ВЫБОР ОПТИМАЛЬНОЙ МОДЕЛИ ДИНАМИКИ В СЛУЧАЕ ЭКСТРАПОЛЯЦИОННОГО ПРОГНОЗИРОВАНИЯ ПО КОРОТКИМ ВРЕМЕННЫМ РЯДАМ (НА ПРИМЕРЕ РЫНКА ТРУДА МОЛОДЕЖИ РЕСПУБЛИКИ КРЫМ)

Аннотация

Цель работы. Выбор оптимальной модели динамики в случае экстраполяционного прогнозирования по коротким временным рядам. Результаты. В работе на основе малого объема ретроспективных данных (2014–2017 годы) изложена технология выбора оптимальной модели динамики ключевых индикаторов рынка труда молодежи Республики Крым в случае экстраполяционного прогнозирования по коротким временным рядам. В процессе исследования с помощью пакета анализа данных SPSS было построено пять моделей трендов (линейная, логарифмическая, полиномиальная [квадратичная], степенная, экспоненциальная) для каждого индикатора, по которым прописаны базовые пояснения (исходя из характера прослеживаемой динамики, рассматриваемые индикаторы подразделены на отдельные типы: индикаторы, в динамике роста которых наблюдается замедление; индикаторы, в динамике роста которых наблюдается ускорение; индикаторы, в динамике спада которых наблюдается замедление; индикаторы, в динамике спада которых наблюдается ускорение; линейная и полиномиальная [квадратичная] модели являются конкурирующими для аппроксимации динамики рассматриваемых индикаторов всех типов; для аппроксимации коротких временных рядов в целях экстраполяции полиномиальные, в том числе квадратичные модели в большинстве случаев нельзя использовать, поскольку характер их поведения непредсказуем даже при краткосрочном прогнозе; наряду с коэффициентом детерминации, критерием для выбора спецификации модели является уровень статистической значимости [р-уровень] критерия Фишера, а также величина 95 или 90 % доверительного интервала и ее зависимость от горизонта прогноза), учет которых дал возможность выделить подходящие для каждого индикатора модели, позволившие впоследствии рассчитать результаты их точечных прогнозов на 2019 год. Выводы. Сделан вывод о важности подбора оптимальной модели, позволяющей обеспечить наиболее вероятный прогноз, при этом необходим учет того факта, что она не всегда пригодна при краткосрочном прогнозировании.