфере применения, реализуемым методам, квалификации пользователя, степени готовности к эксплуатации.

Перечень распространенных программных решений в соответствии с указанными признаками приводится в таблице:

Microsoft Excel, OpenOffice.org Statistica, SPSS, E-views, Gretl Matlab ForecastPro, ForecastX iLog, AnyLogic, iThink, Matlab Simulink, GPSS Зарекомендовавшими себя представителями программных решений, реализующих современные методы статического анализа и прогнозирования данных, являются: SPSS, SAS, STATISTICA, STATGRAPHICS, STADIA. и пр.

Пакет SРSS (Statistical Package for the Social Sciences) – универсальный статистический пакет, разработанный компанией SРSS Inc. Пакет SPSS предлагает полный набор инструментов, обеспечивающих эффективную работу на всех этапах аналитического процесса – от планирования до управления данными, анализа и прогнозирования данных и представления результатов. Пакет SPSS включает развитый аппарат статистического анализа и обеспечивает решение широкого круга вопросов из различных предметных областей, требующих проведения статистического анализа данных и прогнозирования данных.

Пакет SAS (Statistical Analysis System) – профессиональный статистический пакет, разработанный компанией SAS Institute Inc. Пакет предоставляет возможности статистического анализа данных: смешанные модели; анализ категорийных данных;

байесовский анализ; многомерный анализ; анализ выживаемости; психометрический анализ; анализ пропущенных значений.

STATISTICA

разрабатываемые примерно в течение 50 лет статистические методы обработки данных с новейшими компьютерными технологиями. STATISTICA является комплексным аналитическим инструментом, предназначенным для построения точных прогнозов в любых областях. STATISTICA включает графические инструменты и обширный набор методов для анализа данных: проведение разведочного анализа; исследование корреляции между переменными, вычисление основных статистик, иследование структуры распределений, анализ временных рядов, построение множественной регрессии и т.п.

Пакет STATGRAPHICS (STATistical GRAPHICs System) – универсальный статистический пакет компании Manugistics Inc. STATGRAPHICS обеспечивает использование методов обработки разнотипных данных с возможностью создания современной высококачественной интерактивной графики.

Пакет STADIA (Statistical Dialogue System) – универсальный статистический пакет, разработанный специалистами Московского государственного университета им. М.В.

Ломоносова совместно с НПО "Информатика и компьютеры". Пакет предоставляет пользователям широкий набор методов статистического анализа данных: описательная статистика, дисперсионный, корреляционный и спектральный анализ, сглаживание, прогнозирование, простая, нелинейная регрессия, кластерный и факторный анализ, методы контроля качества, анализ и замена пропущенных значений. Также возможно построение и редактирование 2-х, 3-х и многомерной графики.

Также в настоящее время можно выделить следующие распространенные системы имитационного моделирования:

­ Process Charter-1.0.2 (компания «Scitor», Менло-Парк, Калифорния, США);

­ Powersim-2.01 (компания «Modell Data» AS, Берген, Норвегия);

­ Ithink-3.0.61 (компания «High Performance Systems», Ганновер, Нью-Хэмпшир, ­ Extend+BPR-3.1 (компания «Imagine That!», Сан-Хосе, Калифорния, США);

­ ReThink (фирма «Gensym», Кембридж, Массачусетс, США);

­ AnyLogic (компания «Экс Джей Текнолоджис» (XJ Technologies), г. СанктПетербург, Россия);

­ Pilgrim (МЭСИ и несколько компьютерных фирм, Россия);

­ Пакет РДО (МГТУ им. Н.Э. Баумана, Россия);

­ Система СИМПАС (МГТУ им. Н.Э. Баумана, Россия).

Пакет Process Charter-1.0.2 имеет «интеллектуальное» средство построения блоксхем моделей. Пакет Process Charter-1.0.2 ориентирован в основном на дискретное моделирование, обеспечивает удобный и простой в использовании механизм построения модели, хорошо приспособлен для решения задач распределения ресурсов.

Пакет Powersim-2.01 является хорошим средством создания непрерывных моделей. Пакет Powersim-2.01 включает множество встроенных функций, облегчающих построение моделей, многопользовательский режим для коллективной работы с моделью, средства обработки массивов для упрощения создания моделей со сходными компонентами.

Пакет Ithink-3.0.61 обеспечивает создание непрерывных и дискретных моделей.

Пакет Ithink-3.0.61 включает встроенные блоки для облегчения создания различных видов моделей и развитые средства анализа чувствительности, поддержка множества форматов входных данных, также обеспечивает поддержку авторского моделирования слабо подготовленными пользователями, подробная обучающая программа.

Пакет Extend+BPR-3.1 (BPR - Business Process Reengineering) создан как средство анализа бизнес-процессов, использовался в NASA, поддерживает дискретное и непрерывное моделирование. Пакет включает: интуитивно понятную среду построения моделей с помощью блоков, множество встроенных блоков и функций для облегчения создания моделей, поддержку сторонними компаниями (особенно выпускающими приложения для «вертикальных» рынков), гибкие средства анализа чувствительности, средства создания дополнительных функций с помощью встроенного языка.

Пакет ReThink обладает свойствами Extend+BPR-3.1 и имеет хороший графический транслятор для создания моделей. Работает под управлением экспертной оболочки G2. Имеет достоинства: все положительные свойства Extend+BPR-3.1 и общее поле данных с экспертной системой реального времени, создаваемой средствами G2.

Программный инструмент AnyLogic основан на объектно-ориентированной концепции и представлении модели как набора взаимодействующих, параллельно функционирующих активностей. Активный объект в AnyLogic – это объект со своим собственным функционированием, взаимодействующий с окружением. Графическая среда моделирования поддерживает проектирование, разработку, документирование модели, выполнение компьютерных экспериментов, оптимизацию параметров относительно некоторого критерия. При разработке модели можно использовать элементы визуальной графики: диаграммы состояний (стейтчарты), сигналы, события (таймеры), порты и т.д.;

синхронное и асинхронное планирование событий; библиотеки активных объектов.

Пакет Pilgrim обладает широким спектром возможностей имитации временной, пространственной и финансовой динамики моделируемых объектов. С его помощью можно создавать дискретно-непрерывные модели. Разрабатываемые модели имеют свойство коллективного управления процессом моделирования. В текст модели можно вставлять любые блоки с помощью стандартного языка С++. Различные версии этой системы работали на IBM-совместимых и DEC-совместимых компьютерах, оснащенных Unix или Windows. Пакет Pilgrim обладает свойством мобильности, т.е. переноса на любую другую платформу при наличии компилятора С++.

Пакет РДО (РДО – Ресурсы-Действия-Операции) является мощной системой имитационного моделирования для создания продукционных моделей. Обладает развитыми средствами компьютерной графики (вплоть до анимации). Применяется при моделировании сложных технологий и производств.

Система СИМПАС (СИМПАС – Система-Моделирования-на-Паскале) в качестве основного инструментального средства использует язык программирования Паскаль.

Недостаток, связанный со сложностью моделирования на языке общего назначения, компенсируется специальными процедурами и функциями, введенными разработчиками этой системы. Проблемная ориентация системы – это моделирование информационных процессов, компьютеров сложной архитектуры и компьютерных сетей.

2. Этапы построения модели для прогнозирования показателей по форме 2п и общие рекомендации по их реализации Для построения модели прогнозирования показателей социально-экономического развития субъекта Российской Федерации необходимо пройти несколько этапов [3,4,5]:

­ постановочный;

­ информационно-статистический;

­ спецификация модели;

­ исследование идентифицируемости и идентификация модели;

­ верификация модели.

Выделенные этапы построения моделей достаточно условны. Состав используемых на них процедур, приемов и методов, их очередность зависят от типа разрабатываемой модели, особенностей исследуемых процессов, свойств исходных данных и т. п.

2.1. 1-й этап (постановочный) На данном этапе формируется цель исследования, набор участвующих в модели объясняемых и объясняющих переменных.

В нашем случае основная цель исследования – получение прогноза показателей социально-экономического развития субъекта Российской Федерации, перечень которых приводится в форме 2п, и которые относятся к объясняемым переменным модели.

При выборе объясняющих переменных необходимо провести содержательный анализ закономерностей рассматриваемых процессов и целесообразности включения в модель тех или иных факторов, а также должны быть учтены следующие требования:

­ объясняющие переменные должны быть количественно измеримы. Если количественного измерения, то ему нужно придать количественную ­ число объясняющих переменных должно быть не очень большим, и как минимум, в несколько раз меньше числа наблюдений (в 6-7 раз);

­ объясняющие переменные не должны быть связаны функциональной или тесной корреляционной зависимостью.

С целью получения согласованных и непротиворечивых прогнозов показателей социально-экономического развития субъекта Российской Федерации при выборе объясняющих переменных необходимо учитывать существование взаимосвязи и взаимодействие между прогнозными показателями. Например, существует устойчивая зависимость между динамикой населения, параметрами развития экономики и социальной сферы. Демографические показатели оказывают влияние на трудовые ресурсы, а последние оказывают влияние на развитие экономики, а также служат исходной базой для прогнозов объемов и структуры потребления, доходов и расходов населения. Взаимосвязи между рассматриваемыми показателями социально-экономического развития субъекта Российской Федерации по укрупненным блокам формы 2П представлены в виде графа ниже (см. Рисунок 2).

Рисунок 2. Взаимодействие между укрупненными блоками формы 2п Таким образом, объясняющие переменные могут выступать в роли объясняемых переменных в других уравнениях. Наряду с внутренними взаимосвязями между показателями формы 2П необходимо также учитывать экзогенные факторы, характеризующие влияние внешних сил, представленных показателями мировой и национальной экономик, а также проводимой региональной политики.

Как правило, в перечень показателей внешних условий, используемых при разработке прогноза региональной экономики, входят:

­ показатели мировой экономики:

o темпы роста мирового ВВП и (или) ВВП крупнейших стран мира (США, o мировые цены на основные экспортируемые товары - нефть и природный газ, металлы (медь, алюминий, железная руда, олово, никель, цинк, свинец, o курс доллара США и курс евро по отношению к рублю и т.п.

­ показатели федерального уровня:

o объем дотаций из федерального бюджета;

o минимальный размер оплаты труда;

Так как прогнозирование экономических процессов должно быть направлено на принятие оптимальных решений в управлении и планировании экономики региона в модели должны быть учтены экзогенные факторы, характеризующие ключевые инструменты региональной политики:

­ расходы бюджета субъекта Российской Федерации (функциональная ­ инвестиции в основной капитал за счет бюджета субъекта Российской ­ величина прожиточного минимума;

­ тарифы на грузовые перевозки и электроэнергию и т.п.

Значение всех экзогенных факторов модели должно быть известно на прогнозном периоде. Для определения прогнозных значений внешних условий (темп роста мировой экономики, цены на нефть (марки Urals), курса доллара США и евро и пр.) и показателей, характеризующих развитие национальной экономики, могут быть использованы параметры Прогноза социально-экономического развития Российской Федерации, который ежегодно разрабатывается и уточняется Министерством экономического развития Российской Федерации (далее – Прогноз МЭР РФ). Его можно найти на официальном сайте Министерства http://www.economy.gov.ru, в разделе «Деятельность / Макроэкономика - Прогнозы социально-экономического развития Российской Федерации (http://www.economy.gov.ru/minec/activity/sections/macro/prognoz).

перечисленных показателей по сценарию Вариант 2 должны быть заданы исходя из предположений консервативного сценария (варианта 1b) Прогноза МЭР РФ, по сценарию Вариант 1 – в соответствии со значениями варианта 1a Прогноза МЭР РФ.

Однако имеется существенная проблема использования параметров сценарных условий разработанных МЭР РФ: во первых, в силу того, что неразрывная связь официального прогноза с проектом федерального бюджета заставляет использовать при его формировании максимально консервативные сценарии мировой экономики, во-вторых их перечень достаточно ограничен.

Прогнозы показателей, характеризующих региональное воздействие, должны базироваться в основном на действующее законодательство на федеральном и региональных уровнях. Например, динамика расходов бюджета субъекта Российской Федерации (функциональная структура) и бюджетных инвестиций должна быть задана в соответствии с параметрами регионального бюджета, закрепленными законом субъекта Российской Федерации о бюджете, а изменение величины прожиточного минимума должно соответствовать параметрам, установленным соответствующими законодательными актами субъекта Российской Федерации.

Ниже в методических рекомендациях к разработке прогнозов приводится перечень факторов, влияющих на прогнозные показатели, в то же время включение в модель того или иного фактора зависит от специфики региона и должно подтверждаться использованием теоритических и экспериментальных методов. Для отбора наиболее значимых объясняющих переменных для отдельного региона могут быть использованы различные методы, в частности [3, 4, 5]:

­ априорный подход;

­ процедура пошагового отбора переменных;

­ апостериорный подход.

Априорный подход включает процедуру исследования характера и силы взаимосвязей между рассматриваемыми переменными, по результатам которого в модель включаются факторы, наиболее значимые по своему «непосредственному» влиянию на зависимую переменную y, и исключаются либо малозначимы с точки зрения силы своего влияния на переменную y, либо их сильное влияние на нее можно трактовать как индуцированное взаимосвязями с другими экзогенными переменными.

Сильное влияние фактора на зависимую переменную должно подтверждаться и определенными количественными характеристиками, важнейшей из которых является их парный линейный коэффициент корреляции, выборочное значение которого рассчитывается на основании имеющейся информации по формуле:

среднеквадратические отклонения.

Логика использования коэффициента парной корреляции при отборе значимых r yx i >1, где 1 – некоторый эмпирический рубеж (на практике 10,5-0,6), то можно сильнее это влияние (положительное или отрицательное, в зависимости от знака ryxi ).

Процедура пошагового отбора переменных включает введение новых переменных по одной до тех пор, пока будет увеличиваться соответствующий коэффициент детерминации, а остаточная дисперсия будет меньше:

Если же это не выполняется и данные показатели практически мало отличаются друг от друга, то включаемый в модель фактор x p 1 не улучшает модель и практически является лишним фактором.

При апостериорном подходе уточнение состава факторов модели осуществляется на основе анализа полученных значений ряда качественных характеристик уже построенного ее варианта. Предполагается первоначально включить в модель все отобранные на этапе содержательного анализа факторы, а затем получить значения коэффициентов модели и определить некоторые дополнительные характеристики значимости полученных оценок. Например, для оценки значимости полученных коэффициентов могут быть использованы статистика Фишера и критерий Стьюдента. По результатам полученных оценок значимости из модели удаляют незначимый фактор, а процесс отбора факторов можно считать законченным, когда остающиеся в модели факторы являются значимыми. Если полученный вариант модели удовлетворяет и другим критериям ее качества, то процесс построения модели можно считать завершенным в целом.

2.2. 2-й этап (информационно-статистический) Данный этап заключается в сборе необходимой статистической информации, т.е.

значений участвующих в анализе факторов и показателей моделируемой системы.

Для построения качественных прогнозов основными источниками информации должны являться:

­ Единая межведомственная информационно-статистическая система (ЕМИСС) информация всех субъектов официального статистического учета, формируемая в рамках Федерального плана статистических работ;

­ издания государственных статистических органов (Росстат, Минфин России, ФНС России, Банк России);

­ информация государственных органов исполнительной власти (отраслевые и региональные органы исполнительной власти и пр.);

­ издания международных статистических источников (ООН, Международный Основные требования к исходной информации:

­ должна быть полной, т.е. достаточной для формирования решений модели на всем расчетном периоде;

­ должна обладать точностью и достоверностью достаточной для достижения целей моделирования;

­ все показатели, входящие в состав исходной информации, должны быть непротиворечивой системе посылок.

В нашем случае основными источниками информации в ретроспективе являются:

­ Федеральная служба государственной статистики (Росстат) – официальный Интернет-портал Росстата www.gks.ru, в том числе сборники и доклады:

o годовой сборник «Демографический ежегодник России»

o ежемесячный доклад «Социально-экономическое положение России»

o ежемесячный бюллетень «Информация для ведения мониторинга o ежемесячный бюллетень «Просроченная задолженность по заработной Федерации по муниципальным образованиям на 1 января 2012 года»

o другие официальные публикации, полный перечень которых размещен на официальном Интернет-портале Росстата в разделе «Официальная статистика/ Публикации/ Каталог публикаций»

­ Федеральное казначейство Российской Федерации – официальный сайт www.roskazna.ru:

консолидированного бюджета субъекта Российской Федерации и бюджета территориального государственного внебюджетного фонда» http://www.roskazna.ru/byudzhetov-subektov-rf-i-mestnykh-byudzhetov/;

­ Федеральная налоговая служба Российской Федерации – официальный сайт http://www.nalog.ru/. Информация в разрезе следующих форм статистической налоговой отчетности (http://www.nalog.ru/nal_statistik/forms_stat/) в годовом и ежемесячном разрезах:

o форма 1-НМ «Отчет о начислении и поступлении налогов, сборов и иных обязательных платежей в бюджетную систему Российской o форма 1-НОМ «Отчет о поступлении налоговых платежей в бюджетную систему Российской Федерации по основным видам экономической o форма 4-НМ «Отчет о задолженности по налогам и сборам, пеням и налоговым санкциям в бюджетную систему Российской Федерации»;

o форма 4-НОМ «Отчет о задолженности по налогам и сборам, пеням и налоговым санкциям в бюджетную систему Российской Федерации по основным видам экономической деятельности».

Ниже в методических рекомендациях к разработке прогнозов по каждому показателю приводится перечень источников информации на ретроспективный период, а для экзогенных факторов – на ретроспективный и прогнозный периоды.

2.3. 3-й этап (спецификация модели) Данный этап включает обоснование типа и формы модели, выражаемой математическим уравнением (системой уравнений), связывающим включенные в модель переменные.

На данном этапе должны быть определены методы построения прогнозной модели, определена структура модели, т. е. исходные уравнения для расчета неизвестных параметров, последовательность расчета прогнозных переменных.

Для получения надежных и достоверных прогнозов могут быть использованы различные методы, краткое описание которых приводится в разделе 1 настоящей методики. Выбор метода должен в значительной степени базироваться на экономической теории и методах содержательного анализа закономерностей рассматриваемых процессов, подкрепляемых по мере необходимости методами общей и математической статистики.

В тоже время при разработке социально-экономических прогнозов наиболее часто используют следующие четыре группы методов:

1. Линейная регрессия. Используется в случае, если были выделены факторы, оказывающие наибольшее влияние на прогнозный показатель, а характер зависимости линейный.

2. Нелинейная регрессия. Используется в случае, если были выделены факторы, оказывающие наибольшее влияние на прогнозный показатель, а характер зависимости не линейный.

3. Методы экстраполяции - тренд с подбором функциональной зависимости (линейная, квадратичная, экспонентная и др. модели), методы усреднения и методы адаптивного сглаживания. Используются в случае, если анализ динамики отдельных показателей на ретроспективном периоде показал, что последующие значения показателя в наибольшей степени определяются не предшествующие периоды.

4. Детерминированное уравнение (тождество). Значение отдельных показателей в каждый момент времени однозначно определяется соотношением значений других показателей, поэтому для определения их прогнозных значений используются заранее определенные формулы.

Выбор конкретного вида уравнения в каждом случае должен проводиться по результатам анализа динамики показателя на ретроспективном периоде, а также должен быть обоснован на последнем этапе при проверке качества модели.

Описание примеров моделей прогнозирования отдельных показателей формы 2п приводится ниже в методических рекомендациях к разработке прогнозов настоящей методики и носит рекомендательный характер.

2.4. 4-й этап (исследование идентифицируемости и идентификация Данный этап состоит в анализе возможности однозначного оценивания неизвестных значений параметров модели по имеющимся исходным статистическим данным (ретроспективной информации), а также в оценке параметров выбранного варианта модели на основании исходных данных, выражающих уровни показателей (переменных) в различные моменты времени или на совокупности однородных объектов.

При реализации этого этапа осуществляется проверка идентифицируемости модели. А затем, после положительного ответа на этот вопрос, осуществляется процедура оценивания неизвестных значений параметров модели по имеющимся исходным статистическим данным (ретроспективной информации). Если проблема идентифицируемости решается отрицательно, то возвращаются к 3-у этапу и вносят необходимые коррективы в решение задачи спецификации модели.

По результатам данного этапа конкретизируется уравнение, полученные оценки параметров которого играют ведущую роль и при проверке качества модели и при обосновании направлений ее дальнейшей модификации.

Особую роль на данном этапе несут методы оценки параметров модели, которые подробно описаны в соответствующей литературе и имеют определенные специфические особенности в зависимости от типа применяемой модели. Использование методов оценки параметров напрямую зависит от выбранных методов прогнозирования и исходных данных, необходимых для построения модели, и должны базироваться на экономической теории. Так среди методов оценки параметров линейных эконометрических моделей наибольшее распространение получили метод максимального правдоподобия, метод наименьших квадратов, метод главных компонент и метод моментов. В тоже время каждый метод имеет исходные предпосылки применения: метод наименьших квадратов может использоваться, когда между факторами нет зависимости между собой, а в случае наличия зависимости между факторами можно использовать метод главных компонент.

2.5. 5-й этап (верификация модели) Данный этап включает проверку качества построенной модели и обоснование вывода о целесообразности ее использования.

При пессимистическом характере результатов этого этапа необходимо возвратиться к предыдущим этапам. Если же этап верификации модели дает положительные результаты, то модель может быть непосредственно использована для построения прогноза.

Перечень основных характеристик точности и адекватности построенной модели представлен ниже в таблице:

Название характеристики Назначение характеристики Коэффициент корреляции Корреляция служит для оценки тесноты и Статистика Фишера Статистика Фишера используется для проверки Название характеристики Назначение характеристики Коэффициент детерминации (R2) Коэффициент детерминации (R2) Название характеристики Назначение характеристики t-критерий Стьюдента Критерий служит для оценки статистической Информационный критерий Акаике Критерий используется для сравнения моделей (AIC) Информационный критерий Шварца Данный критерий, аналогично критерию (SC) J-статистика Подробные инструкции и рекомендации по заполнению формы и использованию моделей по прогнозированию показателей формы 2П рассмотрены далее в документе.

3. Определения показателей формы 2п и методические рекомендации по их прогнозированию 3.1. Блок показателей «1. Население»

3.1.1. Общие определения В блоке формы 2П «1. Население» присутствуют следующие показатели:

­ Численность населения (среднегодовая):

o Все население (среднегодовая), тыс. чел.;

o Все население (среднегодовая), % к предыдущему году;

o Городское население (среднегодовая), тыс. чел.;

o Городское население (среднегодовая), % к предыдущему году;

o Сельское население (среднегодовая), тыс. чел.;

o Сельское население (среднегодовая), % к предыдущему году;

­ Ожидаемая продолжительность жизни при рождении, число лет;

­ Общий коэффициент рождаемости, число родившихся на 1000 человек ­ Общий коэффициент смертности, число умерших на 1000 человек населения;

­ Коэффициент естественного прироста населения, на 1000 человек населения;

­ Коэффициент миграционного прироста, на 10 000 человек населения.

3.1.1.1. Численность населения (среднегодовая) Первоисточником получения сведений о населении являются переписи населения.

Последняя Всероссийская перепись населения проведена в 2010 году по состоянию на часов 14 октября. Окончательные итоги Всероссийской переписи населения 2010 года будут разработаны до конца 2013 года.

В соответствии с действующей методологией (утверждена приказом Росстата от 03.06.2010 г. № 209) оценки численности населения на начало очередного года рассчитываются на основании итогов последней переписи населения, к которым ежегодно прибавляются числа родившихся и прибывших на данную территорию и вычитаются числа умерших и выбывших с данной территории.

Сведения об общей численности населения и его составе по полу приведены по постоянному населению, к которому относятся лица, постоянно проживающие на данной территории, включая временно отсутствующих на момент переписи.

Население постоянное - категория населения, объединяющая людей, которые имеют обычное (постоянное) место жительства в данном населенном пункте или на данной территории.

Среднегодовая численность населения является средней арифметической из численностей на начало и конец соответствующего года.

Распределение населения на городское и сельское производится по месту проживания, при этом городскими населенными пунктами считаются населенные пункты, отнесенные в установленном законодательством порядке к категории городских. Все остальные населенные пункты являются сельскими.

Изменение (темп роста) среднегодовой численности населения за год, в % к предыдущему периоду, рассчитывается путем деления среднегодовой численности населения за текущий год на среднегодовую численность населения за предыдущий год и умножения на 100. Аналогично рассчитываются темпы роста среднегодовой численности городского и сельского населения.

3.1.1.2. Ожидаемая продолжительность жизни при рождении Показатель ожидаемой продолжительности жизни обозначает среднее количество лет предстоящей жизни человека, достигшего данного возраста, т.е. число лет, которое в среднем предстояло бы прожить человеку из поколения родившихся при условии, что на протяжении всей жизни этого поколения повозрастная смертность останется на уровне того года, для которого вычислен показатель. Ожидаемая продолжительность жизни является наиболее адекватной обобщающей характеристикой смертности.

3.1.1.3. Общий коэффициент рождаемости Общий коэффициент рождаемости показывает отношение числа родившихся (живыми) в течение календарного года к среднегодовой численности населения.

Исчисляются в промилле (на 1000 человек населения).

3.1.1.4. Общий коэффициент смертности Общий коэффициент смертности показывает отношение числа умерших в течение календарного года к среднегодовой численности населения. Исчисляются в промилле (на 1000 человек населения).

3.1.1.5. Коэффициент естественного прироста населения Коэффициент естественного прироста населения – разность общих коэффициентов рождаемости и смертности. Исчисляется в промилле (на 1000 человек населения).

3.1.1.6. Коэффициент миграционного прироста населения Данные о миграции населения получены в результате разработки документов статистического учета прибытия и выбытия, составленных территориальными органами Федеральной миграционной службы при регистрации и снятии с регистрационного учета населения по месту жительства, а также (с 2011 г.) при регистрации по месту пребывания на срок 9 месяцев и более. Снятие с регистрационного учёта по истечении срока пребывания осуществляется автоматически в процессе электронной обработки данных о миграции населения.

Понятия «прибывшие» и «выбывшие» характеризуют миграцию с некоторой условностью, так как одно и то же лицо может в течение года менять место постоянного жительства или место пребывания не один раз.

Миграционный прирост населения – абсолютная величина разности между числом прибывших на данную территорию и числом выбывших за пределы этой территории за определенный промежуток времени. Его величина может быть как положительной, так и отрицательной.

Коэффициент интенсивности миграции общий (коэффициент миграционного прироста) характеризует частоту случаев перемены места жительства в совокупности населения за данный период времени и исчисляется как отношение миграционного прироста, принятого в расчетах численности населения, к среднегодовой численности населения. Принимаемые в расчетах численности населения миграционные приросты могут отличаться от отчетных данных вследствие поправок на недоучет некоторой части случаев перемены места жительства.

3.1.1.7. Взаимосвязь показателей блока «1. Население»

Показатели в разрезе «Численность населения (среднегодовая)» должны быть взаимоувязаны по следующим основным формулам:

PPLt PPLt IFO _ PPLt Темпы роста для среднегодовой численности городского и сельского населения рассчитываются аналогично формуле (1).

PPLt Среднегодовая численность городского населения в момент t, тыс.

Среднегодовая численность сельского населения в момент t, тыс.

PPL _ st Показатели «Общий коэффициент рождаемости, число родившихся на человек населения», «Общий коэффициент смертности, число умерших на 1000 человек населения», «Коэффициент естественного прироста населения, на 1000 человек населения» должны быть взаимоувязаны по следующей формуле:

Incr _ PPLt K _ brt K _ drt В форме 2П по блоку показателей «1. Население» необходимо заполнить раздел, содержащий ретроспективную информацию, и спрогнозировать данные на краткосрочную и среднесрочную перспективу.

3.1.2.1. Ретроспективная информация по показателям блока «1.

Источником ретроспективной информации по демографическим показателям служит Росстат. Данные по показателям блока «1. Население», кроме темпов роста, можно найти в статистических сборниках «Регионы России. Социально-экономические показатели» в разделе «Население», «Демографический ежегодник России», «Численность населения Российской Федерации по муниципальным образованиям на 1 января года». Запаздывание составляет 1 год. Следует обратить внимание на то, чтобы в сборнике были приведены данные, пересчитанные с учетом итогов ВПН 2010.

Данные по показателям естественного и миграционного движения населения, а также численности населения и ожидаемой продолжительности жизни за год, также публикуются Росстатом в месячном разрезе в приложениях к докладу «Социальноэкономическое положение России» в соответствующем разделе. Запаздывание составляет 1 месяц.

Указанные сборники публикуются на сайте Росстата, там же размещены ссылки на (http://www.perepis-2010.ru) и 2002 года (http://www.perepis2002.ru/index.html?id=9).

Данные по показателям «Все население (среднегодовая), % к предыдущему году», «Городское население (среднегодовая), % к предыдущему году» и «Сельское население (среднегодовая), % к предыдущему году» можно рассчитать на основе соответствующих абсолютных показателей с единицей измерения «тыс. человек» по формуле (1).

3.1.2.2. Прогнозирование показателей блока «1. Население» на Одним из вариантов определения численности населения (среднегодовой) на прогнозном периоде является использование численности населения на конец года:

PPLt PPL _ end t, PPL _ end t Ретроспективную информацию по численности населения на конец года можно найти в статистических сборниках «Регионы России. Социально-экономические показатели» в разделе «Население», «Демографический ежегодник России». Запаздывание составляет 1 год. Данные по численности населения на конец года также публикуются Росстатом в приложениях к докладу «Социально-экономическое положение России» в соответствующем разделе.

Численность населения на конец года на прогнозном периоде может быть определена на основе применения уравнения экспоненциальной кривой:

Incr _ PPLt PPL _ end t, PPL _ end t 1 человек Методика прогнозирования коэффициента естественного прироста приведена в п.

3.1.2.2.5 настоящего документа.

Также численность населения на конец года на прогнозный период может быть определена по формуле:

PPL _ end t, PPL _ end t AIncr _ PPLt AMigr _ PPLt При этом естественный прирост/убыль населения можно рассчитать как разницу между числом родившихся (см. п. 3.1.2.2.3 настоящего документа) и числом умерших (см.

п. 3.1.2.2.4 настоящего документа). Общие итоги миграции населения можно рассчитать как произведение коэффициента миграционного прироста, спрогнозированного с помощью метода линейной регрессии (см. п. 3.1.2.2.6 настоящего документа), и численности населения на конец предыдущего года.

использовать средний показатель урбанизации за предыдущие 5 лет, помноженный на общую численность населения:

Urbt PPLt Средний показатель урбанизации за предыдущие 5 лет может быть рассчитан тремя способами (формулы (8)-(10)).

Первый подход к получению прогнозного значения основан на использовании среднего абсолютного прироста и корректен, если характер развития близок к линейному.

На такой равномерный характер развития могут указывать примерно одинаковые значения цепных абсолютных приростов:

Urbt Urbt 5, Urbt Второй подход к получению прогнозного значения осуществляется с применением среднего темпа роста, использование которого целесообразно для тех процессов, изменение динамики которых происходит примерно с постоянным темпом роста:

Urbt Urbt 5, Urbt ретроспективном периоде. Третий способ, в отличие от двух вышеперечисленных, учитывает промежуточные значения ретроспективного периода и основан на методе подсчета скользящего среднего:

Urbt Среднегодовая численность сельского населения вычисляется как разница между общей численностью населения и численностью городского населения:

PPLt PPL _ st Все относительные показатели на прогнозном периоде (общая численность населения в %, численность сельского населения в % и численность городского населения в %) считаются по формуле (1).

Для прогнозирования ожидаемой продолжительности жизни при рождении можно использовать многофакторную модель.

Наиболее значимыми факторами, определяющими ожидаемую продолжительность жизни при рождении, являются:

­ Выбросы в атмосферный воздух загрязняющих веществ, отходящих от ­ Индекс-дефлятор объема валового регионального продукта;

­ Обеспеченность больничными койками на 10 000 человек населения;

­ Общий коэффициент рождаемости;

­ Общий коэффициент смертности;

­ Превышение доходов над расходами (+), или расходов над доходами (-);

­ Расходы населения;

­ Реальные денежные доходы населения;

­ Среднедушевые денежные доходы;

­ Уровень безработицы;

­ Численность врачей всех специальностей;

­ Численность населения с денежными доходами ниже величины прожиточного ­ Численность среднего медицинского персонала на 10 000 человек населения;

­ Число зарегистрированных преступлений.

В качестве одного из вариантов определения ожидаемой продолжительности жизни при рождении на прогнозном периоде может быть использован метод линейной регрессии:

атмосферный воздух загрязняющих веществ, отходящих от стационарных преступлений» можно найти в ежегодном статистическом сборнике «Регионы России.

Социально-экономические показатели» в разделе «Правонарушения». Запаздывание составляет 1 год. Данные по показателю также публикуются Росстатом в месячном разрезе, в приложениях к докладу «Социально-экономическое положение России» в Здесь и далее по документу:

ain_ - Коэффициент-константа;

Статистический коэффициент влияния фактора ( X t ) на значение прогнозируемого показателя, где:

a i_ j n – номер блока (раздела) формы 2п, в котором находится прогнозируемый показатель;

i – номер уравнения в модели (системе уравнений);

j – номер фактора, влияющего на прогнозируемый показатель.

Данные параметры (статистические коэффициенты) являются уникальными характеристиками региона (эти коэффициенты близки по смысловой нагрузке к коэффициентам эластичности и отображают, насколько изменится прогнозируемый показатель при изменении объясняющей переменной (фактора), при которой находится коэффициент, на единицу).

Параметры рассчитываются экспертами – сотрудниками, ответственными за прогнозирование данного показателя в регионе. Для расчета данных коэффициентов можно применять различные методы прогнозирования (см. п. 2.4 настоящего документа).

соответствующем разделе. Запаздывание отсутствует.

зарегистрированных преступлений на прогнозном периоде может быть использован метод линейной регрессии:

NRCt Migr _ PPLt ai1_ ai1_ миграционного прироста на число зарегистрированных преступлений Методика прогнозирования коэффициента миграционного прироста приведена в п.

3.1.2.2.6 настоящего документа.

Ретроспективные данные выбросов в атмосферный воздух загрязняющих веществ, отходящих от стационарных источников, и рекомендации по прогнозированию показателя приведены в пп. 3.18.2.1 и 3.18.2.2.5 настоящего документа.

Одним из вариантов определения общего коэффициента рождаемости на прогнозном периоде является использование показателей среднегодовой численности населения и численности родившихся:

K _ brt PPLt Число родившихся определяется исходя из следующей формулы:

K _ brt PPL _ end t При прогнозировании коэффициента рождаемости и численности населения в группе 20-35 лет можно использовать трендовую функцию.

Ретроспективную информацию по показателям (Численность населения на конец года и Коэффициент рождаемости в группе 20-35 лет) можно найти в статистических сборниках «Регионы России. Социально-экономические показатели» в разделе «Население», «Демографический ежегодник России». Запаздывание составляет 1 год.

Данные по численности населения на конец года также публикуются Росстатом в соответствующем разделе. Данные по коэффициенту рождаемости в группе 20-35 лет также можно найти в базе данных «ЦБСД» Росстата.

Одним из вариантов определения общего коэффициента смертности на прогнозном периоде является использование показателей среднегодовой численности населения и численности умерших:

K _ drt PPLt Число умерших определяется исходя из следующей формулы:

K _ drt PPL _ end t При прогнозировании коэффициента смертности в трудоспособном возрасте и численности населения в группе старше 60 лет можно использовать трендовую функцию Ретроспективную информацию по показателям (Численность населения на конец года и Коэффициент смертности в трудоспособном возрасте) можно найти в статистических сборниках «Регионы России. Социально-экономические показатели» в разделе «Население», «Демографический ежегодник России». Запаздывание составляет год. Данные по численности населения на конец года также публикуются Росстатом в соответствующем разделе. Данные по коэффициенту смертности в трудоспособном возрасте также можно найти в базе данных «ЦБСД» Росстата.

Одним из вариантов определения общего коэффициента естественного прироста населения на прогнозном периоде является использование общего коэффициента рождаемости и общего коэффициента смертности:

Incr _ PPLt K _ brt K _ drt Методики прогнозирования общего коэффициента рождаемости и общего коэффициента смертности приведены в пп. 3.1.2.2.3 и 3.1.2.2.4 настоящего документа.

Коэффициент миграционного прироста населения на прогнозном периоде определяется посредством использования показателей среднегодовой численности населения и коэффициента естественного прироста населения:

Migr _ PPLt PPLt, PPLt Incr _ PPLt Методика прогнозирования среднегодовой численности населения приведена в п.

3.1.2.2.1 настоящего документа. Методика прогнозирования коэффициента естественного прироста населения приведена в п. 3.1.2.2.5 настоящего документа.

Также коэффициент миграционного прироста населения на прогнозный период может быть определен с использованием его прогнозного номинального темпа роста (прогнозирование с помощью метода линейной регрессии):

NTP _ Migr _ PPLt AV _ Houst, AV _ Houst Migr _ PPLt, Migr _ PPLt ai1_ ai1_ ai1_ Методика прогнозирования числа зарегистрированных преступлений приведена в п. 3.1.2.2.2 настоящего документа.

приходящейся в среднем на 1 жителя (на конец года), можно найти в статистическом сборнике «Регионы России. Социально-экономические показатели» в разделе «Уровень жизни населения», подразделе «Жилищные условия населения». Запаздывание составляет 1 год.

Определение общей площади жилых помещений, приходящейся в среднем на жителя (на конец года), на прогнозный период осуществляется по формуле:

AV _ Houst PPL _ end t F _ Houst DW _ Houst Также общая площади жилых помещений, приходящаяся в среднем на 1 жителя (на конец года), на прогнозный период может быть определена с использованием трендовой функции, либо с использованием метода линейной регрессии (факторами, к примеру, могут выступать Численность населения на конец года и Ввод в действие жилых домов).

Методика прогнозирования численности населения на конец года приведена в п.

3.1.2.2.1 настоящего документа. Методика прогнозирования ввода в действие жилых домов приведена в п. 3.9.2.2.4 настоящего документа.

статистическом сборнике «Регионы России. Социально-экономические показатели» в разделе «Уровень жизни населения», подразделе «Жилищные условия населения».

Запаздывание составляет 1 год.

3.2. Блок показателей «2.1. Выпуск товаров и услуг»

3.2.1. Общие определения В блоке формы 2П «2.1. Выпуск товаров и услуг» присутствует показатель «Выпуск товаров и услуг, млн. руб.».

Выпуск товаров и услуг представляет собой суммарную стоимость товаров и услуг, являющихся результатом производственной деятельности резидентов национальной экономики в отчетном периоде. Резидентами считаются предприятия, организации и домашние хозяйства, имеющие центр экономического интереса на экономической территории страны в течение длительного срока (не менее года). Реализованные товары и услуги включаются в выпуск по фактической рыночной стоимости; нереализованная готовая продукция – по средним рыночным ценам; изменение незавершенного производства – по себестоимости. Незавершенное производство – это продукция, которая не закончена производством и находится на разных его стадиях от запуска материалов в производство (на технологические операции) до сдачи на склад или заказчику полностью законченной продукции.

Выпуск продукции банков (кроме Центрального банка) состоит из двух частей:

оплаты вспомогательных финансовых услуг банков (ведение счетов и т.д.) и косвенно измеряемых услуг финансового посредничества, исчисляемых как разница между процентами, полученными банками за предоставленные кредиты, и процентами, выплаченными за привлеченные ресурсы (депозиты и др.). Выпуск Центрального банка определяется по фактическим текущим затратам на оказание услуг включая потребление основного капитала.

Для страховых организаций выпуск – это разница между страховыми премиями, полученными страховыми организациями, и страховыми возмещениями плюс доход от инвестирования страховых технических резервов минус изменение актуарных резервов.

В торговле выпуск определяется как величина торговой наценки.

Выпуск жилищного хозяйства представляет собой услуги юридических и физических лиц по сдаче жилья в аренду. Он определяется в размере арендной (квартирной) платы с добавлением субсидий. Кроме того к этому виду деятельности относятся услуги, предоставленные в связи с проживанием владельцев в собственных жилищах, выпуск которых определен условно в размере текущих затрат на содержание жилищ, включая потребление основного капитала.

Нерыночные услуги оценивались по фактическим текущим затратам на оказание этих услуг, плюс потребление основного капитала. К текущим затратам относятся: оплата труда, материальные затраты, оплата услуг, потребленных в процессе производства, другие налоги на производство.

В форме 2П по блоку показателей «2.1. Выпуск товаров и услуг» необходимо заполнить раздел, содержащий ретроспективную информацию, и спрогнозировать данные на краткосрочную и среднесрочную перспективу.

3.2.2.1. Ретроспективная информация по показателям блока Данные по выпуску товаров и услуг в ретроспективном периоде могут быть запрошены у территориального органа Росстата по субъекту Российской Федерации.

3.2.2.2. Прогнозирование показателей блока «2.1. Выпуск Выпуск товаров и услуг является агрегированным показателем, характеризующим суммарную стоимость всех произведённых в регионе конечных товаров и оказанных услуг за текущий год, поэтому в качестве фактора при прогнозировании показателя можно использовать сумму объёмов отгруженных товаров и произведённых услуг собственного производства по ключевым видам экономической деятельности.

В качестве одного из вариантов определения выпуска товаров и услуг на прогнозном периоде может быть использован метод нелинейной регрессии:

OGSt V _ QSPC выполненных работ и услуг собственными силами - РАЗДЕЛ C: Добыча Производство и распределение электроэнергии, газа и воды в момент t, QSAt QSBt USLt QSTt ai2_. ai2_. товаров и произведённых услуг собственного производства на выпуск Источники ретроспективной информации и методики прогнозирования объёмов отгруженных товаров и произведённых услуг собственного производства по ключевым видам экономической деятельности (промышленность, сельское хозяйство, строительство, платные услуги, розничная торговля) приведены в соответствующих разделах настоящего документа.

3.3. Блок показателей «2.2. Валовой региональный продукт»

3.3.1. Общие определения В блоке формы 2П «2.2. Валовой региональный продукт» присутствуют следующие показатели:

­ Валовый региональный продукт, млн. руб.;

­ Индекс физического объема валового регионального продукта, в постоянных ценах; % к предыдущему году;

­ Индекс-дефлятор объема валового регионального продукта, % к предыдущему 3.3.1.1. Валовой региональный продукт Валовой региональный продукт (ВРП) – обобщающий показатель экономической деятельности региона, характеризующий процесс производства товаров и услуг для конечного использования. Одновременно ВРП представляет собой валовую добавленную стоимость, созданную резидентами региона, и определяется производственным методом как разница между выпуском и промежуточным потреблением. ВРП рассчитывается в текущих основных ценах. Основные цены включают цены производства данной отрасли, величину субсидий на продукты, но не включают налоги на продукты.

3.3.1.2. Индекс физического объема валового регионального Индекс физического объема валового регионального продукта – относительный показатель, характеризующий изменение объема валового регионального продукта в текущем периоде по сравнению с предыдущим. Этот индекс показывает, на сколько увеличился физический объем ВРП, т.е. исключается влияние изменения цен.

3.3.1.3. Индекс-дефлятор объема валового регионального Отношение объема ВРП, исчисленного в фактически действовавших ценах, к объему ВРП, исчисленному в постоянных ценах базисного периода – период времени, с которым производится сравнение проектируемых или отчетных показателей. Индексдефлятор ВРП характеризует суммарное изменение цен на добавленную стоимость, созданную во всех отраслях экономики.

3.3.1.4. Взаимосвязь показателей блока «2.2. Валовой Показатели «Объем валового регионального продукта, млн. руб.», «Индекс физического объема валового регионального продукта, в постоянных ценах; % к предыдущему году» и «Индекс-дефлятор объема валового регионального продукта, % к предыдущему году» должны быть взаимоувязаны по следующей основной формуле:

VRPt VRPt IFO _ VRPt INF _ VRPt 3.3.2. Методические рекомендации к разработке показателей В форме 2П по блоку показателей «2.2. Валовой региональный продукт»

необходимо заполнить раздел, содержащий ретроспективную информацию, оценить объем ВРП по имеющимся отчетным данным за прошедший год и спрогнозировать его на краткосрочную и среднесрочную перспективу.

3.3.2.1. Ретроспективная информация по показателям блока Источником ретроспективной информации по ВРП служит Росстат.

Данные по объему валового регионального продукта и индексу валового регионального продукта можно найти в ежегодных статистических сборниках «Регионы России. Социально-экономические показатели» в разделе «Валовой региональный продукт». Запаздывание составляет 2 года.

Более оперативную информацию по данным показателям можно посмотреть непосредственно на сайте Росстата в разделе «Национальные счета / Валовой региональный продукт». Данные публикуются ежегодно в первой половине марта.

Ретроспективные данные по индексу-дефлятору валового регионального продукта можно рассчитать по формуле:

VRPt VRPt INF _ VRPt IFO _ VRPt 3.3.2.2. Оценка показателей блока «2.2. Валовой региональный Оценка валового регионального продукта по имеющимся отчетным данным за прошедший год осуществляется в соответствии со сборниками «Методологические положения по статистике» (вып. 1, Госкомстат России, М., 1996, в главе 7 «Система национальных счетов»; вып. 2, Госкомстат России, М., 1998, в главе 2.2. «Общие рекомендации представлены в Приложении №1 к документу. Также они опубликованы на Интернет-портале Росстата.

Альтернативой оценки валового регионального продукта за прошедший год может стать прогнозирование показателя. В этом случае прошедший год является первым прогнозируемым годом. Использование данного метода снижает трудоемкость подготовки прогноза, поскольку исключает этап оценки ВРП по имеющимся отчетным данным за прошедший год, однако несколько снижает точность прогноза из-за использования менее актуального ретроспективного периода.

Необходимость оценки валового регионального продукта по имеющимся отчетным данным за прошедший год определяется экспертами – сотрудниками, ответственными за прогнозирование данного показателя в регионе.

3.3.2.3. Прогнозирование показателей блока «2.2. Валовой Объем валового регионального продукта на прогнозный период можно рассчитать по формуле (23) на основе рассчитанных прогнозных значений индекса-дефлятора валового регионального продукта (описание методики прогнозирования показателя приведено в п. 3.3.2.3.2 настоящего документа) и индекса физического объема валового регионального продукта (описание методики прогнозирования показателя приведено в п.

3.3.2.3.3 настоящего документа).

Другой метод прогнозирования объема валового регионального продукта на краткосрочную и среднесрочную перспективу основывается на способе расчета ВРП методом конечного продукта – добавленной стоимости. Согласно данной методике ВРП определяется через суммарный объём произведённых в регионе товаров и услуг в течение года. В связи с этим выпуск товаров и услуг использован в качестве фактора модели линейной регрессии:

VRPt OGSt ai2_. ai2_. Описание методики прогнозирования выпуска товаров и услуг приведено в п.

3.2.2.2.1 настоящего документа.

При прогнозировании индекса-дефлятора валового регионального продукта предлагается использовать обобщенную модель прогнозирования всех необходимых индексов-дефляторов региона. В модели в качестве основных факторов, определяющих уровень инфляции в регионе, взяты уровень инфляции по Российской Федерации в целом, а также отношение накопленного уровня инфляции по России к накопленной инфляции в регионе. Последнее отношение характеризует торможение или, наоборот, ускорение инфляционных процессов в регионе по сравнению с общим уровнем инфляции в стране.

Предполагается, что регион не может в течение длительного времени противостоять общероссийским тенденциям, то есть накопленный уровень отклонений повлияет на рассчитываемый уровень инфляции.

При прогнозировании индекса-дефлятора валового регионального продукта можно использовать формулу:

INF _ VRPt INF _ VRPt h момент (t-h), % к (t-h-1), где h – глубина ретроспективного ряда Индекс-дефлятор объема валового регионального продукта в целом INF _ VRPt RF Индекс-дефлятор объема валового регионального продукта в целом INF _ VRPt h по России в момент (t-h), % к (t-h-1), где h – глубина ретроспективного ai2_. Источники ретроспективной информации и методы оценки индекса-дефлятора валового регионального продукта по имеющимся отчетным данным за прошедший год по региону и в целом по Российской Федерации описаны в пп. 3.3.2.1 и 3.3.2.2 настоящего документа.

Данные по индексу-дефлятору объема валового регионального продукта в целом по России в момент t базируются на параметрах Прогноза МЭР РФ.

Другим из вариантов определения индекса-дефлятора валового регионального продукта на прогнозном периоде является также использование многофакторной модели, учитывающей влияние следующих основных факторов, оказывающих наибольшее воздействие на динамику ВРП:

­ индексов-дефляторов инвестиций в основной капитал;

­ индексов-дефляторов основных видов экономической деятельности.

В этом случае расчет показателя на прогнозном периоде будет осуществляться методом линейной регрессии по следующей формуле:

INF _ VRPt INF _ V _ QSP x ai2_. ai2_. ai2_. Источники ретроспективной информации и методика прогнозирования индексадефлятора инвестиций в основной капитал приведены в пп. 3.13.2.1 и 3.13.2.2. настоящего документа.

соответствующих разделах настоящего документа.

В общем виде, при определении показателя на прогнозном периоде может быть использован метод линейной регрессии (аналогично формуле (36)).

Среди наиболее значимых факторов, влияющих на прогнозируемый показатель, можно выделить:

o Динамика мирового спроса на золото;

o Динамика мирового спроса на стальной прокат;

o Экспортная цена на норвежского лосося;

o Темпы роста экономики Китая;

o Темпы роста экономики Евросоюза;

o Темпы роста мировой торговли;

­ Факторы макроэкономические (российские):

o Темпы роста ВВП;

o Динамика официального курса рубля по отношению к доллару США;

o Рост цен (регулируемых тарифов) на электроэнергию, для всех категорий потребителей;

o Рост средних железнодорожных тарифов для грузовых перевозок;

o Темпы роста бюджетных расходов;

o Рост цен на природный газ для промышленных потребителей;

o Темпы роста розничных цен на дизельное топливо;

o Международный товарооборот РФ (темпы роста);

o Индекс потребительских цен;

o Денежная масса М2, темпы роста в %;

o Средние контрактные экспортные цены на природный газ;

­ Факторы региональные:

o Объем инвестиций в основной капитал;

o Темпы роста оборота розничной торговли;

o Число безработных по методологии МОТ, %;

o Число лиц с денежными доходами ниже прожиточного минимума, %;

o Средняя стоимость одного квадратного метра жилья в крупнейшем o Численность населения в возрасте 25-35 лет;

o Число личных автомобилей на 1000 человек населения;

o Среднемесячная номинальная начисленная заработная плата;

o Среднемесячный размер назначенной пенсии;

o Размер прожиточного минимума на душу населения в месяц;

o Темпы роста расходов регионального бюджета;

o Объем выданных кредитов физическим лицам;

o Рост тарифов на электроэнергию для населения;

o Рост тарифов на электроэнергию для промышленных предприятий;

o Объем вкладов населения, оформленных в отделениях банков на o Индекс цен производителей промышленной продукции.

В качестве фактора в модель можно включить авторегрессор 1-го порядка, а также лаговые переменные указанных факторов.

В рассматриваемой модели на изменение объемов валового регионального продукта оказывает влияние изменение денежных доходов населения, прибыли, доходов бюджета, полученных на территории региона:

IFO _ VRPt PIN t, PIN t PR _ ALLt, PR _ ALLt BUD _ ALLt 1, BUD _ ALLt ai2_. ai2_. ai2_. Источники ретроспективной информации и методика прогнозирования показателя «Денежные доходы населения, млн. руб.» приведены в пп. 3.15.2.1 и 3.15.2.2.1 настоящего документа.

Источники ретроспективной информации и методика прогнозирования показателя 3.14.2.2.2настоящего документа.

Источники ретроспективной информации и методика прогнозирования показателя «Доходы консолидированных бюджетов субъектов Российской Федерации, млн. руб.»

приведены в пп. 3.14.2.1 и 3.14.2.2.17 настоящего документа.

Индекс физического объема валового регионального продукта на прогнозном периоде также можно определить на основе рассчитанных прогнозных значений индексадефлятора валового регионального продукта (описание методики прогнозирования показателя приведено в п. 3.3.2.3.2 настоящего документа) и объема валового регионального продукта (описание методики прогнозирования показателя приведено в п.

3.3.2.3.1 настоящего документа) по формуле (детерминированное уравнение):

IFO _ VRPt VRPt VRPt INF _ VRPt 3.4. Блок показателей «2.3. Промышленное производство»

3.4.1. Общие определения В блоке формы 2П «2.3. Промышленное производство» присутствуют следующие показатели:

­ Индекс промышленного производства, % к предыдущему году;

o Объем отгруженных товаров собственного производства, выполненных o Индекс отгрузки, % к предыдущему году;

o Индекс-дефлятор, % к предыдущему году;

­ Потребление электроэнергии, млн.кВт.ч., в том числе по группам потребителей:

o Базовые потребители, млн. кВт. ч.;

o Население, млн. кВт. ч.;

o Прочие потребители, млн. кВт. ч.;

­ Средние тарифы на электроэнергию, отпущенную различным категориям потребителей, руб./тыс.кВт.ч, в том числе по группам потребителей:

o Базовые потребители, руб./тыс.кВт.ч;

o Население, руб./тыс.кВт.ч;

o Прочие потребители, руб./тыс.кВт.ч;

­ Индекс тарифов по категориям потребителей:

o электроэнергия, отпущенная различным категориям потребителей, за период с начала года к соотв. периоду предыдущего года, %;

o электроэнергия, отпущенная промышленным потребителям, за период с начала года к соотв. периоду предыдущего года, %;

o электроэнергия, отпущенная непромышленным потребителям, за период с начала года к соотв. периоду предыдущего года,%;

o электроэнергия, отпущенная транспорту, за период с начала года к соотв.

периоду предыдущего года,%;

o электроэнергия, отпущенная населению, за период с начала года к соотв.

периоду предыдущего года, %.

Структура ОКВЭД представлена следующими позициями:

­ Добыча полезных ископаемых: РАЗДЕЛ C: Добыча полезных ископаемых:

o Подраздел CA: Добыча топливно-энергетических полезных ископаемых;

o Подраздел CB: Добыча полезных ископаемых, кроме топливноэнергетических;

­ Обрабатывающие производства: РАЗДЕЛ D: Обрабатывающие производства:

o Подраздел DA: Производство пищевых продуктов, включая напитки, и o Подраздел DB: Текстильное и швейное производство;

o Подраздел DC: Производство кожи, изделий из кожи и производство o Подраздел DD: Обработка древесины и производство изделий из дерева;

o Подраздел DE: Целлюлозно-бумажное производство; издательская и o Подраздел DF: Производство кокса, нефтепродуктов;

o Подраздел DG: Химическое производство;

o Подраздел DH: Производство резиновых и пластмассовых изделий;

o Подраздел DI: Производство прочих неметаллических минеральных o Подраздел DJ: Металлургическое производство и производство готовых o Подраздел DK: Производство машин и оборудования; ОКВЭД ОК029КДЕС Ред. 1.1) o Подраздел DL: Производство электрооборудования, электронного и o Подраздел DM: Производство транспортных средств и оборудования;

o Подраздел DN: Прочие производства;

­ Производство и распределение электроэнергии, газа и воды: РАЗДЕЛ E:

Производство и распределение электроэнергии, газа и воды.

3.4.1.1. Индекс промышленного производства Индекс производства - относительный показатель, характеризующий изменение масштабов производства в сравниваемых периодах. Различаются индивидуальные и сводные индексы производства. Индивидуальные индексы отражают изменение выпуска одного продукта и исчисляются как отношение объемов его производства в натуральновещественном выражении в сравниваемых периодах. Сводный индекс производства характеризует совокупные изменения производства всех видов продукции и отражает изменение создаваемой в процессе производства стоимости в результате изменения только физического объема производимой продукции. Для исчисления сводного индекса промышленного производства индивидуальные индексы по конкретным видам продукции поэтапно агрегируются в индексы по видам деятельности, подгруппам, группам, подклассам, классам, подразделам и разделам ОКВЭД. Индекс промышленного производства – агрегированный индекс производства по видам деятельности «Добыча полезных ископаемых», «Обрабатывающие производства», «Производство и распределение электроэнергии, газа и воды».

Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами – стоимость отгруженных или отпущенных в порядке продажи, а также прямого обмена (по договору мены) всех товаров собственного производства, выполненных работ и оказанных услуг собственными силами.

Объем отгруженных товаров представляет собой стоимость тех товаров, которые произведены юридическим лицом и фактически отгружены (переданы) им в отчетном периоде на сторону (другим юридическим и физическим лицам), включая товары, сданные по акту заказчику на месте, независимо от того, поступили деньги на счет продавца или нет.

Объем работ и услуг, выполненных собственными силами, представляет собой стоимость работ и услуг, выполненных (оказанных) организацией другим юридическим и физическим лицам.

Данные приводятся в фактических отпускных ценах без налога на добавленную стоимость, акцизов и аналогичных обязательных платежей.

Группировки по видам деятельности представляют собой совокупность соответствующих фактических видов деятельности, осуществляемых организациями, независимо от их основного вида деятельности.

В ряде случаев в соответствии с принятой учетной политикой отдельные организации предоставляют данные в целом по юридическому лицу по месту его нахождения.

3.4.1.3. Индекс отгрузки Индекс отгрузки по разделам и подразделам ОКВЭД - показатель динамики объема отгруженных товаров собственного производства, выполненных работ и услуг собственными силами в разрезе ОКВЭД определяется в виде отношения текущего объема отгрузки в денежном выражении к объему отгруженных товаров в предыдущем году в сопоставимых ценах. Определяется путем отбора товаров-представителей, характеризуемых как важнейшие виды промышленной продукции. Под товаромпредставителем понимается вся совокупность определенных видов товаров в товарной группе, которые могут отличаться друг от друга незначительными особенностями, не влияющими на качество и основные потребительские свойства товаров, и однородны по своему потребительскому назначению. Основным принципом отбора товаров является представительность отобранных их видов для характеристики динамики цен по товарным группам, отраслям и подотраслям промышленности региона и России в целом.

предположение, что изменение цен на отобранные для наблюдения виды товаров и на товары, не попавшие в выборку, но являющиеся продукцией той же конкретной товарной группы, идентично, как на этом предприятии, так и на других, не отобранных для обследования.

В качестве критерия репрезентативности отобранных для регистрации товаров служит показатель их удельного веса в общем выпуске (стоимость отобранных видов продукции должна составлять не менее 50% в общем выпуске той товарной группы, которую они представляют). При этом следует иметь в виду, что отобранные для наблюдения товары должны охватывать все отрасли и подотрасли промышленности, производство продукции которых осуществляется в регионе.

Для обеспечения репрезентативности рассчитываемых сводных индексов цен по подотраслям и отраслям промышленности сумма стоимостей отобранных товарных групп должна составлять не менее половины общей стоимости товарной продукции подотрасли (отрасли).

3.4.1.4. Индекс-дефлятор по объему отгруженных товаров соответствующему периоду прошлого года определяется путем деления отчетных данных на данные соответствующего периода прошлого года в фактически действовавших ценах и на индекс физического объема оборота организаций отчетного периода.

3.4.1.5. Потребление электроэнергии Показатель рассчитывается с учетом групп потребителей.

Базовые потребители В состав данной группы входят потребители со средним за период регулирования значением заявленной (расчетной) мощности, равной или более 250 МВт и числом часов использования заявленной мощности более 7 000.

В состав данной группы входят следующие категории потребителей:

­ население, проживающее в городах и городских населенных пунктах в домах (квартирах), оборудованных газовыми плитами;

­ население, проживающее в городах и городских населенных пунктах в домах (квартирах), оборудованных стационарными электроплитами и (или) электроотопительными установками (устройствами);

­ население, проживающее в сельских населенных пунктах (независимо от установленных электроприборов и оборудования);

­ электропотребление мест общего пользования в жилых домах;

­ населенные пункты, получающие электроэнергию непосредственно от энергоснабжающей организации, не имеющие на балансе трансформаторные подстанции (ТП, РП) и распределительные электрические сети 10(6)/0,4 кВ;

­ населенные пункты, получающие электроэнергию непосредственно от энергоснабжающей организации, имеющие на балансе трансформаторные подстанции (ТП, РП) и распределительные электрические сети 10(6)/0,4 кВ;

­ населенные пункты, получающие электроэнергию через электросети основных ­ садовые товарищества и дачные кооперативы (с учетом освещения территории товарищества (кооператива), электропотребления водокачек, скважин, систем водопровода и канализации и т.п.);

­ религиозные организации (за исключением электроэнергии, потребленной на производственные цели);

­ гаражно-строительные кооперативы и гаражи, не входящие в ГСК, но зарегистрированные в соответствии с действующими нормативными и законодательными актами.

Прочие потребители В состав данной группы входят следующие категории потребителей:

­ промышленные и приравненные к ним потребители;

­ непромышленные потребители (за исключением бюджетных);

­ сельскохозяйственные товаропроизводители;

­ электрифицированный железнодорожный транспорт;

­ электрифицированный городской транспорт;

­ хозяйственные нужды энергосистемы.

3.4.1.6. Средние тарифы на электроэнергию, отпущенную Показатель рассчитывается с учетом групп потребителей. Определяются следующим образом:

Тэср = (Дэ - Допт )/ Эопт; (руб./квт.ч), где Тэср – Средний тариф на электрическую энергию;



Pages:     || 2 | 3 | 4 | 5 |   ...   | 7 |


Похожие работы:

«НОВОРОССИЙСКИЙ ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО БЮДЖЕТНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ПЯТИГОРСКИЙ ГОСУДАРСТВЕННЫЙ ЛИНГВИСТИЧЕСКИЙ УНИВЕРСИТЕТ ОТЧЕТ О РЕЗУЛЬТАТАХ САМООБСЛЕДОВАНИЯ ПО ОСНОВНЫМ ОБРАЗОВАТЕЛЬНЫМ ПРОГРАММАМ, РЕАЛИЗУЕМЫМ В НФ ФГБОУ ВПО ПГЛУ г. Новороссийск 2013г. СОДЕРЖАНИЕ ВВЕДЕНИЕ ОБЩИЕ СВЕДЕНИЯ ОБ ОСНОВНЫХ РАЗДЕЛ 1. ОБРАЗОВАТЕЛЬНЫХ ПРОГРАММАХ, РЕАЛИЗУЕМЫХ В...»

«Министерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Восточно-Сибирская государственная академия образования Факультет компьютерных наук Кафедра математической информатики Выпускная квалификационная работа специальности 080801 Прикладная информатика (в образовании) Методические рекомендации Иркутск 2011 ББК 74.262+74.58 УДК 510(07)+378 И 93 Печатается по решению учебно-методической комиссии...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ГЕОДЕЗИИ И КАРТОГРАФИИ Факультет дистанционных форм обучения – заочное отделение Авакян В.В., Куприянов А.О., Максимова М.В. МЕТОДИЧЕСКИЕ УКАЗАНИЯ К КУРСОВОМУ ПРОЕКТУ ПО ПРИКЛАДНОЙ ГЕОДЕЗИИ Для студентов заочного отделения факультета дистанционных форм обучения. Москва 2014 1 УДК 528.48 Авторы: Авакян Вячеслав Вениаминович, Куприянов Андрей Олегович, Максимова Майя Владимировна. Методические указания к...»

«ПЛАНИРОВАНИЕ, РАЗРАБОТКА И РЕАЛИЗАЦИЯ ПОЛИТИКИ ПО РЕГУЛИРОВАНИЮ ОЗОНОРАЗРУШАЮЩИХ ВЕЩЕСТВ В РАМКАХ МОНРЕАЛЬСКОГО ПРОТОКОЛА РУКОВОДСТВО ПО СОЗДАНИЮ НАЦИОНАЛЬНОЙ ПОЛИТИКИ Программа ЮНЕП/ОТПЭ ОзонЭкшн В рамках Многостороннего фонда 2 Данное учебное пособие на русском языке издано Национальным Озоновым Офисом Грузии при Министерстве Защиты Окружающей Среды и Природных Ресурсов Грузии. Эл.почта: [email protected] Руководитель издания – Михаил Тушишвили ISBN : 92-807-2497-5 Дискламация Программа...»

«Методические указания (материалы) студентам Рекомендуется изучить материал каждого занятия с использованием учебной литературы, проверить полученные знания по предлагаемым к каждому занятию вопросам для самоконтроля. III семестр. Занятие 1 Тема: Основные положения теории строения органических соединений. Классификация, номенклатура органических соединений. Введение в практикум. Правила техники безопасности. (4 часа, 180 минут). Содержание занятия: 1. СЕМИНАР. (150 минут). 1.1.Теория строения...»

«Департамент образования города Москвы Государственное бюджетное образовательное учреждение среднего профессионального образования Колледж сферы услуг № 10 Согласовано Утверждаю Зам директора по УМР Директор ГБОУ СПО КСУ №10 Л. Э. Кустова _М. Ю. Дерюгина Методические рекомендации по планированию и организации самостоятельной работы обучающихся в ГБОУ СПО КСУ №10 в условиях действия ФГОС HПO и CПO (для преподавателей) Разработчики: методист Большеянов Н.А. методист Самсоненко Т.Ф. Москва 2012г....»

«ФинансовЫЙ УнивЕРсиТЕТ пРи пРавиТЕльсТвЕ РоссиЙскоЙ ФЕдЕРации Под редакцией доктора экономических наук, профессора О.И. Лаврушина Допущено Минобрнауки Российской Федерации в качестве учебного пособия для студентов образовательных учреждений среднего профессионального образования, обучающихся по специальностям Экономика и бухгалтерский учет, Финансы, Налоги и налогообложение Третье издание, переработанное и дополненное УДК 336.71(075.32) ББК 65.262.1я723 О75 Рецензенты: Е.И. Шохин, заведующий...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СЕРВИСА И ЭКОНОМИКИ КАФЕДРА МИРОВАЯ ЭКОНОМИКА, МЕЖДУНАРОДНЫЕ ОТНОШЕНИЯ И ТУРИЗМ ЭКОНОМИЧЕСКАЯ ОЦЕНКА ИНВЕСТИЦИЙ МЕТОДИЧЕСКИЕ УКАЗАНИЯ ПО ВЫПОЛНЕНИЮ КОНТРОЛЬНОЙ РАБОТЫ ДЛЯ СТУДЕНТОВ СПЕЦИАЛЬНОСТИ 080502.65 (0608) ЭКОНОМИКА И УПРАВЛЕНИЕ НА ПРЕДПРИЯТИИ ТУРИЗМА Санкт-Петербург 2011 Одобрены на заседании кафедры Мировая экономика, международные отношения и туризм, протокол № 7 от 07.03.2011 г....»

«Военно-уголовное право: учебник, 2008, 5932970979, 9785932970973, За права военнослужащих, 2008 Опубликовано: 8th August Военно-уголовное право: учебник СКАЧАТЬ http://bit.ly/1cByrkF,,,,. Позитивизм порождает и обеспечивает здравый смысл nоn datur. Сомнение трогательно наивно. Гегельянство следует из вышесказанного, нетривиально. Даосизм оспособляет закон внешнего мира учитывая мнения авторитетов, Культ джайнизма включает в себя поклонение Махавире и другим тиртханкарам вселенная преобразует...»

«Московский государственный университет им. М.В. Ломоносова Геологический факультет М.К. Иванов, Ю.К. Бурлин, Г.А. Калмыков, Е.Е. Карнюшина, Н.И. Коробова Петрофизические методы исследования кернового материала (Терригенные отложения) Учебное пособие В 2-х книгах Книга 1 Издательство Московского университета 2008 1 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМ. М.В. ЛОМОНОСОВА Геологический факультет М.К. Иванов, Ю.К. Бурлин, Г.А. Калмыков, Е.Е. Карнюшина, Н.И. Коробова Петрофизические методы...»

«Министерство образования и науки Российской Федерации Негосударственное образовательное учреждение высшего профессионального образования Томский экономико-юридический институт УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС по дисциплине Римское право для направления подготовки 030900.62 Юриспруденция Томск - 2011 1 СОДЕРЖАНИЕ Раздел 1. Рабочая программа С.6 Раздел 1.1. Организационно-методический С.6 С.6 1.1.1. Выписка из государственного образовательного стандарта С.6 1.1.2. Цели и задачи учебной дисциплины...»

«Негосударственное образовательное учреждение высшего профессионального образования Институт экономики и управления (г. Пятигорск) НОУ ВПО ИнЭУ УТВЕРЖДАЮ Проректор по учебной работе / И.В. Данильченко / (Протокол № 4 от 27 декабря 2013 г.) ПРОГРАММА И МЕТОДИЧЕСКИЕ УКАЗАНИЯ ПО ПРОИЗВОДСТВЕННОЙ ПРАКТИКЕ 230700.62 - Прикладная информатика Направление подготовки бакалавр Квалификация (степень) выпускника Прикладная информатика в экономике Профиль подготовки бакалавра очная и заочная Форма обучения...»

«Министерство образования и науки Украины ОДЕССКАЯ НАЦИОНАЛЬНАЯ АКАДЕМИЯ СВЯЗИ им. А. С. ПОПОВА ИНСТИТУТ ЭКОНОМИКИ И МЕНЕДЖМЕНТА Кафедра менеджмента и маркетинга МАРКЕТИНГ Сборник задач к практическим занятиям 6.030601 – Менеджмент 6.030504 – Экономика предприятия 7.050.20202 Компьютерно-интегрированные технологические процессы и производство 7.050.20201 Автоматическое управление технологическими процессами Одесса, 2013 УДК 339.134 План УМР в 2013 г. Составители: Сакун А.А., Аветисян К.П.,...»

«2013 ИЮЛЬ Библиографический указатель новых поступлений по отраслям знаний Библиографический указатель новых поступлений по отраслям знаний Бюллетень Новые поступления ежемесячно информирует о новых документах, поступивших в АОНБ им. Н. А. Добролюбова. Бюллетень составлен на основе записей электронного каталога. Материал расположен в систематическом порядке по отраслям знаний, внутри разделов–в алфавите авторов и заглавий. Записи включают краткое библиографическое описание. В конце описания...»

«Инновационный менеджмент Кафедра менеджмента НГАСУ (Сибстрин) ИННОВАЦИОННЫЙ МЕНЕДЖМЕНТ СОДЕРЖАНИЕ ДИСЦИПЛИНЫ Тема 1. Методологические основы инновационного менеджмента. Введение. Инновационный менеджмент, предмет и задачи курса. Связь с социальноэкономическими, общепрофессиональными и специальными дисциплинами. Основные понятия инновационного менеджмента. Задачи и функции инновационного менеджмента. Социальнопсихологические аспекты инновационного менеджмента. Технология и методы инновационного...»

«ВОЕННО-МЕДИЦИНСКИЙ ФАКУЛЬТЕТ В УЧРЕЖДЕНИИ ОБРАЗОВАНИЯ БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ Кафедра военно-полевой терапии Утверждаю Начальник военно-медицинского факультета в БГМУ доктор медицинских наук, профессор полковник м/с С.Н.Шнитко 5 марта 2010 г. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ для проведения практического занятия по дисциплине Военно-полевая терапия Тема: Изменения внутренних органов при ожоговой болезни Учебная группа: студенты УО БГМУ Обсуждено на заседании кафедры 4 марта...»

«СОВРЕМЕННЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ФИЗИЧЕСКОЙ КУЛЬТУРЕ И СПОРТЕ Тезисы докладов международной научно-практической конференции, посвященной 70-летию образования Удмуртского государственного университета 17-18 октября 2001 года Ижевск 2001 Министерство образования Российской Федерации Удмуртский государственный университет Учебно-методический совет по физической культуре и спорту при УМО по педагогическому образованию вузов РФ Институт информатизации образования РАО Государственный комитет...»

«ГБОУ ВПО КУРСКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ Министерства здравоохранения России Кафедра хирургических болезней №1 МЕТОДИЧЕСКОЕ ПОСОБИЕ к практическим занятиям для студентов 6 курса лечебного факультета Под общей редакцией профессора С.В. Иванова КУРСК 2013 г. ОГЛАВЛЕНИЕ 1. Предоперационная подготовка и послеоперационный период. Переливание крови и кровезаменителей. /Иванов С.В., Окунев О.А./ 2. Осложнения острого аппендицита /Розберг Е.П./ 3. Кишечные свищи. Особенности лечения...»

«Федеральное агентство по образованию Филиал Сочинского государственного университета туризма и курортного дела в г.Н.Новгород Т. Н. Овчарова, В. В. Яшин ФИЛОСОФИЯ Учебное пособие В двух частях. Часть 2 Нижний Новгород 2009 ББК 87я73 О-35 Овчарова Т.Н. Философия: учебное пособие. В 2 ч. Часть 2 / Т. Н. Овчарова, В. В. Яшин. – Н.Новгород, Типография., 2009. – 300 с. ISBN В данном учебном пособии представлены основные проблемы философии, раскрывающие ее предметное поле: учение о бытии, вопросы...»

«Министерство образования Российской Федерации Государственное образовательное учреждение Высшего профессионального образования САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ, МЕХАНИКИ И ОПТИКИ Кафедра технологии приборостроения МЕТОДИЧЕСКИЕ УКАЗАНИЯ ДЛЯ ВЫПОЛНЕНИЯ КУРСОВОГО ПРОЕКТА ПО ОРГАНИЗАЦИИ СОВРЕМЕННОГО ПРОИЗВОДСТВА И РАЗРАБОТКЕ ТЕХНОЛОГИЧЕСКОЙ ПОДГОТОВКИ ПРОИЗВОДСТВА ( РЕИНЖЕНЕРИНГ БИЗНЕС-ПРОЦЕССА) Рекомендовано УМО по образованию в области приборостроения и...»






 
2014 www.av.disus.ru - «Бесплатная электронная библиотека - Авторефераты, Диссертации, Монографии, Программы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.