روش تحلیل اثر بر روند و کاربردهای آن
روش تحلیلی Trend Impact Analysis method
تاریخچه روش Trend Impact Analysis method:
تحلیل اثر بر گذر در اواخر دهه ۱۹۷۰ توسعه یافت تا بطور اخص سوال مشکل و مهم تحقیق آیندهها را پاسخگو باشد. روشهای کمّی که براساس دادههای تاریخی هستند، برای استنتاج استقرایی از دادهها برای پیش بینی آینده به کار میرود، اما چنین روشهایی تاثیرات منحصر بهفرد رویدادهای آینده را به رسمیت نمیشناسند.
این انتقاد به همه روشهای کمّی که منحصراً با داده های تاریخی، از تکنیکهای سریهای زمانی گرفته تا تکنیکهای اقتصاد سنجی، سر و کار دارند، وارد است. در روشهای کمی فرض برآن است که همان توانهایی که در گذشته به کار رفته اند، در آینده هم به کار خواهند رفت و رویدادهای آینده که میتواند روابط گذشته را تحت تاثیر قرار دهد یا روندها را منحرف کند، واقع نخواهد شد و تاثیرمحسوسی نخواهد داشت. در این روشها احتمال وقوع نتایج پیش بینیها در آینده، بدون هیچ تعجبی، نادیده گرفته میشود، که در عمده موارد چنین است.
تحلیل اثر بر روند یک روش سادهای است که در آن یک سری زمانی اصلاح شده به کار میرود تا چگونگی برون یابیِ تغییرات در خصوص رویدادهای آینده را پیش بینی نماید، که در غیر این صورت رویدادها موجب تعجب خواهد بود. در ایجاد یک تحلیل اثر بر روند یک مجموعه رویدادهای آینده، که میتواند عامل روندهای بدون تعجب برای تغییر در آینده باشد، باید مشخص شوند. وقتی تحلیل اثر بر روند به کار میرود، یک پایگاه داده از رویدادهای کلیدی بالقوه، احتمالات وقوع آنها و تاثیرات آنها ایجاد میشود.
روش تحلیل اثر بر روند بارها به کار گرفته شده است. حداقل یک سرویس اطلاعات تجاری، آینده پژوهی بهداشت و درمان، پیش بینی تولیدات بازارهای دارویی از این روش استفاده می کنند علاوه بر این، پیش بینی های تحلیل اثر بر روند توسط گروههای آینده پژوه مطالعات اداره هوانوردی فدرال ، دفتر تحقیقات فدرال، ستاد مشترک، بنیاد ملی علوم، وزارت انرژی، وزارت حمل و نقل، ایالت کالیفرنیا، و دیگر سازمان های ایالات متحده مورد استفاده قرار گرفته است. پروژه هزاره بارها این روش را در انجام پیش بینی متغیرهایی شامل شاخصهای آینده در سطوح ملی و جهانی، استفاده کرده است.
شرح روش تحلیل اثر بر روند
تحلیل اثر بر روند یک روش پیش بینی است که اجازه می دهد برون یابی روند تاریخی از منظر انتظارات ما از رویدادهای آینده، اصلاح شود. این روش به یک تحلیلگر که علاقه مند به ردیابی یک روند خاص است، اجازه میدهد تا اثرحوادث آینده ممکنی را که از نظر او مهم تلقی میشود را به حساب آورده و بطور سیستماتیک بررسی نماید.
به عنوان مثال، یک مدیر علاقه مند به ردیابی قیمت مواد خام تحویل داده شده از یک مبدایی در خارج از کشور را در نظر بگیرید. برون یابی دادههای تاریخی موجود قطعاً میتواند برای پیش بینی به کار رود، اما یک مدیر ممکن است احساس کند که احتمالات بسیار، برون یابی روند گذشته را غیر واقعی کند. تحلیل اثر بر روند یک روش تجزیه و تحلیل عواقب ناشی از تحولات آینده ناشی از این روند آینده است.
چگونگی اجرای روش تحلیل اثر بر روند
دو مرحله اصلی ضروری است:
- یک منحنی برازش شده از دادههای تاریخی برای محاسبه روند آینده، با توجه به هیچ رویداد دارای سابقه از آینده؛ و
- قضاوت کارشناسی به کار میرود تا مجموعهای از حوادث آینده را شناسایی کند که اگر آن حوادث رخ میدادند، میتوانست موجب انحراف از برون یابی دادههای تاریخی شود. برای هر یک از این رویدادها، کارشناسان در مورد احتمال وقوع آنها به عنوان تابعی از زمان و تاثیر مورد انتظار آن را در روند آینده، قضاوت میکنند. انتظار می رود یک رویداد با تاثیر زیاد، موجب نوسان نسبتاً زیاد روند، در جهات مثبت یا منفی شود. این مفاهیم در شکل ۱ نشان داده شده است.
شکل ۱. نمونه تاثیر پارامترهای یک رویداد
تحلیل اثر بر روند ابزاری سیستماتیک برای ترکیب برون یابی بدون تعجب با قضاوت در مورد احتمال و اثرات رویدادهای انتخاب شده آینده است. به عنوان مثال، شکل ۲ تخمینی از تولید ناخالص داخلی سرانه جهانی بر اساس دادههای بانک جهانی و سازمان توسعه کشورهای اروپایی را نشان میدهد. این نکته مهم ولی غیر منتظره است که حوادث آینده میتواند این روند را تحت تاثیر قرار دهد.
وقوع چنین رویدادی ممکن است یک رکود اقتصادی جهانی را پدید آورد. با چنین تغییری ممکن است انتظار آن را داشته باشیم که منحنی را رو به پایین نزولی کند. دراین مورد، یک برون یابی بدون تعجب از تولید ناخالص داخلی سرانه آینده که بیش از حد، بالا تخمین زده شود و یک منحنی نهفته پیش بینی بهتری خواهد بود.
گام اول برون یابی آزاد و بدون تعجب است. برازش اکثر منحنیها ابتدا شکل کلی از یک منحنی را مشخص میکند تا مجموعهای از دادههای تاریخی را برازش کند، سپس یک الگوریتم برازش منحنی به کار میرود تا یک منحنی خاصی که نزدیک ترین حد ممکن به دادههای ارائه شده است، رسم شود. سپس الگوریتم منحنی پیش بینی بدون تعجب را برون یابی مینماید. انتخاب شکل کلی منحنی مناسب میتواند مشکل باشد. به عنوان مثال دو شکل از منحنیهای مختلف، هر یک میتوانند به خوبی داده های تاریخی را برازش کنند و در عین حال منحنیهای برون یابی شده از هریک، به طور قابل توجهی متفاوت باشد. در واقع، عملاً انتخاب شکل منحنی از پیش تعیین کنندهی پیش بینی بدون تعجب است، برای برازش داده های تاریخی، تعدادی از انواع مختلف منحنی، اعم از خطوط مستقیم تا منحنیهای پیچیده S شکل به کار میرود.
شکل ۲٫ برآورد از سرانه برازش داده های تاریخی است تولید ناخالص داخلی جهانی
در موردی که اینجا نشان داده شده، منحنی برازش شده یک منحنی چند جمله ای درجه سوم بوده است.
قضاوت و تخیل در مرحله دوم تحلیل اثر بر روند حیاتی هستند. در این مرحله، برنامه، برون یابی بدون تعجب را تغییر می دهد تا رویدادهای مهم آینده غیر منتظره و بی سابقه را به حساب آورد. ابتدا فهرستی از چنین رویدادهای بالقوهای تهیه میشود. این رویدادها باید قابل قبول، به طور بالقوه در تأثیر گذاری قوی و در نگاه به گذشته قابل اثبات باشد. منبع این فهرست از رویدادها معمولاً ممکن است ناشی از یک تحقیق در ادبیات موضوع، مطالعه دلفی، یا یک توافق غیر رسمی در میان مشاوران باشد. رویدادهای انتخاب شده شامل نیروهای بالقوه موجود است که میتواند به عزیمت به آینده ای بدون تعجب منجرشود.
قضاوت‌های متعددی در مورد هر رویداد انتخاب شده انچام میشود. ابتدا احتمال وقوع هر یک از این رویدادها به عنوان تابعی از زمان برآورد میشود سپس تأثیر هر رویداد در روند مورد مطالعه تخمین زده می شود. اثرات را می توان به روش های مختلف مشخص نمود، یک روش شامل مشخصات زمان از وقوع رویداد تأثیر تا:
۱) شروع روند تحت تاثیر قرار گرفتن.
۲) تاثیر بر روند در بزرگترین وضعیت یا
۳) رسیدن به تاثیر سطح نهایی و یا حالت پایدار
یا مقدار؛
۱) بزرگترین اثر،یا
۲) تاثیر در حالت پایدار.
هر یک از این سه زمان مشخص و دو مقدار تاثیر مرتبط با آنها به طور کامل مستقل در نظر گرفته شده است.به عنوان مثال حداکثر تاثیر، ممکن است مثبت بوده و تاثیر حالت ثابت منفی و یا تاثیر حالت پایدار ممکن است صفر و تاثیر آن صرفاً موقتی باشد. در نهایت، ممکن است حداکثر تاثیر همان تاثیر حالت پایدار باشد. البته، شکل تاثیر می تواند در وضعیتهای دیگر قرار گیرد، اما کاربرد پنج مورد استفاده شده در اینجا در بسیاری از وضعیتها به اثبات رسیده است.
برنامه کامپیوتری تحلیل اثر بر روند، قضاوت‌های تاثیر و احتمال وقوع رویداد را با نتایج حاصل از برون یابی بدون تعجب برای تحقق یک برون یابی تعدیل شده ترکیب میکند. این تجزیه و تحلیل به طور معمول شامل برآوردهای محدوده چارک بالا و پایین و یا برآوردهایی در محدوده هایی با سطوح احتمال دیگر میگردد. ارزش مورد انتظار از اثرات ترکیب شده، با جمع نتایج احتمالات تأثیر رویدادها در هر سالی که وقوع رویداد در آن محتمل بوده با اثرات مورد انتظار آنها و با لحاظ تاثیر مشخص شده با تاخیر زمانی به دست می آید.
ساده ترین روش برخورد با رویدادها اینگونه است که آنها را مستقل از یکدیگر بدانیم. هنگامی که رویدادها با هم واقع می شوند، یعنی اگر وقوع یکی، احتمال وقوع دیگری را در پی داشته باشد، روشهای تاثیر متقابل میتواند بخشی از راه حل باشد.
واریانس پیش بینی تاثیر تعدیل شده از مجموع واریانس روند برون یابی (که از طریق مربع خطای استاندارد تخمین اندازه گیری میشود) و واریانس اثرات رویدادهای موجود (که از احتمال رویدادها محاسبه میشود) بدست میآید.
برای برآورد چارک بالا و پایین از تعدیل پیش بینی سری زمانی سه روش استفاده شده است. در رویکرد اولیه، چهار مرحله اول ازتوزیع تاثیر مورد انتظار، محاسبه می شود و تابع پیرسون نزدیک ترین مرحلهای که به مرحلههای تقریبی به دست آمده نزدیک است را پیدا میکند. پس از آن چارکها از مقادیر جدول تابع پیرسون انتخاب و محاسبه میشود. در رویکرد دوم، چارکها از متوسط انحرافهای مثبت و منفی مقدار مورد انتظار هر یک، به طور جداگانه محاسبه و برآورد میشود. در نهایت، چارکها می تواند به طور مستقیم با استفاده از روش مونت کارلو که در آن، برای هر زمان در آینده، رویدادها به طور تصادفی انتخاب شده ، تصمیم بر اساس اتفاق رویداد یا از طریق انتخاب عدد تصادفی صورت میگیرد و سپس مقدار تعدیل متغیر در آن سال از آینده، با توجه به وقوع رویداد انتخاب شده، محاسبه میشود. این فرآیند در طول کل دوره زمانی ادامه مییابد و به عنوان یک سناریو کوچک ذخیره میشود . سپس این فرایند صدها بار است تکرار میشود و چارکهای بالا و پایین (یا در واقع هر گونه معیار اندازهگیری) از حداقلهای سناریوهای ذخیره شده، انتخاب میشود.
