Краткосрочное прогнозирование макроэкономических показателей СНС на основе месячных индикаторов тема диссертации и автореферата по ВАК РФ 08.00.05, кандидат экономических наук Эскин, Владимир Леонидович

• Эскин, Владимир Леонидович
• кандидат экономических наук
• 2004

Оглавление диссертации кандидат экономических наук Эскин, Владимир Леонидович

Введение.

Глава 1. Базовые предпосылки развития системы краткосрочного прогнозирования

1.1. Стартовые условия и период, предшествующий августовскому кризису 1998 года.

1.2. Посткризисный период.

1.3. Факторы, определяющие развитие России на ближайшую перспективу

Глава 2. Особенности прогнозирования российской экономики.

2.1. Приоритеты учета тенденций и факторов в зависимости от горизонта прогноза.

2.2. Принципы построения модели и предпосылки использования методов моделирования.

2.3. Исторический обзор макро эконометрического прогнозирования и обоснование выбора типа модели.

Глава 3. Построение макроэкономической эконометрической модели России.

3.1. Методологические принципы разработки модели прогнозирования ВВП России.

3.2. Анализ информационной базы.

Введение диссертации (часть автореферата) на тему «Краткосрочное прогнозирование макроэкономических показателей СНС на основе месячных индикаторов»

Реализация экономического потенциала России требует качественного совершенствования управления и регулирования экономики. Однако, коренное совершенствование управления экономикой на основе рыночных механизмов, как правило, сопровождается ростом рисков неопределенности и увеличением уязвимости самой экономики. В этих условиях резко возрастает потребность в экономическом прогнозировании, призванном отслеживать связь между ключевыми факторами развития экономики и макроэкономическими пропорциями, которые определяют темпы экономического роста, бюджетное наполнение и другие существенные процессы развития. К сожалению, методологический аспект этой проблемы до сих пор не решен, Отметим, что он не решен не только в России, но и в ряде других стран с переходной экономикой. Данная работа призвана восполнить этот пробел в отношении краткосрочного прогнозирования.

Набор оперативных показателей, которые применяются для краткосрочного прогнозирования российской экономики, а также и других стран, содержит как показатели, отражающие текущую месячную (квартальную) динамику, так и смешанные, используемые для вариантных прогнозов. Для практического применения оперативной информации необходима разработка инструментария, который способен установить динамическую связь между краткосрочными факторами и макроэкономической динамикой. В связи с этим темой данного исследования является краткосрочное прогнозирование макроэкономических показателей в Системе национальных счетов.

Важность данной темы обусловлена потребностью правительственных структур и крупных бизнес-структур в экономических краткосрочных прогнозах.

Степень разработанности темы исследования

Проблемы макроэкономического эконометрического моделирования достаточно хорошо разработаны в трудах зарубежных ученых, таких как Я. Тинберген, О. Экштейн и А. Голдбергер. Однако, особое внимание этой проблематике уделено Л. Клейном в его работах. В России этими вопросами занимались С. А. Айвазян, Ю. В. Яременко, Э. Б. Ершов, М. Н. Узяков, другие ведущие ученые страны.

Обзор существующих эконометрических моделей включает ретроспективный анализ моделей за последние 70 лет. Большинство моделей этого времени базировалось на постулатах Кейнсианской теории. Эта же схема использована в наиболее успешной модели последних десятилетий - модели Клейна-Голдбергера, которая была впервые реализована в середине 1950-ых годов. Другие четыре широко известных модели этого периода: модель Валаваниса, модель Сьюта (как модификация модели Клейна-Голдбергера), модель Брукингса и модель Дьюсенбери-Экштейна-Фромма. Позже модель Клейна-Голдбергера была преобразована в ежеквартальную модель Вартон, а затем объединена с моделью Брукингса. Эта объединенная эконометрическая модель нашла признание во многих странах мира. Ключевым моментом стало ее использование в модели глобального развития - проект LINK. В период 19702000-х годов были разработаны эконометрические модели для Великобритании, Японии, Франции, Италии, Израиля, Канады, Мексики и многих других стран. Общим для всех этих моделей является то, что концептуально все они восходят к методологии, развитой профессором JI. Клейном в Университете штата Пенсильвания. Очевидно, что из-за структурных различий экономик разных стран и разного качества статистической базы данных эти модели не полностью идентичны друг другу, но все они построены по единым принципам.

В России разработаны и применяются несколько межотраслевых эконометрических моделей, в частности модель «Рим», разработанная под руководством М.Н. Узякова. В отличие от используемой в проекте LINK модели, модель «Рим» не является высокочастотной и, следовательно, реагирует на экономические воздействия со значительным запаздыванием. Межотраслевая эконометрическая модель «Рим» от предлагаемой в данной работе модели отличается тем, что она не предусматривает дезагрегации компонентов ВВП (только по укрупненным отраслям).

Целью исследования является разработка краткосрочных прогнозов основных показателей Системы национальных счетов (СНС) на основе использования ежемесячных (сигнальных) индикаторов. Это позволяет оперативно выявлять изменения тенденций экономического роста и улавливать сдвиги в пропорциях воспроизводства. Задачи исследования:

1. Выявить основные тенденции и факторы развития российской экономики, в наибольшей степени влияющие на пропорции воспроизводства в краткосрочной перспективе.

2. Сформулировать требования к модели краткосрочного прогнозирования и на основе сравнительного анализа существующих эконометрических моделей обосновать выбор типа модели краткосрочного прогнозирования.

3. Разработать концепцию и спецификацию модели прогнозирования российского ВВП, рассчитать ее параметры, проверить адекватность и оценить точность.

4. На основе разработанной модели произвести расчеты и построить для российской экономики краткосрочные прогнозы основных макроэкономических показателей СНС.

Объектом исследования является российская экономика в переходный период ее развития.

Предмет исследования - разработка метода краткосрочного прогнозирования, позволяющего учитывать взаимосвязь между сигнальными (высокочастотными) индикаторами экономики и показателями СНС.

Информационной базой анализа являются официальные публикации Госкомстатата РФ за период 1992-2002 гг. и база данных индикаторов мировой экономики компании Global Insight (США).

Научная новизна результатов исследования:

1. Предложен новый метод краткосрочного макроструктурного прогнозирования основных элементов Системы национальных счетов российской экономики, на основе сочетаний методов высокочастотного и структурного моделирования. Для этого используются месячные (сигнальные) индикаторы.

2. Разработана высокочастотная модель структурных связей между сводными макроэкономическими параметрами экономического роста и частными показателями, которые характеризуют конъюнктуру производства, потребления и обращения.

3. По высокочастотной структурной модели выполнен краткосрочный прогноз величины и структуры ВВП по трем вариантам - по сумме элементов производства, сумме конечных расходов и агрегированным способом на два квартала вперед.

Теоретическая и практическая значимость работы. Разработана методология краткосрочного прогнозирования основных элементов СНС, которая позволяет органам государственного управления экономикой и крупным бизнес-структурам решать практические задачи. Концепция краткосрочного прогнозирования, разработанная в данной диссертации, в декабре 2003 г. была внедрена и используется в Министерстве экономического развития и торговли РФ. Кроме того, ежемесячно прогнозные данные, разработанные на основе предложенной модели, передаются в отдел перспективного прогнозирования МЭРиТ для использования в работе.

Апробация результатов исследования была проведена на конференциях и семинарах в следующих организациях:

1. Министерство экономического развития и торговли Российской Федерации, Москва, ноябрь 2003 г.

2. Центр макроэкономического анализа и краткосрочного прогнозирования, Москва, январь 2004 г.

3. Проект IRIS - USАШ, Словения, июнь 2004 г.

Структура и обьем диссертации обусловлена целью исследования и поставленными задачами. Структура работы призвана способствовать раскрытию темы диссертации. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложения. Работа изложена на 137 страницах машинописного текста, содержит 7 таблиц, 5 рисунков, 15 приложений.

Заключение диссертации по теме «Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда», Эскин, Владимир Леонидович

Заключение

Предложенная в диссертации высокочастотная сбалансированная модель, открывает методические перспективы эконометрического прогнозирования экономики России и методологически выводит его на качественно новый уровень: приводит в соответствие с действующей СНС и обеспечивает учет высокочастотных колебаний.

В результате проведенных исследований решены поставленные в диссертации задачи.

I. На основе обзора российских и зарубежных публикаций выявлены основные тенденции и факторы развития российской экономики, наиболее сильно влияющие на пропорции воспроизводства в краткосрочной перспективе, и определены основные источники экономического роста российской экономики. И. На основе анализа основных закономерностей развития российской экономики и сравнительного исследования существующих эконометрических моделей обоснован выбор типа модели краткосрочного прогнозирования российской экономики. Среди существующих эконометрических моделей наиболее подходящей признана квартальная эконометрическая модель, соединившая достоинства модели Клейна-Голдбергера и модели Брукингса. Признано целесообразным использовать эту методологию в качестве основы моделирования экономического развития России.

III. В рамках диссертационного исследования разработана общая концепция и количественно-определенная модель прогнозирования, рассчитаны ее параметры, проверена адекватность, оценена точность и прогностические возможности модели.

1. Модель прогнозирования ВВП предлагается оценивать тремя различными способами в соответствии со структурой СНС: по сумме элементов производства, сумме элементов конечного использования и модели регрессии на основные экономические индикаторы. Затем результаты оценок должны быть подвергнуты обобщению для получения окончательного прогноза.

2. Предложено использовать высокочастотное моделирование в сочетании со структурным моделированием. В целях повышения объективности прогноза результаты высокочастотных моделей рекомендовано применять в качестве входной информации для структурной модели. Уравнения регрессии модели строятся с применением метода главных компонент. Отклонения от модели регрессии моделируются на основе адаптивных методов.

3. Информационная база модели обеспечивает ее представительность, так как статистические индикаторы отражают основные экономические изменения в стране; охват индикаторов достаточно широк и учитывает все экономические сектора; данные отражают взаимосвязи различных секторов экономики и баланс между производством и потреблением; временные ряды достаточно длинны для обеспечения надежности статистических оценок. Соответствующая база данных индикаторов содержит более 100 ежемесячных временных рядов. Каждый из которых включает 120 наблюдений.

4. Для включения в модель из полного набора ежемесячных индикаторов, характеризующих состояние российской экономики, выбираются индикаторы для моделирования ВВП в целом, дефлятора ВВП и элементов ВВП (в разрезе производства и по элементам конечного использования). Набор ежемесячных индикаторов для каждого уравнения модели индивидуален. На их основе формируются ежемесячные основные компоненты. Количество основных компонент, включаемых в уравнения регрессии, определяется статистически. В модель включаются основные компоненты, объясняющие 80 - 90% вариации зависимой переменной. Степень влияния факторов (индикаторов) оценивается на основе частных производных главных компонент по каждому индикатору исходной базы данных.

5. Все построенные уравнения модели адекватны по критерию Дарбина-Уотсона и имеют высокие значения коэффициентов множественной корреляции. По

92 результатам ретроспективного прогнозирования на два квартала (III и IV кварталы 2003 г.) отклонения прогнозных значений от фактических не превысили одной стандартной ошибки, что свидетельствует об адекватности и достаточной точности модели и, следовательно, о возможности ее использования для краткосрочного прогнозирования.

IV. На основе разработанной модели построены ретроспективные прогнозы основных макроэкономических показателей российской экономики на два квартала вперед.

Оценки ретропрогнозов индексов ВВП, полученные по регрессионной модели для третьего и четвертого кварталов 2003 г., составляют 6,05% и 6,82% к соответствующим кварталам 2002 г.

Аналогично построены и проанализированы модели оценки ВВП по сумме элементов конечных расходов (6 уравнений для каждого элемента расходов) и по секторам экономики (7 уравнений), отдельно построена модель дефлятора ВВП. В результате были получены три варианта ретропрогноза совокупного ВВП.

Для получения итоговых прогнозных значений совокупного ВВП рассчитано среднее значение трех полученных оценок. Согласно ретропрогнозу третьему кварталу 2003 г. ВВП соответствует рост на 6,6% по сравнению с третьим кварталом 2002 г, а четвертому кварталу 2003 г. - рост на 6,8%. Это достаточно близко к реальным значениям, так что прогностические возможности модели достаточно высоки.

Решение задач исследования привело к реализации его цели: на основе набора ежемесячных российских экономических индикаторов разработана такая модель российской экономики, которая может быть использована для прогнозирования величины и структуры российского ВВП на два квартала вперед.

Результаты прогнозирования по трем вариантам оценки совокупного ВВП, предложенным в диссертации, показывают, что российская экономика, как и экономики развитых стран, при использовании эконометрических моделей подается прогнозной оценке. Следует отметить высокую зависимость российской

93 экономики от мировых рынков, и, главным образом, от цен на природные ресурсы. Поэтому в дальнейших исследованиях автор планирует включить в предложенную модель мировые цены на основные российские товары и сырье (нефть, газ, металлы), которые повысят точность разрабатываемых прогнозов.

Предложенный в работе подход может быть использован для оперативного анализа и краткосрочного прогнозирования не только совокупного ВВП, но и в любой отрасли экономики, развитие которой определяется как собственной инерцией, так и составляющими ее элементами.

Список литературы диссертационного исследования кандидат экономических наук Эскин, Владимир Леонидович, 2004 год

1. Аболенцев Ю.И., Кильдишев Г.С. Многомерные группировки. - М.: Статистика, 1978. - 160 с.

2. Адамов В.Е. Факторный индексный анализ (Методология и проблемы). М.: Статистика, 1977. - 199 с.

3. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, 1974. - 240 с.

4. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Р. Прикладная статистика: классификация и снижение размерности: Справочник. М.: Финансы и статистика. - 1989. - 607 с.

5. Айвазян С.А., Мхитарян B.C. Прикладная статистика. Основы эконометрики. В 2-х т. 2-ое изд., испр.- М: ЮНИТИ-ДАНА. - 2001.

6. Андерсон Т. Статистический анализ временных рядов. Пер. с англ. М.: Экономика, 1973. - 294 с.

7. Анчишкин А.И. Прогнозирование темпов и факторов экономического роста,-М.: МАКС Пресс.- 2003. с.9-179.

8. Бальсис О.А., Заскявичюс В.А. Методы анализа макроэкономических структурных сдвигов.: Аналит. обзор / Лит. НИИНТИ и техн.-экон. исслед. Вильнюс. - 1988. - 64 с.

9. Белоусов А.Р. Экономический рост в условиях долгосрочных вызовов и стратегической неопределенности. Материалы семинара «Стратегия развития» 4 марта 2001г.- М.: 2002.

10. Белоусов А.Р. Развитие российской экономики в посткризисный период. -«Проблемы прогнозированиям 2003.- №6.

11. Белоусов А.Р. Развитие российской экономики в среднесрочной перспективе: анализ угроз. «Проблемы прогнозирования».- 2004.- №1.

12. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. - 262 с.

13. Богачев В.В. Альтернативные представления адаптивных моделей прогнозирования. В сб.: Модели и методы экономической кибернетики. -М.: МЭСИ, 1988.

14. Богачев В.В. Метод прогнозирования одномерного временного ряда. В сб.: Применение методов вычислительной математики в экономических исследованиях. М.: МЭСИ, 1985.

15. Бокс Д., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Пер. с англ. М.: Мир, вып. 1,2, 1974. - 406 е., 197 с.

16. Болч Б., Хуань К. Дж. Многомерные статистические методы для экономики. -М.: Статистика, 1979. 316 с.

17. Вайну Я. Корреляция рядов динамики. М.: Статистика.- 1977. 118 с.

18. Вишнев С.М. Основы комплексного прогнозирования. М.: Наука.- 1977. -287 с.

19. Вишнев С.М. Экономические параметры. М.: Наука. - 1968,- 189 с.

20. Горчаков А.А., Половников В.А. Одномерные методы и модели экономического прогнозирования. Ташкент: 1990.

21. Горчаков А.А и др. Методы экономико-математического моделирования и прогнозирования в новых условиях хозяйствования. М.: ВЗФЭИ, 1991.

22. Горчаков А.А. Использование адаптивных моделей для краткосрочного экономического прогнозирования. Автореферат дисс., представленной на соискание уч. ст. к.э.н. М.: МЭСИ.- 1982.-23 с.

23. Горчаков А.А. Орлова И.В. Компьютерные экономико-математические модели. М.'Издательское объединение ЮНИТИ.- 1995. - 134 с.

24. Горчаков А.А. Половников В.А., Синилов Д.А. Оценивание точности и адекватности моделей экономического прогнозирования. В кн.: Математические методы моделирования экономических процессов. М.: МЭСИ, 1986.

25. Горчаков А.А., Синилов Д.А. Обработка временных рядов наблюдений с использованием ПЭВМ. М.: МЭСИ, 1988.

26. Госсовет РФ. Концепция стратегического развития России до 2010 года. М.: 2001

27. Гранберг А.Г. Динамические модели народного хозяйства. М.: Экономика, 1985. - 240 с.

28. Гранберг А.Г. Статистическое моделирование и прогнозирование. М.: Финансы и статистика, 1990. - 383 с.

29. Гуляев А.И. Временные ряды в динамических базах данных. М.: Радио и связь, 1989. - 128 с.

30. Добров Г.М. и др. Экспертные оценки в научно-техническом прогнозировании. Киев: Наукова Думка. - 1974. - 160 с.

31. Енюков И.С. Методы алгоритмы, программы многомерного статистического анализа. М.: Финансы и статистика. 1986. - 232с.

32. Ершов Э.Б., Яременко Ю.В. Методы структурного прогноза. Блок межотраслевого моделирования . Гл.1, параграф 1 в кн. «Методы народнохозяйственного прогнозирования».-М.: Наука.-1985.

33. Ершов Э.Б., Левченко Н.А. Структурная пропорциональность народного хозяйства и ее макроэкономический анализ . Экономика и математические методы.- 1984.- т.ХУП. - №4

34. Ершов Э.Б., Смышляев А.С., Яременко Ю.В. Модель межотраслевых взаимодействий. Экономика и математические методы. -1975.- №3

35. Информатика в статистике/Словарь-справочник. М.: Финансы и статистика. -1994.- 207 с.

36. Кендалл М. Дж., Стьюарт А. Многомерный статистический анализ. Пер. с англ. М.: Наука, 1976. - 736 с.

37. Кильдишев Г.С. Френкель А.А. Анализ временных рядов и прогнозирование. М.: Статистика, 1973. - 100 с.

38. Ковалева Л.Н. Многомерное прогнозирование на основе рядов динамики. М.: Статистика, 1980. - 102 с.

39. Кондратьев Н.Д. Избранные сочинения. М.: Экономика, 1993.- 543 с.

40. Корхин А.С. Моделирование экономических систем с распределенным лагом. М.: Финансы и статистика. 1981. - 160 с.

41. Крамер Г. Математические методы и задачи.- М.:СтатистикаД971.-141 с.

42. Левицкий Е.М. Адаптивные экономические модели.- Новосибирск:-Наука.-Сибирское отделение .-1981. 223 с.

43. Лукашин Ю.П. Адаптивные методы красочного прогнозирования. М.: Статистика, 1979. - 253 с.

44. Маленво Э. Статистические методы эконометрии. М.: Статистика, 1976.-Вып. 2.-325 с.

45. Математико-статистические методы исследования взаимосвязей в экономике. М.: Статистика, 1977. - 181 с.

46. Методы и модели экономического прогнозирования. М.: МЭСИ, 1981. -78с.

47. Мхитарян B.C., Трошин Л.И. Вопросы статистического оценивания и сравнения в экономических исследованиях: Учеб. пособие. М.: МЭСИ. 1986.- 112с.

48. Национальные счета Россиив 1996-2003 годах. Официальное издание. М.:2004.

49. Основы экономического и социального прогнозирования/Под ред. В.Н. Мосина, Д.М. Крука. М.: Высшая школа, 1985. - 200 с.

50. Осокин К.Б. Экономика: путь к рынку. Нижний Новгород: Волговятское книжное издательство, 1991. - 187 с.

51. Песаран М., Слейтер Л. Динамическая регрессия: Теория и алгоритмы. -М.: Финансы и статистика, 1984. 310 с.

52. Половников В.А., Скучалина Л.М. Обобщение моделей экономического прогнозирования. М.: МЭСИ.-1982. - 115 с.

53. Раяцкас Р.Л. Система моделей планирования и прогнозирования. М.: Экономика, 1976. - 268 с.

54. Региональная экономика. Под ред. проф. Т.Е. Морозовой. М.: Издательское объединение «ЮНИТИ». - 1995. - 304 с.

55. РозинБ.Б.(ред.) Распознавание образов при построении экономико-статистических моделей. Новосибирск: Наука.-Сибирское отделение- 1975.

56. Российский статистический ежегодник. 2003. М.: Госкомстат России, 2003.

57. Рябушкин Б.Т. Применение статистических методов в экономическом анализе и прогнозировании. М.: Финансы и статистика, 1987.- 79 с.

58. Смирнов А.Д. Моделирование и прогнозирование социалистического воспроизводства. М.: Экономика, 1970. - 215 с.

59. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания. М.: Статистика. 1980. - 206 с.

60. Статистические методы анализа (Алгоритмы и программы). М.: ИМЭМО. 1973.

61. Статистический анализ экономических временных рядов и прогнозирование. М.: Наука, 1973. - 295 с.

62. Статистическое моделирование экономических показателей. Новосибирск: Наука.- Сибирское отделение. 1976.

63. Статистическое моделирование и прогнозирование: Учеб. пособие/ Общ. ред. Рабиновича П.М. М.: МЭСИ, 1982.- 137 с.

64. Статистическое моделирование и прогнозирование. /Под ред. Гранберга А.Г. М.: Финансы и статистика. - 1990. - 384 с.

65. Стоун Р. Метод затрат-выпуск и национальные счета. /Пер. с англ. под ред. Исаева БА. М.: Статистика -1964. -286с.

66. Стратегия определения цен и физического объема во внешней торговле. Технический доклад.- Нью-Йорк: ООН. -1982. 82 с.

67. Теория статистики/Под. ред. Р.А. Шмойловой. М.: Финансы и статистика. 1996. - 459 с.

68. Узяков М.Н. Трансформация российской экономики: возможности экономического роста. М.: Издательство ИСЭПН. 2000. - 360 с.

69. Устинов И.Н. Внешнеэкономические связи России. Статистико-аналитический справочник. М.: Международные отношения, 2001.

70. Устинов И.Н. Мировая торговля. Статистическо-аналитический справочник. М.: Экономика, 2000.- 357 с.

71. Френкель А.А., Адамова Е.В. Корреляционный и регрессионный анализ в экономических приложениях: Учеб. пособие. М.: МЭСИ, 1987. - 96 с.

72. Хаупггейн Т.С. Методы прогнозирования в социалистической экономике. М.: Прогресс, 1971.-398 с.

73. Хеннан Э. Анализ временных рядов. М.: Статистика, 1964. - 215 с.

74. Черников Д.А. Темпы и пропорции экономического роста. М.: Экономика, 1982. - 222 с.

75. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1977. - 200 с.

76. Четыркин Е.М. Комплексное прогнозирование в экономике и международных отношениях. Сборник научных трудов./Отв. ред. Е.М. Четыркин. М.: ИМЭМО.-1975.- 266 с.

77. Четыркин Е.М. и др. Теория и практика статистического моделирования экономики. М.: Финансы и статистика; Братислава: Альфа, 1986. - 272 с.

78. Четыркин Е.М. Статистические методы анализа (Алгоритмы и программы) Математические кривые роста (Подбор кривых для выравнивания динамических рядов). М.: ИМЭМО.- 1973. - 34 с.

79. Яковец Ю.В. Экономика России: перемены и перспективы. М.:1996.-280с.

80. Яковец Ю.В. Перспективы динамики российской экономики. Долгосрочный прогноз на период до 2020 г. М.: МФК, 1996.

81. Яковец Ю.В. Прогнозирование циклов и кризисов. М.: МФК, 2000.

82. Яковец Ю.В. Русский циклизм : Новое видение прошлого и будущего. Lewiston (NY) etc.: Mellon.- 1999.- 560 с.

83. Яременко Ю.В. Теория и методология исследования многоуровневой экономики,- М.: Наука.- 1997.- 400 с.

84. Яременко Ю.В. Прогнозы развития народного хозяйства и варианты экономической политики. М.: Наука. - 1997. - 479 с.

85. Яременко Ю.В. Приоритеты структурной политики и опыт реформ. -М.:1999.- 409 с.

86. Список иностранной литературы

87. Bodkin, R.G. and Klein, L.R. and Marwah. K, "A History of Macroeconomic Model-Building", Edward Elgar, 1991.

88. Green, W.H., Econometric Analysis. 3rd Ed, Prentice Hall, New Jersey, 1997.

89. Inada, Y., "High frequency model for the Japanese economy", Konan University 1997.

90. Jolliffe, I.T., " Principal Component Analysis, New York, Inc, 1986

91. Keynes, J., "The General Theory of Employment, Interest and Money (1935)", Harcourt Brace Jovanovich, Inc., 1953.

92. Klein, L.R. and Park, J.Y., "Economic Forecasting of High Frequency Intervals, Journal of Forecasting", 1993.

93. Klein, L.R. and Park, J.Y., "The University of Pennsylvania Model for High-Frequency Economic Forecasting", Economic and Financial Modeling, 1995.

94. Klein, L.R. and Sojo. E, "Combination of High and Low Frequency Data in Macroeconometric Models", University of Pennsylvania 1991.

95. Klein, L.R. and Young, R.M., " An Introduction to Econometric Forecasting and Forecasting Models", Lexington Books, 1980

96. Klein, L.R., "An Essay on the Accuracy of Economic Prediction", International Journal of Applied Econometrics, 2000.

97. Klein, L.R., "Economic Theory and Econometrics", University of Pennsylvania Press, 1985

98. Klein, L.R., "Project LINK", 1997

99. Klein, L.R., and Coutino, A., "High Frequency Model for the Mexican Economy", WEFA 2001.

100. Leontief, W., "Essays in Economics", Transaction Books, 1990

101. Уравнение 2. Оценка DLOG ВВП-дефлятора

102. DLOGDEF = -0.02799 + 0.02962 * РС1-4.84) (12.30) Adjusted R-squared = 0.848473 F-statistic = 151.1864

103. Durbin-Watson = 2.413465 Sample (adjusted) = 1996Q2-2003Q2

104. Рисунок 2a. Результаты прогнозирования ВВП-дефлятора

105. Residual -----Actual---Fitted

106. Реальное сельскохозяйственное производство 0.00122

107. Потребительские цены на алкогольную продукцию 0.00703

108. Цены производителей в химической промышленности 0.00793 Цены производителей в промышленности строительных материалов 0.00714 Расходы консолидированного бюджета в номинальном выражении,млрд. руб. 0.00153

109. Цены в строительстве 0.00280

110. Реальные объемы строительства 0.00053

111. Цены производителей на электричество 0.00482

112. Цены производителей на продукцию черной металлургии 0.00723

113. Потребительские цены на продовольственную продукцию 0.00718

114. Цены производителей на продукцию пищевой промышленности 0.00844

115. Цены производителей на продукцию топливной отрасли 0.00523

116. Цены производителей на продукцию газовой промышленности 0.00046

117. Реальное производство промышленной продукции 0.00173

118. Индекс цен производителей на промышленную продукцию 0.00884

119. Цены производителей на продукцию легкой промышленности 0.005381. М2, млн. руб. 0.00877

120. Цены производителей на продукцию машиностроения 0.00421 Номинальный официальный обменный курс рубля к доллару США,на конец месяца 0.00371

121. Номинальная среднемесячная заработная плата, руб 0.00677

122. Цены производителей на продукцию цветной металлургии 0.00637

123. Потребительские цены на непродовольственную продукцию 0.00481 Цены производителей на продукцию нефтедобывающейпромышленности 0.00784 Цены производителей на продукцию нефтехимическойпромышленности 0.00373

124. Цены на грузовые перевозки 0.00855

125. Уравнение 1. Оценка DLOG потребления домохозяйств DLOGCONS = 0.00668 + 0.009617 * РС1 + 0.025546 * РС2 0.040927 * РС5 (1.92) (4.34) (4.29) (-5.61)- 0.029331 *РС7 0.057333 * РС8 + 0.041816 * РС13 (-4.32) (-4.98) (2.54)

126. Adjusted R-squared = 0.814334 F-statistic = 21.46803

127. Durbin-Watson = 1.996556 Sample (adjusted) = 1996Q2-2003Q2

128. Рисунок la. Регрессия DLOG потребления домохозяйств

129. Residual -----Actual---Fitted

130. Рисунок lb. Прогнозные оценки DLOG потребления домохозяйств вЗ и 4 кварталах 2003 года и их стандартные ошибки-DLOGCONS • DLOGCONS UPPER1------DLOGCONS1 » DLOGCONS. .LOWER1

131. Уравнение 2. Оценка DLOG государственного потребления DLOGGOV = 0.000658 + 0.009422 * РСЗ 0.055909 * DUMMY 1 (0.56) (2.20) (-4.61)0.063701 * DUMMY2 0.95538 * МА(4) (0.064) (-18.72)

132. Adjusted R-squared = 0.768484 Durbin-Watson = 2.051848 F-statistic = 19.91615 Sample (adjusted) = 1996Q2-2003Q2

133. Рисунок 2a. Регрессия DLOG государственного потребления

134. Рисунок 2b. Прогнозные оценки государственного потребления в 3 и 4 кварталах 2003 года и их стандартные ошибкиф DLOGGOV UPPER1------DLOGGOV 1 т DLOGGOV. .LOWER1

135. Рисунок За. Регрессия DLOG инвестиций в основной капитал

136. Рисунок ЗЬ. Прогнозные оценки инвестиций в основной капитал в 3 и 4 кварталах 2003 года и их стандартные ошибки-DLOGINV • DLOGINV UPPER1------DLOG IN V1 * DLOGINV. .LOWER1

137. Уравнение 4. Оценка DLOG изменения материальных запасов

138. DLOGINVRATIO = -0.038345 + 5.816066 * DLOGREALINVENT (-4.88) (8.00)-0.763196 * DUMMY2 + 1.076968 * DUMMY4 (-5.97) (7.12)-0.162702 * РС2 + 0.219607 * РСЗ + 0.254233 * РС4 (-3.12) (3.99) (3.48)0.258216 * РС11 -0.960557 * МА(1) (5.47) (-34.81)

139. Adjusted R-squared = 0.92498 Durbin-Watson = 2.009845 F-statistic = 44.15444 Sample (adjusted) = 1996Q2-2003Q2

140. Вводимые фиктивные переменные:

141. DUMMY1=1 for 1998Q3 and 0 otherwise DUMMY2=1 for 1998Q4 and 0 otherwise DUMMY3=1 for 1999Q1 and 0 otherwise DUMMY4=1 for 1999Q2 and 0 otherwise DUMMY5=1 for 1999Q3 and 0 otherwise

142. Рисунок 4a. Регрессия DLOG изменения материальных запасов

143. Residual -----Actual---Fitted

144. Рисунок 4b. Прогнозные оценки изменения материальных запасов в 3 и 4 кварталах 2003 года и их стандартные ошибки

145. DLOGINVRATIO • DLOGINVRATIOJJPPER1 DLOGINVRATIQ1 * DLOGINVRATIO L0WER1

146. Уравнение 5. Оценка DLOG соотношения ВВП к внутреннему потреблению DLOGDPRATIO = -0.003498 + 0.055368 * РСЗ + 0.052685 * PC 10 (-0.61) (3.08) (2.92)0.047495 * РС12 + 0.056952 * РС13 + 0.033978 * PCl(-l)2.92) (3.04) (6.66)- 0.017467 * РС1(-2) (-3.80)

147. Adjusted R-squared = 0.620103 F-statistic = 8.345309

148. Durbin-Watson = 1.980976 Sample (adjusted) = 1996Q3-2003Q2

149. Рисунок 5a. Регрессия DLOG соотношения ВВП к внутреннему потреблению

150. Residual -----Actual---Fitted.

151. Рисунок 5b. Прогнозные оценки соотношения ВВП к внутреннему потреблению и их стандартные ошибки-DLOGGDPRATIO • DLOGGDPRATIOUPPER1------DL0GGDPRATI01 • DLOGGDPRATIO LOWER1