<<
>>

Регрессионный анализ. Использование S-образной кривой прогресса при прогнозировании

  Современные методики анализа, информационные технологии и компьютерные программы позволяют обрабатывать практически любые массивы информации в целях прогнозирования и принятия

решений.

Для статистических расчетов и построения графиков, диаграмм, картограмм используются статистические пакеты Statistica. SPSS, SAS, Excel [3,51.

Методы экспоненциального сглаживания, авторегрессия и другие аналогичные методы прогнозирования по исходному временному ряду обеспечивают удовлетворительные результаты в пределах эволюционного этапа от одного качественного скачка до другого. Таких этапов в жизни однородных технических средств может быть несколько. Если рассмотреть развитие однородных технических средств на длительном временном интервале, то можно описать это развитие несколькими частными тенденциями, суммирование которых по времени позволит выявить общую тенденцию развития. Общая тенденция также будет S-образной кривой, описанной вокруг частных Л-образ- ных кривых. Объединение частных однородных тенденций, характеризующих объект прогнозирования, в единую общую кривую вошло в прогнозирование под названием метода огибающих кривых.

На рис. 7.7 представлено семейство кривых и огибающая 5-образ- ная кривая для скорости транспорта.

Рис. 7.7. Огибающая кривая для скорости транспорта Регрессионный анализ можно считать обобщенной формой сериальных оценок, однако регрессионные выражения позволяют прогнозировать изменение прогнозируемой переменной в функции (одной

или более) других переменных, которые могут и не включать в себя время. Цель регрессионного анализа — определение тесноты связей между переменными. Например, для прогнозирования долговечности шин их пробег можно рассмотреть в функции твердости резины, параметрах металлокорда, веса автомобиля и т.

и. Многочисленные пакеты программ статистической обработки и регрессионного анализа делают использование этого метода простым и недорогим, но только при условии, что имеются данные для нескольких значений каждой переменной.

Основным преимуществом регрессионного анализа яатяется выявление некоторой причинности обнаруженных изменений и связей, поскольку прогнозируемая переменная изменяется в какой-то зависимости от другой переменной. Например, пробег шин увеличивается при снижении веса автомобиля. Получение качественного прогноза на основе регрессионного анализа зависит от правильного выбора независимых переменных, а также от знания их возможных значений [21]. Следовательно, регрессионный анализ непригоден для прогнозирования в тех случаях, когда неизвестны причины возможного изменения прогнозируемой переменной или будущие значения независимых переменных. Таким образом, регрессионный анализ не слитком полезен для прогнозирования того, какие новые технологические процессы возникнут через несколько лет. Тем не менее с его помощью можно спрогнозировать поведение существующей технической системы в зависимости от известных факторов. В результате такого прогноза можно определить возможности существующих или разрабатываемых технических систем. Выявленные ограничения их функций подскажут прогнозисту возможные направления развития будущих научных и технологических разработок.

Таким образом, при наличии необходимых данных и некоторых дополнительных усилиях по обработке данных регрессионный анализ дает более качественные прогнозы, чем метод экстраполяции тенденций и сериальные оценки, позволяя осуществить средне- и долгосрочное прогнозирование существующих технических систем.

Методы многофакторного анализа

Метод, позволяющий группировать несколько полученных регрессионных выражений в некую многофакторную модель, получил название эконометрика. Допустим, необходимо определить, сколько может весить мобильный телефон через 3 года. Базовое уравнение для получения прогноза определит вес мобильного телефона как функцию веса источника питания, наличия к соответствующему периоду

времени малоэнергоемкого цветного экрана, встроенной фотокамеры, FM-радиоприемника и других технических устройств.

В свою очередь, вес источника питания может быть спрогнозирован, по крайней мере отчасти, в функции темпа технического прогресса литий-ионных аккумуляторных батарей и, например, повышения температуры сверхпроводимости. В третьем уравнении можно описать темп технического прогресса в параметрах, необходимых для возникновения экономичного цветного экрана с высоким качеством изображения. Прогноз будущего веса мобильного телефона потребует одновременного решения всех этих уравнений. Эконометрика позволяет построить обобщенную причинно-следственную модель, используя многие переменные и набор многофакторных регрессий [21].

В общем случае прогнозная многофакторная модель может быть представлена в виде уравнения

наблюдается большое изменение причинных переменных во времени, возможно предсказать направление изменений этих причинных переменных.

Построение такой модели более трудоемко и дорого, чем использование предыдущих методов. Однако важным преимуществом эконометрических подходов является то, что характер выявленных взаимосвязей не меняется со временем и полученная выверенная модель может быть использована для следующих или предыдущих по времени циклов в пределах правомерности предсказания изменений независимых переменных и при отсутствии влияния неучитываемых параметров (например, политико-экономической ситуации). В частности, эконометрическая модель, в отличие от простого анализа тенденций, не привела бы к аномально высоким значениям эффективности источников света вXXI в. (рис. 7.7).

Тем не менее во многих работах [23] показано, что эта закономерность не всегда применима, а в тех случаях, когда применима, ее не-

льзя воспринимать буквально. В то же время прогнозы на основе S- образной кривой помогли многим компаниям в конкурентной борьбе, а игнорирование этой закономерности многим нанесло ущерб.

Ключом к эффективному прогнозированию с помощью S-образ- ной кривой является наличие предыдущего опыта использования аналогичных технологий.

Однако если допустить, что для прогнозирования развития скорости нового сверхзвукового самолета, использующего в качестве топлива метанол, полезно изучить историю первого турбинного самолета, относящуюся к 1936г., и убедиться, что первое реальное использование этого самолета относится к 1940 г. (еще 10 лет ушло на увеличение мощности турбины и совершенствование конструкции самолета, в течение которых постепенно увеличивалась скорость полета), то далее можно сделать вывод, что освоение и развитие сверхзвукового самолета потребует столько же лег на коммерциализацию и последующее совершенствование. Однако в современных условиях скорость научно-технических разработок и их освоения значительно увеличилась. В этом примере виден основной недостаток метода — неопределенность относительно того, насколько прежняя технология сопоставима с принципиально новой разработкой.

Наиболее значимой пользой этого метода является напоминание о том, что скорости проникновения на рынок, диффузии технологий или увеличение технических параметров не могут расти бесконечно.

<< | >>
Источник: Антонец В.Л., Нечаева Н.В., Хомкин К.А., Шведова В.В.. Инновационный бизнес: формирование моделей коммерциализации перспективнв1х разработок. 2009

Еще по теме Регрессионный анализ. Использование S-образной кривой прогресса при прогнозировании:

  1. РЕГРЕССИОННЫЙ АНАЛИЗ И ПРОГНОЗИРОВАНИЕ
  2. 2.4. Прогнозирование на основе факторных регрессионных моделей
  3. Использование мультипликативного дискриминантного анализа в прогнозировании возможного банкротства
  4. 5.1.2.2. Использование кривой доходности
  5. ГЛАВА 15. ПОНЯТИЕ И ПОКАЗАТЕЛИ РЫНОЧНОЙ КОНЪЮНКТУРЫ, ИХ ИСПОЛЬЗОВАНИЕ ДЛЯ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ ЦЕН
  6. Иллюстрация рациональных ожиданий при помощи кривой Филлипса
  7. 12-4. Использование 7У-/.М-анализа при разработке стабилизационной политики
  8. 1. Этапы и методы прогнозирования и планирования науч-но-технического прогресса на предприятии
  9. 8.3. Корреляционный и регрессионный анализ
  10. 9.3. Методы регрессионного анализа
  11. 37.3. ПРИЕМЫ ИПОТЕЧНО- ИНВЕСТИЦИОННОГО АНАЛИЗА И ИХ ИСПОЛЬЗОВАНИЕ ПРИ ОЦЕНКЕ НЕДВИЖИМОСТИ
  12. 7.5. Использование дискриминантного анализа при оценке финансового состояния
  13. 2.4.3.1. Дисперсионный анализ регрессионной модели
  14. 3.5.3. Анализ адекватности регрессионных моделей
  15. Парный регрессионный анализ
  16. Приложение: регрессионный анализ
  17. Анализ результатов, полученных при использовании статистических методов
  18. ЧАСТЬ 5 Определение стоимости компании с помощью регрессионного анализа
- Бюджетная система - Внешнеэкономическая деятельность - Государственное регулирование экономики - Инновационная экономика - Институциональная экономика - Институциональная экономическая теория - Информационные системы в экономике - Информационные технологии в экономике - История мировой экономики - История экономических учений - Кризисная экономика - Логистика - Макроэкономика (учебник) - Математические методы и моделирование в экономике - Международные экономические отношения - Микроэкономика - Мировая экономика - Налоги и налолгообложение - Основы коммерческой деятельности - Отраслевая экономика - Оценочная деятельность - Планирование и контроль на предприятии - Политэкономия - Региональная и национальная экономика - Российская экономика - Системы технологий - Страхование - Товароведение - Торговое дело - Философия экономики - Финансовое планирование и прогнозирование - Ценообразование - Экономика зарубежных стран - Экономика и управление народным хозяйством - Экономика машиностроения - Экономика общественного сектора - Экономика отраслевых рынков - Экономика полезных ископаемых - Экономика предприятий - Экономика природных ресурсов - Экономика природопользования - Экономика сельского хозяйства - Экономика таможенного дел - Экономика транспорта - Экономика труда - Экономика туризма - Экономическая история - Экономическая публицистика - Экономическая социология - Экономическая статистика - Экономическая теория - Экономический анализ - Эффективность производства -