Download
1 / 22
220 likes | 471 Views
Metodika lauksaimniecības rādītāju prognozēšanai. Zinātņu prorektors , Dr.habil.sc.ing. Pēteris Rivža. Prognozēšanas koncepcija_1.
E N D
Metodika lauksaimniecības rādītāju prognozēšanai Zinātņu prorektors, Dr.habil.sc.ing. Pēteris Rivža
Prognozēšanas koncepcija_1 • Prognozes par lauksaimniecības dzīvnieku skaitu, kūtsmēslu apsaimniekošanu, slāpekļa daudzumu kūtsmēslos, zemes un graudaugu kopplatībām, lauksaimniecības kultūru kopražu un izmantoto slāpekļa minerālmēslu apjomu 2015. un 2020. gadiem tika sagatavota pielietojot kombinēto prognozēšanas metodi. • Pielietotā kombinētā prognozēšanas metode pirmajā etapā paredzēja katrai lauksaimniecības rādītāja dinamikas rindai: • atrast piemērotāko trenda modeli, • šim trenda modelim aprēķināja ticamības intervālu . Trenda modeļus novērtēja izmantojot determinācijas koeficientu R2 skaitliskās vērtības, jo augstāka skaitliskā vērtība jo labāks modelis.
Prognozēšanas koncepcija_2 • Otrajā prognozēšanas etapā ekspertu grupa analizēja prognozējamā rādītāja intervālprognozes ar izvēlēto labāko trendu modeli, prognozēšanas fonu un prognozējamo rādītāju. • Pēc diskusijām tika formulēta prognoze 2015. un 2020.gadiem. • Līdz ar to lietotā kombinētā prognozēšanas metode veiksmīgi apvienoja priekšrocības, ko dod statistiskās un ekspertu statistiskās prognozēšanas metodes.
Lauksaimniecības rādītāju laika rindas izvēle • Lauksaimniecības rādītājiem pamatā tika izvēlēta laika rinda no 1995.gada līdz 2010.gadam. • Lai gan vairākiem rādītājiem bija pieejama laika rinda no 1991.gada, tomēr tā netika izmantota prognozēšanai, jo tūlīt pēc neatkarības atgūšanas Latvijā notika būtiskas pārmaiņas saimniekošanas sistēmā, pāreja uz tirgus ekonomiku un pāreja uz Eiropas Savienības statistikas sistēmu. • Līdz ar to lauksaimniecības rādītāju skaitliskās vērtības no 1991. līdz 1994.gadiem prognozēšanai nav īsti piemērotas. • No metodikas viedokļa ņemt īsāku laika rindu no 2000.gada vai 2005.gada nav ieteicams, jo prognozes ticamībai laika rindas garums ir ļoti būtisks faktors.
Izmantoto trendu modeļu veidi • Lineārais trenda modelis ; • Pakāpes trenda modelis = atb ; • Puslogaritmiskaistrenda modelis ; • Eksponenciālais trenda modelis ; • Polinoma tipa trenda modelis, n=2,...6
Trenda modeļa izvēle • Par labāko izvēlējās to trenda modeli, kuram determinācijas koeficienta skaitliskā vērtība bija lielākā. • Regresijas modeļiem determinācijas koeficients raksturo izskaidrotās dispersijas attiecību pret kopējo rezultatīvās pazīmes dispersiju. • Determinācijas koeficients parāda rezultatīvās pazīmes variācijas daļu, ko izskaidro regresija kopējā ytvariācijā (kopējā dispersijā).
Prognozes ticamības intervāla robežas • Izmantojot izvēlēto trenda modeli tika aprēķinātas trenda skaitliskās vērtības visām prognozēšanas horizonta laika norādēm n+h, t.i. iegūta punkta prognoze. • Šādai prognozei nav zināms intervāls, kurā varētu atrasties dinamikas rindas līmenis , ņemot vērā prognozes īstenošanas varbūtību. • Punkta prognozi izmantoja kā intervāla centru, kuru papildināja ar prognozes ticamības intervāla robežām , ņemot vērā prognozes īstenošanās vērtības varbūtību .
Ticamības intervāla lielums atkarīgs no vairākiem parametriem : • No faktisko datu – dinamikas rindas līmeņu izkliedes jeb variācijas ap teorētiskajām vērtībām ( trenda modeļa vērtībām) lielum, ko raksturo vērtējuma standartnovirze . Tā kā modeļa standartnovirze ir pilnās kļūdas galvenā sastāvdaļa (aptuveni 70-99% no pilnās kļūdas ), intervāla lielums tiešā veidā atkarīgs no modeļa standartnovirzes; • No trenda modeļa formas: lineārajam trenda modelim pilnās kļūdas izmaiņas ir izteiktākas nekā nelineārajiem trenda modeļiem, ko nodrošina parametra b Standartnovirzes Sbsalīdzinoši lielāka vērtība, un novirzes no laika perioda vidējā lieluma ir vairāk izteiktas nekā nelineārajiem trenda modeļiem, kuriem parametri tiek rēķināti logaritmiskajās koordinātās un līdz ar to parametra b standartnovirzes lielums ir parasti niecīgs un dažiem nelineārajiem trenda modeļiem novirzes no laika perioda vidējā lieluma apraksta logaritmiskajās koordinātās , tas nozīmē, ka nelineārajiem trenda modeļiem izmaiņas ir nebūtiskas.
turpinājums 3. No dinamikas rindas garuma n: pilnās kļūdas sastāvdaļa – varbūtību sadalījuma kritiskā vērtība ta ir atkarīga no izvēlētās varbūtības un brīvības pakāpju skaita ν = n-k-1, piemēram, Stjūdenta sadalījuma kritiskās vērtības pie varbūtības =0,95 ir šādas: ja n=5, tad =3,18 , ja n=10, kritiskā vērtība =2,36 , tātad, jo īsāka dinamikas rinda, jo lielāks intervāls. Intervālprognozes ticamības intervālus aprēķināja saskaņā ar formulu : kur - Stjūdenta jeb t-sadalījuma kritiskās vērtības, tās aprēķināšanā tika izmantota MS Excel standartfunkcija TIN() , kur Probability– pieļaujamā prognozes kļūdas varbūtība, tika pieņemta vienāda ar 0,1; Deg_freedom – brīvības pakāpju skaits: = n-1.
Piemērs par slaucamo govju skaita prognozēšanu_2 Slaucamo govju skaitu no 1995.gada līdz 2010.gadam ieguva no Latvijas Centrālās statistikas pārvaldes (CSP) datu bāzes. Izvēlētajai dinamikas rindai tika izmēģināti vairāki trendi: lineārais, pakāpes , puslogaritmiskais un eksponenciālais(sk.1.tabulu), un to determinācijas koeficienti bija ar sekojošām skaitliskām vērtībām: 0,856; 0,9516; 0,9596,0,8978. Kā redzams determinācijas koeficients ir augstāko skaitlisko vērtību logaritmiskajam trenda modelim-0,9596. Šajā piemērā pietiekami labs bija arī pakāpes trenda modelis. Slaucamo govju prognozi aprēķināja ar iegūto puslogaritmiskotrendamodeli: kur t=1,2,...26, kas ir gadu 1995, 1996,...., 2020. kārtas numuri.
Piemērs par slaucamo govju skaita prognozēšanu_4 • Prognozējot slaucamo govju skaitu 2020. gadam tika pielietots puslogaritmiskaistrenda modelis pēc, kura var secināt, ka slaucamo govju skaits turpmākajos gados pakāpeniski samazināsies un 2020. gadā prognozējamais slaucamo govju skaits būs 141 tūkst. jeb salīdzinot ar bāzes gadu (1995) būs samazinājies par 151 tūkstoti vai 51,7 %.Lai aprēķinātu izvēlētam puslogaritmiskajamtrenda modelim ticamības intervālus, pieņemam =0,90, t.i. ticamības intervāli būs aprēķināti ar 90% ticamību. Tad MS Excel standartfunkcijā TIN (), ievietojot 0,1 un 15 (n-1=16-1 ), iegūsim =1,753.
Piemērs par slaucamo govju skaita prognozēšanu_5 • 2015.gadā slaucamo govju skaita punktveida prognoze bija 151 tūkstotis, bet ar 90% varbūtību prognoze šajā gadā var būt no 136 tūkstoši līdz 167 tūkstoši slaucamo govju. • Attiecīgi 2020.gadā punktveida prognoze bija 141 tūkstotis, bet intervālprognozes attiecīgi 126 un 156 tūkstoši. • Protams prognoze 2020.gadam ir stipri nedroša jo prognozēšanas periods 10 gadi ir salīdzinoši liels un šajā gadījumā ir jāliek klāt otrais etaps no kombinētās prognozēšanas - ekspertu vērtējums. • Ekspertu sanāksmē tika izanalizēti trenduintervālmetodes iegūtie prognozes rezultāti, novērtēts prognozēšanas fons, apkopota informācija par pētāmo objektu, izanalizēti lauksaimniecības kopējo attīstības tendenču ietekme uz prognozējamo rādītāju un visbeidzot veikts eksperta vērtējums par prognozi 2015. un 2020.gadiem. • Tā konrētajā piemērā par slaucamo govju skaita prognozi eksperti 2015.gadā prognozēja 166 tūkstoši slaucamo govju, kas ir tuvs intervālprognozes augšējai robežai, savukārt 2020.gadam eksperti uzskatīja, ka sakarā ar jaunu slaucamo govju lielfermu būvniecību un piena kvotu atcelšanu pēc 2015.gada slaucamo govju skaits palielināsies līdz 170 tūkstošiem.
Piemērs par slaucamo govju skaita prognozēšanu_6 • Ņemot vērā atbalstu piena lopkopībai 2007. – 2013.gadam lauku attīstības programmas ietvaros, ir prognozējama piena lopkopības fermu koncentrācija un esošo fermu paplašināšanās. • Veicinošs faktors ir kooperatīvu aktīvā darbība un piena pārstrādes veicināšana no valsts puses. • Tomēr nevar prognozēt lielu slaucamo govju skaita palielinājumu, jo nozares attīstība vairāk būs saistīta ar izslaukuma palielinājumu, kas kopumā ir pozitīva tendence arī no SEG emisiju viedokļa, rēķinot gāzu rašanos uz saražoto piena vienību. • Līdzīgā veidā tika prognozēti arī pārējie laksaimniecības rādītāji.
Priekšlikumi lauksaimniecības rādītāju prognozēšanai 2013.gadā • Papildināt visu rādītāju laika rindas ar 2011. un 2012.gadu datiem; • Veikt pārrēķinu ar jauniem papildinātiem datiem; • Papildus izvērtē iespēju ņemt vērā IKP ; • Izpēta korelāciju IKP rādītājiem ar lauksaimniecības rādītājiem; • Tiem lauksaimniecības rādītājiem, kuriem ir augsta korelācija ar IKP rādītājiem iegūst regresijas vienādojumus un robežvērtības; • Aprēķina lauksaimniecības rādītāju prognozes pēc šiem regresijas vienādojumiem; • Salīdzina iegūtās prognozes ar iepriekš iegūtajām prognozēm ar laika rindām; Eksperti pēc kompleksās analīzes pieņem gala lēmumu par prognozēm 2015. un 2020.gadam.
Atjaunojamās enerģijas pētījumu aktualitāte Eiropas Savienība (ES) strādā pie tā, lai samazinātu klimata izmaiņu ietekmi un radītu kopīgu enerģētikas politiku. Mērķis - līdz 2020. gadam atjaunojamā enerģija - 20% no ES kopējā enerģijas patēriņa (2005. gadā 8.5%). Šobrīd Latvijā - 32% kopējā patērētās enerģijas apjoma ir atjaunojamā enerģija, bet 2020. gadā atjaunojamās enerģijas patēriņam kopējās enerģijas struktūrā Latvijā jāsasniedz 40% (2009/28/EK )
