Існує ціла низка таксономій моделей для прогнозування (див. напр., Bahl, Schroeder, 1979; Georgoff, Murdick, 1986). Найдетальнішою і найкориснішою є, мабуть, таксономія, розроблена Джерджоффом та Мердіком (Georgoff, Murdick, 1986)). У цій таксономії застосовуються критерії: часу; питань, на які потрібно дати відповідь; вимог до ресурсів; вхідних даних та результатів методу. Критерій часу поділяється на тривалість, терміновість та частоту з відповідними питаннями, що стосуються прогнозного періоду (коротко-, середньо- чи довготерміновий), терміновості та періодичності необхідного оновлення даних. Оскільки більшість із тих, хто приймає рішення, прагне мати прогноз, що сягає якнайдалі в майбутнє, цей критерій має не останнє значення. Однак, як правило, чим ширший горизонт прогнозування, тим складніший аналіз і тим більших ресурсів він вимагає. Критерій вимоги до ресурсів поділяється на вимоги щодо математичної підготовки персоналу, комп’ютерної та фінансової забезпеченості процесу прогнозування. Якщо персонал володіє лише елементарними навичками застосування арифметичних дій або якщо технологічні можливості обмежені (напр., є лише калькулятори), в розпорядженні керівника буде дуже вузьке коло методів. Витрати на різні методи сильно відрізняються, але важливо зазначити, що після їх запровадження, їхня відчутна цінність перевищує витрати на їх підтримання/оновлення. Критерій вхідних даних поділяється на глибину даних, їх варіабельність, внутрішню і зовнішню несуперечливість, а відповідні запитання стосуються того, за який період є дані, якими є коливання рядів первинних даних, чи очікуються істотні зміни в рішеннях керівництва і в середовищі та у взаємозв’язках між змінними. Керівник має враховувати ступінь даних, час, якого вони стосуються, точність та репрезентативність. Він також має подбати про те, щоб стабільність методу та його чутливість не суперечили природі рядів даних. Критерій виходу поділяється на категорії детальності, точності, спроможності відображати та вказувати напрямки змін і форми з відповідними питаннями, що стосуються вимог до компонентів прогнозування, рівня точності, часового охоплення поворотних точок та характеру прогнозу (інтервальний чи ймовірнісний). Крім варіабельності та несуперечливості даних, керівник має також оцінити обсяг деталей, які вимагає чи виключає той чи інший метод. Хоча точність є важливим критерієм будь-якої кількісної методики, при прогнозуванні необхідно враховувати, що багато факторів, які впливають на прогноз, можуть бути поза контролем керівника чи організації (напр., стан економіки держави). Поворотні точки — це точки в часі, коли відбуваються істотні зміни в рядах даних. Такі зміни мають важливе значення для керівника, оскільки вони можуть свідчити про значну зміну. Кінцева форма або вихід методу прогнозування є найціннішим, коли вони засвідчують певне зіставлення з центральною тенденцією, приміром, середнім значенням або діапазоном можливих наслідків (напр., оптимістичний, очікуваний, песимістичний; найбільший, середній, найнижчий). На основі цієї таксономії Джерджофф та Мердік розробили чотири основні методи прогнозування: метод суджень, обчислювальний, метод рядів даних та метод асоціацій, або причинності.
Методи прогнозування на основі судження включають метод наївної екстраполяції, комбінування, експертної оцінки та кількісні методи, такі як сценарії, метод Дельфі та метод історичних аналогій. До обчислювальних методів, зокрема, входять ринкові випробування та обстеження ринку. Методи часових рядів включають прогноз з використанням ковзного середнього, експоненціального згладжування, адаптивного фільтрування, екстраполяцій часових рядів, розкладання часових рядів та метод Бокса-Дженкінса. Методи асоціацій, або причинності, включають корелятивний та регресійний аналіз, метод випереджальних індикаторів, економетричні моделі та модель “витрати-вихід”.
Як приклад наївної екстраполяції можна навести припущення про те, що рівень інфляції наступного року залишатиметься таким самим, як поточного бюджетного року. Метод прогнозу методом комбінування можна проілюструвати тим, як керівник місцевого органу влади одержує дані оцінки потреб у послугах від тих, хто ці послуги надає. “Експертний” прогноз можна одержати, визначивши думки різних експертів про майбутнє сфери, щодо якої складається прогноз. Метод сценаріїв, як правило, є описовим методом, у якому вивчається гадане майбутнє на основі впорядкованих описів. Метод Дельфі передбачає послідовні експертні оцінки на основі зворотного зв’язку від оцінок попередника. Назва методу історичних аналогій говорить сама за себе: “припусти, що майбутнє буде подібним до минулого”. Метод ринкових випробувань, або експериментального дизайну, може включати, для прикладу, випробування кількох стратегій надання послуг з екстраполяцією ефективності, одержаної в експерименті, на все населення. Іншим інструментом прогнозування можуть бути обстеження, особливо поздовжні.
Існують також методи часових рядів, які більше тяжіють до кількісного аналізу. Так, при прогнозі на основі ковзного середнього використовуються середні значення за попередні періоди для оцінки значень у майбутньому. Метод експоненціального згладжування дозволяє оцінити майбутнє на підставі зважених комбінацій оцінок у часові точки (при цьому менш віддаленим у часі точкам приписується більша вага). Метод адаптивного фільтрування є поєднанням окремих аспектів експоненціального згладжування — в ньому застосовуються зважені комбінації фактичних та оціночних наслідків у межах систематичних змін. У методах екстраполяції часових рядів, наприклад, у методі найменших квадратів, час використовується як незалежна змінна. При застосуванні методів екстраполяції часових рядів для прогнозування майбутніх закономірностей беруться закономірності, що спостерігалися в минулому. Методи розкладення часових рядів дозволяють прогнозувати майбутнє на основі тенденцій, сезонних або циклічних закономірностей, виявлених у рядах даних. Метод Бокса-Дженкінса надто складний, щоб його тут обговорювати, але можна зазначити, що в ньому використовуються скориговані ковзні середні, вагові коефіцієнти та модельна ітерація до бажаного рівня.
За допомогою кореляційних методів причинних передбачень майбутнє оцінюється на основі історичних співвідношень між змінними. В моделях регресійного прогнозування застосовуються виведені рівняння, в яких мінімізується дисперсія незалежних змінних з метою визначення оцінки майбутнього значення показника. У методі випереджальних індикаторів використовується одна чи кілька попередніх змінних, які систематично зіставляються зі змінною передбачення, щоб одержати оцінку майбутнього значення. В економетричних моделях застосовуються інтегровані системи одночасних рівнянь, що відображають історичні взаємозв’язки та економічну теорію, що дозволяє одержати оцінку стану в майбутньому. В моделях “витрати-вихід” з метою прогнозування за допомогою складної матриці оцінюють майбутнє прямих та опосередкованих зв’язків. Незважаючи на наявність різноманітних моделей, місцеві органи влади рідко вдаються до будь-яких із цих методів прогнозування.
Розглянувши доцільність застосування тих чи інших методів та критерії вибору, сформульовані Джерджоффом та Мердіком, можна дійти висновку, що багато конкретних методів є корисними для більшості орієнтованих на результат керівників. Ці методи включають методи суджень, обчислювальні та часових рядів. Оскільки більшість методів суджень та обчислювальних методів багато хто розуміє, а то й застосовує на практиці, ми зосередимо увагу на трьох відносно простих, практичних методах часових рядів, а саме на методі пропорційної зміни, ковзного середнього та найменших квадратів. Хоча для ілюстрації цих методів залучено дані про видатки, їх так само можна застосовувати до доходів та інших даних.