Страница 9 из 11
В исследовании, проведенном Ольборгским университетом, упомянутом в главе 2, содержатся сопоставимые данные по прогнозируемому и фактическому транспортному движению для 210 железнодорожных и автодорожных проектов[61]. На рис. 3.2 показано распределение погрешности прогнозируемого транспортного потока для всех 210 проектов в выборке, разделенной на железнодорожные и автомобильные проекты. Погрешность определяется как разность фактического и прогнозируемого потока в процентах от прогнозируемого потока. Таким образом, абсолютная точность обозначается нулем. Погрешность –40 процентов, например, указывает, что фактическое движение было на 40 процентов ниже, чем прогнозируемое, тогда как погрешность +40 процентов подразумевает, что фактическое движение было на 40 процентов выше, чем прогнозируемое. Наиболее примечательной деталью на рис. 3.2 является впечатляющая разница между железнодорожными и автодорожными проектами. По железнодорожным проектам можно сделать следующие наблюдения (и здесь все заключения статистически значимы и, скорее всего, занижены):
• Средняя погрешность прогнозов пассажиропотока на железнодорожном транспорте –39 процентов (стандартное отклонение, ст. откл. = 52). Следовательно, фактический транспортный поток в среднем был на 39 процентов ниже, чем прогнозируемый, что означает завышение прогнозов в среднем на 65 процентов;
• Для железнодорожных проектов в 85 процентах случаев различие между фактическим и прогнозируемым движением составляет более ±20 процентов. Даже если мы удвоим пороговое значение погрешности до ±40 процентов, мы обнаружим, что в 74 процентах случаев разница между фактическим и прогнозируемым железнодорожным движением оказывается больше этих показателей;
• Существует серьезная и в высшей степени значимая проблема завышения прогнозов для железнодорожных проектов. В двух третях проектов прогнозы завышены более, чем на две трети.
В отношении автодорожных проектов мы выявляем следующие факты:
• Средняя погрешность прогноза автомобильного движения составляет 9 процентов (ст. откл. = 44), то есть фактическое автомобильное движение было в среднем на 9 процентов выше прогнозируемого;
• В автодорожных проектах в 50 процентах случаев разница между фактическим и прогнозируемым движением составила более ±20 процентов. Если мы удвоим пороговое значение погрешности до ±40 процентов, в 25 процентах случаев разница между фактическим и прогнозируемым движением окажется больше этого показателя;
• Не существует значимой разницы между частотностью завышенных и заниженных прогнозов для автомобильного движения.
Анализируя различие между железнодорожными и автодорожными проектами, мы обнаружили с высокой степенью достоверности, что прогнозы пассажиропотока на железнодорожном транспорте более необъективны (завышены), чем прогнозы автомобильного движения. Однако указаний на значимое различие между стандартными отклонениями для железнодорожных и автомобильных прогнозов нет; в обоих случаях они высоки, что говорит о значительной доле неопределенности и, следовательно, риска для обоих типов прогнозов.
Теперь мы обратимся к выяснению причин недостоверности прогнозов движения транспорта[62].
Причины неудачных прогнозов спроса
Как уже говорилось, доступные данные о точности прогнозов движения выявляют довольно низкую степень надежности профессионального прогнозирования. Тщательная диагностика причин обеспечит лучшее понимание множества факторов, ответственных за ошибочные прогнозы[63]. Мы выделяем семь причин неудачных прогнозов.
1. Применяемая методология
В большинстве прогнозов для моделей сценария применяются сложные многопеременные, так называемые логит– или пробит-модели. Не пренебрегая значением многих научных дискуссий об уместности тех или иных методов и эконометрических пакетов программ, можно утверждать, что применение неправильного метода – обычно не самая важная причина неудачного прогноза. Однако следует признать, что, несмотря на всю сложность эконометрических методов, все же существуют значительные недостатки моделирования, вносящие свою лепту в высокую степень неопределенности результатов прогнозов. Это особенно справедливо для моделирования грузопотока. Модели грузопотока гибко изменяются и все чаще становятся результатом интегрированного планирования производства и логистики в пределах отдельной фирмы. Поэтому модели подчиняются очень специфичным требованиям, которые едва ли можно сгруппировать для описания глобальных тенденций с достаточной точностью. Технический прогресс и организационные изменения в пределах одной фирмы и между компаниями обычно не являются непрерывными во времени процессами. К тому же очень трудно предсказать, в какой мере фирмы способны воспользоваться сравнительными технологическими преимуществами, как это упоминалось в случае с Европейскими железными дорогами. Хотя большинство экспертов предсказывало рост рыночного спроса для данного вида транспорта на расширяющемся международном рынке грузоперевозок в Европе, железные дороги потеряли долю рынка по причинам, которые трудно предвидеть. Это и негибкость железнодорожных компаний, и отсутствие согласованности на транспортных рынках, и снижение относительных затрат автомобильного транспорта, что произошло, несмотря на спекуляции относительно распределения реальных затрат на транспорт по различным его видам.
2. Скудная база данных
Недостаточные данные являются гораздо более важной причиной неудачных прогнозов, чем методология. Во многих странах не проводится постоянный сбор первичной информации. Это означает, что модели спроса на транспорт не могут быть выверены на основе наблюдаемого дорожного режима (так называемый подход выявленных предпочтений). Этот пробел может быть частично, хотя и не полностью, устранен анализом заявленных предпочтений (выяснение у людей, что бы они сделали в определенной ситуации). Проблема состоит в том, что фактическое поведение людей может (и зачастую именно так и происходит) существенно отличаться от заявленных предпочтений.
3. Непостоянная модель поведения и влияние дополнительных факторов
Тот факт, что поведение людей остается неизменным в течение определенного промежутка времени при значительных изменениях влияющих факторов, таких как время движения или цены, часто вызывает удивление аналитиков прогнозов. С другой стороны, в спросе на транспорт могут произойти внезапные перемены, если меняются дополнительные факторы, которые не могут быть явно смоделированы функциями спроса. К таким факторам относятся привлекательность станций, наличие магазинов, перехватывающих парковок, безопасность потребителя, информация и путеводители, чистота в вагонах и подъездные пути, скорректированная политика городского развития и жилищного строительства и т. д.[64]
4. Неожиданные изменения экзогенных факторов
Внезапные изменения экзогенных факторов едва ли можно контролировать моделированием спроса и методами сценариев[65]. Например, резкие социальные и политические изменения, такие как падение коммунистических режимов и изменения отношений Востока и Запада в Европе, непредсказуемы. Другой пример: изменение цен на энергоносители – фактор влияния, который трудно предсказать, как было с двумя нефтяными кризисами 1973 и 1979 гг. Главная причина упомянутых выше неудачных прогнозов движения транспорта в Германии с 1985 г. заключалась в том, что в них был заложен устойчивый рост реальных цен на энергоносители. Но после 1985 г. реальные цены на энергоносители резко упали, и, следовательно, предполагаемая рыночная сила, ограничивающая увеличение автомобильного и авиационного потока, исчезла.
61
Bent Flyvbjerg and Mette K. Skamris Holm, “How Accurate are Demand Forecasts in Transport Infrastructure Projects?”, paper, forthcoming.
62
Для сравнения исторического прогноза движения и исторического прогноза электрификации, см.: Arun Sanghvi and Robert Vernstrom, “Review and Evaluation of Historic Electricity Forecasting Experience (1960–1985)”, Industry and Energy Department Working Paper, Energy Series Paper, no. 18, Washington, DC: World Bank, 1989.
63
См. также H. O. Stekler, “Are Economic Forecasts Valuable?” Journal of Forecasting, том 13, № 6, 1994, с. 495–505; Gordon Leitch and J. Ernest Ta
64
M. Gaudry, B. Mandel and W. Rothengatter, “Linear and Nonlinear Logit Models”, Transportation Research, часть B, том 28, № 6, 1994; B. Mandel, Schnellverkehr und Modal Split (Baden Baden: Nomos, 1992).
65
S. P. Huntington and J. S. Nye, Jr., Global Dilemmas (Cambridge, MA: Harvard, 1985).