автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Прогнозирование динамики горной промышленности России в автоматизированных информационных управляющих системах

На правах рукописи

"Г б од

НАПАЛКОВА Мария Алексеевна л

- и.'Г '/I

УДК 681.518 : 330(075.8) +330.105(075.8)

ПРОГНОЗИРОВАНИЕ ДИНАМИКИ ГОРНОЙ ПРОМЫШЛЕННОСТИ РОССИИ В АВТОМАТИЗИРОВАННЫХ ИНФОРМАЦИОННЫХ УПРАВЛЯЮЩИХ СИСТЕМАХ

Специальность 05.13.06 — «Автоматизированные системы

управления»

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва 2000

Работа выполнена в Московском государственном горном университете.

Научный руководитель докт. техн. наук, проф. БАХВАЛОВ Л. А.

Официальные оппоненты: докт. техн. наук, проф. ДЬЯЧКО А. Г., канд. техн. наук, проф. НЕЧАЕВ В. В.

Ведущая организация: Федеральное государственное унитарное предприятие (ФГУП) «Главный информационно-вычислительный центр металлургии».

Защита диссертации состоится « . » , 2000 года

в Л.6. час. па заседании диссертационного совета Д-053.12.12 при Московском государственном горном университете по адресу: 117935, Москва, Ленинский проспект, д. 6.

С диссертацией можно ознакомиться в библиотеке Московского государственного горного университета.

Автореферат разослан « Ат » . 2000 г.

Ученый секретарь диссертационного совета

канд. техн. наук, доц. РЕДКОЗУБОВ М. А.

Актуальное».__работы. Управление различного рода нроносеачн,

влияющими на существование и распитие общества, и н мерную очере a., «и но сящнмнся к нротшодству материальных и нематериальных Гики, закисиi ь высокой степени от контроля над информацией экономического харлюера. i.e. се сбора, систематизирования и анализа, что обусловливает широкое развитие экономико-аналитических систем, основанных на современных информационных технологиях.

В исследование проблем моделирования экономических процессий 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., Иванилов В.Ю., Канторович Л.В., Коссов В.В., Моисеев H.H., Петров A.A., Покровский В.Н., Поспелов И.Г., Редкозубое С.А., Трапезников В.A.. JI.P. Клейн, Т.К. Купманс, В. Леонтьев, М. Месарович, Э. Пестель, Я. Тшюергсн, Дж. Фор-рестер, Р. Фриш, Г. Хааяелмо,

Необходимость в развитии информационных систем как племени управления экономикой России определена сложностью процессов, нышанныч проведением реформ. Перемены и экономике России происходя/ как на микро экономическом уровне - на предприятиях и в учреждениях, так и на млкро агрономическом уровне - а отраслях в целом и в регионах. В результате появляйся необходимость в исследовании новых экономических объектов и производственно-промышленных комплексов. Примером такого объекта может счу/ьнп. горная промышленность, которая в силу своей специфики замыкает ¡¡а себе цс лый ряд других отраслей и является среди них не только самой трудоемкой и капиталоемкой, но и п качестве элемента минерально-сырьевой базы фундаментом экономического развития и обеспечения жизнедеятельное!и страны

В настоящее время известны работы, в которых рассматривается показатель «Горная промышленность». Это модель Дж Форросгера, где ьнедекл не ременная - "природные ресурсы" и модель В. Леонтьева, где горнодобывающий комплекс описывается с точки зрения вложении, являющихся затратами дру птх отраслей экономики. Поэтому актуальной является проблема представления

горном 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 о пей, выбрать и рассчитать средства, необходимые для их достижения.

Следует отмстить важность применения для этих целей эконометрнче-екмх компьютерных моделей, которые помогают успешно решить сложнейшие задачи экономического прогнозирования и управления, опираясь на реальные статистические данные. Пофешность расчетов по таким моделям зависит от погрешности статистической информации, но точность прогноза по ним может быть не хуже, чем но теоретическим моделям, составить которые зачастую не-нозможно.

Существо .жономстрическах моделей требует на первом этапе определения их структуры с последующей оценкой параметров.

Решению проблемы эконометрнческого анализа динамики горной промышленности России посвящена настоящая работа.

• Цельдшкщ,!

Разработать структуры и оценить параметры многомерных эконометри-чеекмх моделей экономического анализа динамики горной промышленности России для решения задач прогнозирования в условиях автоматизированных информационных управляющих систем (АИУС).

Задачи наследований;

1) ра-»работать структуры эконометрических моделей. пклычающи • кун;, ю промышленность России;

2) разработать алгоритмы адаптации эконометрической модели .цишмикн горной промышленности России с учетом новой сзагисшческой информации;

3)разработать ЛИС экономического анализ* лннамнки юрноч нрпмиш-к-н ности России;

4) разработать структуру базы личных ЛИС -экономического апхшза :шг.а мики горной промышленности России.

Основные научные положения, ¡кпраоогаит.н .щчно соисканием;

1. Разработанные структуры эконометрнческих моделей, оценим поише нлня-нне горной промышленности на основные макроэкономические показатели и на развитие 'экономики России я целом, отличаются ог и<г»ес;мыч мною мерностью и динамикой.

2. Статистическая эконометрическая модель зависимое I и наниоиа .мин о и" хода на лушу населения от макроэкономических пока ¡а I елей р.ннишч Г.». сии за 1960-1096 гг., включая трную промышленное к,, нредна чкги-пни. для использования и автоматазиропаннмх «¡«¡эормационныч унраюионич системах.

3. Экономегрнчсская модель долгосрочною нро| нолфоаания дннамш и ю(. ной промышленное ги России.

4. Алгоритм адаптации параметров эконометрической модели лииамнкм юркой промышленности России, основанный на текущем рареесишнюм .шали зе (ТРЛ).

Обоснованность н достоверность научных положений подтверждаются:

1) корректным использованием методов регрессионного, системного анализа и проектирования:

з

?.) дос i личной дли теоретического и практического применения точностью полученных компьютерных моделей, чго подтверждается статистическими значениями кричерня Фишера, значительно превышающими теоретические значения с доверительной вероятностью Рд = 0,95.

Научная нопнзиа работы

1. Ннервые в экономическом анализе разработаны структуры эконометриче-ских моделей, особенностью которых является представление горной промышленности как совокупности 4 направлений: добычи угля, нефти, газа и железной руды.

2. Предложен способ адаптации параметров экономегрнческой модели динамики горкой промышленности России к новой статистической информации {ici структурного изменения модели, заключающийся в использование алгоритма метода TP А.

3. Показано, что разработанная эконометрическая модель, учитывая динамику показателей горной промышленности, позволяет сделать выводы о тенденциях развития в целом экономики России.

4 Созданы основы для разработки автоматизированной информационной системы жономического анализа динамики горной промышленности России.

Практическая ценность

1. Разработана сфумура базы данных АИС экономического анализа динамики горной промышленности России.

2. Создана струю ура автоматизированной информационной системы экономического анализа динамики горной промышпенноаи России, включающая помимо модели информационное, техническое и программное обеспечение.

3. Разработан WEBcain аатомагишрованной информационной системы экономическою анализа динамики горной промышленности России.

Ашшбашш сабйш

Maiepxa/iu диссертационной работы докладывались па семинаре кафедры АСУ (Москва, 1998), на симпозиуме "Педеля горняка-99" (Москва, 1999), на

Ме/Кдународ|1'>м симпозиуме iорной науки и технологии ('99 1SMS1) (Пекин,

1999). Разработанная в диссертации ЛИС' экономического ама.'шзп щплчики горной промышленности России демонстрировалась на выставке; посвященной" 80-летию МГГУ (Москва, 1999).

Публикации

По материалам диссертационной работы опубликовано 8 печатных, работ.

Обьем н структура диссертации

Диссертационная работа состоит из виедения, 5 глав и заключения, содержит 25 таблиц, 14 рисунков, 4 приложения и список литературы из 48 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАВОТЫ

Первая глава посвящена вопросам современного состояния компьютерного моделирования в автоматизированных информационных »коцомнчсскнх системах (АИЭС). Рассмотрены функциональные жнмо/кности и лани сравнительные характеристики таким отечественным профаммным ироду мам и зам данных, как "Олимп" (электронная система статистического анализа и прогнозирования), "Мезозавр'' (система статистическою анализа временных рн-дов), база данных Межгосударственного статистическою комитета по счранам. входящим в СНГ", "Официальная статистика стран СНГ" (официальные данные национальных статистических служб).

Анализ упомянутых систем показал возможноегь использовании в па шем случае статистических данных и принципов реализации характерно тк системы базы данных «Официальная статистика стран СНГ», как н.чнбочее удовлетворяющей с точки зрения варьирования компонентов запрчеа и удо(нч-ва работы пользователя с почтенными статистическим)! покази1елмми и рс зультатами их обработки.

В этой же главе рассмотрены основные подходы к построению математических моделей макроэкономических процессов. Оценивая существующие математические модели динамики глобальных экономических процессов и во.

можиосп. их адаптации к решению задачи анализа горной промышленности 1 России, слеиует огмешть, по мнению автора, наилучшую по своим возможностям - модель 1-и01 как глобальную систему долгосрочного прогнозирования.

Практически все рассмотренные модели оперируют с обобщенными пока (.целями, и, отслеживая основные тенденции мирового развития, являются чрезвычайно крупномасштабными. В этом основная причина невозможности использования их для анализа экономических показателей одной страны.

Следовательно, для экономического анализа динамики горной промышленности России необходимо создать собственную систему, которая могла бы включать в себя некоторые особенности модели Р1Ю1, такие, как сбор и обра-бот» информации при помощи системы удаленного доступа; обработка эконо- , мнческой информации посредством регрессионного анализа; возможности хра- | исты и о | обращения полученных результатов. ]

Обосновывая необходимость применения АИС, которая позволила бы ! пронести экономический анализ и оценить динамику горной промышленности России, нужно отметить обстоятельства, которыми она обусловлена:

Г) высокая степень разрозненности информации и необходимость ее корректировки;

2) нес гасильная экономическая ситуация, сложившаяся в настоящий период в России.

ЛИС должна решать следующие основные задачи: сбор и обработка жономнческой информации; идентификация экойометрическнх моделей; про-< позирование экономического развития и динамики горной промышленности России; адаптация эьлшометрнческих моделей.

Гнбкосм. АИС заключается в возможностях ее структурного изменения Обеспечение подобного свойства информационной системы невозможно без определения класса возможных сфукгур экономе 1рических моделей и методов оценки их параметров при заданной структуре.

Лиашп ор1 ашиацин возможной структуры ЛИС экономическою анали-»а по»;а ¡ал, что данная автоматизированная информационная сиси:ма должна бьиь ориешнришна на множество реальных задач, связанных с промюшрива-

ь

мнем динамики развития и управлением таким объектом ¡.-..-к п>р,:,и • ¡¡f.-< лениость России.

Üo UTopoii i.iaae приводятся резулышы ндешификаии!» ьчономсцшчс-ских моделей для AMC экономического анализа динамики горн.-и i,p<>vit«i'i ich ностн России.

Uocij-oeiiitbie in <-сиовс оатисгичесхой инЬорм.шиь ни ч.>кр> >«о,ц.мл ческим показателям эконометрические модели как система соотношении, огра-

лчшОШИХ Наличие tí;lmhim|HrM«'imwx чК«>НПМИи«Ч*1(НУ CRT»?!'. ГГ"ЗПОЧГЮТ r>tt?f«rrr.

стохастические причинные отношения и мчномнческим явлениях, определить цели разумных изменений в экономика, выбрать н рассчитан, среде пш, необходимые для их достижения.

Такие модели наиболее адекватно описывают многосторонние реальные взаимосвязи между макроэкономическими показателями.

Под идентификацией эконометрнчееких моделей понимают пбязатець-¡юе решение дг.ух задач: задача опреае к-чия см> pt.¡ н !ii¡v«!'.m;',(i(, i>ч■ ■ метрических моделей; тача «ненки «¡apaMerjxm жокомоф.песм'!! щч>

>U,W!!)H))i пли ЯрИИЯЮЙ С7 р\ KT) VC.

11денi ифиипроп'1 п- модели. Т.е. naff: it решсико ncrt'tiie <ei'iiw\ u U'-i. молно с подошью прикладного регрессионного аиадша. цоии-ччишич«- .:<> строить чатематческук: модель, опнсьшаьчцх ¡о. анада :ир>. а .щ) ы и про, иод. рующую о форме уравнении или функций явления н процессы в экономике.

Определение с ;р> in vpw жокоме: ри-ччi.ич моле te>t. ич пар-.оде, р.п. , последующей оценкой, т.е. то, ч то понимается под идентификацией, выло про ведено на основе данных 15 макроэкономических показателен, каждый ич которых рэегмотрет* i"1 1 ОГ.П- í QUA .... - t > ivy1 'Г' ПП'ЛргСТ ; "г.....",]; ■ ? * ,

шчшааьиый доход на душу .lace.ietm i. ! wc. р>»».; 3) добмчц >. i:¡ «м i.-i.i1 »i.i. •. Л'Л;ия, г; 4) добыча ia-ф/п (г.кмсчп-i ramaiiii мьчденоа!) па -лиг, ¡¡.ко »-пт: 5) добыча природного газа i:a д\шу iukc гения, м'\ о) .добыча ж.- .ечюн . .•..,• душу населения, т; 7) темпы роста валовой продукции электроэнергии н "ó к предыдущему году на душу населения; 8) темпы роста валовой продукции хи •

мическои и неф1ехимической промышленности в % к предыдущему году на душу населения; 9) темпы роста Пановой продукции машиностроения и металлообработки в % к предыдущему году на душу населения; 10) темпы роста валовой продукции лесной, деревообрабатывающей и целлюлозно-бумажной промышленности в % к предыдущему году надушу населения; II) темпы рос-и>. валовой продукции строительных материалов в % к предыдущему году на душу населения;'12) темпы роста валовой продукции легкой промышленности и % к предыдущему году tía душу населения; 13) темпы поста валовой продукции пищевой промышленности в % к предыдущему году на душу населения; 14) ICMHM роста валовой продукции сельского хозяйства в % к предыдущему ¡оду ни душу населении: 15) расходы в социально-культурной сфере в % к предыдущему году на душу населения.

Ныбор макроэкономических показателей ограничен, что обусловлено сложностью получения полной информации по отраслям экономики России.

Исследуя статистическую зависимость национального дохода населения .m текущий год нт макроэкономических показателей добычи угля, нефти, приходного ra i.i и желешой руды за три года (Dohod_96), после рассмотрения величины корреляции между факторами (независимыми стандартизированными переменными), проверки коэффициентов уравнения по критерию Фишера и последовательного исклю'кния переменных с большим уровнем значимости, окончательное уравнение данной модели приняло следующий вид:

i)ohu(l_96 ^ 0,337112*Coal_94 + 0,187866*Nefl_95 + 0,610629*Gas_95 + + U,444949*Fer_rud_95 - 0,226834*Fer_rud_94; Fp=551,65, где Cou ММ, Coal_95, Coal_96 - добыча угля за три года, т;

Ncft 94, Neït. 95, Neft 96 - добыча нефти за три года, т;

Ces 94, Gas_ 95, (ïas_96,- добыча газа за три года,"М3;

Fer_rud_94, Fer rud 95, Fer_rnd_96 -добыча железной руды за три года, т.

Таким образом, национальный доход на душу населения зависит от

урони» добычи угля и железной руды два годи назад и от обьемов добычи неф

»

ти, rasa и железной руды год назад у. не зависит от уровнен добычи ч шпср сующем нас ¡оду. Это можно объясним> тем, угочь, нефч.. ir. i и л.сл.. и р' \i не используются напрямую. Значение имеют только ре^лькны и.\ i^^jaOoi ки, i.e. продукты производства, имеющие средний или ллительнып с j-ь ч^.чж-ния и, следовательно, не обновляемые каждый год. При подсчете же национального дохода учшыкается oanoi о/нишое потребление.

При выявлении отраслей промышленности, оказывающих наибольшее чяиянке на игиие»па.чья»дй доход на душу шислсшы (DnUod), т^ле ciuim.i»»ческой обработки уравнение множественном регрессии модели приняло следую щий окончательный вид:

Dohod = 0,478378*Gas + 0,555433*Fer_ruiIa - 0,217628* Chemistry + 0,197577*Light_ind - 0,075413*Soc_cultur; F„-403.10, где Gas-добыча природного газа на душу населения, м"1; Fer_rutls» - добыча железной руды на душу населения;

Oicmislry - темны роста валовой продукции химический и шчюемимпчс с кой нромьпнлепносш, % к предыдущему юлу;

Lifjhtjnd - темпы поста валовой продукции легкой промышленное ni, v „ , предыдущему году;

Soc_cultur - расходы и социально-культурной сфере, иъ к предыдущему ючу

Из уравнения можно судить, что уровень нашей жизни к началу 194? i. определяется п значительной мере добычей железной руды и г а <п. i¡< ia i. ных отраслей промышленности на уровень жизни влияют значимо ю.н.ы« iv' кая, химическая и нефтехимическая. При этом противоположное влияние на национальный доход оказывает социально-культурная сфера. Одним m но t

НОЖНЫХ обт.ЯСНеНИЙ ЛОМУ ЯВЛЯЛСЯ Ю, ЧТО ОГДаЧа Ol H'IO/iv.'lillli В ».OIIMü 1ЫМ»

культурную сферу может проявиться лишь через 10-15 лет.

Все же остачкные рассматриваемые oipaiin нромьннтсчмче ш м 1 а влияют на национальный доход, что, вероятнее всего, объясняется экономическом кризисом последних лет и структурными недостатками выбранной модели.

1рс1ья _1.1а!_1а посвящена прогнозированию динамики горной промышленности России. )

Экономе (рическая модель динамики горной промышленности России ; СОСЮН1 из ¡5 уравнений, каждое из которых - комбинация макроэкономические показателей.

Первоначальная математическая запись каждого из уравнений модели имеет следующий вид:

Лх; = иу, ¡=1.....15,3=1.....15, п ,...,! 5,

1М - величина прироста по каждой пз отраслей; - ]-й макроэконо-

мический ¡¡окатгель; и, - коэффициент при I м макроэкономическом показателе.

С 1лндар1 тированные макроэкономические показатели собраны в нравом части уравнений, окончательный вид которых изменяется в процессе приведения их к адекватному на основе Р-критерня. Каждое из уравнений рассматривалось в отдельности. Для получения уравнений модели применялся много-шаюш.ш регрессионный анализ.

В процессе оценивания коэффициентов уравнений модели в ряде случаев во шикнет необходимость ввода и уравнения дополнительных, также проходящих оатиынческий отбор, факторов, представляющих собой совокупность макроэкономических показателей. Таким образом изменяется первоначальная структура модели и исследование проводиться занрво.

Окончательный вид модели представлен в виде дифференциальных уравнений. Приведем те из уравнений полученной модели, которые неносред-е1 пенно связаны с юрпий промышленное п,ю, а также уравнения, описывающие ьелнчниу очностеиною прироста населения и национальною дохоца на душу населения: (1ч,

Л1 - 0>452о82.\1-0>ОШй7^И>2К9У6х(,~2,В1935 х„ 1 4.45668 >:,„ •

1,53819 х^ т 0,754447 х15; К,,-|0,70,

--------- - 0,096 ! б>)2 х, +0,4411 «>2 \. 0,70 ! <"4 х„ ?.: i os i \г> :' ГГ \\

- l.í>4365x,,-<0,39282\15, Г„ 19.03,

—Í = - 0,305871 ч, > 1.13153х,- !,14б7х., • 1.05551 х,„. К IS Si,; at * ь i

„ _ о.4Я506»х:- 0,05(/«-Ш \> ' 1,8971 * х„ «0.706W \и о.ч J72í:; ч , Г, !;!

fix

-0.?W»57х,-0,222!79y.t 0,552113хч ' 0,23'ИС.ч, ;,Oíi%S.v -0,653115 х,, Hj,592329xl3 i- 0,596684 х,,; ly-=269,¡U;

(I у

-0,0732669Xj-t 0,0412379 x4 - 0,407944x,0 + 0.450V03 xn -0.277703 xu »

+ 0,253001 x13;Fp=7,23. где X| = Otn_Prirost - стандартизированный относительный прирост населения;

- переменные стандартизированных пока?аг?'И| «a душу H'.».ct"!e!i«!!: х- DohrtS

-национальный доход; xs - Coal -добыча угля, х» - N«ft добычи if.-',ни ti.i. и» ч;о( пиоиын конденсат); х; - Gas -добыча природной» i.h.i, ч„ Svr_ ¡ i»l.i быча железной руды;

- переменные стан :лрттированных le.Miio» росia ».viouoii ii¡wví\mi»»h mi л\ w-населения: xr - Kncrgy -электрочнер! ни; х* •- Oiemistr) чимим« кой и нси i. химической промышленности; хч « Car_bui№ м»шитп'1]чч-нни и меиддооо работки; Хц> = Forr paper - лесной, дгревообрапиплм'онн'н и пе.'ик>"озно f>v-Ма,М!ОЙ промышленности; X ) I - !>tlil(i n>:lí - CipoliRMLIiUA МЛ it.ftil.MOH. м Light_inil- легкой промышленности; Хц - Foodjnd- пищевой промышленности;

х i ч =-• Soc cuîtur с i андарт ичиромииые р.Ч'ходы » coima.паю ■ к\лм \ (мюи '«jipe па душу мс.еления;

Согласно прогнозу добыча утя hmcci leu «оишы к сна iy лоомча Mojo г pnciei до 2004 г., а затем наблюдается ее уменьшение, добыча желе ino/i руны растет до 2005 г. Неуклонно растет добыча rata.

'Лкономстрическая модель динамики горной промышленности России попроси« на оенопе данных за 1960-1996 гг. включительно. Это связано с отсутствием на момент построения модели опубликованных данных за 1997 г. В настоящее время можно оценить точность прогнозных значений макроэкономических показателей но модели на 1997 г.

И) расчетов следует, что наиболее точно модель прогнозирует значение национального дохода на душу населения в зависимости от факторов, описывающих добычу угля, нефти (включая газовый конденсат), природного таза, железной руды, темп росча валовой продукции электроэнергии, пищевой промышленности, машиностроения и металлообработки. В основном фактические значения больше прогнозных, особенно для легкой промышленности, лесной, дерекообрабзп.шаюшей и целлюлозно-бумажной, а также расходов в социально-культурной сфере. В общем случае, это объясняется наличием как резких нодьемов, так и спадов, нашедших отражение в показателях. Примером могут сложить расходы в социально-культурной сфере: 1990 г. - 0,743 %; 1991 г. — 0.411%; 1992 г. - 0,347%; 1993 г. -0,746%. Бее это непосредственно отражается на результатах расчетов по модели.

посвящена решению задачи адаптации модели "Динамика горной промышленности России", основным свойством которой является изменение ее во времени. Модель носит прогнозный характер, и коэффициенты ее желательно обновлять ежегодно по мере поступления новых статистических данных.

В нашем случае отсутствует необходимость изменения структуры модели. Дос. а точным действием является коррекция коэффициентов с учетом новой фактической информации в уравнениях при соответствующих макроэкономических показателях, для чет применяется алгоритм метода текущего регрессионного анализа ПРА).

Основная форм) ла ТРА применительно к поставленной задаче:

.---------.---------------Ф-'-.Х-

Л = Л +----------N__N-.i--------(ДХ

N + 1 (Хг .ф'.Х +1)

N +1 N N Н

где ÁN - вектор оценок коэффициентов уравнения регрессии, hol-iроенный к

N-y моменту времени, размерноеи. (mxl);

ANh., - улучшенный (исправленный) вектор оценок, построенный с учетом (ЬИ-!) данного, размерность [tnx! J;

XN,| - значение компонент X в (N+П-й момент времени, размерноеп, |mx i ¡;

- транспонированный столбец XNl_., размерность [I xm|; ДХМ>| - новое фактическое значение зависимой переменной; <t>N' - информационная матрица Фишера, построенная с учетом N-x фактических значении, размерность [т>т];

Фм' =(Xr -X )

NN

где XN - матрица наблюдений, т.е. значения макроэкономических пока зателен в N-Й момент времени, размерное ib (Nxnij;

Х^ - транспонированная матрица наблюдении, размерное и. [m* N|. Все уравнения модели подвергаются корректнронке но алюртму метода ТРА, где т=36 для каждого из уравнений по количеству фамическнч ш.ек ний макроэкономических переменных, а величина N тависит oí чтла переменных, входящих в правую часть уравнений.

. Результат применения метода ТРА - уточненные значении коэффициентов в уравнениях моцели. Таким образом, если первоначальный nponioi но мо дели.был сделан с учетом данных за 1960-1996 гг. и начинался с 1997 г., то по-еле получения фактических данных за 1997 г.. новый прошит с учетм вновь поступившей информации начинается с 1998 г.

На примере уравнения «Прирост добычи нриродною га ¡а на душу населения» (см. табл.) можно отменит., чм различия между ко «)н|ншиентамн крап

не малы и лслат в пределах 1 %, т. е. изменения, появляющиеся в процессе адашапии, незначительны, что позволяет сделать вывод об устойчивости ко-эфф.шиенгоп модели в цепом. Аналогичные выводы можно сделать и в отношении других макроэкономических показателей.

Адаптация коэффициентов модели на примере «Прирост добычи природного газа надушу населения»

I

1996 1997 1998

Пиряче 1|>ых\

<Дп_1'г(п».чГ 0,200957 0,201284 0,201181

-0,223179 -0,223335 •0,223512

Соа! -0,552418 " -0,550861 -0,551697

0,234460 0,234299 0,234407

ЬЧтгЫа 1,069680 1.068877 1,070583

СагЬшК! ~»;<>53115 -0,653768 А?,55955

1л|;|||_1т1 0,592329 0,588727 0,589669

Уоои'тй 0,596684 0,596649 0,599619

Чю касается точности полученной модели с учетом пересчета коэффициент«, сгон г отметить в ряде случаев ее повышение по сравнению с резуль-тагамп, полученными для 1997 г. Так, для горной промышленности точность по макроэкономическому показателю добыча природного газа на душу населения составила-0,99%, а по добыче железной руды на душу населения - 1,22%.

Колее точно были вычислены прогнозные значения по таким макроэкономическим показателям экономики, как темпы роста валовой продукции хи-мцчьской и нефтехимической промышленности на душу населения (7,28%), 1емпы роста валовой продукции лесной, деревообрабатывающей и целлюлозно-б) мажнип промышленности на душу населения (0,05%), темпы роста валовой продукции промышленности строительных материалов на душу населения

ы

(2,62%), темпы роста валовой продукции пищевой иромьнмченноепг из мтап населения (-1,76%) и расходы в социально-культурной сфере (-1 .-Г/1:..!

В пятой главе рассматриваются вопросы, связанные с р.ырлбожон Л! К экономического анализа динамики торной промышленноеш Рос. пи

Функционирование ЛИС связано с накоплением знаний, под ымо) ь.ми понимается совокупность информации о фактических данных и зависимое |мч между ними.

В целом под автоматизированной информационной системой понимаемся совокупность информационных массивов, технических, программных и и паковых средств, предназначенных для сбора, хранения, обрабожи и выдачи данных по запросу пользователей.

Использование ЛИС может осуществляться одним из двух способов:

1. Автономное функционирование сиоемы. при кшором ЛИС не м-" диг в состав других и используется самосюжелыю.

2. Использование АИС в качестве составной чает друти ато.\мшч:-рованной системы.

Во втором варианте выходные данные мо|ум применяй.!.» не т.н.ко ко печными пользователями, но и другими компонешами ной авммлппирои.ш ной системы с целью дальнейшей обработки и применения и управлении про изводственным процессом.

В нашем случае АИС яилкеки системой у правлении <. шмможно. пао удаленного доступа к данным и инструментальным средствам, позволяющей анализировать динамику горной промышленности России.

Структура АИС экономическою анализа динамики юрнои премии/чси ноет и России приве дена на рисунке.

Важное значение в АИС Имее! база данных М>Д) коюран прем ппыче; набор макроэкономических никакнелей и их значении Оп-йпе-режнм ноши иення Г>Д реализуется с помощью специальных процедур, которые ашомаипе-екн обращаются по адресам к конкретным базам данных н извлек,ноI ннформа иию. представленную н 1ПМ1.. При мом пенотыуемся проюкод |(Т,11'

Côt'p и т'*ра1ютка mohi>мичг1Хон ищ/юрмау/ш Y и icmiue iiu.iHum.ne'nt

ИТ 11' 111 IT

У;шенпые ЬД

БД нд • • • БД

TCIMl" HTTP

TCP/IP SMTP

Стандартные службы достапки сообщений

• Internet Mail

Microsoft Mail

Другие информационные службы

TCP/IP HTTP

E-Mail

Почтовый яшин

on

Рабочее место ОП

Справочно-библио графическая литера гура

Оценки нлияния <"oj>koù промыт tennotmu на макроэкономику России

БД

лели

1

идентификация ___> прогноз по мо-

модели лоли

!

Ci руну ра ЛИС экономическою анализа лннамики горной промышленности России

Hi

----------По договоренности могут" быть"исно^ыовТнн.Т и лрнне нроюю m-i

NLT*8, Oracle, ODBC из-за их громоздкчк1и и незащищенное ¡и

Предусмотрена возможность корректировки информации. >ю ¡.асаеин не только тех макроэкономических показателей, которые уже занесены в 1>Д и включены в модель, но и новых макроэкономических пока кнелей, ютрые могут быть введены в БД в качестве некой статистической информации »ибо для хранения, либо для ее дальнейшей трансформации в качестве элемента мотели

Кроме того, БД содержит векторы оценок коэффициентов, сопоставление которых с макроэкономическими показателями формирует уравнения модели, позволяющие осуществлять расчет прогнозных значений.

Удаленные пользователи имеют возможность работы с моделью динамики горной промышленности России в режиме on-line, просматривая результаты вычислений, представленные на WEB-cafne и внук,- чис ткой и фафпче ской информации, а гак же работать С моделью и с ЬД нулем ноi\ ченнч танпыч в виде архивированных файлов на персональные ЭВМ (блок "Оюбра кение и передача данных и результатов работы"). При этом основная БД н моле н., находящиеся на сервере, защищены от любою рода внешних имишпельст, ко торые могут повлечь за собой изменение основных ретультатон. (,'ipyKiypa ЛИС достаточно гибка, что выражается в возможности получения данных различными способами, своевременном реагировании на изменение ннфирма ционного потока, графической интерпретации полученных резулыаюв.

Для надежного функционирования АИС экономического анализа динамики горной промышленности России предложено техническое, информационное и программное обеспечение.

£Ш&1ШЧ£!1!1£

Исследования, проведенные при выполнении данной диссертационной работы, позволили решить задачу прогнозирования динамики горной промыт ленпости России в условиях автоматизированных информационных управляющих синем. Основой для решении поставленном задачи послужили адекваг ные эконометрические модели, разработанные н ндешнфицироыпиые лнп.роч.

'Фонометрическая модель «Динамика горной промышленности России» в свою очередь стала батон д:1я 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 рафаботаны структуры эконометрическнх моделей, особенностью которых является представление горной промышленности как совокупности 4 направлений: добычи угля, нефти, газа и железной руды. Разработанные экономегрические 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 использовании метола 1РЛ. После проведенной адаптации установлено, что различия между параметрами не превышают 3%, что позволило сделать вывод об их устойчивости н рамках модели "Динамика горной промышленности России".

3. Создана структура автоматизированной информационной системы экономического анализа динамики горной промышленности России "on-line"-тина, включающая помимо модели информационное, техническое и программное обеспечение, что позволяет в полной мере оценить динамику горной промышленное I и России.

4. Разработана база данных АИС экономического анализа динамики горной промышленности России, позволяющая принимать и накапливать новую статистическую информацию, корректировать имеющуюся. При этом возможна ав-10'.н-м1г-1ч экенпуатацич ба»ы данных or АИС экономического анализа динамики торной !фомы1ши;ши..:1п России.

5. Разработан МЫЗ-сайт автоматизированной информационной око к-мы ---------

экономического анализа динамики горной промышленное!!! Роимп. исцеляющий работать с системой в режиме "оп-1ше", а также иллюстрирующий ре зультаты работы системы.

Оснонное солу!!^ и с (учопк \ рд

богах:

1. Бахвалов Л.А., Напалкова М.А. Современное состояние то^ммо герного моделировании глобальны*. жоиомически\ процессом/,■ I ор ный информационно-аналитический бюллетень. - М.;М11 V,I'■>'•<! №5. - С. 48-62.

2. Пучков Л.А., Бахвалов Л.А., Напалкова М.А. Влияние горного дела на показатели макроэкономики в России/'/Горный информационно-аналитический бюллетень. - М.:МГГУ,1998, - №6. С. 7-14.

3. Бахвалов Л.А., Напалкова М.А. Мотелнрокание сосюяппч I орпо добывающей промышленное ш на основе жономефнческич моле лей//Горный информационно-аналитический бюллекчп.. М. М( I N. 1999. -№4,- С. 32-36.

4. Напалкова М.А. Анализ стратегий рашшим горной промышленпо сти эконометрическимн мек>дами//1 ориый информационно аналитический бюллетень. - М.:МГТУ,1999. - №8. - С. 241-243.

5. Напалкова М.А. Структура баш данных (ЬД) итомамннрокашып информационной системы (АИС) экономического анализа нлнянпя горной промышленности на развитие экономики Роееип//| орпмй информационно-аналитический бюллиеш. -М .ММ 'У,!999. < 240-241.

6. Напалкова М.А. Окономсфическая модель и пмння горной про мышленности на разшпт.е экономики России//! ирный ннформаинон-но-аналнтический бюллетень. - М.:МП У,1999. - №8. - дегюинро ванная рукопись. - №2<>1 о. 07.10.99

И

7. Напалкова М.Л. Лдгортмы коррекции рекуррентных моделей про-I позирования на основе текущего регрессионного анализа// Сб. науч. трудов кафедры АСУ. М:МГГУ,1999.

8. Напалкова М.А. Оценка влияния горной промышленности на развитие экономики России// Сб. науч. трудов кафедры АСУ. - М.:МГТУ, 1()99.

1 (отписано в печать 20.01.2000 г. Формат 60X90/16 Объем 1 н л. Тираж 100 экз. Закат № Ч1Ь

Гшил рафия Московского юсударсгневного горного университета, Лсшшгклй проспект, 6

Введение.

Глава 1. Современное состояние компьютерного моделирования в автоматизированных информационных экономических системах (АИЭС).

1.1. Особенности существующих АИЭС.

1.2. Математические модели динамики глобальных экономических процессов.

1.3. Современные тенденции компьютерного моделирования глобальных экономических процессов на примере АИЭС FUGI.

1.4. Основные задачи и направления исследований компьютерного моделирования влияния горной промышленности на макроэкономику России.

Глава 2. Идентификация эконометрических моделей анализа влияния горной промышленности на макроэкономику России.

2.1. Основные математические формулы множественного регрессионного анализа.

2.2. Отбор факторов для проведения статистического исследования и их нормировка.

2.3. Исследование статистической зависимости национального дохода населения за текущий год от макроэкономических показателей добычи угля, нефти, природного газа и железной руды за три года.

2.4. Исследование статистической зависимости национального дохода на душу населения от макроэкономических показателей развития России в период с 1960 по 1996 год.

Глава 3. Прогнозирование динамики горной промышленности России.

3.1. Разработка уравнений динамики горной промышленности России.

3.2. Оценка точности прогнозирования по модели, на основе реальных данных за 1997 год.

3.3. Анализ влияния горной промышленности на экономику России.

Глава 4. Алгоритмы адаптации параметров эконометрической модели динамики горной промышленности России.

4.1. Алгоритмы адаптации эконометрических моделей.

4.2. Адаптация эконометрической модели динамики горной промышленности России.

4.3. Блок-схема алгоритма адаптации эконометрической модели динамики горной промышленности России.

Глава 5. Автоматизированная информационная система экономического анализа динамики горной промышленности России.

5.1. Структура АИС экономического анализа динамики горной промышленности России.

5.2. Структура БД и описание алгоритма работы системы.

5.3. Информационное, техническое и программное обеспечение АИС экономического анализа динамики горной промышленности России.

5.4. WEB-сайт АИС экономического анализа динамики горной промышленности России.

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 России; разработать структуру эконометрических моделей, описывающих макроэкономические процессы в России; организовать алгоритмы и идентифицировать предложенные эконо-метрические модели; разработать алгоритмы адаптации эконометрических моделей динамики горной промышленности России с учетом новой статистической информации; разработать АИС экономического анализа динамики горной промышленности России; разработать 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 доступа; обработка экономической информации методом регрессионного анализа; возможности 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 0,555433). 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 0,555433 единицы стандартного отклонения. Аналогично интерпретируются остальные положительные стандартизированные коэффициенты соответствующих переменных уравнения регрессии. Наибольшее противоположное влияние имеет переменная, характеризующая химическую и нефтехимическую промышленность (коэффициент -0,217628). С увеличением этого показателя на величину стандартного отклонения при постоянных значениях остальных переменных национальный доход на душу населения в среднем уменьшится примерно на 0,217628 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 показатель; Щ - 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 использовании ^критерия 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 населения; dDohod - стандартизированный прирост национального дохода на душу населения; dCoal - стандартизированный прирост добычи угля на душу населения; dNeft - стандартизированный прирост добычи нефти на душу населения; dGas - стандартизированный прирост добычи газа на душу населения; dFerruda - стандартизированный прирост добычи железной руды на душу населения; dEnergy - стандартизированный прирост валовой продукции электроэнергии на душу населения; dChemistry - стандартизированный прирост валовой продукции химической и нефтехимической промышленности на душу населения; dCarbuild - стандартизированный прирост валовой продукции машиностроения и металлообработки на душу населения; dForrpaper - стандартизированный прирост валовой продукции лесной, деревообрабатывающей и целлюлозно-бумажной промышленности на душу населения; dBuildmat - стандартизированный прирост валовой продукции строительных материалов на душу населения; dLightind - стандартизированный прирост валовой продукции легкой промышленности на душу населения; dFoodind - стандартизированный прирост валовой продукции пищевой промышленности на душу населения; dAgricuIt - стандартизированный прирост валовой продукции сельского хозяйства на душу населения; d Soc cultur - стандартизированный прирост расходов в социально-культурной сфере на душу населения;

OtnPrirost = xi - стандартизированный относительный прирост населения; Dohod = Х2 - стандартизированный национальный доход на душу населения; Coal = х3 - стандартизированная добыча угля на душу населения; Neft = Х4 - стандартизированная добыча нефти (включая газовый конденсат) на душу населения;

Gas = х5 - стандартизированная добыча природного газа на душу населения; Ferruda = х^- стандартизированная добыча железной руды на душу населения; Energy = х7 - стандартизированные темпы роста валовой продукции электроэнергии на душу населения;

Chemistry = х8 - стандартизированные темпы роста валовой продукции химической и нефтехимической промышленности на душу населения; Carjbuild = 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).

1. Грубер И. Эконометрия /Т.1: Введение в эконометрию. Киев: Астарта, 1996.-397 с.

2. Иванова В.М. Построение эконометрических моделей по макроэкономическим показателям//Методы математической статистики в экономических исследованиях. М.: МЭСИ, 1993. - С.24-26

3. Дрейпер Н. Смит Г. Прикладной регрессионный анализ: в 2-х книгах. Кн.1/ -М.: Финансы и статистика, 1986. 366 е., Кн.2/ - М.: Финансы и статистика, 1987.-351 с.

4. Лизер С. Эконометрические методы и задачи. М.: Статистика, 1971. - 141с.

5. Гойзман Э.И. Построение и анализ регрессионных зависимостей. М.:АНХ СССР, 1979.-60 с.

6. Маршак М.И. Регрессионный анализ. Куйбышев: Куйбышев, план, ин-т, 1974. - 60 с.

7. Маркман JI.3. Математико-статистическое моделирование. Основы корреляционного анализа. Томск: Томский ун-т, 1971. - 53 с.

8. Ферстер Э., Ренц Б. Методы корреляционного и регрессионного анализа. -М.: Финансы и статистика, 1983.-302 с.

9. Тарасик В.П. Математическое моделирование технических систем. Мн.: ДизайнПРО, 1997. - 640 с.

10. Бородюк В.П., Лецкий Э.К. Статистическое описание промышленных объектов. -М.: Энергия, 1971. 111с.

11. Лецкий Э.К. Последовательные алгоритмы вычисления коэффициентов регрессионной модели//Проблемы планирования эксперемента М.: Наука, 1966.-396 с.

12. Перельман И.И. Текущий регрессионный анализ и его применение в некоторых задачах автоматического управления//Известия АН СССР, ОТН, Энергетика и автоматика. 1960. - № 2. - С. 122-131

13. Цыпкин Я.З. Адаптация и обучение в автоматических системах. М.: Наука, 1968.-399 с.

14. Информационные системы в экономике/ Под ред. В.В. Дика. М.: Финансы и статистика, 1996. - 272 с.

15. Официальная статистика стран СНГ. CD-ROM. Межгосударственный статистический комитет СНГ и ТОО "Статпрогресс". М., 1996.

16. Моделирование глобальных экономических процессов/ И.Ш. Амиров, И.А. Башмаков, Б.В. Баев и др.; под ред. В. С. Дадаяна. М.: Экономика, 1984. -319 с.

17. Форрестер Дж. Мировая динамика. М.: Наука, 1978. - 167 с.

18. Бахвалов JI.A. Моделирование динамики России на основе модели Форре-стера//Приборы и системы упр. 1997. - №8. - С. 65-68

19. Рыбкин А.А., Амиров И.Ш. Критический анализ моделей глобального проекта "Человечество перед выбором'7/Экономика и математические методы. -1977. т. XIII. - Вып.З. - С. 440-456

20. Клейн JI. Р. Проект ЛИНК//Экономика и математические методы. 1977. -т. XIII.-Вып.З.-С. 471-488

21. Будущее мировой экономики. М.: Международные отношения, 1979. -212 с.

22. Народное хозяйство РСФСР в 1961 году. M.: Госстатиздат, 1962. - 624 с.

23. Народное хозяйство РСФСР в 1962 году. М.: Госстатиздат, 1963. - 607 с.

24. Народное хозяйство РСФСР в 1965 году. -М.: Госстатиздат, 1966. 616 с.

25. Народное хозяйство РСФСР в 1969 году. М.: Госстатиздат, 1970. - 467 с.

26. Народное хозяйство РСФСР в 1973 году. М.: Госстатиздат, 1974. - 527 с.

27. Народное хозяйство РСФСР в 1974 году. М.: Госстатиздат, 1975. - 542 с.

28. Народное хозяйство РСФСР в 1977 году. -М.: Госстатиздат, 1978. 313 с.

29. Народное хозяйство РСФСР в 1980 году. М.: Госстатиздат, 1981. - 406 с.

30. Народное хозяйство РСФСР в 1983 году. М.: Госстатиздат, 1984. - 384 с.

31. Народное хозяйство РСФСР в 1984 году. М.: Госстатиздат, 1985. - 407 с.

32. Народное хозяйство РСФСР в 1987 году. М.: Госстатиздат, 1988. - 592 с.

33. Народное хозяйство РСФСР в 1988 году. М.: Госстатиздат, 1989. - 688 с.

34. Российская Федерация в цифрах в 1992 году. М.: Госстатиздат, 1993. -224 с.

35. Российский статистический ежегодник: Стат. сб. М.: Госкомстат России,1994.-799 с.

36. Российский статистический ежегодник: Стат. сб. М.: Госкомстат России,1995.-976 с.

37. Российский статистический ежегодник: Стат. сб. М.: Госкомстат России,1996. 1200 с.

38. Российский статистический ежегодник: Стат. сб. М.: Госкомстат России,1997.-813 с.

39. Российский статистический ежегодник: Стат. сб. М.: Госкомстат России,1998.-813 с.

40. Россия в цифрах. М.: Госкомстат, 1999. - 416 с.

41. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. Под ред. В.Э. Фигурнова. М.: ИНФРА-М, 1998. - 528 с.

42. Френкель А.А. Экономика России в 1992-1997 гг.: Тенденции, анализ, прогноз. М.: Финстатинформ, 1997. - С. 15-87• г» ® ™

43. Н. Рэндел, Д. Джонс. Microsoft FrontPage в подлиннике. СПб.: BHV -Санкт-Петербург, 1997. - 432 с.