доктор технических наук;
doctor of technical sciences;
Планированию производственных сил на предприятии в настоящее время уделяют важное значение, а следовательно к методам прогнозирования относятся более требовательно. Главным элементом производственных сил является перспективная потребность в материальных ресурсах. Для ее определения на длительную перспективу не стоит полагаться на простые способы экономического прогнозирования, а необходимо разрабатывать и использовать особое методическое обеспечение, которое будет соответствовать специфике и отвечать задачам и целям предплановых расчетов конкретной территории. В статье нами рассмотрены модели, предназначенные для решения двух групп задач: корреляционно-регрессионное моделирование прогноза экономических показателей ввоза-вывоза лесоматериалов и статистическое моделирование прогноза по динамическим рядам. Для определения перспективной потребности в лесных ресурсах принятые методы и модели должны отвечать главным критериям социально-экономического развития, долгосрочным целям, научно-техническому прогрессу в области потребления материальных ресурсов, территориальному разделению и специфическим особенностям регионов. К тому же, предлагаемые методы должны давать возможность проводить расчеты в условиях неопределенных показателей и отсутствия подробных технико-экономических данных. Задачу определения перспективной потребности в материальных ресурсах можно решить разными методами, но главное место в комплексном методологическом обеспечении должны занять экономико-статистические методы, так как они имеют ряд преимуществ по сравнению с другими. Статистические методы, используемые при прогнозировании, дают удовлетворительные по точности результаты, если тенденция изменения рассматриваемого показателя и механизм формирования его значения устойчивы и сохраняются в анализируемом периоде. Точность результатов будет ухудшаться при резких изменениях тенденций и характера взаимосвязей. При краткосрочном, например годовом, планировании резкие изменения происходят редко, что обеспечивает более широкую область применения статистических методов.
Планированию производственных сил на предприятии в настоящее время уделяют важное значение, а следовательно к методам прогнозирования относятся более требовательно. Главным элементом производственных сил является перспективная потребность в материальных ресурсах. Для ее определения на длительную перспективу не стоит полагаться на простые способы экономического прогнозирования, а необходимо разрабатывать и использовать особое методическое обеспечение, которое будет соответствовать специфике и отвечать задачам и целям предплановых расчетов конкретной территории. В статье нами рассмотрены модели, предназначенные для решения двух групп задач: корреляционно-регрессионное моделирование прогноза экономических показателей ввоза-вывоза лесоматериалов и статистическое моделирование прогноза по динамическим рядам. Для определения перспективной потребности в лесных ресурсах принятые методы и модели должны отвечать главным критериям социально-экономического развития, долгосрочным целям, научно-техническому прогрессу в области потребления материальных ресурсов, территориальному разделению и специфическим особенностям регионов. К тому же, предлагаемые методы должны давать возможность проводить расчеты в условиях неопределенных показателей и отсутствия подробных технико-экономических данных. Задачу определения перспективной потребности в материальных ресурсах можно решить разными методами, но главное место в комплексном методологическом обеспечении должны занять экономико-статистические методы, так как они имеют ряд преимуществ по сравнению с другими. Статистические методы, используемые при прогнозировании, дают удовлетворительные по точности результаты, если тенденция изменения рассматриваемого показателя и механизм формирования его значения устойчивы и сохраняются в анализируемом периоде. Точность результатов будет ухудшаться при резких изменениях тенденций и характера взаимосвязей. При краткосрочном, например годовом, планировании резкие изменения происходят редко, что обеспечивает более широкую область применения статистических методов.