книги из ГПНТБ / Экономика газовой промышленности
..pdfс учетом социально-политических и экономических задач, основных направлений и возможных темпов реализации на учно-технического прогресса, а также с учетом новых сти мулов и возможностей для изменения темпов развития [101].
При прогнозировании основных показателей, характери зующих развитие газовой промышленности, применяются и статистические методы. Так, в работах американских уче ных [139 и 140] разработана математическая модель откры тия запасов и добычи природного газа, в которой устанавли ваются статистические закономерности развития отдельных показателей газовой промышленности США, а также связь между этими показателями. В отличие от метода непосред ственного расчета авторами этих работ в аналитическом ви де представлены соотношения, позволяющие сделать про гноз на любой год перспективного периода.
Для получения среднесрочного прогноза все большее рас пространение получают методы многофакторного прогнози-
-рования, основанные на анализе регрессий и корреляций. Регрессионный и корреляционный анализы позволяют уста новить зависимости экономических показателей от факторов, определяющих их развитие, степень существенности влияния этих факторов, а также форму и вид зависимостей. При этом подходе представляется возможным учесть неограниченное число факторов с оценкой их влияния на исследуемый показа тель и в математической зависимости учесть только факторы, наиболее существенные для данного явления.
Воснове этого метода лежит допущение о том, что пер спективное значение исследуемого показателя существенно зависит от изменения его в прошлом и настоящем периодах.
Таким образом, установление прогноза методами регрес сионного и корреляционного анализа состоит из:
1)выявления факторов, определяющих развитие исследу емого показателя;
2)оценки степени существенности влияния этих факто
ров;
3)установления связи между исследуемым показателем
инаиболее существенными факторами;
4)определения перспективных значений исследуемого показателя на основе возможной динамики факторов, мак симально благоприятствующей эффективности общественно го производства.
Для долгосрочного прогнозирования в практических ра
ботах чаще всего используют методы регрессионного анали-
6 4-1021 |
81 |
за, в которых связь между исследуемым явлением и фактора ми устанавливается в виде статических уравнений, как и при определении среднесрочного прогноза. Однако такой подход является недостаточным, поскольку коэффициенты уравне ний, построенных для разных интервалов времени, нельзя считать постоянными в силу того, что на каждом этапе интен сивность влияния различных факторов неодинакова.
Для устранения этого недостатка необходимо строить динамические уравнения регрессии, в которых параметры являются функциями времени. Эти параметры можно опре делить, используя скользящий базисный период [127]. По строенные таким образом уравнения регрессии будут учи тывать наметившиеся в базисном периоде тенденции изме нения влияния научно-технического прогресса, а также изменение интенсивности влияния других факторов, что особенно важно при долгосрочном прогнозировании.
Иногда при долгосрочном прогнозировании используют метод экстраполяции, поскольку для применения корре ляционного и регрессионного анализа не всегда имеется в достаточном полном объеме информация по факторам, влияю щим на исследуемое явление. Это применение обосновано, если главная тенденция процесса настолько устойчива, что управление носит характер временных возмущений, лишь слегка отклоняющих процесс от его основной траектории с последующим возвратом на нее при условии долгосрочного прогноза [124]. Он позволяет делать предварительные рас четы на перспективу на основе имеющихся данных по вре менным рядам, которые могут быть уточнены с помощью ме тода экспертных оценок, получившего в последнее время развитие в различных направлениях.
Типичным методом экспертных оценок является метод «Делфи». Суть метода заключается в систематическом сборе мнений экспертов, чтобы разработать тщательно спроекти рованную программу последовательных индивидуальных опросов (которые лучше всего проводить с помощью вопрос ников), перемежаемых обратной связью в виде информации и мнений, получаемой путем обработки на электронновычи слительных машинах согласованной точки зрения экспертов по более ранним частям программы [137].
При разработке прогнозов в качестве вспомогательного средства могут быть использованы международные технико экономические сопоставления.
Однако необходимо учитывать, что в различных усло
82
виях одни и те же тенденции проявляются по-разному и имеют различную эффективность. Игнорирование этих раз личий, попытки некритического заимствования явлений, развивающихся в других экономических условиях, могут привести к серьезным ошибкам в прогнозах.
Представленная выше классификация методов прогно зирования для получения кратко-, средне- и долгосрочного прогноза условна, поскольку методы среднесрочного прогно зирования (в частности, метод анализа регрессий и корре ляций) могут быть использованы для получения краткосроч ного прогноза, а методы долгосрочного прогнозирования (на пример, метод, основанный на регрессионном анализе со скользящей базой) могут применяться для получения кратко- и среднесрочного прогноза.
Для прогнозирования запасов природного газа были использованы методы регрессионного и корреляционного анализа. Построение экономико-математических моделей прогноза осуществлялось поэтапно.
На первом этапе на основе экономических соображений был выбран ряд факторов, оказывающих влияние на откры тие запасов природного газа. В процессе построения уравне ний множественной регрессии путем математической оцен ки значимости этих факторов были отобраны наиболее су щественные из них, которые и приведены в уравнениях регрессии.
На втором этапе были построены временные модели для прогнозирования этих факторов на перспективный период. После-этого был сделан прогноз запасов природного газа по уравнениям множественной регрессии с учетом прогноза факторов.
Экономико-математические модели прогноза запасов при
родного газа |
представим |
в виде уравнений множественной |
||
регрессии: |
|
П |
|
|
линейного |
= |
(3-1) |
||
+ |
||||
и степенного |
|
f=i |
|
|
|
|
|
||
|
у — е?° П xfi, |
(3-2) |
||
|
|
/=1 |
|
где у — запасы природного газа; л:, — факторы, определяю щие развитие запасов природного газа; at — коэффициенты уравнений регрессии.
6* |
S3 |
Поскольку линейное уравнение регрессии давало более надежные результаты и оценки его по различным критериям были лучше, прогноз запасов природного газа был сделан по линейному уравнению.
Коэффициенты at линейного уравнения множественной регрессии определяются исходя из основного требования метода наименьших квадратов — чтобы сумма квадратов отклонений фактических данных от расчетных была мини мальной, т. е. чтобы функционал
т |
|
^ = 2 ( у / - Л ) 2. |
(з-з) |
/=1 |
|
где у, — фактическое значение запасов; |
у,-—расчетное зна |
чение запасов; т — число наблюдений, принимал минималь ное значение.
Минимизацию Чг можно провести разными способами, в частности, исследованием функции (3-3) на экстремум клас-' сическим методом. Для этого найдем частные производные от этой функции по входящим в нее параметрам и, приравняв их к нулю, получим следующую нормальную систему линей
ных уравнений: |
|
|
|
|
|
|
m |
m |
|
|
m |
m |
|
ß o 2 |
l + a x2 % |
+ . . . |
+ |
an 2 |
xn! = 2 Vf' |
|
i=1 |
/=1 |
|
|
/=1 |
/=1 |
|
m |
m |
|
|
m |
m |
|
«о2 *1/ + ßi 2 xb + • • • |
+ an2 xnix1/ = 2 Уіх'і' |
|||||
i=i |
,=i |
|
|
/=1 |
/=і |
|
...................................................................................... |
|
|
|
|
|
(3-4) |
m |
m |
|
|
+ °n 2 |
m |
|
«o 2 xn! + fli 2 |
X'iXn<+ • • |
2 № /• |
||||
/=1 |
/=i |
|
|
|
/=i |
/=1 |
Оценка адекватности статистической модели может про |
||||||
изводиться по нескольким критериям. Так, |
можно восполь |
|||||
зоваться среднеквадратической |
ошибкой |
|
||||
|
|
|
(У/ — У/)2 |
(3-5) |
||
|
оу ~~ |
m — п |
* |
|||
где Уі — фактическое значение запасов |
природного газа в |
/-м году; Уі — расчетное значение запасов природного газа в /-м году; m — число лет базисного периода; п — число факторов в модели.
84
Однако далеко не во всех задачах этот критерий может быть показателем адекватности статистической модели. Поэтому часто применяют в качестве критерия оценки вариа
цию |
а |
|
100, |
|
|
|
уг~ у г |
(3-6) |
|||
где |
|
|
|
|
|
|
|
|
|
|
|
|
2 tof ■9/Г |
p = |
2 у/ |
|
|
(у — У) |
= E l---- |
fc!_ |
; |
= |
|
|
u |
т |
|||
Чем меньше величина вариации б, |
тем ближе прогнозные |
значения исследуемого показателя к фактическим. Для эко номических расчетов б, как правило, не должна превышать
10%.
На практике часто пользуются критерием оценки
F = |
а? |
(3-7) |
|
где |
а 2 |
|
|
т |
|
2 (!//->Ѵ2 |
|
о2 — |
------------ |
1 |
от— п |
— остаточная дисперсия; |
|
т |
(yt —yf |
2 |
|
п2 - El |
------ ,---- |
—дисперсия внутри признака.
При этом, если F ^ 2, уравнение не следует рассматри
вать в дальнейшем; при 7 > F > 2 необходимо искать урав нение, наиболее адекватно описывающее рассматриваемое явление, если есть возможность; если F > 7, уравнение принимается для дальнейшего анализа.
Теснота связи между зависимой переменной и факторами, влияющими на ее величину, может быть определена при по мощи коэффициента множественной корреляции
85
где
* Оу =
at — коэффициенты уравнения |
регрессии; Хц — значение |
і-го фактора в /-м году. |
|
Связь между рассматриваемым показателем и определяю |
|
щими его факторами будет тем |
теснее, чем ближе R к 1. |
Опенка надежности коэффициента множественной корреля ции производится по ^-критерию
tR = ~ . |
(3-9) |
где R — коэффициент множественной корреляции; а#— среднеквадратическая ошибка коэффициента множествен ной корреляции, определяемая по формуле
а0 |
= |
1 — R* |
(3-10) |
||
У т — |
я |
||||
|
|
|
где т — число наблюдений; п — число факторов. Формулы (3-9) и (3-10) пригодны для выборок объемом
т > 30. В противном случае |
необходимо |
применить фор |
мулу |
1+ R |
|
In |
|
|
|
R |
(3-11) |
tR = 2 У т — я — 2 |
Коэффициент множественной корреляции признается надежным, если рассчитанное значение t# превосходит таб личное при заданной доверительной вероятности непоявле ния ошибки. Величина этой вероятности обычно принимает ся 0,95. В этом случае, согласно таблице значений функции нормального распределения, tu— 1,96.
Существенность коэффициента множественной корреля ции можно проверить также по F функции проверки Снедокора с л- и (я — п — 1) -степенями свободы:
Р _ R 2(m — n — l)
(3-12)
(1 — R>)n
Расчетное значение F сравнивают с теоретическим зна чением, определенным по таблице при заданных уровне
8 6
значимости и числе степеней свободы. Если расчетное зна чение F превышает табличное, то коэффициент множествен ной корреляции признается существенным.
Чтобы из всей совокупности рассматриваемых факторов выбрать наиболее существенные, на практике перед расчетом коэффициентов регрессии прибегают к определению парных коэффициентов корреляции гік по формуле
|
|
|
m |
—. |
|
— |
|
|
|
|
|
|
|
§(*</-*<> (**/-**> |
|
|
|
|
|||
|
rtk — " |
а о |
|
’ |
|
(3-13) |
||||
|
|
|
|
*i xk |
|
|
|
|
|
|
где |
гік — парный |
коэффициент |
корреляции |
между |
t-м |
и |
||||
k-м факторами; Хц, |
хк/ — значения |
соответственно |
t-ro |
и |
||||||
k-vo факторов в /-м |
году; |
хс, хк — средние значения |
і'-го |
|||||||
и k-то факторов: |
т |
|
|
т |
|
|
|
|
||
|
|
|
|
|
|
|
|
|||
|
|
S |
хи |
|
|
2 hi |
|
|
|
|
|
Т . - |
f e |
i _______• |
|
_ |
f e i _______ |
|
|
|
|
axt, |
Qxk — среднеквадратические |
отклонения |
t-го |
и |
k-го |
факторов от их средних значений:
В связи с тем что статистический материал, используемый для определения rik, представляет некоторую выборку, Проверяют надежность rik. Для этого используют распре деление Стьюдента / с (т — 2) -степенями свободы. В этом случае сначала для каждого гік определяют эмпириче ское значение і по формуле
U = |
гікУГт — 2 |
(3-14) |
|
Установив вероятность непоявления ошибки Pt и число степеней свободы, равное т — 2, сравнивают t3с табличным его значением tpв распределении Стьюдента. Если t3 > tp, величина гік надежна, в противном случае — ненадежна.
87
Истинное значение парных и множественных коэффици ентов корреляции вычисляют как интервальные величины при заданных вероятностях непоявления ошибки Pt\
rik— tP<*rik |
rik + |
tpar.k, |
(3-15) |
|
R - t p O f f ^ R ^ R + |
t ^ , |
|
(3-16) |
|
Обычно Pt = 0,95 и соответственно |
= |
1,96. |
про |
|
Оценка существенности |
коэффициента |
регрессии |
изводится с помощью ^-критерия, определяемого по форму лам [1201
_ а0 у^т — п + 1 |
Іа |
4= ; |
/ = 1 . |
2, . . . ,«,(3-17) |
|
— |
|||||
|
|
S / с и |
|
|
|
где а,-— значение |
коэффициента |
регрессии; |
|||
С2 |
_ ^11 ~ |
°г^12 — • |
• • — a„S\n . |
||
° |
“ |
т — п + |
1 |
V |
т__
Sil = 2 |
Уіха — Ухі> |
(3-18) |
/=1 |
|
|
Сц — элемент матрицы, |
обратной к матрице, элемента |
ми которой являются ковариационные моменты:
т |
___ |
п, і — 1,2, |
%ij%ki xixkJ> k ~ \ 1 2, . . . I |
||
/=»1 |
|
|
Доверительный интервал коэффициента регрессии опре |
||
деляется |
по формуле |
|
|
âi = at ± taiS y c ih |
(3-19) |
где ta. — значение коэффициента из |
таблицы Стьюдента, |
|
взятого в |
соответствии с доверительной вероятностью и сте |
|
пенями свободы. |
|
Оценка существенности коэффициента регрессии необ ходима для выяснения существенности факторов. Фактор, для которого іщ наименьшее и в то же время меньше или рав
но 1,96, признается несущественным и исключается из урав нения. Исключение производится только по одному факто ру. Для оставшихся факторов снова определяют R, б, или F. Исключение факторов продолжается до тех пор, по ка наименьшее значение іаі не будет превышать табличного
значения.
8 8
На втором этапе при прогнозировании показателей, ко торые являются факторами в экономико-математических моделях прогноза запасов природного газа, рассматрива лись уравнения следующего вида:
у = at + b; |
(3-20) |
|||
3 |
|
|
|
|
у — at 2+ |
Ы + с\ |
(3-21> |
||
у = at2-f- bt -}- с. |
(3-22) |
|||
= at3+ bt2+ |
ct + d\ |
(3-23) |
||
In I/ = at + |
b\ |
(3-24) |
||
In у = at2 + bt -f c; |
(3-25) |
|||
у — a In t + |
b\ |
(3-26) |
||
In у = a In / + b; |
(3-27) |
|||
у = a + bt + - j ’ |
(3-28) |
|||
a |
1 |
и |
(3-29) |
|
y = j |
+ |
b\ |
||
|
а |
|
(3-30> |
|
У— 1 + be~st ’ |
||||
|
||||
у = abct. |
(3 - 3 1> |
Статистическая оценка адекватности модели проводит ся, как и в случае уравнения множественной регрессии, по= вариации (3-6). Коэффициент корреляции, показывающий существование линейной связи между зависимой и незави симой переменной, определяется по формуле
г = |
(3-32) |
|
yASuS22 |
Здесь Su и 512 определяются по формуле (3-18), значимость коэффициента корреляции — по /•'-критерию (3-12) или по- /-критерию Стьюдента (3-9).
Для прогнозирования ресурсов природного газа наиболее приемлемым с точки зрения приведенных выше статистиче ских критериев и оценки существенности факторов является
уравнение множественной регрессии |
|
у = 466,9+ 1,259*! + 1,447*2, |
(3-33 > |
89-
устанавливающее связь между запасами у промышленных категорий А + В + Clt капитальными вложениями в гео логоразведочные работы х1 и добычей природного газа х2. Прогноз капитальных вложений в геологоразведочные ра боты осуществлялся по временным моделям вида (3-20) — (3-31). Оценка адекватности описания этими уравнениями фактических данных и надежности коэффициентов регрес сии позволила из всей совокупности этих уравнений выбрать следующие два уравнения:
х1= 6,9795+ 1 1 ,0 4 8 1 / - ^ ^ - ; |
(3-34) |
X! = 18,5707 + 4,7758* + 1,6350*1 |
(3‘35) |
По этим уравнениям получено два возможных варианта ка питальных вложений в геологоразведочные работы, в за висимости от величины которых будет естественно изменять ся и прирост запасов. Прогноз добычи природного газа, подобное описание которого содержится в главе IV, дает ся также в двух вариантах.
По уравнению множественной регрессии (3-33) с учетом прогноза капитальных вложений в геологоразведочные ра боты и перспективных значений добычи природного газа по лучено два варианта прогноза ресурсов природного газа на 1975 г.— 788 и 813 млрд. ж3.
Результаты прогноза, полученные на основе экономико математического моделирования, хорошо согласуются с раз работками УкрНИГРИ, УкрНИИГаза и ряда других от раслевых научно-исследовательских учреждений.
Г л а в а IV
АНАЛИЗ РАЗВИТИЯ ГАЗОДОБЫВАЮЩЕЙ ПРО МЫШЛЕННОСТИ УССР
Действие объективного закона планомерного пропорцио нального развития народного хозяйства в социалистическом обществе создает возможности для разработки перспектив ных планов развития всех отраслей народного хозяйства, в том числе и топливной индустрии. Планирование перспек тивы развития топливной промышленности исходит из ос новных задач построения материально-технической базы коммунизма и направлено на повышение удельного веса на
90