Особенности прогнозирования в маркетинговых исследованиях

Аналитический - проверка согласованности мнений экспертов, анализ полученных выводов и разработка конечных рекомендаций

Метод мозговой атаки - представляет собой неструктурированный процесс генерирования всевозможных идей по поставленной проблеме, спонтанно предлагаемых участниками. Подготовка к «мозговой атаке» начинается с формулирования проблемы, которая не должна быть ни слишком общей (это ведет к разбросу идей, и что-то конкретное получить будет трудно), ни слишком узкой (поскольку это будет сдерживать инициативу участников). Затем нужно подобрать участников «атаки», их должно быть человек 6—12. Желательно, чтобы это были люди разных профессий, но признанных авторитетов по обсуждаемой проблеме среди них быть не должно. Любые высказанные в ходе «атаки» идеи — даже самые абсурдные — следует записать, чтобы при необходимости к ним можно было бы вернуться еще раз, а участников обсуждения предупредить, что критиковать друг друга или высказывать какие-то отрицательные оценки строго запрещается. 

Метод сценарного развития - это хорошее средство для организации взаимодействия количественного и качественного подходов, для интегрирования рассмотренных прогнозных методов. Сценарий — это динамическая модель будущего, в которой шаг за шагом описывается возможный ход событий с указанием вероятностей их реализации. В сценарии представляются ключевые причинные факторы, которые должны быть приняты во внимание, и указываются способы, которыми эти факторы могут повлиять, скажем, на первичный спрос. Обычно составляется несколько альтернативных вариантов сценария, реализация которых возможна при различных допущениях (о политической, правовой и экономической обстановке, о положении в данной отрасли, о новых возможностях и проблемах данной фирмы и т.п.). Следовательно, сценарий — это характеристика будущего в духе изыскательского прогнозирования, а не определение одного желательного состояния или «точечная оценка» того, что произойдет в будущем.

      Один, наиболее вероятный, вариант сценария обычно рассматривается в качестве базового, на основе которого принимаются текущие решения. Другие, рассматриваемые в качестве альтернативных, «запускаются» в реализацию в том случае, если реальность в большей мере начинает соответствовать их содержанию, а не базовому варианту сценария. Написание сценариев обычно совершается в явно выраженных временных координатах. Вначале метод написания сценариев использовался для выявления возможных военных и дипломатических кризисов. Затем он стал применяться в стратегическом корпоративном планировании, а потом и как интеграционный механизм прогнозирования отдельных социально-экономических процессов, в том числе рыночных.

      Сценарии  являются одним из наиболее эффективных  средств ослабления традиционного мышления; сценарий заставляет «погрузиться» в незнакомый и быстро меняющийся мир настоящего и будущего, раскрывая возможности, в которых фокусируется его развитие. Сценарий заставляет исследователя заниматься деталями и процессами, которые он мог бы легко упустить, изолированно используя отдельные методы прогнозирования. Сценарий, следовательно, отличается от прогноза. Прогноз — это суждение, которое стремится «предсказать» специфическую ситуацию и должно быть принято или отвергнуто на базе его достоинств и недостатков. Сценарий же является инструментом, который используется для определения, какие виды прогнозов должны быть разработаны, чтобы будущая ситуация была описана полно, с учетом всех главных факторов.

      Сценарий  заставляет размышлять и обеспечивает:

      — лучшее понимание рыночной ситуации и ее эволюции в прошлом, настоящем и будущем;

      — оценку потенциальных угроз для  фирмы;

      — выявление благоприятных возможностей для фирмы;

      — выявление возможных, наиболее целесообразных направлений деятельности фирмы;

      — повышение уровня адаптированности фирмы к изменениям внешней среды.

      Таким образом, метод сценариев позволяет  повысить способность к предвидению  и развить гибкость и адаптивность фирмы к переменам. Этот метод, который  исходит из убеждения о том, что  будущее никогда не может быть полностью измерено и управляемо, обладает, с точки зрения управления, рядом важных достоинств:

      1. Прежде всего, он заостряет  внимание фирмы на неопределенности, которая характеризует любую рыночную ситуацию: управление в турбулентной среде подразумевает способность предвидеть эволюция этой среды.

      2. Метод сценариев облегчает интеграцию  данных, полученных разными методами, качественными или количественными.

      3. Реализация этого метода вносит  в управление дополнительную  гибкость и способствует разработке  альтернативных планов и системы  быстрого реагирования на изменения  внешней среды. 

2.2. Количественные методы прогнозирования 

Экстраполяция временного ряда- распространение тенденций, установленных в прошлом, на будущий период. Математические методы экстраполирования сводятся к определению того, какие значения будет принимать та или иная переменная величина X = x(t), если известен ряд ее значений в прошлые моменты времени:

x(t₁), ..., x(t_n-1) → x(t_n).

В ряде случаев используется только несколько  последних точек временного ряда. Если их две — экстраполяция сводится к проведению через них прямой и называется линейной.

Во многих случаях перед экстраполяцией бывает необходимо провести выравнивание временных рядов в целях устранения нехарактерных для них отклонений. Среди наиболее распространенных методов решения этой задачи - метод наименьших квадратов.

Экстраполяционные модели успешно используются в рамках среднесрочного горизонта прогнозирования, но не обеспечивают столь же надежных данных на более отдаленную перспективу. 

Экономико-математическое моделирование – описание экономических процессов и явлений в виде экономико-математических моделей. Как и всякое моделирование, Э.-м. м. основывается на принципе аналогии, т. е. возможности изучения объекта не непосредственно, а через рассмотрение другого, подобного ему и более доступного объекта, его модели. В данном случае таким более доступным объектом является экономико-математическая модель. Моделирование оказывает и обратное влияние на исследователей, требуя четкости формулировки исследовательской задачи, строгой логичности в построении гипотез и концепций.

Практическими задачами моделирования являются, во первых, анализ экономических объектов; во-вторых, экономическое прогнозирование, предвидение развития хозяйственных процессов; в-третьих, выработка управленческих решений на всех уровнях хозяйственной иерархии.

Процесс Э.-м. м. проходит ряд  этапов: 

• идентификацию объекта, 
• спецификацию модели, 
• идентификацию и оценку параметров модели,

установление  зависимостей между ними, проверку.

Причем  весь этот процесс обычно повторяется многократно, и с каждым циклом модель уточняется, особенно когда дело идет о модели, предназначенной для практических расчетов. В последнем случае к модели предъявляются дополнительные требования со стороны технологии алгоритмизации и программирования.

На каждом этапе построения моделей соблюдаются  определенные правила их испытания, проверки. При этом обнаруживаются и устраняются недостатки, наиболее типичными из которых являются четыре: включение в модель несущественных (для данной задачи) переменных, невключение в модель существенных переменных, недостаточно точная оценка параметров модели, недостатки в структуре модели, т. е. неправильное определение зависимостей между переменными, а в случае оптимизации — зависимости принятого критерия от управляемых и неуправляемых переменных.

Эффективный путь практического моделирования  — использование готовых моделей  аналогичных объектов или процессов (с необходимыми уточнениями), а также  отдельных блоков модели — стандартных модулей, совокупность которых образует искомую модель (модульный принцип).

В настоящее  время идет поиск новых математических понятий и методов, пригодных  для построения и исследования моделей  и систем моделей — т. н. сложных систем с переменной структурой, меняющимся характером динамики, содержащих неполную, неопределенную и недостаточно формализованную информацию.

Корреляционный  и регрессионный  анализ - Корреляционным анализом называют анализ зависимостей случайной величины от случайных аргументов в отличие от регрессионного анализа, под которым понимают анализ зависимости случайной величины от неслучайных аргументов. Как всякий статистический метод, классический корреляционный анализ применим при определенных предпосылках:

1) случайные  величины У и Х (в многомерном  случае X1, Х2, ..., Хр) представляют собой выборку из двумерной (многомерной) генеральной совокупности с нормальным законом распределения;

2) отдельные  наблюдения стохастически независимы, т.е. значения данного наблюдения не должны зависеть от значения предыдущего и последующего наблюдений (проверка наличия автокорреляции);

3) аналитическое  выражение, аппроксимирующее эмпирическую  кривую У=1 (X) (в многомерном случае  V=f (X1, X2, ..., Хр), должно быть линейным относительно своих параметров;

4) дисперсия  случайной величины У остается  постоянной при изменении величины  Х (или Xi) или пропорциональной некоторой известной функции от Х(Хi).

Применение  регрессионного анализа предполагает обязательное выполнение предпосылок 2—4 корреляционного анализа. Он тесно  связан с корреляционным анализом. Но регрессионный анализ предъявляет  менее жесткие требования к исходной информации. Например, проведение регрессионного анализа возможно даже в случае некоторого отличия распределения случайных величин от нормального, что существенно, так как часто распределение экономических величин асимметрично. При многомерном регрессионном анализе часто возникает проблема мультиколлинеарности, т.е. между несколькими аргументами существует линейная связь или коллинеарность — линейная взаимосвязь между двумя показателями.

В классическом регрессионном анализе предполагается, что между независимыми переменными  отсутствует линейная связь (это  в экономической практике встречается  довольно редко).

Мультиколлинеарность затрудняет проведение анализа. Во-первых, усложняется процесс выделения наиболее существенных факторов; во-вторых, искажается смысл коэффициентов регрессии. В-третьих, при решении системы нормальных уравнений для получения коэффициентов регрессии определитель близок к нулю, что влечет за собой появление множества оценок коэффициентов регрессии. На практике считается, что два аргумента коллинеарны, если парный коэффициент корреляции между ними по абсолютной вели чине равен 0,8.

Более точный метод — следующий аргумент можно отнести к числу мультиколлинеарных, если коэффициент множественной корреляции этой переменной от всех остальных аргументов больше коэффициента множественной корреляции между зависимой перемен ной и множеством всех независимых переменных.

К одной  из эффективных мер по устранению мультиколлинеарности, как показывает опыт, относится исключение из рассмотрения одного или нескольких линейно связанных аргументов либо привлечение дополнительной информации. Другой метод устранения влияния мультиколлинеарности состоит во введении искусственной ортогональности.

Следует отметить также, что матрица парных коэффициентов корреляции позволяет  в некоторой степени сократить  информацию путем перехода от системы первоначально зарегистрированных параметров к системе меньшей размерности при повышении адекватности отражения изучаемых процессов.

До последнего времени для построения экономико-статистических моделей в основном применялись  методы группировок и методы корреляционного  и регрессионного анализов. Необходимость  расширения формального аппарата экономико-статистического  моделирования связана с объективными трудностями, которые продиктованы невыполнением предпосылок использования  корреляционного и регрессионного анализов, так как классическая теория вероятностей и математическая статистика создавались применительно к  анализу явлений природы. Социально-экономические  же явления многомерны, разнообразны, дискретны, имеют случайную компоненту. Вышеперечисленные особенности  экономических процессов требуют применения в дополнение к аппарату классической статистики более универсальных методов математического описания. Од ним из путей решения этой проблемы является использование методов распознавания образов, как правило, на ЭВМ.