Приложение 6
n
| Для проверки существенности тренда | Ткр |
tкр
|
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
2,62
3,11
3,59
4,07
4,55
5,02
5,49
5,96
6,42
6,89
7,36
7,82
8,29
8,76
9,22
|
2,11
2,10
2,09
2,09
2,09
2,08
2,08
2,07
2,07
2,06
2,06
2,06
2,05
2,05
2,04
|
Приложение 7
Распределение критерия Дарбина-Уотсона для положительной автокорреляции ( для 5%-ного уровня значимости)
n
|
V=1
|
V=2
|
V=3
|
V=4
|
V=5
|
d1
|
d2
|
d1
|
d2
|
d1
|
d2
|
d1
|
d2
|
d1
|
d2
|
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
45
50
55
60
65
70
75
80
85
90
95
100
|
1,08
1,10
1,13
1,16
1,18
1,20
1,22
1,24
1,26
1,27
1,29
1,30
1,32
1,33
1,34
1,35
1,36
1,37
1,38
1,39
1,40
1,41
1,42
1,43
1,43
1,44
1,48
1,50
1,53
1,55
1,57
1,58
1,60
1,61
1,62
1,63
1,64
1,65
|
1,36
1,37
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,45
1,46
1,47
1,48
1,48
1,49
1,50
1,50
1,51
1,51
1,52
1,52
1,53
1,54
1,54
1,54
1,57
1,59
1,60
1,62
1,63
1,64
1,65
1,66
1,67
1,68
1,69
1,69
|
0,95
0,98
1,02
1,05
1,08
1,10
1,13
1,15
1,17
1,19
1,21
1,22
1,24
1,26
1,27
1,28
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
1,39
1,43
1,46
1,49
1,51
1,54
1,55
1,57
1,59
1,60
1,61
1,62
1,63
|
1,54
1,54
1,54
1,53
1,53
1,54
1,54
1,54
1,54
1,55
1,55
1,55
1,56
1,56
1,56
1,57
1,57
1,57
1,58
1,58
1,58
1,59
1,59
1,59
1,60
1,60
1,62
1,63
1,64
1,65
1,66
1,67
1,68
1,69
1,70
1,70
1,71
1,72
|
0,82
0,86
0,90
0,93
0,97
1,00
1,03
1,05
1,08
1,10
1,12
1,14
1,16
1,18
1,20
1,21
1,23
1,24
1,26
1,27
1,28
1,29
1,31
1,32
1,33
1,34
1,38
1,42
1,45
1,48
1,50
1,52
1,54
1,56
1,57
1,59
1,60
1,61
|
1,75
1,73
1,71
1,69
1,68
1,68
1,67
1,66
1,66
1,66
1,66
1,65
1,65
1,65
1,65
1,65
1,65
1,65
1,63
1,65
1,65
1,65
1,66
1,66
1,66
1,66
1,67
1,67
1,68
1,69
1,70
1,70
1,71
1,72
1,72
1,73
1,73
1,74
|
0,69
0,74
0,78
0,82
0,86
0,90
0,93
0,96
0,99
1,01
1,04
1,06
1,08
1,10
1,12
1,14
1,16
1,18
1,19
1,21
1,22
1,24
1,25
1,26
1,27
1,29
1,34
1,38
1,41
1,44
1,47
1,49
1,51
1,53
1,55
1,57
1,58
1,59
|
1,97
1,93
1,90
1,87
1,85
1,83
1,81
1,80
1,79
1,78
1,77
1,76
1,76
1,75
1,74
1,74
1,74
1,73
1,73
1,73
1,73
1,73
1,72
1,72
1,72
1,72
1,72
1,72
1,72
1,73
1,73
1,74
1,74
1,74
1,75
1,75
1,75
1,76
|
0,56
0,62
0,67
0,71
0,75
0,79
0,83
0,86
0,90
0,93
0,95
0,98
1,01
1,03
1,05
1,07
1,09
1,11
1,13
1,15
1,16
1,18
1,19
1,21
1,22
1,23
1,29
1,34
1,38
1,41
1,44
1,46
1,49
1,51
1,52
1,54
1,56
1,57
|
2,21
2,15
2,10
2,06
2,02
1,99
1,96
1,94
1,92
1,90
1,89
1,89
1,86
1,85
1,84
1,83
1,83
1,82
1,81
1,81
1,80
1,80
1,80
1,79
1,79
1,79
1,78
1,77
1,77
1,77
1,77
1,77
1,77
1,77
1,77
1,78
1,78
1,78
|
Тест для самопроверки по основным
категориям курса
Прогнозирование – это:
воспроизведение основных характеристик исследуемого объекта на другом объекте, специально созданном для этих целей;
научно-обоснованное, основанное на системе установленных причинно-следственных связей и закономерностей, выявление состояния и вероятных путей развития процессов;
ряд числовых значений определенного показателя, характеризующего размеры изучаемого явления за определенные промежутки времени.
Прогноз – это:
отрезок времени от момента, для которого имеются последние данные об изучаемом процессе до момента, к которому относится прогноз;
количественное вероятностное утверждение в будущем о состоянии объекта, с относительно высокой степенью достоверности, на основе анализа тенденций и закономерностей прошлого и настоящего;
форма проявления причинной связи между последовательными значениями показателей.
Предсказание – это:
это отображение или аналог явления или процесса в основных существенных для него чертах;
предвидение таких событий, количественная характеристика которых невозможна или затруднена;
это отрезок времени от момента, для которого имеются последние статистические данные об изучаемом объекте до момента, к которому относится прогноз.
Экстраполяция – это:
некоторая математическая функция f (t), которая описывает тенденцию изменения явления;
нахождение уровней за пределами изучаемого временного ряда, то есть продление временного ряда на основе выявленной закономерности изменения уровней в изучаемый отрезок времени;
основное направление, закономерность развития явления.
Тенденция – это:
основное направление и закономерность развития явления или процесса;
аналитическая функция, которая описывает существующую динамику изучаемого показателя;
ряд числовых значений определенного показателя в последовательные периоды времени.
Тренд – это:
7. Объективизация прогноза – это:
построение объективного прогноза;
процедура выбора метода прогнозирования;
оценка точности прогноза.
Принцип инерционности предполагает:
сохранение тенденций прошлого и настоящего в будущем;
заполнение недостающих уровней временного ряда;
прогнозирование реальных объектов в сфере бизнеса.
Уровни временного ряда формируются под влиянием следующих компонент:
cезонной;
автокорреляции;
времени.
В зависимости от цели исследования прогнозы бывают:
сложные;
обществоведческие;
поисковые.
В зависимости от уровня изучаемого процесса модели прогноза бывают:
отраслевые;
дискретные;
локальные.
По характеру развития объектов во времени модели прогноза бывают:
циклические;
пространственные;
территориальные.
В зависимости от области применения прогнозы бывают:
cреднесрочные;
обществоведческие;
региональные.
По характеру используемой информации модели различают:
временные;
субглобальные;
долгосрочные.
По сложности различают прогнозы:
cложные;
текущие;
естествоведческие.
По масштабности объекта изучения прогнозы бывают:
cтруктурные;
текущие;
с полным информационным обеспечением.
Период упреждения прогноза – это:
рассматриваемый период исходных данных;
период времени от последнего уровня исходных данных до момента, на который строится прогноз;
значение последнего уровня исходных данных.
По времени упреждения прогнозы бывают:
краткосрочные;
макроэкономические;
пространственно-временные.
По характеру развития объектов тенденция бывает:
cреднего уровня;
дисперсии;
возрастающая.
Тенденция автокорреляции – это:
тенденция изменения связи между отдельными уровнями временного ряда;
изменения отклонений эмпирических значений временного ряда от значений, полученных по уравнению тренда;
математическая функция, вокруг которой варьируют фактические значения изучаемого явления.
21. Тенденция дисперсии – это:
тенденция изменения связи между отдельными уровнями временного ряда;
изменения отклонений эмпирических значений временного ряда от значений, полученных по уравнению тренда;
математическая функция, вокруг которой варьируют фактические значения изучаемого явления.
22. Тенденция среднего уровня – это:
тенденция изменения связи между отдельными уровнями временного ряда;
изменения отклонений эмпирических значений временного ряда от значений, полученных по уравнению тренда;
аналитически выражается в виде математической функции, вокруг которой варьируют фактические значения изучаемого явления.
23. Верификация прогноза – это:
оценка достоверности статистических прогнозов;
оценка точности статистических прогнозов;
оценка адекватности статистических прогнозов.
Учебная программа
1. Цель и задачи дисциплины, ее место
в учебном процессе
1.1. Цель преподавания дисциплины
Преподавание дисциплины «Анализ временных рядов и прогнозирование» строится исходя из требуемого уровня базовой подготовки экономистов по различным специальностям. Конечной целью изучения дисциплины является формирование у будущих специалистов глубоких теоретических знаний и практических навыков по экономико-статистическому анализу состояния и перспектив развития конкретных социально-экономических явлений и процессов на основе построения адекватных, и в достаточной степени аппроксимирующих реальные явления и процессы прогностических моделей, на основе которых возможна выработка конкретных предложений, рекомендаций и путей их прикладного использования.
Роль и место дисциплины в профессиональной подготовке экономистов-статистиков определяется ее значительностью в изучении студентами специальных дисциплин.
Дисциплина «Анализ временных рядов и прогнозирование» является органическим продолжением курса «Теория статистики». Поэтому, для успешного овладения ею требуется предварительное изучение таких дисциплин как «Теория статистики», «Теория вероятности и математическая статистика», «Экономическая информатика и вычислительная техника», а также специальных дисциплин.
1.2. Задачи изучения дисциплины
Программа разработана с учетом требований, установленных в государственном образовательном стандарте высшего профессионального образования, к подготовке специалистов в области статистики.
В ходе изучения дисциплины ставятся задачи научить студентов:
методологии анализа временных рядов и прогнозирования;
изучать самостоятельно научную и учебно-методическую литературу по анализу временных рядов и прогнозированию и уметь составлять критические обзоры опубликованных работ;
использовать в своей деятельности современные статистико-математические методы и модели.
В результате изучения дисциплины студенты должны:
Знать:
существующие статистико-математические методы и модели, применяемые при анализе, расчете и прогнозировании показателей, представленных временными рядами;
основные принципы статистического моделирования;
границы возможностей, предпосылки и область применения статистико-математических методов при построении статистических моделей прогноза и обеспеченность их программными средствами;
методику сбора и анализа статистической информации, необходимой для разработки экономико-статистических моделей.
Уметь:
осуществлять постановку задач при разработке статистических моделей, отражающих в динамике структуру, взаимосвязь сложных социально-экономических явлений и процессов, и на их основе построение моделей прогноза, оценку их качества, точности и надежности;
анализировать и прогнозировать, с использованием экономико-статистических моделей, конкретные социально-экономические явления и процессы.
Иметь представление:
о направлениях развития статистико-математических методов и моделей;
возможных областях применения статистико-математи-ческих методов и моделей при исследовании деловой активности и эффективности функционирования субъектов рыночной экономики.
2. Содержание дисциплины
Изучение дисциплины предусматривает проведение лекционных и практических занятий, а также выполнение студентами индивидуальных работ, что обеспечивает закрепление теоретических знаний, способствует получению практических навыков анализа, моделирования и прогнозирования сложных социально-экономических явлений и процессов.
Распределение учебного времени
Наименование темы
|
Количество часов
|
лекции
|
практические занятия
|
A
|
1
|
2
|
3
|
1.
|
Методологичеcкие аспекты анализа и статистического моделирования временных рядов
|
6
|
2
|
2.
|
Методологические вопросы статистического прогнозирования
|
6
|
2
|
3.
|
Априорный анализ составляющих компонент временного ряда
|
4
|
4
|
4.
|
Моделирование основной тенденции временного ряда
|
12
|
14
|
5.
|
Моделирование случайной компоненты временного ряда
|
8
|
12
|
6.
|
Моделирование периодической компоненты временного ряда
|
4
|
10
|
7.
|
Моделирование связных временных рядов
|
4
|
8
|
8.
|
Прогнозирование динамики социально-экономических явлений
|
6
|
10
|
9.
|
Прогнозирование многомерных
временных рядов
|
6
|
10
|
2.1. Лекционные занятия
|
Скачать 2.56 Mb.