Прогнозирование региональной динамики с учетом пространственной взаимосвязи на основе нейронных сетей

Прогнозирование различных показателей, характеризующих региональную динамику, является актуальной задачей и входит в сферы интересов ряда различных национальных и международных организаций, которые осуществляют мониторинг социально-экономического положения и динамики регионов мира, отдельных стран и их регионов и проводят оценку последствий изменения региональной динамики в результате осуществления мер экономической политики и иных событий. В данном исследовании предлагается новый метод макроэкономического и регионального прогнозирования — прогнозирование региональной динамики на основе моделей искусственных нейронных сетей с включением пространственно-временных лагов, объясняющих переменных и комбинирования прогнозов. Выдвигаются две гипотезы относительно минимизации функции отклонения ошибки прогноза. Первая гипотеза предполагает снижение ошибки прогноза путем введения в модель пространственного лага, полученного на основе моделей, не учитывающих пространственную корреляцию переменных. Вторая гипотеза предполагает снижение ошибки прогноза путем комбинирования отдельных моделей, за счет одновременного использования моделей, отличающихся в своей «манере» интерпретировать входные данные. Эмпирическое исследование проводится с применением нейросетевых (с различными сочетаниями параметров нейросетевой структуры) и линейных регрессионных моделей панельных данных с учетом и без учета пространственно-временных лагов факторов, а также несколько вариантов комбинирования прогнозов этих моделей на основе взвешенной регрессии для построения и анализа качества прогнозов региональной динамики США за период с 1987 по 2013 гг. Показано, что при использовании отдельных моделей наилучшие результаты прогнозирования демонстрируют нейросетевые модели с использованием пространственного лага, тогда как при комбинировании результатов нейросетевых и линейных панельных моделей достигнуты прогнозы более высокого качества.