В прогностике модели разделяются на логические (записанные с
помощью логических выражений), информационные (основанные на массовых
потоках информации) и математические. Математической или абстрактной
называют модель с количественными характеристиками, записанными
в виде формул .
К логическим моделям относятся модели прогнозирования "по
116
исторической аналогии" (базируются на историческом опыте развития
данной системы); модели описательного характера в виде "сценариев
будущего" . Среди информационных известны модели на основе патентной
информации, информационные модели взаимодействия между науками.
Математические модели делятся на три основные группы:
- статистико-вероятностные модели;
- экономико-математические и
- функционально-иерархические модели.
В моделировании социальных процессов исключительно важную
роль играет первый вид моделей.
Статистические модели (модели распределения, статистические
модели распознавания образов, корреляционные, дисперсные, факторные,
имитационные модели, модель Монте-Карло и др.) позволяют исследовать
сложную систему любого типа.
Возможность учета нелинейности, динамики вероятностной природы
некоторых явлений позволяет сделать статистическую модель, адекватную
действительности. Статистическое моделирование процессов
функционирования сложных систем предполагает учет случайных возмущений,
описываемых самыми разными законами распределения (отсюда
название моделей статистическими).
Задачами математического моделирования являются прежде всего
формализация общественных явлений и целенаправленное математическое
описание тех, или иных социальных объектов с одновременной разработкой
соответствующей содержательной части теории.
Задачи в математическом моделировании.
Применение математико-статистических методов в прогнозировании
предполагает две задачи:
- статическую и
117
- динамическую.
К решению этих задач относятся:
- формирование и оценка исходных данных исследования;
- логический анализ механизма связи м е ж д у параметрами;
- проведение корреляционного (например, установление связи между
численностью рождений и уровнем образования женщины), или
регрессионного анализа;
- расчет коэффициентов регрессионных моделей (уравнений);
разработка собственно прогноза на основе полученных
корреляционных или регрессионных моделей;
- верификация прогноза (расчет доверительного интервала при
заданной точности прогноза).