Аграрне виробництво України є світовим лідером з експорту продукції рослинництва та тваринництва. За останні 5 років частка продукції АПК у структурі експортної виручки України зросла з 31% у 2014 році до 39,3% у 2018.
Прийняття обгрунтованних управлінських рішень щодо планування розвитку аграрного сектору та окремих товаровиробників сільськогосподарської продукції можливо за рахунок побудови і аналізу економетричних моделей, які кількісно описують вплив певного фактору на кінцевий результат їх господарської діяльності. Дослідження європейського та світового досвіду свідчить про те, що у сучасних умовах розвитку економіки моделювання є важливим інструментом аналізу аграрної політики з метою визначення впливу сільськогосподарської політики на постачання та соціально-економічні і екологічні системи пов'язані з аграрним сектором. На сучасному етапі процес державного регулювання розвитку агропромислового комплексу України передбачає визначення цілей розвитку галузі на основі з’ясування її поточного стану, формування стратегії досягнення цілей, реалізацію обраної стратегії та оцінку досягнутих результатів. Однією із головних мотивацій аграрних економістів для розширення їх аналізу аграрної політики до сфери політичних інституцій та процесів є знаходження сучасних концепцій, котрі будуть як економічно ефективними так і політично прийнятними. Доведено, що враховуючи динамічний розвиток аграрного сектора, наразі важливим є використання економіко- математичного моделювання для аналізу розвитку аграрного сектора економіки. Побудувавши надійні моделі для прогнозування результативних показників господарської діяльності аграрних підприємств можна вирішити задачу прогнозування економічних показників системи їх виробництва.
Оцінка якості прогнозних моделей аграрного виробництва є важливою для побудови зважених і варіантних прогнозів, основним критерієм якості прогнозної моделі є її точність. Об'єктивну оцінку точність прогнозу дає критерій середньої похибки. Для повної верифікації прогнозних моделей, крім критерію середньої похибки, необхідно використовувати інші критерії: критерій справджуванності прогнозу приростів, критерій дисперсії похибок, критерій кореляції прогнозу за фактичними даними.
Похибки прогнозу дають можливість з’ясувати прогнозні можливості моделі і абсолютна похибка прогнозу є більш об'єктивним критерієм, ніж відносна. Поширеним методом оцінки точності прогнозування є і підсумовування абсолютних похибок. Середнє абсолютне відхилення вимірює точність прогнозу, середня - величину помилки прогнозу. Для визначення середнього значення відносної похибки слід застосовувати таку методику. Визначивши середнє абсолютне відхилення, необхідно розділити його на середнє значення фактичної врожайності за досліджуваний період:
За формулою отримали середнє значення відносної похибки прогнозування, тобто за заданим алгоритмом знайшли значення похибки середньострокового прогнозування урожайності сільськогосподарських культур.
Стохастична економетрична тимчасового ряду описує процес з незалежними випадковими приростами. Основою для побудови прогнозу для якої є останнє спостережуване значення ряду. Чим менше похибка, отримана при прогнозуванні ряду стохастическим методом, тим ближче досліджуваний ряд до випадкового ряду з незалежними приростами.
Найчастіше для визначення прогнозних можливостей економетричних моделей використовується оцінка дисперсії похибки прогнозу, її порівнюють з дисперсією ряду різниць тимчасового ряду. Чим менше буде значення дисперсії похибки прогнозу до дисперсії приростів тимчасового ряду, тим вищою буде якість прогнозування економетричної моделі.
Оцінка стохастичною складової економетричної моделі є важливою частиною економетричного моделювання, де за оцінку якості побудованого прогнозу вибирають критерій справджуванності, згідно з яким визначають відсоток вірно передбачених знаків приростів залежної змінної через деякий, досить тривалий період прогнозування. У прогнозуванні результатів господарської діяльності аграрного виробництва необхідно дотримуватися принципів системності, варіантності і методики прогнозування [2]. Системність прогнозування ключових показників аграрного виробництва полягає в використанні прогнозних моделей з різним прогнозним горизонтом: моделі короткострокового прогнозування, моделі середньострокового прогнозування і моделі довгострокового прогнозування. Найбільш важливими для прийняття управлінських та інвестиційних рішень є моделі середньострокового прогнозування. Об’єктивне і точне прогнозування аграрного виробництва може базуватися на відповідних групах середньострокових прогнозних моделей: лінійно-гармонійних, авторегресійних, змінного середнього, екстраполяції, лінійного тренду, нейронних мереж, тощо.
Список використаних джерел:
1. Моделі і методи соціально-економічного прогнозування : підруч. / В.М. Геєць, Т.С. Клебанова, О.І. Черняк та ін. – Х.: ВД ”ІНЖЕК”, 2008. – 396 с.
2. Симоненко О.І. Економетрика: навчально-методичні вказівки до вивчення дисципліни для студентів ОС “Бакалавр” економічних спеціальностей . -К.: КОМПРІНТ, 2019.-100 с.
|
Голосування 
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter