статис.. Статистические методы прогнозирования в экономике_Дуброва, Архип. Международный консорциум Электронный университет Московский государственный университет экономики, статистики и информатики
 Скачать 1.1 Mb.
|
|
Тема 1. Введение в анализ временных рядов. Предмет и содержание курса. Роль прогнозов в принятии научно-обоснованных управленческих решений. Возрастающее значение прогнозов в условиях рынка как осно- вы предупреждающей информации для руководителей различных уровней. Расширение круга потребителей современных ППП по экономическому прогнозированию (правитель- ственные организации, плановые, аналитические, маркетинговые отделы производствен- ных и торговых корпораций, банков, страховых компаний и др.). Обзор современного про- граммного обеспечения по прогнозированию. Классификация прогнозов: по цели прогнозирования (понятия поисковых и нормативных прогнозов); в зависимости от объектов прогнозирования (выделение социальных и эконо- мических прогнозов); по времени упреждения (понятия оперативных, краткосрочных, среднесрочных и долгосрочных прогнозов). Классификация экономических прогнозов в зависимости от масштабности объек- тов прогнозирования (понятия глобальных прогнозов, прогнозов на макро-, мезо- и мик- роуровне). Временные ряды и их предварительный анализ. Описательные характеристики динамики социально-экономических явлений. Определение временного ряда, его отличие от случайной выборки из независимых наблюдений. Виды временных рядов. Требования, предъявляемые к исходным временным рядам при прогнозировании. Этапы предварительного анализа временных рядов. Описательные характеристики динамики социально-экономических явлений. Воз- можности использования среднего абсолютного прироста, среднего темпа роста (темпа прироста) как простейших приемов прогнозирования. УЧЕБНАЯ ПРОГРАММА 105 Компонентный состав временных рядов. Компоненты временного ряда (трендовая составляющая, сезонная компонента, циклическая компонента, случайная компонента) и их особенности. Аддитивная и мультипликативная модели временных рядов, модель смешанного типа. Анализ компонентного состава реальных временных рядов. Проверка гипотезы о существовании тенденции. Проверка “наличия-отсутствия» тренда во временных рядах с помощью: критерия серии, основанного на медиане выборки; критерия восходящих и нисходящих серий; метода Фостера-Стюарта; критерия, основанного на ранговой корреляции; метода проверки существенности разности средних. Тема 2 . Сглаживание временных рядов с помощью скользящих средних.. Скользящие средние (простые и взвешенные) и их использование для фильтрации компонент временного ряда. Вывод весовых коэффициентов при сглаживании ряда по по- линомам второго и третьего порядка. Краевые эффекты, методы восстановления недостающих уровней ряда. Влияние процедуры выделения тренда методом скользящих средних на остальные компоненты. Эффект Слуцкого-Юла. Применение скользящих средних в техническом анализе товарных и финансовых рынков. Использование скользящих средних для создания осцилляторов в техническом анализе. Комплексное использование осцилляторов различных типов. Тема 3. Прогнозирование развития с помощью моделей кривых роста.. Аналитическое выравнивание динамических рядов с помощью кривых роста. Ос- новные виды кривых роста. Метод наименьших квадратов при оценивании параметров полиномов. Оценивание параметров экспоненциальной кривой и логарифмической параболы. Упрощенное оцени- вание параметров модифицированной экспоненты, кривой Гомперца и логистической кривой. Метод средних, метод трех сумм, метод трех точек. Использование метода наи- меньших квадратов для оценки параметров кривых, имеющих асимптоты. Методы выбора кривых роста: метод последовательных разностей; метод характеристик приростов; визуальный анализ. Тема 4. Проверка адекватности и точности выбранных моделей прогнозирования. Анализ случайной компоненты для проверки адекватности выбранных моделей ре- альному процессу. Проверка наличия автокорреляции в остатках. Применение критерия Дарбина-Уотсона. Проверка на случайность остаточной компоненты, проверка нормаль- ности распределения остаточной компоненты. Характеристики точности моделей. Сравнительный анализ различных систем показа- телей точности и адекватности моделей, реализованных в ППП Олимп, Мезозавр, Statistica. Определение доверительных интервалов прогнозов. Влияние периода упреждения и длины ряда на ширину доверительного интервала. Вывод выражений для доверительных интервалов полиномов невысоких степеней. Доверительные интервалы для трендов, при- водимых к линейному виду. УЧЕБНАЯ ПРОГРАММА 106 Тема 5. Статистическийанализ и прогнозирование периодических колебаний. Методы выявления периодической составляющей во временных рядах. Статистические методы оценки уровня сезонности. Фильтрация периодической компоненты. Итерационные методы фильтрации. Се- зонная декомпозиция и корректировка временных рядов. Аналитическое выравнивание периодической составляющей. Моделирование сезонных колебаний с помощью фиктив- ных переменных. Спектральный анализ временных рядов. Классификация задач, решаемых спек- тральным анализом, и обзор практических приложений метода. Сравнительный анализ различных методов вычисления спектральных характеристик. Примеры практического использования спектрального анализа в экономических задачах. Тема 6. Использование адаптивных методов прогнозирования в экономических ис- следованиях. Введение в адаптивное прогнозирование. Преимущества адаптивных моделей при краткосрочном прогнозировании: • способность моделей учитывать различную информационную ценность уровней ряда («старение» информации); • возможность модели реагировать на степень расхождения прогнозных оценок с фактическими значениями. Обобщенная схема построения адаптивных моделей. Простейшие адаптивные модели и их свойства. Экспоненциальное сглаживание. Начальные условия экспоненциального сглажива- ния и выбор постоянной сглаживания. Модификация экспоненциального сглаживания в методе Вейда. Модели линейного роста: двухпараметрическая модель Ч.Хольта; модель Брауна; трехпараметрическая модель Бокса и Дженкинса. Аппроксимация полиноминальных трендов с помощью многократного сглажива- ния. Адаптивные полиноминальные модели 0, 1, 2 порядков. Модели с адаптивными параметрами адаптации. Следящий контрольный сигнал. Модель с адаптивными параметрами адаптации — модель Тригга-Лича. Адаптация пара- метра методом эволюции. Адаптация параметра методом эволюционного планирования. Сезонные адаптивные модели. Общая характеристика сезонных адаптивных моделей. Модель Уинтерса с мульти- пликативной сезонностью. Модель Хольта-Уинтерса с мультипликативной сезонностью и линейным ростом. Аддитивная модель сезонных явлений Тейла-Вейджа. Альтернативные виды адаптивных сезонных моделей Тема 7. Модели стационарных временных рядов и их идентификация. Стационарные временные ряды и их основные характеристики. Модели авторегрессии p-го порядка для временного ряда (AR(p)-модели). Анализ моделей авторегрессии для случаев p = 1 (Марковский процесс) и p = 2 (процесс Юла). Модели скользящего среднего порядка q (СС(q)-модели). Основные характеристи- ки процесса СС(q). Анализ моделей скользящего среднего первого и второго порядка (СС(1) и СС(2) модели). УЧЕБНАЯ ПРОГРАММА 107 Авторегрессионные модели стационарных временных рядов со скользящими сред- ними в остатках: определение, свойства, оценка параметров (модели АРСС(p,q) или ARMA(p,q)-модели). Процесс авторегрессии-скользящего среднего АРСС(1,1). Методология Бокса-Дженкинса. Модель авторегрессии-проинтегрированного скользящего среднего (модель Бокса- Дженкинса или АРПСС(p, d, q) — модель или ARIMA(p, d, q) — модель). Модели рядов, содержащих сезонную компоненту (модель Бокса-Дженкинса с сезонностью). Общая схема анализа и прогнозирования временных рядов с полиномиальной неслу- чайной составляющей и со случайными остатками, представленными в виде модели авторег- рессии и скользящего среднего; реализация этой схемы в ППП Мезозавр, Statistica, SPSS; на- значение функции «Советник -Эксперт». Тема 8. Применение многофакторных моделей прогнозирования. Проблемы исследования взаимосвязей социально-экономических показателей. Ос- новные концепции и предпосылки применения корреляционного и регрессионного анали- за. Особенности методов многошагового регрессионного анализа при обработке времен- ных рядов. Экономическая интерпретация результатов моделирования. Методы объединения частных моделей развития. Постановка задачи объединения прогнозов. Комбинированные модели гибридного и селективного типа. Критерии обобщения прогнозирующих моделей. Метод Бэйтса-Гренджера и его обобщение для многомерной модели. Объединение прогнозов на основе факторного анализа. Преимущества использования и построения модели обобщающего прогноза. 3. ЛИТЕРАТУРА Основная литература 1. Дуброва Т.А. Статистические методы прогнозирования. — М.: ЮНИТИ-ДАНА, 2003. 2. Дуброва Т.А., Бакуменко Л.П. и др. Анализ временных рядов и прогнозирование в системе «Statistica». — М.: МЭСИ, 2002. 3. Дуброва Т.А. Статистические методы прогнозирования. — М.: МЭСИ, 2004. 4. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных ря- дов. — М.: Финансы и статистика, 2003. 5. Четыркин Е. Н. Статистические методы прогнозирования. — М.: Статистика, 1975. Дополнительная литература 1. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. — М.: ЮНИТИ, 1998. 2. Андерсон Т. Статистический анализ временных рядов. — М.: Мир, 1976. 3. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. — М.: Финансы и статистика, 2001. 4. Бокс Дж.,Дженкинс Г. Анализ временных рядов. Прогноз и управление. — М.: Мир, 1974. — Вып. 1,2. УЧЕБНАЯ ПРОГРАММА 108 5. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA ® в среде Windows. Основы теории и интенсивная практика на компьютере. — М.: Финансы и статистика, 1999. 6. Боровиков Г.И. Statistica. Анализ и обработка данных в системе WINDOWS. — М.: Финансы и статистика, 1998. 7. Дуброва Т.А., Павлов Д.Э., Ткачев О.В. Корреляционно-регрессионный анализ в сис- теме Statistica. Учебное пособие. МЭСИ,1999. 8. Кендэл М. Временные ряды. — М.: Финансы и статистика, 1981. 9. Кендалл М. Дж. Стьюарт А. Многомерный статистический анализ и временные ряды. — М.: Наука, 1976. 10. Кильдишев Г. С., Френкель А. А. Анализ временных рядов и прогнозирование. — М.: Статистика, 1973. 11. Кремер Н.Ш., Путко Б.А. Эконометрика / Под. ред. проф. Н.Ш. Кремера. — М.: ЮНИТИ-ДАНА, 2002. 12. Лугачев М.И. Ляпунцов Ю.П. Методы социального прогнозирования. — М.: Экономи- ческий факультет МГУ, ТЕИС, 1999. 13. Льюис К.Д. Методы прогнозирования экономических показателей. — М.: Финансы и cтатистика, 1986. 14. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. — М.: Дело, 2000. 15. Отнес Р., Эноксон Л. Прикладной анализ временных рядов. — М.: Мир, 1982. 16. Половников В. А. Анализ и прогнозирование транспортной работы морского флота. - М.: Транспорт, 1983. 17. Практикум по эконометрике / И.И.Елисеева, С.В.Курышева, Н.М.Гордеенко и др.; Под ред. И.И.Елисеевой. — М.: Финансы и статистика, 2001. 18. Скучалина Л. Н., Крутова Т. А. Организация и ведение базы данных временных рядов. Система показателей, методы определения, оценки прогнозирования информационных процессов. — М.: ГКС РФ, 1995. 19. Статистическое моделирование и прогнозирование. Учебное пособие. (Под ред. А. Г. Гранберга). — М.: Финансы и статистика, 1990. 20. Уотшем Т.ДЖ., Паррамоу К. Количественные методы в финансах. / Пер. с англ., под. ред. М.Р. Ефимовой. — М.: Финансы, ЮНИТИ, 1999. 21. Френкель А. А. Прогнозирование производительности труда: методы и модели. — М.: Экономика, 1989. 22. Эконометрика / Под ред. И.И.Елисеевой. — М.: Финансы и статистика, 2001. 23. Экономико-математические методы и прикладные модели. (Под ред. В.В. Федосеева). М.: ЮНИТИ, 1999. 24. Greene W.H. Econometric Analysis, 4th ed., Prentice Hall, 1999. 25. Pindyck R. S., Rubinfeld D. L. Econometric models. Economic forecasts, 4th ed., McGraw- Hill, 1998. РУКОВОДСТВО ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ 109 Руководство по изучению дисциплины РУКОВОДСТВО ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ 110 1. Сведения об авторах Дуброва Татьяна Абрамовна — доктор экономических наук, профессор кафедры математической статистики и эконометрики МЭСИ. Читает курсы лекций и проводит компьютерные и аудиторные занятия по стати- стическим методам прогнозирования в экономике, по теории вероятностей и математиче- ской статистике, по многомерному статистическому анализу, по эконометрике. Автор более 90 научных и учебно-методических работ, включая более 25 учебни- ков, учебных пособий и учебно-методических разработок. Область научных интересов — методы прикладной статистики и эконометрическо- го моделирования. Специализируется в применении статистических методов прогнозиро- вания в экономике. Архипова Марина Юрьевна — кандидат экономических наук, доцент кафедры математической статистики и эконометрики, в. н. с. Российского института экономики, политики и права в научно-технической сфере. Читает курсы лекций и проводит компьютерные и аудиторные занятия по следую- щим курсам: статистические методы прогнозирования в экономике, теория вероятностей и математическая статистика, эконометрика. За последние пять лет Архиповой М.Ю.написано около 20 научных и учебно- методических работ, включая учебные пособия и учебно-методические разработки. Область научных интересов — методы прикладной статистики и эконометрическо- го моделирования, а также экономико-статистический анализ научно-технологического развития России. 2. Цели, задачи изучения, сфера профессионального применения Цель преподавания курса — дать студентам научное представление о статистических методах прогнозирования, об их практическом применении на базе современных пакетов прикладных программ при решении социально-экономических задач. Задачи курса После изучения курса студенты будут знать современные статистические методы прогнозирования, приобретут навыки решения реальных задач, встречающихся в различ- ных областях экономической практики на базе отечественных и зарубежных пакетов при- кладных программ (Олимп, Мезозавр, Statistica, SPSS и др.). 3. Необходимый объем знаний для изучения курса Для изучения курса «Статистические методы прогнозирования в экономике» студентам необходимо знание основ: — теории статистики, в которой сформулированы общие методы и принципы определе- ния количественных характеристик массовых процессов и явлений; — экономической статистики, дающей представление о направлениях развития экономи- ки, о темпах роста цен и занятости, о тенденциях развития и эффективности использо- вания ресурсов в отдельных отраслях и секторах экономики; РУКОВОДСТВО ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ 111 — теории вероятностей и математической статистики, определяющих генеральную и вы- борочную совокупность, вариационные ряды и их характеристики; дающих возмож- ность проводить статистическое оценивание параметров и проверку гипотез; исполь- зовать методы корреляционно-регрессионного анализа для оценки взаимосвязи между зависимой переменной и группой, влияющих на нее показателей. В свою очередь данный курс является основой для ряда дисциплин, развивающих методы теории вероятностей и математической статистики. 4. Основная информация о курсе и его структура Курс включает в себя изучение следующих тем: Тема 1. Введение в анализ временных рядов. Тема 2. Сглаживание временных рядов с помощью скользящих средних. Тема 3. Прогнозирование развития с помощью моделей кривых роста. Тема 4. Проверка адекватности и точности выбранных моделей прогнозирования. Тема 5. Статистический анализ и прогнозирование периодических колебаний. Тема 6. Использование адаптивных методов прогнозирования в экономических исследо- ваниях. Тема 7. Модели стационарных временных рядов и их идентификация. Методология Бок- са-Дженкинса. Тема 8. Применение многофакторных моделей прогнозирования. Курс изучается в форме лекций и практических занятий. Практические занятия проводятся как в аудитории, так и в компьютерных классах. Цель компьютерных занятий - овладение методами анализа и обработки данных с исполь- зованием пакетов прикладных программ; решение конкретных задач, взятых из экономи- ческой практики. Рекомендуемые программные средства и пакеты прикладных программ: EXCEL, OLIMP, MESOSAUR, STATISTICA, SPSS. После прохождения каждой темы студентами выполняется соответствующая лабо- раторная работа - индивидуальное компьютерное исследование, завершающееся защитой отчета. Также предусмотрены тестирование и самостоятельная подготовка студентов. В конце семестра студенты сдают зачет (экзамен); для ряда специальностей предусмотрено написание курсовой работы. РУКОВОДСТВО ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ 112 Тема 1. Введение в анализ временных рядов Предмет и содержание курса Изучение данной темы раскрывает студентам предмет и содержание курса, роль про- гнозов в принятии научно-обоснованных управленческих решений, показывает возрастающее значение прогнозов в условиях рынка как основы предупреждающей информации для руко- водителей различных уровней, а также необходимость использования информационных тех- нологий на базе персональных ЭВМ в практических исследованиях. Дается обзор современных ППП по статистическому прогнозированию, обсуждаются достоинства, преимущества отдельных статистических систем обработки данных. Подчеркивается расширение круга потребителей современных ППП по экономиче- скому прогнозированию (правительственные организации, плановые и аналитические от- делы, отделы маркетинга и менеджмента производственных и торговых корпораций, бан- ков, страховых компаний). Изучение этой темы должно подготовить студентов к пониманию следующих тем данного курса. Классификация прогнозов Подробно обсуждается классификация экономических прогнозов в зависимости от: • Цели прогнозирования (выделение нормативных и поисковых прогнозов); • Времени упреждения (понятия оперативных, краткосрочных, среднесрочных и долгосрочных прогнозов); • Масштабности объектов прогнозирования (понятие глобальных прогнозов, про- гнозов на макро-, мезо- и микроуровне). Временные ряды и их предварительный анализ При изучении данной темы следует сконцентрировать внимание на определении понятия временного ряда, его отличии от случайной выборки из независимых наблюде- ний, на требованиях, предъявляемых к исходным временным рядам при прогнозировании. Также необходимо усвоить этапы предварительного анализа временных рядов. Временным рядом называется ряд наблюдений за значениями некоторого показа- теля (признака), упорядоченный в хронологической последовательности, т.е. в порядке возрастания временного параметра t. Отдельные наблюдения временного ряда называются уровнями этого ряда. Процесс прогнозирования экономических временных рядов базируется на выявле- нии закономерностей, объясняющих динамику процесса в прошлом, и использовании этих закономерностей для описания развития в будущем. Целесообразно вспомнить определения моментных, интервальных, производных временных рядов, введенные в курсе общей теории статистики. При изучении данного раздела нужно сосредоточить внимание на требованиях, предъявляемых к исходным временным рядам при прогнозировании (таких, как сопоста- вимость уровней ряда, полнота, однородность, достоверность информации и др.). РУКОВОДСТВО ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ 113 Описательные характеристики динамики социально-экономических явлений Для успешного изучения и анализа социально-экономических процессов и явлений во времени необходимо понять значение и условия применения показателей, характери- зующих изменение рядов динамики: абсолютного прироста, темпа роста и темпа прирос- та, а также обобщающих показателей — среднего уровня, среднего абсолютного прирос- та, среднего темпа роста и среднего темпа прироста. Также следует рассмотреть простейшие приемы прогнозирования, использующие обобщающие показатели динамики. Компонентный состав временных рядов Данный раздел знакомит студентов с компонентами временного ряда (трендовой составляющей, сезонной компонентой, циклической компонентой и случайной компонен- той), их особенностями, понятиями аддитивной, мультипликативной и смешанной моде- ли. В рамках данной темы студенты также овладевают навыками проверки гипотезы о существовании тенденции. Изучение данной темы базируется на знании раздела матема- тической статистики, связанного с проверкой статистических гипотез. Наряду с долговременной тенденцией (трендом) во временных рядах существуют более или менее регулярные колебания. Если эти колебания носят строго периодический характер или близки к нему, и при этом период колебания не превышает 1 года, то их на- зывают сезонными колебаниями и им соответствует сезонная компонента. Основной при- чиной сезонных колебаний являются природно-климатические условия. Если период колебаний более года, то такие колебания называются циклическими и им соответствует циклическая компонента. Случайная компонента представляет собой составную часть временных рядов, ос- тающуюся после выделения из него тренда и периодических составляющих. Причиной существования случайной компоненты является стохастический характер экономических процессов. Особое внимание следует обратить на свойства случайной компоненты. Если временной ряд представлен в виде суммы соответствующих компонент, то модель носит название аддитивной, если в виде произведения — мультипликативной. Так- же может быть выделена модель смешанного типа, в которой компоненты соединяются как знаком сложения, так и умножения. Часто характер сезонности (аддитивный или мультипликативный) может быть оп- ределен уже на стадии проведения графического анализа. Проверка гипотезы о существовании тенденции При анализе реальных данных не всегда четко прослеживается присутствие трен- довой составляющей. В этом случае, прежде чем перейти к определению тенденции и вы- делению тренда, нужно выяснить, существует ли вообще тенденция в исследуемом про- цессе. Основные подходы к решению этой задачи основаны на статистической проверке гипотез. Поэтому при изучении данной темы необходимо сосредоточить внимание на ме- тодах, позволяющих на этапе предварительного анализа проверить гипотезу об отсутствии (наличии) тенденции в данном временном ряду. РУКОВОДСТВО ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ 114 Знания, умения, навыки по теме 1. Изучив тему 1, студент должен знать: • Роль прогнозов в принятии научно-обоснованных управленческих решений. • Современное программное обеспечение по прогнозированию. • Основные методологические принципы классификации экономических прогнозов. • Понятие временного ряда, его отличие от случайной выборки из независимых наблю- дений. • Виды временных рядов. • Требования, предъявляемые к временным рядам при прогнозировании. • Этапы предварительного анализа временных рядов. • Описательные характеристики динамики социально-экономических явлений. • Компоненты временного ряда и их основные характеристики. • Понятия аддитивных, мультипликативных, смешанных моделей временных рядов. • Методы проверки гипотезы о существовании тенденции. Изучив тему 1, студент должен уметь: 9 Видеть возможности использования статистических методов прогнозирования в про- фессиональной деятельности. 9 Проводить классификацию конкретных задач прогнозирования социально- экономических процессов в зависимости от цели, времени упреждения, масштабности объекта прогнозирования. 9 Ориентироваться в современном программном обеспечении по прогнозированию. 9 Своевременно выявлять и устранять несопоставимость уровней временного ряда, не- однородность информации. 9 Использовать простейшие приемы прогнозирования, опирающиеся на средний абсо- лютный прирост, средний темп роста (темп прироста) при решении экономических за- дач. 9 Применять статистические пакеты для расчета описательных характеристик динамики социально-экономических процессов. 9 Проводить первичный анализ компонентного состава временного ряда. 9 Использовать различные методы проверки гипотезы о существовании тенденции при решении конкретных задач. 9 Определять характер сезонности (аддитивный или мультипликативный) на основе графического анализа данных. Ссылки на учебный материал 1. Дуброва Т.А. Статистические методы прогнозирования. — М.:.ЮНИТИ-ДАНА, 2003. 2. Дуброва Т.А. Статистические методы прогнозирования в экономике. МЭСИ (МВБШ).- М.,1999. 3. Дуброва Т.А. Статистические методы прогнозирования. УПП., МЭСИ-М., 2004. 4. Статистическое моделирование и прогнозирование. Учебное пособие. (Под ред. А. Г. Гранберга). М., «Финансы и статистика», 1990. 5. Экономико-математические методы и прикладные модели. (Под ред. В.В. Федосеева). М., «Юнити», 1999. РУКОВОДСТВО ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ 115 6. Андерсон Т. Статистический анализ временных рядов. М., «Мир», 1976. 7. Кендэл М. Временные ряды. М., «Финансы и статистика», 1981. 8. Кильдишев Г. С., Френкель А. А. Анализ временных рядов и прогнозирование. М., «Статистика», 1973. 9. Лугачев М.И., Ляпунцов Ю.П. Методы социально-экономического прогнозирования. - М., Экономический факультет МГУ, ТЕИС,1999. 10. Четыркин Е. Н. Статистические методы прогнозирования. М., «Статистика», 1975. 11. Боровиков В.П. , Ивченко Г.И. Прогнозирование в системе Statistica в среде Windows. М., «Финансы и статистика», 1999. 12. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Фи- нансы и статистика, 2001. Интернет-ресурсы: 1. http://www.bizcom.ru/analisys/1999-02/02.html 2. http://istu.edu.ru/istu/biblioteka/announce/recent/nov/math.htm 3. http://www.shpargalka.ru/statis.ru/doc/shpr_e31.htm 4. http://www.econ.msu.ru/kaf/DEI/books/prognoz/lec10.html 5. http://ns.econ.msu.ru/dei/books/prognoz/lec10.html 6. 3http://soc- gw.univ.kiev.ua/EDUCAT/BASIC/MMPS/LABS/LOGREG.HTM 7. http://www.nsu.ru/ef/tsy/ecmr/some_mle/contents.htm Задания для самооценки Выполните задания и ответьте на вопросы: ¾ Какие Вы знаете виды временных рядов? ¾ Перечислите требования, предъявляемые к временным рядам при прогнозировании. ¾ Назовите этапы предварительного анализа временных рядов. ¾ В каких случаях правомерно использовать средние абсолютные приросты, средние темпы роста (темпы прироста) для описания и прогнозирования динамики социально- экономических процессов? ¾ Какова роль статистического прогнозирования в принятии управленческих решений? ¾ Приведите примеры задач прогнозирования социально-экономических процессов на мезоуровне (микроуровне, макроуровне). ¾ Назовите области экономических наук, в которых используются статистические мето- ды прогнозирования. ¾ Дайте определения оперативных и краткосрочных прогнозов. ¾ Приведите примеры задач среднесрочного прогнозирования. ¾ Что представляют собой трендовая, сезонная, циклическая и случайная компоненты, в чем их отличие? ¾ Что представляет собой аддитивная модель временного ряда? ¾ В чем отличие сезонной компоненты от циклической? Что у них общего? ¾ Что представляет собой мультипликативная модель временного ряда? ¾ Что представляет собой смешанная модель временного ряда? ¾ Какие Вы знаете методы проверки гипотезы о существовании тенденции? РУКОВОДСТВО ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ 116 План практических занятий по теме 1 Занятие 1 Тема: Обзор программного обеспечения по прогнозированию. Решение задач. Занятие 2 Тема: Расчет описательных характеристик динамики социально - экономических процес- сов. Решение задач по применению среднего абсолютного прироста, среднего темпа роста (среднего темпа прироста) для описания и прогнозирования динамики социально- экономических процессов. Занятие 3 Тема: Компоненты временного ряда и их особенности. Модели временных рядов (адди- тивная, мультипликативная, смешанная). Решение задач. Занятие 4 Тема: Метода проверки гипотезы о существовании тенденции. Решение задач. |