Управление различного рода процессами, влияющими на существование и развитие общества, и в первую очередь, относящимися к производству материальных и нематериальных благ, зависит в высокой степени от контроля над информацией экономического характера, т. е. ее сбора, систематизирования и анализа, что обуславливает широкое развитие экономико-аналитических систем, основанных на современных информационных технологиях.
В исследование проблем моделирования экономических процессов внесли большой вклад российские и зарубежные ученые: Аганбегян А. Г., Александров В. В., Багриновский К. А., Гвишиани Д. М., Гранберг А. Г., Дьячко А. Г., Ива-нилов В.Ю., Канторович JI.B., Коссов В. В., Моисеев H.H., Петров A.A., Покровский В. Н., Поспелов И. Г., Редкозубов С. А., Трапезников В. А., JI.P. Клейн, Т. К. Купманс, В. Леонтьев, М. Месарович, Э. Пестель, Я. Тинберген, Дж. Форрестер, Р. Фриш, Т. Хаавелмо.
Необходимость в развитии информационных систем, как элемента управления экономикой России, определена сложностью процессов, вызванных проведением реформ. Перемены в экономике России происходят как на микроэкономическом уровне — на предприятиях и в учреждениях, так и на макроэкономическом уровне — в отраслях в целом и в регионах. В результате появляется необходимость в исследовании новых экономических объектов и производственно-промышленных комплексов. Примером такого объекта может служить горная промышленность, которая, в силу своей специфики, замыкает на себе целый ряд других отраслей и является среди них не только самой трудоемкой и капиталоемкой, но и, в качестве элемента минерально-сырьевой базы, фундаментом экономического развития и обеспечения жизнедеятельности страны.
В настоящее время известны работы, в которых рассматривается показатель «Горная промышленность». Это модель Дж. Форрестера, где введена переменная — «природные ресурсы» и модель В. Леонтьева, где горнодобывающий комплекс описывается с точки зрения вложений, являющихся затратами других отраслей экономики. Поэтому актуальной является проблема представления горной промышленности как совокупности ее направлений, при котором становится возможным количественно оценить воздействие каждого из них на основные макроэкономические показатели и, как следствие, обобщить их влияние на экономику России в целом.
Основным инструментом, применяемым для решения экономических и аналитических задач, является составная часть автоматизированной информационной системы (АИС) — математическая модель, описывающая систему соотношений исследуемых макроэкономических показателей и отражающая многосторонние реальные взаимосвязи в экономике, что позволяет определить цели разумных изменений в ней, выбрать и рассчитать средства, необходимые для их достижения.
Следует отметить важность применения для этих целей эконометриче-ских компьютерных моделей, которые помогают успешно решить сложнейшие задачи экономического прогнозирования и управления, опираясь на реальные статистические данные. Погрешность расчетов по таким моделям зависит от погрешности статистической информации, но, тем не менее, точность прогноза по ним может быть не хуже, чем по теоретическим моделям, составить которые зачастую невозможно.
Существо эконометрических моделей требует на первом этапе определения их структуры, с последующей оценкой параметров.
Решению проблемы эконометрического анализа динамики горной промышленности России посвящена настоящая работа, цель которой — разработать структуры и оценить параметры многомерных эконометрических моделей экономического анализа динамики горной промышленности России для решения задач прогнозирования в условиях автоматизированных информационных управляющих систем (АИУС).
Для достижения поставленной цели необходимо изучить особенности моделирования глобальных экономических процессов и исследовать возможность адаптации существующих моделей к условиям Россииразработать структуру эконометрических моделей, описывающих макроэкономические процессы в Россииорганизовать алгоритмы и идентифицировать предложенные эконо-метрические моделиразработать алгоритмы адаптации эконометрических моделей динамики горной промышленности России с учетом новой статистической информацииразработать АИС экономического анализа динамики горной промышленности Россииразработать структуру базы данных АИС экономического анализа горной промышленности на макроэкономику России.
Результатом обзора существующих в экономике информационных систем стал вывод о необходимости создания АИС, которая в силу своей индивидуальной функциональной структуры, позволила бы произвести всесторонний анализ влияния горной промышленности на макроэкономику России не только в текущем периоде, но и имела бы возможность прогнозирования подобного влияния, оценивая его в динамике.
Анализ состояния современного компьютерного моделирования глобальных экономических процессов показал, что основной проблемой, затрудняющей адаптацию существующих моделей для России, является крупномас-штабность, и задача сужения их рамок сложна и трудоемка. Наиболее заслуживающей внимание, с точки зрения возможностей и современности, является модель Р1ГС1, некоторые особенности которой (сбор данных посредством системы удаленного доступаобработка экономической информации методом регрессионного анализавозможности хранения и отображения полученных результатов) могут быть использованы при создании собственной структуры модели экономического анализа горной промышленности России.
Изучение основных методов прикладного регрессионного анализа, применяемых для идентификации эконометрических моделей, показало, что для определения структуры эконометрических моделей и оценки ее параметров предпочтителен выбор алгоритма множественной регрессии, а среди алгоритмов последовательного вычисления коэффициентов регрессионной модели наиболее точным является алгоритм метода текущего регрессионного анализа.
На основе отобранных статистических данных разработаны адекватные уравнения, составляющие структуру эконометрических моделей влияния горной промышленности на основные макроэкономические показатели и на экономику России в целом.
Организация алгоритмов идентификации позволила адаптировать эконо-метрические модели, описывающие влияние макроэкономических показателей на основные показатели экономики, обеспечив тем самым их переход из разряда стационарных в разряд моделей с переменными коэффициентами, адекватно реагирующих на изменение существующей и ввод новой информации. Предложенная модель экономического анализа влияния горной промышленности на макроэкономику России послужила основой для разработки структуры автоматизированной информационной системы.
Научная новизна работы состоит в том, что впервые в экономическом анализе разработаны структуры эконометрических моделей, особенностью которых является представление горной промышленности как совокупности 4-х направлений: добычи угля, нефти, газа и железной руды. Предложен способ адаптации параметров эконометрической модели динамики горной промышленности России к новой статистической информации без структурного изменения модели, заключающийся в использование алгоритма метода ТРА. Показано, что разработанная эконометрическая модель, учитывая динамику показателей горной промышленности, позволяет сделать выводы о тенденциях развития в целом экономики России. Созданы основы для разработки автоматизированной информационной системы экономического анализа динамики горной промышленности России.
Практическая ценность настоящей работы заключается в разработке базы данных АИС экономического анализа динамики горной промышленности России, создании структуры автоматизированной информационной системы экономического анализа динамики горной промышленности России, включающей, помимо модели, информационное, техническое и программное обеспечение, разработке WEB-сайта АИС.
Работа состоит из пяти глав, списка использованных литературных источников и приложений.
В первой главе приведен обзор современного состояния компьютерного моделирования в автоматизированных информационных экономических системах. Определены основные задачи и направления исследований компьютерного моделирования влияния горной промышленности на макроэкономику России. Вторая глава посвящена идентификации ряда разработанных эконометрических моделей на основе отобранной статистической информации. В третьей главе разрабатываются уравнения динамики горной промышленности России, совокупность которых определяет модель динамики горной промышленности России, и оценивается точность прогнозирования по модели. В четвертой главе предложен механизм и на основе алгоритма метода ТРА проведена адаптация разработанной эконометрической модели динамики горной промышленности России. Пятая глава рассматривает вопросы разработки структуры АИС, ее информационной, технической и программной поддержки, структуры базы данных, а также WEB-caйтa функционирования информационной системы. В приложении содержатся документы по опытным испытаниям разработанной АИС, таблицы стандартизированных переменных по макроэкономическим показателям, корреляционные матрицы, таблица прогнозных значений развития экономики России с учетом влияния горной промышленности.
Настоящая работа выполнена в рамках темы «Компьютерное моделирование макроэкономических процессов развития горнодобывающего комплекса России до 2050 года» разрабатываемой кафедрой «Автоматизированные системы управления» Московского государственного горного университета (МГГУ).
1. Современное состояние компьютерного моделирования в автоматизированных информационных экономических системах (АИЭС).
Выводы: В результате проведенного исследования статистической зависимости национального дохода от совокупности рассматриваемых макроэкономических показателей Coal, Neft, Gas, Fer ruda, Energy, Chemistry, Car build, Forrpaper, Buildmat, Light ind, Food ind, Agricult, Soc cultur определилось 5 переменных, которые адекватно определяют переменную Dohod — это Gas, Fer ruda, Chemistry, Light ind, Soc cultur. Так как все переменные выражены в сравнимых единицах измерения, стандартизированные коэффициенты уравнения регрессии показывают сравнительную силу влияния каждой объясняющей переменной на изменение зависимой переменной. Чем больше коэффициент, тем большее влияние на национальный доход оказывает переменная. Влияние может быть прямое и противоположное, в зависимости от знака коэффициента соответствующей переменной. В получившейся окончательной модели наибольшее прямое влияние имеет добыча железной руды (коэффициент 0,555 433). С увеличением показателя добычи железной руды на величину стандартного отклонения при постоянных значениях остальных переменных национальный доход на душу населения в среднем увеличивается примерно на 0,555 433 единицы стандартного отклонения. Аналогично интерпретируются остальные положительные стандартизированные коэффициенты соответствующих переменных уравнения регрессии. Наибольшее противоположное влияние имеет переменная, характеризующая химическую и нефтехимическую промышленность (коэффициент -0,217 628). С увеличением этого показателя на величину стандартного отклонения при постоянных значениях остальных переменных национальный доход на душу населения в среднем уменьшится примерно на 0,217 628 единиц стандартного отклонения. Аналогично интерпретируются остальные отрицательные стандартизированные коэффициенты соответствующих переменных уравнения регрессии.
Переходя к общим выводам, можно сказать, что уровень нашей жизни к началу 1997 года определяется добычей железной руды и добычей газа. Из остальных отраслей промышленности влияют только легкая, химическая и нефтехимическая. Примечательным является тот факт, что противоположное влияние на национальный доход оказывает социально-культурная сфера, т. е., чем больше растут государственные расходы в этой области, тем больше уменьшается национальный доход. Возможно, это объясняется несовершенной системой распределения денежных средств, а также недостаточным их количеством, что и приводит к отсутствию существенной положительной отдачи в этой области. В качестве эксперимента проводились исследования, в которых рассматривались расходы в социально-культурной сфере с учетом отдачи через год, два, три и через шесть лет. Результат таких исследований каждый раз был одинаков — во всех случаях переменная 8осси1Шг не попадала в окончательную модель.
Все же остальные рассматриваемые отрасли промышленности не влияют на национальный доход, что, вероятнее всего, объясняется экономическим кризисом последних лет.
Зависимость переменной Dohod от переменных Ferruda и Gas.
0,00 1,00 2,00 3,00 4,00 5,00 6,00.
Рис. 6. График зависимости переменной Dohod от переменных Ferruda и Gas:
1-Ferruda.
2-Gas.
3. Прогнозирование динамики горной промышленности.
России.
3.1. Разработка уравнений динамики горной промышленности России.
Для разработки уравнений динамики рассматриваются 15 макроэкономических показателей:
1. Относительный прирост населения (значение которого вычисляется делением числа родившихся на число умерших в соответствующем году), таблица 1 (показатель ОПН).
2. Национальный доход на душу населения, тыс. руб., таблица 1 (показатель НД).
3. Добыча угля на душу населения, т., таблица 1 (показатель ДУ).
4. Добыча нефти (включая газовый конденсат) на душу населения, т., таблица 1 (показатель ДН). о.
5. Добыча природного газа на душу населения, м ., таблица 1 (показатель ДПГ).
6. Добыча железной руды на душу населения, т., таблица 1 (показатель ДЖР).
7. Темпы роста валовой продукции электроэнергии, в % к предыдущему году на душу населения, таблица 1 (показатель ВПЭ).
8. Темпы роста валовой продукции химической и нефтехимической промышленности, в % к предыдущему году на душу населения, таблица 1 (показатель ВПХН).
9. Темпы роста валовой продукции машиностроения и металлообработки, в % к предыдущему году на душу населения, таблица 1 (показатель ВПММ).
10. Темпы роста валовой продукции лесной, деревообрабатывающей и целлюлозно-бумажной промышленности, в % к предыдущему году на душу населения, таблица 1 (показатель ВПЛД).
11. Темпы роста валовой продукции строительных материалов, в % к предыдущему году на душу населения, таблица 1 (показатель ВПСМ).
12. Темпы роста валовой продукции легкой промышленности, в % к предыдущему году на душу населения, таблица 1 (показатель ВПЛ).
13. Темпы роста валовой продукции пищевой промышленности, в % к предыдущему году на душу населения, таблица 1 (показатель ВПП).
14. Темпы роста валовой продукции сельского хозяйства, в % к предыдущему году на душу населения, таблица 1 (показатель ВПСХ).
15. Расходы в социально-культурной сфере, в % к предыдущему году на душу населения, таблица 1 (показатель СКС).
Эконометрическая модель динамики горной промышленности России состоит из 15 уравнений. Каждое из этих уравнений, согласно применяемому алгоритму метода множественной регрессии, представляет собой комбинацию макроэкономических показателей:
ДХ1 = ЕОДМ, щ, 1=1,., 15^=1,., 15, п=1,., 15, (3.1) где.
АХ| = - величина прироста по каждой из отраслей.
Х|[п] - ]-й макроэкономический показательЩ — коэффициент при >ом макроэкономическом показателе;
Макроэкономические показатели собраны в правой части уравнений, окончательный вид которых видоизменяется в процессе приведения их к адекватному — на основе Б-критерия. Каждое из уравнений рассматривается в отдельности. Для получения уравнений модели применяется многошаговый регрессионный анализ, суть которого заключается в отсеве незначимых факторов при использованиикритерия Стьюдента. В случае значимости всех коэффициентов регрессии по этому критерию, уравнение признается окончательным и, при общей проверке его адекватности по Б-критерию, принимается в качестве уравнения модели исследуемого макроэкономического показателя.
Нахождение уравнений модели и оценка их с помощью F-критерия производилась с применением статистического пакета STATGRAPHICS Plus, позволяющего решать задачу множественной регрессии при помощи регуляризован-ного метода наименьших квадратов. В процессе оценивания коэффициентов уравнений модели по t-критерию Стьюдента, а так же, исходя из заданной доверительной вероятности и повышения величины F-критерия, в ряде случаев возникает необходимость ввода в уравнения дополнительных факторов, представляющих собой совокупность макроэкономических показателей, отбор которых также осуществляется на основе t-критерия Стьюдента и уровня доверительной вероятности.
Ниже приведены условные обозначения переменных, используемых при построении модели: dOtnPrirost — стандартизированный прирост относительного прироста населенияdDohod — стандартизированный прирост национального дохода на душу населенияdCoal — стандартизированный прирост добычи угля на душу населенияdNeft — стандартизированный прирост добычи нефти на душу населенияdGas — стандартизированный прирост добычи газа на душу населенияdFerruda — стандартизированный прирост добычи железной руды на душу населенияdEnergy — стандартизированный прирост валовой продукции электроэнергии на душу населенияdChemistry — стандартизированный прирост валовой продукции химической и нефтехимической промышленности на душу населенияdCarbuild — стандартизированный прирост валовой продукции машиностроения и металлообработки на душу населенияdForrpaper — стандартизированный прирост валовой продукции лесной, деревообрабатывающей и целлюлозно-бумажной промышленности на душу населенияdBuildmat — стандартизированный прирост валовой продукции строительных материалов на душу населенияdLightind — стандартизированный прирост валовой продукции легкой промышленности на душу населенияdFoodind — стандартизированный прирост валовой продукции пищевой промышленности на душу населенияdAgricuIt — стандартизированный прирост валовой продукции сельского хозяйства на душу населенияd Soc cultur — стандартизированный прирост расходов в социально-культурной сфере на душу населения;
OtnPrirost = xi — стандартизированный относительный прирост населенияDohod = Х2 — стандартизированный национальный доход на душу населенияCoal = х3 — стандартизированная добыча угля на душу населенияNeft = Х4 — стандартизированная добыча нефти (включая газовый конденсат) на душу населения;
Gas = х5 — стандартизированная добыча природного газа на душу населенияFerruda = х^- стандартизированная добыча железной руды на душу населенияEnergy = х7 — стандартизированные темпы роста валовой продукции электроэнергии на душу населения;
Chemistry = х8 — стандартизированные темпы роста валовой продукции химической и нефтехимической промышленности на душу населенияCarjbuild = х9 — стандартизированные темпы роста валовой продукции машиностроения и металлообработки на душу населения;
Forrpaper = Хю — стандартизированные темпы роста валовой продукции лесной, деревообрабатывающей и целлюлозно-бумажной промышленности на душу населения;
Buildmat = хц — стандартизированные темпы роста валовой продукции строительный материалов на душу населения;
Light ind = х, 2 — стандартизированные темпы роста валовой продукции легкой промышленности на душу населения;
Foodind = х13 — стандартизированные темпы роста валовой продукции пищевой промышленности на душу населения;
Agricult = Х14 — стандартизированные темпы роста валовой продукции сельского хозяйства на душу населения;
8оссиИиг = Х15 — стандартизированные расходы в социально-культурной сфере на душу населения;
Данные по стандартизированным показателям приведены в таблицах 1 и 2 (см. приложение 1).
Рассмотрим каждое из уравнений эконометрической модели, идентифицированной с помощью алгоритма метода множественной регрессии. В виду масштабности проводимого исследования, в прилагаемых таблицах приведены данные только конечного результата и полученное окончательное уравнение. Табличный критерий Фишера Е^=2,23 для всех начальных уравнений модели.
1). Прирост относительного прироста населения:
После пересчета первоначального уравнения, построенного согласно формуле (3.1) и его исследованию по критерию, получены окончательные результаты, приведенные в таблице 6.
Заключение
.
Исследования, проведенные при выполнении данной диссертационной работы позволили решить задачу прогнозирования динамики горной промышленности России в условиях автоматизированных информационных управляющих систем. Основой для решения поставленной задачи послужили адекватные эконометрические модели, разработанные и идентифицированные автором. Эко-нометрическая модель «Динамика горной промышленности России», в свою очередь, стала базой для создания структуры АИС экономического анализа динамики горной промышленности России.
В ходе выполнения работы были получены следующие результаты, имеющие как научное, так и прикладное значение:
1. Впервые разработаны структуры эконометрических моделей, особенностью которых является представление горной промышленности как совокупности 4-х направлений: добычи угля, нефти, газа и железной руды. Разработанные эконометрические модели позволяют выявить статистическую зависимость национального дохода России: -от показателей работы горной промышленности за три года- -от макроэкономических показателей, включая горную промышленность, а также проследить динамику развития горной промышленности России;
2. Предложен алгоритм адаптации параметров эконометрической модели динамики горной промышленности России к новой статистической информации без структурного изменения модели, заключающийся в использование метода ТРА. После проведенной адаптации установлено, что различия между параметрами не превышают 3%, что позволило сделать вывод об их устойчивости в рамках модели «Динамика горной промышленности России» ;
3. Создана структура автоматизированной информационной системы экономического анализа динамики горной промышленности России «оп-Нпе» -типа, включающая, помимо модели, информационное, техническое и программное обеспечение, что позволяет в полной мере оценить динамику горной промышленности России;
4. Разработана база данных АИС экономического анализа динамики горной промышленности России, позволяющая принимать и накапливать новую статистическую информацию, корректировать имеющуюся. При этом возможна автономная эксплуатация базы данных от АИС экономического анализа динамики горной промышленности России;
5. Разработан WEB-сайт автоматизированной информационной системы экономического анализа динамики горной промышленности России, позволяющий работать с системой в режиме «on-line», а так же иллюстрирующий результаты работы системы.
Следует отметить, что в процессе оценки параметров разработанных эко-нометрических моделей, в некоторых случаях наблюдалась высокая степень корреляции между переменными, входящими в их состав, и для того, чтобы избежать большого процента ошибок в расчетах, информация была стандартизирована. Тем не менее, такая корреляция не явилась препятствием к решению задачи идентификации эконометрических моделей, так как оценки коэффициентов в решенных задачах играют промежуточную роль в связи с экстраполирующим свойством модели в целом.
Работоспособность АИС экономического анализа влияния горной промышленности на макроэкономику России подтверждена Актом испытаний, проведенных в рамках совместных научно-поисковых исследований ООО «Акватэк» и ООО «Тетра Дон» (г. Новочеркасск, Ростовская обл.) с привлечением мощностей ВЦ ОАО «Новочеркасская ГРЭС» (см. приложение 4).
